طبق آخرین مطالعات ، تعداد دستگاه های تلفن همراه در هر فرد در سال های بعد در ابعاد قبلاً غیرقابل تصور افزایش می یابد. امروزه تقریباً هر بزرگسال در محیط شخصی یا حرفه ای خود از حداقل سه دستگاه موبایل استفاده می کند. افزایش تعداد و استفاده از دستگاه های تلفن همراه هوشمند در شبکه ها ، عیب یابی و عیب یابی را در آینده بخصوص در حوزه شبکه های Wi-Fi پیچیده تر می کند. همچنین به نفع بار کاری تیم های فناوری اطلاعات ، فن آوری های جدید باید کمک کنند ، به ویژه هنگامی که شرکت ها باید در این عصر "هوشمند و موبایل" شبکه های Wi-Fi را در همه بازارهای عمودی راه اندازی و حفظ کنند.
بسیاری از مشکلات در Wi – شبکه های فی به دلیل تغییر شرایط کاربر و محیط ، مدت کوتاهی دارند و ناپدید می شوند. حضور تکنسین های در محل برای عیب یابی یا حتی تولید مثل مشکلات می تواند گران باشد و اغلب نتیجه مورد انتظار را به همراه نمی آورد ، زیرا داده های مورد نیاز برای تولید و حل یک مشکل مدتهاست که ناپدید نشده است. علاوه بر این ، بسیاری از مشکلات منتسب به شبکه بی سیم نیز ممکن است به دلایل بسیاری دیگر ، به عنوان مثال وجود داشته باشد. مشکلی با سرورهای DNS ، DHCP یا تأیید اعتبار.
Learning Machine (ML) و هوش مصنوعی (AI)
مزایای فن آوری های جدید مانند یادگیری ماشین و سایر فناوری های هوش مصنوعی این امکان را فراهم می آورد. برای مقابله با مشکلات Wi-Fi یکپارچه و مقیاس پذیر. علت مشکلات بهتر ، آسانتر و زودتر از گذشته شناسایی شده و سطح خدمات کاربر قابل تعریف و کنترل است. WLAN های تحت کنترل هوش مصنوعی ، به مدیران IT اطلاعات بهتر از عملکرد Wi-Fi آنها برای کاربرانشان خوب یا بد می دهند. ساخت یک موتور مبتنی بر هوش مصنوعی برای WLAN از مؤلفه های مهم مهمی تشکیل شده است: داده ها ، ساختار ، طبقه بندی و علوم داده.
مواد اولیه داده های صحیح است.
متأسفانه ، اگر ماده اولیه مناسب نباشد ، نمی توانید از موتور AI قوی انتظار داشته باشید. در این حالت داده های خوبی موجود است. اینها ابتدا از طریق شبکه ، برنامه ها ، دستگاه ها و کاربران جمع آوری می شوند. و اگر می خواهید بهترین بینش را بدست آورید ، به داده های مناطق مختلف اکوسیستم IT نیز نیاز دارید. در حقیقت ، داده های خوب روی درختان رشد نمی کنند. شما باید بدانید که در کجا باید جستجو کنید و چگونه آنها را جمع آوری کنید. هنگام مراجعه به شبکه های بی سیم ، بهترین راه برای توسعه نقاط دسترسی ویژه ، ضبط حالت قبل و بعد از اتصال هر دستگاه بی سیم است. ابرداده از این نقاط دسترسی به یک موتور هوش مصنوعی در ابر فرستاده می شود.
ساختار و طبقه بندی فراداده
موتور AI می تواند ابداعات داده دریافت شده را از طریق مجموعه ای از اولیه اولیه AI طبقه بندی و طبقه بندی کند. با برنامه نویسی موتور هوش مصنوعی با دانش مربوط به حوزه شبکه بی سیم ، این فوق داده می تواند به طور مؤثر توسط یک جعبه ابزار داده داده طبقه بندی و تجزیه و تحلیل شود تا بتواند اطلاعات ارزشمندی را برای مدیریت شبکه Wi-Fi فراهم کند.
علوم داده
گزینه های مختلفی برای علم داده وجود دارد. صرف نظر از این که آیا یادگیری ماشین نظارت و نظارت نشده است ، داده کاوی ، یادگیری عمیق یا اطلاعات متقابل مورد نیاز است. داده های سری زمانی نمونه ای هستند. این داده ها اساس را تشکیل می دهند و برای تشخیص ناهنجاری ها استفاده می شوند. با ترکیب این داده ها با همبستگی رویداد ، می توان مشکلات و دلایل موجود در شبکه را بهتر درک کرد. با بهینه سازی این تکنیک ها می توان زمان تعمیر را کاهش داد.
استفاده از دستیار مجازی
راه حل های مسئله دستی به زودی چیزی از گذشته خواهد بود ، زیرا اساساً شبکه ها در آینده قادر به بهبود یا ترمیم خود خواهند بود. اکنون یک موتور هوش مصنوعی به طور کامل توسط یک دستیار مجازی تکمیل می شود که به مدیر IT اطلاعاتی از شبکه می دهد تا بتواند مشکلات را به طور خودکار اصلاح کند. اولویت اصلی استفاده از پردازنده زبان طبیعی (NLP – پردازنده زبان طبیعی) است. دستیار مجازی کار را برای مدیران شبکه آسانتر می کند و در نتیجه باعث افزایش بهره وری و افزایش رضایت کاربر می شود.
تشخیص پویا ناهنجاری های شبکه.
با ادغام هوش مصنوعی و علوم داده ، از خرابکاری بسته دستی برای یافتن مشکلات در WLAN استفاده می شود. ، اکنون با کمک فناوری Dynamic Packet Capture (dPCAP) می توان ناهنجاری های شبکه را بطور خودکار تشخیص داد و این بسته ها را برای اصلاح بعدی ذخیره کرد. dPCAP به سرپرست نشان می دهد چه اتفاقی در شبکه Wi-Fi یا دستگاه تلفن همراه هنگام تشخیص ناهنجاری افتاده است. استفاده از فن آوری dPCAP استفاده از میدان را برای یافتن مشکلی که ممکن است برای مدت طولانی وجود نداشته باشد از بین می برد.
شبکه های Wi-Fi هوشمند به لطف هوش مصنوعی
برای یک شبکه Wi-Fi هوشمند شبکه درمورد کمیت و کیفیت داده ها است. به عنوان مثال ، نقاط دسترسی سیستم های مه (AP) در حال حاضر بیش از 200 داده وضعیت کاربر هر دو یا سه ثانیه از تمام دستگاه های متصل پرس و جو می کنند تا سپس اطلاعات به صورت واقعی در داشبورد نمایش داده شود. این امر باعث می شود آنچه در شبکه Wi-Fi اتفاق می افتد امکان پذیر باشد علاوه بر این ، می توان نتیجه گیری راجع به تجربه کاربر مربوطه نتیجه گرفت. پردازش و محاسبه این مجموعه داده ها نیاز به یک معماری مبتنی بر ابر دارد که بتواند این اطلاعات را تجزیه و تحلیل کند و الگوریتم های پیچیده ای مانند همبستگی رویداد پویا ، تشخیص ناهنجاری شبکه و کنترل سطح خدمات را انجام دهد.
دستیاران شبکه
قدرت هوش مصنوعی و داده های بزرگ به نوآوری بسیار جالب دیگری برای شبکه های Wi-Fi کمک می کند – دستیاران مجازی. این VA ها با مدیریت ، اتوماسیون ، بهینه سازی شبکه و عیب یابی کمک می کنند. دستیار مجازی موسوم به "مارویس" که توسط "مریویس" ساخته شده است ، اولین جادوگر مدیریت شبکه تحت کنترل هوش مصنوعی در جهان است که به مدیران سیستم اجازه می دهد تا با استفاده از پردازش زبان طبیعی (NLP) سؤالاتی در مورد شبکه بپرسند. بنابراین ، مشکلات موجود در شبکه Wi-Fi بدون استفاده بیشتر از منابع فنی درجه 1/2 ، ضمن کاهش زمان خرابی و ارائه اطلاعات در مورد رفتار کاربران در شبکه ، قابل حل است.
بلوتوث و Wi-Fi در حال رشد هستند. با هم
فن آوری بلوتوث چیز جدیدی نیست ، اما هزینه و پیچیدگی موجود در استفاده از چراغ های سخت افزاری مانع از گسترش و استفاده سریعتر این فناوری شده است. این با فناوری مجازی Bluetooth Low Energy (LE) ثبت اختراع Mist Systems در حال تغییر است ، که استفاده از چراغهای سخت افزاری را از بین می برد. با یکپارچه سازی یک آرایه آنتن 16 بلوتوث در محل دسترسی ، Mist Systems توانسته است در داشبورد ، دارای چراغهای مجازی و کنترل شده نرم افزاری ، با مناطق تعریف شده و دقت تا یک متر ایجاد کند. فن آوری ثبت شده مجازی بلوتوث LE اجازه می دهد تا از جمله موارد دیگر خدمات مبتنی بر موقعیت مکانی ، بی سیم و شخصی مانند کنترل دسترسی ، مدیریت دارایی ، مسیریابی یا اطلاعات و خدمات مشتری را ارائه دهید. با تشکر از این فن آوری مجازی جدید و ثبت شده LE مجازی ، کلیه کارهایی که قبلاً در مورد سخت افزارها انجام شده اند از جمله بررسی های سایت Beacon اضافی را از بین می برد. بازارهای اصلی عمودی این فناوری جدید شامل خرده فروشی ، مراکز خرید ، هتل ها و مراقبت های بهداشتی است.
اکنون زمان آن رسیده است که شرکت هایی که شبکه های Wi-Fi را کار می کنند در حل مشکلات پیشرو باشند. دانستن احتمال بروز مشکلی می تواند به شما کمک کند قبل از بروز هرج و مرج یا خرابی عمده ، سریعتر واکنش نشان دهید. امروزه شبکه های بی سیم برای شرکت هایی با هر اندازه و جهت گیری عمودی از هر زمان دیگری اهمیت بیشتری دارند. با توجه به افزایش تعداد متنوع دستگاه های تلفن همراه ، سیستم عامل ها و برنامه های کاربردی ، عیب یابی ممکن است در آینده مشکل باشد. معماری مدرن و مبتنی بر شبکه بی سیم مبتنی بر ابر از Mist Systems نشان می دهد که چگونه می توان منابع IT را در آینده ذخیره کرد و چگونه حل مشکلات فنی Wi-Fi به بازی کودک تبدیل می شود. استفاده از یادگیری ماشینی و هوش مصنوعی شرکتهای مدرن را تضمین می کند تا با دنیای متصل امروز ارتباط برقرار کنند و از رقابتی باقی بمانند.
فروشندگان می توانند با تشکر از این فناوری های جدید ، عملکرد و انعطاف پذیری آن با شبکه های Wi-Fi قبلی امکان پذیر نباشد. اکنون پروژه های جدید ایجاد کنید و هزینه های زیرساخت قبلی را به یک ابزار قدرتمند بهره وری ، خدمات و بازاریابی تبدیل کنید تا درآمد اضافی ایجاد کنید. Nuvias ، توزیع کننده ارزش افزوده PAN-EMEA برای سیستم های مه ، می تواند برنامه آموزشی مربوطه و اطلاعات بیشتر را در اختیار همکاران کانال قرار دهد.
نویسنده: Christian Sauer ، مدیر ارشد فروش محصولات Juniper & MIST در Nvivi
