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

1. Recopilación
Navegación web automatizada y carga de páginas con scripts Python.
2. Captura de datos
Extracción de datos desde `hwmon` y del enchufe inteligente.
3. Sincronización
Asociación temporal entre datos del sistema y datos eléctricos.
4. Análisis
Visualización, estadística descriptiva y comparación entre páginas.

Resultados y Análisis

Visualización del consumo energético y correlaciones entre variables.

Se presentan los resultados obtenidos tras medir el consumo energético de diversas páginas web. Para cada sitio analizado se compararon los datos internos del sistema (`hwmon`) y los valores registrados por el enchufe inteligente. Se aplicaron pruebas estadísticas básicas (media, desviación típica) y análisis de correlación para estudiar la coherencia entre ambos métodos de medición.

A continuación, se muestran dos gráficos representativos: uno con la evolución del consumo durante una sesión de navegación, y otro que compara el consumo medio entre distintas páginas analizadas.

Consumo en Tiempo Real

Comparativa entre Páginas

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 YouTube o Twitter) 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

Foto de perfil

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.