Assessing 5G and multi-access edge computing energy efficiency for industrial applications

Abstract

Energy efficiency has always been of interest to telecommunications companies, but the expected exponential increase in data volumes in industrial applications, combined with increased instabilities in energy prices has made it a top concern for the industry. Especially in mobile networks much of this new data will be transferred over 5G, since it aims to fulfill many novel industrial use cases, such as remote machinery control, Augmented Reality, and automated optical quality control. Many of these use cases also require a novel architecture for computing, as they have strict requirements for low latency, rendering cloud computing infeasible. Edge computing presents an attractive solution, as it offers more flexibility than on-premises computing and lower latencies than cloud computing since it places computing on the edge of the mobile network. This thesis assesses the energy efficiency of both 5G and multi-access edge computing by comparing them to their main counterparts. 5G base stations are compared to 4G base stations in a production environment covering over a thousand base stations, giving an accurate mean of energy efficiency in variable environmental conditions. Edge computing is compared to on-premises computing through two industrial case studies. For mobile networks is found that 5G is considerably more energy efficient than 4G with higher data volumes found in industrial environments. This is because although the idle energy consumption of 5G base stations is found to be higher than 4G base stations, 5G is five times more energy efficient in data transfers than 4G. For multi-access edge computing it is found that some edge computing platforms consume a lot of energy even with no computing load, and edge computing energy efficiency is highly dependent on hardware and resource allocation.

Energiatehokkuus on aina kiinnostanut tietoliikennealan yrityksiä, mutta datamäärien räjähdysmäinen kasvu teollisissa sovelluksissa, yhdistettynä lisääntyneeseen energian hintojen epävakauteen on tehnyt siitä alan yhden alan suurimmista huolista. Varsinkin mobiiliverkoissa suuri osa tästä uudesta datasta siirtyy 5G:n avulla, sillä se pyrkii täyttämään monia uusia teollisia käyttötapauksia, kuten koneiden etäohjaus, lisätty todellisuus ja automatisoitu optinen laadunvalvonta. Monet näistä käyttötapauksista vaativat myös uudenlaista arkkitehtuuria laskentaan, sillä sovelluksilla on tiukat vaatimukset alhaiselle viiveelle, mikä tekee pilvilaskennasta mahdotonta. Reunalaskenta on houkutteleva ratkaisu tähän ongelmaan, sillä se tarjoaa enemmän joustavuutta kuin paikan päällä tapahtuva datan käsittely, ja pienemmän viiveen kuin pilvilaskenta, sillä se asettaa laskennan mobiiliverkon reunalle. Tässä diplomityössä arvioidaan sekä 5G:n että reunalaskennan energiatehokkuutta vertaamalla niitä niiden tärkeimpiin vastakohtiinsa. 5G-tukiasemia verrataan 4G-tukiasemiin tuotantoympäristössä, joka kattaa yli tuhat tukiasemaa, mikä antaa tarkan keskiarvon energiatehokkuudesta vaihtelevissa ympäristöolosuhteissa. Reunalaskentaa verrataan paikan päällä tapahtuvaan laskentaan kahden teollisen tapaustutkimuksen avulla. Mobiiliverkkojen osalta havaitaan, että 5G on huomattavasti energiatehokkaampi kuin 4G teollisissa ympäristöissä, joissa datamäärät ovat suuria. Tämä johtuu siitä, että vaikka 5G-tukiasemien energiankulutus ilman tiedonsiirtoa on korkeampi kuin 4G-tukiasemien, 5G on viisi kertaa energiatehokkaampi tiedonsiirrossa kuin 4G. Reunalaskennan osalta havaitaan, että jotkin reunalaskenta-alustat kuluttavat paljon energiaa myös ilman muuta kuormaa, ja reunalaskennan energiatehokkuus riippuu suuresti käytetystä laitteistosta ja resurssien allokoinnista.