| Tesis Doctorales de la Universidad de Alcalá |
| EFICIENCIA ENERGÉTICA Y SOSTENIBILIDAD UTILIZANDO EL “ADVANCED DATA ANALYTICS MODELLING” EN LOS DATA CENTERS | | Autor/a | Chinnici, Andrea | | Departamento | Ciencias de la Computación | | Director/a | Marcos Ortega, Luis de | | Codirector/a | Domínguez Díaz, Adrián | | Fecha de depósito | 17-02-2026 | | Periodo de exposición pública | 18 de febrero a 3 de marzo de 2026 | | Fecha de defensa | Sin especificar | | Modalidad | Presencial | | Programa | Ingeniería de la Información y del Conocimiento (RD 99/2011) | | Mención internacional | No | | Resumen | Ante el incremento sostenido del consumo energético y el impacto ambiental de los Centros de Datos de Computación de Alto Rendimiento (HPC), esta tesis doctoral desarrolla un marco predictivo basado en Inteligencia Artificial (AI) orientado a la optimización operativa y la sostenibilidad de estas infraestructuras. El valor diferencial y la originalidad de la investigación residen en el uso de datos reales, masivos y multivariables procedentes del Data Center HPC de ENEA en Portici (Italia). Eso permite validar las metodologías en entornos operativos críticos y superar la dependencia de datos sintéticos predominante en el estado del arte. A través de técnicas avanzadas de machine learning y analítica de datos, el trabajo diseña modelos capaces de predecir parámetros térmicos clave e identificar ineficiencias en los sistemas de refrigeración y en la utilización de recursos computacionales. Un aspecto distintivo es la integración de técnicas de explicabilidad (XAI), que transforman los modelos en herramientas transparentes y fiables para los gestores al clarificar las relaciones entre las variables físicas del centro. Finalmente, la investigación culmina con el desarrollo de una dashboard interactiva de visualización analítica que integra modelos de series temporales para el soporte a la toma de decisiones, demostrando de forma cuantitativa que una gestión unificada y basada en datos reales es la vía más eficaz para impulsar la eficiencia energética en la computación de alto rendimiento. |
|
