Modelos de Pronostico para la Monitorización de la Calidad de Servicios Cloud. Un Enfoque basado en el Aprendizaje Automático
- Autores: Ximena Teresa Guerrón Sandoval
- Directores de la Tesis: Silvia Mara Abrahao Gonzales (codir. tes.), Marta Fernández Diego (codir. tes.)
- Lectura: En la Universitat Politècnica de València ( España ) en 2026
- Idioma: español
- Tribunal Calificador de la Tesis: Marcela Genero (presid.), Mª Carmen Penadés (secret.), Xavier Franch (voc.)
- Programa de doctorado: Programa de Doctorado en Informática por la Universitat Politècnica de València
- Calificación: Sobresaliente Cum Laude
- Materias:
- Enlaces
- Tesis en acceso abierto en: TESEO
- Resumen
La calidad de servicio (QoS) en sistemas cloud es un factor crítico debido a la naturaleza dinámica, distribuida y heterogénea de estos entornos. Sin embargo, las prácticas actuales de gestión, aunque apoyadas en acuerdos de nivel de servicio (SLA) y herramientas de monitorización, siguen siendo predominantemente reactivas y se basan en la observación aislada de métricas, lo que limita la detección temprana de anomalías y la prevención de violaciones de SLA. A ello se suma la ausencia de un marco unificado que conecte de manera sistemática las características de calidad abstractas, las métricas de QoS y los métodos predictivos. Esta fragmentación conceptual y operativa constituye un desafío científico y práctico que dificulta avanzar hacia una gestión de la calidad en servicios cloud verdaderamente proactiva y fundamentada.
Esta tesis propone un marco integral para el modelado, la evaluación y el pronóstico de la calidad de los servicios cloud, articulado en tres contribuciones principales. En primer lugar, se desarrolla una taxonomía de métricas de QoS derivada en una revisión sistemática de la literatura, que organiza y caracteriza métricas heterogéneas desde la perspectiva de SaaS, PaaS e IaaS, proporcionando una base estructurada para su interpretación. En segundo lugar, se define un modelo de calidad genérico para servicios cloud, alineado con ISO/IEC 25010 y complementado con un proceso de evaluación conforme a ISO/IEC 25040. El modelo descompone las características en 68 subcaracterísticas y 242 atributos específicos del dominio cloud, y se valida mediante un estudio de caso industrial aplicado a un servicio cloud real, mostrando cómo puede instanciarse, configurarse y adaptarse de forma iterativa para generar información relevante, identificar incumplimientos de los objetivos de calidad y priorizar acciones de mejora. En tercer lugar, se propone un proceso de modelado para pronosticar la calidad de los servicios cloud que guía la construcción de modelos de aprendizaje automático. Este proceso se evalúa mediante un experimento controlado que compara enfoques estadísticos (ARIMA) y de aprendizaje profundo (LSTM y BI-GRU), lo que demuestra la superioridad de los modelos bidireccionales en términos de precisión, estabilidad y capacidad de generalización.
En conjunto, los resultados muestran que el marco propuesto proporciona una visión integrada de la calidad en servicios cloud, al conectar la definición formal del dominio, su evaluación sistemática y el pronóstico basado en datos. Esta integración no solo mejora de manera significativa la capacidad para diagnosticar, interpretar y anticipar la QoS, sino que también establece una base metodológica sólida para el diseño de estrategias de gestión proactiva en entornos cloud. Además, la tesis contribuye a avanzar el estado del arte al ofrecer un enfoque unificador que abre nuevas oportunidades de investigación orientadas al uso de arquitecturas avanzadas para series temporales, a mecanismos de aprendizaje continuo y a sistemas autoadaptativos impulsados por métricas de calidad.
