Resumen
El aprovechamiento de la tecnología de Quinta Generación (5G) para impulsar a la Industria 4.0 ha marcado un hito significativo en la evolución histórica de las redes celulares. Este desarrollo tiene como objetivo respaldar a las fábricas inteligentes con estrictos requisitos de comunicación, ya que su operatividad se centra en cumplir con los estándares de Calidad de Servicio (QoS), lo que hace que las aplicaciones del Industrial Internet de las cosas (IIoT) sean susceptibles a un rendimiento de red inestable.
Además, estas aplicaciones suelen ocurrir en interiores, donde la alta densidad de obstáculos presenta desafíos adicionales. Estructuras metálicas grandes, robots y vehículos en movimiento obstruyen la propagación de la señal y pueden degradar significativamente el rendimiento de las comunicaciones. El primer modelo de canal estandarizado para fábricas interiores (InF) fue introducido por el Third Generation Partnership Project (3GPP) en la Release 16 para estudiar y abordar estas particularidades ambientales.
Esta tesis se centra en esta base y examina el procedimiento de modelado, identificando limitaciones como la caracterización imprecisa de parámetros y la capacidad limitada para capturar toda la complejidad geométrica de tales entornos.
Preocupado por estas limitaciones, este trabajo da un paso significativo hacia adelante al proponer una nueva tecnología para abordar los desafíos en el modelado industrial. Este enfoque abre la puerta a explorar una de las tendencias emergentes clave en la Sexta Generación (6G) para aplicaciones IIoT: los sistemas de Integrated Sensing and Communications (ISAC). Los sistemas ISAC tienen un gran potencial para superar no solo los desafíos existentes, sino también para introducir mejoras adicionales y valiosas. Dado que ISAC es una tecnología novedosa, aún no se ha diseñado un modelo de canal específico para ella. Para cubrir esta necesidad, esta tesis presenta el desarrollo de un modelo de canal ISAC como un paso fundamental para avanzar en esta tecnología.
Durante dicho avance, se han identificado características fundamentales para construir un modelo de canal ISAC, las cuales suelen ser pasadas por alto en la literatura. En respuesta a esto, este trabajo motiva el desarrollo de directrices técnicas para el modelado ISAC, formando una metodología de evaluación.
Una metodología de evaluación es importante para ISAC o cualquier sistema, ya que es esencial para evaluar el rendimiento y orientar futuras mejoras. Actualmente, no existe una metodología de este tipo para ISAC. Esta tesis aborda estos desafíos al enfatizar la importancia de considerar las características principales para construir un canal ISAC: correlación entre el canal de sensado y el de comunicación y consistencia espacial.
Basándose en el desarrollo inicial del marco ISAC, el siguiente paso consiste en probar ISAC en entornos cuasi-realistas. Esta tesis presenta un caso de uso industrial que aplica entrenamiento de haz asistido por sensado, demostrando cómo ISAC puede abordar el problema de las múltiples obstrucciones en tales entornos. Específicamente, explora la técnica de sustracción de fondo en un algoritmo de formación de haces predictiva, que aprovecha la información relacionada con el usuario obtenida a través del sensado. Bajo estas consideraciones, los hallazgos indican una mejora sustancial en el rendimiento de la comunicación, particularmente en lo que respecta a la relación señal a ruido (SNR) y la tasa de datos efectiva.
En otras palabras, los resultados destacan el potencial de ISAC para abordar eficazmente las complejidades geométricas del entorno de interés. Esta tesis no solo es pionera en la técnica de sustracción de fondo, sino que también muestra su impacto, allanando el camino para futuras aplicaciones a otros algoritmos de sensado dentro del marco ISAC y la fábrica del futuro.
