Banca de DEFESA: LUCAS ISMAEL CAMPOS MEDEIROS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : LUCAS ISMAEL CAMPOS MEDEIROS
DATA : 31/07/2026
HORA: 09:00
LOCAL: Link da videochamada: https://meet.google.com/ybt-mgqk-eod
TÍTULO:

Gerenciamento de Tráfego em Redes Open RAN com Multi-Conectividade utilizando Aprendizado de Máquina

PALAVRAS-CHAVES:

Open RAN, Aprendizado por Reforço, Conectividade Dupla, ns-3, 5G.

PÁGINAS: 50
RESUMO:

O atendimento simultâneo a serviços com requisitos distintos, como navegação na Internet e aplicações de Realidade Estendida (XR), impõe desafios significativos à gestão de recursos em redes móveis, especialmente em cenários dinâmicos associados ao turismo e às cidades inteligentes. As abordagens convencionais de Multi-Conectividade, baseadas em políticas estáticas de divisão de tráfego entre Nó Mestre e Nó Secundário, mostram-se limitadas diante das variações de demanda, frequentemente resultando na subutilização de recursos ou na degradação da Qualidade de Serviço (QoS) de aplicações consideradas prioritárias. Este trabalho propõe uma abordagem de gerenciamento dinâmico de tráfego baseada na arquitetura Open RAN, empregando um algoritmo de Aprendizado por Reforço do tipo Multi-Armed Bandit (MAB), implementado como um xApp no Near-Real Time RAN Intelligent Controller (Near-RT RIC). A prova de conceito foi desenvolvida em uma plataforma de prototipagem que integra o simulador de redes ns-3 a uma implementação real do Near-RT RIC da O-RAN Software Community, estabelecendo comunicação por meio da interface E2 e dos modelos de serviço E2SM-KPM e E2SM-RC. Os resultados demonstram que a solução proposta é capaz de adaptar dinamicamente a distribuição do tráfego de acordo com os objetivos operacionais da rede, permitindo ao operador configurar diferentes políticas de priorização. Dessa forma, é possível favorecer a experiência dos usuários XR, maximizando sua satisfação, ou privilegiar o desempenho dos usuários enhanced Mobile Broadband (eMBB), preservando os níveis de QoS desejados para cada cenário de operação. A investigação conduzida sustenta o uso do Aprendizado por Reforço como tecnologia habilitadora para a automação adaptativa e o gerenciamento autônomo (zero-touch) de redes móveis. Além de viabilizar a integração eficiente de soluções multi-RAT no ecossistema 5G, a proposta contribui para a evolução das futuras redes 6G, caracterizadas por maior autonomia, inteligência e capacidade de adaptação às demandas dos usuários e das aplicações.

MEMBROS DA BANCA:
Presidente - 1412682 - VICENTE ANGELO DE SOUSA JUNIOR
Interno - 2524053 - ANTONIO LUIZ PEREIRA DE SIQUEIRA CAMPOS
Externo à Instituição - EDELBERTO FRANCO SILVA - UFJF