通信体系结构的演变转向了虚拟和云本地网络功能,为新兴技术的灵活性和集成奠定了基础。人工智能(AI)和机器学习(ML)作为网络设计中的内在元素是6G的一些关键愿景和要求。从O-Ran的角度来看,本文探讨了当前的网络体系结构应如何发展为在6G中的通信和智能集成。首先是对各种标准组织进行的与AI相关工作的全面分析和比较。在此基础上,提出了一个端到端的AI集成框架,该框架利用AI技术,数据服务和数字双胞胎(DT)技术来实现集成的智能6G通信系统。之后,讨论了跨域AI,基于服务的RAN,可编程RAN和数字双胞胎的关键启用技术。最后,本文分析了O-Ran进化的挑战和机会。
使用电动汽车作为燃烧发动机的替代方案,对锂离子电池的新制造技术的需求不断增长。在这种情况下,Fraunhofer FFB研究所启动了实验室基础研究电池生产的构建。为了有效地研究制造过程,需要一个高度数字化的环境,使研究人员可以访问与过程相关的数据。工厂具有由各种软件组成的信息技术体系结构,无论是外包还是内部开发,它们不本质地支持它们之间的通信。这创造了能够连接这些系统的灵活通信体系结构的需求。该建议涉及通过可编程连接器访问的Publish-Subscribe类型的中央事件分布平台的应用。对现有解决方案的分析导致了Redpanda通信平台的选择,而对于开发的连接,Redpanda Connect的使用,为不同的通信技术提供了灵活性。接下来,将系统集成建模并应用于工厂的系统之一。通信和部署体系结构的建模遵循统一的建模语言标准,并使用Docker对应用程序进行了容器。该解决方案导致工厂分析过程的自动化有了显着改善,从而使研究人员能够以提高效率和准确性进行活动。此外,它证明了将应用到其他工厂系统的可行性,从而实现了制造环境集成和数字化的目标。通过这种集成,工厂不仅可以增强系统之间的信息交换,而且还提供了更敏捷和透明的工作流程。