IA sobre Redes Banda Larga

Fase I - Estudo

Objetivos

O objetivo de fazer as redes de telecom autônomas é com a finalidade de ter baixos custos para competir no mercado, evoluir mais rapidamente e depender menos de pessoas. Com isso teremos IA como correção preventiva, não apenas reativa (monitorando vários parâmetros e correlações para impedir de um incidente acontecer), sendo assim um processo mais eficaz e minucioso para esse propósito temos as seguintes variantes:

Self healing (rede de autocura) → rede artificial arruma o problema sem um humano. Ex: IA detecta a inconsistência na rede e executa pela automação o script para resolver, se não o engenheiro arruma.

Self optimization → não há um problema na rede, apenas reconfigura para tornar melhor. Ex: calcula a rota de forma automática.

Self configuration (ZTP) → autoconfigura a rede para o cliente.

Para o projeto iremos utilizar os dados gerados pelo CX BL, o qual gerencia a experiência do cliente e um MVP de IA que aprende com os dados de telemetria da banda larga

E por que não utilizar somente a automação? Sem a IA aplicada o processo fica travado, dependendo de pessoas e não evolui com o tempo.

Conceito

IA (Inteligência Artificial) constrói máquinas capazes de pensar, agir e aprender como seres humanos.

IMS é uma estrutura arquitetônica baseada em padrões com objetivo fornecer serviços de comunicação multimídia, como voz, vídeo e mensagens de texto em redes IP.

TR-069 é um protocolo de gerenciamento usado para facilitar a comunicação entre dispositivos, como um roteador Wi-Fi e um servidor, podendo enviar comandos para o dispositivo a distância, para que esse seja seguro, deve ser usado em conjunto com opções de encriptação e autenticação SSL/TLS. Benefícios do protocolo:

• Controle remoto de CPE’s (equipamento instalado no cliente);
• Melhor gerenciamento de redes de banda larga com maior visibilidade e controle de CPE’s;
• Coletar dados de análise de uso e atividade da rede e utilização do serviço;
• Permitir o uso de serviço de controles de dados como Wi-Fi, filtros de conteúdo, controle parental, backup e vigilância a distância;
• Gerência remota, que permite a instalação de firmware a distância e reduz a necessidade de visitas presenciais a clientes;
• Atualizações automatizadas.

A implementação da IA nos sistemas de rede banda larga irá utilizar informação de dados do CXBL.

CX é conjunto de percepções e impressões que um consumidor possui sobre uma determinada empresa após interagir com ela em todas as etapas.

CXBL é a solução e cases voltados para o gerenciamento de experiência de uso do serviço banda larga na jornada do consumidor, onde se tem várias dores como:

• Baixa experiência de velocidade UBL sem saber diferenciar qual era o problema, se de rede, do Wifi ou de dispositivos.
• Percepção de reatividade na detecção de problemas banda larga ou adequação de demandas de produto. Exemplo: usuário tem que fazer uma reclamação do produto, a Algar não faz isso de forma proativa.
• Instabilidade no serviço em momentos importantes sem claro diagnóstico ou soluções definitivas até mesmo dos profissionais de atendimento.
• Alto esforço do cliente e percepção ruim para solução de alguns problemas técnicos, com repetições de solicitações. Exemplo: várias ligações com objetivo resolver um problema.
• Não conhecimento preventivo da experiência de uso de cada comprador BL para medidas antecipadas. Exemplo: quantos dispositivos a pessoa possui.
• Volume relevante de reclamações de problemas que poderiam ser resolvidos preventivamente e remotamente. Exemplo: canal de Wifi.
• Percepção ruim do cliente no serviço banda larga devido à falta de diagnóstico assertivo e prévio sobre problemas fora do escopo do produto contratado.
• Falta de informações do perfil de uso do cliente para ajuste de ofertas, captura de oportunidades e soluções para garantia de experiência.

Porém temos algumas lacunas do gerenciamento CX que é o QoE (Quality of Experience → monitoramento da real percepção do cliente no uso) e o QoS (Quality of Service → monitoramento do serviço por cliente), mas em compensação temos vários dados sobre o VoC (Voz do Cliente → define as decisões da compra) e dos KPIs (Indicadores técnicos de rede e operacionais). Os objetivos da implantação são:

• Conhecer e garantir a experiência de uso aos clientes
• Atuar preventivamente nas etapas da jornada
• Fortalecer iniciativas que melhorem a experiência, reduzam SLA (Service Level Agreement → acordo ao nível de serviço. Exemplo: o quanto tempo o serviço pode ficar indisponível) e custos
• Extrair valor do conhecimento do perfil de uso: Personalização
• Priorizar soluções de dores dos consumidor que mais impactam o negócio

Suas funciocionalidades:

• Medir e armazenar base de dados de tráfego BL por cliente CPE (Costumer Premises Equipment→ equipamento que fica na casa do usuário):

• Velocidade Downlink /Up
• Latência e falhas
• Quantidade de sessões
• Aplicação e devices conectados
• QoE (Quality of Experience → score da experiência de uso)

• Coletar e atuar na configuração do modem/ambiente Wifi remotamente:

• Gerenciamento APs (Acess Point → equipamento na casa do cliente) / Wifi
• App Auto cuidado
• Dispositivos e perfil
• Otimização Wifi automática
• App auto-diagnóstico e interface CRM (Costumer Relationship Mangement → atendimento ao cliente)
• Controle parental (Exemplo: fechar acesso a sites) / Redes de visitantes (evita que alguém externo entre na rede)

• E também o foco dessa pesquisa que é implementar ML/Analytics para determinar:

• Clusterização perfil uso
• Perfil uso / Perfil oferta (Saber para quem oferecer novas ofertas)
• Previsão de falhas de redes
• QoE Uso vs Modelo Churn

IP é principal protocolo de comunicação responsável tanto pelos formatos quanto pelas regras de troca de dados e mensagens entre computadores de uma ou várias redes conectadas à internet.

Características 

• Ideia:
  • Vinculado à tese de Mestrado: Prof Flávio (Artigo para leitura)
  • Objetivo incial: Potencializar pesquisa sobre acesso BL
  • Proposta: Criar um prototipo em Python de uma solução de IA
  • Prover condições para auto diagnóstico de rede (self optimization - self healing)
  • Base de dados real da rede Banda Larga
  • Foco: aplicado na casa do cliente
  • Ex: WiFi está congestionado: Muda a frequência
    • Tem que trocar um parametro do modem porque desse jeito está com autoprocessamento
  • De onde virão os dados: inputs do modem de BL
  • O que fazer: a solução identifica estes parametros e toda vez que identificar sugere uma correção. É um aprendizado supervisionado
  • Roteiro: Desenvolver uma solução de IA em Python sobre uma base de teste e posteriormente implantar na rede
  • Quem tem a Base de Dados? CXBL - Henrique Omena
  • Quem é especialista nos parametros da rede? Felipe Oliveira Franco (Cientista de Dados)

Estudo Dirigido

Foi Primeiramente feito uma revisão de algumas partes da estatística:

Resumo estatística

Após esse estudo foi feito uma pesquisa sobre Inteligência Artificial:

IA em cada país

Diferença entre IA, ML e DL

Como criar uma IA

Exemplo de IA para code review

Dados sobre quantas empresas com gestão de dados usam IA

Análise de Dados com IA

GÉRON, Aurélien. Mãos à Obra: Aprendizado de Máquina com Scikit-Learn, Keras & TensorFlow. 2ª.ed. Rio de Janeiro: Starlin Atla, 2021.

Estudo sobre IMS:

IMS

Video de como funciona uma ligação

TR069:

O que é e como funciona o TR069

CXBL:

CX na Algar

CXBL na Algar

CX

Protocolo IP

O que é

Fase II - Ensino

Conteúdo

Desenvolva um conteúdo que possa transmitir o conhecimento adquirido para outros
Crie um material (Wiki, PDF, PPT, ...) que possa ser armazenado e facilmente atualizável

Apresentação

Apresente ao grupo (reunião, EAD, Blog, ...)
Publique aqui

Metodologia

Descrevas as metodologias usadas. Alguns exemplos:

Estratégia de Job Rotation
Estudos básicos para conhecimento do potencial
Estudos básicos para entendimento sobre o problema
Estudos para dar base aos pesquisadores
Benchmarking com empresas estrangeiras 
Aceleradoras de empresas
Adoção de novas tecnologias
Utilização da proposta de soluções Open-source
Priorização no desenvolvimento interno
Foco na não dependência de fornecedores
Prática de formação dos talentos necessários 

Hipóteses

 Que questões envolvem a pesquisa? 
O que se espera provar?
O que se espera como resultado?
Explicações e argumentos que subsidiem a investigação em curso

Fase III - Exemplo de Caso de Negócio

Product Backlog

Descreva os requisitos deste projeto

Benefícios para quem for oferecer esta solução

    Descrever em tópicos os benefícios que uma pessoa ou uma empresa podem obter: ganhos, receitas, novos negócios, novos produtos, novas parcerias

Benefícios para o usuário

    Descrever em tópicos os benefícios para os usuários desta solução.
    Pode se inspirar no Canvas.

Direcionadores chave para esta iniciativa

    Descrever em tópicos o que esta iniciativa pode proporcionar

Possíveis modelos de negócios

    Descrever em tópicos os possíveis modelos de negócios

Business Case

• Case 1: Capacidade de Backbone todos os trafego de produtos passam por aqui (Denner)
  • Qual a dor que a área possui hoje?

O Backbone mexe com diversos dados de vários produtos, as variáveis são utilizadas para haver uma projeção futura de quanto será disponibilizado para cada lugar, mas dependendo da localidade e do item há pouca quantidade de dados, o que pode tornar a Inteligência Artificial não tão vantajosa, pois não teria informações suficientes para que a máquina aprenda sobre um padrão, o que faz a técnica ser menos precisa. Por outro lado, o sistema atual de coleta de dados, o shadow IT (uma ferramenta não oficial da empresa, desenvolvida pela própria área), implica na falta de manutenção do produto, o que pode gerar perda de dados, outro ponto é que área ainda não consegue inserir outras informações importantes, como as pesquisas mercadológicas para o cálculo das projeções (atualmente usam-se somente informações de marketing durante o planejamento de capex).

• O que pode ser feito para gerar um resultado interessante?

Para gerar melhor desenvolvimento para área, pode ser necessário aplicar IA em apenas alguns produtos em que há informações em quantidades satisfatórias, além de reunir dados em um lugar confiável e de fácil manutenção e conseguir implementar a utilização de dados mercadológicos.

• Case 2: Capacidade de Banda Larga (Flávio de Souza)
  • Qual a dor que a área possui hoje?

Há uma abundância de dados referentes ao uso da banda larga e vários índices desse produto, como a taxa de penetração de diversos lugares. As dores desse setor é ter a maior assertividade possível nas previsões de esgotamento de equipamento, dificuldade de coleta e tratamento de dados, além de problemas em relação à coesão de dados de diferente lugares. Ao ajustar essas informações, podem futuramente interferir de forma positiva não somente no local de uso, mas também no Backbone, pois é um dos meios trabalhados pela área.

• O que pode ser feito para gerar um resultado interessante?

As propostas são de melhorar a previsão de esgotamento da banda larga para o decorrer do tempo, saber se o recurso é necessário para atender o mercado atual e futuro, reunir os dados em um único lugar com fácil acesso e com as devidas interligações, outro ponto interessante é a análise de combinação de dados e quais alterações a IA pode fazer para que as informações sejam assertivas.

• Como é entregue o serviço banda larga?

Na Algar o serviço é entregue por fibra ótica, onde tem várias POP/estações (lugar próprio com equipamentos de telecomunicação) para a internet funcionar, de lá sai uma fibra ótica e vai indo para os postes até chegar ao mais próximo do cliente e assim sai um equipamento de ONT/ONU (modem) que a fibra vai ligada e faz a comunicação com tudo para trás.

Detalhe do caminho da Rede

• Case 3: Palestra Fabiola

• Qual a dor que a área possui hoje?

Reclamações de clientes muitas vezes não são visualizadas, visualizar um possível erro antes mesmo de acontecer e identificar um problema recorrente e o motivo dele acontecer.

• O que pode ser feito para gerar um resultado interessante?

Categorização de reclamações de clientes com dados em linguagem natural, analisar padrões de erros para prever um futuro problema e corrigi-lo e saber exatamente quando precisara de uma mão de obra em específico.

• Case 4: Redes Banda Larga (Felipe e Enock)

• Qual a dor que a área possui hoje?

Clientes fazem diversas ligações para a Algar com problemas no modem ou relacionado a internet, como lentidão e travamento. Outro ponto é a necessidade de muitas pessoas especializadas para arrumar o empecilho, aumentando os custos da empresa.

• O que pode ser feito para gerar um resultado interessante?

Desenvolver uma aplicação baseado em IA a partir de uma base de dados possa aprender e preventivamente atuar, melhorando a experiência do cliente.

Alinhamento com Lei do Bem

• Projeto possui algum elemento tecnologicamente novo ou inovador?

Elemento tecnologicamente novo ou inovador pode ser entendimento como o avanço tecnológico pretendido pelo projeto, ou a hipótese que está sendo testada

• Projeto possui barreira ou desafio tecnológico superável?

Barreira ou desafio tecnológico superável pode ser entendido como aquilo que dificulta o atingimento do avanço tecnológico pretendido, ou dificulta a comprovação da hipótese

• Projeto utiliza metodologia/método para superação da barreira ou desafio tecnológico?

Metodologia/método para superação da barreira ou desafio tecnológico pode ser entendido como aqueles atividades que foram realizadas para superação da barreira ou do desafio tecnológico existente no projeto

• Projeto é desenvolvido em parceira com alguma instituição acadêmica, ICT ou startup?

Se sim, o desenvolvimento tecnológico é executado por associado ou por alguma empresa terceira? qual o nome da empresa? 
Anexar cópia do contrato

Fase IV - Protótipo orientado ao Negócio

Escopo

Explique o escopo deste protótipo

Limitações

Informe sobre as limitações técnicas, comerciais, operacionais, recursos, etc.

PoC

Desenvolva um PoC (Proof of Concept)

Privacidade (LGPD)

• Avaliar condições referentes à Lei Geral de Proteção de Dados

Detalhamento Técnico

Descreva especificamente os aspectos técnicos desta pesquisa

Histórico

• Kick-off - 05/01/2023:
  • Gessyca, Felipe Franco, Enock, Luiz Cláudio, Marcus Vinicius
  • Desafio: autonomia na operação de redes de telecom. Conceito de SDN - Software Defined Network. Self-optimization, Self configuration (Zero Touch Provisioning) e Self-Healing. FO, BL, backbone, metro, celular, voz, fixa.
  • Foco: Redes Autônomas. Criar automação com inteligência
  • Automações pró-ativas. Ex: auto-cura de rede. Incidente na rede BL. um problema no modem leva o sw a identificar o caso, toma uma decisão e executa um comando. Porém se puder ser proativo e puder antecipar uma ação corretiva é o ideal.
  • CXBL: Caso de uso. TR-069 como exemplo sem IA
  • Case: Dados reais de uma operadora aplicando IA. TR
  • P&D: MVP de uma IA que aprendesse com os dados que vem da telemetria BL, premissa - par incidente solução treinar uma rede neural se identificar que este é um tipo de acidente sabe a ação a ser feita. Se tiver assertividade pode implementar uma ação preditiva.
  • BD: exportar de algum local = Felipe. Preocupação com a LGPD
  • Linguagem: Python com Pandas, etc
  • Automação: usar TR-069
  • Case inicial: Estudar opções do CXBL
  • Escopo: ssid do modem com 5 cel 2 smartv no 2.4, sistema percebe que suportam 5 mhz. Automat muda pra 5 mhz. Assim melhora a experiência do cliente. Para isso tem que aprender com os parâmetros e gerar uma ação.
  • Formação:
    • Disponibilidade: 30 minutos/semana
    • Treinamento: Montar material com Felipe

Pesquisadores

• Gessyca Carneiro Bernardes
• Felipe Oliveira Franco
• Enock Cabral Almeida Vieira