Monitoreo de salud de red mediante telemetría de estado y análisis de series temporales

Resumen

 El monitoreo de la salud de red en entornos digitales complejos presenta limitaciones derivadas de la heterogeneidad de los datos, la variabilidad del tráfico y la dificultad para anticipar fallos en tiempo real, lo que exige enfoques analíticos avanzados basados en telemetría de estado y series temporales. El objetivo del estudio fue analizar el comportamiento de la salud de red mediante la integración de telemetría de estado y modelos estadísticos de series temporales para fortalecer la predicción y detección de anomalías. La metodología fue cuantitativa, no experimental y longitudinal, basada en datos secundarios de organismos nacionales e internacionales, aplicando estadística descriptiva, correlación de Pearson, regresión lineal múltiple y modelo ARIMA. Los principales resultados evidenciaron patrones de tendencia y estacionalidad en la latencia y el ancho de banda, una correlación positiva entre tráfico y degradación del rendimiento, una capacidad explicativa significativa del modelo de regresión y una alta capacidad predictiva del modelo ARIMA para anticipar picos de congestión. Asimismo, la detección de anomalías permitió identificar desviaciones críticas en el comportamiento del sistema. En conjunto, se confirma que la integración de telemetría y análisis temporal fortalece el monitoreo predictivo y la gestión proactiva de redes.