Antecedentes tecnológicos

La gestión de redes es una de las tareas más costosas para las compañías operadoras de telecomunicaciones. En consecuencia, existe una tendencia a delegar la gestión de la red a la propia red. Esto se conoce como Redes Autónomas. Pero hoy en día, el diagnóstico de fallos sigue siendo una tarea no autónoma. Tradicionalmente, este proceso ha sido llevado a cabo por expertos humanos respaldados por sistemas de monitoreo para detectar alarmas o síntomas. Pero incluso con esos sistemas, la tarea de diagnóstico sigue siendo un proceso manual.

El constante aumento en el tamaño y la complejidad de la red hace que el diagnóstico de fallos sea una tarea crítica que debe ser gestionada de manera rápida y confiable. Para llevar a cabo esta tarea, se requieren ingenieros altamente capacitados, pero incluso estas personas no siempre pueden hacer frente a la creciente heterogeneidad y complejidad de las redes, ya que el diagnóstico es un proceso difícil, que consume mucho tiempo y, por lo tanto, es una tarea costosa. En consecuencia, los operadores buscan automatizar completamente el diagnóstico de fallos para reducir el costo de operación y mejorar la experiencia del cliente a través de la operación automatizada de procesos diagnósticos estandarizados.

Objetivos del proyecto

Con el fin de resolver las limitaciones mencionadas y avanzar en el desarrollo de técnicas automáticas de diagnóstico para redes SDN, este proyecto tiene como objetivo generar diferentes técnicas de monitoreo y diagnóstico basadas en técnicas de inteligencia artificial que permitan al sistema aprender o adaptarse a los cambios y la evolución de la red. Para ello, se planea estudiar y evaluar diferentes técnicas de computación evolutiva o técnicas de aprendizaje automático. Por un lado, las técnicas de computación evolutiva son muy atractivas y se utilizan en la literatura para resolver diferentes problemas de optimización, lo que resulta interesante para evaluar y/o monitorear el estado de la red y así poder detectar diferentes anomalías en tiempo real. Por otro lado, las técnicas de aprendizaje automático ofrecen al sistema la capacidad de aprender del entorno con datos previamente recolectados, lo que permite que el comportamiento del sistema se adapte si el entorno se ve modificado por factores externos.

El desarrollo de este proyecto permitirá a AXPE Consulting potenciar su posición como proveedor de referencia en el sector de las telecomunicaciones, al mismo tiempo que nos ayudará a consolidar nuestra área de I+D, como palanca para el desarrollo corporativo y un elemento diferenciador frente a nuestra competencia.