Electrical engineering, Faculty of Polytechnic Sciences, International University of Travnik in Travnik , Travnik , Bosnia and Herzegovina
Electrical engineering, Faculty of Polytechnic Sciences, International University of Travnik in Travnik , Travnik , Bosnia and Herzegovina
Electrical engineering, Faculty of Polytechnic Sciences, International University of Travnik in Travnik , Travnik , Bosnia and Herzegovina
U brzo razvijajućem svijetu telekomunikacija, minimiziranje vremena zastoja i optimizacija efikasnosti infrastrukture za ključne potrebe. Prediktivno održavanje omogućeno umjetnom inteligencijom (AI) revolucionira način na koji telekomunikacijski operateri obavljaju održavanje mrežne imovine i izbjegavaju neposredne popravke. Korištenjem algoritama mašinskog učenja i analitike u stvarnom vremenu, prediktivno održavanje poboljšanom umjetnom inteligencijom omogućava rano otkrivanje kvarova, smanjuje operativne troškove i poboljšava vrijeme rada usluga. Objašnjava se kako se najsavremeniji prediktivni modeli integriraju u telekomunikacijske operacije, spominje se uloga koju igraju veliki podaci i IoT u ovoj tranziciji i ističe se strateške prednosti i izazovi korištenja umjetne inteligencije u operacijama prediktivnog održavanja. S rastućom složenošću telekomunikacijskog ekosistema, prediktivno održavanje se pojavljuje kao ključno omogućava inteligentnih i robusnijih mreža.
Writing – original draft, A.M.; Writing – review & editing, A.M.; Supervision, G.P. All authors have read and agreed to the published version of the manuscript.
Authors retain copyright. This work is licensed under a Creative Commons Attribution 4.0 International License. 
The statements, opinions and data contained in the journal are solely those of the individual authors and contributors and not of the publisher and the editor(s). We stay neutral with regard to jurisdictional claims in published maps and institutional affiliations.