5G representa un punto de inflexión dentro de la industria de las telecomunicaciones, donde las redes se vuelven demasiado complejas para que los humanos las operen de manera rentable sin el uso de herramientas y tecnologías de automatización. La complejidad es impulsada en parte por el propio 5G, que utiliza un conjunto mucho más amplio de bandas de frecuencia, puede priorizarservicios basados en la latencia y admite grandes aumentos en la cantidad de elementos de red y dispositivos de usuario final. Pero hay una plétora de otros cambios que aumentan aún más la complejidad.
Estos incluyen la evolución de hardware físico a redes virtuales y nativas de la nube, división de red de extremo a extremo, la adopción de tecnologías de red de acceso de radio abierto (RAN) y la adición de nuevos servicios comerciales empresariales. También existen redes multitecnología con algunos proveedores de servicios de comunicaciones (CSP) que ejecutan redes 2G, 3G, 4G/LTE y 5G en paralelo, así como redes de múltiples proveedores con normalmente de dos a cuatro proveedores diferentes de RAN implementados en la red.
La inteligencia artificial (IA) y el aprendizaje automático (ML) se están volviendo comunes en la industria de las telecomunicaciones y, a menudo, son la única forma de administrar la complejidad que vemos en las redes de múltiples proveedores y múltiples tecnologías de la actualidad. Esta complejidad se vuelve aún más evidente en la RAN, que es uno de los dominios más difíciles de abordar debido a su naturaleza puramente distribuida, la cantidad de nodos de la red y su proximidad a los usuarios finales, lo que lo convierte, como era de esperar, en un importante consumidor de gastos operativos. .
La evolución de la RAN integra la automatización
La automatización de la industria de las telecomunicaciones está fuertemente vinculada al uso omnipresente de la IA, pero donde tiene más sentido según el caso de uso. Por ejemplo, mejorar la racionalización y el rendimiento de CAPEX/OPEX requiere acciones en la red a escala. La buena noticia es que las tecnologías de red más nuevas, 5G y Open RAN, se han diseñado para la automatización a gran escala. De hecho, O-RAN Alliance está definiendo una nueva arquitectura de administración y orquestación de servicios (SMO) diseñada específicamente para permitir una mejor automatización de RAN.
Entonces, la clave del éxito es que los proveedores de red automaticen las cosas correctas y apunten a mejorar continuamente el rendimiento, lo que requiere inteligencia aplicada. Cuando se trata de la evolución de la automatización RAN, podemos ver que las tecnologías de IA y ML se utilizan predominantemente en tres áreas específicas.
- plataforma SMO – la propia plataforma SMO está diseñada para incorporar tecnologías de IA. En esencia, tiene un entorno de ejecución AI/ML integrado. La plataforma está diseñada para conectarse a grandes fuentes de datos externas, así como para admitir interfaces hacia el norte y hacia el sur.
- Gestión del ciclo de vida – Vemos una necesidad urgente de un mayor uso de la IA en la gestión del ciclo de vida de los componentes de software de red nativa virtual y en la nube. Un objetivo clave de la automatización de RAN es reemplazar el trabajo manual de desarrollar, instalar, implementar, administrar, optimizar y retirar funciones de RAN. Debido a que AI y ML han demostrado ser herramientas eficientes para desarrollar la funcionalidad de automatización de RAN, el uso de AI y ML para impulsar la gestión del ciclo de vida y las herramientas de CI/CD es obvio. Existe la expectativa de que la IA y el ML se utilicen ampliamente en la capacitación y el reentrenamiento de los modelos de implementación desde el uso de un modelo global genérico hasta un modelo integrado mucho más autónomo con reentrenamiento autónomo. La recopilación y gestión de datos es uno de los mayores desafíos para escalar el software y las herramientas de AI/ML en los CSP. Es absolutamente relevante cómo se gestionan los datos en el ciclo de vida del algoritmo.
- RApps de automatización de RAN: En el paradigma O-RAN SMO, los casos de uso de automatización de RAN se implementan en aplicaciones denominadas «rApps». Las rApps dependen en gran medida del uso de tecnologías de IA y ML simplemente para manejar la gran cantidad de variables dentro de la red. Por ejemplo, es posible que tenga una rApp que esté diseñada para detectar y compensar los cortes de celdas en la red. Si ocurre una interrupción, la rApp extiende automáticamente la cobertura de las celdas vecinas para minimizar el impacto de una celda fuera de servicio, al tiempo que cumple con los niveles de servicio aceptables. Luego, las acciones se revierten una vez que la celda regresa de la interrupción. La capacidad de compensar automáticamente las interrupciones de la celda elimina el trabajo manual y aumenta la velocidad de resolución, lo que mejora la satisfacción del usuario. Pero se necesitan tecnologías de IA para que eso sea posible.
AI y ML son esenciales en las redes móviles modernas y cualquier sistema de administración y orquestación de servicios debe usar y admitir el uso de AI. La IA está en todo lo que hacemos.
Sobre el Autor
Peo Lehto, Responsable del Área de Soluciones OSS, Ericsson Digital Services. Ericsson Digital Services proporciona soluciones que realizan la transformación digital de los clientes, incluidos software y servicios en las áreas de monetización y sistemas de gestión (OSS/BSS), núcleo de telecomunicaciones (servicios de comunicación y núcleo de paquetes) e infraestructura de nube y NFV (virtualización de funciones de red). Peo también ha dirigido la práctica de IP y transporte para Ericsson en el noreste de Asia, encabezando la convergencia de banda ancha fija para Ericsson Japón, y también ha liderado la EPG de la Organización de desarrollo de nodos para Ericsson en Suecia. Peo nació en Suecia en 1968. Tiene un Ms.Sc. Licenciado en Ingeniería Eléctrica y MBA en Marketing Industrial y Compras de la Universidad Tecnológica de Chalmers en Gotemburgo.
Regístrese para recibir el boletín gratuito insideBIGDATA.
Únase a nosotros en Twitter: https://twitter.com/InsideBigData1
Únase a nosotros en Facebook: https://www.facebook.com/insideBIGDATANOW