Las redes de telecomunicaciones generan enormes volúmenes de eventos cada día. Sin embargo, sin técnicas de gestión de fallos (como el filtrado, el enriquecimiento y la correlación), el ruido generado por un mayor número de alarmas puede dificultar la identificación de la verdadera causa de un problema en el servicio. Por lo tanto, una gestión eficaz de los fallos no consiste en recopilar todas las señales disponibles, sino en transformar los datos brutos generados por la red en acciones claras y priorizadas: el conjunto de tareas que ayudan a los equipos de operaciones a restablecer los servicios rápidamente y a evitar que los fallos se repitan.
¿Qué es la gestión de fallos en las telecomunicaciones?
La gestión de fallos es el proceso de detectar, aislar, diagnosticar y resolver fallos en una red de telecomunicaciones y en los sistemas relacionados. Su objetivo principal es:
- Mantener la disponibilidad de la red y de los servicios
- Proteger la calidad del servicio
- Minimizar las interrupciones o la degradación del rendimiento para los clientes
Dentro de los sistemas OSS de telecomunicaciones, la gestión de fallos es una de las funciones fundamentales de garantía de calidad (assurance), junto con la gestión del rendimiento y la supervisión de la calidad del servicio. También se apoya en el inventario de la red, la gestión de la configuración y los procesos de personal para ofrecer una visión completa del estado de la red y de los servicios.
Hay varios conceptos estrechamente relacionados con la gestión de fallos. Aunque a veces se utilizan indistintamente, representan diferentes condiciones técnicas, registros de datos y actividades operativas:
- Un registro (log) es un registro con marca de tiempo generado por un dispositivo de red, una aplicación o un sistema de gestión. Los registros proporcionan pruebas tales como intentos de autenticación, comandos de configuración, cambios en el estado de las interfaces o errores de software. Por ejemplo, el registro de un router puede indicar que una interfaz óptica perdió la señal a las 14:03.
- Un evento es cualquier cambio o suceso detectado en la red, independientemente de que represente o no una situación preocupante. Algunos ejemplos son el reinicio de un dispositivo, la actualización de una configuración, el cambio de estado de una interfaz o que la utilización de la red supere un umbral predefinido.
- Se activa una alarma cuando un evento sugiere que puede ser necesario prestar atención. Por ejemplo, si una interfaz permanece inactiva durante más tiempo del aceptable, el sistema de supervisión puede generar una alarma crítica para el equipo de operaciones de red.
- Un fallo (o avería) es el problema técnico subyacente responsable de una o más alarmas. Varias alarmas de pérdida de conectividad, por ejemplo, pueden estar causadas por un cable de fibra dañado, un fallo en la fuente de alimentación o una configuración de red incorrecta.
- Un incidente es una interrupción o degradación no planificada de una red o un servicio que debe restablecerse. Por ejemplo, si una rotura de fibra desconecta varias estaciones base de telefonía móvil, la interrupción del servicio resultante se gestionaría como un incidente.
- Un ticket o ticket de incidencia es el registro operativo que se utiliza para realizar un seguimiento del trabajo hasta su finalización. Un ticket de incidente puede incluir los recursos y servicios afectados, la gravedad, el equipo asignado, las medidas tomadas, el tiempo de restablecimiento y los detalles de la resolución. También se pueden crear tickets para problemas, cambios o tareas de campo.
- Un problema es la causa subyacente de uno o más incidentes, especialmente cuando la causa es desconocida, recurrente o requiere una investigación más profunda. Por ejemplo, los fallos repetidos de un router pueden estar relacionados con el sobrecalentamiento de un armario de equipos concreto o incluso con un defecto de diseño en un dispositivo que justifique su retirada del mercado. Los incidentes inmediatos pueden resolverse en paralelo, mientras que se utiliza un registro de problema independiente para identificar y eliminar la causa recurrente.
- Un cambio es una modificación controlada de la red, el sistema o la configuración. Se puede introducir un cambio para resolver un fallo, evitar que se repita un problema o mejorar el rendimiento. Algunos ejemplos son la sustitución de hardware defectuoso, la actualización de software, el redireccionamiento del tráfico o la corrección de un error de configuración.
En conjunto, estos conceptos pueden formar una cadena operativa típica: los registros proporcionan pruebas técnicas, los eventos registran los cambios, las alarmas señalan condiciones que pueden requerir atención, los fallos identifican problemas técnicos, los incidentes describen la interrupción del servicio, los tickets coordinan la resolución, los registros de problemas investigan causas recurrentes o desconocidas y los cambios aprobados implementan medidas correctivas. Sin embargo, en la práctica, no siempre son secuenciales. Los operadores pueden crear y actualizar varios de estos registros en paralelo.
Cómo detecta problemas la supervisión de fallos de red
La supervisión de fallos de red observa continuamente los equipos, las aplicaciones y los servicios en toda la infraestructura de acceso, transporte, núcleo y nube.
Las alarmas pueden ser generadas por routers, conmutadores, equipos de radio, sistemas ópticos, servidores, aplicaciones o sensores ambientales. Entre los ejemplos más comunes se incluyen fallos de equipos, cortes de suministro eléctrico, pérdida de señal, errores de configuración y superación de umbrales.
En un entorno con múltiples proveedores, las alarmas suelen llegar en diferentes formatos y utilizan una terminología inconsistente. Por lo tanto, la plataforma de gestión de fallos las normaliza y las enriquece con información sobre la topología, la ubicación, los equipos, los servicios y el contexto del cliente. Esto permite al OSS comprender no solo qué ha ocurrido, sino también qué recursos, servicios y clientes pueden verse afectados.
El proceso de resolución de fallos en 8 pasos
- Establecer el comportamiento normal de la red: los operadores necesitan valores de referencia para la disponibilidad, la latencia, la utilización y las tasas de error. Estos valores de referencia facilitan la distinción entre fallos reales y fluctuaciones temporales.
- Detectar y recopilar eventos de fallo: el OSS o la plataforma especializada de gestión de fallos recopila alarmas y eventos de los elementos de red, sondas/colectores, aplicaciones y plataformas de servicio.
- Normalizar y enriquecer las alarmas: los mensajes sin procesar y específicos de cada proveedor se traducen a un formato coherente y se enriquecen con datos de red, de servicio y de clientes para garantizar la coherencia entre dominios.
- Suprimir duplicados y ruido transitorio: las alarmas repetidas, de baja prioridad o de corta duración se filtran para que los equipos de operaciones no se vean distraídos por eventos que no requieren acción.
- Correlacionar eventos relacionados: las alarmas se agrupan según el momento, la ubicación, la topología y la dependencia. Esto puede reducir cientos de síntomas a un pequeño número de grupos de alarmas correlacionados y, cuando el servicio se ve afectado, a un único incidente que requiere acción.
- Identificar la causa raíz y evaluar el impacto: el sistema determina el probable fallo de origen e identifica los recursos, servicios y clientes que pueden verse afectados.
- Resolver el fallo para restablecer el servicio: en primer lugar, el incidente debe asignarse al equipo adecuado. La resolución puede implicar una corrección remota o la determinación de la «siguiente mejor acción» (NBA, por sus siglas en inglés), que puede consistir en un cambio de configuración, la sustitución de equipos o el envío de personal de campo, entre otras posibilidades.
- Verificar la recuperación y prevenir la recurrencia: el operador confirma que la red y los servicios afectados han vuelto a la normalidad. A continuación, se actualiza y se cierra el ticket de incidente. Si la causa es recurrente o no se comprende del todo, se puede abrir un registro de problema para una investigación más detallada. También se puede crear un registro de conocimientos para facilitar o acelerar futuros diagnósticos y resoluciones.
Por qué es fundamental la correlación de alarmas
Un único fallo físico puede generar cientos o incluso miles de alarmas en las fases posteriores.
Por ejemplo, una rotura de fibra puede provocar que múltiples elementos de la red pierdan conectividad, desencadenar fallos en el servicio y generar alarmas en varios sistemas de gestión. Sin correlación, cada alarma puede parecer que representa un fallo independiente o un problema sin relación con los demás.
Los datos de topología y dependencias permiten al OSS reconocer que estas alarmas comparten una causa común. En lugar de investigar cada síntoma, el equipo de operaciones puede centrarse en la ruta de fibra dañada.
Esto hace que sea esencial disponer de datos precisos del inventario de red. Los operadores suelen necesitar comprender cómo están conectados los equipos, los enlaces, las ubicaciones y los servicios antes de poder identificar las causas raíz de forma fiable.
SunVizion Network Inventory Management ofrece una visión centralizada de los recursos de red y sus relaciones, lo que permite un diagnóstico más rápido.
Cómo mejora la automatización la gestión de fallos
La automatización de la red puede acelerar todas las etapas del proceso de resolución de fallos.
Las alarmas pueden validarse, clasificarse y correlacionarse automáticamente. Los patrones de fallos conocidos pueden activar flujos de trabajo de creación de incidentes, escalado o corrección sin necesidad de esperar a una intervención manual. La identificación automatizada de la siguiente mejor acción también puede ayudar a iniciar flujos de trabajo de corrección.
La integración con los datos de configuración puede ayudar a los operadores a identificar modificaciones no autorizadas, desviaciones en la configuración o implementaciones fallidas de cambios aprobados. SunVizion Network Configuration Manager facilita el control y la visibilidad de las configuraciones de red.
Cuando se requiere trabajo físico, los flujos de trabajo automatizados también pueden derivar las tareas al equipo de campo adecuado. SunVizion Workforce ayuda a coordinar las asignaciones, los recursos y las actividades sobre el terreno.
La automatización no excluye a las personas de la gestión de incidencias. Reduce el análisis repetitivo y proporciona a los especialistas más tiempo para investigar fallos complejos, evaluar el impacto en los clientes e implementar soluciones permanentes.
Convertir las alarmas de red en acción
Una gestión eficaz de los fallos en los sistemas OSS conecta la monitorización de la red con el inventario, los datos de servicio, el control de la configuración y los flujos de trabajo operativos.
El objetivo de la gestión de fallos no es recopilar más alarmas, sino determinar qué condiciones son relevantes, qué las ha provocado, quién se ve afectado y qué medidas deben adoptarse. Datos de red precisos y funciones de garantía OSS coordinadas pueden reducir el ruido de las alarmas, mejorar el análisis de la causa raíz y acortar los tiempos de restablecimiento del servicio.
Para descubrir cómo SunVizion puede facilitar la visibilidad de la red y una resolución de fallos más eficaz, visite:
