Tesis doctoral
| Título | Machine Learning Based Solutions for 5G Network Self-Management |
| Estado | Finalizado |
| Autor | Jesús Burgueño Romero |
| Director/es | Raquel Barco Moreno , Isabel De la Bandera Cascales |
| Universidad | Universidad de Málaga |
| Centro | Escuela Técnica Superior de Ingeniería de Comunicación |
| Departamento | Ingeniería de Comunicaciones |
| Fecha lectura | 18-01-2023 |
La llegada de la nueva generación de redes móviles ha propiciado la aparición de un amplio
abanico de nuevos servicios, así como mejoras en la calidad de los servicios antiguamente
ofrecidos. Cada uno de estos servicios puede demandar requisitos muy diferentes: alta
fiabilidad, baja latencia o una gran tasa de descarga en las comunicaciones. Con el fin de
cumplir estos requisitos, además del uso de nuevas tecnologías provistas por esta nueva
generación, los operadores proponen un despliegue de nodos heterogéneo donde múltiples
tecnologías y tamaños de celda conviven en el mismo escenario. Esto permitirá incrementar
la capacidad ofrecida por la red. Sin embargo, este despliegue de un gran número de nodos y
el incremento del número de dispositivos conectados a redes móviles que ha ocurrido en los
últimos años han propiciado que se incremente la complejidad a la hora de gestionar los
recursos disponibles. Para llevar a cabo una gestión óptima y eficiente, los operadores
despliegan técnicas que permiten automatizar todos los procedimientos posibles. De esta
forma se maximiza la calidad de experiencia percibida por los usuarios mientras se reducen
los gastos.
Las tareas encargadas de automatizar la gestión de la red se clasifican en tres grupos
diferentes: auto-configuración, auto-optimización y auto-curación. Las técnicas de auto-
configuración automatizan las acciones necesarias para desplegar nuevas redes. Por otro
lado, las técnicas de auto-optimización maximizan la eficiencia de los recursos disponibles.
Finalmente, las técnicas de auto-curación identifican y reparan fallos en la red. Cabe destacar
que métodos de muy diferente naturaleza pueden utilizarse para cumplir los objetivos. Es
decir, metodologías simples que automaticen tareas con bajo coste computacional y mínima
latencia o técnicas más pesadas que afronten problemas más complejos en los que las
decisiones se toman basándose en una gran cantidad de información.
Con el fin de incrementar el rendimiento obtenido en las redes móviles, los operadores
buscan combinar estas técnicas de automatización con las nuevas funcionalidades
proporcionadas por la nueva generación de redes celulares. Una de las nuevas
funcionalidades más relevantes es la multi-conectividad. Esta funcionalidad permite que los
recursos radio provistos por varios nodos puedan ser simultáneamente asignados a un mismo
usuario. De este modo se provee al operador de una mayor flexibilidad a la hora de planificar
los recursos radio ya que se pueden potenciar diferentes métricas de rendimiento
dependiendo del usuario. Por ejemplo, se puede optar por incrementar la capacidad
disponible a un usuario con el objetivo de aumentar su tasa de descarga. Por otro lado, otro
usuario puede ver incrementada su fiabilidad en la comunicación gracias a que se envían
paquetes duplicados a través de diferentes enlaces. Por último, y a pesar de aumentar aún
más la complejidad de la gestión de recursos, la multi-conectividad permite que los usuarios
se encuentren simultáneamente conectados a nodos de diferentes tecnologías de acceso
radio.
La primera parte de esta tesis se enfoca en el desarrollo de técnicas de auto-optimización que
permitan optimizar la gestión de los recursos en escenarios donde la multi-conectividad se
encuentra habilitada. Con este fin se desarrollan técnicas donde los nodos que proveerán
datos de forma simultánea al usuario se elegirán de forma óptima, así como la cantidad de
tráfico que cada uno de ellos proveerá al propio usuario. Estas técnicas tienen como objetivo
superar el rendimiento obtenido por los métodos estandarizados o por otras metodologías
propuestas en el estado del arte. Además, se propone una metodología que posibilita la
optimización conjunta de la configuración de los nodos de diferentes redes de acceso con el
objetivo de maximizar la cobertura y la capacidad disponibles en estos nuevos escenarios.
Por otro lado, la segunda parte de la tesis se enfoca en el desarrollo de técnicas de auto-
curación. Dado el despliegue de un gran número de nodos que recogen métricas de
rendimiento, para los operadores es primordial conocer si dicho rendimiento está siendo
correcto o hay algún fallo en la red. Por tanto, esta tesis propone un sistema de detección de
anomalías capaz de alertar de una posible degradación en la red en tiempo real. En el caso de
que un error en una celda no permita a esta continuar operando y que los usuarios cursando
servicios críticos se queden fuera de cobertura, una acción compensatoria debe realizarse
mientras que la celda está siendo arreglada. Con este fin se propone una técnica basada en
aprendizaje por refuerzo para que robots de una fábrica de la Industria 4.0 continúen
desempeñando correctamente su función sin el soporte de la red móvil.
Volver
