"This site requires JavaScript to work correctly"

Zeitkritische Netze

Beispieltext

Kooperation mit TC Vilshofen / Prof. Dr. Martin Schramm

Dieses Teilprojekt fokussiert sich auf zeitkritische Kommunikationsnetze. Mittels Software Defined Networking (SDN)-Prinzipien soll untersucht werden, wie Time-Sensitive Networks (TSN) flexibler und mittels Software besser konfigurierbar gemacht werden kann. Das Teilprojekt hat zum Ziel, neuartige Steuerkomponenten und Netzwerkschnittstellen zu entwickeln, welche die Verwaltung und Kontrolle des Netzes ermöglicht, um die notwendige Latenz und Zuverlässigkeit zu gewährleisten. Zudem soll untersucht werden, wie die verschiedenen Konfigurationsmechanismen automatisiert werden können. Da sich die Optimierung der Konfigurationen als komplex darstellt, soll auch untersucht werden, wie optimale und robuste Konfigurationsmechanismen mittels maschinellem Lernen schnell gefunden werden können.



Wer ist im Forschungsteam?

 

 


laufende Projekte

Ein umfassendes KI-gesteuertes Netzwerk- und Verarbeitungs-Framework für das industrielle IoT

Das Ziel von AIDA ist es, durch den Aufbau eines ganzheitlichen KI-gesteuerten Netzwerk- und Verarbeitungsrahmens innovative und vertrauenswürdige datengesteuerte industrielle IoT-Anwendungen in Echtzeit zu ermöglichen.

AIDA basiert auf der Expertise von Forschern aus drei Forschungsdisziplinen (Computernetzwerke, verteilte Systeme und Softwaretests) an der Universität Karlstad. In Zusammenarbeit mit schwedischen Unternehmen werden in drei separaten Teilprojekten drei zentrale Forschungsbereiche erforscht. Diese Teilprojekte haben gemeinsam das Ziel, die Frage zu beantworten, wie vertrauenswürdige datengesteuerte industrielle IoT-Anwendungen in Echtzeit ermöglicht werden können.

Teilprojekt 1:

SDN-Steuerebene und robuste Konfiguration für zeitkritische Netzwerke Dieses Teilprojekt konzentrierte sich auf Echtzeit-Netzwerkaspekte und löst die Herausforderungen der Konfiguration von Time-Sensitive Networking (TSN). Dabei werden Prinzipien aus softwaredefinierten Netzwerken und robuster Optimierung angewendet, um den Prozess der Netzwerk-(Neu-)Konfiguration zu automatisieren und gleichzeitig die erforderlichen Garantien für solche zu Anwendungen zu berücksichtigen.

Teilprojekt 2:

Echtzeit-Leistungsüberwachung und -optimierung von containerbasierten Edge-Diensten Dieses Teilprojekt richtet sich darauf aus, die Leistungsüberwachung und Optimierung von containerbasierten Edge-Diensten in Echtzeit sicherzustellen, um die Einhaltung von End-to-End-Einschränkungen zu gewährleisten.

Teilprojekt 3:

Testinfrastruktur für vertrauenswürdige datengesteuerte IoT-Systeme In diesem Zusammenhang konzentriert sich das Teilprojekt auf die Vertrauenswürdigkeit von ML-Komponenten, um die Nachhaltigkeit und Weiterentwicklung der datengesteuerten IoT-Systeme zur Entscheidungsfindung sicherzustellen.


Tools & Datasets & Veröffentlichungen

[1]        Hamza Chahed, Fredrik Hallstrom, Hector Blanco Alcaine and Andreas Kassler: Linux-based End-Station Design for Seamless TSN Plug-and-Play, 2024 IEEE International Conference on Advanced Systems and Emergent Technologies (IC_ASET’2024), April 27-29, 2024, Hammamet, Tunisia.

[2]        Hamza Chahed, Andreas Kassler: Optimizing TSN Routing, Scheduling, and Task Placement in Virtualized Edge-Compute Platforms, in: 27th Conference on Innovation in Clouds, Internet and Networks - ICIN 2024, March 11-14, 2024, Paris, France.

[3]        Software-Defined Time Sensitive Networks Configuration and Management, Hamza Chahed, Andreas Kassler, in: IEEE NFV SDN 2021

 

[4]        Hamza Chahed, Andreas Kassler: TSN Network Scheduling – Challenges and Approaches. in: MDPI Network 2023, 3(4), 585-624; https://doi.org/10.3390/network3040026.

[5]        Hamza Chahed, Muhammad Usman, Ayan Chatterjee, Firas Bayram, Rajat Chaudhary, Anna Brunstrom, Javid Taheri, Bestoun S. Ahmed,
Andreas Kassler, AIDA - A Holistic AI-Driven Networking and Processing Framework for Industrial IoT Applications,  in:  Internet of Things, Volume 22, 2023, 100805, ISSN 2542-6605, https://doi.org/10.1016/j.iot.2023.100805. Impact Factor = 5.7.