Análise preditiva de falhas: guia prático para provedores

O que é análise preditiva de falhas numa rede de provedor

É olhar para a direção em que cada métrica está andando, e não só para o valor de agora. Quando a linha aponta para um limite perigoso, o sistema avisa antes de cruzá-lo.

Boa parte das falhas que derrubam assinantes não acontece de uma hora para outra. Um conector sujo perde alguns décimos de dBm por semana, o tráfego de um link de trânsito cresce mês a mês e a ventoinha de um roteador vai perdendo rotação até a temperatura subir.

O alerta comum só dispara quando o valor passa do limite, ou seja, quando o problema já chegou. A análise preditiva de falhas é a camada que lê o histórico e calcula quando esse limite deve ser atingido, para a equipe agir com folga.

Ela trabalha sobre os dados que o monitoramento de rede para provedores já guarda. Sem coleta estável e sem histórico de algumas semanas, não existe tendência para calcular, e qualquer previsão vira chute.

Preditiva, preventiva e corretiva são coisas diferentes

A manutenção corretiva age depois da falha, e a preventiva troca peças por calendário, mesmo que estejam boas. A preditiva fica no meio: só age quando os dados mostram que aquela peça específica está se degradando.

Num provedor regional, as três convivem. A limpeza de filtros do POP pode continuar no calendário, enquanto a troca de cordões ópticos passa a seguir a tendência de potência de cada porta.

Como funciona a análise preditiva de falhas?

Funciona em cinco etapas: coletar, guardar histórico, calcular a tendência, avisar e agir. Cada etapa depende da anterior, e a fraqueza mais comum está na primeira.

No Zabbix, as funções de tendência forecast e timeleft fazem o mesmo papel do predict_linear do Prometheus: a primeira projeta o valor numa data futura, e a segunda estima quanto tempo falta para chegar a um limite.

Três métodos simples que resolvem a maioria dos casos

Não é preciso modelo sofisticado para começar a prever falhas de rede. Três cálculos, todos disponíveis nas ferramentas de monitoramento mais usadas, cobrem quase tudo o que um provedor precisa.

• Tendência linear: traça uma reta sobre o histórico recente e projeta quando a métrica vai cruzar o limite. Serve para potência óptica, disco e crescimento de tráfego.
• Desvio da média do horário: compara o valor de agora com o normal daquele dia da semana e daquela hora. Pega queda súbita de sessões PPPoE ou tráfego fora do padrão.
• Taxa de mudança: mede a velocidade com que um contador cresce. Um contador de erros de CRC que acelera indica porta ou cabo piorando.

O desvio da média é o que mais ajuda no tráfego, porque o uso de um provedor tem um desenho diário muito marcado, com pico à noite e vale de madrugada.

Exemplo: alerta preditivo de potência óptica no Prometheus

A função predict_linear projeta o valor futuro de uma métrica a partir do histórico. O exemplo avisa quando a potência de recepção vai passar de -27 dBm em 7 dias, olhando as últimas 72 horas.

groups:
  - name: preditivo-optico
    rules:
      - alert: PotenciaOpticaVaiCair
        expr: predict_linear(optico_rx_dbm[72h], 7 * 24 * 3600) < -27
        for: 2h
        labels:
          severidade: aviso
        annotations:
          resumo: "Potência de {{ $labels.interface }} deve passar de -27 dBm em 7 dias"

O nome optico_rx_dbm é ilustrativo: cada exportador dá um nome diferente para a potência de recepção. O limite de -27 dBm também é só um ponto de partida e deve seguir a sensibilidade do transceptor usado em cada enlace. [CONFIRMAR limite por modelo de módulo]

Para montar a coleta, a retenção e o envio de alertas que essa regra pressupõe, veja o guia de implantação de Prometheus. A conta de quanto sinal cada enlace pode perder está no cálculo de orçamento de potência óptica.

Como ler a regra linha por linha

Cada linha da regra tem uma função clara, e entender isso ajuda a adaptar o exemplo para disco, tráfego ou temperatura. A lógica é sempre a mesma: janela de histórico, horizonte de previsão e limite.

• Janela de 72h: quanto histórico entra no cálculo. Janela curta reage a qualquer oscilação; janela longa demora a perceber a piora.
• Horizonte de 7 dias: até onde a reta é projetada. É o prazo que a equipe tem para agendar a limpeza ou a troca.
• Condição for de 2h: a previsão precisa se manter por duas horas seguidas antes de virar aviso, o que corta alarme por pico isolado.
• Severidade aviso: separa o preditivo do alerta de queda real, para ele ir à fila do dia e não ao celular de madrugada.

Análise preditiva de falhas passo a passo

O caminho seguro é começar por uma métrica, provar que a regra funciona e só depois ampliar. Tentar prever tudo de uma vez enche a fila de avisos que ninguém trata.

1. Escolha a primeira métrica: potência óptica ou uso de links costumam dar resultado rápido, porque degradam devagar e têm limite claro.
2. Confira a coleta: veja se a série não tem buracos e se o intervalo é o mesmo em todos os equipamentos da amostra.
3. Teste contra o passado: aplique a regra sobre o histórico e veja se ela teria avisado antes das últimas falhas conhecidas.
4. Defina limite e horizonte: ajuste o valor de corte e o prazo de previsão para que a equipe consiga agir antes da data.
5. Ligue em modo silencioso: deixe a regra gerar avisos só num painel por algumas semanas e conte quantos seriam úteis.
6. Coloque em produção: com o volume aprovado, os avisos passam a abrir tarefa com responsável e prazo.

Os avisos de capacidade pedem mais histórico que os de componente. Para prever quando um link de trânsito vai lotar, o crescimento de vários meses importa mais que o de uma semana, como mostra o guia sobre link de trânsito saturado.

Qual janela de histórico usar em cada métrica?

A janela certa depende da velocidade com que a métrica muda. Dados que oscilam muito no dia pedem janelas mais longas para a reta não seguir cada pico.

Esses valores são ponto de partida e devem ser revistos com os dados da própria rede depois das primeiras semanas. [CONFIRMAR com o histórico do provedor]

Do aviso preditivo à ação no NOC

Cada aviso preditivo precisa virar uma tarefa com dono e prazo anterior à data prevista. Sem isso, a regra até acerta, mas a falha acontece do mesmo jeito.

No NOC, o aviso preditivo é tratado como trabalho planejado, e não como incidente. Ele entra na fila do dia, é agrupado com outros avisos da mesma causa e gera uma ação de campo ou de configuração com data marcada.

1. Classifique: aviso preditivo não aciona ninguém fora do horário; vai para a fila do turno seguinte.
2. Agrupe: avisos repetidos da mesma porta, do mesmo POP ou do mesmo modelo de módulo viram um único registro.
3. Agende: limpeza, troca ou ampliação marcada antes da data projetada, com janela quando houver risco.
4. Confira: depois da ação, a tendência precisa parar; se continuar, a causa era outra.

Quando o mesmo tipo de aviso volta em vários equipamentos, a pergunta deixa de ser técnica e vira de processo. A gestão de problemas no NOC é o lugar certo para investigar esse padrão.

A recompensa aparece no SLA: trocar um cordão numa terça à tarde, com aviso, custa menos indisponibilidade que atender a mesma porta caída num sábado à noite.

Erros comuns na análise preditiva de falhas

A análise preditiva costuma falhar por excesso de avisos, e não por falta deles. Os erros abaixo aparecem em quase toda primeira tentativa.

Quando vale usar aprendizado de máquina na previsão?

Vale depois que os métodos estatísticos simples já estão rodando e a equipe sabe onde eles não alcançam. Antes disso, o modelo complexo só esconde problemas de coleta atrás de um resultado difícil de explicar.

Detecção de anomalia com vários sinais ao mesmo tempo é o caso em que técnicas mais elaboradas podem ajudar, mas o ganho depende muito dos dados de cada rede e precisa ser medido antes de ser prometido. O uso de assistentes com IA no dia a dia da equipe é outro assunto, tratado no guia sobre inteligência artificial na operação de rede.

Checklist para validar as regras preditivas

Valide as regras contra falhas que já aconteceram e contra a capacidade real da equipe. Uma regra boa avisa a tempo e gera um volume que alguém consegue tratar.

A Táquion Tech configura as regras de tendência sobre o monitoramento que o provedor já tem, testa cada uma contra o histórico de falhas e organiza a fila de avisos junto com a equipe do NOC.

Os painéis do Grafana ajudam nessa revisão: uma tela com a projeção ao lado do valor real mostra, mês a mês, quantos avisos se confirmaram e quantos foram falsos.

Perguntas frequentes sobre análise preditiva de falhas

Thiago Manoel

Responsável técnico da Táquion Tech · Registro profissional [PREENCHER]

Mais de 15 anos em operações de rede, com gestão de infraestruturas de TI, administração de data centers e condução de equipes em migrações de TI e telecomunicações, com foco em alta disponibilidade e segurança.

A Táquion Tech é uma empresa de engenharia de redes de Balneário Camboriú (SC) que projeta, opera e dá suporte a redes de provedores de internet e de empresas.

Conheça a equipe da Táquion Tech