Desarrollo de un modelo de diagnóstico usando V-Nets para el monitoreo del consumo de la energía en el HPC de Guatiguará

Florez Ramos, Jose David; Bejarano Ramírez, Duvan Alberto

Desarrollo de un modelo de diagnóstico usando V-Nets para el monitoreo del consumo de la energía en el HPC de Guatiguará

dc.contributor.advisor	Vásquez Capacho, John William
dc.contributor.author	Florez Ramos, Jose David
dc.contributor.author	Bejarano Ramírez, Duvan Alberto
dc.contributor.evaluator	Duarte Gualdron, Cesar Antonio
dc.contributor.evaluator	Sandoval Manrique, Jhon Hector
dc.date.accessioned	2025-08-27T12:40:04Z
dc.date.available	2025-08-27T12:40:04Z
dc.date.created	2025-08-23
dc.date.issued	2025-08-23
dc.description.abstract	En un mundo digitalizado y altamente dependiente de tecnologías avanzadas, la demanda energética ha crecido de manera exponencial, generando una preocupación crítica en cuanto a sostenibilidad y costos operativos. Los sistemas de High Performance Computing (HPC), fundamentales para la investigación académica y empresarial, requieren un monitoreo eficiente de su consumo energético. En este contexto, el Centro de Innovación y Desarrollo Tecnológico de Guatiguará enfrenta el desafío de optimizar el uso de energía en su infraestructura HPC, lo que motivó el desarrollo de un modelo de diagnóstico basado en redes de verificación (V-Nets). Este modelo aprovecha la capacidad de las V-Nets para manejar simultaneidad y secuenciación de eventos, permitiendo detectar y diagnosticar fallos energéticos con alta precisión. La metodología incluyó la recopilación y procesamiento de datos históricos de tensión, corriente, potencia y temperatura, que fueron transformados en eventos discretos sujetos a umbrales de validación. Posteriormente, se construyó una V-net con restricciones temporales y lógicas, complementada con un modelo de aprendizaje profundo tipo LSTM, lo que incrementó la capacidad predictiva del sistema. Los resultados obtenidos en las simulaciones mostraron métricas de exactitud y precisión superiores al 95 %, validando la efectividad del modelo. Este enfoque no solo favorece una gestión energética más eficiente y sostenible, sino que también sienta las bases para futuras aplicaciones en otros entornos de HPC. En conclusión, el modelo propuesto constituye una herramienta innovadora que contribuye a la optimización del consumo energético en centros de supercómputo, alineándose con las tendencias actuales de sostenibilidad y responsabilidad social en la era de la Industria 4.0.
dc.description.abstractenglish	In a highly digitalized world that relies heavily on advanced technologies, energy demand has grown exponentially, raising critical concerns regarding sustainability and operational costs. High Performance Computing (HPC) systems, essential for academic and industrial research, require efficient monitoring of their energy consumption. Within this context, the Guatiguará Innovation and Technology Development Center faces the challenge of optimizing energy usage in its HPC infrastructure, which motivated the development of a diagnostic model based on Verification Networks (V-Nets). This model leverages the ability of V-Nets to manage simultaneity and event sequencing, enabling the detection and diagnosis of energy anomalies with high precision. The methodology included the collection and processing of historical data on voltage, current, power, and temperature, which were transformed into discrete events subject to threshold-based validation. A V-net was then constructed with temporal and logical constraints, and complemented with a Long Short-Term Memory (LSTM) deep learning model to enhance the system’s predictive capacity. The results obtained from simulations showed accuracy and precision metrics exceeding 95%, validating the effectiveness of the model. This approach not only supports more efficient and sustainable energy management but also lays the groundwork for future applications in other HPC environments. In conclusion, the proposed model constitutes an innovative tool that contributes to energy optimization in supercomputing centers, aligning with current trends in sustainability and corporate social responsibility in the era of Industry 4.0.
dc.description.degreelevel	Pregrado
dc.description.degreename	Ingeniero Electrónico
dc.format.mimetype	application/pdf
dc.identifier.instname	Universidad Industrial de Santander
dc.identifier.reponame	Universidad Industrial de Santander
dc.identifier.repourl	https://noesis.uis.edu.co
dc.identifier.uri	https://noesis.uis.edu.co/handle/20.500.14071/46028
dc.language.iso	spa
dc.publisher	Universidad Industrial de Santander
dc.publisher.faculty	Facultad de Ingeníerias Fisicomecánicas
dc.publisher.program	Ingeniería Electrónica
dc.publisher.school	Escuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.license	Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	V-nets
dc.subject	Diagnostico energético
dc.subject	HPC
dc.subject	Eficiencia energética
dc.subject	Optimización
dc.subject.keyword	V-Nets
dc.subject.keyword	Energy diagnosis
dc.subject.keyword	HPC
dc.subject.keyword	Energy efficiency
dc.subject.keyword	Optimization
dc.subject.keyword	Deep learning
dc.title	Desarrollo de un modelo de diagnóstico usando V-Nets para el monitoreo del consumo de la energía en el HPC de Guatiguará
dc.title.english	Development of a Diagnostic Model Using V-Nets for Energy Consumption Monitoring in the Guatiguará HPC
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.hasversion	http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.local	Tesis/Trabajo de grado - Monografía - Pregrado