Cellwize & Intel: 5G vRAN展開のためのAI活用デモ
| テーブル表示 |
記事 |
| 1. はじめに |
2. プロセスの説明 |
| 1.1 セルワイズAIデモへようこそ |
2.1 セルワイズカイムズマップビュー |
| 1.2 セルワイズカイムズの概要 |
2.2 セルワイズカイムズの構成 |
| 1.3 セルワイズカイムのAI活用 |
2.3 セルワイズAIの自動分類 |
| 1.4 ネットワーククラスタの問題点 |
2.4 プラン増強によるクラスタの密度化 |
| 1.5 新しいサイトのデプロイメント |
2.5 VDUセルの設定と展開 |
| 1.6 自動化されたフローの詳細 |
2.6 セルワイズAIのパラメータ設定 |
| 1.7 ネットワークエンジンのトレーニング |
2.7 ネットワーク設計のデータフィル |
| 1.8 デプロイメントのメリットとコスト |
2.8 設定完了と新しいセルの活性化 |
| 1.9 新しいサイトの結果 |
2.9 セルワイズ分析のダッシュボード |
| 1.10 AIの共同作業と自動制御 |
2.10 クラスタの変化とユーザの体験 |
🤖プロセスの説明
ここでは、インテルセルワイズAIデモにおいてAIを活用して新しいサイトのエンドツーエンド展開を加速する方法を示します。現在表示されているのは、セルワイズカイムズマップビューです。このビューでは、デモクラスタを表示しています。現在のサイトクラスタには、インテルゼノンスケーラブルプロセッサを搭載した4つの仮想化DUが含まれています。
セルワイズカイムズは、構成およびトポロジデータをインテルフレックスランから取り込みます。このデータは抽象化データモデルに変換され、オープンAPIを介して利用可能です。セルレベルモデルには、高さ、方位角、場所などのトポロジ情報が含まれます。また、モデルには周波数帯域、RSI、PCIなどの構成データも含まれています。インテルフレックスランは、主要なパフォーマンス測定をセルワイズカイムズに取り込み、クラスタレベルで集計してセルワイズ分析のダッシュボードに表示します。
全体のフォアサイトクラスタの平均ユーザスループットは低く、特にピーク時にはクラスタの物理リソースブロック（PRB）の使用率が70％に達しています。セルレベルでのPRBの使用率を見ると、クラスタ内の一部のセルはピーク時にほぼ90％のPRBの使用率に達しています。
セルワイズAIは、教師なし学習の手法を使用して、セルの負荷を自動分類します。AIの自動分類には、セルのPRBの使用率とRRCアクティブユーザ数が使用されます。負荷スコアは、セルごとに低負荷、中負荷、高負荷のスコアが作成されます。自動分類は、セルワイズカイムズのアルゴリズムに基づいて行われます。
負荷のかかったネットワーククラスタは、設置キャパシティを超えると予測されています。そのため、クラスタは追加のVRANキャパシティの展開によって密度化されます。自動分類のラベルにより、新しいサイトがこのエリアに展開される必要があることが示されます。
新しいRUの物理的なインストールが完了すると、AI駆動のVRAN展開の自動化フローが開始されます。まず、セルワイズカイムズは新しいVNFのインスタンス化をトリガーし、次に新しいネットワークエレメントが作成されます。すると、新しいDUがマップ上に表示されます。この段階では、新しいセルは非アクティブ状態であり、デフォルト値で設定されます。
次に、新しいVDUセルの前アクティベーションが自動的にトリガーされ、セルワイズAI駆動型アプリケーションによるパラメータ設定が行われます。パラメータの設定は、セルとその周囲のセルクラスタの現在の環境に基づいて行われます。これにより、エンジニアリング計画の手間を節約することができます。
セルワイズレシピの機能はオープンで柔軟であり、異なる新しいサイトのユースケースに対して異なるレシピを設定することができます。例えば、ミリ波対サブ6の設定などがあります。
デモでは、前アクティベーションレシピはコードの割り当てを開始します。PCIとRSIアルゴリズムは並列で実行されます。PCIとRSIアルゴリズムは、AI駆動のジオインパクトを利用してDUと既存クラスタ間の予測される影響を計算します。AI駆動のジオインパクトは、深層ニューラルネットワークエンジンの訓練に基づいており、スケールの設計時により高い精度を提供します。
次のステップは、データのフィルエンフォースメントです。ここで、ネットワークデザインが新しいDUに強制されます。これにより、セルがエンドユーザに最高のパフォーマンスを提供できる状態になります。
これで、設定が正常に完了し、新しいセルが有効になります。自動化が完了し、このプロセス全体はおよそ15分かかります。これにより、MNOは5Gの展開を加速し、デプロイメントコストを削減することができます。
カイム地図ビューでは、新しいセルが現在アクティブになっていることを確認できます。これらは最適なパラメータで自動化されて設定されています。これにより、エンドユーザが最初から最高の5G体験を得ることができます。例えば、新しいPCI割り当ては次のようになります。そして、新しいRSI割り当ては次のようになります。
セルワイズの分析ダッシュボードを数時間後に見ると、新しいサイト展開後にユーザが接続されていることがわかります。クラスタの集計平均ユーザスループットはピーク時に15％増加し、平均PRB使用率は60％未満に減少しました。ロードされたセルの一部を再確認すると、PRB使用率が90％から70％に減少していることがわかります。これは、クラスタの負荷が軽減されたことを明確に示しています。したがって、クラスタ全体を含めて、新しいセルも負荷がかかりすぎなくなりました。
インテルフレックスランAIとセルワイズカイムは、自動的なサービス管理とオーケストレーションを可能にするために協力しています。これにより、VRANの展開が迅速に行われます。
No difficulty
WHY YOU SHOULD CHOOSE TOOLIFY
