TWI790948B - 智能預警客戶端設備障礙的系統與方法 - Google Patents
智能預警客戶端設備障礙的系統與方法 Download PDFInfo
- Publication number
- TWI790948B TWI790948B TW111110304A TW111110304A TWI790948B TW I790948 B TWI790948 B TW I790948B TW 111110304 A TW111110304 A TW 111110304A TW 111110304 A TW111110304 A TW 111110304A TW I790948 B TWI790948 B TW I790948B
- Authority
- TW
- Taiwan
- Prior art keywords
- characteristic value
- obstacle
- self
- quality
- data
- Prior art date
Links
Images
Landscapes
- Alarm Systems (AREA)
- Emergency Alarm Devices (AREA)
Abstract
一種智能預警客戶端設備障礙的系統與方法,處理器存取和執行資料儲存模組、資料處理模組、障礙預測分析模組及告警模組。其中資料儲存模組從客戶端設備獲取並儲存設備組態資料、設備品質資料、設備路由資料及設備障礙資料。資料處理模組依據自定義之各特徵值分級表及設備組態資料、設備品質資料、設備路由資料以及設備障礙資料分別產生對應客戶端設備之品質特徵值、路由特徵值以及障礙特徵值。障礙預測分析模組分別依據自定義之單項指標預警準則以及品質特徵值、路由特徵值及障礙特徵值,判斷告警等級。告警模組依據告警等級發送告警通知。
Description
本發明是有關於一種智能預警客戶端設備障礙的系統與方法。
為了享受穩定又順暢的優質Wi-Fi上網體驗,越來越多用戶採用訴求零死角、穩定的Mesh Wi-Fi,電信業者也積極推廣Mesh Wi-Fi業務,在網路與生活密不可分的時代,勢必會漸漸成為市場主流。
目前客戶端設備不僅無法對即將發生障礙的Mesh AP及時發出告警通知以降低障礙發生率,而且無法在設備發生障礙前精準查修,無法提供客戶優質服務,容易造成客訴。
本發明提供一種智能預警客戶端設備障礙的系統與方法,可對即將發生障礙的Mesh AP及時發出告警通知以降低障礙發生率。
本發明的一種智能預警客戶端設備障礙的系統,包括收發器、儲存媒體與處理器。其中儲存媒體儲存多個模組。處理器耦接儲存媒體和收發器,並且存取和執行多個模組,多個模組包括資料儲存模組、資料處理模組、障礙預測分析模組以及告警模組。其中資料儲存模組,經由收發器從客戶端設備獲取並儲存設備組態資料、設備品質資料、設備路由資料以及設備障礙資料。資料處理模組,依據自定義之各特徵值分級表以及設備組態資料、設備品質資料、設備路由資料以及設備障礙資料分別產生對應客戶端設備之品質特徵值、路由特徵值以及障礙特徵值。障礙預測分析模組,分別依據自定義之單項指標預警準則以及對應客戶端設備之品質特徵值、路由特徵值以及障礙特徵值,判斷告警等級。告警模組,依據告警等級經由收發器發送告警通知。
在本發明的一實施例中,上述的智能預警客戶端設備障礙的系統,其中自定義之各特徵值分級表至少包括自定義之品質特徵值分級表、自定義之路由特徵值分級表以及自定義之障礙特徵值分級表。
在本發明的一實施例中,上述的智能預警客戶端設備障礙的系統,其中資料處理模組至少包括品質特徵模組、路由特徵模組以及障礙特徵模組,其中,品質特徵模組依據自定義之品質特徵值分級表以及設備組態資料、設備品質資料產生對應客戶端設備之品質特徵值,路由特徵模組依據自定義之路由特徵值分級表以及設備組態資料、設備路由資料產生對應客戶端設備之路由
特徵值,障礙特徵模組依據自定義之障礙特徵值分級表以及設備組態資料、設備障礙資料產生對應客戶端設備之障礙特徵值。
在本發明的一實施例中,上述的智能預警客戶端設備障礙的系統,其中品質特徵值至少包括接收信號強度(Received Signal Strength Indicator,RSSI)、訊務流量、封包遺失率(Packet Loss Rate,PLR)、封包往返時間(Round-Trip Time,RTT)以及頻寬使用率,路由特徵值至少包括設備互連數以及路由中選率,障礙特徵值至少包括斷線次數、斷線時間以及申告次數。
在本發明的一實施例中,上述的智能預警客戶端設備障礙的系統,其中障礙預測分析模組分別依據自定義之單項指標預警準則以及對應客戶端設備之品質特徵值、路由特徵值以及障礙特徵值,判斷告警等級的操作中包括:障礙預測分析模組更依據自定義之單項指標預警準則以及對應客戶端設備之RSSI、訊務流量、PLR、RTT以及頻寬使用率,分別判斷對應於RSSI的告警等級、對應於訊務流量的告警等級、對應於PLR的告警等級、對應於RTT的告警等級以及對應於頻寬使用率的告警等級;障礙預測分析模組更依據自定義之單項指標預警準則以及對應客戶端設備之設備互連數以及路由中選率,分別判斷對應於設備互連數的告警等級以及對應於路由中選率的告警等級;以及障礙預測分析模組更依據自定義之單項指標預警準則以及對應客戶端設備之斷線次數、斷線時間以及申告次數,分別判斷對應於斷線次數的告警等級、對應於斷線時間的告警等級以及對應於申告次數的告警等
級。
在本發明的一實施例中,上述的智能預警客戶端設備障礙的系統中,障礙預測分析模組更依據自定義之單類指標預警準則以及對應客戶端設備之品質特徵值計算並且判斷對應於品質特徵值的告警等級;障礙預測分析模組更依據自定義之單類指標預警準則以及對應客戶端設備之路由特徵值計算並且判斷對應於路由特徵值的告警等級;以及障礙預測分析模組更依據自定義之單類指標預警準則以及對應客戶端設備之障礙特徵值計算並且判斷對應於障礙特徵值的告警等級。
在本發明的一實施例中,上述的智能預警客戶端設備障礙的系統中,障礙預測分析模組更依據自定義之綜合指標預警準則、對應於品質特徵值的告警等級、對應於路由特徵值的告警等級以及對應於障礙特徵值的告警等級計算並且判斷綜合告警等級。
本發明的一種智能預警客戶端設備障礙的方法,包括:從客戶端設備獲取並儲存設備組態資料、設備品質資料、設備路由資料以及設備障礙資料;依據自定義之各特徵值分級表以及設備組態資料、設備品質資料、設備路由資料以及設備障礙資料分別產生對應客戶端設備之品質特徵值、路由特徵值以及障礙特徵值;分別依據自定義之單項指標預警準則以及對應客戶端設備之品質特徵值、路由特徵值以及障礙特徵值,判斷告警等級;以及依據告警等級發送告警通知。
在本發明的一實施例中,上述的智能預警客戶端設備障礙的方法中,其中自定義之各特徵值分級表至少包括自定義之品質特徵值分級表、自定義之路由特徵值分級表以及自定義之障礙特徵值分級表。
在本發明的一實施例中,上述的智能預警客戶端設備障礙的方法中,依據自定義之各特徵值分級表以及設備組態資料、設備品質資料、設備路由資料以及設備障礙資料分別產生對應客戶端設備之品質特徵值、路由特徵值以及障礙特徵值的步驟中更包括:依據自定義之品質特徵值分級表以及設備組態資料、設備品質資料產生對應客戶端設備之品質特徵值;依據自定義之路由特徵值分級表以及設備組態資料、設備路由資料產生對應客戶端設備之路由特徵值;以及依據自定義之障礙特徵值分級表以及設備組態資料、設備障礙資料產生對應客戶端設備之障礙特徵值。
在本發明的一實施例中,上述的智能預警客戶端設備障礙的方法中,品質特徵值至少包括接收信號強度(Received Signal Strength Indicator,RSSI)、訊務流量、封包遺失率(Packet Loss Rate,PLR)、封包往返時間(Round-Trip Time,RTT)以及頻寬使用率,路由特徵值至少包括設備互連數以及路由中選率,障礙特徵值至少包括斷線次數、斷線時間以及申告次數。
在本發明的一實施例中,上述的智能預警客戶端設備障礙的方法中,其中分別依據自定義之單項指標預警準則以及對應客戶端設備之品質特徵值、路由特徵值以及障礙特徵值,判斷告
警等級的步驟中更包括:依據自定義之單項指標預警準則以及對應客戶端設備之RSSI、訊務流量、PLR、RTT以及頻寬使用率,分別判斷對應於RSSI的告警等級、對應於訊務流量的告警等級、對應於PLR的告警等級、對應於RTT的告警等級以及對應於頻寬使用率的告警等級;依據自定義之單項指標預警準則以及對應客戶端設備之設備互連數以及路由中選率,分別判斷對應於設備互連數的告警等級以及對應於路由中選率的告警等級;以及依據自定義之單項指標預警準則以及對應客戶端設備之斷線次數、斷線時間以及申告次數,分別判斷對應於斷線次數的告警等級、對應於斷線時間的告警等級以及對應於申告次數的告警等級。
在本發明的一實施例中,上述的智能預警客戶端設備障礙的方法中更包括:依據自定義之單類指標預警準則以及對應客戶端設備之品質特徵值計算並且判斷對應於品質特徵值的告警等級;依據自定義之單類指標預警準則以及對應客戶端設備之路由特徵值計算並且判斷對應於路由特徵值的告警等級;以及依據自定義之單類指標預警準則以及對應客戶端設備之障礙特徵值計算並且判斷對應於障礙特徵值的告警等級。
在本發明的一實施例中,上述的智能預警客戶端設備障礙的方法中更包括:依據自定義之綜合指標預警準則、對應於品質特徵值的告警等級、對應於路由特徵值的告警等級以及對應於障礙特徵值的告警等級計算並且判斷綜合告警等級。
基於上述,本發明提供了一種智能預警客戶端設備障礙
的系統與方法,不僅可對即將發生障礙的Mesh AP及時發出告警通知以降低障礙發生率,而且可提醒維修人員在設備發生障礙前精準查修,以提供客戶優質的服務體驗。
10:智能預警客戶端設備障礙的系統
20:客戶端設備
110:收發器
120:儲存媒體
130:處理器
1201:資料儲存模組
1202:資料處理模組
12021:品質特徵模組
12022:路由特徵模組
12023:障礙特徵模組
1203:障礙預測分析模組
1204:告警模組
S101、S102、S103、S104、S201、S202、S301、S302:步驟
圖1是依照本發明的一實施例的一種智能預警客戶端設備障礙的系統的示意圖。
圖2是依照本發明的一第一實施例的一種智能預警客戶端設備障礙的方法的示意圖。
圖3是依照本發明的一第二實施例的一種智能預警客戶端設備障礙的方法的示意圖。
圖4是依照本發明的一第三實施例的一種智能預警客戶端設備障礙的方法的示意圖。
本發明的部份實施例接下來將會配合附圖來詳細描述,以下的描述所引用的元件符號,當不同附圖出現相同的元件符號將視為相同或相似的元件。這些實施例只是本發明的一部份,並未揭示所有本發明的可實施方式。更確切的說,這些實施例只是本發明的專利申請範圍中的方法、電子裝置以及電腦可讀取儲存媒體的範例。
圖1是依照本發明的一實施例的一種智能預警客戶端設備障礙的系統的示意圖。
請參照圖1,智能預警客戶端設備障礙的系統10包括收發器110、儲存媒體120與處理器130。
收發器110以無線或有線的方式傳送及接收訊號。收發器110還可以執行例如低噪聲放大、阻抗匹配、混頻、向上或向下頻率轉換、濾波、放大以及類似的操作。
儲存媒體120例如是任何型態的固定式或可移動式的隨機存取記憶體(random access memory,RAM)、唯讀記憶體(read-only memory,ROM)、快閃記憶體(flash memory)、硬碟(hard disk drive,HDD)、固態硬碟(solid state drive,SSD)或類似元件或上述元件的組合,儲存媒體120用以記錄可由處理器130執行的多個指令,更用於儲存可由處理器130執行的多個模組或各種應用程式。
處理器130例如是中央處理單元(central processing unit,CPU),或是其他可程式化之一般用途或特殊用途的微控制單元(micro control unit,MCU)、微處理器(microprocessor)、數位訊號處理器(digital signal processor,DSP)、可程式化控制器、特殊應用積體電路(application specific integrated circuit,ASIC)、圖形處理器(graphics processing unit,GPU)、算數邏輯單元(arithmetic logic unit,ALU)、複雜可程式邏輯裝置(complex programmable logic device,CPLD)、現場可程式化邏輯閘陣列
(field programmable gate array,FPGA)或其他類似元件或上述元件的組合。處理器130可耦接至儲存媒體120以及收發器110,並且存取和執行儲存於儲存媒體120中的多個模組和各種應用程式,以控制智能預警客戶端設備障礙的系統10的整體運作。
在本實施例中,儲存媒體120可儲存包括資料儲存模組1201、資料處理模組1202、障礙預測分析模組1203以及告警模組1204等多個模組,並且資料儲存模組1201、資料處理模組1202、障礙預測分析模組1203以及告警模組1204用以對與其通訊連接的客戶端設備20進行障礙智能預測與主動預警,其功能將於後續說明。
其中,資料儲存模組1201經由收發器110從客戶端設備20獲取並儲存設備組態資料、設備品質資料、設備路由資料以及設備障礙資料。在本實施例中,設備組態資料可包括客戶端設備20之設備名稱、設備IP地址以及設備型號等與設備相關的資訊,本發明對此不作限制。
資料處理模組1202依據自定義之各特徵值分級表以及設備組態資料、設備品質資料、設備路由資料以及設備障礙資料分別產生對應客戶端設備之品質特徵值、路由特徵值以及障礙特徵值。其中,自定義之各特徵值分級表包括自定義之品質特徵值分級表、自定義之路由特徵值分級表以及自定義之障礙特徵值分級表,資料處理模組1202至少包括品質特徵模組12021、路由特徵模組12022以及障礙特徵模組12023。更具體而言,品質特徵模組
12021依據所述自定義之品質特徵值分級表以及設備組態資料、設備品質資料產生對應客戶端設備20之品質特徵值。路由特徵模組12022依據自定義之路由特徵值分級表以及設備組態資料、設備路由資料產生對應客戶端設備20之路由特徵值。障礙特徵模組12023依據自定義之障礙特徵值分級表以及設備組態資料、設備障礙資料產生對應客戶端設備20之障礙特徵值。其中品質特徵值包括接收信號強度(Received Signal Strength Indicator,RSSI)、訊務流量、封包遺失率(Packet Loss Rate,PLR)、封包往返時間(Round-Trip Time,RTT)以及頻寬使用率,路由特徵值包括設備互連數以及路由中選率,障礙特徵值包括斷線次數、斷線時間以及申告次數。本發明對此不作限制。
障礙預測分析模組1203分別依據自定義之單項指標預警準則以及對應客戶端設備20之品質特徵值、路由特徵值以及障礙特徵值,判斷告警等級。
在一第一實施例中,障礙預測分析模組1203依據自定義之單項指標預警準則以及對應客戶端設備20之RSSI、訊務流量、PLR、RTT以及頻寬使用率,分別判斷對應於RSSI的告警等級、對應於訊務流量的告警等級、對應於PLR的告警等級、對應於RTT的告警等級以及對應於頻寬使用率的告警等級。障礙預測分析模組1203依據自定義之單項指標預警準則以及對應客戶端設備20之設備互連數以及路由中選率,分別判斷對應於設備互連數的告警等級以及對應於路由中選率的告警等級。障礙預測分析模組
1203依據自定義之單項指標預警準則以及對應客戶端設備20之斷線次數、斷線時間以及申告次數,分別判斷對應於斷線次數的告警等級、對應於斷線時間的告警等級以及對應於申告次數的告警等級。
在一第二實施例中,障礙預測分析模組1203可依據自定義之單類指標預警準則以及對應客戶端設備20之品質特徵值計算並且判斷對應於品質特徵值的告警等級。障礙預測分析模組1203依據自定義之單類指標預警準則以及對應客戶端設備20之路由特徵值計算並且判斷對應於路由特徵值的告警等級。障礙預測分析模組1203依據自定義之單類指標預警準則以及對應客戶端設備20之障礙特徵值計算並且判斷對應於障礙特徵值的告警等級。
在一第三實施例中,障礙預測分析模組1203更可依據自定義之綜合指標預警準則、所有類別(即包括品質特徵值、路由特徵值以及障礙特徵值)特徵值的告警等級計算並且判斷綜合告警等級。
告警模組1204可依據上述第一或第二或第三實施例中計算並且判斷的告警等級並經由收發器110發送告警通知。具體來說,於第一實施例中,告警模組1204可分別依據對應於RSSI的告警等級、對應於訊務流量的告警等級、對應於PLR的告警等級、對應於RTT的告警等級以及對應於頻寬使用率的告警等級、對應於設備互連數的告警等級、對應於路由中選率的告警等級、對應於斷線次數的告警等級、對應於斷線時間的告警等級或對應於申
告次數的告警等級並經由收發器110發送告警通知。於第二實施例中,告警模組1204可分別依據對應於品質特徵值的告警等級、對應於路由特徵值的告警等級或對應於障礙特徵值的告警等級並經由收發器110發送告警通知。於第三實施例中,告警模組1204可依據所有類別(即包括品質特徵值、路由特徵值以及障礙特徵值)特徵值的綜合告警等級並經由收發器110發送告警通知。
圖2是依照本發明的一第一實施例的一種智能預警客戶端設備障礙的方法的示意圖。其中智能預警客戶端設備障礙的方法可由如圖1所示的智能預警客戶端設備障礙的系統10實施。
在步驟S101中,資料儲存模組1201從客戶端設備20獲取並儲存設備組態資料、設備品質資料、設備路由資料以及設備障礙資料。
在步驟S102中,資料處理模組1202依據自定義之各特徵值分級表以及設備組態資料、設備品質資料、設備路由資料以及設備障礙資料分別產生對應客戶端設備之品質特徵值、路由特徵值以及障礙特徵值。其中品質特徵值包括RSSI、訊務流量、PLR、RTT以及頻寬使用率,路由特徵值包括設備互連數以及路由中選率,障礙特徵值包括斷線次數、斷線時間以及申告次數。
在步驟S103中,障礙預測分析模組1203分別依據自定義之單項指標預警準則以及RSSI、訊務流量、PLR、RTT以及頻寬使用率,分別判斷對應於RSSI的告警等級、對應於訊務流量的告警等級、對應於PLR的告警等級、對應於RTT的告警等級以及
對應於頻寬使用率的告警等級。障礙預測分析模組1203更依據自定義之單項指標預警準則以及設備互連數以及路由中選率,分別判斷對應於設備互連數的告警等級以及對應於路由中選率的告警等級。障礙預測分析模組1203更依據自定義之單項指標預警準則以及斷線次數、斷線時間以及申告次數,分別判斷對應於斷線次數的告警等級、對應於斷線時間的告警等級以及對應於申告次數的告警等級。
在步驟S104中,告警模組1204依據各告警等級分別經由收發器110發送告警通知。
詳細而言,以下表1至表3分別為自定義之品質特徵值分級表、路由特徵值分級表以及障礙特徵值分級表。
品質特徵值以P表示,則所有m項品質特徵值可表示為Pi,i=1~m,如表1所示,且該m項品質特徵值可依需求自行調整增減,不限定在表1範圍內。
路由特徵值以R表示,則所有n項路由特徵值可表示為Rj,j=1~n,如表2所示,且路由特徵值可依需求自行調整增減,不限定在表2範圍內。
障礙特徵值以F表示,則所有o項障礙特徵值可表示為Fk,k=1~o,如表3所示,且障礙特徵值可依需求自行調整增減,不限定在表3範圍內。
以下表4-1為自定義之單項指標預警準則。其中a是單項特徵值在一特定時間段被量測的總次數。
在一實施例中,以品質特徵值為例,一特定時間段的品質特徵值Pi的量測結果換算為等級r可表示為:Pi:[Pi1=ri1,Pi2=ri2,Pi3=ri3,...]
其中,嚴重等級(A級)次數為CPiA;警告等級(B級)次數為CPiB。
針對品質特徵值的單項指標預警準則如下:當嚴重等級(A級)次數CPiA大於等於此段期間的量測次數的8成時,列為A級告警;當嚴重等級(A級)次數CPiA大於等於此段期間的量測次數的6成,且警告等級(B級)次數CPiB大於等於此段期間的量測次數的2成時,列為A級告警;當嚴重等級(A級)次數CPiA大於等於此段期間的量測次數的6成時,列為B級告警;當警告等級(B級)次數CPiB大於等於此段期間的量測次數的8成時,列為B級告警;當警告等級(B級)次數CPiB大於等於此段期間的量測次數的6成,且嚴重等級(A級)次數CPiA大於等於此段期間的量測次數的2成時,列為B級告警。
例如,一特定時間段的5(於本實施例中a=5)次品質特徵值P1(接收信號強度RSSI)量測結果為:P1:[P11=-50dBm,P12=-80dBm,P13=-66dBm,P14=-79dBm,P15=-86dBm]
可換算等級r表示為:rP1:[P11=1,P12=3,P13=2,P14=3,P15=4],CP1A=1;CP1B=2;以測量次數5次來計算,其8成為4次;6成為3次;2成為1次,依據表4-1所示自定義之單項指標預警準則,由於CP1A=1<3;CP1B=2<3,因此不列入告警。也即是說,告警模組1204依據品質特徵值P1(接收信號強度RSSI)的告警等級不發送告警通知。
在一實施例中,以路由特徵值為例,一特定時間段的路由特徵值Rj紀錄換算為等級r可表示為:Rj:[Rj1=ri1,Rj2=ri2,Rj3=ri3,...]
其中,嚴重等級(A級)次數為CRjA;警告等級(B級)次數為CRjB。
針對路由特徵值的單項指標預警準則如下:當嚴重等級(A級)次數CRjA大於等於此段期間的量測次數的8成時,列為A級告警;當嚴重等級(A級)次數CRjA大於等於此段期間的量測次數的6成,且警告等級(B級)次數CRjB大於等於此段期間的量測次數的2成時,列為A級告警;當嚴重等級(A級)次數CRjA大於等於此段期間的量測次數的6成時,列為B級告警;當警告等級(B級)次數CRjB大於等於此段期間的量測次數的8成時,列為B級告警;當警告等級(B級)次數CRjB大於等於此段期間的量測次數的6
成,且嚴重等級(A級)次數CRjA大於等於此段期間的量測次數的2成時,列為B級告警。
例如,設備總數10個,在一特定時間段的5次路由特徵值R1(設備互連數)紀錄為:R1:[R11=8,R12=7,R13=6,R14=9,R15=6]
可換算等級r表示為:rR1:[R11=4,R12=3,R13=3,R14=4,R15=3],CR1A=2;CR1B=3;以測量次數5次來計算,其8成為4次;6成為3次;2成為1次,依據表4-1所示自定義之單項指標預警準則,當警告等級(B級)次數CRjB大於等於此段期間的量測次數的6成,且嚴重等級(A級)次數CRjA大於等於此段期間的量測次數的2成時,列為B級告警,由於CR1A=2<3;CR1B=3且CR1A=2>1,因此列入B級告警。也即是說,告警模組1204依據路由特徵值R1(設備互連數)的告警等級發送B級告警。
在一實施例中,以障礙特徵值為例,一特定時間段的障礙特徵值Fk紀錄換算為等級r可表示為:Fk:[Fk1=ri1,Fk2=ri2,Fk3=ri3,...]
其中,嚴重等級(A級)次數為CFkA;警告等級(B級)次數為CFkB。
針對障礙特徵值的單項指標預警準則如下:當嚴重等級(A級)次數CFkA大於等於此段期間的量測次數的8成時,列為A級告警;當嚴重等級(A級)次數CFkA大於等於此段期間的量測次數的6成,且警告等級(B級)次數CFkB大於等於此段期間的量測次
數的2成時,列為A級告警;當嚴重等級(A級)次數CFkA大於等於此段期間的量測次數的6成時,列為B級告警;當警告等級(B級)次數CFkB大於等於此段期間的量測次數的8成時,列為B級告警;當警告等級(B級)次數CFkB大於等於此段期間的量測次數的6成,且嚴重等級(A級)次數CFkA大於等於此段期間的量測次數的2成時,列為B級告警。
例如,一特定時間段的5次路由特徵值F2(斷線時間)紀錄為:F2:[F21=5hr,F22=2hr,F23=4hr,F24=4hr,F25=2hr];可換算等級r表示為:rF2:[F21=4,F22=3,F23=4,F24=4,F25=3],CF2A=3;CF2B=2
以測量次數5次來計算,其8成為4次;6成為3次;2成為1次,依據表4-1所示自定義之單項指標預警準則,當嚴重等級(A級)次數CFkA大於等於此段期間的量測次數的6成,且警告等級(B級)次數CFkB大於等於此段期間的量測次數的2成時,列為A級告警,由於CF2A=33且CF2B=2>1,因此列入A級告警。也即是說,告警模組1204依據路由特徵值F2(斷線時間)的告警等級發送A級告警。
除上述依據自定義之單項指標預警準則判斷告警等級外,另有將對應所述客戶端設備之所述品質特徵值、對應所述客戶端設備之所述路由特徵值或對應所述客戶端設備之所述障礙特徵值中的特徵值同時進行分析處理的單類指標預警準則,如表4-2所示,其中b是單類特徵值所含的特徵值總數,例如,品質特徵
值,含有接收信號強度(RSSI)、訊務流量、PLR、RTT以及頻寬使用率,共五個特徵值,則b=5。
圖3是依照本發明的一第二實施例的一種智能預警客戶端設備障礙的方法的示意圖。其中智能預警客戶端設備障礙的方法可由如圖1所示的智能預警客戶端設備障礙的系統10實施。
在上述步驟S103之後,智能預警客戶端設備障礙的方法
更可包括步驟S201及S202。步驟S201中,障礙預測分析模組1203依據自定義之單類指標預警準則以及品質特徵值計算並且判斷對應於品質特徵值的告警等級,依據自定義之單類指標預警準則以及路由特徵值計算並且判斷對應於路由特徵值的告警等級,並且依據自定義之單類指標預警準則以及障礙特徵值計算並且判斷對應於障礙特徵值的告警等級。
在步驟S202中,告警模組1204可依據對應於品質特徵值、路由特徵值、障礙特徵值的告警等級分別經由收發器110發送告警通知。
舉例而言,當單類(例如品質特徵值、路由特徵值或障礙特徵值)特徵值中,單類指標預警準則如下:被列入A級告警的特徵值數大於等於該類特徵值數總和的8成時,列為A級告警;被列入A級告警的特徵值數大於等於該類特徵值數總和的6成,且被列入B級告警的特徵值數大於等於該類特徵值數總和的2成時,列為A級告警;被列入A級告警的特徵值數大於等於該類特徵值數總和的6成時,列為B級告警;被列入B級告警的特徵值數大於等於該類特徵值數總和的8成時,列為B級告警;被列入B級告警的特徵值數大於等於該類特徵值數總和的6成,且被列入A級告警的特徵值數大於等於該類特徵值數總和的2成時,列為B級告警。在一實施例中,以單類(品質特徵值)為例進行說明。當次品質特徵值P告警等級紀錄為:aP:[P1=N,P2=A,P3=N,P4=A,P5=A],其中N為不列入
告警。
因此,計算得出CPA=3;CPB=0。
以該類特徵值(品質特徵值)數總和為5來計算,其8成為4,6成為3,2成為1,依據表4-2所示自定義之單類指標預警準則,被列入A級告警的特徵值數大於等於該類特徵值數總和的6成時,列為B級告警,由於CPA=33,因此列入B級告警。
也即是說,告警模組1204依據該類特徵值(品質特徵值)的告警等級發送B級告警。以此類推,可依據單類指標預警準則分別計算單類(例如品質特徵值、路由特徵值或障礙特徵值)特徵值的告警等級。
除上述依據自定義之單項及單類指標預警準則判斷告警等級外,另有將對應所述客戶端設備之所有特徵值(包括品質特徵值、路由特徵值以及障礙特徵值中的特徵值)進行分析處理的綜合指標預警準則,如表4-3所示,其中m為品質特徵值包含的特徵值數量,n為路由特徵值包含的特徵值數量,o為障礙特徵值包含的特徵值數量,於本實施例中,包含5項品質特徵值、2項路由特徵值、3項障礙特徵值,因此m=5、n=2、o=3。
圖4是依照本發明的一第三實施例的一種智能預警客戶端設備障礙的方法的示意圖。其中智能預警客戶端設備障礙的方法可由如圖1所示的智能預警客戶端設備障礙的系統10實施。
在上述步驟S103之後,智能預警客戶端設備障礙的方法更可包括步驟S301及S302。步驟S301中,障礙預測分析模組1203依據自定義之綜合指標預警準則、所有類別(即包括品質特徵值、路由特徵值以及障礙特徵值)特徵值的告警等級計算並且判斷綜合告警等級。
在步驟S302中,告警模組1204可依據所有類別(即包括品質特徵值、路由特徵值以及障礙特徵值)特徵值的綜合告警等級經由收發器110發送告警通知。
當所有類別(即包括品質特徵值、路由特徵值以及障礙特徵值)特徵值中,綜合指標預警準則如下:被列入A級告警的特徵值數大於等於所有類別特徵值數總和的8成時,列為A級告警;被列入A級告警的特徵值數大於等於所有類別特徵值數總和的6成,且被列入B級告警的特徵值數大於等於所有類別特徵值數總和的2成時,列為A級告警;被列入A級告警的特徵值數大於等於所有類別特徵值數總和的6成時,列為B級告警;被列入B級告警的特徵值數大於等於所有類別特徵值數總和的8成時,列為B級告警;被列入B級告警的特徵值數大於等於所有類別特徵值數總和的6成,且被列入A級告警的特徵值數大於等於所有類別特徵值數總和的2成時,列為B級告警。例如,當次品質特徵值P告警等級紀錄為:aP:[P1=N,P2=A,P3=N,P4=A,P5=A],其中N為不列入告警。計算得出CPA=3,CPB=0;當次路由特徵值R告警等級紀錄為:aR:[R1=B,R2=A],計算得出CRA=1,CRB=1;當次障礙特徵值F告警等級紀錄為:aF:[F1=A,F2=A,F3=B],計算得出CFA=2,CFB=1;依據表4-3所示自定義之綜合指標預警準則,於本實施例
中,包含5項品質特徵值、2項路由特徵值、3項障礙特徵值,因此m=5、n=2、o=3,所有類別特徵值數總和為m+n+o=5+2+3=10,也即是說,所有類別特徵值數總和的8成為8,所有類別特徵值數總和的6成為6,所有類別特徵值數總和的2成為2,由於CPA+CRA+CFA=3+1+2=66且CPB+CRB+CFB=0+1+1=22,因此列入A級告警。也即是說,告警模組1204依據所有類別特徵值(即包括品質特徵值、路由特徵值以及障礙特徵值)的告警等級發送A級告警。
本發明提供了一種智能預警客戶端設備障礙的系統與方法,結合電信業者取得的局端設備與客戶端設備的品質歷史資料,整合分析出可能的障礙模式,有助於預先防範以達成智能預測,先以最小單位的單項特徵值做單項指標預警分析,再將同類中的各項特徵值一起考量做單類指標預警分析,最後再以所有特徵值整體考量做綜合指標預警分析,可避免因單次/單項品質不佳或偶發事件等造成的誤告警判斷,並且自定義之路由特徵值有別於一般判斷品質好壞之參考指標,更多加考量了設備負載率,負載過重有可能增加設備障礙發生率,透過此特徵值可讓預警分析結果更具全面性,此外,自定義之障礙特徵值有別於一般單純以障礙診斷紀錄為參考指標之預測方法,更多加了申告紀錄為依據,更貼近用戶實際感受,不僅可對即將發生障礙的Mesh AP及時發出告警通知以降低障礙發生率,而且可提醒維修人員在設備發生障礙前精準查修,以提供客戶優質的服務體驗。
10:智能預警客戶端設備障礙的系統
20:客戶端設備
110:收發器
120:儲存媒體
130:處理器
1201:資料儲存模組
1202:資料處理模組
12021:品質特徵模組
12022:路由特徵模組
12023:障礙特徵模組
1203:障礙預測分析模組
1204:告警模組
Claims (12)
- 一種智能預警客戶端設備障礙的系統,包括:收發器;儲存媒體,儲存多個模組;以及處理器,耦接所述儲存媒體和所述收發器,並且存取和執行所述多個模組,其中所述多個模組包括:資料儲存模組,經由所述收發器從所述客戶端設備獲取並儲存設備組態資料、設備品質資料、設備路由資料以及設備障礙資料;資料處理模組,依據自定義之各特徵值分級表以及所述設備組態資料、所述設備品質資料、所述設備路由資料以及所述設備障礙資料分別產生對應所述客戶端設備之品質特徵值、路由特徵值以及障礙特徵值;障礙預測分析模組,分別依據自定義之單項指標預警準則以及對應所述客戶端設備之所述品質特徵值、所述路由特徵值以及所述障礙特徵值,判斷告警等級,其中所述障礙預測分析模組分別依據所述自定義之單項指標預警準則以及對應所述客戶端設備之所述品質特徵值、所述路由特徵值以及所述障礙特徵值,判斷所述告警等級的操作中包括:所述障礙預測分析模組更依據所述自定義之單項指標預警準則以及對應所述客戶端設備之接收信號強度(Received Signal Strength Indicator,RSSI)、訊務流量、封包遺失率(Packet Loss Rate,PLR)、封包往返時間(Round-Trip Time,RTT)以及頻寬使用率,分別判斷對應於所述RSSI的所述告警等級、對應於所述訊務流量的所述告警等級、對應於所述PLR的所述告警等級、對應於所述RTT的所述告警等級以及對應於所述頻寬使用率的所述告警等級;所述障礙預測分析模組更依據所述自定義之單項指標預警準則以及對應所述客戶端設備之設備互連數以及路由中選率,分別判斷對應於所述設備互連數的所述告警等級以及對應於所述路由中選率的所述告警等級;以及所述障礙預測分析模組更依據所述自定義之單項指標預警準則以及對應所述客戶端設備之斷線次數、斷線時間以及申告次數,分別判斷對應於所述斷線次數的所述告警等級、對應於所述斷線時間的所述告警等級以及對應於所述申告次數的所述告警等級;以及告警模組,依據所述告警等級經由所述收發器發送告警通知。
- 如請求項1所述的系統,其中所述自定義之各特徵值分級表至少包括自定義之品質特徵值分級表、自定義之路由特徵值分級表以及自定義之障礙特徵值分級表。
- 如請求項2所述的系統,其中所述資料處理模組至少包括品質特徵模組、路由特徵模組以及障礙特徵模組,其中,所述品質特徵模組依據所述自定義之品質特徵值分級表以及所述設 備組態資料、所述設備品質資料產生對應所述客戶端設備之所述品質特徵值,所述路由特徵模組依據所述自定義之路由特徵值分級表以及所述設備組態資料、所述設備路由資料產生對應所述客戶端設備之所述路由特徵值,所述障礙特徵模組依據所述自定義之障礙特徵值分級表以及所述設備組態資料、所述設備障礙資料產生對應所述客戶端設備之所述障礙特徵值。
- 如請求項3所述的系統,其中所述品質特徵值至少包括所述RSSI、所述訊務流量、所述PLR、所述RTT以及所述頻寬使用率,所述路由特徵值至少包括所述設備互連數以及所述路由中選率,所述障礙特徵值至少包括所述斷線次數、所述斷線時間以及所述申告次數。
- 如請求項1所述的系統,其中,所述障礙預測分析模組更依據自定義之單類指標預警準則以及對應所述客戶端設備之所述品質特徵值計算並且判斷對應於所述品質特徵值的所述告警等級;所述障礙預測分析模組更依據自定義之單類指標預警準則以及對應所述客戶端設備之所述路由特徵值計算並且判斷對應於所述路由特徵值的所述告警等級;以及所述障礙預測分析模組更依據自定義之單類指標預警準則以及對應所述客戶端設備之所述障礙特徵值計算並且判斷對應於所述障礙特徵值的所述告警等級。
- 如請求項5所述的系統,其中, 所述障礙預測分析模組更依據自定義之綜合指標預警準則、對應於所述品質特徵值的所述告警等級、對應於所述路由特徵值的所述告警等級以及對應於所述障礙特徵值的所述告警等級計算並且判斷綜合告警等級。
- 一種智能預警客戶端設備障礙的方法,包括:從所述客戶端設備獲取並儲存設備組態資料、設備品質資料、設備路由資料以及設備障礙資料;依據自定義之各特徵值分級表以及所述設備組態資料、所述設備品質資料、所述設備路由資料以及所述設備障礙資料分別產生對應所述客戶端設備之品質特徵值、路由特徵值以及障礙特徵值;分別依據自定義之單項指標預警準則以及對應所述客戶端設備之所述品質特徵值、所述路由特徵值以及所述障礙特徵值,判斷告警等級,其中所述分別依據所述自定義之單項指標預警準則以及對應所述客戶端設備之所述品質特徵值、所述路由特徵值以及所述障礙特徵值,判斷所述告警等級的步驟中更包括:依據所述自定義之單項指標預警準則以及對應所述客戶端設備之接收信號強度(Received Signal Strength Indicator,RSSI)、訊務流量、封包遺失率(Packet Loss Rate,PLR)、封包往返時間(Round-Trip Time,RTT)以及頻寬使用率,分別判斷對應於所述RSSI的所述告警等級、對應於所述訊務流量的所述告 警等級、對應於所述PLR的所述告警等級、對應於所述RTT的所述告警等級以及對應於所述頻寬使用率的所述告警等級;依據所述自定義之單項指標預警準則以及對應所述客戶端設備之設備互連數以及路由中選率,分別判斷對應於所述設備互連數的所述告警等級以及對應於所述路由中選率的所述告警等級;以及依據所述自定義之單項指標預警準則以及對應所述客戶端設備之斷線次數、斷線時間以及申告次數,分別判斷對應於所述斷線次數的所述告警等級、對應於所述斷線時間的所述告警等級以及對應於所述申告次數的所述告警等級;以及依據所述告警等級發送告警通知。
- 如請求項7所述的方法,其中所述自定義之各特徵值分級表至少包括自定義之品質特徵值分級表、自定義之路由特徵值分級表以及自定義之障礙特徵值分級表。
- 如請求項8所述的方法,其中所述依據所述自定義之各特徵值分級表以及所述設備組態資料、所述設備品質資料、所述設備路由資料以及所述設備障礙資料分別產生對應所述客戶端設備之所述品質特徵值、所述路由特徵值以及所述障礙特徵值的步驟中更包括:依據所述自定義之品質特徵值分級表以及所述設備組態資料、所述設備品質資料產生對應所述客戶端設備之所述品質特徵值; 依據所述自定義之路由特徵值分級表以及所述設備組態資料、所述設備路由資料產生對應所述客戶端設備之所述路由特徵值;以及依據所述自定義之障礙特徵值分級表以及所述設備組態資料、所述設備障礙資料產生對應所述客戶端設備之所述障礙特徵值。
- 如請求項9所述的方法,其中所述品質特徵值至少包括所述RSSI、所述訊務流量、所述PLR、所述RTT以及所述頻寬使用率,所述路由特徵值至少包括所述設備互連數以及所述路由中選率,所述障礙特徵值至少包括所述斷線次數、所述斷線時間以及所述申告次數。
- 如請求項7所述的方法,其中所述方法更包括:依據自定義之單類指標預警準則以及對應所述客戶端設備之所述品質特徵值計算並且判斷對應於所述品質特徵值的所述告警等級;依據自定義之單類指標預警準則以及對應所述客戶端設備之所述路由特徵值計算並且判斷對應於所述路由特徵值的所述告警等級;以及依據自定義之單類指標預警準則以及對應所述客戶端設備之所述障礙特徵值計算並且判斷對應於所述障礙特徵值的所述告警等級。
- 如請求項7所述的方法,其中所述方法更包括: 依據自定義之綜合指標預警準則、對應於所述品質特徵值的所述告警等級、對應於所述路由特徵值的所述告警等級以及對應於所述障礙特徵值的所述告警等級計算並且判斷綜合告警等級。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111110304A TWI790948B (zh) | 2022-03-21 | 2022-03-21 | 智能預警客戶端設備障礙的系統與方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111110304A TWI790948B (zh) | 2022-03-21 | 2022-03-21 | 智能預警客戶端設備障礙的系統與方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI790948B true TWI790948B (zh) | 2023-01-21 |
TW202339470A TW202339470A (zh) | 2023-10-01 |
Family
ID=86670364
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111110304A TWI790948B (zh) | 2022-03-21 | 2022-03-21 | 智能預警客戶端設備障礙的系統與方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI790948B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104853379A (zh) * | 2014-02-18 | 2015-08-19 | 中国移动通信集团公司 | 一种无线网络质量评估方法及装置 |
JP2015154187A (ja) * | 2014-02-13 | 2015-08-24 | 富士通テレコムネットワークス株式会社 | 監視システム、監視装置および監視システムの監視方法 |
CN107889138A (zh) * | 2016-09-30 | 2018-04-06 | 法乐第(北京)网络科技有限公司 | 通信链路质量确定方法、通信链路选择方法及其装置 |
US20200084139A1 (en) * | 2016-01-29 | 2020-03-12 | Cisco Technology, Inc. | Link Health Forecast - Predictive Ethernet Link Monitoring using DOM with ELOAM |
-
2022
- 2022-03-21 TW TW111110304A patent/TWI790948B/zh active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015154187A (ja) * | 2014-02-13 | 2015-08-24 | 富士通テレコムネットワークス株式会社 | 監視システム、監視装置および監視システムの監視方法 |
CN104853379A (zh) * | 2014-02-18 | 2015-08-19 | 中国移动通信集团公司 | 一种无线网络质量评估方法及装置 |
US20200084139A1 (en) * | 2016-01-29 | 2020-03-12 | Cisco Technology, Inc. | Link Health Forecast - Predictive Ethernet Link Monitoring using DOM with ELOAM |
CN107889138A (zh) * | 2016-09-30 | 2018-04-06 | 法乐第(北京)网络科技有限公司 | 通信链路质量确定方法、通信链路选择方法及其装置 |
Also Published As
Publication number | Publication date |
---|---|
TW202339470A (zh) | 2023-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10548032B2 (en) | Network anomaly detection and network performance status determination | |
WO2018103524A1 (en) | Prediction of performance indicators in cellular networks | |
US9143417B2 (en) | Network cost analysis | |
EP2489156B1 (en) | Network management system and method for identifying and accessing quality of service issues within a communications network | |
CN104410582B (zh) | 一种基于流量预测的电力通信网流量均衡方法 | |
US9009305B1 (en) | Network host inference system | |
WO2021057382A1 (zh) | 一种异常检测方法、装置、终端及存储介质 | |
US11122467B2 (en) | Service aware load imbalance detection and root cause identification | |
CN105099831A (zh) | 一种评估wlan网络质量的方法及系统 | |
CN101668301A (zh) | 一种监控短信中心内节点运行状态的方法和装置 | |
CN112367617A (zh) | 建筑物室内应急疏散方法、系统、装置和智能设备 | |
CN115038088B (zh) | 一种智能网络安全检测预警系统和方法 | |
WO2022057638A1 (zh) | 一种保障业务应用体验的方法和系统 | |
TWI790948B (zh) | 智能預警客戶端設備障礙的系統與方法 | |
CN109617750A (zh) | 一种服务预警方法及网关 | |
US11665531B2 (en) | End to end troubleshooting of mobility services | |
US20150271045A1 (en) | Method, apparatus and system for detecting network element load imbalance | |
TWI739616B (zh) | 配置路由路徑的方法和電子系統 | |
WO2022143797A1 (zh) | 一种公有云的租户业务管理方法及装置 | |
CN108322505A (zh) | 石化行业高防爆无线监控系统 | |
TWI815627B (zh) | 決定用戶設備的客訴處理決策的電子裝置及方法 | |
CN115001750B (zh) | 电力物联网中基于信任管理的可信群体构建方法及系统 | |
US20240039801A1 (en) | Charting and mapping visualization of time and location data | |
CN105306372B (zh) | 一种综合拓扑优化方法 | |
Ding et al. | Design and Implementation of SFC Monitoring and Alerting Based on YANG Data Model |