Ridurre il consumo di energia nella Radio access network, o Ran, è la prima preoccupazione per gli operatori di rete ora che i prezzi dell’energia sono alle stelle. E che l’imperativo della sostenibilità è più urgente. Una Ran efficiente nei consumi è fondamentale per rendere le reti wireless più green e limitare l’esposizione a oscillazioni imprevedibili dei costi e della stessa disponibilità di energia. Come centrare l’obiettivo?
La società di analisi Senza Fili ha pubblicato una guida per aiutare le telco a uscire dall’attuale impasse: nonostante hardware e funzionalità software stiano diventando meno energivori, la crescita del traffico dati supera di gran lunga la diminuzione del consumo energetico per bit. Il risultato netto è che gli operatori si aspettano che il consumo di energia aumenti man mano che passano al 5G pure se si affidano solo a hardware e software efficienti.
No all’overprovisioning. Come salvare la QoE
La soluzione è usare nuovi approcci, oltre a prodotti energy-efficient, per ridurre il consumo energetico delle reti wireless. Finora il consumo di energia non era tra le principali preoccupazioni degli operatori e l’overprovisioning, sia in termini di capacità che di copertura, è stato spesso un modo affidabile, pur se dispendioso, per garantire una qualità dell’esperienza (QoE) affidabile. Oggi le telco possono però intervenire sulle loro reti soprattutto nelle aree dense, come le città, dove il traffico è sempre alto, ma la sua distribuzione non è uniforme nello spazio e nel tempo.
In questi ambienti densi esistono aree con più celle che vanno a sovrapporsi ed è qui che si apre l’opportunità di ridurre il consumo energetico spegnendo le risorse che non vengono utilizzate e riconfigurando le celle in modo intelligente.
Questo approccio offre un consumo inferiore senza alcun investimento (cioè, non c’è bisogno di nuove attrezzature), ma va implementato con attenzione. La disattivazione delle risorse sottoutilizzate o la modifica della configurazione della cella può influire sulla QoE in modi inaspettati, soprattutto se l’operatore guarda solo il carico di traffico della Ran e ignora la distribuzione degli abbonati e i modelli di traffico.
L’approccio corretto non deve essere incentrato solo sulle celle e sui Kpi del traffico, ma avere granularità in modo da garantire l’efficacia nell’ottimizzazione dei consumi energetici ed evitare di degradare le prestazioni della rete. Occorre un approccio incentrato sull’utente finale.
L’approccio customer-centric
L’approccio incentrato sull’abbonato, che combina informazioni sulla posizione dell’utente e sull’esperienza nell’utilizzo della Ran, può essere molto più efficace nell’aumentare l’efficienza energetica pur mantenendo il controllo sulla QoE.
Di fatto, le telco devono comunque accettare un compromesso: la disattivazione degli elementi nella rete, sia in determinati momenti della giornata che per periodi più lunghi, per limitare il consumo energetico, riduce la capacità della rete e, potenzialmente, la copertura, e ciò può influire negativamente su alcuni utenti.
È inevitabile: maggiore è la capacità e più ampia è la copertura, maggiore è il consumo di energia. Quel che conta, dunque, è che l’operatore abbia tutte le conoscenze necessarie per operare le scelte giuste per raggiungere i suoi obiettivi sia di sostenibilità che di QoE, massimizzando l’efficienza del consumo energetico e riducendo al minimo gli impatti sugli abbonati.
Fondamentali i dati geolocalizzati degli utenti
Per centrare questo risultato gli operatori hanno un prezioso strumento, i dati. In particolare, possono sfruttare i dati di tracciamento delle chiamate che già hanno dalla loro rete in modo più intensivo di quanto non facciano oggi, applicando l’intelligenza di geolocalizzazione e utilizzando l’ottimizzazione con obiettivi di risparmio energetico.
Per esempio, un operatore potrebbe spegnere un settore perché c’è un traffico molto basso. Oppure potrebbe spegnere un settore con livelli di traffico più elevati perché dispone di più settori sovrapposti.
Se gli operatori guardano solo il traffico basato sulle celle e i relativi Kpi, non sanno come la disattivazione in un settore o il cambiamento nella configurazione dell’antenna influenzerà i singoli abbonati finché non riceveranno dei reclami o perderanno dei clienti. La prima opzione (spegnere un settore dove c’è poco traffico) potrebbe sembrare preferibile perché la riduzione del carico di traffico è inferiore. Tuttavia, anche se il cambiamento nel carico di traffico del settore delle celle può essere minimo, potrebbe avere un effetto enorme su un piccolo numero di abbonati cruciali, ovvero clienti che spendono di più.
Nel secondo caso, il cambiamento nel carico di traffico sul sito cellulare è grande, ma poiché i settori sovrapposti possono raccogliere il traffico, il cambiamento non avrà alcun effetto evidente sugli abbonati finché ci sarà abbastanza capacità negli altri settori.
Il secondo caso è quindi preferibile perché produce lo stesso risparmio energetico, ma ha meno impatto sulla QoE, a condizione che la nuova cella possa offrire una copertura e una capacità sufficienti. Ma per valutare accuratamente la soluzione ideale, l’operatore dovrà avere una visione incentrata sull’abbonato del traffico di rete.
Automazione e Ai per ridurre i consumi
Un passaggio a un approccio incentrato sugli abbonati per aumentare l’efficienza energetica e generare risparmi richiede, tuttavia, più dell’accesso ai dati di rete. Il comportamento degli abbonati cambia nel tempo, così come l’infrastruttura di rete. Ottimizzare la combinazione di consumo energetico e QoE è un processo dinamico che richiede il monitoraggio continuo e la valutazione e il perfezionamento delle scelte, ovvero sapere sempre quali risorse spegnere e quando. Poiché queste scelte devono essere fatte continuamente attraverso la rete, l’automazione e algoritmi Ai avanzati sono necessari per affrontare la complessità e la ripetitività dell’attività.
L’analisi di Senzafili conclude suggerendo il passaggio a un’automazione più pervasiva che si avvale di tecnologie di intelligenza artificiale e machine learning: man mano che le telco imparano come integrare i dati degli abbonati e delle Ran per gestire il consumo energetico, saranno nella posizione giusta per automatizzare ulteriormente il processo e aumentarne l’efficienza sfruttando Ai e Ml.
