För ett år sedan lanserades Ericsson Operations Engine, mobiljättens första mjukvara som helt på egen hand fattar beslut om åtgärder som förbättrar driften av mobilnäten. Idag finns 40 AI-baserade användarfall varav 21 är i skarp drift men siktet är inställt på 300.
Ericsson är inte bara en stor leverantör av mobilnät, företaget bygger och driver också många nät på uppdrag av operatörerna. I dagsläget handlar det om cirka 300 stycken varav 150 större.
De nät som Ericsson driver har runt en miljon sajter och en miljard abonnenter som genererar ungefär 6 Tbyte data per år, en siffra som spås sexfaldigas inom två till tre år.
– Varför är AI så viktigt för Ericsson och drift av nät? frågar Peter Laurin, som är chef för affärsområdet Managed Services med 28 000 anställda och en omsättning på 26 miljarder kronor, och ger själv svaret:
– Det handlar om hur vi kan bli ännu mer relevanta i driften av näten, särskilt nästa generations nät.
Hittills har arbetet gått ut på att vara reaktiv, att upptäcka ett problem och sedan åtgärda det så snabbt som möjligt.
– AI, eller egentligen maskininlärning, gör det möjligt att förutse att en sajt ska gå ned. Vi kan använda historiska data och vidta åtgärder för att näten inte ska gå ned.
Kraven på tillförlitlighet blir dessutom mycket högre med 5G som bland annat ska användas för att styra fabriker. Dessutom kommer operatörerna att vilja mäta nya parametrar som nedladdningshastighet för Netflix eller tillgänglighet på Facebook.
– Då är AI inte bara ”nice to have” det är ett måste, säger Peter Laurin.
Ericsson Operations Engine lanserades på mobilmässan i Barcelona förra året och finns idag i skarp drift hos fem kunder inklusive Telenor. Operatören ska inom kort driftsätta en funktion för att automatiskt energioptimera sajterna.
– Det är en lösning som fungerar även på andra leverantörers utrustning än Ericssons med en sajtcontroller, en liten box, och som har en massa sensorer.
Sensorerna övervakar de olika delarna i basstationen men också supportsystem som batterier, luftkonditionering och eventuell dieselgenerator. Med hjälp av sensordata och den tränade algoritmen optimeras driften av sajten samtidigt som den levererar den efterfrågade kapaciteten. Rent krasst kan det innebära att delar av systemet stängs av under natten när trafiken är låg eller så kopplas kraftförsörjningen om efter vad som är optimalt för stunden.
– En sajt kan dra 5 000W och vi har sett att vi kan få ner energiförbrukningen med 15 procent. Tänker man att vi driver en miljon sajter är det en jättemöjlighet, säger Peter Laurin.
Det handlar inte bara om att sänka energikostnaderna, i och med att sensorerna hela tiden levererar data vet man mycket mer om hur sajten mår och kan öka tiden mellan besöken av en servicetekniker.
Ett annat AI-baserat användarfall handlar om att garantera fördröjningen. Tekniken har demonstrerats i ett 5G-nät i Kanada där akademin och industrin kan testa olika applikationer.
– I det här fallet handlar det om en robot som går med farligt material.
Mobilnätet har delats upp i olika ”skivor”, så kallad network slicing, som ger ett företag eller organisationer en helt egen del av mobilnätet utan att operatören för den sakens skull behöver placera ut ny hårdvara.
I demonstrationen kommunicerar roboten med styralgoritmen i molnet via tre separata slices, i praktiken tre separata mobilnät.
En skiva används för styralgoritmen som måste ligga under 10 ms i svarstid, annars trillar roboten med det farliga materialet. Sen finns en videoström på 1 Gbit/s från robotens ”ögon” som ligger i en egen skiva och den tredje används för övriga sensorer som brandlarm med små datamängder men som är igång hela tiden.
– I det här fallet vet vi hur mycket trafik det är, vi vet att på fredag eftermiddag blir det störningar och då går fördröjningen upp över 10 ms och roboten kommer att trilla.
Vid starten kunde AI-algoritmen förutse det tre minuter innan det skulle hända vilket var lite snålt för att hinna vidta åtgärder.
– Nu har vi kört i ett halvår och vet en timme innan att det händer att det kommer att bli stockning i basbandet. Då kan vi automatiskt ta en åtgärd innan det händer. Det kan vara att lyfta över trafiken till en femtocell i fabriken bredvid under tio minuter så är problemet löst utan att någon människa är involverad.
Men Peter Laurin ser också en möjlighet att skapa helt nya affärer med hjälp av AI. Ett exempel är Driveless tuning.
Artikeln är tidigare publicerad i magasinet Elektroniktidningen. Prenumerera kostnadsfritt! |
– Idag åker det runt tekniker i bilar med en massa mobiltelefoner på instrumentpanelen och loggar signalerna för att se hur bra nätet fungerar med olika mobiler. Det är ett tidsödande arbete som man inte upprepar allt för ofta. Nu kan vi göra det med en digital tvilling.
Då gör man det inte en gång eller en gång per kvartal utan hela tiden. Man kan också ”gå in” i köpcentrum eller parker för att mäta signalen.
– För Ericson öppnar det här en ny möjlighet att sälja både tjänsten och mjukvaran.
Började tidigtÄven om telekomjätten inte brukar prata särskilt mycket om AI började företagets forskare arbeta med området redan 2007 och har hunnit byggt upp omfattande kunskap och patentportfölj.
Precis som för alla andra som vill dra nytta av AI är frågan om vem som äger data ständigt närvarande. – Vi arbetar med samtycke från kunderna, data anonymiseras och stannar hos kunden. Däremot är algoritmerna och vikterna Ericssons egendom. Det gör att företaget kan träna en algoritm med data från en operatör och sedan köra den med en annan operatörs data för att trimma den ytterligare vilket så småningom kommer den första operatören till godo. – Vi har frågat kunderna, det vill säga 132 operatörer, om de vill ha AI och 77 procent svarade ja. Störst intresse finns i Asien där 90 procent var positiva medan minst intresset finns i Europa. – Här är vi vana vid att en smart ingenjör tar beslutet baserat på vad AI:t rekommenderat. Det tar tid att fullt ut lita på det. |