Inteligencia artificial aplicada a la gestión de capacidad de infraestructura tecnológica
Fecha:
23/09/2020Palabra clave:
Tipo de Ítem:
masterThesis
Resumen:
Un dimensionamiento adecuado de infraestructura tecnológica puede redundar en servicios
disponibles y ahorros de costos. Las investigaciones actuales en inteligencia artificial,
contemplan proveedores en la nube y otros sectores. No se identifican soluciones para
usuarios de infraestructura de centro de cómputo. La contribución de este trabajo es una
herramienta inteligente que facilita la gestión de capacidad de infraestructura tecnológica. Se
construyó la solución utilizando la metodología CRISP-DM y un caso de aplicación. El sistema
contempla la gestión de datos de demanda y capacidad, y la generación de pronósticos con
los modelos de aprendizaje supervisado: Regresión Lineal, Random Forest, Máquinas de
Vector de Soporte y Redes Neuronales Artificiales. De acuerdo al error cuadrático medio, el
mejor modelo fue Random Forest, con un error inferior al 20% respecto al máximo valor de la
métrica analizada. De cara al futuro, se plantea el uso y afinamiento de esta herramienta en
entornos reales.
Descripción:
A proper dimensioning of the technological infrastructure can result in available services and
cost savings. The current artificial intelligence researches consider cloud computing providers
and other sectors. None solutions were identified for data center infrastructure users. The
contribution of this work is an intelligent tool that makes easier the capacity management of
the technological infrastructure. The solution was built using the CRISP-DM methodology and
an application case. The system contemplates the management of demand and capacity data,
and the generation of forecasts with the supervised learning models: Linear Regression,
Random Forest, Support Vector Machines and Artificial Neural Networks. According to the
mean square error, the best model was Random Forest, with an error of less than 20% with
respect to the maximum value of the analyzed metric. Looking ahead, the use and refinement
of this tool in real environments is proposed.
Ficheros en el ítem
