Méthodes d’apprentissage machine et détection d'anomalies pour les réseaux 5G dédiés

Défi de développement technologique 5G (ENCQOR) pour PME

Méthodes d’apprentissage machine et détection d’anomalies pour les réseaux 5G dédiés

Date de lancement du défi :

22 décembre 2020

Date limite du défi : 

31 janvier 2021

Énoncé du défi : 

Les applications et services de l’industrie 4.0, tels que la conduite autonome, l’automatisation de l’exploitation minière, des centres logistiques, des ports, etc., nécessitent des réseaux 5G dédiés garantissant une faible latence et une bande passante élevés.

Ces réseaux 5G à mission critique (MC) dédiés permettront d’offrir un large éventail de services à temps critique aux consommateurs, aux entreprises et aux institutions publiques dans divers secteurs. Ces réseaux sont destinés aux applications à temps critique qui exigent la livraison de données avec des garanties en termes de latence et de fiabilité.

Il est important que les contraintes de fiabilité et de latence imposées dans ces réseaux 5G à MC dédiés soient constamment surveillées et renforcées pour maintenir la qualité de service (QoS) et l’accord de niveau de service (SLA) car des infractions peuvent causer des menaces de sécurité et/ou des pertes de revenus.

Cependant, dans la pratique, en particulier dans les environnements extérieurs difficiles, les signaux radio des clients subissent des évanouissements, de l’ombrage causé par de nouveaux objets bloquant la propagation, ainsi que des interférences radio provenant de la réutilisation des ressources radio et d’autres appareils.

L’objectif est d’améliorer la fiabilité et la disponibilité des réseau 5G à MC dédié en appliquant des algorithmes Apprentissage machine (AM) modernes et des analyses de flux de données (stream-analytics) pour la surveillance et la prévision de la QoS et des SLA.

Le but de ce défi est de :

1- Concevoir et développer des méthodes de AM pour détecter les dégradations dans la latence et la fiabilité ainsi que des modèles de détection d’anomalies pour les données de streaming obtenues à partir d’un réseau 5G dédié (ENCQOR 5G).

2- Concevoir et développer ces modèles pour répondre aux exigences de latence des applications dans un réseau 5G à MC dédié.

3- Concevoir et proposer un cadre d’exécution distribué pour la détection, la corrélation, la prédiction et l’analyse des causes des anomalies afin de fournir les inférences/résultats nécessaires à l’automatisation du réseau et aux applications clientes.

Partenaire de projet :

Ericsson Canada Inc.

Calendrier :

9-12 mois débutant en 21Q1

Financement disponible :

Jusqu’à 500 000$ CAD

Type de candidat :

PME de moins de 500 employés, enregistrée au Québec

Lieu :

Sur le site de la PME au Québec avec des tests 5G sur l’un des Hubs 5G d’ENCQOR à MTL ou QC

Détails du projet :

Méthodes d’apprentissage machine et détection d’anomalies pour les réseaux 5G dédiés.

Objectifs/résultats du projet :

• Modèles d’AM démontrables pour la détection, la corrélation, la prédiction et l’analyse des causes des anomalies dans la plate-forme de traitement des flux (stream processing platform).
• Temps d’exécution et complexité des modèles répondant aux exigences de latence ultra-faible des applications des réseaux 5G à MC dédié.

Expertise du candidat :

• Expérience en développement de logiciels et science des données dans des applications critiques.
• Travail avec des systèmes 5G et expérience dans la livraison d’applications de bout en bout.

Pour appliquer :

• Chaque PME désirant participer à ce défi technologique doit avoir un accès Encqor iPaaS (gratuit) afin de se familiariser avec l’ensemble des technologies 5G disponibles nécessaires pour la réalisation du projet. Les PME n’ayant pas d’accès iPaaS doivent appliquer ici et choisir le champ ‘Appel à projet Ericsson ‘Méthodes d’apprentissage machine réseau 5G’ dans le premier menu déroulant.
• Seules les PME sélectionnées seront invitées à une rencontre de question/réponse avec l’équipe de projet