MUSE - Massive USer Experience Assessment and Prediction for Mobile Networks

Metricell Limited, desde su sede de Málaga dedicada a servicios de big data, tiene acceso al rendimiento de miles de terminales a través de apps.

Investigador principal

Eduardo Baena Martínez

Sede:

UMA

Tecnología

Machine learning, Big Data, IoT

Agentes agregados

Metricell Limited

Resumen de la propuesta

Metricell Limited, desde su sede de Málaga dedicada a servicios de big data, tiene acceso al rendimiento de miles de terminales a través de apps. MUSE se enfoca en la aplicación de técnicas de machine learning (ML) al uso de volúmenes masivos de datos en la identificación de problemas de comunicaciones y/o la predicción de la satisfacción de los clientes y su posibilidad de alta / baja, yendo más allá del análisis habitual por parte de los operadores y ofreciendo servicios de alto valor añadido.

Objetivo del proyecto

El objetivo de MUSE es la investigación en un sistema capaz de analizar volúmenes masivos de datos provenientes de apps de terminales de cara a soportar tanto la identificación de problemas de red como predecir el estado de satisfacción de los usuarios con el servicio móvil y su posible baja del mismo.

Este objetivo se subdivide en:

  • 1. Identificación de las fuentes y formatos de datos obtenidos desde los terminales / apps.
  • 2. Definición de los indicadores de rendimiento de aplicaciones finales (ej. resolución de video) y mecanismos necesarios para su medida y predicción.
  • 3. Establecimiento de mecanismos de ML para la identificación de problemas de red (ej. agujeros de cobertura, configuración incorrecta) con posible aplicación en la estimación de la satisfacción de los usuarios y predicción de su posible baja / cambio de operador telefónico.
  • 4. Prueba de concepto de los desarrollos con prueba en redes celulares comerciales, evaluación y difusión, así como la definición de hoja de ruta detallada para alcanzar TRL9.

Resultados esperados e indicadores

• Prototipo de sistema de ML (algoritmos, software) para la detección de fallos de red y estimación y predicción de la satisfacción de los usuarios y abandono del operador en base a datos masivos de apps de terminales.

• Planificación de su comercialización final, temporización y departamentos de Metricell implicados en la misma.

Indicadores (esperados hasta el 31/12/2021)

  • Nuevo personal investigador: 1
  • Patentes: -
  • Nº contratos transferencia: 1
  • Congresos: 1
  • Publicaciones indexadas: 1
  • Tesis doctorales: 0

Justificación potencial impacto tecnológico del proyecto TRL

MUSE aplica los últimos desarrollos en el campo del ML y de Big Data así como del manejo de datos de cara a desarrollas servicios de análisis de red celular novedosos y de alto valor añadido para los operadores móviles. Más allá de las pruebas de concepto a desarrollar se prevé la posible inclusión de los mecanismos desarrollados dentro de las herramientas comerciales de Metrocell y su comercialización durante el propio proyecto, mejorando la competitividad de los servicios en este campo.

Avances

Eduardo Baena Martínez, Sergio Fortes Rodríguez y su equipo de investigación, pertenecientes a la Universidad de Málaga, junto con Metricell Limited, como entidad colaboradora, tienen como objetivo la investigación en un sistema capaz de analizar volúmenes masivos de datos provenientes de aplicaciones de terminales de cara a soportar tanto la identificación de problemas de red como predecir el estado de satisfacción de los usuarios con el servicio móvil y su posible baja del mismo.

Para ello, se utiliza la librería Aptus, desarrollada por parte de Metricell Limited, para ser incluida en aplicaciones de móviles. Ésta se configura remotamente para monitorizar transparentemente la experiencia del usuario en la red celular y WiFi. Así, la colección de datos se puede dividir en KPIs (Key Performance Indicator) o indicadores de rendimiento y KQIs (Key Quality Indicators) o indicadores de calidad.

Dada la menor disponibilidad de los KQIs se pretende realizar funciones para estimarlos a partir de KPIs, con el objetivo de que podamos indicar la calidad del usuario a más alto nivel a partir de parámetros de bajo nivel. Esta predicción permitirá posteriormente facilitar las funciones de gestión de red, tales como la detección de fallos, la planificación de nuevos elementos y la optimización de parámetros de la red.

En este campo, el proyecto se enfoca en el procesado de datos, ingeniería de atributos (feature engineering) y aprendizaje máquina (machine learning - ML), asociados al desarrollo de esta capacidad de predicción de parámetros de calidad de servicio, a partir de los indicadores de capas más bajas. También se tendrá en cuenta su orientación a aplicaciones concretas a llevar al mercado por parte de Metricell Limited.

SENSORES DE IMAGEN_CEI-07