คัดลอกลิงก์แล้ว!
ธุรกิจการสื่อสารโทรคมนาคม , Careers Benefits , Data and Analytics

Near real time anomaly detection ตรวจจับความผิดปกติบนเครือข่ายสัญญาณได้ภายใน 5 วินาที

ในปัจจุบันมีการนำเทคโนโลยี AI มาใช้กันอย่างแพร่หลาย ไม่เว้นแม้แต่ในองค์กรใหญ่ที่นำระบบปัญญาประดิษฐ์นี้มาปรับใช้แก้ปัญหาภายในองค์กรด้วยกันหลายส่วน ไม่ว่าจะเป็นการตลาด  การบริการ การผลิต การวิจัยและพัฒนา (R&D) การบัญชีและการเงิน และอื่นๆ อีกมากมาย เนื่องจากหลายองค์กรเริ่มเห็นถึงประโยชน์ของการนำ AI มาใช้ในการสร้างมูลค่าให้กับธุรกิจทั้งทางตรงและทางอ้อม

 

ตัวอย่างความสำเร็จการประยุกต์ใช้ AI มาใช้แก้ปัญหาภายในองค์กรจากลูกค้าของเราในกลุ่มธุรกิจโทรคมนาคม

จากความต้องการใช้บริการสัญญาณโทรศัพท์ที่เพิ่มขึ้นอย่างต่อเนื่อง ทำให้ผู้บริการเครือข่ายโทรคมนาคมต้องเร่งพัฒนาเครือข่ายบริการ เพื่อตอบสนองต่อการใช้งาน โดยหนึ่งในส่วนสำคัญของการพัฒนาคือการจัดการระบบเครือข่ายสัญญาณให้มีเสถียรภาพ สามารถให้บริการได้อย่างมีประสิทธิภาพมากยิ่งขึ้น

 

ซึ่งความท้าทายหลักสำหรับการพัฒนาเสถียรภาพบนเครือข่ายของบริษัทโทรคมนาคม คือการวิเคราะห์การใช้งานเครือข่ายได้แบบ  Real – Time เพื่อตรวจจับเหตุการณ์ผิดปกติในสัญญาณเครือข่าย และแก้ไขได้อย่างทันท่วงที โดยมีเป้าหมายเพื่อป้องกันความล้มเหลวของเครือข่ายและเพิ่มประสิทธิภาพการให้บริการเครือข่ายสัญญาณแก่ลูกค้า ให้มีเสถียรภาพมากที่สุด

How we have helped

จากความต้องการพัฒนาเสถียรภาพเครือข่ายของลูกค้ารายนี้ G-able ได้เข้าไปดำเนินการใช้โซลูชั่นวิเคราะห์ข้อมูลขั้นสูงแบบ On-prremise โดยออกแบบให้สามารถวิเคราะห์ได้ตามความต้องการของลูกค้าอย่างครบวงจร

  • การวิเคราะห์ข้อมูลแบบเรียลไทม์: ดำเนินการตรวจจับรูปแบบการใช้งานที่ผิดปกติของเครือข่ายทุกๆ 5 วินาที เพื่อแจ้งเตือนทีมวิศวกรให้ตรวจสอบและวิเคราะห์สถานการณ์ได้อย่างทันท่วงที
  • End-to-End advanced analytics : ใช้การวิเคราะห์ขั้นสูงแบบครบวงจรตั้งแต่การรวมข้อมูล การประมวลผล และการใช้โมเดลการเรียนรู้ของเครื่อง (ML model pipeline)
  • ผู้เชี่ยวชาญด้านวิทยาศาสตร์ข้อมูลโดยเฉพาะ: เราได้จัดส่งนักวิทยาศาสตร์ข้อมูลเพื่อพัฒนาโมเดลการเรียนรู้ของเครื่อง (ML) ที่ปรับแต่งให้ตรงตามเป้าหมายทางธุรกิจเฉพาะของบริษัทโทรคมนาคม ทั้งการนำโมเดล ML มาใช้เพื่อระบุรูปแบบหรือค่าผิดปกติในข้อมูล (Anomaly Detection) รวมถึงสร้างวิธีการตรวจสอบเพื่อติดตามและตรวจจับการเปลี่ยนแปลงของโมเดลและข้อมูล (model drift และ data drift)

Impactful Outcomes

การนำระบบตรวจจับความผิดปกตินี้มาใช้ถือเป็นความก้าวหน้าครั้งสำคัญในการจัดการเครือข่ายสำหรับบริษัทโทรคมนาคม ช่วยให้สามารถบำรุงรักษาเครือข่ายได้อย่างเชิงรุกมากขึ้น ลดเวลาหยุดทำงานของระบบ (Downtime)  รวมทั้งสามารถให้บริการเครือข่ายได้อย่างมีประสิทธิภาพอย่างต่อเนื่อง โซลูชันที่ทาง G-Able ได้เข้าไปช่วยทั้งหมดนี้เป็นเครื่องยืนยันถึงพลังของเทคโนโลยีในการเปลี่ยนแปลงอุตสาหกรรมโทรคมนาคม สร้างความน่าเชื่อถือพร้อมไปกับประสิทธิภาพของบริการที่มากขึ้นอีกด้วย