电信核心网设备健康检查项目工期确定方法

段熠+王璇

【摘要】 为了解决电信核心网设备健康检查项目中的工期确定问题，首先对该类检查项目进行工作任务分解并结合检查过程分析各项任务之间的逻辑关系，然后应用能够描述局部不确定和全局不确定的BBA函数提取各个专家对项目工作任务工期的推断信息，在此基础上基于证据理论中的Dempster合成规则对所有专家给出的推断信息进行融合，并应用Pignistic概率实现融合结果向概率的转换，最后利用网络计划技术中的关键路径方法确定电信核心网设备健康检查项目的工期。案例模拟分析演示了本文方法的具体操作过程，说明本文方法具有应用可行性。

【关键词】 电信核心网 设备健康检查 项目工期 证据理论 网络计划技术

一、引言

电信行业的健康发展是提升人民生活水平、促进社会不断进步的重要基础。在电信行业的通信网络中，核心网控制着所有话路的交换与接续，实现各种通信业务，是整个通信网络的枢纽。虽然当前学界对电信行业的管理问题从多个维度进行了研究[1-3]，但是目前尚未发现关于电信核心网优化与管理方面的成果，也未发现对核心网进行健康检查的相关研究成果。

本文以電信核心网设备健康检查项目为研究对象，构建确定其工期的实现方法。在项目管理领域，现有对于工作任务工期的确定方法主要有专家判断法、类比估计法、单一时间估计法和三个时间估计法四种类型[4-5]。就电信核心网设备健康检查项目而言，对承担检查工作的工程师要求较高，不仅需要掌握系统软硬件相关知识，熟悉现网运行情况，而且还要有丰富的分析、处理故障能力[2， 6]。根据实践经验，即便是对同一项工作任务，由不同的工程师来做，其完成任务的时间也很可能并不相同；不仅如此，对于同一项工作任务，由同一个工程师来做，在不同的工作条件下其完成任务的时间亦不相同。

由此可见，项目管理中现有工期确定方法难以解决电信核心网设备健康检查项目的工期确定问题。为此，本文结合该类项目的特点并基于证据理论、网络计划技术，提出电信核心网设备健康检查项目的工期确定方法。

二、工作分解结构与活动逻辑关系

工作分解结构（WBS）是将电信核心网设备健康检查项目按一定的管理规则进行层次化分解。对项目管理作业按WBS结构进行划分能够大幅度提高项目的可控性，位于WBS最底层的作业便是可控制性最强的作业。同时，WBS在一定程度上界定了电信核心网设备健康检查项目的工作范围，使范围管理贯穿整个项目进度管理过程之中，能够实现进度管理与范围管理有机的结合。

电信核心网设备健康检查项目是一个典型的分阶段实施项目。该项目检查由硬件检查、软件检查、全面核查三个部分构成，每个部分又都包含具体的检查工作。如：硬件检查包括硬件数据收集、硬件数据核查、硬件问题整改、现场连线核查、连线问题整改；软件检查包括参数收集、参数核查、参数问题整改、软件包信息核查、软件包信息问题整改、IP连接信息收集、IP连接信息核查、IP连接信息问题整改、告警信息收集、历史告警信息分析、在线告警信息分析、告警问题解决、专项工作信息收集、接通率/释放码信息分析、MSCPOOL拓扑分析、专项工作问题整改、单元主备倒换、单元主备倒换问题解决、检查报告输出；全面核查是对硬件检查工作和软件检查工作的结果审核和突发情况指导。

按照上述工作之间的隶属关系和逻辑关系，绘制WBS图如图1。

以图1为基础，根据各项工作任务之间的紧前紧后关系便可确定如下表1所示的逻辑关系。

三、工期确定方法

证据理论是由Dempster和Shafer共同提出的一种用于开展不完备性信息融合的理论，已在数据融合、智能决策、专家诊断等诸多领域得到了广泛应用[7]。该理论基于同一识别框架通过构建基本信度分配函数（BBA）、信任函数（Bel）、似真函数（Pl）等参数从不同视角刻画命题的信任程度，并运用Dempster组合规则实现不同来源证据信息的合成。因此，本文基于证据理论确定工作任务的工期，方法步骤如下。

步骤1：

评价问题确定。设待估计工期的工作任务为A={ai|i=1，…，I}，参与估计的专家为E={ej|j=1，…，J}。用于评价工期可能持续时间的标度集为Θ={θn|n=1，…，N}，在证据理论中Θ又被称为识别框架，其中，θn与θn之间互斥且可穷举，其中有且仅有一个命题θ*是工作任务的工期。在本文中工作任务A就是图1中的24项任务，邀请一直从事该项检查工作的多位资深专家开展工期估计。根据前期经验，设置电信核心网设备健康检查项目工作任务工期的识别框架为Θ={1，2，3，4，5}，单位是小时。

步骤2：

令i=1。指定最开始需要估计工期的工作任务是a1。

步骤3：

不妨设由专家ej给出的BBA函数为mj，j=1，…，J。例如：专家ej给出的推断信息为mj={（θ1，0.5），（（θ1，θ2），0.3），（Θ，0.2）}，表示根据专家ej的工作经验，完成工作任务ai所需的时间有50%的可能性为θ1、30%的可能性为θ2和θ3中任意一个、20%的可能性为θ1，…，θ5中任意一个。显然，对于后两种情况无法精确地确定究竟是哪一个标度会发生，这正是证据理论的优势所在，其用于描述推断信息的BBA函数有表征局部不确定和全局不确定的能力。就本例而言，（（θ1，θ2），0.3）为局部不确定，（Θ，0.2）为全局不确定。

步骤4：

开展证据融合。BBA函数mj反映了专家ej对命题的信任程度，其仅能反映专家ej单方面的经验知识，具有片面性，要想得到对工期的全面性推断结果，还必须对所有专家的BBA函数进行融合。证据理论采用Dempster规则对BBA函数开展融合。设专家e1和e2给出的BBA函数分别为m1和m2，二者对应的焦元可表示为Bi和Cj，则Dempster规则可表示为

步骤5：

投注层概率转换。工作任务ai最终的融合推断信息mi依然是BBA函数形式，要想用于现实决策还需对其在投注层进行概率转换。这里采用能兼顾信度函数和似然函数双重优势的Pignistic概率实现融合结果向概率的转换[8]，即

令i=i+1。若i≤I，说明还有工作任务的工期需要推断，转到步骤3；否则，说明已完成对所有工作任务工期的推断，转到步骤7。

步骤7：

工作任务工期计算。任务ai的工期概率分布为Pi={（θi ，

P i

n）|n=1，…，N}，按照数学期望即可计算工作任务的工期

ti=∑nθi P in，n=1，…，N。

步骤8：

项目工期计算。分析工作任务之间的紧前与紧后关系，找到项目的关键路线，再通过计算关键路线上工作任务的工期之和得到项目工期。

四、 案例模拟分析

假设有5位专家参与工期推断。限于篇幅，本文仅以这些专家对第一项工作任务a1（硬件数据收集）的推断信息为例进行过程阐述。设5位专家对工作任务a1的工期给出的推断信息如下。

按照步骤4对式（3）中信息进行融合，得到的融合结果m1={（θ1，0.026），（θ2，0.951），（θ4，0.003），（θ5，0.016），（（θ4，θ5），0.004）}。

按照步骤5将与工作任务a1对应的融合结果m1进行投注层概率转换，得到的结果参见表2。由此可得到工作任务a1的概率分布，即P1={（1，0.0264），（2，0.9487），（3，0），（4，0.0059），（5， 0.0190）}。

按照步骤7计算工作任务a1的工期为t1=0.0264*1+0.94 87*2+0*3+0.0059*4+0.0190*5>> 2小时。与上述过程类似，可以得到电信核心网设备健康检查项目所有工作任务的工期。

根据表1中工作任务之间的紧前紧后关系，以及案例中各项工作任务的工期，绘制网络计划图。按照网络计划技术中的相关理论，活动的浮动时间为零的一条路径就是关键路径，关键路径的长度就是整个项目工期。分析该项目的网络计划图可知，该项目的关键路径共有四条，显然在四条关键路径上的工作均为关键工作，将其中一条关键路径上关键工作的工期累加即可得到健康检查项目工期为18小时。其中：硬件检查工作的工期为4小时，软件检查工作的工期为13小时，全面核查工作的工期为1小时。

五、 结束语

电信核心网设备健康检查项目对承担检查工作的工程师专业能力要求较高，不仅需要掌握系统软硬件相关知识，熟悉现网运行情况，而且还要有丰富的分析、处理故障能力。现有的四种工作任务工期确定方法难以解决电信核心网设备健康检查项目中的工期确定问题。为此，本文首先对电信核心网设备健康检查项目进行工作任务分解并结合检查过程分析了各项任务之间的逻辑关系，然后应用能够描述局部不确定和全局不确定的BBA函数提取各专家对项目工作任务工期的推断信息，在此基础上运用证据理论中的Dempster合成规则对所有专家给出的推断信息进行融合，并应用Pignistic概率实现融合结果向概率的转换，最后利用关键路径法确定电信核心网设备健康检查项目的工期。案例模拟分析结果表明本文方法具有应用可行性。

参 考 文 献

[1]李开新. 电信企业管理人员胜任素质及其对企业绩效影响机制研究[D]. 北京交通大学， 2013.

[2]张子英. 我国电信企业内部控制研究[D]. 山东大学， 2013.

[3]田宇. 中国电信企业战略转型研究[D]. 东北大学， 2010.

[4]汪嘉旻，孙永广，吴宗鑫. 时间和费用具有不确定性的优化进度计划[J]. 系统工程理论与实践. 2002， 22（1）： 93-98.

[5]甘华明. 项目管理[M]. 天津： 天津大学出版社， 2006.

[6]王瑞珺. 電信运营企业信息安全项目风险管理分析[J]. 现代商业. 2015（36）： 103-104.

[7] Gruyer D， Demmel S， Magnier V， et al. Multi-Hypotheses Tracking using the Dempster–Shafer Theory， application to ambiguous road context[J]. Information Fusion. 2016， 29： 40-56.

[8] Smets P. Decision making in the TBM： the necessity of the pignistic transformation[J]. International Journal of Approximate Reasoning. 2005， 38（2）： 133-147.