特色：
| • |
對於在MSC/BSC, SGSN/RNC/MGW, TRX/channel等的優化和負載平衡時考量實際網路的任何數量限制。 |
| • |
對於 MSC/BSC, SGSN/RNC/MGW, TRX/Channel的變化進行假設分析。 |
| • |
對於前後不同的KPI和網路優化拓撲結構進行多層次，多維分析功能與地圖的可視化。 |
| • |
針對多KPI與QoS參數進行優化規劃如 location updates, handovers (inter-RAT, inter-MSC, inter-BSC, intra-BSC), paging, dropped calls, TCH capacity, SDDCH utilization, CPU load balancing, congestion,..等。 |
| • |
精確的移動模型和流量模型可以反映出使用者的移動性與使用行為對於網路效能的影響。 |
| • |
以時間數學模型、混沌理論和人工智慧為基礎進行最先進的優化規劃。 |
優點：
| • |
在執行網路變動之前透過交替範本的分析和準確預測對網路的影響以消除反覆試驗執行計畫之風險和時間，總體提升網路的可靠性和有效降低維護成本。 |
| • |
減少inter-SGSN/RNC/MSC/BSC handover failure, paging congestion, LU/RAU, TCH/SDCCH blocking, dynamic SDCCH allocation..等的機率,以帶來額外的收入。 |
| • |
透過分析網路效能,確認KPI可以改善的地方和重新分配網路資源至最佳狀態，以提升營運效率及增加營運收入 。 |
| • |
改善網路使用效能和服務品質以減少處理訊號的負擔並平衡CPU負載。 |
| • |
將網路過載的風險降到最低且容易確認出因網路壅塞所造成的網路耗損,並對網路架構的變動與網路擴充提供充足的應變時間。 |
| • |
對於2G/3G 的inter-RAT 問題所造過度負載之風險降到最低 。 |
|
