کاهش هزینه در اپراتورها به کمک فناوری‌های هوش مصنوعی

فهرست:

شرکت‌ها و اپراتورهای مختلف دنیا به دنبال بهبود خدمات و ارائه سرویس­های متنوع به مشترکین خود هستند. افزایش تقاضا و حرکت به سمت نسل پنجم ارتباطی، باعث ایجاد فرصت­‌های فراوان برای کسب­‌وکارهای مختلف شده است. از طرفی چالش‌­های مدیریت هزینه و افزایش بهره­‌وری در اپراتورها بیش از گذشته احساس می‌­شود. در این مقاله ضمن معرفی چالش‌­های اصلی اپراتورها، نحوه کاهش هزینه به کمک فناوری­‌های هوش مصنوعی بیان خواهد شد. به طور مشخص، با پیاده‌­سازی اتوماسیون فرایند رباتیک (RPA) و خودکارسازی فرایندهای جاری در مدیریت شبکه و ارائه سرویس ضمن صرفه‌­جویی در زمان، هزینه نیروی انسانی و نگهداری تجهیزات به طور چشمگیری کاهش خواهد یافت. پس از معرفی، برخی از کاربردها و مصادیق استفاده از RPA در اپراتورها را بیان خواهیم کرد. استفاده از ظرفیت­‌های RPA به اپراتورها کمک کرده کیفیت ارائه سرویس را افزایش داده و به شرکت‌ها کمک می‌­کند تا در مسیر تبدیل شدن به کسب‌وکارهای دیجیتالی کارآمدتر و چابک‌تر شوند.

برای مقابله با این چالش‌­ها، ارائه‌دهندگان خدمات مخابراتی به توسعه اتوماسیون فرایندها روی آورده‌­اند. در واقع، مخابرات یکی از صنایعی است که گسترده‌­ترین سطوح پذیرش اتوماسیون فرآیند رباتیک[2] (RPA) را دارد. تولید فرایندهای رفع خرابی و پشتیبیانی از شبکه بصورت خودکار بر مبنای توسعه الگوریتم‌­های یادگیری ماشین و هوش مصنوعی است که تمایل به استفاده از آن امروزه در اپراتورها افزایش یافته است.

اپراتورها در توسعه سرویس‌­های خود جهت بهبود کارایی شبکه و چابک­‌سازی کسب‌و‌کارها به دو نکته توجه دارند: نگهداری وضعیت فعلی شبکه و توسعه سرویس­های نوین. در این شرایط، RPA یک گزینه پیشنهادی نبوده و بلکه مسیر اجباری برای اپراتورها است. زیرا مدیریت پویا در سازماندهی خدمات با حجم و پیچیدگی زیاد و در عین حال تحلیل و بررسی همزمان تعداد زیادی از داده­ها و پارامترها و شاخص های عملکردی کلیدی[3] (KPI) نیازمند استفاده از هوش ماشینی است. استفاده از فرایندهای خودکار ضمن افزایش مزیت رقابتی به اپراتورها، این امکان را فراهم می­سازد در تمامی بخش­‌ها و زیرمجموعه‌­های شبکه از آن استفاده کرد.

در کنار چالش­‌های فوق، استفاده از نسل پنجم مخابراتی و فرصت­‌های پیش روی اپراتورها، امکان تعریف طیف وسیعی از کسب‌وکارها را فراهم ساخته است. این موضوع، همراه با این واقعیت که نسل­‌های دوم تا چهارم هنوز هم وجود دارند و هنوز هم نیاز به فعالیت در کنار نسل پنجم داشته مدیریت سرویس و شبکه را پیچیده کرده است. این عوامل در کنار سایر چالش‌­های اپراتور بطور خلاصه در شکل 1 نشان داده شده است. با ارزیابی موارد کلیدی شکل 1 یک نتیجه مهم حاصل می­‌شود و آن این است که مدل فعلی (و عموماً سنتی) در بهره‌­برداری شبکه در دنیایی که در حال حرکت به سمت 5G بوده محکوم به فناست. بنابراین اتوماسیون گامی حیاتی برای مدل عملیاتی جدید خواهد بود و به‌کارگیری اتوماسیون در مدیریت شبکه و سرویس و مشترکین گام اصلی خواهد بود.

در مراجع مختلف [1، 2] علاوه بر RPA، دو نوع دیگر هوشمندسازی در صنعت تلکام تعریف شده است که عبارت‌اند از: هایپراتوماسیون[4] و خودکارسازی فرایند شناختی[5] (CPA). در ادامه مقاله به معرفی RPA پرداخته و فرصت­‌های پیش­رو در استفاده از آن و بهینه‌سازی و مدیریت منابع بیان خواهد شد.

همان‌طور که پیش­تر اشاره شد، RPA به مجموعه ابزارها و نرم­افزارهایی گفته می­شود که هدف آن خودکارسازی فرآیندهای تکراری و مبتنی بر قوانین است که معمولاً توسط افرادی که جلوی رایانه نشسته‌­اند انجام می­‌شود، ربات‌های نرم‌افزاری با تعامل با برنامه‌های کاربردی، درست مانند انسان، می‌توانند پیوست‌های ایمیل را باز کنند، فرم‌های الکترونیکی را تکمیل کنند، داده‌ها را ضبط و دوباره کلید بزنند، و کارهای دیگری را انجام دهند که شبیه عمل انسان است. ربات‌ها را می‌توان به‌عنوان یک نیروی کار مجازی در نظر گرفت که به مراکز پردازش میانی و پشتی در بخش پشتیبانی اختصاص داده شده‌اند. همچنین برنامه‌هایی وجود دارد که نرم‌افزار به کارکنان بخش مشترکین کمک می‌کند.

مزایای بالقوه RPA بسیار زیاد است. به کمک آن­ها می­توان هزینه‌­ها را با انتخاب بهینه منابع کاهش داد، خطای تشخیص و پاسخ به رویداد را کاهش داد، کیفیت ارائه خدمات را بهبود داد، زمان انجام عملیات را کاهش داد، مقیاس‌پذیری عملیات را افزایش و تطبیق رویداد با خرابی­‌های گذشته را بهبود داد. به عنوان مثال، یک بانک بزرگ، فرآیند مطالبات و درخواست­‌های اداری خود را بازطراحی کرد و 85 ربات نرم افزاری را به کار گرفت که 13 فرآیند را اجرا می­‌کردند و 1.5 میلیون درخواست را در سال مدیریت می‌­کردند. درنتیجه، بانک توانست ظرفیتی معادل حدود 230 کارمند تمام وقت (مجازی) با تقریباً 30 درصد هزینه جذب کارکنان بیشتر، اضافه کند. فراتر از خودکارسازی فرآیندهای موجود، اپراتورها از ربات‌ها برای پیاده‌سازی فرآیندهای جدید استفاده می‌کنند که بدون استفاده از آن پیاده­سازی فرایندها غیرعملی هستند. از این جهت، سرمایه­‌گذاری فراوانی در سال­‌های اخیر برای توسعه این ربات­‌ها انجام گرفته است. مطالعات اخیر نشان می­‌دهد که اپراتورهای دنیا در چندین حوزه توسعه زیرساخت‌های نرم­‌افزاری مبتنی بر RPA، شبکه‌­های خودسازمان‌ده[6] (SON)، مجازی‌­سازی شبکه و پیاده‌سازی فرایندها به کمک الگوریتم‌­های یادگیری ماشین[7] (ML) تمرکز دارند [1، 2]. شکل 2 حجم سرمایه­‌گذاری حوزه­‌ها را در امسال و سال­‌های آتی میلادی نشان می‌­دهد.

سرمایه­‌گذاران اولیه در زمینه اتوماسیون در حال حاضر اطمینان بیشتری از مسیر خود داشته و توانایی­‌ها و قابلیت‌­هایی را که اتوماسیون در شبکه ایجاد کرده را تصدیق می‌­کنند. این را می­‌توان در شاخص‌­های مربوطه مانند کاهش هزینه، افزایش کارایی و بهره­‌وری، ارائه خدمات ثابت، زمان سریع رفع خرابی و بهبود تجربه مشترک مشاهده کرد.

یکی از ایده­‌های پیشرو که اپراتورها با خودکارسازی فرایندها به دنبال آن هستند، افزایش کارایی در کل زنجیره است که شامل پیاده‌­سازی و تامین شبکه‌­های مدرن است. اتوماسیون به تدریج بسیاری از شیوه‌­های قدیمی پرهزینه و وقت­‌گیر مربوط به پیکربندی تجهیزات دستی، عیب‌­یابی و نگهداری را از بین می‌­برد و هزینه عملیاتی را تا حد زیادی کاهش می­‌دهد. کاهش خطر خطای انسانی و بهبود عملکرد شبکه نیز از مزایای دیگر آن بوده و به یک شبکه خودکار، امکان یادگیری و بهبود مداوم دقت را می­‌دهد.

شکل 3 نشان می‌­دهد که چگونه استفاده از RPA و ابزارهای اتوماسیون به اپراتورها مزیت داده و در مدیریت بهینه منابع و کاهش هزینه­‌ها هنگام نگهداری شبکه کمک می‌کند. لازم به ذکر است که استفاده از RPA اصلاً باعث حذف ناظر انسانی نمی‌­شود، و کارهای تکراری خسته‌­کننده را به‌صورت خودکار و با دقت بالا انجام خواهد داد. برای برخی فعالیت‌­های پیچیده­‌تر شامل ارزیابی منابع مختلف داده، استفاده از داده‌­های غیرساختار یافته، مذاکره با ذی‌نفعان یا مشترکین و تکمیل چک‌لیست­‌های کامل‌­تر هنوز هم نقش نیروی انسانی خبره در اپراتورها راهگشا خواهد بود.

پرواضح است که استفاده از RPA زمان بررسی خرابی­ها، مدیریت سرویس و پاسخگویی به مشترکین را بسیار بهینه خواهد کرد. اما درنهایت ناظر انسانی بایستی خروجی­‌های تهیه شده توسط ماشین را اعتبارسنجی کرده و از آن در تهیه گزارشات بالادستی استفاده کند. هم‌اکنون از این راهکار برای پیاده­‌سازی سیستم­‌های SON در بخش‌­های مختلف اپراتورها شامل RAN، OSS، طراحی شبکه و بهینه‌­سازی به‌طور گسترده استفاده می‌­شود. برای پیاده‌سازی RPA شش گام اولیه و اساسی صرف نظر از اولویت در نظر گرفته می‌­شود [3]:

  • تمرکز بر روی  کاربردها[8]
  • ماشینی­ سازی تغییرات (و خرابی­‌ها)
  • پیاده‌سازی زیرساخت ‌های ابری و اتصال آن به تجهیزات/سرویس‌ها
  • ترکیب الگوریتم ­های مبتنی بر قاعده و یادگیری ماشین (ML)
  • ترکیب مهندسین با اپراتورها
  • توسعه تیم‌های تحقیقاتی و استفاده از ایده­‌های مرتبط با هوش مصنوعی و تحلیل داده

نقطه شروع اتوماسیون انتخاب چندین use case و پیاده­سازی فرایندهای خودکار با استفاده از رویکردهای چابک بر روی آن است. آنچه برای اپراتورها ضرورت دارد، الویت‌­بندی این use caseها و مدیریت تغییرات است و بدون آن توسعه زیرساخت­‌ها و مدیریت بهینه هزینه‌­ها اتفاق نخواهد افتاد. در بخش بعدی برخی از use caseهایی که اپراتورها در نگهداری شبکه با آن مواجه بوده را بررسی می‌­کنیم که لازم است برای خودکارسازی اولویت­‌بندی کنند.

اصولاً اپراتورها به دلیل ماهیت اصلی خود به دنبال نگهداری شبکه و ارائه خدمات به مشترکین هستند. از این دیدگاه موارد استفاده از اتوماسیون را می‌توان به سه خانواده یا دامنه بزرگ تقسیم کرد [3 – 5]:

در این مقاله به معرفی RPA به عنوان یکی از مهم­‌ترین شاخه­‌های هوش مصنوعی پرداخته و نحوه به‌کارگیری آن در اپراتورها را بیان کردیم. همچنین تفاوت استفاده از فرایندهای دستی و خودکار را بیان کردیم و مشاهده شد که با پیاده‌سازی RPA، زمان ارزیابی خرابی­‌ها کاهش یافته می­‌یابد. زیرا مهندسین وقت خود را درگیر تمامی خرابی­‌ها نکرده و تنها به مدیریت سطح بالای مشکلات می‌­پردازند. از طرفی با بهینه‌­سازی ظرفیت تخصیصی به منابع سخت‌­افزاری عمر مفید تجهیزات افزایش یافته و خود به صرفه‌­جویی در CAPEX کمک شایانی می‌­کند. از دیدگاه ارائه سرویس نیز با افزایش سرعت پاسخگویی به مشکلات، و عیب­‌یابی سریع و خودکار به مشترکین تجربه بهتر و مفیدتری ارائه می­‌دهد. درنهایت برخی از مصادیق استفاده از RPA در بخش‌­های مختلف اپراتور بیان شد.


پی‌نوشت

[1] Internet of Things

[2] Robotic Process Automation

[3] Key Performance Indicator

[4] Hyper-automation

[5] Cognitive Process Automation

[6] Self-Organized Network

[7] Machine Learning

[8] use case

مقالات مشابه

اینترنت اشیاء

دوقلوی دیجیتال؛ بازوی توانمندساز انقلاب صنعتی چهارم

علیرغم پیشرفت‌های شگرفی که در راستای تجزیه و تحلیل داده‌های پیچیده صورت گرفته است، همچنان بسیاری از رویکرد‌ها و برنامه‌ریزی‌های راهبردی سازمان‌ها توسط مدیران ارشد صنعت وابستگی قابل تأملی به

رصد فناوری

آینده اپراتورهای مخابراتی با هوش مصنوعی مولد: از فرصت‌های نوین تا چالش‌های کلیدی

چکیده:ظهور هوش مصنوعی مولد هم فرصت است و هم چالش. مکنزی پیش‌بینی کرده است[1] که هوش مصنوعی مولد Gen-AI[2] ضمن افزایش بهره‌وری کلیه مدل‌های به‌کارگیری هوش‌مصنوعی، بین 2.6 تا 4.4

رصد فناوری

اتوماسیون سیستم‌های پشتیبانی شبکه و عملیات با کمک هوش مصنوعی مولد

چکیده: سیستم‌های پشتیبان عملیات[1] عضوی اساسی در شبکه‌های مخابرات سیار هستند که وظیفه آن‌ها پایش و هماهنگی مشتریان، خدمات، منابع، فرآیندها و فعالیت‌های شبکه است. با توجه به رشد روزافزون

پیمایش به بالا