Desenvolvimento de um sistema de classificação e diagnóstico automático de células em redes de telefonia móvel de quarta geração

• Ano de defesa: 2024
• Autor(a) principal: Lopes Neto, Pedro Nunes
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Redes de acesso por rádio 4G (LTE); Métodos de decisão multicritério; Aprendizado de máquina; Gerenciamento de desempenho; Processo decisório por critério múltiplo; Aprendizado do computador; Engenharia - Processamento de dados; Inteligência artificial; 4G radio access networks (LTE); Multi-criteria decision making (MCDM); Machine learning; Performance management
• Link de acesso: https://hdl.handle.net/11449/254834

O aumento expressivo da demanda por serviços de qualidade nas redes de telefonia móvel, impulsionado pela disseminação generalizada de dispositivos móveis e pela vasta quantidade de aparelhos ativos globalmente, tem incentivado avanços constantes nas tecnologias de telecomunicações. O desenvolvimento contínuo das redes de quarta geração e a implementação da tecnologia de quinta geração são respostas a essa demanda crescente. A adoção dessas tecnologias trouxe consigo a geração de uma enorme quantidade de dados estatísticos relacionados ao desempenho das células das estações rádio-base, os quais podem ser analisados para aumentar a eficiência do sistema. Nesse contexto, este trabalho apresenta um processo inovador para lidar com dados estatísticos referentes ao desempenho das células em redes de telefonia móvel de quarta geração. O objetivo é automatizar a classificação das células de uma rede, com a identificação e categorização dos problemas dessas células, visando a redução de custos operacionais e o aumento da eficiência na correção de falhas. Para alcançar esse propósito, foi desenvolvido um processo computacional baseado em métodos de decisão multicritério e algoritmos de aprendizado de máquina. O processo proposto classifica as células com base em seu desempenho, identificando de forma eficaz as falhas existentes por meio de técnicas avançadas de inteligência artificial. Especificamente, a análise massiva de dados é utilizada para o reconhecimento automático de padrões estatísticos e operacionais das células, substituindo a análise manual custosa e demorada. Esse enfoque inovador promove uma abordagem mais ágil e eficiente na gestão do desempenho da rede, contribuindo para a otimização operacional e aprimoramento contínuo dos serviços de telefonia móvel.