Medición de eficiencia energética en la navegación web
Por Sandra Nicole Solórzano Carcelén
Grado en Ingeniería en Sistemas Audiovisuales y Multimedia | Universidad Rey Juan Carlos
Este trabajo investiga los efectos de la navegación web sobre el consumo de energía eléctrica, evaluando varias páginas web con distinto diseño para ver las diferencias de consumo.
Sobre el Proyecto
Una visión general de la investigación, sus metas y el enfoque metodológico.
Introducción
En un contexto donde el impacto ambiental de las tecnologías digitales cobra cada vez más importancia, este proyecto aborda el consumo energético asociado a la navegación web. A través de un enfoque práctico y experimental, se combinan datos internos del sistema operativo Linux con mediciones externas obtenidas mediante un enchufe inteligente, permitiendo una evaluación precisa del consumo energético que generan distintas páginas web. El estudio no solo identifica patrones de consumo, sino que también promueve una mayor conciencia sobre la eficiencia energética digital.
Objetivos
- Diseñar una metodología experimental reproducible para medir el consumo energético en navegadores web.
- Automatizar la navegación y recopilación de datos utilizando scripts en Python.
- Obtener lecturas del sistema mediante interfaces como hwmon del kernel de Linux.
- Capturar datos de consumo eléctrico real mediante un enchufe inteligente Wi-Fi.
- Comparar, analizar y representar los datos obtenidos.
Metodología
La metodología es de tipo experimental, basada en scripts automatizados para cargar y navegar por sitios web mientras se registran métricas de consumo energético tanto internas (mediante la interfaz `hwmon` del kernel de Linux) como externas (con un enchufe Shelly inteligente). Estos datos se sincronizan y analizan estadísticamente para detectar variaciones en el consumo según el tipo de contenido y navegador. Se emplea Python para orquestar la automatización y el procesamiento de datos, asegurando reproducibilidad y precisión.
Fases de la Metodología
DEMO
Este vídeo proporciona una demostración del funcionamiento del sistema desarrollado.
Resultados y Análisis
Visualización del consumo energético y correlaciones entre variables.
Esta sección presenta un análisis detallado del consumo energético de diversas aplicaciones y sesiones. Los gráficos a continuación ilustran la energía total consumida por cada aplicación y la evolución de la potencia de consumo a lo largo del tiempo, permitiendo identificar patrones y optimizar el uso de energía.
Consumo en Tiempo Real
Este gráfico de líneas ilustra la evolución de la potencia de consumo (en vatios, W) para diferentes sesiones a lo largo de un período de 240 muestras. Permite observar las fluctuaciones en el consumo energético en tiempo real y comparar el rendimiento de potencia entre distintas páginas web.
Comparativa entre Páginas
Este gráfico de barras muestra el consumo energético total (en vatios-hora, Wh) de diversas páginas web. Permite identificar cuáles son las que demandan mayor energía, proporcionando una visión clara de los patrones de consumo.
Conclusiones y Futuras Líneas
Principales hallazgos y oportunidades de mejora.
Conclusiones Principales
El estudio confirma que existe una variación notable en el consumo energético dependiendo del tipo de página web visitada. Las páginas con contenido dinámico, multimedia o de carga intensiva (como OpenAi o Discord) generan un mayor consumo en comparación con sitios más ligeros como Wikipedia. La correlación entre las mediciones internas (`hwmon`) y externas (enchufe inteligente) valida el enfoque de medición dual propuesto.
Limitaciones del Estudio
Algunos factores externos (como la fluctuación en el tráfico de red o procesos del sistema operativo en segundo plano) pueden haber afectado las mediciones. Además, el número limitado de páginas y navegadores analizados restringe la generalización de los resultados.
Futuras Líneas de Investigación
Sería interesante ampliar el estudio incluyendo más navegadores (como Edge o Brave), evaluar el consumo en móviles o portátiles, y aplicar modelos de machine learning para predecir el consumo según características de las páginas. También se podría integrar una interfaz visual para que los usuarios consulten en tiempo real el impacto energético de la navegación.
Sobre el Autor y Contacto
Sandra Nicole Solórzano Carcelén
Estudiante de último año del Grado en Ingeniería en Sistemas Audiovisuales y multimedia en la URJC, apasionado por el desarrollo web y la sostenibilidad.