Titulo Estágio
2022_N64_Qualidade de serviço móvel a partir de técnicas de crowdsourcing
Áreas de especialidade
Engenharia de Software
Comunicações, Serviços e Infraestruturas
Local do Estágio
Aveiro
Enquadramento
IDI - Áreas Chave
Digital Services & Platforms
Contexto
Os operadores de serviços de telecomunicações geralmente precisam avaliar a QoS das suas redes, pois é uma forma de verificar se o serviço está sendo prestado de forma adequada aos seus clientes. Muitas vezes estes dados de QoS são também uma imposição do regulador, que mantém exigências ao nível dos padrões de qualidade achegando mesmo a aplicar sanções caso determinados objetivos não sejam alcançados. Os dados coletados sobre questões de qualidade podem servir aos reguladores como um guia para aumentar a conscientização do consumidor e promover melhorias adicionais na infraestrutura de rede. Uma das etapas mais importantes na gestão da qualidade das redes de telecomunicações é a definição e implementação da abordagem de monitoria e avaliação da qualidade. Existem muitas soluções que suportam estas atividades, e todas elas têm seus próprios trade-offs entre precisão, granularidade temporal e geográfica e custos.
A abordagem crowdsourced é um dos métodos possíveis para monitorar e avaliar QoS em redes de banda larga fixa e móvel. A sua premissa básica é coletar dados de uma grande base de clientes finais, diretamente do equipamento do cliente (por exemplo, dispositivos móveis e equipamentos nas instalações do cliente (CPEs)). Existem, no entanto, muitos fornecedores que fornecem esse tipo de solução e eles podem diferir significativamente uns dos outros. As diferenças incluem como os dados são coletados (se iniciados pelo usuário final ou se nenhuma intervenção é necessária) ou que tipo de dados são coletados (se um teste de download é realizado ou se os dados vêm apenas do uso regular do dispositivo / equipamento) . Os dados crowdsourced que são coletados nas redes de vários provedores de serviços no mesmo mercado, usando a mesma metodologia de coleta de dados, potenciam abordagens e metodologias de coleta de dados consistentes entre os provedores de serviços.
A abordagem de crowdsourcing aumenta o número de pontos de dados significativamente em comparação com a abordagem típica de avaliação de QoS (por exemplo, drive/walk tests). A grande quantidade de dados pode fortalecer a confiabilidade e representatividade dos resultados obtidos. Além disso, melhora o uso de recursos e permite que países com massas geográficas maiores aproveitem o público para coletar os dados.
Aspetos Inovadores
• agentes de qualidade
• redes 5G
• big data/analytics
• telemetry monitoring
Ferramentas a utilizar
• Desenvolvimento mobile
• Java; Angular; Quarkus; Apache Kafka; Oracle/PostgreSql; Docker; Kubernetes, Graylog, Grafana, Prometheus
• Ferramentas de processo de desenvolvimento: JIRA, WIKI, SVN,….
Referências Bibliográficas
• https://www.itu.int/rec/dologin_pub.asp?lang=e&id=T-REC-E.812-202005-I!!PDF-E&type=items
• https://www.tutela.com/
Objetivo
Crowdsourcing para monitoria de qualidade de serviço de uma rede envolve a coleta de estatísticas de forma adhoc ou periódica, com o respetivo processamento por parte de uma plataforma agregadora. Os dados são tipicamente coletados a partir de um agente embebido em aplicações móveis (com o devido enquadramento e autorização) e procedem a uma leitura de informações relativos a testes executados com vista a simular a utilização real do cliente naquele instante de tempo, tipo de serviço e localização. Tipicamente sob este tipo de monitoria ativa são realizados testes de throughput e qualidade de sinal. Os dados são enviados em tempo real após a execução de cada medição e são processados centralmente por uma plataforma cloud. Esta plataforma organiza os dados e permite uma analítica de vários níveis: localização, região, operador, etc.
Para este projeto pretende-se desenvolver um projeto de monitoria baseado em crowdsourcing que explore as seguintes vertentes:
• estudo de medidas interessantes de efetuar para avaliação da qualidade de serviço de uma rede móvel de dados moveis/VoLTE
• desenvolvimento de um agente disponível por SDK para inclusão em aplicações móveis terceiras
• avaliar impactos de performance da execução do agente
• desenvolver um serviço cloud capaz de ingerir os dados e os organizar sob diversas perspetivas analíticas
Para este estágio poderão ser usados alguns componentes já existentes na framework ASOP , desenvolvida pela Altice Labs, para suporte da componente analítica da plataforma cloud.
Plano de Trabalhos - Semestre 1
• Estado da arte sobre o tema crowdsourcing para monitoração de qualidade de serviço em redes móveis
• Análise dos use-cases a considerar
• Definição dos requisitos funcionais e não funcionais
• Relatório Intercalar
Plano de Trabalhos - Semestre 2
• Especificação técnica
• Implementação de stack vertical (agente aplicação móvel, cloud backend e cloud frontend)
• Validação do conceito com implementação de protótipo numa app terceira exemplificativa.
• Relatório Final
Condições
Com possibilidade de integrar uma Bolsa de Investigação - Programa GENIUS - durante a realização do projeto de Dissertação - Integração numa equipa de I&D na Empresa Altice Labs . Valor de bolsa de acordo com tabelas da FCT (ver pdf em (www.Inova-Ria.pt). Período de realização de acordo com o enquadramento da Universidade.
Os alunos interessados deverão enviar para genius@inova-ria.pt ao cc Dra Regina Maia Sacchetti (963618710).
• Curriculum Vitae;
• Disciplinas realizadas até ao momento com médias ; simples documento eletrónico, que poderá obter no portal académico .
Processo de Seleção: Entrevista Inova-Ria - PROGRAMA GENIUS na qual fará parte o Orientador do projeto de forma a esclarecer a temática envolvida.
• média prevista de 13,5 - 14 valores (média linear entre licenciatura e mestrado);
• Indicação de áreas de interesse.
Para concorrer podes enviar a tua candidatura, envia email para o Programa GENIUS: genius@inova-ria.pt
Observações
Competências Chave Requeridas
• Boa capacidade de investigação e capacidades analíticas
• Sensibilidade e gosto por engenharia de dados
• Programação em JAVA ou linguagem similar
• Noções de modelização de dados
• Conhecimentos de arquiteturas baseadas em micro-serviços
Orientador
Cristina Joao Pires
cristina-j-pires@alticelabs.com 📩