Loading...
tr usd
USD
0.07%
Amerikan Doları
44,90 TRY
tr euro
EURO
-0.06%
Euro
52,91 TRY
tr chf
CHF
-0.1%
İsviçre Frangı
57,60 TRY
tr jpy
JPY
0%
Japon Yeni
0,00 TRY
tr rub
RUB
0.43%
Rus Rublesi
0,61 TRY
tr cny
CNY
0.07%
Çin Yuanı
6,59 TRY
tr gbp
GBP
0.02%
İngiliz Sterlini
60,81 TRY
tr eur-usd
EURO/USD
-0.2%
Euro Amerikan Doları
1,18 TRY
bist-100
BIST
-0.15%
Bist 100
14.463,76 TRY
usd gau
Petrol
-0.6%
Brent Petrol
94,91 USD
gau
GR. ALTIN
-0.49%
Gram Altın
6.919,43 TRY
btc
BTC
-4.37%
Bitcoin
3.120.864,12 USDT
eth
ETH
-1.64%
Ethereum
88.859,86 USDT
bch
BCH
-1.28%
Bitcoin Cash
12.999,57 USDT
xrp
XRP
-3.79%
Ripple
56,62 USDT
ltc
LTC
-4.25%
Litecoin
2.214,90 USDT
bnb
BNB
-1.05%
Binance Coin
30.767,78 USDT
sol
SOL
-3.13%
Solana
3.539,16 USDT
avax
AVAX
-3.3%
Avalanche
387,47 USDT
ada
ADA
-3.52%
Cardano
10,05 USDT
dot
DOT
-1.26%
Polkadot
51,29 USDT
doge
DOGE
-2.17%
Dogecoin
4,41 USDT
shib
SHIB
-2.28%
Shiba Inu
0,00 USDT
  1. Haberler
  2. Kurumsal Haberler
  3. Huawei, Çekirdek Ağ Kararlılığı İçin MoM Tabanlı Yeni İşbirliği Sistemini Duyurdu

Huawei, Çekirdek Ağ Kararlılığı İçin MoM Tabanlı Yeni İşbirliği Sistemini Duyurdu

featured
Google'da Abone Ol service
Paylaş

Bu Yazıyı Paylaş

veya linki kopyala
Reklam Alanı

Huawei, çekirdek ağların güvenilirliğini artırmak ve L4 seviyesinde yüksek kararlılık sağlamak amacıyla, Modellerin Karışımı (MoM) mimarisi ve çoklu ajan teknolojisine dayanan ICNMaster MDAF çözümünü geliştirdi.

Dijitalleşen dünyada ekonomik faaliyetlerin ve günlük yaşamın ağ altyapısına olan bağımlılığı artarken, ağ istikrarı operatörler için kritik bir öncelik haline geldi. 5G ve bulut teknolojilerinin yaygınlaşması, yazılım-donanım ayrışması ve karmaşık API yapıları, ağ yönetimini zorlaştıran faktörler arasında yer alıyor. GlobalData tarafından yayınlanan istatistiklere göre, operatörlerin yüzde 42’si son üç yıl içinde çekirdek ağ hizmetlerinde kesintiler yaşadı ve bu durum sektör genelinde güvenilirlik endişelerini artırdı.

Sektördeki bu zorluklara yanıt olarak TM Forum, çekirdek ağ güvenilirliğini artırmak için yeni değerlendirme standartları yayınladı. Huawei ise bu kapsamda geliştirdiği ICNMaster MDAF çözümü ile operatörlerin yüksek kararlılık taleplerini karşılamayı hedefliyor. Sistem, proaktif risk önleme, hızlı hata kurtarma ve dakikalar içinde servisi yeniden başlatma yetenekleriyle dikkat çekiyor.

Huawei ICNMaster MDAF, MoM mimarisi, çok ajanlı işbirliği ve ağ dijital ikizi teknolojilerini birleştirerek, operatörlerin otonom ağlara geçiş sürecini hızlandırmayı amaçlıyor.

Tek Modelli Mimariden Çok Modelli Yapıya Geçiş

Geleneksel tek modelli mimarilerin aksine, Huawei’in geliştirdiği MoM (Modellerin Karışımı) mimarisi, farklı senaryolara uyum sağlayabilen esnek bir yapı sunuyor. Bu sistem, hızlı çıkarım modellerinin avantajlarını DeepSeek gibi derin muhakeme modelleriyle entegre ediyor. Akıllı trafik yönlendirme çerçevesi, görevleri dinamik olarak analiz ederek rutin olayları hızlı modellere, karmaşık anomalileri ise derin muhakeme modellerine yönlendiriyor.

Çoklu Ajan İşbirliği ve Dijital İkiz Entegrasyonu

Yeni sistem, tekil otomasyon süreçlerinin ötesine geçerek “Çok Ajanlı İşbirlikçi Kendini Kapatma” (Self-Closing) mekanizmasını devreye alıyor. Bu teknoloji, birden fazla ajanın koordineli çalışmasını sağlarken, olası çakışmaları da çözümlüyor. İyileştirme eylemleri, canlı ağa uygulanmadan önce “Ağ Dijital İkizi” sistemi üzerinde doğrulanıyor.

Sistemin çalışma prensibi şu döngüyü izliyor:

  • Algılama
  • Analiz
  • Karar Verme
  • Yürütme

Bu doğrulama süreci, düzeltici önlemlerin hatasız ve etkili olmasını garanti altına alıyor. Huawei’in sunduğu çözüm, ağ merkezli operasyon modelinden kullanıcı deneyimi odaklı bir yapıya geçişi desteklerken, gelecekteki tam otonom sürüş ağları için de teknik bir zemin oluşturuyor.

Sorumluluk Reddi Beyanı:

Pellentesque mauris nisi, ornare quis ornare non, posuere at mauris. Vivamus gravida lectus libero, a dictum massa laoreet in. Nulla facilisi. Cras at justo elit. Duis vel augue nec tellus pretium semper. Duis in consequat lectus. In posuere iaculis dignissim.