Universitat Politècnica de Catalunya
Universitat Politècnica de Catalunya. Departament de Teoria del Senyal i Comunicacions
DOCTORAT EN TEORIA DEL SENYAL I COMUNICACIONS (Pla 2013)
(English) The expeditious growth and development of Beyond-5G and 6G networks inaugurated a new sector in the research of cellular networking. Automation and scaling are now considered a necessity to cope with the anticipated demand of the new high-performing communication networks. The current networks expand at a rate that creates an urgent pressure for Infrastructure Providers to adopt intelligent, AI-based technologies for automated network management and orchestration. This Ph.D. Thesis is dedicated to the development of an intelligent, automated and scalable service management and orchestration framework, that does not require human intervention to operate. Several experiments were conducted to modeland validate the use of the RL-based zero-touch management and orchestration algorithms under different conditions and settings. This Ph.D Thesis is divided into three main parts. The first part is dedicated to the new paradigm that modern beyond 5G and 6G telecommunications brought to society. Speed, reliability, and scale are now at the epicenter of the industry. The enabling technologies that allow reaching the promised Key Performance Indicators are discussed. Slicing, the main focus of Beyond-5G networks is introduced and analyzed from both technical and business standpoints. The second part of this dissertation is devoted to the automated management and orchestration of computing and network resources in 5G and beyond networks. A dynamic, resource-aware Virtual Network Functions placement AI-based algorithm is proposed and explained in detail. Later, an end-to-end data-driven service orchestration framework is proposed and discussed. A special vehicular Ultra-Reliable Low Latency Communications (URLLC) scenario is further explored to evaluate and demonstrate the performance of the proposed algorithms. The main focus of this part is the End-to-End average latency reduction for such services. Finally, in the third part is focused on the developed SCHEMA framework. A multi-domain, slice and service chain elastic management and orchestration framework.Three main variations of the proposed algorithm are explored, specifically on latency and energy reduction and most importantly on safe automated decision making with distributed reinforcement learning.
(Català) El ràpid creixement i desenvolupament de les xarxes Beyond-5G i 6G va inaugurar un nou sector en la recerca de xarxes cel·lulars. L’automatització i l’escalat es consideren ara una necessitat per fer front a la demanda prevista de les noves xarxes de comunicació d’alt rendiment. Les xarxes actuals s’expandeixen a un ritme que crea una pressió urgent perquè els prove¨ıdors d’infraestructures adoptin tecnologies intel·ligents basades en IA per a la gestió i l’orquestració de xarxes automatitzades. Aquesta tesi doctoral està dedicada al desenvolupament d’un marc d’orquestració i gestió de serveis intel·ligent, automatitzat i escalable, que no requereix intervenció humana per funcionar. Es van realitzar diversos experiments per modelar i validar l’ús dels algorismes d’orquestració i gestió sense toc basats en RL en diferents condicions i configuracions. Aquesta tesi doctoral es divideix en tres parts principals. La primera part està dedicada al nou paradigma que les telecomunicacions modernes més enllà del 5G i 6G van aportar a la societat. La velocitat, la fiabilitat i l’escala es troben ara a l’epicentre de la indústria. Es discuteixen les tecnologies habilitadores que permeten assolir els indicadors clau de rendiment promesos. Slicing, el focus principal de les xarxes Beyond-5G s’introdueix i s’analitza tant des del punt de vista tècnic com empresarial. La segona part d’aquesta tesi està dedicada a la gestió i orquestració automatitzada de recursos informàtics i de xarxa en xarxes 5G i més enllà. Es proposa i s’explica amb detall un algorisme de col·locació de funcions de xarxa virtual dinàmic i conscient dels recursos basat en IA. Més tard, es proposa i es discuteix un marc d’orquestració de serveis basat en dades d’extrem a extrem. S’explora un escenari especial de comunicacions de baixa latència ultra fiable (URLLC) per a vehicles per avaluar i demostrar el rendiment dels algorismes proposats. L’objectiu principal d’aquesta part és la reducció de la latència mitjana d’extrem a extrem per a aquests serveis. Finalment, en la tercera part se centra en el marc SCHEMA desenvolupat. Un marc d’orquestració i gestió elàstica de múltiples dominis, seccions i cadena de serveis. S’exploren tres variacions principals de l’algorisme proposat, específicament sobre la latència i la reducció d’energia i, el més important, sobre la presa de decisions automatitzada segura amb aprenentatge de reforç distribuït.
Zero-touch Management & Orchestration (ZSM); Machine Learning (ML); Reinforcement Learning (RL); Network Function Virtualization (NFV); Network Slicing (NS); Software Defined Networking (SDN); Ultra-Reliable Low Latency Communications (URLLC); Gestió i orquestració de zero toc (ZSM); Aprenentatge automàtic (ML); Aprenentatge de reforç (RL); Virtualització de funcions de xarxa (NFV); Xarxa definida per programari (SDN); Baixa latència ultra fiable Comunicacions (URLLC); Gestión y orquestación sin contacto (ZSM); Aprendizaje automático (ML); Aprendizaje por Refuerzo (RL); Virtualización de funciones de red (NFV); Redes definidas por software (SDN); Baja latencia ultraconfiable Comunicaciones (URLLC)
621.3 Electrical engineering
Àrees temàtiques de la UPC::Enginyeria de la telecomunicació
ADVERTIMENT. Tots els drets reservats. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs.
