Nokia demonstrerer intelligent 5G-radionet styret med maskinlæring
Den finske netværksproducent Nokia er klar med en løsning til teleselskaber, som vil give kunder en bedre netværksoplevelse samtidig med at udgifterne til og CO₂-udledningen fra driften reduceres. Løsningen hedder Nokia Intelligent RAN Operations og er en netværksløsning, der ved brug af maskinlæring hjælper teleselskaber med at drive deres avancerede 5G-netværk.
Nokia har demonstreret, hvordan maskinlæring hjælper med at automatisere energibesparende konfiguration og styring af radionetværk (RAN eller Radio Access Network), samtidig med at energiforbruget og CO2-udledningen reduceres.
“Efterhånden som mobilnetværkene har udviklet sig fra 2G til 5G, er de blevet meget mere effektive og sofistikerede. Styrings- og konfigurationsværktøjer har stort set fulgt med denne udvikling – indtil nu. Det kræver et paradigmeskift at optimere drifts-, kapital- og energieffektiviteten i 5G-æraen,” siger James Crawshaw, chefanalytiker ved analyseinstituttet Omdia, og tilføjer:
”Manuel konfiguration af de tusindvis af parametre, der er tilgængelige i netværksnoderne, hvilket er en tidobling i forhold til 4G, er ikke længere muligt. Operatører har brug for automatiserede løsninger, der udnytter kunstig intelligens til at øge og aflaste den menneskelige intelligens, som derefter kan bruges til at løse de mange forskellige operationelle RAN-udfordringer, som computere endnu ikke kan løse.”
Læs også: Alt om 5G-teknologi
Mere effektiv styring med mange fordele
Ved at lade avancerede computersystemer med algoritmer overtage dele af driften af 5G-radionet er der en række gevinster for teleselskaber at hente.
Først og fremmest sikrer det, at strømforbruget for de såkaldte basestationer reduceres med 15 procent, uden at det forværrer slutbrugernes oplevelse på 5G-nettet. Præcist hvilke mekanismer der bidrager til det lavere strømforbrug, fremgår dog ikke. Det er en mærkbar reducering, da 70 til 80 procent af strømforbruget i mobilnet kommer fra basestationerne.
I de hidtidige live-demonstrationer af løsningen er der også set en stigning i effektiviteten på op til 80 procent. Derudover er der 70 procent færre problemer, der skal løses, hvilket reducerer arbejdsbyrden for de medarbejdere, der ellers normalt sikrer driften af netværket.
Ved at bruge maskinlæring får man altså et mere stabilt 5G-netværk, som er billigere at drive, og som takket være det lavere strømforbrug udleder færre drivhusgasser.