Marvis Large Experience Model

Marvis Large Experience Model(LEM)がライブテレメトリとShapleyモデルを活用して、ユーザーに影響を与える前にネットワーク全体のユーザーエクスペリエンスの問題を予測、最適化、事前対応で診断する方法をご覧ください。

Marvis Large Experience Model(LEM)は、AIドリブンエンジンで、ネットワーク全体のMicrosoft TeamsやZoomなどのコラボレーションアプリケーションのユーザーエクスペリエンスの低下を予測し、その根本原因をランク付けします。ライブネットワークテレメトリを継続的に取り込み、Shapleyベースのデータサイエンスモデルを使用してデータを処理することで、Marvis LEMは、多くの場合、ユーザーが影響に気付く前に、新たな問題をプロアクティブに検出して診断できます。

LEMは無線ネットワークの動作を評価し、以下を提供します。

• クライアントエクスペリエンスに焦点を当てた予測分析により、過去およびリアルタイムのデータを活用して、ユーザーエクスペリエンスの低下の可能性を予測します。

• 信号強度、遅延、干渉など、各特徴が予測エクスペリエンスにどの程度寄与するかを定量化するSHAP(Shapley Additive Explanations)値。

• LEMで計算された特徴への貢献を含む詳細なクライアントとAPのリスト

• 複数のレベル(サイト全体、AP固有、クライアント固有)でのインサイト

• 選択した期間における良好なユーザー時間と悪いユーザー時間の割合の内訳。

  良好なユーザー時間(分)は、ユーザーが中断を経験しなかった期間を表します。不良ユーザー時間とは、ユーザーが音声やビデオの不良、遅延、中断などの問題を経験した期間を表します。これらのメトリックを比較することで、LEMでは通話全体の品質を評価し、パターンを特定し、問題のトラブルシューティングを行うことができます。

  

  デフォルトでは、ユーザーの分数はパーセンテージで表示されます。# をクリックすると、正確な分数が表示されます。

LEMは、ZoomやMicrosoft Teamsの統合とは無関係に、ユーザーエクスペリエンスの相関関係を表示します。ZoomとTeamsを統合している場合、LEMはZoomとTeamsセッションのユーザーの分数を使用してエクスペリエンスの相関関係を計算します。ZoomとTeamsの統合を有効にしていない場合、LEMはネットワークに接続されているすべてのクライアントのすべてのユーザー時間を使用してユーザーエクスペリエンスを予測します。