随着 5G 第一个标准规范 R15 的正式发布和 5G 试商用网络的大规模建设，业界对 4G/5G 网络共建共享、融合管理赋予了新的使命。由于 5G 网络引入了新的核心技术，如子网切片、网络功能虚拟化、边缘计算等，4G/5G 网络管理运维的自动化、极简运维概念也开始备受推崇。

为满足未来网络技术演进和管理运维的新需求，中兴通讯推出新的网管软件架构。新的软件架构基于 PaaS 平台，提供灵活的微服务和容器化开发、能力开放等能力。新的架构寓意为开放使能系统（Openness Enable System），简称为 OES 架构。基于 OES 架构和 4G/5G 融合管理需求，我们重新设计了新一代无线网管 UME（Unified Management Expert，UME）系统。

新系统（以下简称为 UME 网管）提供统一的 WebUI 入口，开放 API，提供统一的集中管理能力，支持 2G/3G/4G/5G 网络融合管理，集成 VNFM 和 NSSMF 管理能力，具备对 VNF 生命周期管理和 5G 网络子切片管理能力，提供网络智动运维应用，实现运维自动化。

 4G/5G 网络融合管理核心能力 

UME 网管为解决历史网络管理问题和老网管的能力缺陷，引入了四大核心管理能力。UME 网管的设备管理能力更强大，同时具备网络智能运维和敏捷交付能力。

统一接入管理，开放的南向架构 

UME 的南向网元管理应用设计了南向架构（见图 1）。南向接入层分为南向接入框架和协议适配器；

南向访问服务则提供统一的 API 接口服务能力，屏蔽多种网元的差异。因此，南向架构具备开放的网元设备接入管理能力：

－基于插件和微服务架构，通过开发多种适配器，能够灵活接入不同类型网元；

－向应用层屏蔽通信协议差异，在南向访问服务提供统一的访问原语；

－通过适配器管理组件进行协调，使得不同类型网络的接入互不影响，支持水平扩展。

数据采集管理：数据同源、开放

网络管理，数据是一切运维和优化的基石。4G/5G 融合网络，各种新业务层出不穷，对系统和业务运行状态数据的采集需求更高，数据采集的一致性、准确性、实时性，都是必要条件。同时还要求数据采集的接口统一和简化，支持不同类型、不同版本网元的数据采集。

－数据同源

数据源根据自身的业务特性上报一份数据，后续的数据采集服务，根据数据需求加工成不同粒度不同业务视角的输出，输出的不同数据类型保证一致性、准确性。同时根据数据输出形式不同，分别提供不同的上报通道，保证数据实时性。按照上报的数据量、实时性要求，对不同通道提供不同数据上报保障能力。

－基于模型驱动的统一采集

基于数据同源，采用模型驱动方式来提供统一的数据采集管理服务。

基于统一的数据采集模型，数据采集服务向数据使用者提供统一的数据订阅接口。根据数据采集模型定义不同的接入网元类型，将网元采集能力实例化。

数据采集管理通过加载采集模型，一方面根据模型定义采集处理过程；另一方面向数据订阅者提供准确的数据能力描述。对于差异化网元，通过模型描述的采集适配服务，保证对外呈现统一的数据订阅接口。

－数据处理的能力扩展

基于统一的数据订阅接口，即可实现数据采集、数据描述、数据解析的统一。数据使用者则专注自身业务逻辑，按需订阅数据，实现自动化采集，从而在系统内催生出数据分析处理服务和应用。

全领域建模，模型驱动，敏捷交付

为了实现新 4G/5G 网元自管理，简化和标准化网管网元接口能力，我们推动了网元全领域建模研发实践，以及前后台解耦、网元模型 DevOps 的深入发展。

模型是对网元设备开放能力和功能特性的抽象定义，是管理核心，通过全领域建模来驱动前后台架构和方案设计，简化接口管理流程，便于快速敏捷交付和标准化管理。

网管和网元基于模型来驱动管理能力，这就是模型驱动。模型驱动可以进一步推动前后台业务解耦，如基于模型自动生成用户可操作的命令行。图 2 简要描述了前后台解耦在变更不同阶段的研发收益。

模型 DevOps，保证模型开发质量，提高模型开发效率。通过领域特定语言，对模型以代码可读的方式进行描述，像管理代码一样管理模型。模型 DevOps 贯穿模型开发整个过程。基于模型 DevOps，有效提升网元模型质量、模型文档自动化生成和模型一致性。

统一智能中台，智能应用遍地开花

UME 网管引入了无线智能中台。智能中台的共享服务对 4G/5G 网络中的数据（告警、性能计数器、信令等）进行模型建模和数据治理后，通过模型训练生成可推理的算法模型，基于算法模型在现场进行推理验证，驱动模型训练算法闭环。

图 3 描述了 UME 网管的智能中台架构。其中，前台应用包括两类应用，一类应用是直接给客户带来运营价值的应用；一类应用是探索类的，侧重于 AI 探索和功能开放。

智能中台主要包括三类服务：从上而下看，上层是面向前台应用的智能运营服务，下层是面向 4G/5G 网络数据的数据治理服务和训练推理计算服务，这三类服务引入大数据、人工智能和机器学习的计算能力和 AI 算法。

基于智能中台的前台应用有告警自动化专家、AI 探索、网络质量洞察等。这些前台应用的上线，将网络管理和运维从人力密集型向专家级/智能化发展，进而实现自动化目标。

 4G/5G 网络融合运维自动化 

无线接入网络的融合管理和运维是当前业界的一大核心诉求。基于我们对通信行业的理解、与客户的深入交流和课题合作，我们在新一代无线网管 UME 系统中进行了大量富有成效的管理运维的提效实践。

灵活制定策略规则，流程自动化

基于 ECA（Events-Conditions-Actions）模型，策略框架提供自动化处理流程：当网络事件（Events）满足设置条件（Conditions）时，会触发一个或多个操作（Actions）。

用户可以根据特定的业务场景（想法），使用网管提供的 API 接口，灵活制定出符合业务的策略规则。当策略框架加载这些规则后，业务能力将变得自动化，这个过程为客户带来如下价值：

－以事件驱动的手工运维都可以转换成基于策略的自动化运维，降成本，运维提效；

－灵活定制策略规则和规则包动态加载，加快网管需求响应速度，快速交付；

－搭建能力开放平台，用户定制灵活度高，通过共创形成生态圈。

基站告警自愈场景就是上述流程实施的典型场景。运维人员通过将基站告警的处理流程编写为策略规则，策略框架完成基站告警自愈。

极简开站，开站流程数字化

在开通流程中，4G/5G 站点选择、勘测设计、集成实施、竣工验收等环节，采用数字化方式，使用统一的开通服务器进行部署，可实现 4G/5G 站点数据的对接匹配和开通过程的高效协同。统一开通服务器，基于开通工作流，将开通任务执行过程以及开通自检等流程自动化，减少开通工程师的手工操作，保证站点数据的对接匹配和开通过程的高效协同，实现流程数字化管理。比如 PNP 站点开通的工作流程可简化成如图 4。

统一开通服务器未来支持手机开站 APP，提高基站开通的自动化程度，提高开通效率。

网络质量洞察，多维度自动化分析

－告警根因分析

告警根因分析，基于网络业务数据（告警、业务对象模型、网络拓扑等）和 AI 平台，实现网络故障的精准定位和溯源。告警根因分析能够在通信网络中实现对告警的实时采集和转换、集中监控，并对当前告警中的关键信息进行分析处理。

相比传统的故障溯源和故障处理，告警根因分析支持多数据源（性能数据、日志等）+侦测命令，使得故障溯源更加有效和实用，溯源结果也更加精确和具有可参考性；基于网络数据，智能化识别出业务知识和规则，可解决人工经验积累不足的问题。

－KPI 异常检测

传统习惯基于固定阈值方式判断指标小区异常，阈值设置常要适应各局点、不同时期、特殊活动等场景，阈值靠人工经验维护，异常识别有效性和准确率都难以保证。

KPI 异常检测是从大量时间序列 KPI 数据中，以智能算法分析关键指标（如 RRC 连接建立成功率、E-RAB 建立成功率、小区无线接通率等）时间序列的变化趋势，快速实现智能识别异常，及时发现话务突增突降（潮汐）、节假日现象对系统的影响，使得运维人员更精准地掌握网络性能，降低误报和错报异常，提升运维效率和质量。

－TOPN 差小区分析

系统基于模型驱动，隔离不同制式的差异，结合忙时和性能、告警、配置三类数据进行关联分析：自动识别问题小区，并快速提供重点问题小区（TOPN）列表；自动给出问题小区的问题类别及对应的根因类别、根因权重和分布；某些场景确定关联告警问题，给出参数修改建议，并自动触发参数修改以快速解决问题。

天线权值智能赋形，优化覆盖

天线权值自适应智能赋形，是系统通过复杂的数据分析和 AI 计算进行天线权值的自动调整，整个流程构建了一个「权值优化、权值生效、网络评估、权值回退」的闭环流程。其中，权值优化还可以分解为如下动作：自动组建小区协同、基于采集的 UE 数据进行数据分析、利用 AI 算法计算整体最优权值。

天线权值智能赋形在提供精准和快速的小区覆盖服务的同时，还可以减少小区间的干扰。天线权值优化覆盖，根据不同的应用场景和不同实施算法，采用不同测量优化机制，完成天线权值自动化调整。应用场景分为体育赛事、演唱会等场馆场景和商场、学校等通用场景。

版权声明：

凡本网内容请注明来源：T媒体（http://www.cniteyes.com）”的所有原创作品，版权均属于易信视界（北京）信息科技有限公司所有，未经本网书面授权，不得转载、摘编或以其它方式使用上述作品。

本网书面授权使用作品的，应在授权范围内使用，并按双方协议注明作品来源。违反上述声明者，易信视界（北京）信息科技有限公司将追究其相关法律责任。