Wi-Fi在帶來免除室內走線的便利和多屏、CloudVR等新業務同時，也使得影響家庭網絡寬帶體驗的因素增多，比如Wi-Fi信號干擾、Wi-Fi覆蓋不足等問題。對于這些因素帶來的用戶障礙，由于運營商的網絡資源和狀態管理不可視，30%的故障需要進行上門處理，這其中還有25%的問題表現為網速慢、視頻不定期卡頓等偶發性問題，香港服務器租用，問題難以重現，帶來反復投訴和上門，問題單處理周期最高達兩天以上。

1．通過高精度的數據采集和大數據分析，改變原有碎片式的數據采集和分析方式，實現全局的質量分析和優化；

目前運營商PON光路故障分責通常有兩種方式：一種是通過告警分責，結合資管系統中的用戶和分光器掛接關系確定問題歸屬，但在資源不準的情況下，光路故障，尤其是分支光纖的非中斷類故障的識別，成為困擾運營商的運維難題，容易派錯單，排障時間長；另外一種則通過購買集中式OTDR進行分責，采用手持OTDR上站逐段排查，運維成本高。此外，對于未報障但有弱光現象的用戶需要上門整改，因工作量大運營商只能按月分批整改，無法識別整改的優先級，導致整改的效率很低。

3．基于業界運維經驗構筑海量故障專家庫，結合人工智能算法進行機器學習，使運營商改變傳統依靠人工經驗推理的低效排障方式，實現智能化的精準故障定位和故障預防。

借助華為NCE平臺，運營商可以直接觀察到家庭網絡拓撲和實時連接狀態，采集和統計中斷時長、次數、丟包率、Wi-Fi覆蓋和干擾等指標，通過偏態、離群算法確定質差閾值，并結合投票算法統計出用戶質差情況，運營商可以據此對比用戶當前套餐進行二次營銷，比如對于重度網絡和視頻用戶推出更優體驗的套餐，既滿足客戶需求，也能提升ARPU值。

基于以上考慮，華為依托特有的三級分布式邊緣計算架構，Telemetry快速數據采集技術，硬件數據采集芯片，和業界領先的人工智能算法（PON光路特征算法，Wi-Fi信道調優算法，光路失效預測算法等）在業界率先推出了基于網絡云化引擎（Network Cloud Engine，NCE）的品質寬帶智能運維解決方案，并推出了Wi-Fi質量調優，ODN故障智能診斷，弱光用戶主動整改，網絡瓶頸預估支撐主動擴容，質差用戶識別等多種手段，幫助運營商構筑面向未來的網絡運維模式。

NCE平臺的多線程并行處理和100Gbit/s數據吞吐能力，可以實現千萬級網元數據處理，結合人工智能算法和云-管-端數據的Telemetry快速采集，改變了原有碎片化的網絡分析，使得分析結果更加可信，更好地支撐多個網絡運營部門的個性化分析應用訴求。

針對上述個體偶發性故障，基于NCE平臺，運營商能夠可視化地管理家庭網絡拓撲和實時連接狀態，通過在ONT上秒級采集信道狀態、協商速率、鄰居信息、干擾占空比、底噪特征等20多種特征參數，依托華為全球百萬級故障庫和250個家庭段故障模型，結合用戶7天Tbit級的網絡歷史數據存儲，實現一鍵檢測和歷史質量事件回放，分鐘級識別Wi-Fi干擾、覆蓋、連接、配置和設備類的問題并遠程修復，這樣大多數家庭段的故障在客服坐席就可以終結。針對長期的Wi-Fi信號干擾，可以通過歷史大數據分析進行典型故障建模和訓練，學習并預測出最優信道，定期自動進行信道調優，這樣既保證了用戶體驗，又大大減少了人工干預，降低了故障率。

在與中國某運營商聯合進行的品質寬帶創新實踐中，以40萬用戶的網絡規模，幫助運營商節省排障工時5萬小時，減少上門2萬余次，提升了50%的運維效率，減少30%的用戶離網率，預計每年節省OPEX 100萬美金。

引入人工智能（AI）和大數據分析，打破OPEX增長魔咒

ODN光路智能診斷，精準識別故障，降低OPEX

質差用戶識別與網絡擴容評估，激活網絡數據，支撐高效運營

2．在現有物理網絡之上，基于采集到的360度海量網絡數據，構建數字孿生，使運營商可以在不影響業務的情況下對網絡進行仿真，提前評估新業務對網絡造成的影響并擴容化解風險，擺脫了以設備為中心的網絡運營，轉而以用戶為中心，亞洲服務器租用 歐洲服務器，直接對接用戶的商業意圖；

家庭用戶網絡質量可視化管理與調優，提升家庭用戶網絡體驗

華為品質寬帶智能運維解決方案通過提供家庭寬帶歷史事件回放，PON光路根因自動識別，Wi-Fi信道智能調優，質差用戶識別分析，網絡健康度評估和擁塞預測等手段，助力運營商實現從“以設備、網絡為中心”向“以用戶為中心”轉移，提升運營商的網絡差異化競爭力，提前發現并解決網絡問題，重塑品質寬帶新體驗。

此外，NCE平臺可以對不同業務特征（如帶寬、業務類型、使用頻度等）的用戶進行分組，對每個分組的峰值帶寬平均值按時間抽樣，建立預測模型分別進行流量預測，從而對運營商當前網絡進行健康度評估，還可以結合用戶發展趨勢，對寬帶提速、視頻碼率提升等業務升級提供網絡擁塞評估，支撐網建部門實施精準擴容。

隨著4K、VR、在線游戲等新家庭寬帶業務的逐漸普及，廣大用戶對運營商家庭寬帶的體驗要求也從單一的網速快，向超寬帶網絡、超清流暢視頻、全面Wi-Fi覆蓋、低時延游戲、快速解決故障等多維度轉變。傳統基于投訴驅動、依賴上門維修和人工經驗定位故障的被動低效運維模式，嚴重制約了客戶運維效率和客戶滿意度的提升，加之運營商網絡資源不可視，對家庭寬帶用戶網絡缺乏感知，以及有效的用戶維系手段等問題，導致運營商運維成本（OPEX）與網絡規模同步增長，甚至吃掉了運營商業務收入的三分之二，使運營商網絡的價值難以發揮，離網率居高不下。

AI和大數據在通信領域的應用，能夠為運營商帶來運營模式上的如下轉變：

對于ODN光路故障，華為品質寬帶智能運維解決方案通過在ONT和OLT上秒級采集光功率、誤碼、光距等20多種光路特征數據，將這些光路問題的特征進行抽象和挖掘，提取光模塊穩態、抖動、趨勢等特征，并將特征趨同的ONT進行聚類，由此學習到全網ODN拓撲，并輸入AI PON光路故障特征決策樹，結合華為百萬級故障庫和150多種接入故障模型持續比對、訓練，輸出80%以上精準度的故障根因分析結果，識別出污損、彎折、中斷等20多種故障，并在ODN拓撲上清晰標明故障段、故障根因，這樣就能做到排障有的放矢、避免錯單，同時對接工單系統根據設定的門限值支撐運營商自動建單。對于弱光用戶，通過采集收發兩端光路信息，結合AI算法進行根因識別和定界后，可以關聯用戶的業務體驗區分整改優先級，大幅提升整改效率，減少潛在故障申告。

面對上述挑戰，AI和大數據分析被視為打破OPEX與網絡規模同步增長魔咒的關鍵技術，在工業領域，AI已被廣泛應用于人臉、車牌識別、翻譯、醫療等領域，在通信領域，包括日本、英國和中國領先的電信運營商也已開始探索AI和大數據在故障診斷、預測方面的應用。