“Año del Bicentenario del Perú: 200 años de Independencia”

UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ

CENTRO CIENTIFICO PARA PREVENCION DE RIESGOS DE
DESASTRES EN ZONAS ALTOANDINAS – CEPREANDES

Huancayo, 27 de octubre del 2021

INFORME N° 006-2021- UNCP-HYO

AL : Dra. Huamán Guadalupe Edith Rosana

Investigadora del Proyecto

DEL : Bach. Guizado Vidal David encargado del servicio para la UNCP

ASUNTO : Servicio de seguimiento y monitore de actividades de campo.

REFERENCIA : UNCP-CEPREANDES.

FECHA : Huancayo, 27 de octubre del 2021

Resumen Ejecutivo:

En el siguiente informe se menciona tres puntos importantes:

1.- La instaló tres estaciones automáticas y se hizo las modificaciones según el lugar de
ubicación.

2.- Se realizó el dimensionamiento de datos de las diez estaciones automáticas.

3.- Se creó una plataforma virtual (Host) para subir los gráficos de datos trabajados.

Se desarrolló a detalle cada servicio con la finalidad de que pueda servir para la
aplicación en la instalación de las estaciones automáticas en los puntos definidos por el
proyecto desde sus inicios, se tomó en el punto cuatro, ejemplos de gráficos del mes de
agosto que sirvieron para contrastar la creación de una plataforma virtual, es necesario
admitir qué los datos mensuales tienen una dimensión grande, se compró e instaló un
Piranómetro CS320 el cuál fue añadido al datalogger CR310 de la estación automática
del Mantaro y está en correcto funcionamiento desde el mes de septiembre.

1
 INDICE

SERVICIO DE SEGUIMIENTO Y MONITOREO DE ACTIVIDADES DE CAMPO.................................3

INTRODUCCIÓN: ..........................................................................................................................3
I. UBICACIÓN DE LAS ESTACIONES AUTOMÁTICAS .....................................................................4
1.1 Estación automática en la Universidad Nacional del Centro del Perú ..............................4
1.2 Estación automática instalada en el Distrito del Mantaro -Jauja .....................................4
1.3 Estación automática en el Observatorio de Huancayo. ....................................................7
II. CUANTIFICACIÓN DE DATOS DE LAS ESTACIONES AUTOMÁTICAS PARA SU
DIMENSIONAMIENTO EN UNA PLATAFORMA VIRTUAL .............................................................9
2.1 Script utilizado para la toma de datos.............................................................................10
2.2 Visualización de los datos medidos a tiempo real por el software ................................11
2.3 Datos en Texto. ................................................................................................................12
2.4 Dimensionamiento de los Datos en una plataforma virtual ...........................................13
2.5 Dimensionamiento de los datos de cada estación. .........................................................19
2.6 Conclusiones: ...................................................................................................................24
III. CREACIÓN DE UNA PLATAFORMA VIRTUAL.........................................................................26
3.1 Imagen del encabezado de la web ..................................................................................26
3.2 Imagen de sensores en la web ........................................................................................27
3.3 Imagen sobre la ubicación de la UNCP e información general .......................................27
3.4 Imágenes sobre la misión y visión ...................................................................................28
3.5 Imágenes de productos subidos ......................................................................................28
3.6 Imagen sobre la llegada del producto pedido al correo electrónico ..............................29
3.7 Imagen sobre el resumen del pedido ..............................................................................29
IV. PRODUCTOS SUBIDOS ..........................................................................................................30
4.1 Temperatura ....................................................................................................................30
4.2 Precipitación Pluvial ........................................................................................................30
4.3 Humedad Relativa ...........................................................................................................31
4.4 Presión Atmosférica ........................................................................................................31
4.5 Velocidad de Viento ........................................................................................................32

2
 SERVICIO DE SEGUIMIENTO Y MONITOREO DE ACTIVIDADES DE CAMPO

INTRODUCCIÓN:
Se trabajó con tres estaciones automáticas haciendo el debido seguimiento y monitoreo
de los datos y corroborando su buen funcionamiento y estado, las estaciones
automáticas están ubicadas en tres sectores del valle del Mantaro; se monitoreó la
estación automática ubicada en el Observatorio de Huancayo, ciudad
universitaria(UNCP) y la estación del Mantaro - Jauja, las demás estaciones están en
proceso de documentación para la salida respectiva a los puntos correspondientes tal
como se muestra en la distribución geográfica, las estaciones deben llegar a un lugar
que tenga un pozo a tierra y pararrayos y también contar con una fuente de internet
cercano, todos los detalles mencionados son importantes porque solamente con el
cumplimiento de lo mencionado para realizar un data center en la Universidad Nacional
del Centro del Perú, el uso de los datos y su optimización ayudarán a monitorear el
estado del tiempo atmosférico del valle del Mantaro, para hacer un trabajo más óptimo
primero se hizo el dimensionamiento de los datos de las 10 estaciones automáticas
dando cómo resultado un crecimiento exponencial, se creó un dominio para subir
algunos gráficos se pagó un host y se creó la página web tal como muestra el informe.

Se muestra la distribución de las estaciones automáticas en el valle del Mantaro.

3
 I. UBICACIÓN DE LAS ESTACIONES AUTOMÁTICAS
1.1 Estación automática en la Universidad Nacional del Centro del Perú
Se logró instalar una estación en la azotea de la universidad Nacional del Centro del Perú
ubicado en Mariscal Castilla 3909, Huancayo 12006, los datos se descargan cada mes
para realizar el debido procesamiento y análisis de los mismos. Es necesario analizar el
mejor lugar para que la estación obtenga un mayor desempeño para la toma de datos y
esto vaya en mejora continua se hicieron modificaciones qué se pueden hacer en el
mismo equipo. Como se puede ver en la figura 02. El trípode se logró alzar hasta una
altura de tres metros para que los sensores tomen una mejor calidad de datos.

Estación automática instalada en la Universidad nacional del Centro del Perú

Fig. 01 Estación UNCP. Fig.02 Estación UNCP acondicionado.

1.2 Estación automática instalada en el Distrito del Mantaro -Jauja

La estación ubicada en el distrito el Mantaro, viene tomando datos desde febrero de
este año, aunque gracias a la compra de un sensor de radiación solar SERIE:CS320_3168
la base de datos aumentó desde septiembre del presente año, el sensor de radiación

4
fue instalado por la empresa ENVIROANDINOS, el software es distinto de las demás
estaciones ya que contempla la variable de radiación solar, en la toma de datos.

Fig. 03 Inicio de toma de datos con el sensor de radiación el 08 de septiembre a las 11:00
am.

Fig. 04 Verificación de lectura del sensor de radiación para contrastar su buen

funcionamiento.

5
Fig. 05 Sensor de Radiación.

El CS320 es un piranómetro de termopila digital que mide la radiación de onda corta de

amplio espectro y se comunica a través del simple protocolo SDI-12 al registrador de
datos. Este diseño de sensor elimina los errores de medición y de programación que
pueden afectar negativamente la calidad de los datos. Este piranómetro ha sido
diseñado para mejorar significativamente la medición de la radiación solar global
(incluso bajo condiciones nubladas) sin agregar un costo sustancial. El CS320 es
adecuado para aplicaciones que van desde la investigación medioambiental hasta la
agricultura y las grandes redes meteorológicas de mesoescala (mesonets). El CS320 se
fabrica con un cuerpo de aluminio anodizado de alta calidad y un conector M8 de acero
inoxidable 316 con clasificación IP68 (grado marino). El sensor CS320 se calienta
(encendido / apagado conmutable bajo el control del usuario) y permite un
funcionamiento continuo en condiciones ambientales cambiantes. Los datos de
calibración del piranómetro se almacenan en el sensor. El CS320 combina un detector
de termopila de cuerpo negro con un difusor acrílico. Este diseño es una mejora
significativa en comparación con la respuesta espectral de los piranómetros de
fotocélula de silicio, a la vez que ofrece un precio comparable. Los piranómetros de
termopila utilizan una serie de uniones termoeléctricas (uniones múltiples de dos
metales diferentes siguiendo el principio del termopar) para proporcionar una señal de
varios µV / W / m 2 proporcional a la diferencia de temperatura entre una superficie
absorbente negra y una referencia.

6
Fig. 06. El sensor de radiación en la estación

El sensor de radiación está instalado

donde indica la flecha anaranjada, ahora
la estación automática del Mantaro
cuenta con el WS100, GMX 500 y el
CS320 piranómetro de termopila digital,
tal como se observa en la Fig. 06.

1.3 Estación automática en el Observatorio de Huancayo.

La estación automática que se encuentra instalado en el Observatorio de Huancayo
ubicado en Huayao-Chupaca, es la única estación que tiene el puerto del datalogger
conectado a internet, las dos estaciones que se mencionaron anteriormente cuentan
con el pozo a tierra debidamente instalado al igual que ésta, los sensores de la estación
automática de Huayao son recientes tienen un uso menor a un año , por lo tanto es
posible hallar diferencia entre los otros sensores tal cómo se comprobó en la Inter
comparación que se realizó pero que no es significativo.

7
Fig. 07

La estación automática de Huayao

cuenta con un cableado de Internet
activo.

8
 II. CUANTIFICACIÓN DE DATOS DE LAS ESTACIONES AUTOMÁTICAS PARA SU
DIMENSIONAMIENTO EN UNA PLATAFORMA VIRTUAL
Para cuantificar los datos es necesario conocer que se trabaja con 10 estaciones
automáticas, las variables que se miden y la cantidad de datos qué éstas generan cada
minuto, según el script insertado en el datalogger CR 310 Campbell Scientific. La
obtención del programa PC200W está en línea para poder bajar a cualquier computador
las condiciones qué pide la empresa Campbell es suscribirse con un correo y tener el
datalogger con el cuál se desea trabajar.

Figura 08. En total son 10 dataloggers que obtienen datos cada minuto en distintos
lugares del Valle del Mantaro.

9
2.1 Script utilizado para la toma de datos
El PC200W es un software de iniciación gratuito para PC, para los usuarios que empiezan
a trabajar con los dataloggers o para aplicaciones que no requieran un avanzado enlace
de comunicaciones o de programación del datalogger; las funciones que incorpora son
básicas (ajuste del reloj del logger, cargar programa al logger, monitorizar y descargar
datos del logger, etc.). Una vez creado un programa de adquisición con el asistente Short
Cut, se utiliza el software PC200W para cargar el programa al datalogger. Se carga el
script al programa quien diferencia los diferentes parámetros atmosféricos.

Fig. 09. Se puede ver parte del script que usa el programa para dar lectura a los datos de
la estación automática.

10
2.2 Visualización de los datos medidos a tiempo real por el software
Se aprecia el display (monitor data), las variables que se están midiendo y el registro
datos. Para colectar los datos es necesario verificar que los sensores estén midiendo
correctamente y no haya ningún NaN, proviene del acrónimo en inglés Not a Number
(en español: no es un número). Es una forma de verificar el correcto funcionamienro de
los sensores, pero no es muy confiable ya que puede suceder qué se vea correcto en el
display y al momento de bajar los datos no se encuentre almacenado, la forma más
segura es analizar todos los datos después de haber bajado de la estación meteorológica
en función al script insertado, los datos se van registrando cada minuto.

Fig. 10 Visualización del correcto funcionamiento entrando directamente por monitor

data.

Es recomendable bajar los datos y cerciorarse de qué realmente se estuvo tomando

datos correctos porque en algunos casos puede aparecer en el display pero en realidad
no está tomando ningún dato así que no es de fiar el hecho de sólo ver los datos por el
monitor por lo tanto es necesario bajar los datos y analizar.

11
Fig. 11. Visualización de los datos entrando por el Device (es opcional); algunos
técnicos opinan qué es más seguro.

2.3 Datos en Texto.

Los datos se descargan en un computador en Texto, para esto es importante registrar
los datos según la correspondencia del lugar dónde está instalado cada estación tal
cómo muestra la figura 1; al momento de bajar los datos de la estación automática
verificar si están completos según el programa instalado ya que la toma de datos puede
ser cada 5 min o por cada minuto según el usuario lo desee considerando cual es el más
conveniente, en este caso la toma de datos se hace cada minuto por lo tanto es
importante estar verificando siempre el correcto funcionamiento de los sensores.
Sublime Text es un editor de texto y editor de código fuente. Está escrito en C++ y Python
para los plugin. Desarrollado originalmente como una extensión de Vim, con el tiempo
fue creando una identidad propia.

12
Fig.12. Los datos bajados de la Estación de Chongos Alto, muestran en el encabezado
(header) el nombre de todas las variables qué se están midiendo, el programa para la
lectura es el sublime Texto.

Fig.13 Se puede visualizar el orden de las variables.

2.4 Dimensionamiento de los Datos en una plataforma virtual

Paso 1. Calcular el espacio utilizado para almacenar datos en el nivel hoja

Especifique el número de filas que habrá en la tabla:

Num_Rows = número de filas de la tabla

Especifique el número de columnas de longitud fija y de longitud variable, y calcule el

espacio necesario para su almacenamiento:

Calcule el espacio que ocupa cada uno de estos grupos de columnas en la fila de datos.
El tamaño de una columna depende del tipo y de la longitud especificados para los datos.

Num_Cols = número total de columnas (de longitud fija y variable)

Fixed_Data_Size = tamaño total en bytes de todas las columnas de longitud fija

Num_Variable_Cols = número de columnas de longitud variable

Max_Var_Size = tamaño máximo en bytes de todas las columnas de longitud variable

Si el índice clúster no es único, tenga en cuenta la columna de valor de unicidad:

La columna de valor de unicidad es una columna de longitud variable que admite valores
NULL. No será NULL y tendrá 4 bytes de tamaño en filas que tienen valores de clave no
únicos. Este valor forma parte de la clave de índice y es necesario para asegurarse de
que cada fila tiene un valor de clave único.

13
Num_Cols _ = _ Num_Cols + 1

Num_Variable_Cols _ = _ Num_Variable_Cols + 1

Max_Var_Size _ = _ Max_Var_Size + 4

Estas modificaciones presuponen que todos los valores no serán únicos.

Una parte de la fila, conocida como el mapa de bits NULL, se reserva para administrar la
nulabilidad en las columnas. Calcule el tamaño:

Null_Bitmap _ = 2 + ((_ Num_Cols + 7) / 8)

Solo debe utilizarse la parte entera de la expresión anterior; descarte el resto.

Calcule el tamaño de los datos de longitud variable:

Si hay columnas de longitud variable en la tabla, determine cuánto espacio se utiliza

para almacenar las columnas en la fila:

Variable_Data_Size _ = 2 + (_Num_Variable_Cols_ x 2) + _ Max_Var_Size

Los bytes agregados a Max_Var_Size _ son para el seguimiento de cada columna de

longitud variable. En esta fórmula se supone que todas las columnas de longitud variable
están llenas al 100%. Si prevé que se va a usar un porcentaje inferior del espacio de
almacenamiento de columnas de longitud variable, puede ajustar el valor _
Max_Var_Size en función de ese porcentaje para obtener una estimación más precisa
del tamaño global de la tabla.

Si no hay columnas de longitud variable, establezca Variable_Data_Size en 0.

Calcule el tamaño total de la fila:

Row_Size _ = _Fixed_Data_Size_ + _Variable_Data_Size_ + _ Null_Bitmap + 4

El valor 4 representa la sobrecarga del encabezado de una fila de datos.

Calcule el número de filas por página (8096 bytes libres por página):

Rows_Per_Page _ = 8096 / (_ Row_Size + 2)

14
Dado que las filas no abarcan varias páginas, el número de filas por página debe
redondearse hacia abajo a la fila completa más cercana. El valor 2 de la fórmula
representa la entrada de la fila en la matriz de zonas de la página.

Calcule el número de filas libres reservadas por página, basándose en el valor de factor
de relleno especificado:

Free_Rows_Per_Page _ = 8096 x ((100 - _Fill_Factor) / 100) / ( Row_Size + 2)

El factor de relleno que se utiliza en el cálculo es un valor entero y no un porcentaje.

Dado que las filas no abarcan varias páginas, el número de filas por página debe
redondearse hacia abajo a la fila completa más cercana. A medida que aumenta el factor
de relleno, más datos se almacenan en cada página y menos páginas habrá. El valor 2 de
la fórmula representa la entrada de la fila en la matriz de zonas de la página.

Calcule el número de páginas necesarias para almacenar todas las filas:

Num_Leaf_Pages _ = _Num_Rows_ / (_Rows_Per_Page_ - _Free_Rows_Per_Page**)

El número de páginas estimado debe redondearse hacia arriba a la página completa más
cercana.

Calcule la cantidad de espacio necesario para almacenar los datos en el nivel hoja (8.192
bytes por página):

Leaf_space_used _ = 8192 x _ Num_Leaf_Pages

Paso 2. Calcular el espacio utilizado para almacenar información de índice

Los siguientes pasos pueden utilizarse para calcular el espacio necesario para almacenar
los niveles superiores del índice:

Especifique el número de columnas de longitud fija y variable de la clave de índice, y

calcule el espacio necesario para su almacenamiento:

Las columnas de clave de un índice pueden incluir columnas de longitud fija y de longitud
variable. Para estimar el tamaño de las filas de índice de nivel interior, calcule el espacio
que ocupa cada uno de estos grupos de columnas en la fila de índice. El tamaño de una
columna depende del tipo y de la longitud especificados para los datos.

15
Num_Key_Cols = número total de columnas de clave (de longitud fija y variable)

Fixed_Key_Size = tamaño total en bytes de todas las columnas de clave de longitud fija

Num_Variable_Key_Cols = número de columnas de clave de longitud variable

Max_Var_Key_Size = tamaño máximo en bytes de todas las columnas de clave de

longitud variable

Tenga en cuenta cualquier columna de valor de unicidad si el índice no es único:

La columna de valor de unicidad es una columna de longitud variable que admite valores
NULL. No será NULL y tendrá 4 bytes de tamaño en filas que tienen valores de clave de
índice no únicos. Este valor forma parte de la clave de índice y es necesario para
asegurarse de que cada fila tiene un valor de clave único.

Num_Key_Cols _ = _ Num_Key_Cols + 1

Num_Variable_Key_Cols _ = _ Num_Variable_Key_Cols + 1

Max_Var_Key_Size _ = _ Max_Var_Key_Size + 4

Estas modificaciones presuponen que todos los valores no serán únicos.

Calcule el tamaño del mapa de bits de valor NULL:

Si hay columnas que admiten valores NULL en la clave de índice, una parte de la fila de
índice se reserva para el mapa de bits NULL. Calcule el tamaño:

Index_Null_Bitmap = 2 + ((número de columnas de la fila de índice + 7) / 8)

Solamente debe utilizarse la parte entera de la expresión anterior. Descarte el resto.

Si no existen columnas de clave que aceptan valores NULL, establezca

Index_Null_Bitmap en 0.

Calcule el tamaño de los datos de longitud variable: Si hay columnas de longitud variable
en el índice, determine cuánto espacio se utiliza para almacenar las columnas en la fila
de índice:

Variable_Key_Size _ = 2 + (_Num_Variable_Key_Cols_ x 2) + _ Max_Var_Key_Size

16
Los bytes agregados a Max_Var_Key_Size _ son para el seguimiento de cada columna de
longitud variable. En esta fórmula se supone que todas las columnas de longitud variable
están llenas al 100%. Si prevé que se va a usar un porcentaje inferior del espacio de
almacenamiento de columnas de longitud variable, puede ajustar el valor de _
Max_Var_Key_Size en función de ese porcentaje para obtener una estimación más
precisa del tamaño global de la tabla.

Si no hay columnas de longitud variable, establezca Variable_Key_Size en 0.

Calcule el tamaño de la fila del índice:

Index_Row_Size _ = _Fixed_Key_Size_ + _Variable_Key_Size_ + _ Index_Null_Bitmap +

1 (para la sobrecarga de encabezado de una fila de índice) + 6 (para el puntero de
identificador de página secundaria)

Calcule el número de filas de índice por página (8.096 bytes disponibles por página):

Index_Rows_Per_Page _ = 8096 / (_ Index_Row_Size + 2)

Dado que las filas de índice no abarcan varias páginas, el número de filas de índice por
página debe redondearse hacia abajo a la fila completa más cercana. El valor 2 de la
fórmula representa la entrada de la fila en la matriz de zonas de la página.

Calcule el número de niveles del índice:

Non-leaf_Levels _ = 1 + log (Index_Rows_Per_Page) (_Num_Leaf_Pages_ /

_Index_Rows_Per_Page**)

Redondee este valor al número entero más próximo. Este valor no incluye el nivel hoja
del índice clúster.

Calcule el número de páginas no hoja del índice:

Num_Index_Pages = _ ∑Level __ (Num_Leaf_Pages / (Index_Rows_Per_Page_ ^Level ))

**donde 1 <= Level <= Non-leaf_LevelsRedondee cada sumando al número entero más
próximo. Como ejemplo sencillo, considere un índice en el que Num_Leaf_Pages _ =
1000 and _ Index_Rows_Per_Page* = 25. El primer nivel de índice por encima del nivel
hoja almacena 1000 filas de índice, lo que equivale a una fila de índice por página hoja,
y en cada página caben 25 filas de índice. Esto significa que se necesitan 40 páginas para

17
almacenar las 1000 filas de índice. El siguiente nivel del índice debe almacenar 40 filas.
Esto significa que necesita 2 páginas. El nivel final del índice debe almacenar 2 filas. Esto
significa que necesita 1 página. Todo ello supone 43 páginas de índice no hoja. Si se
utilizan estos números en las fórmulas anteriores, el resultado será el siguiente:

Non-leaf_Levels = 1 + log (25) (1000 / 25) = 3

Num_Index_Pages = 1000/ (25^3) + 1000/ (25^2) + 1000/ (25^1) = 1 + 2 + 40 = 43, que

es el número de páginas que se describe en el ejemplo.

Calcule el tamaño del índice (8.192 bytes por página):

Index_Space_Used _ = 8192 x _ Num_Index_Pages

Paso 3. Sumar los valores calculados

Sume los valores obtenidos en los dos pasos anteriores:

Tamaño del índice clúster (bytes) = Leaf_Space_Used _ + _ Index_Space_used

En este cálculo no se tiene en cuenta lo siguiente:

Creación de particiones:

La sobrecarga de espacio de la creación de particiones es mínima, pero resulta difícil de

calcular. No es importante incluirla.

Páginas de asignación:

Se utiliza al menos una página IAM para realizar un seguimiento de las páginas asignadas
a un montón, pero la sobrecarga de espacio es mínima y no existe ningún algoritmo para
calcular de forma determinista el número exacto de páginas IAM que se utilizarán.

Valores de objetos grandes (LOB):

El algoritmo para determinar exactamente la cantidad de espacio que se usará para

almacenar los tipos de datos LOB y los valores varchar(max) , varbinary(max) ,
nvarchar(max) , text, ntext, xml e image es complejo. Basta con agregar el tamaño medio
de los valores LOB que se esperan, multiplicarlo por Num_Rows, y agregarlo al tamaño
total del índice agrupado.

18
No se puede calcular previamente el tamaño de un índice comprimido.

Columnas dispersas:

Para obtener información sobre los requisitos de espacio de las columnas dispersas, vea
Use Sparse Columns.

2.5 Dimensionamiento de los datos de cada estación.

Para hacer un cálculo completo es importante saber la cantidad de datos que se van
registrando por minuto y hora para distribuir en el host o saber si el host admitirá la
cantidad de datos en tiempo real para esto sólo utilizamos un cálculo convencional de
multiplicar la cantidad de Bytes por minuto y después multiplicar la cantidad por un total
de sesenta minutos; para estar en lo correcto se hizo pruebas de haremos pruebas por
minuto, por 5 minutos , por 10 minutos y por un total de 60 minutos.

Para hallar el total de Bytes tener en cuenta:

Total _Bytes = (bytes*min) *24*30

Y= X*24*30

Remplazaremos el valor de x que representará un valor en bytes por un total de 60

minutos para esto es necesario hacer pruebas desde datos pequeños hasta una cantidad
significativa se trabajarán datos por un minuto, por 5 minutos, por 10 minutos y por 60
minutos constituyendo así un total de 4 pruebas, dónde se aplicará la misma ecuación,
el factor de corrección que es de 5.6 es usado para valores bajos no se usan para datos
mayor a un minuto; se estarán comparando los resultados obtenidos con la cantidad
que estima el programa mismo.

La codificación de caracteres denominada ASCII (American Standard Code for

Information Interchange, Código Estándar Americano para el Intercambio de
Información) adoptó la información que 1 byte es igual a 8 bits, y utilizando el sistema
binario (con valores 0 o 1), fueron definidos 256 caracteres para la representación de
texto en los ordenadores.

Para expresar cantidades de datos, se utilizan las siguientes medidas:

• 1 byte = 8 bits

19
 • 1 kilobyte (kB o kbyte) = 1024 bytes

• 1 megabyte (MB o Mbytes) = 1024 kilobytes

Se distribuyó las 4 pruebas en el siguiente orden:

Prueba 1. Podemos observar y cuantificar que durante 1 min el datalogger CR 310

almacena un total de 112 bytes en promedio.

Se aplicará la siguiente ecuación:

F(x)=a*x+5.6

a=Es el número de bytes/min

x= es el número de días, horas o minutos

5.6= constante para no caer en un error

F(x)= 117.5 bytes.

Prueba 2. Podemos observar y cuantificar que durante 5 min el datalogger CR 310

almacena 569 bytes en promedio.

Ejemplo para 5 min:

¿Cuántos bytes se toman en 5 minutos?

a= 112 bytes/ min

x= 5 min

20
Aplicando la función F(x)=112bytes/min*5min+5.6

F(x)= 565.6 bytes

Prueba 3. Podemos observar y cuantificar que durante 10 min el datalogger CR 310

almacena 1.11 KB en promedio.

Ejemplo para 10 min:

¿Cuántos bytes se toman en 5 minutos?

a= 112 bytes/ min

x= 10 min

Aplicando la función F(x)=112bytes/min*10min+5.6

F(x)= 1125.6 bytes

Fig.14 Se aprecian los 4 archivos en formato texto con los cuales se realizan los cálculos
de datos.

21
Es necesario aclarar que los cálculos realizados hasta ahora son generales y tener en
cuenta 1 kilobyte es igual a 8000 bits, mientras que gigabyte es igual a 8000000000 bits.

Ejemplo:

Entonces, para convertir 17 kilobyte(s) a gigabytes multiplicamos esta cantidad por 8000
y luego la dividimos por 8000000000.

Este es el llamado 'FACTOR DE CONVERSIÓN' que, aquí, es igual a 0.000001.

En este caso, para convertir de kilobytes a gigabytes, hacemos el siguiente cálculo:

17 (kilobyte) x 8000 / 8000000000 = 17 x 0.000001 = 0.000017 gigabytes.

Prueba 4. Podemos observar y cuantificar que durante 60 min el datalogger CR 310

almacena 6.49 KB bytes en promedio.

22
Ejemplo para 1 hora:

¿Cuántos bytes se toman en 60 minutos?

a= 112 bytes

x= 60 min

Aplicando la función F(x)=112bytes/min*60min+5.6

F(x)= 6725.6 bytes

Según el orden establecido hasta ahora y los cálculos realizados hasta una hora es
posible hacer un análisis de los datos mensuales que recibiría el centro de datos.

Total_data/estación=6725.6*24*30

6725.6= bytes/60 min

24= horas totales/día

30= días totales del mes

Total_data/ estación= 4,842,432 bytes/mes

Las condiciones de los sensores de las 10 estaciones son las mismas tanto en el hardware
y software, por lo tanto, al centro de datos mensualmente se estaría enviando un total
de:

Total_data =4,842,432 bytes*10

48,424,320 bytes/mes.

23
2.6 Conclusiones:
Tomando en cuenta el dimensionamiento de datos en los siguientes tiempos.

Tiempo Bytes
1 min (±)112
5 min (±)565.6
10 min (±)1126.6
60 min (±)5725.6
Tabla 01. Según las pruebas realizadas éste fue el orden y comparación.

Según el gráfico de barras se puede ver que hay un crecimiento exponencial Y=c*b^x

Bytes/ Estación automática Número de estaciones Total, de Bytes

4,842,432 1 4,842,432
4,842,432 2 9,684,864
4,842,432 3 14,527,296
4,842,432 4 19,369,728
4,842,432 5 24,212,160
4,842,432 6 29,054,592
4,842,432 7 33,897,024
4,842,432 8 38,739,456
4,842,432 9 43,581,888
4,842,432 10 48,424,320
La tabla muestra la relación directa del número de bytes respecto al N° de estaciones

24
El gráfico muestra el aumento de bytes respecto a la cantidad estaciones automáticas.

La universidad Nacional del Centro del Perú deberá disponer espacios e instalaciones
necesarias para desarrollar un centro de datos, así cómo la mano de obra de personal
calificado para ocupar el cargo correspondiente, los servicios prestados por terceros
tienen que ser efectivos para hacer posible el trabajo que se quiere desarrollar. La
universidad debe disponer en el área de Informática la dirección IP que es una serie de
números que ayudan a identificar tu computadora en Internet. La dirección del puerto
es un número de 4 dígitos que se utiliza en varias aplicaciones web, como los
navegadores y programas P2P. Puede ser importante identificar tu dirección IP y el
puerto para poder configurar algunos de estos programas. Hay varios sitios web que
puedes utilizar en Internet que identificarán esta información por ti. Por lo tanto, es
importante disponer un puerto IP exclusivo para la instalación del centro de datos.

25
 III. CREACIÓN DE UNA PLATAFORMA VIRTUAL
Los datos recibidos de las 10 estaciones automáticas se recepcionarán en el servidor de
la UNCP en tiempo real, para lo cual se creó un dominio temporal para administrar
algunos gráficos y ver cómo se puede trabajar, es necesario contar con una página web
y un hosting bastante amplio o de buena capacidad para los datos que se van a recibir a
tiempo real a continuación se presenta algunos productos y cómo la página web se
pueden mostrar los gráficos, también se creó un dominio juntamente con un host, que
permite la subida de datos en formato CSV.

Creación de la página web.

(https://agriculturaandmedioambientesac.godaddysites.com/)

A continuación, se da una breve descripción de los segmentos que se encuentran en la

página creada para la UNCP.

3.1 Imagen del encabezado de la web

En la imagen 3.1 se muestra el logo de la universidad al momento de ingresar a la página

para esto se pagó el monto correspondiente a uno de los servidores en internet para
hacer uso personal de la página, las características se modifican de acuerdo al costo
pagado. En este caso se usó el logo de la Universidad como primera vista y con un título
en inglés que dice Física de la atmósfera UNCP, pero escrito en inglés para resaltar mejor
el trabajo. Se consideró el número de celular del encargado de las estaciones
automáticas. Allí en la parte de abajo.

26
3.2 Imagen de sensores en la web

En la imagen 3.2 se puede observar algunos sensores como el GMX 500 y el CS320
piranómetro de termopila digital el cuál se consideró para dar a entender con qué tipo de
sensores cuenta la UNCP, en la siguiente portada también se consideró una fotografía
de las estaciones automática del Mantaro.

3.3 Imagen sobre la ubicación de la UNCP e información general

En la imagen 3.3 podemos ver el número de celular del encargado así cómo la dirección
de la universidad Nacional del Centro del Perú, también se añadió un correo electrónico
y el nombre del encargado quién es David Alejandro Guizado Vidal, en éste segmento es
importante involucrar a las personas encargadas de las estaciones automáticas por eso
es importante el número de celular de los responsables cómo se en la imagen en la
parte superior izquierda dónde dice ¨CUALQUIER CONSULTA LLÁMANOS AL´´.

27
3.4 Imágenes sobre la misión y visión

En la imagen 3.4 Se divide en dos segmentos en la primera dónde lleva por título
Estaciones automáticas UNCP, se comunica la finalidad de las estaciones automáticas y
en el segundo segmento se describe lo que se logrará con las estaciones automáticas
creando el interés en la población en general.

3.5 Imágenes de productos subidos

En la imagen 3.5 se presentan algunos productos trabajados, cada uno los gráficos
tienen una breve explicación de lo que significa, el correo a dónde pueden hacer
consultas está activo para realizar el servicio correspondiente. Es necesario aclarar qué
esta plataforma está hecha para uso gratuito de los interesados ya sea personas
naturales o jurídicas con fines de investigación o enseñanza.

28
3.6 Imagen sobre la llegada del producto pedido al correo electrónico

Te suscribes a la página y bajas el gráfico(s) de forma gratuita el cual te llegará a tu Gmail

tal cómo se muestra en el ejemplo de la imagen 3.6.

3.7 Imagen sobre el resumen del pedido

En la imagen 3.7 se obtiene el pedido seleccionado de manera gratuita y puedes bajar a

tu computador para fines de investigación o comprensión del tema.

Es necesario aclarar que los datos son de las estaciones automáticas de la UNCP,
trabajados en el lenguaje de programación MATLAB el cual es un sistema de cómputo
numérico que ofrece un entorno de desarrollo integrado con un lenguaje de
programación propio. Está disponible para las plataformas Unix, Windows, macOS y
GNU/Linux., los scripts para la lectura de los datos se realizan en un trabajo arduo con
el apoyo del IGP.
29
 IV. PRODUCTOS SUBIDOS
A continuación, los productos subidos a la página.

4.1 Temperatura

4.2 Precipitación Pluvial

30
4.3 Humedad Relativa

4.4 Presión Atmosférica

31
 4.5 Velocidad de Viento

Conclusión:

Los gráficos mostrados son para verificar qué están disponibles en la página web de la
universidad y para demostrar que se puede subir gráficos trabajados en programas
anteriores cómo el Matlab en este caso, lo cual se quiere evitar con las estaciones ya
que los datos deben ser trabajados vía online a su vez verificados con sólo mirar el
display por ejemplo de cada estación, logrando obtener a tiempo real el gráfico final.

A partir del dominio generado se puede crear otras páginas webs para hacer uso en
áreas específicos cómo, relacionar agricultura y medio ambiente, química ambiental,
alertas tempranas, riesgos y desastres entre otros.

32