Para que los algoritmos de Machine Learning de MLSIP aprendan a optimizar el tráfico, necesitan una materia prima fundamental: datos. Y no cualquier dato, sino un conjunto de datos masivo, variado y representativo que simule las complejidades de un entorno de producción real. Con este objetivo, el equipo de Quobis ha implementado un sofisticado entorno…
La telefonía empresarial ha evolucionado drásticamente. Hoy, las comunicaciones no se limitan a un teléfono fijo en la oficina; se extienden a través de softphones en portátiles, aplicaciones móviles y sistemas de videoconferencia, conectando a equipos que trabajan desde cualquier lugar. Esta flexibilidad depende de sistemas de telefonía basados en SIP, pero también expone las…
El proyecto MLSIP tiene dos objetivos técnicos clave: optimizar el enrutamiento de la señalización (SIP) y mejorar el rendimiento de la red adaptando el tráfico de media (RTP). Para lograr esta manipulación integral, la arquitectura del proyecto se apoya en la combinación de dos potentes herramientas de código abierto: Kamailio y RTPengine. Kamailio es el…
Los call centers y centros de contacto son uno de los principales casos de uso donde el proyecto MLSIP tendrá un impacto directo y significativo. Estos entornos manejan volúmenes masivos de llamadas, donde cada segundo de retraso, cada llamada fallida o cada comunicación de baja calidad puede suponer una pérdida económica y un deterioro de…
El éxito del proyecto MLSIP reside en una arquitectura robusta y modular, diseñada para integrar la toma de decisiones inteligentes en el flujo de las comunicaciones en tiempo real. El equipo de Quobis ha definido una arquitectura definitiva que combina componentes de código abierto de alto rendimiento con un servicio de Machine Learning desarrollado a…
Las redes de comunicaciones en tiempo real, basadas en el protocolo SIP, son la columna vertebral de la telefonía empresarial, los call centers y las comunicaciones unificadas. Sin embargo, su gestión tradicional se basa en configuraciones quasi-estáticas y en la intervención manual de expertos para reaccionar ante problemas como la congestión de red o la…
Quobis convoca a aquellas entidades especializadas en machine learning y redes neuronales, a presentar su propuesta de colaboración en el proyecto MLSIP parte del «Programa Único I+D 6G 2023»: Descargar detalle de la convocatoria MLSIP: Optimización SIP mediante Machine Learning El objetivo general del proyecto MLSIPes optimizar el uso de la red y todas las capacidades que 5G, y 6G…
Quobis anuncia el inicio del proyecto de I+D MLSIP: Optimización SIP mediante Machine Learning. Esta ambiciosa iniciativa busca transformar la gestión del tráfico de comunicaciones, pasando de los sistemas tradicionales basados en configuraciones manuales a un modelo inteligente, dinámico y automatizado. El proyecto, que se extenderá desde el 1 de noviembre de 2023 hasta el…
En el día 14 de Diciembre a las 11h, en las instalaciones de Quobis, en el Polígonos da Granxa (Porriño), se ha presentado el proyecto COMPORT (COMmunications for Process Optimization in Real Time) subvencionado por la GAIN (Axencia Galega de Innovación) a través del programa Conecta HUBS 2021, cofinanciado por el Fondo Europeo de Desarrollo Regional (Feder) dentro del programa operativo Feder…
COMPORT: COMmunications for Process Optimization in Real Time Quobis participa como coordinador en el proyecto COMPORT, subvencionado por la GAIN (Axencia Galega de Innovación) a través del programa Conecta HUBS 2021 cofinanciado por el Fondo Europeo de Desarrollo Regional (Feder) dentro del programa operativo Feder Galicia 2014-2020, con el número de expediente IN852B 2021/13. COMPORT cuenta con la participación…