Detección temprana de anomalías en un provisionador de plataformas de telecomunicaciones

Abstract

Para vigilar la salud del sistema en una Compañía que brinda servicios de Telecomunicaciones se diseñó una Herramienta de Monitoreo, de manera de alertar a un especialista para que revise en cuanto ocurra la anomalía y realice las acciones correctivas o paliativas con anticipación, se espera que la herramienta alerte anomalías 12 horas antes que lo reporte una persona. Cuando se producen reclamos por parte de clientes finales por algún producto o servicio generalmente el problema que los provoca viene afectando la operación comercial por un tiempo considerable, lo que se traduce en una mala evaluación de la Compañía; ésto deriva en pérdida de tiempo y dinero para corregir la anomalía, arreglar información distorsionada por el problema, y por último también realizar acciones para recuperar la buena percepción de la Compañía. Para evitar esto la solución de monitoreo contempló el diseño de una aplicación web, ésta levantará alarmas cuando alguno de los indicadores pase el umbral de valores válidos, que estarán configurados, y también cuando lo informe el Algoritmo de detección temprana. El diseño fue validado por los futuros usuarios, quienes corroboran que cumple con los objetivos de facilidad de uso y además esta herramienta permite incrementar la independencia de los especialistas de la Compañía en la resolución de incidencias.

Se recolectaron datos y casos de incidencias, se seleccionaron 4 casos con anomalías, en dos de los casos los usuarios reportaron incidencias por problemas, y en los otros dos casos hubo percepción de lentitud en el sistema pero no se reportaron como incidencia, siendo el equipo de Soporte quien encontró anomalías durante la preparación de informes cuando se buscó la causa raíz del problema. En el análisis del sistema se detectó concentración de datos en la dispersión de Duración por Cantidad de transacciones, lo que permitió verificar que es posible utilizar la distribución normal. Modelando los datos de estas dos variables se observó concentración de valores no anómalos y también se advierte que los datos anómalos se sitúan en el extremo de la gráfica. Se calcularon manualmente los indicadores para validar que es posible encontrar anomalías a partir de dichos indicadores. Luego, se implementó el Algoritmo de detección temprana basado en distribución normal utilizando estas dos variables: Cantidad de transacciones y duración promedio de dichas transacciones, y se simuló el comportamiento del sistema utilizando los respectivos grupos de datos para cada uno de los cuatro casos analizados manualmente. Comparando resultados hallados manualmente y resultados generados por el algoritmo, se observa que el algoritmo es capaz de detectar la primera anomalía del día para alertar lo antes posible; en uno de los casos probados el algoritmo detectó la primera anomalía 14 horas antes que una persona reporte el problema (en el otro caso fue de 13 horas), con lo cual se valida la hipótesis, y es exitosa la detección temprana mediante el algoritmo basado en distribución normal.