Location-Aware Mechanisms for the Management of Advanced Networks Infrastructure in 5G and Beyond.

Abstract

La gestión de red se ha convertido en un aspecto clave del funcionamiento de las redes celulares. Estas tareas han ganado importancia así como complejidad con cada generación de redes móviles. La gestión de red constituye la base para que los clientes puedan tener una buena calidad de experiencia (QoE), lo que determina el éxito de los operadores de redes móviles (MNOs). Tradicionalmente, las tareas de monitoreo, análisis y optimización han sido realizadas por operadores humanos con la ayuda de herramientas del sistema de soporte de operaciones (OSS). Sin embargo, los MNOs han dedicado recursos para automatizar estas tareas, lo que se conoce como técnicas de autoorganización de red (SON): autoconfiguración, autooptimización y auto-sanación. Las técnicas de SON tienen como objetivo reducir los gastos operacionales (OPEX) mediante la minimización de la intervención humana. Además, la llegada de las técnicas de aprendizaje máquina (ML) ha revolucionado la gestión de red, permitiendo a los MNO detectar, analizar e incluso predecir automáticamente problemas de red. Cada generación de red celular ha añadido nuevos desafíos a la gestión de red. Esto es debido a que las nuevas características introducen nuevos parámetros a configurar, indicadores clave de rendimiento (KPI) a monitorizar, elementos de red a gestionar y servicios que las redes deben garantizar. Por tanto, el esfuerzo humano se ha redirigido al desarrollo de soluciones basadas en ML, que puedan manejar la complejidad de los aspectos mencionados. En este sentido, la tecnología 5G ha introducido nuevas funcionalidades que permiten nuevos servicios. Esto significa que nuevos problemas de red nacen de dicha implementación, y los MNO deben estar preparados para enfrentarlos. Esta tesis proporciona un conjunto de mecanismos de gestión de red para abordar los desafíos actuales de las tecnologías 5G y venideras.