Marvis 대규모 경험 모델

Marvis LEM(Large Experience Model)이 라이브 텔레메트리와 Shapley 모델을 활용하여 네트워크 전반의 사용자 경험 문제가 사용자에게 영향을 미치기 전에 예측, 최적화 및 선제적으로 진단하는 방법을 알아보세요.

Marvis LEM(Large Experience Model)은 나쁜 사용자 경험을 예측하고 네트워크 전반에서 Microsoft Teams 및 Zoom과 같은 협업 애플리케이션의 근본 원인에 순위를 매기는 AI 기반 엔진입니다. 라이브 네트워크 텔레메트리를 지속적으로 수집하고 Shapley 기반 데이터 사이언스 모델을 사용하여 데이터를 처리함으로써 Marvis LEM은 사용자가 영향을 인지하기 전에 새로운 문제를 선제적으로 탐지하고 진단할 수 있습니다.

LEM은 무선 네트워크 동작을 평가하고 다음을 제공합니다.

• 과거 및 실시간 데이터를 활용하여 잠재적인 사용자 경험 저하를 예측하는 클라이언트 경험 중심 예측 분석입니다.

• 신호 강도, 지연 시간, 간섭과 같은 각 기능이 예측 경험에 얼마나 기여하는지 정량화하는 SHAP(Shapley Additive Explanations) 값입니다.

• LEM이 계산한 기능 기여도를 포함한 상세한 클라이언트 및 AP 목록

• 여러 수준(사이트 전체, AP별, 클라이언트별)에서 인사이트 확보

• 선택한 기간 동안 양호한 사용자 시간과 나쁜 사용자 시간의 백분율 분석입니다.

  양호한 사용자 시간은 사용자가 중단을 경험하지 않은 기간을 나타냅니다. 불량 사용자 시간(분)은 사용자가 오디오 또는 비디오 불량, 지연 또는 중단과 같은 문제를 경험한 기간을 나타냅니다. LEM은 이러한 지표를 비교하여 전반적인 통화 품질을 평가하고, 패턴을 식별하며, 문제를 해결할 수 있도록 해줍니다.

  

  기본적으로 사용자 시간은 백분율로 표시됩니다. #을 클릭하면 정확한 시간(분)을 볼 수 있습니다.

LEM은 Zoom 또는 Microsoft Teams 통합과 관계없이 사용자 경험 상관 관계를 표시합니다. Zoom과 Teams를 통합한 경우 LEM은 Zoom 및 Teams 세션의 사용자 시간을 활용하여 경험 상관관계를 계산합니다. Zoom과 Teams 통합을 활성화하지 않은 경우 LEM은 네트워크에 연결된 모든 클라이언트의 모든 사용자 시간을 활용하여 사용자 경험을 예측합니다.