Eis meer met de toonaangevende AI van Juniper.

Op basis van reinforcement learning:

- Optimaliseert kanaal/vermogen met AI-gebaseerde reinforcement learning

- AI maximaliseert de gebruikerservaring (SLE) continu en minimaliseert interferentie in real time

- Past zich doorlopend dynamisch aan, terwijl het netwerk onder belasting leert van de clientervaring

- Leert en verlaagt prioriteit van geactiveerde DFS-kanalen om de uptime van het netwerk te verhogen

- Dekking van SLE is een doorlopende 'locatieonderzoek'

Bekijk de video

Basis-RRM

- zal DFS-foutpatronen controleren

- AP's onthouden hun instellingen na stroomstoringen

- Zal geen wijzigingen aanbrengen tijdens 'drukke uren'

ARM - Basispatroonherkenning voor het vergelijken en optimaliseren van low-level RF-instellingen alleen op beheerde locaties:

- Geen echte AI-oplossing: maakt geen gebruik van reinforcement learning om na verloop van tijd te verbeteren

- Past RF niet aan om de gebruikerservaring te maximaliseren

- Analyseert periodieke en statische gegevens voor dagelijkse, maar niet voor doorlopende dynamische updates

- Vereist RF-optimalisatie voor Controller en Mobility Master voor AirMatch

- Vereist apparaten voor het verzamelen van gegevens en NetInsight-server

15 jaar oud algoritme

- Op basis van hoe AP's elkaar horen

- Optimaliseert kanaal/vermogen uitsluitend op basis van AP-interferentiegrafiek

- RRM wordt uitgevoerd op statische, periodieke basis wanneer de belasting laag is

Basis-RRM. Geen AI/ML, vereist meerdere dagen tuning.

- Continu leren via machine learning onder toezicht

- Voert analyse naar onderliggende oorzaak uit voor de meeste gedetecteerde netwerkproblemen

- Ondersteunt draadloos, bekabeld en WAN op locatieniveau

- Problemen oplossen in plaats van logboeken op te halen

- Is toegankelijk via WebUI of API

- Gebouwd op 6 jaar continu leren en een rijke toolbox voor datawetenschap

- Dashboard

- Geen virtuele assistent

- Dashboard

- Geen virtuele assistent

- Dashboard

- Er gaan geruchten over een chatbot, maar deze is niet geproduceerd of beschikbaar voor klanten met bètaversie

- Dashboard en netwerkassistent alleen via de cloud.

- Chatbot genaamd CoPilot, zeer beperkt, geen AI. Staat NLP-versie 1.0 toe. Geen zoekopdracht.

- In bètafase de afgelopen 2 jaar.

- Identificeert proactief afwijkingen en gebruikt datawetenschaptools om de onderliggende oorzaak vast te stellen

- Maakt gebruik van zowel bekabelde als draadloze SLE's voor detectie van onregelmatigheden

- 3e generatie-algoritme met ARIMA verhoogt de effectiviteit

- Detectie van onregelmatigheden uitgevoerd via wifi, LAN, WAN, beveiligingsdomeinen

- Geïntegreerde ChatGPT

- 1e generatie algoritme voor detectie van onregelmatigheden

- Zal een week aan gegevens doornemen om enkele basisafwijkingen te vinden

- Beperkte set detectie van onregelmatigheden (gebruik van DHCP, AAA en RF)

- Vereist NetInsight-apparaat voor het verzamelen van gegevens

- 1e generatie algoritme voor detectie van onregelmatigheden

- Beperkte afwijkingen gedetecteerd (DHCP, AAA, associatie, doorvoer)

- Vereist Cisco DNA-apparaten (3+)

Client 360 volgt basisafwijkingen.

Pilot en CoPilot worden ondersteund.

1e generatie algoritme voor detectie van onregelmatigheden.

Beperkte afwijkingen gedetecteerd (latentie, doorvoer, zendtijd).

- Marvis Actions-kader voor zelfsturende of driver-assistent-modus (bijvoorbeeld RF-optimalisatie, proactieve RMA, ongezonde AP's, ontbrekende VLAN's, slechte kabels, switchconfiguratiefouten, enz.)

- Gevalideerd door Mist

- Klantenservice voor het oplossen van problemen of het helpen bij het trainen van het systeem

- Gesloten lusfeedback die bruikbare informatie biedt aan beheerders 'bottom-up'

- Dashboards

- Geen zelfsturende mogelijkheden

- Zal 'suggesties' bieden

- Top-down

- opzoeken

- Dashboards

- Mist zelfsturing, heeft alleen 'driverassist'-mogelijkheden waarmee het aanbevelingen aan IT biedt

- Zeer eenvoudige driver-assistent-mogelijkheden (identificeert problemen met kanaalgebruik en slechte DHCP/AAA-prestaties voor IT om handmatig te onderzoeken)

- Top-down opzoeken van logbestanden van de volgende generatie

- Dashboards

- Geen zelfsturende mogelijkheden

- Moet top-down een probleemgebruiker 'nomineren' om te beginnen met actieve monitoring

- Dashboards gegenereerd op basis van wiskunde.

- Mist zelfsturing, heeft alleen 'driver-assistent'-mogelijkheden waarmee het aanbevelingen aan IT biedt

- Beperkte zelfsturende mogelijkheden (latentie, doorvoer, zendtijd)

Het creëren van kansoppervlakken in de cloud en doorlopende machine learning zonder toezicht om het model voortdurend bij te werken.

- Triangulatie afhankelijk van nauwkeurige kaartplaatsing

- Fouten die worden geïntroduceerd door afwijkingen in BLE-clients

- Triangulatie afhankelijk van nauwkeurige kaartplaatsing

- Fouten die worden geïntroduceerd door afwijkingen in BLE-clients

- Meridian aan de kant gezet

- Vereist CMX-apparaat op locatie (zelfs voor DNA-ruimtes)

- Vereist BLE-integratie van derden

- Triangulatie afhankelijk van nauwkeurige kaartplaatsing. Fouten die worden geïntroduceerd door afwijkingen in BLE-clients

Nee

- Mist Support gebruikt Marvis om problemen op te lossen

- De effectiviteit van Marvis wordt voortdurend geëvalueerd en wanneer er zich ondersteuningsproblemen voordoen waarbij geen gegevens of antwoorden beschikbaar zijn, trainen we Marvis of voegen we de ontbrekende gegevensverzameling toe

- Wanneer Marvis een hardwarefout in een AP detecteert, kan het een automatische RMA uitvoeren die de 'bewijslast' op IT-teams minimaliseert in plaats van problemen met een leverancier te escaleren

- Terwijl de inzet van AP's in snel tempo is gegroeid, zijn de supporttickets gelijk gebleven dankzij het gebruik van Mist AI.

- Dashboards

- Geen gebruik van AI om ondersteuning of ondersteunende activiteiten te automatiseren

- Dashboards

- Mist geautomatiseerde ondersteuningsmogelijkheden die worden gestuurd door AI

- Aruba AI Assist is een eenvoudige knop om handmatig logboeken te verzamelen en deze te e-mailen naar Aruba-ondersteuning voor handmatige analyse

- Dashboards

- Geen gebruik van AI om ondersteuning of ondersteunende activiteiten te automatiseren

- Dashboards.

- Mist geautomatiseerde ondersteuningsmogelijkheden die worden gestuurd door AI

- Vangt proactief pakketten op wanneer er een fout optreedt in real time

- Elimineert de noodzaak om problemen te reproduceren, omdat elke storing een PCAP heeft die begint voordat de storing plaatsvindt en die doorloopt

- Het sturen van technische mensen om de oorzaak van het probleem te detecteren *nadat* het probleem zich heeft voorgedaan, is niet meer nodig

Bekijk de video

Handmatig

- Voornamelijk handmatig: beperkte automatische vastlegging van mislukte authenticatiegebeurtenissen

- Vereist een extra, afzonderlijk clouddashboard voor probleemoplossing en analyse (Cape Networks)

- Vereist overlay-netwerk van Aruba UXI draadloze sensorhardware

Intelligente pakketopname

- eerst moet een client een ticket indienen

- dan wordt de client getagd om in de toekomst gegevens te verzamelen

- helemaal niet automatisch

Nee.