Telecommunication Networks: Selbstlernende Priorisierung der Dienste

Marek Kocan von SilverEngine hat unsere Ideen und Konzepte, um Überlastsituationen in Telekommunikationsnetzen durch eine selbst-lernende Priorisierung der Dienste für den Endbenutzer zu mildern, veröffentlicht.

Sie finden Mareks Artikel sowohl in der “IEEE Xplore Digital Library” https://ieeexplore.ieee.org/document/8756978, können aber den Artikel auch direkt von hier runterladen.

Zusammenfassung:

  1. Telekommunikation-Netzanbieter setzen verschiedene Strategien ein, um das Netz vor Überlastsituationen zu schützen und Überlastsituationen, die durch   Signalisierungsstürme entstehen, so abzumildern, dass es  möglichst wenige Auswirkungen auf die Dienste für den Endbenutzer gibt. Hier ist ein gängiger Ansatz mehr Hardware als notwendig einzusetzen, um die dann notwendige Kapazität  zusammen mit aufwendigen Entstör-Maßnahmen zu haben.
  2. Natürlich treten Signalisierungsstürme relativ selten auf, haben aber meist schwerwiegende Auswirkungen, da sie normalerweise mit gravierenden Einschränkungen bei den End-Kunden-Diensten und damit mit negativen Schlagzeilen verbunden sind und meist auch einen hohen Geschäftsschaden nach sich ziehen.
  3. Das adaptive “Overload Management” betrachtet den gesamten Endkunden-Dienst aber zusammen mit dem Schutz der beteiligten Netzfunktionen als das Ziel. Also werden die Kommunikations-Dialoge, die alle notwendig sind, um den Endkunden-Dienst zu ermöglichen, automatisch erkannt und die beteiligten Requests richtig priorisiert. Damit wird die Wahrscheinlichkeit, dass der Endkunden-Dienst auch in Overload-Situation zu Stande kommt als auch seine Wiederherstellung erhöht. Damit trägt diese Strategie zur Milderung der Overload-Situation bei, da damit mehr Endkunden den gewünschten Dienst benutzen können.
  4. Die selbstlernende Priorisierung der Requests reduziert die Zeit aber auch die Komplexität, um die Verfügbarkeit des Endkundendienst für alle Benutzer während  Signalisierungsstürmen wieder herzustellen. Der selbstlernende Ansatz ist sowohl für die bestehende Netze und deren Endkunden-Dienste aber auch für die kommenden Cloud-basierten und natürlich auch für die 5G Core-Netze geeignet.

handcrafted by vividblack