KR102963243B1 - 네트워크의 문제 해결 방법 및 그 방법을 수행하는 전자 장치 - Google Patents

네트워크의 문제 해결 방법 및 그 방법을 수행하는 전자 장치

Info

Publication number
KR102963243B1
KR102963243B1 KR1020210043101A KR20210043101A KR102963243B1 KR 102963243 B1 KR102963243 B1 KR 102963243B1 KR 1020210043101 A KR1020210043101 A KR 1020210043101A KR 20210043101 A KR20210043101 A KR 20210043101A KR 102963243 B1 KR102963243 B1 KR 102963243B1
Authority
KR
South Korea
Prior art keywords
electronic device
cause
processor
representative
series analysis
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
KR1020210043101A
Other languages
English (en)
Other versions
KR20220137263A (ko
Inventor
박상규
박종화
선영석
이윤주
이판형
정하경
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020210043101A priority Critical patent/KR102963243B1/ko
Priority to PCT/KR2022/003410 priority patent/WO2022211305A1/ko
Priority to US17/828,579 priority patent/US11936542B2/en
Publication of KR20220137263A publication Critical patent/KR20220137263A/ko
Application granted granted Critical
Publication of KR102963243B1 publication Critical patent/KR102963243B1/ko
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
    • H04L41/064—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis involving time analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/09—Supervised learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0654—Management of faults, events, alarms or notifications using network fault recovery
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/142—Network analysis or design using statistical or mathematical methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/02—Capturing of monitoring data
    • H04L43/022—Capturing of monitoring data by sampling
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/04—Processing captured monitoring data, e.g. for logfile generation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/06—Generation of reports
    • H04L43/067—Generation of reports using time frame reporting

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pure & Applied Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Telephone Function (AREA)

Abstract

네트워크의 문제 해결 방법 및 그 방법을 수행하는 전자 장치가 제시된다. 일 실시 예에 따르면, 전자 장치는 적어도 하나의 프로세서를 포함할 수 있다. 프로세서는 네트워크의 품질을 나타내는 품질 지표의 비정상 샘플의 각각의 원인을 대표하는 대표 원인을 결정할 수 있다. 프로세서는 대표 원인과 연관된 지표에 대해 시계열 분석을 수행할 수 있다. 프로세서는 대표 원인 및 시계열 분석의 결과에 대응하는 해결 방안을 제안할 수 있다.

Description

네트워크의 문제 해결 방법 및 그 방법을 수행하는 전자 장치{METHOD FOR SOVING NETWORKS PROBLEM AND APPARATUS FOR PERFORMING THE METHOD}
본 개시의 다양한 실시 예들은 네트워크의 문제 해결에 관한 것으로 통신 네트워크의 품질 저하를 해결하는 방법에 관한 것이다.
모바일 네트워크의 품질에 문제가 발생할 경우, 문제가 발생한 시점의 품질 지표만을 이용하여 원인을 분석할 경우, 해당 시점에서 관련된 셀(cell) 또는 엔티티(entity)의 상태는 알 수 있지만, 문제의 일시성, 지속성 또는 반복성과 같은 시계열적 정보는 파악할 수 없다. 이로 인해, 네트워크 관리자는 시급성 또는 중요도를 고려하여 선별적인 트러블 슈팅(trouble shooting)을 수행하기 어려우며, 본질적인 문제 해결 방안을 결정하는데 한계가 있다. 여기서, 트러블 슈팅이란 시스템에서 발생하는 복잡한 문제들을 종합적으로 진단해 처리하는 것을 의미한다.
근본 원인 분석을 통해 품질 지표의 저하 구간에 대해 보다 종합적인 원인을 도출하고 해결 방안을 제안하는 전자 장치가 제시된다.
일 실시 예에 따른 전자 장치는 적어도 하나의 프로세서를 포함하고, 상기 프로세서는, 네트워크의 품질을 나타내는 품질 지표의 비정상을 탐지하기 위한 제1 시간 구간을 결정하고, 상기 제1 시간 구간 동안의 상기 네트워크의 품질 지표의 하나 이상의 비정상 샘플을 탐지하고, 상기 하나 이상의 비정상 샘플의 각각의 원인을 대표하는 대표 원인을 결정하고, 상기 제1 시간 구간을 포함하는 제2 시간 구간 동안 상기 대표 원인과 연관된 특징에 대해 시계열 분석을 수행하고, 상기 대표 원인 및 상기 시계열 분석의 결과에 대응하는 해결 방안을 제안할 수 있다.
일 실시 예에 따른 네트워크의 문제 해결 방법은, 네트워크의 품질을 나타내는 품질 지표의 비정상을 탐지하기 위한 제1 시간 구간을 결정하는 동작; 상기 제1 시간 구간 동안의 상기 네트워크의 품질 지표의 하나 이상의 비정상 샘플을 탐지하는 동작; 패턴 매칭을 통해 상기 하나 이상의 비정상 샘플의 각각의 원인을 결정하는 동작; 상기 하나 이상의 원인을 대표하는 대표 원인을 결정하는 동작; 상기 제1 시간 구간을 포함하는 제2 시간 구간 동안 상기 대표 원인과 연관된 특징에 대해 시계열 분석을 수행하는 동작; 및 상기 대표 원인 및 상기 시계열 분석의 결과에 대응하는 해결 방안을 제안하는 동작을 포함하고, 상기 시계열 분석을 수행하는 동작은, 상기 제1 시간 구간의 시작 시각 이전의 미리 정해진 샘플에 대응하는 시각을 상기 제2 시간 구간의 시작 시각으로 결정하는 동작; 및 상기 제2 시간 구간 동안 상기 연관된 특징의 추세(trend), 주기성(seasonality) 또는 잔차(residual) 성분을 분석하는 동작을 포함할 수 있다.
다만, 기술적 과제는 상술한 기술적 과제들로 한정되는 것은 아니며, 또 다른 기술적 과제들이 존재할 수 있다.
일 실시 예에 따른 전자 장치는 근본 원인 분석을 통해 품질 지표의 저하 구간에 대해 보다 종합적인 원인을 도출하고 해결 방안을 제안할 수 있다.
도 1은 다양한 실시예들에 따른 네트워크 환경 내의 전자 장치의 블록도이다.
도 2은 다양한 실시예에 따른 프로그램을 예시하는 블록도이다.
도 3은 일 실시 예에 따른 전자 장치에 의해 네트워크의 문제를 해결하는 실시예를 도시한 도면이다.
도 4는 일 실시 예에 따른 전자 장치의 구성을 도시한 도면이다.
도 5는 일 실시 예에 따른 전자 장치에 의해 네트워크의 문제를 해결하는 일례를 도시한 흐름도이다.
도 6은 일 실시 예에 따른 전자 장치에 의해 대표 원인을 분석하는 일례를 도시한 도면이다.
도 7은 일 실시 예에 따른 전자 장치에 의해 시계열 분석이 수행되는 일례를 도시한 도면이다.
도 8은 일 실시 예에 따른 전자 장치에 의해 대표 원인의 분석부터 해결 방안의 제안까지의 다양한 예시를 도시한 도면이다.
도 9는 일 실시 예에 따른 네트워크의 문제 해결 방법의 흐름도이다.
이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나 와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(240))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)을 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(240)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(240)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(242), 미들 웨어(144) 또는 어플리케이션(246)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체을 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(240))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.
도 2는 다양한 실시예에 따른 프로그램을 예시하는 블록도이다. 일실시예에 따르면, 프로그램(240)은 전자 장치(예: 도 1의 전자 장치(101))의 하나 이상의 리소스들을 제어하기 위한 운영 체제(242), 미들웨어(244), 또는 상기 운영 체제(242)에서 실행 가능한 어플리케이션(246)을 포함할 수 있다. 운영 체제(242)는, 예를 들면, AndroidTM, iOSTM, WindowsTM, SymbianTM, TizenTM, 또는 BadaTM를 포함할 수 있다. 프로그램(240) 중 적어도 일부 프로그램은, 예를 들면, 제조 시에 전자 장치(101)에 프리로드되거나, 또는 사용자에 의해 사용 시 외부 전자 장치(예: 전자 장치(102 또는 104), 또는 서버(108))로부터 다운로드되거나 갱신 될 수 있다.
운영 체제(242)는 전자 장치(101)의 하나 이상의 시스템 리소스들(예: 프로세스, 메모리, 또는 전원)의 관리(예: 할당 또는 회수)를 제어할 수 있다. 운영 체제(242)는, 추가적으로 또는 대체적으로, 전자 장치(101)의 다른 하드웨어 디바이스, 예를 들면, 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 구동하기 위한 하나 이상의 드라이버 프로그램들을 포함할 수 있다.
미들웨어(244)는 전자 장치(101)의 하나 이상의 리소스들로부터 제공되는 기능 또는 정보가 어플리케이션(246)에 의해 사용될 수 있도록 다양한 기능들을 어플리케이션(246)으로 제공할 수 있다. 미들웨어(244)는, 예를 들면, 어플리케이션 매니저(201), 윈도우 매니저(203), 멀티미디어 매니저(205), 리소스 매니저(207), 파워 매니저(209), 데이터베이스 매니저(211), 패키지 매니저(213), 커넥티비티 매니저(215), 노티피케이션 매니저(217), 로케이션 매니저(219), 그래픽 매니저(221), 시큐리티 매니저(223), 통화 매니저(225), 또는 음성 인식 매니저(227)를 포함할 수 있다.
어플리케이션 매니저(201)는, 예를 들면, 어플리케이션(246)의 생명 주기를 관리할 수 있다. 윈도우 매니저(203)는, 예를 들면, 화면에서 사용되는 하나 이상의 GUI 자원들을 관리할 수 있다. 멀티미디어 매니저(205)는, 예를 들면, 미디어 파일들의 재생에 필요한 하나 이상의 포맷들을 파악하고, 그 중 선택된 해당하는 포맷에 맞는 코덱을 이용하여 상기 미디어 파일들 중 해당하는 미디어 파일의 인코딩 또는 디코딩을 수행할 수 있다. 리소스 매니저(207)는, 예를 들면, 어플리케이션(246)의 소스 코드 또는 메모리(130)의 메모리의 공간을 관리할 수 있다. 파워 매니저(209)는, 예를 들면, 배터리(189)의 용량, 온도 또는 전원을 관리하고, 이 중 해당 정보를 이용하여 전자 장치(101)의 동작에 필요한 관련 정보를 결정 또는 제공할 수 있다. 일실시예에 따르면, 파워 매니저(209)는 전자 장치(101)의 바이오스(BIOS: basic input/output system)(미도시)와 연동할 수 있다.
데이터베이스 매니저(211)는, 예를 들면, 어플리케이션(246)에 의해 사용될 데이터베이스를 생성, 검색, 또는 변경할 수 있다. 패키지 매니저(213)는, 예를 들면, 패키지 파일의 형태로 배포되는 어플리케이션의 설치 또는 갱신을 관리할 수 있다. 커넥티비티 매니저(215)는, 예를 들면, 전자 장치(101)와 외부 전자 장치 간의 무선 연결 또는 직접 연결을 관리할 수 있다. 노티피케이션 매니저(217)는, 예를 들면, 지정된 이벤트(예: 착신 통화, 메시지, 또는 알람)의 발생을 사용자에게 알리기 위한 기능을 제공할 수 있다. 로케이션 매니저(219)는, 예를 들면, 전자 장치(101)의 위치 정보를 관리할 수 있다. 그래픽 매니저(221)는, 예를 들면, 사용자에게 제공될 하나 이상의 그래픽 효과들 또는 이와 관련된 사용자 인터페이스를 관리할 수 있다.
시큐리티 매니저(223)는, 예를 들면, 시스템 보안 또는 사용자 인증을 제공할 수 있다. 통화(telephony) 매니저(225)는, 예를 들면, 전자 장치(101)에 의해 제공되는 음성 통화 기능 또는 영상 통화 기능을 관리할 수 있다. 음성 인식 매니저(227)는, 예를 들면, 사용자의 음성 데이터를 서버(108)로 전송하고, 그 음성 데이터에 적어도 일부 기반하여 전자 장치(101)에서 수행될 기능에 대응하는 명령어(command), 또는 그 음성 데이터에 적어도 일부 기반하여 변환된 문자 데이터를 서버(108)로부터 수신할 수 있다. 일 실시 예에 따르면, 미들웨어(244)는 동적으로 기존의 구성요소를 일부 삭제하거나 새로운 구성요소들을 추가할 수 있다. 일 실시 예에 따르면, 미들웨어(244)의 적어도 일부는 운영 체제(242)의 일부로 포함되거나, 또는 운영 체제(242)와는 다른 별도의 소프트웨어로 구현될 수 있다.
어플리케이션(246)은, 예를 들면, 홈(251), 다이얼러(253), SMS/MMS(255), IM(instant message)(257), 브라우저(259), 카메라(261), 알람(263), 컨택트(265), 음성 인식(267), 이메일(269), 달력(271), 미디어 플레이어(273), 앨범(275), 와치(277), 헬스(279)(예: 운동량 또는 혈당과 같은 생체 정보를 측정), 또는 환경 정보(281)(예: 기압, 습도, 또는 온도 정보 측정) 어플리케이션을 포함할 수 있다. 일실시예에 따르면, 어플리케이션(246)은 전자 장치(101)와 외부 전자 장치 사이의 정보 교환을 지원할 수 있는 정보 교환 어플리케이션(미도시)을 더 포함할 수 있다. 정보 교환 어플리케이션은, 예를 들면, 외부 전자 장치로 지정된 정보 (예: 통화, 메시지, 또는 알람)를 전달하도록 설정된 노티피케이션 릴레이 어플리케이션, 또는 외부 전자 장치를 관리하도록 설정된 장치 관리 어플리케이션을 포함할 수 있다. 노티피케이션 릴레이 어플리케이션은, 예를 들면, 전자 장치(101)의 다른 어플리케이션(예: 이메일 어플리케이션(269))에서 발생된 지정된 이벤트(예: 메일 수신)에 대응하는 알림 정보를 외부 전자 장치로 전달할 수 있다. 추가적으로 또는 대체적으로, 노티피케이션 릴레이 어플리케이션은 외부 전자 장치로부터 알림 정보를 수신하여 전자 장치(101)의 사용자에게 제공할 수 있다.
장치 관리 어플리케이션은, 예를 들면, 전자 장치(101)와 통신하는 외부 전자 장치 또는 그 일부 구성 요소(예: 외부 전자장치의 디스플레이 모듈 또는 카메라 모듈)의 전원(예: 턴-온 또는 턴-오프) 또는 기능(예: 밝기, 해상도, 또는 포커스)을 제어할 수 있다. 장치 관리 어플리케이션은, 추가적으로 또는 대체적으로, 외부 전자 장치에서 동작하는 어플리케이션의 설치, 삭제, 또는 갱신을 지원할 수 있다.
이하 실시예에서 각 동작들은 순차적으로 수행될 수도 있으나, 반드시 순차적으로 수행되는 것은 아니다. 예를 들어, 각 동작들의 순서가 변경될 수도 있으며, 적어도 두 동작들이 병렬적으로 수행될 수도 있다.
도 3은 일 실시 예에 따른 전자 장치에 의해 네트워크의 문제를 해결하는 실시예를 도시한 도면이다.
일 실시 예에 따르면, 전자 장치(예: 도 1의 전자 장치(101))는 통신 네트워크(예: 도 1의 제2 네트워크(199))의 품질 저하를 탐지할 수 있다. 전자 장치는 탐지된 품질 저하의 근본 원인을 분석할 수 있다. 전자 장치는 근본 원인을 해결하기 위한 해결 방안을 제안할 수 있다. 예를 들어, 전자 장치는 이동 통신 네트워크의 품질 지표 중의 하나인 중요 성능 지표(key performance indicator, KPI)의 열화(degradation) 또는 비정상(anomaly)에 대한 근본 원인을 분석하고 근본 원인에 대응하는 해결 방안을 제공할 수 있다.
전자 장치는 통신 네트워크에서 비정상 샘플을 검출할 수 있다. 여기서, 비정상 샘플은 KPI의 저하 또는 비정상을 보이는 샘플을 의미한다. 전자 장치는 하나 이상의 특징들을 이용하여 각각의 비정상 샘플들에 대해 원인을 도출할 수 있다. 전자 장치는 분석 대상을 기초로 비정상 샘플 각각에 대한 원인을 분류할 수 있다. 여기서, 원인 분류에 사용되는 분석 대상은 PM(performance management), FM(fault management), CM(configuration management), 로그(log) 데이터 또는 이들로부터 계산된 메트릭(metric)을 포함할 수 있다.
전자 장치는 품질 지표의 비정상을 탐지하기 위한 제1 시간 구간(time window)을 결정하고, 해당 시간 구간의 대표 원인을 결정할 수 있다. 제1 시간 구간은 통신 품질이 저하되는 구간으로서 저하 구간(degradation interval)으로 지칭될 수 있다. 전자 장치는 미리 결정된 하나 이상의 매칭 관계 중에서 대표 원인에 대응하는 매칭 관계를 기초로 패턴 매칭(pattern matching)을 통해 대표 원인을 도출할 수 있다. 대표 원인이란 제1 시간 구간에서 발생한 복수의 비정상 샘플의 원인을 대표하는 원인을 의미한다.
전자 장치는 도출된 비정상 샘플 각각의 원인 및 저하 구간의 대표 원인에 대한 특징 리스트와 특징 값을 그래픽 유저 인터페이스(graphic user interface)를 이용하여 표시할 수 있다. 전자 장치는 디스플레이 모듈(예: 도 2의 디스플레이 모듈(160))을 통해 그래픽 유저 인터페이스를 표시할 수 있다.
전자 장치는 시계열 분석이 수행될 제2 시간 구간 및 연관된 특징을 결정할 수 있다. 여기서, 연관된 특징이란 대표 원인과 연관된 특징을 의미한다. 제2 시간 구간은 시계열 분석의 대상이 되는 시간 구간을 의미한다. 제2 시간 구간은 제1 시간 구간을 포함할 수 있다. 전자 장치는 해당 시간 구간의 연관된 특징에 대해 시계열 분석을 수행할 수 있다. 전자 장치는 대표 원인과 시계열 분석의 분석 결과를 종합하여 결합 원인을 도출할 수 있다. 여기서 결합 원인은 대표 원인과 시계열 분석의 결과를 종합하여 도출된 원인을 의미한다.
전자 장치는 패턴 매칭을 통해 도출된 대표 원인과 시계열 분석 결과를 종합한 결합 원인을 도출할 수 있다. 전자 장치는 결합 원인을 문자열(string)로 표시할 수 있다. 예를 들어, 전자 장치는 대표 원인의 문자열과 시계열 분석 결과의 문자열을 연결하여 결합 원인의 문자열을 생성하고 이를 표시할 수 있다. 전자 장치는 디스플레이 모듈(예: 도 2의 디스플레이 모듈(160))을 통해 결합 원인의 문자열을 표시할 수 있다.
전자 장치는 결합 원인에 대응하여 제안되는 해결 방안의 매칭(matching) 관계를 미리 설정할 수 있다. 예를 들어, 결합 원인과 해결 방안의 매칭 관계는 사용자에 의해 수동으로 설정될 수 있다. 예를 들어, 결합 원인과 해결 방안의 매칭 관계는 자동으로 설정될 수도 있다. 매칭 관계는 매핑 테이블(mapping table)의 형식으로 표시될 수 있다.
전자 장치는 결합 원인에 대한 해결 방안을 제안할 수 있다. 전자 장치는 미리 설정된 매칭 관계를 기초로 도출된 결합 원인에 대응하는 해결 방안을 제안할 수 있다. 전자 장치는 결합 원인과 이에 대응하는 해결 방안을 그래픽 유저 인터페이스를 이용하여 표시할 수 있다. 전자 장치는 디스플레이 모듈(예: 도 2의 디스플레이 모듈(160))을 통해 그래픽 유저 인터페이스를 표시할 수 있다.
도 3을 참조하면, 전자 장치는 통신 네트워크의 품질 지표를 모니터링할 수 있다. 전자 장치는 일정한 시간 동안 비정상 샘플의 발생 빈도를 판단할 수 있다. 상태(301)의 경우, 전자 장치는 비정상 샘플의 발생 빈도가 일정한 수준 이하인 것으로 판단할 수 있다. 전자 장치는 품질 저하의 원인이 일시적인 고부하에 의한 것이라고 판단할 수 있다. 제안되는 해결 방안(310)으로서, 전자 장치는 긴급한 조정이 불필요하다는 결론(311)을 제시할 수 있다.
상태(303)의 경우, 전자 장치는 일정한 시간 동안 비정상 샘플이 반복적으로 발생하는 것을 파악할 수 있다. 전자 장치는 기존의 데이터를 근거로 패턴 매칭을 통해 각각의 비정상 샘플의 원인을 결정할 수 있다. 예를 들어, 전자 장치는 가장 빈도가 높은 원인을 대표 원인으로 결정할 수 있다.
전자 장치는 상태(303)에서 비정상 샘플이 발생된 시간 구간을 포함하는 더 넓은 시간 구간 동안 대표 원인과 연관된 특징에 대해 시계열 분석을 수행할 수 있다. 전자 장치는 시계열 분석 결과로 특징의 추세 및 방향성을 추정할 수 있다.
전자 장치는 전자 장치는 대표 원인과 시계열 분석의 결과로서 품질 저하의 원인이 반복적인 고부하에 의한 것이라고 판단할 수 있다. 제안되는 해결 방안(310)으로서, 전자 장치는 새로운 셀을 설치하거나 셀을 조정하는 해결 방안(313)을 제안할 수 있다.
상태(305)의 경우, 전자 장치는 일정한 시간 동안 비정상 샘플의 개수 또는 강도가 점차 커지는 것을 파악할 수 있다. 전자 장치는 기존의 데이터를 근거로 패턴 매칭을 통해 각각의 비정상 샘플의 원인을 결정할 수 있다. 전자 장치는 가장 빈도가 높은 원인을 대표 원인으로 결정할 수 있다.
전자 장치는 상태(305)에서 비정상 샘플이 발생된 시간 구간을 포함하는 더 넓은 시간 구간 동안 대표 원인과 연관된 특징에 대해 시계열 분석을 수행할 수 있다. 전자 장치는 시계열 분석 결과로 특징의 추세 및 방향성을 추정할 수 있다.
전자 장치는 전자 장치는 대표 원인과 시계열 분석의 결과로서 사용자 장치(User Equipment, UE)의 수가 큰 폭으로 증가하고 이에 따른 셀의 부하로 인해 KPI가 저하되는 것으로 원인을 판단할 수 있다. 이에 대응하여, 전자 장치는 해당 지역에 새로운 셀을 설치하는 해결 방안(315)을 제안할 수 있다.
이처럼, 전자 장치는 근본 원인 분석(root cause analysis, RCA)의 대상인 품질 지표의 저하 구간에 대해 보다 종합적인 원인을 도출할 수 있다. 전자 장치는 통신 품질과 관련된 다양한 지표들을 기초로 패턴 매칭을 통해 대표 원인을 도출할 수 있다. 전자 장치는 품질 지표와 관련된 특징에 대해 일정한 시간 구간 동안 시계열 분석(time-series analysis)을 수행하여 분석 결과를 도출할 수 있다. 전자 장치는 대표 원인과 분석 결과를 종합하여 결합 원인을 도출할 수 있다. 전자 장치는 결합 원인을 해결하기 위한 해결 방안을 제안할 수 있다.
전자 장치는 RCA 대상 KPI 저하와 관련된 특징에서 주기성 또는 노이즈가 제거된 추세 성분에 대한 시계열 패턴 분석을 제공함으로써 보다 근본적인 원인에 대한 분석 결과를 제공할 수 있다. 전자 장치는 근본 원인에 해당하는 현상이 일시적인지 지속되는 현상인지 추정할 수 있고, 현상이 증가하는 중인지 감소하는 중인지를 파악할 수 있다. 이를 통해 전자 장치는 해당 현상의 해결의 시급성 및 중요도를 결정할 수 있다. 전자 장치는 문제의 원인을 분석하고 분석 결과에 대응하는 해결 방안을 제시함으로써 네트워크 운용의 자동화에 기여할 수 있다.
도 4는 일 실시 예에 따른 전자 장치의 구성을 도시한 도면이다.
일 실시 예에 따르면, 전자 장치(400)(예: 도 1의 전자 장치(101))는 적어도 하나의 프로세서(401)(예: 도 1의 프로세서(120))를 포함할 수 있다. 전자 장치(400)는 메모리(403)(예: 도 1의 메모리(130))를 더 포함할 수 있다. 전자 장치(400)는 통신부(405)(예: 도 1의 통신 모듈(190))를 더 포함할 수 있다.
프로세서(401)는 네트워크의 품질을 나타내는 품질 지표의 비정상 샘플의 각각의 원인을 대표하는 대표 원인을 결정할 수 있다. 프로세서(401)는 대표 원인과 연관된 지표에 대해 시계열 분석을 수행할 수 있다. 프로세서(401)는 대표 원인 및 시계열 분석의 결과에 대응하는 해결 방안을 제안할 수 있다. 이하에서, 지표는 특징으로 지칭될 수 있다.
프로세서(401)는 네트워크(예: 도 2의 제2 네트워크(199))의 품질을 나타내는 품질 지표의 비정상을 탐지하기 위한 제1 시간 구간을 결정할 수 있다. KPI의 저하 또는 비정상을 보이는 비정상 샘플이 일정 시간 구간 내에서 연속하여 발생하는 경우, 전자 장치는 첫번째 샘플 이전의 N 샘플(N_begin samples)의 위치를 시작 지점으로 설정할 수 있다. 전자 장치는 마지막 샘플 이후의 N 샘플(N_end samples)의 위치를 종료 지점으로 설정할 수 있다.
프로세서(401)는 제1 시간 구간 동안의 네트워크의 품질 지표의 하나 이상의 비정상 샘플을 탐지할 수 있다. 전자 장치는 다양한 기준으로 KPI의 저하 또는 비정상을 보이는 비정상 샘플을 탐지할 수 있다. 예를 들어, 전자 장치는 어떤 샘플의 KPI가 임계값 보다 작은 경우에 해당 샘플을 비정상 샘플로 결정할 수 있다. 전자 장치는 통계적인 아웃라이어(statistical outlier) 또는 시계열적인 아웃라이어(time-series outlier)를 비정상 샘플로 결정할 수 있다.
일 실시 예에 따르면, 프로세서(401)는 하나 이상의 비정상 샘플의 각각의 원인을 결정할 수 있다. 프로세서(401)는 데이터 마이닝의 연관 규칙(association rule) 기법을 이용하여 미리 결정된 비정상 샘플 및 원인 간의 대응 관계를 기초로 하나 이상의 비정상 샘플의 각각의 원인을 결정할 수 있다. 전자 장치는 규칙 기반(rule based) 방식으로 원인 분류에 사용되는 특징을 기초로 비정상 샘플 각각에 대한 원인을 분류할 수 있다. 전자 장치는 원인 분류를 위하여 사용되는 특징 조합의 규칙을 연관 규칙(association rule) 기법을 이용하여 찾아낼 수 있다. 여기서, 연관 규칙 기법은 데이터마이닝 분야에서 주로 사용되는 방식으로서 어떤 사건이 얼마나 자주 함께 발생하는지, 서로 얼마나 연관되어 있는지를 표시하는 방식을 의미한다.
전자 장치는 데이터 마이닝의 연관 규칙 기법을 이용하여 미리 결정된 비정상 샘플 및 원인 간의 대응 관계를 기초로 상기 하나 이상의 비정상 샘플의 각각의 원인을 결정할 수 있다. 예를 들어, 연관 규칙 알고리즘은 FP-그로스(frequent pattern-growth) 알고리즘 또는 에이프라이어리 알고리즘(apriori algorithm)와 같은 알고리즘을 포함할 수 있으나 이에 제한되지 않는다. 전자 장치는 과거에 수집된 데이터로부터 KPI의 저하 또는 비정상이 나타날 때 높은 빈도로 함께 발생하는 특징들의 조합을 발굴할 수 있다.
예를 들어, 분석 대상이 되는 데이터는 PM(performance management), FM(fault management), CM(configuration management), 로그(log) 데이터 또는 이들로부터 계산된 메트릭을 포함할 수 있다. 특징은 분석 대상에 대한 KPI, 카운터(counter), 알람(alarm), 상태값(status value) 또는 이들을 이용해 계산된 메트릭(metric) 또는 그 통계값을 포함할 수 있다.
전자 장치는 연관 규칙 기법을 이용하여 발굴된 규칙 집합에 대해 의미를 부여할 수 있다. 의미를 부여하는 동작은 원인 라벨링(cause labeling)이라고 지칭될 수 있다. 전자 장치는 라벨링된 규칙 집합을 데이터베이스에 저장할 수 있다. 전자 장치는 새로 발생하는 KPI의 저하 또는 비정상을 보이는 샘플에 대해 데이터베이스에 저장된 라벨링된 규칙 집합을 기초로 패턴 매칭을 수행하여 원인을 도출할 수 있다.
다른 실시예에 따르면, 프로세서(401)는 비정상 샘플 및 원인의 대응 관계에 관한 복수의 학습 데이터를 이용하여 학습된 뉴럴 네트워크에 하나 이상의 비정상 샘플을 입력할 수 있다. 프로세서(401)는 뉴럴 네트워크의 출력으로부터 하나 이상의 비정상 샘플의 각각의 원인을 결정할 수 있다.
전자 장치는 머신 러닝(machine learning) 기법을 이용하여 비정상 샘플 각각에 대한 원인을 분류할 수 있다. 예를 들어, 전자 장치는 클러스터링(clustering), 결정 트리(decision tree) 또는 뉴럴 네트워크(neural network)와 같은 기법을 이용하여 원인을 분석할 수 있다. 전자 장치는 비정상 샘플에 대한 원인이 라벨링된 다량의 학습 데이터를 이용하여 학습된 뉴럴 네트워크를 이용하여 새로운 비정상 샘플에 대한 원인을 분류할 수 있다.
프로세서(401)는 하나 이상의 비정상 샘플의 각각의 원인을 대표하는 대표 원인을 결정할 수 있다. 프로세서(401)는 하나 이상의 원인을 대표하는 대표 원인을 결정할 수 있다. 프로세서(401)는 하나 이상의 비정상 샘플의 각각의 원인 중에서 가장 많은 원인을 대표 원인으로 결정할 수 있다.
프로세서(401)는 패턴 매칭을 통해 각각의 비정상 샘플에 대한 원인을 결정할 수 있다. 예를 들어, 프로세서(401)는 제1 시간 구간 동안 가장 많이 발생한 패턴에 대응하는 원인을 대표 원인으로 결정할 수 있다. 다른 예로, 프로세서(401)는 제1 시간 구간에서 KPI의 저하 또는 비정상성이 가장 심한 비정상 샘플에 대응하는 원인을 제1 시간 구간의 대표 원인으로 결정할 수도 있다. 이러한 예시들은 실시예를 제한하지 않으며, 대표 원인을 결정하는 방식은 다양하게 선택될 수 있다.
프로세서(401)는 제1 시간 구간을 포함하는 제2 시간 구간 동안 대표 원인과 연관된 특징에 대해 시계열 분석을 수행할 수 있다. 이를 위하여, 프로세서(401)는 시계열 분석이 수행될 제2 시간 구간 및 연관된 특징을 결정할 수 있다.
프로세서(401)는 시계열 분석의 대상이 되는 제2 시간 구간을 결정할 수 있다. 프로세서(401)는 제1 시간 구간을 포함하는 제2 시간 구간을 결정할 수 있다. 프로세서(401)는 제1 시간 구간의 시작 시각 이전의 미리 정해진 샘플에 대응하는 시각을 제2 시간 구간의 시작 시각으로 결정할 수 있다.
예를 들어, 전자 장치는 통신 품질이 저하되는 저하 구간의 첫번째 샘플 이전의 N 샘플(N_begin samples)의 위치를 시작 지점으로 설정할 수 있다. 전자 장치는 제1 시간 구간의 종료 지점을 제2 시간 구가의 종료 지점으로 설정할 수 있다. 전자 장치는 저하 구간의 마지막 샘플 이후의 N 샘플(N_end samples)의 위치를 종료 지점으로 설정할 수도 있다. 다만, 이러한 방식은 예시에 불과하며 분석 대상이 되는 특징에 따라 다양한 시간 구간이 적용될 수 있다. 제2 시간 구간은 제1 시간을 포함하도록 결정될 수도 있고 제1 시간 구간과 동일할 수도 있다.
전자 장치는 시계열 분석의 대상이 되는 특징을 결정할 수 있다. 프로세서(401)는 대표 원인과 연관된 특징을 결정할 수 있다. 연관된 특징은 특징은 분석 대상에 대한 KPI, 카운터(counter), 알람(alarm), 상태값(status value) 또는 이들을 이용해 계산된 메트릭(metric) 또는 그 통계값을 포함할 수 있다.
전자 장치는 통신 품질이 저하된 시간 구간의 비정상 샘플의 대표 원인과 관련된 특징에 대해 시계열 분석을 수행할 수 있다. 프로세서(401)는 연관된 특징의 이동 평균, 회귀 모델에 의해 피팅(fitting)된 결과, 예측 알고리즘에 의해 의한 예측값에 대해 시계열 분석을 수행할 수 있다.
프로세서(401)는 제2 시간 구간 동안 대표 원인과 연관된 특징에 대해 시계열 분석을 수행할 수 있다. 프로세서(401)는 비정상 샘플의 원인과 관련된 다양한 특징, 예를 들어, PM/FM/CM 데이터의 KPI, 카운터, 경고, 상태값 또는 이들을 기초로 계산된 메트릭에 대하여 시계열 패턴을 분류할 수 있다.
프로세서(401)는 특징 자체 뿐만 아니라 특징으로부터 파생되는 값들을 기초로 시계열 분석을 수행할 수도 있다. 예를 들어, 시계열 분석 대상은 특징의 이동 평균(moving average) 또는 지수 이동 평균(exponential moving average), 회귀 모델(regression model)에 의해 피팅(fitting)된 결과, 시계열 예측(time-series prediction) 알고리즘에 의해 예측된 값, 또는 추세, 주기성 또는 잔차 성분을 포함하는 시계열(time-series) 데이터를 포함할 수 있다.
프로세서(401)는 다양한 기법을 이용하여 시계열 패턴을 분류할 수 있다. 예를 들어, 프로세서(401)는 STL(seasonal trend decomposition) 분해 기법 또는 프로펫(Prophet) 기법을 이용하여 시계열 분석을 수행할 수 있다. 다른 예로, 프로세서(401)는 이동 평균 시계열, 지수 이동 평균 시계열, 회귀 모델에 의해 피팅된 시계열 또는 예측 알고리즘에 의한 예측값 시계열을 시계열 패턴 분류에 활용할 수 있다.
STL 분해 기법을 이용하는 경우, 프로세서(401)는 제2 시간 구간 동안 연관된 특징의 추세(trend), 주기성(seasonality) 또는 잔차(residual) 성분을 분석할 수 있다. 여기서, 잔차 성분은 노이즈로 지칭될 수 있다. 프로세서(401)는 STL 분해 기법을 이용하여 주기성 및 노이즈가 완화된 근본 원인(root cause)과 특징의 방향성을 파악할 수 있다.
프로세서(401)는 추세의 방향성(trend direction)을 도출할 수 있다. 예를 들어, 프로세서(401)는 추세가 증가하는 (increasing) 방향인지 감소하는 (decreasing) 방향인지 결정할 수 있다. 프로세서(401)는 추세 성분의 시계열이 어떤 모양인지 분류할 수 있다. 추세 성분의 시계열의 모양은 쉐이프 타입(shape type)으로 지칭될 수 있다. 프로세서(401)는 분류하고자 하는 쉐이프 타입에 해당하는 시퀀스(sequence)를 정의할 수 있다. 프로세서(401)는 다이나믹 타임 워핑(dynamic time warping, DTW) 알고리즘과 같은 알고리즘을 이용하여 쉐이프 기반 거리(shape-based distance)를 계산할 수 있다. 프로세서(401)는 쉐이프 기반 거리를 기초로 모양이 가장 유사한 시퀀스에 해당하는 쉐이프 타입으로 추세 성분을 분류할 수 있다.
프로세서(401)는 선형 회귀(linear regression) 모델을 이용하여 추세의 유효 변화율을 추정할 수 있다. 프로세서(401)는 추세 성분을 선형 라인(linear line)에 근사시키고 근사된 결과를 기초로 추세의 증감률을 계산할 수 있다.
전자 장치(400)는 디스플레이 모듈(예: 도 1의 디스플레이 모듈(160))을 더 포함할 수 있다. 프로세서(401)는 시계열 분석 결과를 시각화하여 제공할 수 있다. 프로세서(401)는 RCA 대상 KPI 저하 현상과 관련된 특징에 대한 시계열 분석 결과를 표시하는 그래픽 유저 인터페이스를 제공할 수 있다. 디스플레이 모듈은 RCA 대상 KPI (KQI)와 관련 특징의 시계열 패턴 분포를 표시한 맵(map)을 표시할 수 있으며, 맵에 표시된 eNB/셀이 선택될 경우 상세한 분석 결과를 포함하는 그래픽 유저 인터페이스가 표시될 수 있다.
예를 들어, 프로세서(401)는 연관된 KPI의 비정상 스코어(score)를 이용할 수 있다. 프로세서(401)는 머신 러닝 기반의 예측 값과 비정상 스코어 간의 차이를 계산하고 계산 결과를 이용할 수 있다. 프로세서(401)는 이동 평균과 같은 통계 기반의 예측 값과 비정상 스코어 간의 차이를 계산하고 계산 결과를 이용할 수 있다.
프로세서(401)는 시계열 분석을 위해 연관된 KPI의 비정상 스코어를 계산하는 방식을 선택하기 위한 그래픽 유저 인터페이스를 제공할 수 있다. 프로세서(401)는 시계열 분석에서 추세 분류를 위한 감지 대상 옵션을 선택하기 위한 그래픽 유저 인터페이스를 제공할 수 있다. 디스플레이 모듈은 시계열 분석 대상이 되는 특징의 추세의 쉐이프 타입을 시각화하여 표시할 수 있다.
이를 통하여, 프로세서(401)는 주기성 또는 노이즈가 제거된 추세의 방향성 뿐만 아니라 유효 변화량을 도출할 수 있고, 특징의 추세가 증가하는지 감소하는지 판단할 수 있다.
프로세서(401)는 패턴 매칭을 통해 도출된 대표 원인과 시계열 분석 결과를 종합한 결합 원인을 도출할 수 있다. 프로세서(401)는 대표 원인의 문자열과 시계열 분석 결과의 문자열을 연결하여 결합 원인의 문자열을 생성하고 이를 표시할 수 있다. 프로세서(401)는 저하 구간에 대한 대표 원인과 시계열 분석 결과를 참고하여 결합된 문자열을 생성할 수 있다. 예를 들어, 프로세서(401)는 Heavy DL traffic load due to increasing trend of number of UEs”과 같이 대표 원인과 시계열 분석 결과가 동일한 문자열에 표현되도록 결합된 문자열을 생성할 수 있다.
프로세서(401)는 대표 원인 및 시계열 분석의 결과에 대응하는 해결 방안을 제안할 수 있다. 프로세서(401)는 결합 원인에 대응하는 해결 방안을 제안함으로써 근본 원인에 대한 보다 종합적인 해결책을 제시할 수 있다. 프로세서(401)는 사전에 미리 저장된 결합 원인과 해결 방안의 매칭 관계를 이용하여 결합 원인에 대응하는 해결 방안을 제안할 수 있다. 프로세서(401)는 결합 원인의 문자열과 해결 방안의 문자열을 결합한 문자열을 생성하여 표시할 수 있다.
일 실시 예에 따르면, 전자 장치(101)는 적어도 하나의 프로세서(401)를 포함하고, 상기 프로세서(401)는, 네트워크의 품질을 나타내는 품질 지표의 비정상을 탐지하기 위한 제1 시간 구간을 결정하고, 상기 제1 시간 구간 동안의 상기 네트워크의 품질 지표의 하나 이상의 비정상 샘플을 탐지하고, 상기 하나 이상의 비정상 샘플의 각각의 원인을 대표하는 대표 원인을 결정하고, 상기 제1 시간 구간을 포함하는 제2 시간 구간 동안 상기 대표 원인과 연관된 특징에 대해 시계열 분석을 수행하고, 상기 대표 원인 및 상기 시계열 분석의 결과에 대응하는 해결 방안을 제안할 수 있다.
상기 프로세서(401)는, 상기 하나 이상의 비정상 샘플의 각각의 원인을 결정하고, 상기 하나 이상의 원인을 대표하는 대표 원인을 결정할 수 있다.
상기 프로세서(401)는, 데이터 마이닝의 연관 규칙 기법을 이용하여 미리 결정된 비정상 샘플 및 원인 간의 대응 관계를 기초로 상기 하나 이상의 비정상 샘플의 각각의 원인을 결정할 수 있다.
상기 프로세서(401)는, 비정상 샘플 및 원인의 대응 관계에 관한 복수의 학습 데이터를 이용하여 학습된 뉴럴 네트워크에 상기 하나 이상의 비정상 샘플을 입력하고, 상기 뉴럴 네트워크의 출력으로부터 상기 하나 이상의 비정상 샘플의 각각의 원인을 결정할 수 있다.
상기 프로세서(401)는, 상기 하나 이상의 비정상 샘플의 각각의 원인 중에서 가장 많은 원인을 상기 대표 원인으로 결정할 수 있다.
상기 프로세서(401)는, 상기 제1 시간 구간을 포함하는 제2 시간 구간을 결정하고, 상기 대표 원인과 연관된 특징을 결정하고, 상기 제2 시간 구간 동안 상기 대표 원인과 연관된 특징에 대해 시계열 분석을 수행할 수 있다.
상기 프로세서(401)는, 상기 제1 시간 구간의 시작 시각 이전의 미리 정해진 샘플에 대응하는 시각을 상기 제2 시간 구간의 시작 시각으로 결정할 수 있다.
상기 프로세서(401)는, 상기 제2 시간 구간 동안 상기 연관된 특징의 추세(trend), 주기성(seasonality) 또는 잔차(residual) 성분을 분석할 수 있다.
상기 프로세서(401)는, 상기 연관된 특징의 이동 평균, 회귀 모델에 의해 피팅(fitting)된 결과, 예측 알고리즘에 의해 의한 예측값에 대해 시계열 분석을 수행할 수 있다.
일 실시예에 따르면, 전자 장치(400) (예: 도 1의 전자 장치(101))는 적어도 하나의 프로세서 (예: 도 1의 프로세서(120))를 포함하고, 상기 프로세서(401)는, 네트워크의 품질을 나타내는 품질 지표의 비정상을 탐지하기 위한 제1 시간 구간을 결정하고, 상기 제1 시간 구간 동안의 상기 네트워크의 품질 지표의 하나 이상의 비정상 샘플을 탐지하고, 상기 하나 이상의 비정상 샘플의 각각의 원인을 대표하는 대표 원인을 결정하고, 상기 제1 시간 구간을 포함하는 제2 시간 구간 동안 상기 대표 원인과 연관된 특징에 대해 시계열 분석을 수행하고, 상기 대표 원인 및 상기 시계열 분석의 결과에 대응하는 해결 방안을 제안할 수 있다.
상기 프로세서(401)는, 상기 하나 이상의 비정상 샘플의 각각의 원인을 결정하고, 상기 하나 이상의 원인을 대표하는 대표 원인을 결정할 수 있다.
상기 프로세서(401)는, 데이터 마이닝의 연관 규칙 기법을 이용하여 미리 결정된 비정상 샘플 및 원인 간의 대응 관계를 기초로 상기 하나 이상의 비정상 샘플의 각각의 원인을 결정할 수 있다.
상기 프로세서(401)는, 비정상 샘플 및 원인의 대응 관계에 관한 복수의 학습 데이터를 이용하여 학습된 뉴럴 네트워크에 상기 하나 이상의 비정상 샘플을 입력하고, 상기 뉴럴 네트워크의 출력으로부터 상기 하나 이상의 비정상 샘플의 각각의 원인을 결정할 수 있다.
상기 프로세서(401)는, 상기 하나 이상의 비정상 샘플의 각각의 원인 중에서 가장 많은 원인을 상기 대표 원인으로 결정할 수 있다.
상기 프로세서(401)는, 상기 제1 시간 구간을 포함하는 제2 시간 구간을 결정하고, 상기 대표 원인과 연관된 특징을 결정하고, 상기 제2 시간 구간 동안 상기 대표 원인과 연관된 특징에 대해 시계열 분석을 수행할 수 있다.
상기 프로세서(401)는, 상기 제1 시간 구간의 시작 시각 이전의 미리 정해진 샘플에 대응하는 시각을 상기 제2 시간 구간의 시작 시각으로 결정할 수 있다.
상기 프로세서(401)는, 상기 제2 시간 구간 동안 상기 연관된 특징의 추세(trend), 주기성(seasonality) 또는 잔차(residual) 성분을 분석할 수 있다.
상기 프로세서(401)는, 상기 연관된 특징의 이동 평균, 회귀 모델에 의해 피팅(fitting)된 결과, 예측 알고리즘에 의해 의한 예측값에 대해 시계열 분석을 수행할 수 있다.
도 5는 일 실시 예에 따른 전자 장치에 의해 네트워크의 문제를 해결하는 일례를 도시한 흐름도이다.
도 5를 참조하면, 전자 장치(예: 도 1의 전자 장치(101))는 시계열 분석 알고리즘 수행 결과를 이용하여 RCA 대상 KPI 열화 구간에 대해 보다 상세한 정보를 제공하고 해결 방안을 제안할 수 있다. 동작(502)에서, 전자 장치는 분석 대상(501)에 대해 KPI 열화 탐지를 수행할 수 있다. 여기서, 분석 대상(501)은 PM, FM, CM을 포함할 수 있다.
동작(503)에서, 전자 장치는 KPI 열화 탐지의 결과로서 탐지된 비정상 샘플들에 대해 원인 분석을 수행할 수 있다. 전자 장치는 비정상 샘플 각각의 원인을 패턴 매칭을 통해 결정할 수 있다. 전자 장치는 과거에 수집된 데이터를 기초로 미리 결정된 패턴에 대입하여 각각의 비정상 샘플의 원인을 결정할 수 있다.
전자 장치는 비정상 샘플들의 원인 중에서 대표 원인을 결정할 수 있다. 예를 들어, 전자 장치는 가장 많이 발생한 패턴에 대응하는 원인을 대표 원인으로 결정할 수 있다. 다른 예로, 전자 장치는 KPI의 저하 또는 비정상성이 가장 심한 비정상 샘플에 대응하는 원인을 대표 원인으로 결정할 수도 있다.
동작(504)에서, 전자 장치는 비정상 샘플이 탐지된 시간 구간 동안 시계열 분석을 수행할 수 있다. 전자 장치는 대표 원인과 연관된 특징에 대해 시간 구간 동안 시계열 분석을 수행할 수 있다. 예를 들어, 전자 장치는 특징의 추세 및 방향성을 추정할 수 있다.
동작(505)에서, 전자 장치는 패턴 매칭을 통한 대표 원인과 시계열 분석을 통한 결과를 종합하여 결합 원인을 도출할 수 있다. 전자 장치는 대표 원인의 문자열과 시계열 분석 결과의 문자열을 연결하여 결합 원인의 문자열을 생성하고 이를 표시할 수 있다.
동작(506)에서, 전자 장치는 결합 원인에 대한 해결 방안을 제안할 수 있다. 결합 원인에 대한 해결 방안의 매칭 관계의 데이터베이스는 미리 과거의 데이터를 통해 구축될 수 있다. 전자 장치는 데이터베이스에 저장된 매칭 관계에서 결합 원인과 매칭되는 해결 방안을 제안할 수 있다.
도 6은 일 실시 예에 따른 전자 장치에 의해 대표 원인을 분석하는 일례를 도시한 도면이다.
전자 장치(예: 도 1의 전자 장치(101))는 과거의 데이터를 통하여 품질 지표의 열화의 종류에 대한 데이터베이스를 미리 구축할 수 있다. 데이터베이스는 다양한 종류의 품질 지표의 열화에 대한 정보를 저장할 수 있다. 통신 품질의 열화와 연관된 품질 지표의 조합과 해당 조합에 매칭되는 규칙 ID(identifier)가 미리 데이터베이스에 저장될 수 있다.
도 6을 참조하면, 전자 장치는 연속하는 시간 동안 통신 품질의 열화 여부를 감시할 수 있다. 전자 장치는 일정한 시간 구간 동안 품질 지표의 열화가 발생하였는지 여부를 체크할 수 있다. 전자 장치는 테이블의 시간(601) 열에 감시했던 시간 구간을 기록할 수 있다.
전자 장치는 테이블의 KPI 열화(603) 열에 각 시간 구간 동안 KPI 열화가 발생했는지 여부를 표시할 수 있다. 예를 들어, 2020년 6월 2일 15:00-16:00의 시간 구간동안 KPI 열화가 발생하였다는 의미로 테이블에 “TRUE”를 기록할 수 있다. 전자 장치는 KPI 열화에 매칭되는 규칙 ID(605) 열에 매칭되는 규칙 ID를 기록할 수 있다. 전자 장치는 매칭되는 규칙 ID에 대응하는 연관 KPI 조합을 연관 KPI(607) 열에 기록할 수 있다.
동작(610)에서, 전자 장치는 KPI 열화가 발생한 비정상 샘플 별로 RCA 분석을 수행하고 RCA 결과를 종합할 수 있다. 전자 장치는 비정상 샘플 각각에 대한 원인을 패턴 매칭 방식으로 결정할 수 있다. 전자 장치는 하나 이상의 원인 중에서 가장 빈도가 높은 원인을 대표 원인으로 결정할 수 있다. 전자 장치는 대표 원인의 분석 결과를 테이블 형식으로 표시할 수 있다.
KQI 열화 구간(611) 열에는 통신 품질이 저하된 시간이 기록될 수 있다. 예를 들어, 2020-06-02 15:00부터 2020-06-03 19:00까지의 시간이 통신 품질이 저하된 시간으로 기록될 수 있다.
대표 규칙 ID(613) 열에는 통신 품질의 저하에 연관되는 품질 지표의 조합에 매칭되는 ID 중에서 대표 원인에 기여하는 대표 규칙 ID가 135로 기록될 수 있다. 대표 원인(615) 열에는 대표 원인인 규칙 135의 상세 설명이 기록될 수 있다. 연관 KPI(617) 열에는 대표 원인에 연관되는 특징인 KPI-B가 기록될 수 있다.
도 7은 일 실시 예에 따른 전자 장치에 의해 시계열 분석이 수행되는 일례를 도시한 도면이다.
전자 장치(예: 도 1의 전자 장치(101))는 시계열 분석 결과를 시각화하여 제공할 수 있다. 전자 장치는 RCA 대상 KPI 저하 현상과 관련된 특징에 대한 시계열 분석 결과를 표시하는 그래픽 유저 인터페이스를 제공할 수 있다.
도 7을 참조하면, 그래픽 유저 인터페이스(700)는 그래프(710), 그래프(720), 그래프(730), 그래프(740), 그래프(750), 그래프(760), 박스(771) 및 박스(773)을 포함할 수 있다.
그래프(710)는 시간에 따른 품질 지표를 표시할 수 있다. 그래프(710)에서, KQI 열화 구간(711)은 KQI(key quality indicators) 지표가 임계값 이상인 구간으로 KQI 지표가 열화된 구간을 나타낸다. 연관 KPI 예측 구간(713)은 전자 장치의 시계열 분석 결과 예측된 연관 KPI의 예측 결과를 나타낸다.
그래프(720)은 시계열 분석에 의해 도출된 주기성을 나타내는 그래프이다. 그래프(720)에 따르면 평일 및 각 요일에 따른 KPI의 그래프가 도시될 수 있다.
그래프(730)는 시계열 분석에 의해 도출된 추세를 나타낸다. 그래프(730)에는 단순화된 추세선이 도시되며, KQI 열화 구간(735)은 추세선이 임계값 이상인 구간을 나타내고, 연관 KPI 예측 구간(737)은 시계열 분석에 의해 예측된 추세선이 표시될 수 있다.
그래프(740)는 공휴일에 대한 분석 결과를 나타낼 수 있다. 그래프(750)는 시계열 분석에 의한 주기성을 주 단위로 표시한다. 구간(751)은 열화 구간을 나타낸다. 그래프(760)는 시계열 분석에 의한 주기성을 일 단위로 표시한다. 구간(761)은 열화 구간을 나타낸다.
박스(771)는 추세의 방향성을 나타낼 수 있다. 예를 들어, 박스(771)는 추세가 증가하는 방향을 의미하는 'Increasing'이 표시될 수 있다. 박스(773)는 제안되는 해결 방안이 표시될 수 있다. 예를 들어, 박스(773)에는 새로운 셀을 설치하는 것을 의미하는 'New cell installation'이 표시될 수 있다.
도 8은 일 실시 예에 따른 전자 장치에 의해 대표 원인의 분석부터 해결 방안의 제안까지의 다양한 예시를 도시한 도면이다.
도 8의 표는 제1 열(801), 제2 열(803), 제3 열(805), 제4 열(807), 제5 열(809)를 포함할 수 있다. 제1 열(801)은 원인 카테고리를 표시할 수 있다. 제2 열(803)은 연관 특징을 표시할 수 있다. 제3 열(805)은 연관 특징의 시계열 패턴을 표시할 수 있다. 제4 열(807)은 결합 원인을 표시할 수 있다. 제5 열(809)은 제안 해결 방안을 표시할 수 있다.
전자 장치(예: 도 1의 전자 장치(101))에 의해 분석된 대표 원인은 제1 열(801)에 표시될 수 있다. 예를 들어, 제1 열(801)에는 대표 원인으로서 고부하를 의미하는 'High traffic load'가 표시될 수 있다.
대표 원인과 연관된 특징은 제 2열(803)에 표시될 수 있다. 예를 들어, 제2열(803)에는 다운로드 동작이 활성화된 사용자 장치들이 많다는 의미로 'DL_Active_UEs'가 표시될 수 있다.
연관 특징의 시계열 패턴은 제3열(805)에 표시될 수 있다. 예를 들어, 제3열(805)에는 사용자 장치의 증가 상태가 유지된다는 것을 의미하는 'Lasting increase'가 표시될 수 있다.
전자 장치에 의해 도출된 대표 원인과 시계열 분석 결과가 결합된 결합 원인은 제4열(807)에 표시될 수 있다. 예를 들어, 제4열(807)에는 대표 원인으로 분석된 'High traffic load'와 시계열 분석 결과인 'increasing UEs'가 결합된 'High traffic load with increasing UEs'가 표시될 수 있다.
전자 장치에 의해 제안되는 해결 방안은 제5 열(809)에 표시될 수 있다. 예를 들어, 증가하는 사용자 장치로 인해 발생한 고부하를 해결하기 위해 로드 밸런싱 관련 파라미터를 구성하여 부하를 줄이는 방안으로서 'Configure load-balancing related parameters to offload traffic' 또는 더 많은 셀을 배치하는 방안으로서 'Deploy more cells'가 제 5열(809)에 표시될 수 있다.
도 9는 일 실시 예에 따른 네트워크의 문제 해결 방법의 흐름도이다.
일 실시 예에 따르면, 동작(901)에서, 전자 장치(예: 도 1의 전자 장치(101))는 네트워크의 품질을 나타내는 품질 지표의 하나 이상의 비정상 샘플을 탐지할 수 있다. 시계열 분석이 수행될 시작 시각으로부터 시작되는 대상 구간은 제1 시간 구간으로 지칭될 수 있다.
동작(903)에서, 전자 장치는 패턴 매칭을 통해 하나 이상의 비정상 샘플의 각각의 원인을 결정할 수 있다.
동작(905)에서, 전자 장치는 하나 이상의 원인을 대표하는 대표 원인을 결정 할 수 있다.
동작(907)에서, 전자 장치는 하나 이상의 비정상 샘플을 포함하는 시간 구간 동안 상기 대표 원인과 연관된 지표에 대해 시계열 분석을 수행할 수 있다. 전자 장치는 제1 시간 구간을 포함하는 제2 시간 구간 동안 상기 대표 원인과 연관된 지표에 대해 시계열 분석을 수행할 수 있다.
동작(909)에서, 전자 장치는 대표 원인 및 상기 시계열 분석의 결과에 대응하는 해결 방안을 제안 할 수 있다.
전자 장치는 비정상 샘플들 중 최초의 비정상 샘플의 시각 이전의 미리 정해진 샘플에 대응하는 시각을 시계열 분석이 수행될 시작 시각으로 결정할 수 있다. 전자 장치는 제1 시간 구간의 시작 시각 이전의 미리 정해진 샘플에 대응하는 시각을 제2 시간 구간의 시작 시각으로 결정할 수 있다.
전자 장치는 시계열 분석이 수행될 시작 시각으로부터 시작되는 대상 구간 동안 연관된 지표의 추세(trend), 주기성(seasonality) 또는 잔차(residual) 성분을 분석할 수 있다. 전자 장치는 제2 시간 구간 동안 연관된 특징의 추세(trend), 주기성(seasonality) 또는 잔차(residual) 성분을 분석할 수 있다. 전자 장치는 연관된 특징의 이동 평균, 회귀 모델에 의해 피팅(fitting)된 결과, 예측 알고리즘에 의해 의한 예측값에 대해 시계열 분석을 수행할 수도 있다.
전자 장치는 STL(seasonal trend decomposition) 분해 기법 또는 프로펫(Prophet) 기법을 이용하여 시계열 분석을 수행할 수 있다. 전자 장치는 추세의 쉐이프 타입(shape type)을 분류할 수 있다. 전자 장치는 추세를 선형 라인(line)에 근사시키고 근사된 결과를 기초로 추세의 증감률을 계산할 수 있다.
동작(911)에서, 전자 장치는 시계열 분석의 결과에 대응하는 해결 방안을 제안할 수 있다. 전자 장치는 결합 원인에 대응하는 해결 방안을 제안함으로써 근본 원인에 대한 보다 종합적인 해결책을 제시할 수 있다.
일 실시 예에 따른 네트워크의 문제 해결 방법은 컴퓨터 프로그램(예: 도 2의 프로그램(240))으로 구현될 수 있다. 컴퓨터 프로그램은 컴퓨터 판독 가능한 기록매체에 저장될 수 있다.

Claims (15)

  1. 전자 장치에 있어서,
    적어도 하나의 프로세서
    를 포함하고,
    상기 프로세서는,
    네트워크의 품질을 나타내는 품질 지표의 비정상 샘플의 각각의 원인을 대표하는 대표 원인을 결정하고,
    상기 대표 원인과 연관된 지표에 대해 시계열 분석을 수행하고,
    상기 대표 원인 및 상기 시계열 분석의 결과에 대응하는 해결 방안을 제안하고,
    상기 프로세서는,
    상기 대표 원인을 결정하기에 앞서,
    데이터 마이닝의 연관 규칙 기법을 이용하여 미리 결정된 비정상 샘플 및 원인 간의 대응 관계를 기초로 하나 이상의 비정상 샘플의 각각의 원인을 결정하는,
    전자 장치.
  2. 제1항에 있어서,
    상기 프로세서는,
    상기 네트워크의 품질을 나타내는 품질 지표의 비정상을 탐지하기 위한 제1 시간 구간을 결정하고,
    상기 제1 시간 구간 동안의 상기 네트워크의 품질 지표의 하나 이상의 비정상 샘플을 탐지하고,
    상기 하나 이상의 비정상 샘플의 각각의 원인을 대표하는 대표 원인을 결정하고,
    상기 제1 시간 구간을 포함하는 제2 시간 구간 동안 상기 대표 원인과 연관된 지표에 대해 시계열 분석을 수행하는,
    전자 장치.
  3. 제1항에 있어서,
    상기 프로세서는,
    상기 하나 이상의 원인을 대표하는 대표 원인을 결정하는,
    전자 장치.
  4. 삭제
  5. 전자 장치에 있어서,
    적어도 하나의 프로세서
    를 포함하고,
    상기 프로세서는,
    네트워크의 품질을 나타내는 품질 지표의 비정상 샘플의 각각의 원인을 대표하는 대표 원인을 결정하고,
    상기 대표 원인과 연관된 지표에 대해 시계열 분석을 수행하고,
    상기 대표 원인 및 상기 시계열 분석의 결과에 대응하는 해결 방안을 제안하고,
    상기 프로세서는,
    상기 대표 원인을 결정하기에 앞서,
    비정상 샘플 및 원인의 대응 관계에 관한 복수의 학습 데이터를 이용하여 학습된 뉴럴 네트워크에 하나 이상의 비정상 샘플을 입력하고,
    상기 뉴럴 네트워크의 출력으로부터 상기 하나 이상의 비정상 샘플의 각각의 원인을 결정하는,
    전자 장치.
  6. 제3항에 있어서,
    상기 프로세서는,
    상기 하나 이상의 비정상 샘플의 각각의 원인 중에서 가장 많은 원인을 상기 대표 원인으로 결정하는,
    전자 장치.
  7. 제2항에 있어서,
    상기 프로세서는,
    상기 제1 시간 구간을 포함하는 제2 시간 구간을 결정하고,
    상기 대표 원인과 연관된 지표를 결정하고,
    상기 제2 시간 구간 동안 상기 대표 원인과 연관된 지표에 대해 시계열 분석을 수행하는,
    전자 장치.
  8. 제7항에 있어서,
    상기 프로세서는,
    상기 제1 시간 구간의 시작 시각 이전의 미리 정해진 샘플에 대응하는 시각을 상기 제2 시간 구간의 시작 시각으로 결정하는,
    전자 장치.
  9. 네트워크의 문제 해결 방법에 있어서,
    네트워크의 품질을 나타내는 품질 지표의 하나 이상의 비정상 샘플을 탐지하는 동작;
    패턴 매칭을 통해 상기 하나 이상의 비정상 샘플의 각각의 원인을 결정하는 동작;
    상기 하나 이상의 원인을 대표하는 대표 원인을 결정하는 동작;
    상기 하나 이상의 비정상 샘플을 포함하는 시간 구간 동안 상기 대표 원인과 연관된 지표에 대해 시계열 분석을 수행하는 동작; 및
    상기 대표 원인 및 상기 시계열 분석의 결과에 대응하는 해결 방안을 제안하는 동작
    을 포함하고,
    상기 시계열 분석을 수행하는 동작은,
    상기 비정상 샘플들 중 최초의 비정상 샘플의 시각 이전의 미리 정해진 샘플에 대응하는 시각을 상기 시계열 분석이 수행될 시작 시각으로 결정하는 동작; 및
    상기 시계열 분석이 수행될 상기 시작 시각으로부터 시작되는 대상 구간 동안 상기 연관된 지표의 추세(trend), 주기성(seasonality) 또는 잔차(residual) 성분을 분석하는 동작
    을 포함하는, 네트워크의 문제 해결 방법.
  10. 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램에 있어서,
    하드웨어와 결합되어 제9항의 방법을 실행시키는,
    컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
  11. 삭제
  12. 삭제
  13. 삭제
  14. 삭제
  15. 삭제
KR1020210043101A 2021-04-02 2021-04-02 네트워크의 문제 해결 방법 및 그 방법을 수행하는 전자 장치 Active KR102963243B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020210043101A KR102963243B1 (ko) 2021-04-02 2021-04-02 네트워크의 문제 해결 방법 및 그 방법을 수행하는 전자 장치
PCT/KR2022/003410 WO2022211305A1 (ko) 2021-04-02 2022-03-11 네트워크의 문제 해결 방법 및 그 방법을 수행하는 전자 장치
US17/828,579 US11936542B2 (en) 2021-04-02 2022-05-31 Method of solving problem of network and apparatus for performing the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210043101A KR102963243B1 (ko) 2021-04-02 2021-04-02 네트워크의 문제 해결 방법 및 그 방법을 수행하는 전자 장치

Publications (2)

Publication Number Publication Date
KR20220137263A KR20220137263A (ko) 2022-10-12
KR102963243B1 true KR102963243B1 (ko) 2026-05-11

Family

ID=83456868

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210043101A Active KR102963243B1 (ko) 2021-04-02 2021-04-02 네트워크의 문제 해결 방법 및 그 방법을 수행하는 전자 장치

Country Status (3)

Country Link
US (1) US11936542B2 (ko)
KR (1) KR102963243B1 (ko)
WO (1) WO2022211305A1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12621220B2 (en) * 2021-06-30 2026-05-05 Juniper Networks, Inc. Virtual network assistant with location input
US11770290B2 (en) 2021-08-13 2023-09-26 Juniper Networks, Inc. Network management actions based on access point classification
CN116049750A (zh) * 2022-12-30 2023-05-02 天翼物联科技有限公司 一种物联网卡的行为分析方法、系统、装置及存储介质
KR102899612B1 (ko) * 2023-08-11 2025-12-15 국방과학연구소 전자 장치의 송신 안테나 선택 방법 및 그 장치
CN118260723B (zh) * 2024-05-29 2024-08-06 国网山西省电力公司太原供电公司 电缆通道结构沉降监测系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005285040A (ja) * 2004-03-31 2005-10-13 Nec Corp ネットワーク監視システム及びその方法、プログラム

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0916617A (ja) * 1995-06-30 1997-01-17 Omron Corp データベースチューニング支援方法及び装置
US8909641B2 (en) * 2011-11-16 2014-12-09 Ptc Inc. Method for analyzing time series activity streams and devices thereof
KR101656012B1 (ko) * 2014-12-31 2016-09-08 (주)엔키아 It 인프라 품질 감시 시스템 및 방법
US10397810B2 (en) 2016-01-08 2019-08-27 Futurewei Technologies, Inc. Fingerprinting root cause analysis in cellular systems
US10459827B1 (en) * 2016-03-22 2019-10-29 Electronic Arts Inc. Machine-learning based anomaly detection for heterogenous data sources
CN108780418A (zh) 2016-03-29 2018-11-09 安立公司 用于使用流分析实时测量网络问题的有效客户影响的系统和方法
JP6978113B2 (ja) * 2016-05-27 2021-12-08 Ｎｅｃプラットフォームズ株式会社 無線通信システム、方法及びプログラム
EP3482266A1 (en) 2016-07-07 2019-05-15 Aspen Technology Inc. Computer system and method for monitoring key performance indicators (kpis) online using time series pattern model
EP3482354A1 (en) 2016-07-07 2019-05-15 Aspen Technology Inc. Computer systems and methods for performing root cause analysis and building a predictive model for rare event occurrences in plant-wide operations
US10643167B2 (en) 2016-07-28 2020-05-05 Honeywell International Inc. MPC with unconstrained dependent variables for KPI performance analysis
EP3486675B1 (en) 2017-11-21 2020-02-19 Siemens Healthcare GmbH Automatic failure detection in medical devices
EP3621242A1 (en) * 2018-09-05 2020-03-11 Deutsche Telekom AG Method for an autonomic or ai-assisted validation or decision making regarding network performance of a telecommunications network and/or for an autonomic or ai-assisted troubleshooting or performance enhancement within a telecommunications network, telecommunications network, system, machine intelligence entity, visualization interface, computer program and computer-readable medium
US10897389B2 (en) 2018-09-14 2021-01-19 Cisco Technology, Inc. Threshold selection for KPI candidacy in root cause analysis of network issues
US20200134534A1 (en) 2018-10-31 2020-04-30 Wipro Limited Method and system for dynamically avoiding information technology operational incidents in a business process
US11645293B2 (en) * 2018-12-11 2023-05-09 EXFO Solutions SAS Anomaly detection in big data time series analysis
US11522888B2 (en) * 2019-04-02 2022-12-06 Nec Corporation Anomaly detection and troubleshooting system for a network using machine learning and/or artificial intelligence
US11520983B2 (en) * 2019-05-29 2022-12-06 Apple Inc. Methods and systems for trending issue identification in text streams
US11561960B2 (en) * 2019-08-13 2023-01-24 T-Mobile Usa, Inc. Key performance indicator-based anomaly detection
US11061393B2 (en) * 2019-08-28 2021-07-13 International Business Machines Corporation Consolidating anomaly root causes and alarms using graphical granger models
WO2021048311A1 (en) * 2019-09-11 2021-03-18 Telefonaktiebolaget Lm Ericsson (Publ) Method and apparatus for managing prediction of network anomalies

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005285040A (ja) * 2004-03-31 2005-10-13 Nec Corp ネットワーク監視システム及びその方法、プログラム

Also Published As

Publication number Publication date
US20220321439A1 (en) 2022-10-06
WO2022211305A1 (ko) 2022-10-06
KR20220137263A (ko) 2022-10-12
US11936542B2 (en) 2024-03-19

Similar Documents

Publication Publication Date Title
US11936542B2 (en) Method of solving problem of network and apparatus for performing the same
US11531835B2 (en) Electronic device for controlling predefined function based on response time of external electronic device on user input, and method thereof
KR102960860B1 (ko) 지오펜스를 설정하기 위한 전자 장치 및 이의 동작 방법
KR20220017304A (ko) 전자 장치 및 그의 통신 모드 제어 방법
EP4472187A1 (en) Electronic device comprising flexible display and method for controlling electronic device
KR20220101856A (ko) 사용자 인터페이스를 제공하는 방법 및 그 전자 장치
US20230305919A1 (en) Electronic apparatus and operating method thereof
US12353894B2 (en) Electronic device preloading abnormal application in background, and operation method thereof
KR20230029055A (ko) 전자 장치 및 개인화된 사용자 상황 인지 서비스 제공 방법
US11966288B2 (en) Electronic apparatus performing self-test using self-test application and control method thereof
KR102963315B1 (ko) 전자 장치 및 전자 장치의 동작 방법
KR102927973B1 (ko) 캡쳐 기능을 수행하는 전자 장치 및 전자 장치의 동작 방법
US12489951B2 (en) Electronic apparatus and operating method of electronic apparatus
KR20220017085A (ko) 메모리 관리 방법 및 전자 장치
KR102965583B1 (ko) 복수의 진동 패턴을 조합하여 제공하는 전자 장치 및 그의 동작 방법
KR20220102405A (ko) 전자 장치 및 전자 장치의 동작 방법
KR20220045732A (ko) 전자 장치 및 전자 장치의 동작 방법
KR20230017971A (ko) 전자 장치 및 전자 장치의 동작 방법
EP4582940A1 (en) User device and application execution method using same
KR20220133414A (ko) 음성 어시스턴트 서비스 제공 방법 및 이를 지원하는 전자 장치
EP4443303A1 (en) Electronic device and method for detecting performance change in electronic device
KR20220005171A (ko) 컨텐츠 공유를 지원하는 전자 장치
KR20220017302A (ko) 전자 장치 및 그의 진동 출력 제어 방법
KR20240117966A (ko) 전자 장치 및 전자 장치의 성능 변화 감지 방법
KR20240098482A (ko) 공유 예상 컨텐츠를 추천하는 전자 장치 및 이를 이용한 컨텐츠 제공 방법

Legal Events

Date Code Title Description
PA0109 Patent application

St.27 status event code: A-0-1-A10-A12-nap-PA0109

P22-X000 Classification modified

St.27 status event code: A-2-2-P10-P22-nap-X000

PG1501 Laying open of application

St.27 status event code: A-1-1-Q10-Q12-nap-PG1501

A201 Request for examination
E13-X000 Pre-grant limitation requested

St.27 status event code: A-2-3-E10-E13-lim-X000

P11-X000 Amendment of application requested

St.27 status event code: A-2-2-P10-P11-nap-X000

P13-X000 Application amended

St.27 status event code: A-2-2-P10-P13-nap-X000

PA0201 Request for examination

St.27 status event code: A-1-2-D10-D11-exm-PA0201

P22-X000 Classification modified

St.27 status event code: A-2-2-P10-P22-nap-X000

D21 Rejection of application intended

Free format text: ST27 STATUS EVENT CODE: A-1-2-D10-D21-EXM-PE0902 (AS PROVIDED BY THE NATIONAL OFFICE)

PE0902 Notice of grounds for rejection

St.27 status event code: A-1-2-D10-D21-exm-PE0902

E13 Pre-grant limitation requested

Free format text: ST27 STATUS EVENT CODE: A-2-3-E10-E13-LIM-X000 (AS PROVIDED BY THE NATIONAL OFFICE)

E13-X000 Pre-grant limitation requested

St.27 status event code: A-2-3-E10-E13-lim-X000

P11 Amendment of application requested

Free format text: ST27 STATUS EVENT CODE: A-2-2-P10-P11-NAP-X000 (AS PROVIDED BY THE NATIONAL OFFICE)

P11-X000 Amendment of application requested

St.27 status event code: A-2-2-P10-P11-nap-X000

P13 Application amended

Free format text: ST27 STATUS EVENT CODE: A-2-2-P10-P13-NAP-X000 (AS PROVIDED BY THE NATIONAL OFFICE)

P13-X000 Application amended

St.27 status event code: A-2-2-P10-P13-nap-X000

D22 Grant of ip right intended

Free format text: ST27 STATUS EVENT CODE: A-1-2-D10-D22-EXM-PE0701 (AS PROVIDED BY THE NATIONAL OFFICE)

PE0701 Decision of registration

St.27 status event code: A-1-2-D10-D22-exm-PE0701

F11 Ip right granted following substantive examination

Free format text: ST27 STATUS EVENT CODE: A-2-4-F10-F11-EXM-PR0701 (AS PROVIDED BY THE NATIONAL OFFICE)

PR0701 Registration of establishment

St.27 status event code: A-2-4-F10-F11-exm-PR0701

PR1002 Payment of registration fee

St.27 status event code: A-2-2-U10-U11-oth-PR1002

Fee payment year number: 1

U11 Full renewal or maintenance fee paid

Free format text: ST27 STATUS EVENT CODE: A-2-2-U10-U11-OTH-PR1002 (AS PROVIDED BY THE NATIONAL OFFICE)

Year of fee payment: 1

PG1601 Publication of registration

St.27 status event code: A-4-4-Q10-Q13-nap-PG1601

Q13 Ip right document published

Free format text: ST27 STATUS EVENT CODE: A-4-4-Q10-Q13-NAP-PG1601 (AS PROVIDED BY THE NATIONAL OFFICE)

R18 Changes to party contact information recorded

Free format text: ST27 STATUS EVENT CODE: A-5-5-R10-R18-OTH-X000 (AS PROVIDED BY THE NATIONAL OFFICE)

R18-X000 Changes to party contact information recorded

St.27 status event code: A-5-5-R10-R18-oth-X000

R18 Changes to party contact information recorded

Free format text: ST27 STATUS EVENT CODE: A-5-5-R10-R18-OTH-X000 (AS PROVIDED BY THE NATIONAL OFFICE)

R18-X000 Changes to party contact information recorded

St.27 status event code: A-5-5-R10-R18-oth-X000

R18 Changes to party contact information recorded

Free format text: ST27 STATUS EVENT CODE: A-5-5-R10-R18-OTH-X000 (AS PROVIDED BY THE NATIONAL OFFICE)

R18-X000 Changes to party contact information recorded

St.27 status event code: A-5-5-R10-R18-oth-X000