Optimización de consumo energético en procesadores multicore
Keywords:
Optimización de consumo energético en procesadores multicoreAbstract
El incremento del consumo energético en procesadores multicore constituye una problemática crítica en la computación de alto rendimiento, debido a su impacto en la eficiencia operativa y la sostenibilidad de las infraestructuras digitales. El objetivo de esta investigación fue analizar los factores que influyen en la optimización del consumo energético en arquitecturas multicore, considerando variables como frecuencia de reloj, temperatura operativa, carga computacional y tipo de arquitectura. Se aplicó una metodología cuantitativa de alcance explicativo, con diseño no experimental y análisis de 120 configuraciones de procesadores multicore, utilizando información de organismos internacionales, bases técnicas y fabricantes tecnológicos. El procesamiento incluyó estadística descriptiva, regresión lineal múltiple, correlación de Pearson y análisis de conglomerados jerárquicos. Los resultados principales evidencian que las arquitecturas con escalado dinámico de voltaje y frecuencia reducen el consumo energético hasta en 30.3 % respecto a configuraciones homogéneas, además de confirmarse una alta correlación positiva entre temperatura operativa y consumo energético (r = 0.87). Asimismo, se identificó que las arquitecturas heterogéneas presentan mayor eficiencia por watt en comparación con los modelos tradicionales. En síntesis, la optimización energética depende de la integración de control térmico, gestión inteligente de recursos y diseño arquitectónico eficiente.
Downloads
References
Advanced Micro Devices. (2023). Energy efficiency in multicore processing architectures. AMD Technical Documentation.
Cruz, J. K. (2021). Monitoreo del voltaje de una placa solar y calidad de datos usando NodeMCU ESP8266. Nova Scientia, 13(26).
Díaz, J., Risco, D., & Colmenar, J. M. (2023). Multi-objective optimization for energy-efficient cache memory design in multicore embedded systems. Applied Sciences, 13(4), 2145. https://doi.org/10.3390/app13042145
Estrella, D. P. (2023). Actividad de patentamiento en Internet de las Cosas para ciudades inteligentes. Problemas del Desarrollo, 54(214).
González, F. A. (2023). Aprendizaje para obtener la medición del costo computacional de algoritmos de reconocimiento de imágenes. RIDE Revista Iberoamericana para la Investigación y el Desarrollo Educativo, 14(27). https://doi.org/10.23913/ride.v14i27.1770
Hernández, P. (2021). Control inteligente mediante escalado dinámico voltaje-frecuencia en procesadores embebidos. Revista Iberoamericana de Automática e Informática Industrial, 18(4), 396–406. https://doi.org/10.4995/riai.2021.14200
Intel Corporation. (2023). Processor architecture energy efficiency technical report. Intel White Papers.
International Energy Agency. (2023). Energy and AI: Energy demand from data centers and artificial intelligence. https://www.iea.org
International Telecommunication Union. (2022). Measuring digital development: Facts and figures. ITU Publications.
Jaya, M., Parra, L., & Zapata, K. (2021). Análisis comparativo del consumo de energía entre WiFi y BLE en sistemas embebidos. Repositorio REDI CEDIA.
Londoño, M. G. (2021). Performance analysis of CNN layers for heterogeneous architectures. Ingeniería, 26(3).
Morales, O. (2021). Optimización de una red definida por software basada en Internet de las Cosas. Computación y Sistemas, 25(1).
NVIDIA Corporation. (2023). Heterogeneous computing and energy optimization in GPUs and CPUs. NVIDIA Technical Reports.
OECD. (2022). Digital economy outlook. Organisation for Economic Co-operation and Development.
Olivares, J. C. (2023). Sistema transactivo de energía ciberseguro usando blockchain multicapa. Computación y Sistemas, 27(3).
Parra, E. F., Jaramillo, U., Salazar, P., & Lara, C. A. (2023). Tendencias y desafíos de la computación de alto rendimiento en la nube. RISTI Revista Ibérica de Sistemas e Tecnologias de Informação, 49, 131–146. https://doi.org/10.17013/risti.49.131-146
Prieto, J. (2024). Computación sostenible: retos energéticos en la infraestructura digital global. Universidad de Granada.
Rivera, J. (2023). Determinación experimental del tiempo de muestreo en sistemas de monitoreo y control. RIDE Revista Iberoamericana para la Investigación y el Desarrollo Educativo, 13(26).
Sandoval, R. (2023). Optimización de sistemas embebidos y eficiencia computacional. Revista Tecnológica Latinoamericana, 18(2), 55–71.
Statista Research Department. (2023). Global data center energy consumption statistics. Statista.
United Nations Environment Programme. (2022). Digital technologies and environmental sustainability report. UNEP.
World Bank. (2023). Digital development global report. World Bank Publications.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Jostin Alexander Choez Ventura (Autor/a)

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.



