5G e Inteligencia Artificial combinadas eficientemente para reducir emisiones

Indicadores y procesos de mejora

– Territorialidad de las actuaciones. Indicamos 12 niveles de agregación para mostrar qué configuración es más propicia y sus contraindicaciones en ambas regiones obteniendo conclusiones similares.
– Número de slices. Se logran ganancias cuando los diez servicios que más tráfico consumen se gestionan independientemente sin perjudicar la calidad.
– Agregación temporal. En periodos inferiores a 1h, logramos una eficiencia del 5-15%, la cual aumenta con el algoritmo por volumen de datos propuesto.
– Modo de asignación. De forma estática, se mejora hasta un 65% (a nivel de cloud) la eficiencia. Dinámicamente (30 min), se alcanza un 400% utilizando 2/3 de los recursos.
– Dinamización del tejido de redes por medio de patrones similares entre áreas. La gestión de servicios similares es viable cuando se clusterizan los datos desde el plano wavelets, donde la reducción de datos no perjudica los resultados (desestacionalización del turismo).
– Balance de tráfico entre nodos/CPDs del 10%

Cuantificación/Estimación reducción consumo

En redes donde poder aplicar la técnica de network slicing, variando el número de slices y considerando la agregación de servicios según su categoría o distinta garantía de tráfico, se mejora la eficiencia notablemente.

En particular, se consigue una eficiencia del 15% (a nivel de antena) que puede alcanzar hasta un 65% (a nivel de cloud) en el caso de la metrópolis, lo cual es de destacar.

El caso óptimo se da cuando la reconfiguración de recursos se establece dinámicamente cada 30 minutos en el paradigma de redes 5G, logrando una mejora del 400% utilizando 2/3 de los recursos, aunque esto suponga un reto para los orquestadores.

Dado que cubrir toda la demanda actual de tráfico supondría en el mejor de los casos redoblar los recursos actuales de la red en el caso de no poder asignar los recursos dinámicamente, se ha comprobado que, si relajamos los requisitos asignados para los servicios en un 10%, conseguimos reducir esta cantidad de recursos a un 20% adicional.

Cuantificación/Estimación reducción emisiones CO2

Si miramos a gran escala, según un estudio de 2013 la industria de internet producía unos 830 millones de toneladas de dióxido de carbono cada año, el equivalente al 2% de las emisiones globales, la misma proporción que toda la industria de la aviación.

Dado que en 2020 se había alcanzado el 3,7% de las emisiones y que el uso de Internet sigue aumentando, con nuestro estudio se verían reducidas a 553 millones de toneladas (2/3).

Además, gracias a la gran acogida del teletrabajo a raíz de la pandemia, nuestras metodologías permiten adaptarse a las necesidades de los usuarios y reducir la huella de CO2 en conjunto con la reducción de desplazamientos.

En concreto, se evitaría redoblar los recursos actuales de la red para cubrir toda la demanda y la complejidad de computación se reduciría en tres órdenes de magnitud. Por otro lado, en el caso de no poder asignar los recursos dinámicamente, se lograría una reduccion de 2/3 si relajamos los requisitos asignados para los servicios en un 10%.

Innovación aplicada y buenas prácticas

La iniciativa demuestra las mejoras en eficiencia tras usar network slices e IA, garantizando un balanceo de tráfico entre los nodos vecinos de red, con una gestión ágil que marcará la diferencia en las redes del futuro.

Las implicaciones de esta innovación darán lugar a una reducción de consumo energético y mejores garantías tanto a diario como en eventos masivos como conciertos, conferencias, etc.

Se destaca la importancia en eficiencia del análisis espectral (Transformada de Fourier) para la reducción de datos y agrupación de patrones interregionales en orquestadores, ya que combinar esta técnica con las metodologías propuestas, la predicción de tendencias y el software necesario para asignar recursos, marcará un antes y un después en el mundo de las Telecomunicaciones.

Esta decisión ligada al nivel de uso que requiere cada servicio y el pago por uso conllevarían un ahorro final mínimo del 57% en computación. Actualmente, ya se estudia su efecto en otros sectores como el Turismo.

Usabilidad de Tecnologías de la Información y Comunicaciones

Mediante el uso de Inteligencia Artificial, demostramos que el network slicing en conjunto con el software que permita la virtualización de redes (ej: OpenStack, MANO, orquestador) permitiría un mejor uso de los recursos, eficiencia y, finalmente, réditos.

Esto se ha realizado con datos reales de un operador y definiendo slices en todos los escenarios posibles (a nivel de antena, centro de datos o núcleo de la red).

Esta investigación se ha visto aplicada recientemente en los servicios actuales de gigantes tecnológicos como Microsoft, Google o Amazon, donde las instancias de sus servicios en la nube ofrecen a los usuarios opciones más asequibles y respetuosas con el medio ambiente en función de dónde se elige almacenar los datos respecto a la localización de sus CPDs.

Las conclusiones de las distintas metodologías deberían servir como guía al dimensionar la red y gestionar los recursos eficientemente, reduciendo la computación y el CO2, a nivel nacional.