Socios de proyecto:

• Telcaria Ideas S.L.
• IMDEA Networks.

Este proyecto tiene como objetivo el diseño de una arquitectura para redes móviles que sea capaz de cumplir los requisitos de las distintas industrias verticales a las que 5G está orientado. Esta arquitectura estará situada sobre los componentes fundamentales de la plataforma 5G, siguiendo las últimas especificaciones propuestas por el grupo 3GPP. Sobre estas indicaciones, se incluirán módulos que provean las funcionalidades requeridas por los distintos casos de uso de los servicios verticales no disponibles en la plataforma subyacente.

La arquitectura incluirá dos funciones principales sobre la plataforma 5G: (i) El Módulo MANO optimizado, que incluirá los algoritmos responsables de la orquestación de las diferentes funciones de red (NFs) y de recursos de la red teniendo en cuenta los requisitos de los servicios verticales a desplegar, y (ii) los módulos de análisis con Inteligencia Artificial (IA), que usando técnicas de aprendizaje automático y metodologías Machine Learning (ML), se encargará de las funciones de gestión, control y configuración de la red, incluyendo la configuración de las NFs y los algoritmos seguidos por MANO.

Se diseñarán algoritmos de orquestación para conseguir que cada Slice de la infraestructura pueda proporcionar los requisitos impuestos por los diferentes clientes verticales. Estos algoritmos elegirán las ubicaciones más apropiadas para el despliegue de las diferentes VNFs en cada Slice, incluyendo aquellas funciones de la capa de aplicación que puedan ser dependientes de las capacidades MEC de la infraestructura. A partir de los datos de disponibilidad de recursos en los nodos de red de la infraestructura subyacente, se usará el módulo de análisis de datos basado en IA para tomar decisiones óptimas. El módulo MANO mejorado que se propone será usado junto con el concepto de elasticidad de recursos de 5GMoNArch.

La idea de elasticidad se refiere a la capacidad de un sistema de adaptarse fácilmente a los cambios que se produzcan en la cantidad de recursos disponibles, minimizando el impacto que pueda tener este proceso sobre los usuarios. Un sistema elástico se adapta automáticamente para aprovechar los recursos disponibles mientras hace un uso eficaz de la infraestructura subyacente. Esto implica que, en caso de una reducción de los recursos disponibles para usar, se evita que el servicio se degrade significativamente. Algunos ejemplos de capacidades de mejora del rendimiento que se proporcionarán mediante técnicas de IA son los siguientes: (i) al clasificar los patrones de carga computacional de las VNS, podemos estimar su rendimiento en función de los recursos disponibles; (ii) se hará uso de la predicción del tráfico para la asignación proactiva de los recursos; (iii) se aprovechará la IA para tomar decisiones de orquestación óptimas para los patrones observados en la utilización de la red y de los recursos computacionales; y

(iv) el análisis de datos ayudará a optimizar el aprovisionamiento elástico de recursos y el control de admisión de Slices de red. Esto está muy relacionado con la funcionalidad de análisis de datos basada en AI que se describe a continuación.

El módulo IA de análisis de datos seguirá una arquitectura que comprende las siguientes funciones: (i) Módulo de gestión de políticas, que toma decisiones para garantizar que se cumplan los objetivos del operador y las políticas del regulador; (ii) Módulo de conocimientodel contexto, que describe el estado y el entorno; (iii) Módulo de conciencia situacional, que permite comprender cómo la información, los eventos y los comandos pueden afectar al siguiente estado, las acciones y la capacidad para cumplir los objetivos operativos; (iv) Módulo de gestión de la cognición, que permite revisar y cumplir con los objetivos extremo a extremo; y (v) Módulo de gestión del conocimiento, que se utiliza para representar información sobre hechos conocidos, postulados e inferencias.