A Framework for Benchmarking a Private 5G Network Exemplified with Industry 4.0 Use Cases
Master thesis
Permanent lenke
https://hdl.handle.net/11250/3149975Utgivelsesdato
2024Metadata
Vis full innførselSamlinger
Sammendrag
5G er tenkt å imøtekomme flere heterogene bruksområder, alt fra forsinkelsessensitive applikasjoner basert på URLLC, båndbreddeintensive applikasjoner basert på eMBB, til energibesparende applikasjoner basert på mMTC. Disse egenskapene gjør det mulig å oppfylle flere av de strenge kravene som Industry 4.0 stiller. Derfor anses private 5G-nettverk som en lovende kommunikasjonsteknologi for bruksområder innen Industry 4.0. Det er imidlertid uklart om de tekniske realiseringene av private 5G-nettverk i virkeligheten oppfyller de forutsatte kravene. I tillegg ser det ikke ut til å finnes noen standardløsning med åpen kildekode for å produsere målinger som gjør det mulig å sammenligne slike nettverk. Denne avhandlingen utforsker derfor utformingen og implementeringen av et rammeverk for benchmarking av private 5G-nettverk. Arbeidet følger en tilbakemeldings-syklus, med fokus på å forbedre programvaren basert på innsikten fra validering.
Vi har utviklet og validert et rammeverk for benchmarking bestående av programvare og en høynivå arkitektur som kan generere, fange opp og analysere nettverkstrafikk. Ved å benytte eksisterende programvare kombinert med egenutviklede løsninger, har vi utnyttet balansen mellom ressursbruk til utvikling og validering versus muligheten til å skreddersy løsninger. Programvaren ble validert på grunnlag av sine funksjonelle og ikke-funksjonelle krav. Valideringen ga innsikt som muliggjorde forbedring av verktøyets funksjonalitet.I tillegg har vi evaluert til hvilken grad rammeverket muligjør benchmarking av vanlige scenarioer i Industry 4.0 i to private 5G-nettverk. Evalueringen viste at rammeverket er i stand til å benchmarke nettverk basert på virkelige scenarier, og at resultatene er sammenlignbare på tvers av nettverk. Det gjenstår imidlertid en del arbeid for å utnytte høynivå arkitekturen maksimalt, representere brukstilfeller fra Industry 4.0 presist og forbedre detaljnivået i sammenligningene mellom nettverk. 5G is envisioned to cater to a plethora of heterogeneous use cases, ranging from delay-sensitive applications relying on URLLC, bandwidth-intensive applications relying on eMBB, to energy-conserving applications relying on mMTC. These use cases enable the fulfillment of several of the stringent requirements of Industry 4.0. Therefore, private 5G networks are considered a promising communication technology for Industry 4.0 use cases. However, it is unclear whether the technical realizations of private 5G networks comply with their envisioned requirements. Furthermore, there seems to be no standard, open-source solution to produce measurements for comparing such networks. This thesis explored the design and implementation of a benchmarking framework for private 5G networks. The work followed a feedback-loop cycle, focusing on improving the produced artifacts based on insights from validation.
A benchmarking framework consisting of a software tool and a high-level architecture capable of generating, capturing, and analyzing network traffic has been produced and validated. We have combined existing software utilities with developing custom solutions, leveraging the trade-off between resources spent on the development and validation of the tool and its customizability. The software implementation was validated based on its functional and non-functional requirements. This provided insights enabling enhancements of the benchmarking tool.Furthermore, the efficacy of the benchmarking framework towards a set of common Industry 4.0 use cases has been evaluated on two private 5G networks. The evaluation showed that the benchmarking framework is able to produce benchmarks of networks based on real-world scenarios and that the results are comparable across networks. However, some work remains to enable the benchmarking framework to leverage its testbed architecture maximally, accurately represent Industry 4.0 use cases, and enhance the granularity of comparisons between network implementations.