Pronóstico de demanda de hardware en entornos de nube utilizando modelos basados en series de tiempo

Abstract

Este proyecto tiene como propósito desarrollar un modelo de predicción para estimar la demanda de capacidad de cómputo en un entorno corporativo de servicios en la nube. El objetivo general consiste en evaluar y comparar metodologías de modelado basadas en series de tiempo, con el fin de anticipar el comportamiento futuro de la utilización de hardware. Entre los objetivos específicos se incluyen la recopilación, limpieza y estandarización del conjunto de datos; la verificación de la viabilidad estadística de las series; la construcción y validación de modelos; y la comparación de su desempeño mediante métricas especializadas. La motivación principal surge de la necesidad de contar con pronósticos más precisos que faciliten la planeación de capacidad en un entorno altamente dinámico. En servicios de cómputo en la nube, una predicción deficiente puede conducir tanto a la insuficiencia como al exceso de recursos, afectando la eficiencia operativa, los costos y la experiencia del cliente. La variabilidad observada en los datos históricos y la ausencia de un enfoque estandarizado justifican la importancia de desarrollar un análisis estructurado. El documento se organiza en cuatro secciones principales. Primero, se describe la recopilación y exploración de los datos, su origen y las transformaciones aplicadas. Después, se presentan los fundamentos teóricos del análisis temporal y los criterios para evaluar la idoneidad de cada serie. En seguida, se detalla el proceso de construcción, ajuste y validación de los modelos SARIMA. Finalmente, se discuten los resultados, se presentan conclusiones basadas en evidencia y se plantean líneas de trabajo futuro orientadas a mejorar la precisión y escalabilidad del modelo predictivo.