Resumen:
El objetivo de la tecnología inalámbrica 5G consiste en admitir tres tipos de servicios
generales con requisitos muy diferentes: Banda Ancha Móvil Mejorada, Comunicaciones
de Tipo de Máquina Masiva y Comunicaciones Ultra Confiables de
Baja Latencia o URLLC. En particular, los servicios habilitados para URLLC se
caracterizan por los estrictos requisitos de calidad del servicio que exigen, los cuales
coexisten dentro de la misma arquitectura de red mediante la segmentación de
la misma. Controlar la congestión de la red en los slices dedicados a los servicios
URLLC es una tarea fundamental para reducir la latencia, el jitter y la pérdida
de paquetes. En las soluciones más recientes centradas en el control de la congestión
en las redes 5G, los autores presentan distintas soluciones basadas en técnicas
de aprendizaje automático, tales como el aprendizaje por refuerzo y el aprendizaje
profundo. Este trabajo de grado propone un mecanismo de control de congestión
para la gestión eficiente de recursos en el núcleo de red 5G orientado a mitigar la
latencia en un slice de un servicio de URLLC. El mecanismo propuesto es evaluado
teniendo en cuenta 3 métricas de desempeño: latencia, tasa de paquetes perdidos, y
el jitter. Por otra parte, el mecanismo se implementó en un entorno de red emulado
utilizando Mininet y Docker, estabilizando la latencia en un 40% por debajo del
umbral establecido de 0.1 milisegundos para el servicio URLLC. Con respecto a la
tasa de pérdida de paquetes y el jitter, el mecanismo logra estabilizarlos en 0.2% y
0.01 milisegundos respectivamente, muy lejos del 1% de tasa de pérdida de paquetes,
y 30 milisegundos de jitter que se requieren para llevar a cabo con éxito la cirugía
remota.
