El dominio de Wi-Fi como el acceso de red para todo tipo de usuarios, en todas partes es el resultado de un proceso que ha sido impulsado en el pasado casi treinta años de avances en tecnologías básicas de radio, en constante mejora. relación costo / beneficio y relación precio / rendimiento, implementación. Esta generalización en la aplicación de herramientas de gestión ha ganado la confianza de los administradores de TI, y, especialmente, la maravillosa conveniencia inherente a la conexión inalámbrica que es simplemente imposible con cable.
Actualmente en equipos Extreme Networks se cuenta con Wave 2 de 802.11ac el potencial de rendimiento gigabit-plus y especialmente la capacidad requerida para abordar los requisitos del usuario final con la tecnología inalámbrica, y, con las implementaciones apropiadas del proveedor, las herramientas de gestión y análisis necesarias para limitar los costos operativos y
asegurar los beneficios de rendimiento a perpetuidad.
Sin embargo, hay un pequeño detalle: si bien el Wi-Fi es potente y rentable, todavía puede ser extremadamente complejo de configurar y optimizar, especialmente en grandes empresas, ó instalaciones de gran envergadura como Hoteles o grandes redes industriales.
Sin embargo, esto no es culpa de los conjuntos de herramientas de administración actuales o del resultado de algunas fallas fundamentales en el wifi. Más bien, esto se debe a la naturaleza de la conexión inalámbrica, como resulta, y nuevamente debido a sus propiedades esenciales, siempre incorpora un notable potencial de variabilidad en el rendimiento en cada momento.
Esta en sí misma es consecuencia de un grado de incertidumbre que siempre existe en la tecnología inalámbrica, es imposible, por ejemplo, determinar a través de técnicas analíticas la ruta exacta que tomará una señal de radio desde el punto A al punto B, o incluso si esa señal de hecho, recorrerá ese camino con suficiente calidad para asegurar el éxito de las comunicaciones.
Podemos aplicar protocolos de corrección de errores, retransmisiones, variaciones en la potencia de transmisión, cambio a otro canal Wi-Fi, formación de haz, variación de la modulación y las tasas de codificación, y muchos, muchas más técnicas para compensar este nuevo comportamiento fundamental y esencial del mundo real. Pero ahí radica un desafío central: ¿cómo podemos hacerlo de manera eficiente, precisa y rentable?
¿Se puede optimizar la gran cantidad de variables involucradas en una instalación Wi-Fi empresarial o industrial ? Si bien se han logrado algunos avances a lo largo de los años con la configuración automatizada, y la optimización básica de los ajustes de RF (aquellos directamente relacionados con la frecuencia de radio), a través de a menudo se llama Radio Resource Management (RRM), la estrategia RRM de un proveedor determinado podría habilitar solo el control automatizado limitado de un número (de nuevo, limitado) de configuraciones en lo que es, lo que es más importante, siempre un entorno dinámico, con condiciones de radio variando continuamente con el movimiento del cliente, la configuración del edificio, la variabilidad continua en paredes interiores, muebles y distribución, la instalación de nuevos equipos, cambios en el tráfico, patrones, y mucho más.
Dada la importancia de RRM, algunas capacidades de gestión de RF incluso se han incorporado en estándares, como IEEE 802.11h y 802.11k, aunque con una funcionalidad ad hoc limitada y, por tanto, una eficacia limitada.
Si bien, por supuesto, también podemos compensar los RRM subóptimos a través de la estrategia tradicional de exceso de aprovisionamiento de red, esto se logra a menudo en el mundo de Wi-Fi por medio de sistemas más densos, los despliegues de puntos de acceso con un mayor número de canales de radio utilizados, costosos en términos de la financiación y recursos necesarios para instalar y mantener las instalaciones resultantes (y generalmente en evolución), y también con el potencial de impactos negativos posibles aún debido a, lo has adivinado, configuración subóptima.
Esto no es exactamente una espiral de la muerte, pero tampoco es muy divertido tener problemas de diseño no optimizado de redes inalambricas.
Sin embargo, se está progresando: creemos que estamos en los albores de una nueva era en gestión de LAN inalámbrica que estará dominada por aplicaciones de Inteligencia artificial y aprendizaje automático (AI / ML). Y si bien esto puede sonar exótico, ya se está trabajando en ingeniería, en la organización redes que mejoran el rendimiento, la capacidad, los gastos operativos, la fiabilidad y el ROI, con procesos de inteligencia artificial que pueden ayudar a lograr la optimización de las redes.
Creemos, para la próxima era de Wi-Fi, nos traerá a la par con los principales avances de IEEE 802.11, grupos de trabajo y la Alianza Wi-Fi, las nuevas soluciones que incluyan inteligencia artificial.
Entendiendo la inteligencia artificial y el aprendizaje automático.
Si bien, como hemos señalado anteriormente, muchos consideran que son exóticos e incluso arriesgados, AI y ML son de hecho, camino a tecnologías bastante maduras con conocimientos teóricos bien entendidos, numerosas implementaciones de producción en muchas aplicaciones y mercados están siendo analizadas, y, si bien esos fundamentos teóricos pueden ser realmente desalentadores, entender estas dos capacidades es bastante sencillo, de la siguiente manera:
- Inteligencia artificial (AI) es un conjunto de tecnologías que permiten a las computadoras digitales simular las capacidades de procesamiento cognitivo del conocimiento de los humanos. Como tal es por definición artificial, el objetivo de la mayoría de los trabajos en IA es aumentar las capacidades de los humanos, no para reemplazarlos, aunque esto es cada vez más posible.
en muchos casos. Así como las computadoras en general se aplican a los tediosos procesos repetitivos que los humanos encuentran, bueno, tediosos y repetitivos. Para lograr soluciones basadas en AI pueden manejar grandes volúmenes (“Big Data”) de información codificada digitalmente “desapasionadamente”, sin emoción, rápidamente y, dependiendo de los parámetros de una aplicación e implementación específica. Para nuestros propósitos aquí, AI se puede aplicar para tratar el desafío de más variables-que-ecuaciones de optimizar la configuración de RF incluso en instalaciones de Wi-Fi a gran escala, con el objetivo de lograr un rendimiento óptimo en toda la red con mayor precisión y menor costo que sería posible con los humanos en este particular. - Machine Learning (ML) es un conjunto de tecnologías y una rama de AI que permite computadoras para simular el aprendizaje humano, con el aprendizaje definido aquí como la capacidad de comportamiento de cambio (de nuevo, simulado como un proceso digital en una computadora) en respuesta a nueva información adecuadamente capturada y codificada para el consumo por algoritmos de implementación de ML. En otras palabras, ML permite que los procesos basados en AI “Aprendan” de comportamientos pasados y, por consiguiente, optimizar los resultados futuros, en muchos casos, de la misma manera que la educación basada en experiencias beneficia a los humanos.
Tenga en cuenta que todo el procesamiento en una computadora moderna se basa de hecho en algoritmos lógicos y las operaciones esenciales para la computación. ¿Qué está pasando con AI / ML,
entonces, están utilizando la ejecución muy rápida y rentable de algoritmos para simular inteligencia y aprendizaje humano. Mucho más importante, sin embargo, es la capacidad de los algoritmos de AI / ML para hacer frente, en tiempo real, a desafíos complejos que involucran un gran número de variables independientes dentro de un entorno dinámico: exactamente lo que tenemos con RF.
Entonces, considerando la gran cantidad de variables asociadas con la configuración y el comportamiento de RF en los sistemas de Wi-Fi, AI / ML representan claramente una oportunidad emocionante para mejorar la red de clase empresarial más allá de lo que uno operador humano mortal (incluso un operador altamente experimentado) podría ser capaz de lograr, y al hacerlo aplicando el mismo tipo de experiencia, razonamiento, juicio, y el aprendizaje experiencial y que un humano también usaría – solo que…muchas veces más rápido, todo el día, y en gran escala si es necesario, con una precisión mejorada, y en menor costo.
Tenga en cuenta, sin embargo, que no es necesario simular con precisión la función del Cerebro humano: la inteligencia puede ser artificial, pero los resultados ya son al menos tan buenos , y, en muchos casos, incluso mejor que el que los humanos podrían producir.
Este resultado es probable porque la mayoría de las implementaciones de AI se basan en el concepto de sistema experto: un conjunto de reglas y procesos que capturan el conocimiento y el razonamiento de un experto humano, con ingenieros de conocimiento expertos en IA (y cada vez más ML) luego convertir este conjunto de información en las reglas y bases de datos en el núcleo de cualquier
Solución de AL / ML (ver Figura 1). Entonces, capturar el conocimiento de los expertos en todos los elementos de gestión de RF de LAN inalámbrica, convertir esta información en un producto o servicio, y utilizar ML para refinar los resultados a lo largo del tiempo y, dada la velocidad de los procesadores modernos, ese tiempo es probable que el período sea breve y los resultados se refinen continuamente según la instalación en sí.
En otras palabras: el procesamiento altamente definido de AI / ML produce una mejora continua en el rendimiento de WLAN y con un retorno de inversión mas rápido de lo requerido.
Mayor información sobre productos inalámbricos Extreme Networks en Boreal Technologies en : https://borealtech.com/productos/?filter_marca=extreme-networks
Artículos sobre redes Wireless Lan: