Optimización de la Ejecución de Flujos de Trabajo Computacionales en Entornos de Computación en la Nube
DOI:
https://doi.org/10.17268/rev.cyt.2024.04.01Palabras clave:
Optimización de flujos de trabajo computacionales, Computación en la nube hibrida, Digitalización academica en la nube, Transformación digitalResumen
Este estudio se centró en la digitalización de procesos críticos en la Universidad Nacional de Trujillo (UNT), específicamente en emisión de certificados con firma digital y trámites de graduación, seleccionados por su relevancia académica. Se implementó un sistema híbrido de nube privada y clúster de servidores, utilizando un diseño cuasi-experimental con un grupo de control y uno experimental. El análisis estadístico se realizó con pruebas T-Student y Mann-Whitney, empleando el software Minitab. Estadísticamente se uso una muestra de 30 mediciones que es suficiente para que la distribución muestral de la media se aproxime a una distribución normal como este caso, que fue utíl para aplicar la prueba T-de Student. Los resultados mostraron una reducción significativa en tiempos de procesamiento. En la emisión de certificados con firma digital, el tiempo promedio disminuyó de 10,94 días a 2,21 días, y en los trámites de graduación, de 51,08 días a 27,98 días. Además, la satisfacción de los usuarios aumentó de 2 a 4 en ambos procesos. Los resultados respaldan la efectividad de la computación en la nube en la transformación digital de los procesos académicos de la Universidad Nacional de Trujillo, lo cual puede servir como modelo para otras instituciones del rubro.
Citas
Deng, K., Ren, K., Zhu, M., & Song, J. (2015). A data and task co-scheduling algorithm for scientific cloud workflows. IEEE Transactions on Cloud Computing, 1–1. https://doi.org/10.1109/tcc.2015.2511745
Miao, Y. (2022). University educational administration management platform integrating distributed real-time cloud computing system. Mathematical Problems in Engineering, 2022, Article ID 1378931, 12 páginas. https://doi.org/10.1155/2022/1378931
Oland, M. A., & Niculescu, V. (2022). Case management versus workflow systems in healthcare. Applied Medical Informatics. https://ami.info.umfcluj.ro/index.php/AMI/article/view/904
Pandey, S., Karunamoorthy, D., & Buyya, R. (2011). Workflow engine for clouds. En Cloud Computing (pp. 321–344). https://doi.org/10.1002/9780470940105.ch12
Raghavan, S., Sarwesh, P., Marimuthu, C., & Chandrasekaran, K. (2015). Bat algorithm for scheduling workflow applications in cloud. En 2015 International Conference on Electronic Design, Computer Networks & Automated Verification (EDCAV). https://doi.org/10.1109/edcav.2015.7060555
Tang, W., & Yang, S. (2023). Enterprise digital management efficiency under cloud computing and big data. Sustainability. https://www.mdpi.com/2071-1050/15/12/9380
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
- Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
- Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores/as a publicar su trabajo en Internet (por ejemplo en páginas institucionales o personales) antes y durante el proceso de revisión y publicación, ya que puede conducir a intercambios productivos y a una mayor y más rápida difusión del trabajo publicado
