OptimAI-Z – Plataforma de Inteligência Artificial Preditiva de Planeamento e Otimização de Redes de Telecomunicações

Há um crescente movimento de digitalização de operações, que embora previsto, foi acelerado e intensificado com a pandemia Covid-19. Em 2021 eram 15 mil milhões de dispositivos móveis em operação em todo mundo, e há a estimativa que (até 2025) sejam 18 mil milhões [1]. A crescente digitalização das operações implica desafios no âmbito da qualidade, do desempenho económico e energético, no crescimento comercial e na sustentabilidade em geral. As redes de telecomunicações atuais são compostas por diversas tecnologias, tanto para equipamentos, como para dispositivos móveis, para além da multiplicidade de fabricantes de equipamentos, com diferentes parâmetros de controlo de rede, o que eleva o grau de complexidade da gestão do sistema, criando a necessidade de soluções mais eficientes para otimização do desempenho das redes. Com o volume de dados, e a complexidade e dinâmica da rede, além da crescente evolução, uma solução automatizada para gestão da rede, passa necessariamente pela utilização dos dados gerados, e consequentemente pela utilização de algoritmos de ML aplicados à gestão de telecomunicações. O projeto OptimAI-Z tem como principal objetivo o uso de AI para promover a solução de problemas de automatização de redes, tanto na configuração, como na otimização e, principalmente, na predição e correção de falhas. Este objetivo principal é composto por vários objetivos específicos, nomeadamente: 1) I&D de modelos LLM para extração de informação de documentos, aliado à I&D de estruturas de dados, envolvendo organização, armazenamento e inferência de informação com objetivo de desenvolver uma ontologia baseada em grafos para representação de redes de telecomunicação; 2) I&D de soluções de armazenamento de dados em larga escala, com objetivo de escolher a melhor alternativa para a estrutura de dados adotada e as soluções de armazenamento da informação pretendida; 3) I&D de algoritmos de ML aplicados à configuração automática de redes; para a configuração automática, serão considerados os problemas Crossed Antenna Detection with PM e Automated Site Creation (ASC). 4) I&D de algoritmos de ML aplicados à otimização automática de redes, como Coverage based ANR (Automatic Neighbor Relations), Enhanced Reuse Code Optimization (eRCO), Coverage & Capacity Optimization (CCO) e Mobility Load Balancing (MLB). Problemas adicionais como Virtual Drive Tests, Mobility Robustness Optimization (MRO) e Automatic Parameter Optimization (APO) podem ser adicionados no decorrer do projeto. 5) I&D de algoritmos de ML aplicados à correção automática de redes, aplicado à problemas como Cell Outage Compensation e Green Networks. 6) I&D de algoritmos para previsão de falhas, e correção preventiva da rede. Em particular algoritmos de Root Cause Analysis, para identificação de falhas na rede e correção proativa. Para além destes objetivos específicos para I&D, que conduzem a metas importantes do projeto, também existem objetivos no âmbito da transferência tecnológica, através do avanço tecnológico e da adoção da solução a nível empresarial, nomeadamente a expansão do alcance da plataforma Metric, com aplicações inteligentes, tendo a possibilidade da experimentação de soluções de ML no âmbito do OptimAI-Z e também a sua escalabilidade para a integração noutras ferramentas existentes de operadores de telecomunicações. [ ] Para Diagnóstico da necessidade/Estado de Arte, ver igualmente a bibliografia de referência em documento anexo à candidatura