[发明专利]一种基于大数据的网络设备故障维修方法

说明书

本发明涉及电信网络运维技术领域，提供了一种基于大数据的网络设备故障维修方法，包括：获取网络设备的故障数据，通过故障案例库判断故障等级和故障类型，输入预训练的资源调度模型，与维护人员标签库匹配，输出初选维护人员名单，与维修资源点位库匹配，输出初选维修资源点位；根据故障设备位置坐标输出初选维修资源点位到故障设备的距离，获取待调度资源点位；向维护人员下发故障工单，故障工单包括故障等级、故障类型、待调度资源点位以及路线；获取维护人员的维修结果，判断故障是否消除。本发明通过大数据及资源动态调度算法，实现维护资源的高效调配、高效利用，保障网络故障的及时响应，提升网络故障处理的及时性及闭环率。

技术领域

本发明涉及电信网络运维技术领域，尤其涉及一种基于大数据的网络设备故障维修方法。

背景技术

电信网络作为信息化的基础设施，是信息化发展的基石，其运行的稳定性至关重要。由于电信网络涉及设施种类繁多、规模庞大、站点分散，对维护网络资源的时间投入、人力投入及故障排除时效上要求较高。

目前，现有网络维护模式中，网络设备故障通常都是被动发现的，而不能实现对隐患的主动排查；往往都是在用户在经历故障后投诉进而触发对故障的排查程序，或通过人工对累积的网络设备故障数据进行分析后发现设备隐患。一旦遇到突发的安全事故或网络负载的大幅波动，这时网络设备的隐患往往容易演变为集中爆发的故障，网络维护人员将被迫忙于“救火式”的网络抢修工作。

当前对设备故障的发现手段落后，设备问题的定位滞后；且缺乏远程故障检测、预警能力，且对于累积的隐患，容易在网络负荷大的时期导致区域性的网络故障，故障范围越大，技术人员的维修工作就越难实施，会对当地的维护造成不小的压力，进而容易导致用户对网络服务的不满；且在大规模的故障发生后，技术人员人数往往不足，不能及时的进行维修，故障工单的形成、派发、处理、闭环、及时性及流转的效率低，完全取决于维护人员的工作能力及积极性，受工作人员主观能动性影响较大，且不同技术人员的技能水平不一致，距离待维修地点的距离也不相同，难以在短时间内针对大规模故障对有限的维修资源作有效的调配。

发明内容

本发明提供一种基于大数据的网络设备故障维修方法，用以解决现有技术中只能被动检测故障、难以实现主动维修、维修资源调配困难且维修效率低的缺陷，克服了传统方法不能针对故障进行预防性维修的缺陷，避免人员调配不合理导致的维修质量下降，实现对故障的主动维修，并基于预设的资源调度模型实现对维修资源的调配管理，选取最合适的维修人员以及最近的维修资源站点，从而提高主动维修的效率。

本发明提供一种基于大数据的网络设备故障维修方法，包括如下步骤：

S1获取网络设备的故障数据，获取故障设备位置坐标；基于预设的故障案例库判断故障等级和故障类型；

S2将所述故障等级和故障类型输入预训练的资源调度模型，将所述故障等级和故障类型与维护人员标签库进行匹配，输出初选维护人员名单，与维修资源点位库进行匹配，输出初选维修资源点位；

S3根据所述故障设备位置坐标输出各个初选维修资源点位到故障设备的距离，选取距离最短的初选维修资源点位作为待调度资源点位，并根据资源调度模型输出待调度资源点位到达故障设备的路线；

S4向所述初选维护人员名单中的任一维护人员下发故障工单，所述故障工单包括所述故障等级、所述故障类型、待调度资源点位以及所述路线；

S5获取维护人员的维修结果，判断故障是否消除。

根据本发明提供的一种基于大数据的网络设备故障维修方法，步骤S2中，获取初选维护人员名单后，获取每个初选维护人员的待办工作量，并获取每个初选维护人员到达所述故障设备位置坐标的距离，根据待办工作量和初选维护人员到达所述故障设备位置坐标的距离进行加权计算，输出选定的维护人员。