Despliegue autónomo de redes con inteligencia artificial
Despliegue autónomo de elementos de red en contenedores
En Discovery – Future Network Labs, estamos trabajando a la vanguardia en
despliegue autónomo de redes, trabajando en casos de uso que permiten desplegar nuevos elementos de red de manera automática y eficiente. Para abordar estos desafíos, implementamos despliegues utilizando Kubernetes, una
plataforma que permite la gestión automatizada, el escalado y el mantenimiento de aplicaciones en contenedores.
Al disponer en contenedores las funciones de red, podemos monitorizar continuamente el nivel de carga y memoria de los elementos de red, independientemente del suministrador del Core, y anticiparnos a posibles escenarios críticos mediante análisis predictivos. Los modelos nos permiten identificar con precisión cuándo y dónde se producirá una sobrecarga.
Los pasos principales para realizar un flujo cerrado de automatización se pueden resumir en los siguientes:
1) Monitorizacion de red: mediante el envío de eventos, se monitorizan las principales métricas de la red y factores externos para generar ‘datasets’ una vez procesados y transformados los datos.
2) Data IA Analysis: generación y gestión de modelos IA en base a los datos recopilados de la red. Es importante que el sistema MLOPs sea consistente para que los modelos entrenados se ajusten con éxito a cada escenario y perfil, debido a la variabilidad de cada escenario.
3) GitOps Config: nos apoyamos en metodología GitOps de gestión de aplicaciones e infraestructura, utilizando Git como fuente de configuración para la automatización y gestión del entorno, consiguiendo la operación automatizada de los sistemas.
4) Nuevo Despliegue de red: se desplegará un nuevo UPF con la configuración seleccionada para resolver la congestión y se seguirá monitorizando para identificar cuando deja de ser necesario. También podremos aplicar la mejor configuración según el nuevo escenario.
En conclusión, la capacidad de las redes para adaptarse dinámicamente a las demandas cambiantes actuales es esencial para mantener la calidad y continuidad del servicio. La inteligencia artificial y la automatización permiten anticiparse a problemas de recursos y optimizar su uso y en Discovery – Future Network Labs, investigamos innovaciones para mejorar la eficiencia operativa, preparando el camino para las redes del futuro y del presente.
Al disponer en contenedores las funciones de red, podemos monitorizar continuamente el nivel de carga y memoria de los elementos de red, independientemente del suministrador del Core, y anticiparnos a posibles escenarios críticos mediante análisis predictivos. Los modelos nos permiten identificar con precisión cuándo y dónde se producirá una sobrecarga.
Los pasos principales para realizar un flujo cerrado de automatización se pueden resumir en los siguientes:
1) Monitorizacion de red: mediante el envío de eventos, se monitorizan las principales métricas de la red y factores externos para generar ‘datasets’ una vez procesados y transformados los datos.
2) Data IA Analysis: generación y gestión de modelos IA en base a los datos recopilados de la red. Es importante que el sistema MLOPs sea consistente para que los modelos entrenados se ajusten con éxito a cada escenario y perfil, debido a la variabilidad de cada escenario.
3) GitOps Config: nos apoyamos en metodología GitOps de gestión de aplicaciones e infraestructura, utilizando Git como fuente de configuración para la automatización y gestión del entorno, consiguiendo la operación automatizada de los sistemas.
4) Nuevo Despliegue de red: se desplegará un nuevo UPF con la configuración seleccionada para resolver la congestión y se seguirá monitorizando para identificar cuando deja de ser necesario. También podremos aplicar la mejor configuración según el nuevo escenario.
En conclusión, la capacidad de las redes para adaptarse dinámicamente a las demandas cambiantes actuales es esencial para mantener la calidad y continuidad del servicio. La inteligencia artificial y la automatización permiten anticiparse a problemas de recursos y optimizar su uso y en Discovery – Future Network Labs, investigamos innovaciones para mejorar la eficiencia operativa, preparando el camino para las redes del futuro y del presente.
Flujo de despliegue autónomo de elementos de red con IA
