Un proyecto de investigación de cuatro años llamado TAPIR-CM, que comenzó en enero de este año, se traducirá en el desarrollo de arquitecturas de red que serán, al mismo tiempo, más ágiles y más sólidas. Los usuarios disfrutarán tanto de una mejora en la fiabilidad del servicio como de la reducción de los incidentes y fallos del mismo, así como de una respuesta más firme a los fallos que puedan producirse.

El desarrollo y gestión de las redes de telecomunicaciones se torna cada vez más complejo. Para simplificarlas, son necesarias soluciones nuevas que garanticen a los usuarios la fiabilidad y la calidad de la experiencia, al tiempo que aseguren que los servicios siguen teniendo un coste competitivo para las compañías y operadoras que los suministran. La mejora de las soluciones en la arquitectura que va a desarrollar TAPIR-CM influirá en la inteligencia de red para que las redes móviles 5G y de generaciones posteriores alcancen estos objetivos. TAPIR-CM construye sobre los logros del recientemente concluido proyecto TIGRE5-CM, que ofrecía una arquitectura basada en Redes Definidas por Software (SDN, Software-Defined Networks).

 

El Instituto de investigación IMDEA Networks, con sede en Madrid, coordinará el proyecto TAPIR-CM. IMDEA Networks está colaborando con los mismos socios con que colaboró en TIGRE5: la Universidad Carlos III de Madrid y la Universidad de Alcalá.

 

Domenico Giustiniano, profesor asociado de investigación en IMDEA Networks e investigador principal del proyecto, explica lo que los investigadores de TAPIR-CM están tratando de conseguir: «Con TAPIR-CM buscamos nuevas perspectivas en ámbitos de investigación con los que estamos muy familiarizados. Concretamente, pretendemos fortalecer y reforzar dos grandes áreas de investigación. La primera es la SDN combinada con la virtualización de funciones de red (NFV, Network Function Virtualization) para lograr una mejora de la red. Esto dotará de flexibilidad y agilidad a todo el ciclo vital del sistema. La segunda área es la aplicabilidad del aprendizaje de máquinas (machine learning)/inteligencia artificial a las redes. Esto promete dar a los operadores capacidad para pronosticar con precisión el comportamiento y las características del tráfico de datos que consumen los usuarios de móviles. Con esta información, los operadores podrán mejorar el rendimiento de las funciones de su red como, entre otras, la planificación de tareas, la gestión de la movilidad, la orquestación y la asignación de recursos».