Compañía de comercio internacional de Nanjing, Limitado. En el panorama actual de las telecomunicaciones, Las empresas de TI e Internet están ofreciendo servicios en la nube en el territorio tradicional de las telecomunicaciones, incluidas las redes troncales, algunos MAN, esa infraestructura, y aplicaciones informáticas.
Si los operadores no pueden proporcionar servicios en la nube de primer nivel, perderán muchos de sus servicios tradicionales, en particular, líneas arrendadas de centros de datos. Es más, automatización para O&M en las redes de telecomunicaciones es baja y la complejidad de la red significa que 70% de las fallas de red se deben a errores humanos.
La innovación de productos por sí sola no es suficiente para superar los desafíos que enfrentan los operadores. Impulsar la competitividad requiere innovaciones en la arquitectura del sistema, productos, y modelos de negocio.
¿Qué es la innovación en la arquitectura del sistema??
en computación en la nube, no es un gran avance en un servidor o producto de almacenamiento. En cambio, es innovación a nivel de sistema basada en nuevos sistemas distribuidos que aumentan la utilización de recursos. Innovaciones en productos, arquitectura del sistema, y los modelos de negocio se refuerzan mutuamente.
Del lado del producto, el principio detrás del diseño del equipo de red de Huawei es alta capacidad y baja latencia. Para la arquitectura del sistema, Huawei está mirando conducción autónoma redes que son ágiles, automatizado, e inteligente.
¿Qué entendemos por conducción autónoma??
El objetivo de las redes autónomas impulsadas por IA es crear un modelo de red autónomo con tres características: dispositivos ágiles, control inteligente, y análisis inteligente.
En redes de telecomunicaciones, la capa inferior es el equipo de red y la capa superior es la capa de control. Para el control de toda la red y O&METRO, La IA y las funciones autónomas segmentadas pueden lograr la funcionalidad E2E a través del sistema operativo de capa superior, permitiendo así que toda la red se vuelva autónoma.
El mayor cambio realizado por las redes autónomas es que el personal de mantenimiento ya no está involucrado en todo el proceso de servicio.. Toda la red es autónoma en el sentido de que está automatizada, autooptimizante, y autocuración.
Las redes futuras estarán totalmente automatizadas en el lado del operador con Huawei proporcionando servicios en línea totalmente automatizados basados en IA.. Estos servicios se basarán en un modelo de IA iterativo continuo que está disponible como un modelo como servicio que mejora continuamente.
La introducción de IA en las redes aportará un nuevo valor a partir de la previsibilidad. La gestión de la red de telecomunicaciones y el centro de control se basan en las interfaces del dispositivo hacia el sur y la recopilación de datos. Diversas estrategias y reglas permiten la gestión y programación de toda la red para cumplir tres condiciones para la automatización de la red: accesibilidad de la red, Requisitos de SLA, y la eficiencia de los recursos.
Sin embargo, a medida que la red se vuelve cada vez más compleja, esto no es suficiente. Se requiere razonamiento de IA en línea y análisis de datos para predecir el tráfico, calidad, y fallas. La programación de la red basada en predicciones de condiciones futuras evita fallas antes de que ocurran, optimiza la calidad antes de que se deteriore, y ajusta el tráfico antes de que ocurra la congestión. De este modo, el valor central que ofrece la IA es cero fallas.
cinco fases
Desarrollar una red autónoma es un proceso a largo plazo que hemos dividido en cinco fases:
Una: AI sabe "lo que pasó".
Dos: AI puede determinar "por qué sucedió".
Tres: La IA puede predecir "lo que sucederá" con el apoyo de juicios y decisiones manuales..
cuatro: AI juzga “qué medidas deben tomarse”, que luego se realizan manualmente.
Cinco: La automatización completa permite la autocuración.
Las redes autónomas y Model-as-a-Service proporcionarán a los usuarios finales una experiencia de nivel de minutos, conexiones de red óptimas en todo momento, y redes sin tiempo de inactividad. Los operadores se beneficiarán de una duplicación de la eficiencia en tres áreas: O&METRO, eficiencia de recursos, y eficiencia energética.
Doblando O&M eficiencia: Hay tres niveles de desarrollo en O&METRO. El primero es Run-to-Failure (R2F). con R2F, O&El personal de M se apresura a reparar fallas repentinas cuando ocurren en las operaciones de la red.. Este es el nivel más bajo de O&METRO. La segunda etapa es el Mantenimiento Preventivo (IVA). Esto implica inspecciones de rutina.. Cada elemento del equipo se revisa para evitar fallas.. Este método es extremadamente ineficiente.. El tercer nivel es el Mantenimiento Predictivo (PDM), donde se puede predecir la probabilidad de que un determinado dispositivo falle en el futuro y llevar a cabo un mantenimiento específico.
Con PdM, esperamos reducir la compresión de alarmas y la ubicación de fallas en las redes al 90 por ciento y lograr un 90 porcentaje de predicción de fallas y deterioro de componentes clave, dando un paso más hacia la autocuración de la red.
Con más que 70 porcentaje de fallas de red causadas por equipos pasivos, por ejemplo, curvas de fibra, envejecimiento del dispositivo, y puertos sueltos, La IA puede aprender las características de los cambios de señal cuando ocurren problemas como este e impulsar el mantenimiento predictivo.
Duplicar la eficiencia de los recursos: Corrientemente, Las redes se construyen antes de que el tráfico de datos comience a fluir., a veces conduce a una mala utilización de los recursos. Si el problema se aborda desde el otro lado con la programación de la red basada en la dirección del flujo, la utilización de recursos sería mucho mayor.
La IA puede construir modelos de predicción de tráfico para predecir con precisión el tráfico, y, por lo tanto, las mejores topologías de red donde las rutas de red están determinadas por la dirección del tráfico en lugar de las conexiones físicas.
Duplicar la eficiencia energética: Lograr esto, los bits pueden administrar vatios; eso es, el tráfico de red puede determinar el consumo de energía. En salas de equipos y estaciones base, cada sistema tiene docenas de parámetros. La IA puede ser entrenada para generar enfriamiento, ambiente, y modelos de carga de servicio para optimizar la eficiencia de la iluminación, la temperatura, generadores de equipos, energía solar, y pilas.
A nivel de equipamiento, la entrega de energía dinámica puede basarse en las cargas de servicio. Cuando no hay tráfico, métodos como el cierre de intervalos de tiempo, Sueño profundo RF, y el apagado de frecuencia portadora puede reducir el consumo de energía, junto con la gestión dinámica de ahorro de energía para servidores de centros de datos y otros equipos.
En el lado del sistema de red, los modelos precisos de predicción de la carga del servicio pueden optimizar todo el tráfico de la red para lograr una eficiencia energética óptima.
Construyendo y entrenando autonomía con SoftCOM AI
SoftCOM AI es la arquitectura objetivo de Huawei para redes autónomas basada en la introducción de tecnología y capacidades de IA en tres capas: dispositivo e infraestructura en la nube; centro de gestión y control de red; y red O&sistema M. Estas tres capas lograrán la smartificación E2E y la automatización de la planificación de redes, despliegue, operación, mantenimiento, mejoramiento, y operaciones comerciales.
Huawei también está planeando una plataforma de capacitación de IA para operadores que puedan entrenar IA utilizando datos de equipos de red que se envían a la plataforma.. Los modelos se actualizarán y optimizarán continuamente para ayudar a mejorar el nivel de automatización en el sistema de red..
Ejemplo: SoftCom AI en una red óptica
SoftCOM AI puede habilitar todo el proceso de desarrollo de servicios. El primer requisito es la base de datos., que determina qué tipo de datos se necesitan. Para una red óptica, esto incluye datos de fibra óptica, datos de la señal óptica, y datos de enrutamiento óptico. El siguiente requisito es la tecnología habilitadora, o algoritmos de IA, incluyendo algoritmos para la limpieza de datos, integrando información, modelado de aprendizaje automático, y aprendizaje profundo.
También es necesario construir una gran cantidad de modelos para habilitar una red óptica "autodirigida".. Estos incluyen fibra óptica y modelos de filtro..
El requisito final son los escenarios de aplicación de servicio.. Estos incluyen la inspección automatizada inicial de fibra óptica, provisión de servicios, optimización de red, Localización de fallos, y programación de recursos automatizada. Los modelos podrán encontrar enfoques óptimos, permitiendo un aprovisionamiento rápido, más simple O&METRO, y operaciones inteligentes. Smartification mejorará la eficiencia de programación de la red. Con cero espera, toque cero, y experiencia cero, la gente ni siquiera sentirá que la red está ahí.
El futuro es la inteligencia. Pero, La smartificación de la red no se logrará de la noche a la mañana. SoftCOM AI es parte de Huawei Activar Inteligencia estrategia en el sector de las telecomunicaciones para ayudar a los operadores a crear redes automatizadas que nunca fallan y actúan como un trampolín para la transformación digital.
Haga clic en los siguientes enlaces para la Documento técnico de Huawei sobre SoftCOM y para más información sobre Estrategia y cartera de IA de Huawei.