Ugrás a tartalomra

Hírfolyam

„A BME multidiszciplináris tudására épül a hálózati rendszereket segítő innovációnk”

2021. 02. 11.

Telekommunikációs működési anomáliák jelzésére szolgáló fejlesztés nyerte el legutóbb a BME Pro Progressio Alapítványának Innovációs Díját.

„Évekig dolgoztunk azon, hogy a telekommunikációs hálózatokban megjelenő hibákat amilyen hamar csak lehet egy automatizmus ismerje fel, és ne kelljen a mérnököknek, operátoroknak a sok adat között elveszniük. A 2017-ben indult munkában Kovács Edith Alice, a BME Természettudományi Kar Matematika Intézet Differenciálegyenletek Tanszék vezetőjének ötlete volt, hogy az ún. kopulákat használjuk fel a feladathoz” – ismertette a Nokia Solutions and Networks  “Research Cooperation on Network State Transition Modelling and Prediction” című projektmegállapodás keretében megvalósult kutatás-fejlesztési, innovációs program célját Molontay Roland, a BME Természettudományi Karon működő Sztochasztika Kutatócsoport tudományos segédmunkatársa, a Human and Social Data Science Lab (HSDSLab) vezetője. A ma már a vállalati szférában alkalmazott „kopula alapú anomáliadetektáló eljárás” sikerét jelzi, hogy a Pro Progressio Alapítvány legutóbbi felhívásán megosztva 2019 legjelentősebb innovációs teljesítményének választotta.

Molontay Roland

„A bázisállomásokon, a telekommunikációs adótornyokban körülbelül száz különféle mutatót mérnek, amelyek a hétköznapi ember számára nehezen felfoghatók, de nekünk nagyon fontosak: például egy-egy hívás hány másodperc alatt épül fel, milyen minőségben stb. E fizikai telekommunikációs mennyiségeket nem feladtunk megérteni, ezek számunkra csak változók. Ha valami meghibásodik, a száz mérőszám elkezd furcsán működni, de az emberi szem ezt nem tudja átlátni. Nem arról van szó, hogy minden mennyiségnek van egy egészséges tartománya, és ha ebből kikerül, akkor bekövetkezik a baj, hanem arról: történhetnek jelentős ’kilengések’, amiről el kell dönteni, hogy problémát okozhat-e. Egy sportmérkőzésen például a közeli mobiltorony SMS-forgalma lényegesen megnőhet, ami a normál üzembe még beleférhet, tehát adott esetben az A mérőszám is nagy és a B is. A normálistól eltérő – anomáliás – működés – során viszont elképzelhető, hogy az A nagy, a B kicsi, tehát hiába nő meg a kezdeményezett hívások száma, ezt nem követi megfelelően egy másik mérőszám, mondjuk a felépült hívások száma, ez pedig nekünk jelzésértékű lehet. Az elmondottak feltérképezésére szükségesek az automatizált megoldások, amelyek ráadásul időben, azaz lehetőség szerint a nagyobb baj bekövetkezése előtt kell, hogy figyelmeztessenek a bekövetkező anomáliára, ezzel segítve az operátor munkáját. Ez egy ún. okos monitorozás, divatos szóval élve prediktív karbantartás” – ecsetelte Molontay Roland.

A fiatal kutató hangsúlyozta, a sikeres projekt megszületésének egyik legfontosabb pillére a multidiszciplináris szemléletmódban rejlik. A vállalati partner mellett a projekt műegyetemi anyatanszéke a Sztochasztika Tanszék (TTK) volt, de a fejlesztésbe másik két tanszék is bekapcsolódott. Két kar három tanszéke működött együtt a vállalattal: Horváth Gábor egyetemi tanár, a Villamosmérnöki és Informatikai Kar Hálózati Rendszerek és Szolgáltatások Tanszék tanszékvezető-helyettese, a kar tudományos dékánhelyettese a mérnöki problémamegoldó szemléletet, Molontay Rolandék pedig a matematikusi megközelítéseket vitték a munkába.
„A gépi tanulás módszereit is felhasználva több szenzorból származó, hatalmas mennyiségű és nagy dimenziós adatokkal dolgoztunk: ebből a kisebb dimenziós vetületeket olyan módon kell kinyernünk, hogy minél több információ maradjon meg az egész rendszerről. Arra adtunk újszerű megoldást, miképpen lehet egyszerűbb struktúrát keresni a lehető legnagyobb mennyiségű információ megtartásával” – hívta fel a figyelmet immáron Kovács Edith Alice, hozzátéve, alapelvként fogalmazták meg: a mérőszámokból olyan párokat kellett kiválasztani, amelyek együttesen a lehető legtöbb információt adják a rendszer állapotáról. Az anomáliás helyzetek azonban nemcsak az egyes változók megszokottól eltérő kiugró értékeik lehetnek, hanem például az olyan esetek is, ahol a mutatók közötti összefüggések változnak meg.

Kovács Edith Alice

„A mi módszerünk ezeket is detektálja: erre kellettek az ún. kopulák, azaz olyan függvények, amelyek kifejezetten a változók közötti összefüggéseket ragadják meg,. A leglátványosabb talán a végeredmény: egy színes ábra; ezen színskálával tudjuk jelezni, hol kezd kialakulni és hol van már probléma a rendszerben. Tehát az anomália súlyosságát számszerűsítő vizuális eszközt is kap a kezébe a rendszer működését figyelő szakember” – emelte ki, megjegyezve, hogy a valós alkalmazás során az élet visszaigazolta az elméletet.

A szakemberek kiemelték, sokféle anomáliadetektáló rendszer van, azonban a fejlesztésük előnye, hogy mind a megfigyelések, mind a mérőszámok mennyiségét tekintve jól skálázódik nagy adatra, kiválóan tudják kezelni a hiányos adatokat, ami nagyon fontos, mert a valós életben – főleg ha nagy és bonyolult rendszereket mérnek – gyakran előfordul egy-egy információ lemaradása vagy hiánya. Az innováció mindemellett nemcsak arra mutat rá, ha valami anomáliás, hanem annak helyére, okára és keletkezésének körülményére, tehát lokalizálni lehet a problémát, és remekül alkalmazható vizualizációt biztosít a végfelhasználó számára.

„Azért is jelentős számunkra a Pro Progressio Alapítvány elismerése, mert a közös munka több egy szofisztikált matematikai algoritmusnál: végigjárta az innovációs láncot és a megszületett szoftver piaci termékké vált. Azonban nemcsak a telekommunikációs vállalat jelezte a használhatóságot, hanem az akadémiai szférában is sikert értünk el” – utalt az eredményeiket egy neves folyóiratban  a közelmúltban közzétett publikációjukra Molontay Roland. A díjnyertes innováció további fejlesztése mind elméleti, mind gyakorlati megközelítésből nagyon sok érdekes kihívást tartogat a kutatók számára, amely jelenleg is gőzerővel zajlik.

 

HA-GI

Fotó: Philip János