Modelo estadístico sobre el

FRPSRUWDPLHQWRGHOWKURXJKSXW en
UHGHV/$1VREUHWHFQRORJtDSRZHUOLQH
communications1
6WDWLVWLFDO0RGHORQ7KURXJKSXW%HKDYLRURI/$11HWZRUNV
RYHU3RZHU/LQH&RPPXQLFDWLRQV7HFKQRORJ\2

0RGHORHVWDGtVWLFRHPFRPSRUWDPHQWRGRWKURXJKSXWHP
UHGHV/$1VREUHWHFQRORJtDSRZHUOLQHFRPPXQLFDWLRQV3

Juan Carlos Vesga-Ferreira4

Gerardo Granados-Acuña5
6,&,0(&/$1!7;


)HFKDGHUHFHSFLyQGHMXQLRGH)HFKDGHDFHSWDFLyQGHIHEUHURGH(VWHDUWtFXORHVGHVDUUROODGRSRUHO
*UXSRGH,QYHVWLJDFLyQ'DYLQFL GHOD8QLYHUVLGDG1DFLRQDO$ELHUWD\D'LVWDQFLD%RJRWi&RORPELD

6XEPLWWHGRQ-XQH$FFHSWHGRQ)HEUXDU\7KLVDUWLFOHZDVGHYHORSHGE\WKHUHVHDUFKJURXS'DYLQFL
RI8QLYHUVLGDG1DFLRQDO$ELHUWD\D'LVWDQFLD%RJRWD&RORPELD

'DWDGHUHFHELPHQWRGHMXQKRGH'DWDGHDFHLWHGHIHYHUHLURGH(VWHDUWLJRIRLGHVHQYROYLGRSHOR
*UXSRGH3HVTXLVD'DYLQFL GD8QLYHUVLGDGH1DFLRQDO$EHUWDHD'LVWkQFLD%RJRWi&RO{PELD

,QJHQLHURHOHFWUyQLFR8QLYHUVLGDG,QGXVWULDOGH6DQWDQGHU%XFDUDPDQJD&RORPELD0DJtVWHUHQ,QJHQLHUtDiUHDGH
7HOHFRPXQLFDFLRQHV\FDQGLGDWRDGRFWRUHQ,QJHQLHUtDiUHDGH7HOHFRPXQLFDFLRQHV8QLYHUVLGDG3RQWLÀFLD%ROLYDULDQD
0HGHOOtQ&RORPELD'RFHQWH$X[LOLDU(VFXHODGH&LHQFLDV%iVLFDV7HFQRORJtDH,QJHQLHUtD(&%7,8QLYHUVLGDG1DFLRQDO
$ELHUWD\D'LVWDQFLD%RJRWi&RORPELD&RUUHRHOHFWUyQLFRMXDQYHVJD#XQDGHGXFR

,QJHQLHURGHVLVWHPDV8QLYHUVLGDG,QGXVWULDOGH6DQWDQGHU%XFDUDPDQJD&RORPELD(VSHFLDOLVWDHQ7HOHFRPXQLFDFLRQHV
8QLYHUVLGDG$XWyQRPDGH%XFDUDPDQJD%XFDUDPDQJD&RORPELD&DQGLGDWRDPDJtVWHUHQ7HOHPiWLFD8QLYHUVLGDG$X-
WyQRPDGH%XFDUDPDQJD%XFDUDPDQJD&RORPELD'RFHQWH$X[LOLDU(VFXHODGH&LHQFLDV%iVLFDV7HFQRORJtDH,QJHQLHUtD
(&%7,8QLYHUVLGDG1DFLRQDO$ELHUWD\D'LVWDQFLD%RJRWi&RORPELD&RUUHRHOHFWUyQLFRJHUDUGRJUDQDGRV#XQDGHGXFR

,QJ8QLY%RJRWi&RORPELDMXOLRGLFLHPEUHGH,661

 -XDQ&DUORV9HVJD)HUUHLUD*HUDUGR*UDQDGRV$FXxD

Resumen Abstract Resumo

El rendimiento es uno de los aspectos The performance is without doubt one Rendimento é um dos aspectos mais
de mayor interés dentro del análisis of the aspects of greatest interest in interessantes da análise global nas
global en las redes LAN, debido al the global analysis in networks LAN, redes LAN, devido ao efeito produ-
efecto que produce sobre el usuario considering the effect it produces on zido sobre o utente final. A definição
final. La definición del rendimiento se the end user. The performance can de rendimento pode ser abordado a
puede abordar desde diversos puntos be defined according to various points partir de diferentes pontos de vista,
de vista, lo cual permite incorporar of view, allowing the incorporation of o que lhe permite incorporar outras
otras formas de evaluación, según del other forms of assessment depending formas de avaliação, segundo o objeto
objeto de interés en particular. Bási- on the object of interest in particular. de interesse em particular. Basica-
camente, los parámetros más comunes Basically, the most common param- mente, os parâmetros mais comuns
para evaluar el rendimiento de una red eters for evaluating the performance of para avaliar o rendimento em uma
son: throughput, utilización del canal y a network are: Throughput, use of the rede são: throughput, utilização do
diversas medidas de retardo. En este canal and various measures of retarda- canal e diversas medidas de retardo.
artículo se presenta un análisis expe- tion. This article is an experimental Neste artigo apresenta-se análise ex-
rimental sobre el comportamiento del analysis of behavior of the Through- perimental sobre o comportamento do
throughput en redes LAN sobre power put in networks LAN on Power Line throughput em redes LAN sobre power
line communications (PLC), bajo el uso Communications (PLC), under the use line communications (PLC), sob uso de
de adaptadores de red soportados con of network adapters supported with adaptadores de rede suportados com
el estándar HomePlug 1.0. standard HomePlug 1.0. o estándar HomePlug 1.0.

Palabras clave Key words Palavras-chave

Throughput, power line communica- Throughput, PLC, HomePlug, ANO- Throughput, power line communica-
tions (PLC), HomePlug, análisis de VA, statistic model. tions (PLC), HomePlug, análise de
varianza, modelo estadístico. variância, modelo estadístico.

,QJ8QLY%RJRWi&RORPELDMXOLRGLFLHPEUHGH

 0RGHORHVWDGtVWLFRVREUHHOFRPSRUWDPLHQWRGHOWKURXJKSXWHQUHGHV/$1VREUHWHFQRORJtDSRZHUOLQHFRPPXQLFDWLRQV 

Introducción
El rendimiento es uno de los aspectos de mayor interés dentro del análisis global
en las redes LAN, debido al efecto que produce sobre el usuario final. Puede
ser definido según diversos puntos de vista, lo cual permite incorporar otras
formas de evaluación, según el objeto de interés en particular. Básicamente, los
parámetros más comunes para evaluar el rendimiento de una red son: through-
put, utilización del canal y las medidas de retardo jitter6 y round-trip delay time
(RTT),7 entre las más importantes. En este artículo, el tema de investigación
está centrado en el throughput.
El throughput es la capacidad de un enlace de transportar información útil;
representa a la cantidad de información útil que puede transmitirse por unidad
de tiempo. Puede variar en una misma conexión de red, según el protocolo
usado para la transmisión y el tipo de datos de tráfico, entre otros factores
(Carcele, 2006).
La mayoría de los métodos empleados para las mediciones se caracterizan por
hacer evaluaciones de la conexión entre hosts enviando algún patrón de tráfico
para luego realizar su evaluación. Estas mediciones se repiten varias veces y luego
se promedian para obtener una mejor aproximación.
Un aspecto fundamental en el diseño de experimentos es decidir cuáles prue-
bas o tratamientos se van a ejecutar en el proceso y la cantidad de repeticiones
de cada una, de manera que se obtenga la máxima información al mínimo costo
sobre el objeto de estudio.
Un diseño experimental es algo más que un conjunto de condiciones de
prueba: es una secuencia de etapas o actividades que deben realizarse para
cumplir con éxito los objetivos que se persiguen. Actualmente, existen diversos
tipos de diseños experimentales y cada uno de ellos permite estudiar situaciones


-LWWHUHVODYDULDFLyQHQORVUHWDUGRVHQODOOHJDGDGHORVSDTXHWHVHQWUHVXRULJHQ\HOGHVWLQR

(O577HVHOWLHPSRTXHWDUGDXQSDTXHWHHQYROYHUDVXHPLVRUOXHJRGHKDEHUSDVDGRSRUHOUHFHSWRU

,QJ8QLY%RJRWi&RORPELDMXOLRGLFLHPEUHGH

 -XDQ&DUORV9HVJD)HUUHLUD*HUDUGR*UDQDGRV$FXxD

que ocurren en la vida práctica, ajustándose a las necesidades de investigador

(Gutiérrez, 2008).
El tipo de diseño experimental seleccionado es de tipo factorial, cuyo
objetivo es estudiar el efecto de varios factores sobre una o varias respuestas
(throughput). Es decir, se busca estudiar la relación entre los factores y la respuesta,
para comprender mejor esta relación y generar conocimiento que permita tomar
acciones y decisiones que mejoren el desempeño del proceso (Montgomery, 2003)
Para estudiar cómo influye cada factor sobre la variable de interés, es necesario
elegir al menos dos niveles de prueba para cada factor. Con el diseño factorial
completo se ejecutan aleatoriamente en el proceso todas las posibles combina-
ciones que pueden formarse con los niveles seleccionados (Gutiérrez, 2008).
Un diseño de experimentos factorial (o arreglo factorial) es el conjunto de
puntos experimentales o tratamientos que pueden formarse al considerar todas
las posibles combinaciones de los niveles por el número de factores (Montgomery,
2003). Los factores son aquellas variables que se investigan en el experimento,
en relación con la forma cómo afectan a la variable o variables de respuesta. Los
niveles son los valores que puede tomar cada uno de los factores. Por ejemplo,
con k = 2 factores, y cada factor con dos niveles de prueba, se forma el diseño
factorial de 2 × 2=22, que se compone de cuatro combinaciones o puntos
experimentales.
Para el desarrollo del experimento se usaron adaptadores PLC-ethernet, con
el fin de determinar la variación del throughput en la red LAN, según el tamaño
del paquete, el número de estaciones activas en la red y la distancia en metros
entre el PC-cliente y el PC-servidor. Cada factor presenta un número específico
de niveles cuantitativos acorde con la tabla 1.

7DEOD)DFWRUHV\QLYHOHVH[SHULPHQWDOHV

)DFWRU 'HVFULSFLyQ 1LYHOHV

1 Tamaño del paquete 6
2 Número de hosts 6
3 Distancia 4
)XHQWHSUHVHQWDFLyQSURSLDGHORVDXWRUHV

En virtud de lo anterior, corresponde a un diseño factorial de 6 × 4 × 6,

es decir, 144 combinaciones de tratamientos o puntos experimentales. Dadas
las condiciones experimentales, el criterio fue de cinco replicaciones en cada
condición del experimento, teniendo en cuenta que en total se tomarían 720

,QJ8QLY%RJRWi&RORPELDMXOLRGLFLHPEUHGH

 0RGHORHVWDGtVWLFRVREUHHOFRPSRUWDPLHQWRGHOWKURXJKSXWHQUHGHV/$1VREUHWHFQRORJtDSRZHUOLQHFRPPXQLFDWLRQV 

muestras, lo cual es una cantidad suficiente para medir los efectos principales
y las interacciones.
Cada uno de los métodos de diseño experimental recomienda el uso de una
técnica estadística para el análisis e interpretación de los datos. En el caso parti-
cular del diseño factorial, la técnica sugerida es el análisis de varianza. (Martínez
y Martínez, 1997). En estadística, el análisis de la varianza es una colección de
modelos estadísticos, en la cual la varianza está particionada en ciertos compo-
nentes debidos a diferentes variables explicativas (Kuehl, 2006).
El nombre análisis de varianza viene del hecho de que se utilizan coeficientes
de varianzas para probar la hipótesis de igualdad de medias. La idea general de
esta técnica es separar la variación total en las partes con las que contribuye
cada fuente de variación en el experimento (Kuehl, 2006). El análisis de varianza
permite identificar si las muestras, tomadas en diferentes situaciones, denomi-
nadas factores” o “tratamientos” influyen significativamente, desde un punto de
vista estadístico, sobre la variable de respuesta. Se establecen entonces hipótesis
sobre el comportamiento de los factores y al final se aceptan o rechazan según
los resultados arrojados por el análisis de varianza (Gutiérrez, 2008).
El análisis de varianza no obedece a realizar comparaciones por capricho o
para descubrir lo evidente. La comparación de tratamientos surge como una
necesidad para tomar una decisión, buscar la solución de un problema o como
paso importante para el mejor entendimiento de un proceso (Montgomery, 2003).
En el contexto de un problema de investigación surge la necesidad de realizar
alguna comparación de tratamientos con el fin de elegir la mejor alternativa o
comprender mejor el comportamiento de la variable de interés en cada uno de
los distintos tratamientos.
La estrategia normalmente se basa en obtener una muestra representativa
de mediciones de cada uno de los tratamientos y, con las medias y varianzas
muestrales, construir un modelo estadístico que describa el comportamiento
de esta comparación (Moreno, 2002). El modelo estadístico da cuenta del com-
portamiento de la variable observada y en cada diseño incorpora un término
adicional por cada factor. Así, el modelo es una manera de expresar matemáti-
camente todo lo que se supone que puede influir sobre la variable de repuesta
en un diseño dado (Montgomery, 2003).
El objetivo del análisis de varianza es determinar si ciertas variables pueden
explicar una parte significativa de la variación, siendo la variación aleatoria
pequeña frente a la variación explicable o determinista. Al finalizar el experimento,
se buscó identificar si uno o más factores afectaron a la variable respuesta, y con

,QJ8QLY%RJRWi&RORPELDMXOLRGLFLHPEUHGH

 -XDQ&DUORV9HVJD)HUUHLUD*HUDUGR*UDQDGRV$FXxD

ello establecer una relación de causalidad, sentando las bases para el modelo
empírico de predicción.

'HVFULSFLyQGHOH[SHULPHQWR
En la actualidad, existen diferentes herramientas de software que permiten realizar
mediciones sobre una red. La mayoría opera mediante configuraciones cliente/
servidor: envía paquetes de un host a otro y genera situaciones de tráfico contro-
ladas y aleatorias, con lo cual permite variar el tipo de protocolo de transmisión
(transmision control protocol [TCP] o user datagram protocol [UDP]), el tamaño del
paquete y, en algunas ocasiones, la tasa de transferencia.
Entre las herramientas de software más utilizadas se encuentran: Chariot®,
MGEN®, IPERF®, SmokePing® y TTCP®. Sin embargo, teniendo en cuenta
las características y su uso constante en situaciones que requieren evaluar el
rendimiento de una red, se utilizará IPERF como herramienta de software para
la medición del throughput y de otros parámetros relacionados con retardos
propios de la red LAN sobre power line communications (PLC) bajo el estándar
HomePlug 1.0.
IPERF es una herramienta bajo código libre diseñada para medir el rendi-
miento del ancho de banda vía TCP y UDP. IPERF reporta throughput, retardo
(delay), jitter (variación del retardo) y pérdidas de datagramas; además, permite
manipular diversos parámetros del tráfico generado. La tabla 2 muestra las
principales características de IPERF.

7DEOD&DUDFWHUtVWLFDVGH,3(5)

7&3 8'3
El cliente puede crear flujos UDP y especificar
Medida del ancho de banda
su tamaño
Reporta el tamaño de MSS/MTU Medida de pérdida de paquetes
Soporte para ventana de TCP vía socket buffers Soporta multicast
Conexiones múltiples simultáneas Conexiones múltiples simultáneas

)XHQWHSUHVHQWDFLyQSURSLDGHORVDXWRUHV

Para establecer una comunicación entre dos equipos, uno de ellos debe confi-
gurase como servidor y otro como cliente. El experimento consistió en conectar
diversos equipos de cómputo, usando adaptadores PLC-ethernet separados entre

,QJ8QLY%RJRWi&RORPELDMXOLRGLFLHPEUHGH

 0RGHORHVWDGtVWLFRVREUHHOFRPSRUWDPLHQWRGHOWKURXJKSXWHQUHGHV/$1VREUHWHFQRORJtDSRZHUOLQHFRPPXQLFDWLRQV 

sí a una distancia conocida. IPERF generó tráfico desde cada uno de los PC
hacia el servidor según la configuración de parámetros establecida.
El experimento se desarrolló bajo un ambiente de laboratorio controlado,
donde se implementó un sistema de red eléctrico conocido, acondicionado
especialmente con tomacorrientes separados entre sí a una distancia de 5 m,
hasta alcanzar la distancia máxima de 30 m. En la figura 1 se muestra el esquema
de interconexión de cada uno de los elementos que forman parte de la red
PLC experimental.

)LJXUD(VTXHPDGHLQWHUFRQH[LyQItVLFD\FRQÀJXUDFLyQGHODUHG3/&EDMRXQDPELHQWHGH
ODERUDWRULRFRQWURODGR

6(59 &/ &/ &/1

&DEOHFDOLEUH $GDSWDGRUHV3/&(WKHUQHW &DEOH873

P
5HGHOpFWULFD
7RPDFRUULHQWH
P

)XHQWHSUHVHQWDFLyQSURSLDGHORVDXWRUHV

La tabla 3 muestra las características técnicas de los adaptadores de red PLC-

ethernet bajo el estándar HomePlug 1.0 (figura 2).

)LJXUD$GDSWDGRUHV3/&HWKHUQHW

,QJ8QLY%RJRWi&RORPELDMXOLRGLFLHPEUHGH

 -XDQ&DUORV9HVJD)HUUHLUD*HUDUGR*UDQDGRV$FXxD

7DEOD&DUDFWHUtVWLFDVGHORVDGDSWDGRUHV3/&HWKHUQHW
Especificación HomePlug 1.0, IEEE 802.3 10/100 Ethernet
(10 Mb/s) y IEEE 802.3 u fast ethernet compliant
Protocolo/estándares
14 Mb/s
Interconecta hasta 10 plug IP
Soporte de modulación OFDM , DQPSK, DBPSK y ROBO
Ancho de banda De 4,3 Mhz a 20,9 Mhz
Soporta FEC
Tiene cuatro niveles de prioridad de paquetes en forma
aleatoria
Calidad del servicio
Usa algoritmos adaptativos bajo el uso de CSMA/CA
Maneja encapsulamiento de paquetes
Tiene baja latencia, alto throughput y jitter ajustable
Soporte de seguridad Uso del algoritmo DES a 56 bits para encriptación
Hardware Potencia mínima de 4,5 watts
Un power LED
Indicadores LED Un powerline activity status LED
Un ethernet link/activity status LED
)XHQWH1HWJHDU

Los valores establecidos para cada una de las variables consideradas en el

experimento son:
‡ 7DPDxRGHOSDTXHWHE\WHV
‡ 1~PHURGH3&DFWLYRVHQODUHGVHWRPDQGLH]FRPROtPLWH
según las especificaciones del fabricante).
‡ 'LVWDQFLDHQWUH3&FOLHQWH\VHUYLGRUPPP\P

El número de replicaciones del experimento es de cinco; por lo tanto, se

tomaron 720 mediciones para la variable de respuesta.

2. Análisis de resultados
En un diseño factorial de tres factores (a × b × c) se supone que el comporta-
miento de la respuesta puede describirse mediante el modelo de efectos dado
por Gutiérrez (2008):

Yijkl = μ + Ai + Bj + Ck + (AB)ij + (AC)ij + (BC)jk + (ABC)ijk + Eijkl (1)

i = 1,2,..a; j = 1,2, … b; k = 1,2, … c; l = 1,2 … n

,QJ8QLY%RJRWi&RORPELDMXOLRGLFLHPEUHGH

 0RGHORHVWDGtVWLFRVREUHHOFRPSRUWDPLHQWRGHOWKURXJKSXWHQUHGHV/$1VREUHWHFQRORJtDSRZHUOLQHFRPPXQLFDWLRQV 

Donde:
a = tamaños del paquete considerados en el experimento

b = distancias entre estaciones

c = número de estaciones o host en la red PLC

n = número de réplicas del experimento

Yijkl = Throughput para un tamaño de paquete ( i ) a una distancia entre esta-

ciones ( j ), con un número de estaciones en la red PLC ( k ), para la replicación
( l ).
( μ ) Media general del throughput independiente de cualquiera de los factores
considerados en el experimento.
Ai : Efecto del tamaño del paquete ( i )
Bj : Efecto de la distancia entre estaciones ( j )
Ck : Efecto del número de estaciones ( k )
(AB)ij : Efecto de la interacción entre los factores tamaño del paquete y dis-
tancia entre hosts
(AC)ik : Efecto de la interacción entre los factores tamaño del paquete y
número de hosts
(BC)jk : Efecto de la interacción entre los factores distancia entre hosts y nú-
mero de host
(ABC)ijk : Efecto de la interacción de los tres factores
Eijkl : Error aleatorio

El estudio factorial de tres factores (A, B, C) permite investigar los efectos:

A, B, C, AB, AC, BC y ABC; el nivel de detalle con el que pueden estudiarse
depende del número de niveles utilizado en cada factor. Para el caso particular,
se tienen siete efectos de interés sin considerar el nivel de detalle y con ellos se
pueden plantear siete hipótesis nulas (H0 ), cada una apareada con una hipótesis
alternativa (HA ), (Gutiérrez, 2008). El análisis de varianza para probar cada una
de estas hipótesis se ilustra más adelante (tabla 4).
Las hipótesis de interés para los tres factores del modelo anterior y sus inte-
racciones son:
Ho: Efecto A = 0, HA(IHFWR$0
Ho: Efecto B = 0, HA(IHFWR%0

,QJ8QLY%RJRWi&RORPELDMXOLRGLFLHPEUHGH

 -XDQ&DUORV9HVJD)HUUHLUD*HUDUGR*UDQDGRV$FXxD

Ho: Efecto C = 0, HA(IHFWR&0

Ho: Efecto AB = 0, HA(IHFWR$%0
Ho: Efecto AC = 0, HA(IHFWR$&0
Ho: Efecto BC = 0, HA(IHFWR%&0
Ho: Efecto ABC = 0, HA(IHFWR$%&0

En los casos en los que todos los factores del experimento son fijos, es posible
formular y probar fácilmente hipótesis acerca de los efectos principales y las
interacciones. En el caso de modelos de efectos fijos, las pruebas para las hipótesis
sobre cada efecto principal y las interacciones se pueden construir dividiendo el
CM correspondiente del efecto o la interacción por el CME. Los grados de libertad
para cada efecto principal son los niveles del factor menos 1 y el número de
grados de libertad para una interacción es el producto del número de grados
de libertad asociados con los componentes individuales de esta (Moreno, 2002).

2.1. Validez de los resultados obtenidos experimentalmente

La validez de los resultados obtenidos en cualquier análisis de varianza queda
supeditada a que los supuestos del modelo se cumplan. Estos supuestos del modelo
de análisis de varianza son: normalidad, varianza constante (igual varianza de
los tratamientos) e independencia (Gutiérrez, 2008). En el caso particular de este
estudio, bajo el uso de gráficos de residuos se pudo comprobar que los datos obte-
nidos experimentalmente cumplen cada uno de los supuestos, lo cual garantiza que
los resultados del experimento obedecen a una muestra aleatoria de distribución
normal con media 0 y varianza constante (Moreno, 2002).

2.2 Análisis e interpretación de los efectos activos

Mediante del uso del software estadístico Statgraphics®, se realizó un análisis mul-
tifactorial de la varianza para throughput, el cual realiza varias pruebas y gráficos
para determinar qué factores tienen un efecto estadísticamente significativo en
el throughput como variable de salida.
La tabla 4 muestra el resultado del análisis de varianza correspondiente al
throughput:

,QJ8QLY%RJRWi&RORPELDMXOLRGLFLHPEUHGH

 0RGHORHVWDGtVWLFRVREUHHOFRPSRUWDPLHQWRGHOWKURXJKSXWHQUHGHV/$1VREUHWHFQRORJtDSRZHUOLQHFRPPXQLFDWLRQV 

7DEOD$QiOLVLVGHYDULDQ]DFRPSOHWRSDUDWKURXJKSXW
*UDGRVGH &RFLHQWH)
)XHQWHGHYDULDFLyQ 6XPDGHFXDGUDGRV6& 9DORUS
OLEHUWDG )R
A: Tamaño del paquete 502,750 5 1587,365517 0,000
B: Distancia 0,220 3 11,55119875 0,000
C: Número de hosts 984,718 5 3109,113956 0,000
Interacción AB 0,138 15 1,45069056 0,119
Interacción AC 384,542 25 2428,279771 0,000
Interacción BC 0,103 15 1086,900989 0,365
Interacción ABC 0,210 75 0,442644095 1,000
Error 3,649 576
Total 1876,330 719
)XHQWHSUHVHQWDFLyQSURSLDGHORVDXWRUHV

Al efecto cuyo valor p sea menor al valor especificado para A, se declara es-
tadísticamente significativo o se dice que está activo (Moreno, 2002). Es decir,
aquellos valores donde p < 0,005.
El cuadro de análisis de varianza descompone la variabilidad de throughput en
las contribuciones debidas a varios factores. Puesto que se ha elegido la suma
de cuadrados tipo III (valor por defecto), se ha medido la contribución de cada
factor eliminando los efectos del resto de los factores. Los valores p comprue-
ban la importancia estadística de cada uno de los factores. Dado que según el
análisis de varianza existen cuatro efectos con p < 0,005 (A, B, C y AC), estos
factores tienen un efecto estadísticamente significativo en throughput del 95,0%
de confianza y en ellos la hipótesis Ho se rechaza.
Por otro lado, los efectos que no influyen estadísticamente en el modelo (AB,
BC y ABC) se podrían eliminar enviando sus efectos sobre el modelo al término
del error (E). Es muy importante tener en cuenta que AC fue la única interac-
ción estadísticamente significativa entre los factores, la cual corresponde a la
interacción entre los factores tamaño del paquete y número de hosts o estaciones
existentes en la red PLC.
En la figura 3 se evidencia una muy poca importancia de la interacción entre
la distancia y el número de hosts existentes en la red, debido a que las líneas se
encuentran paralelas entre sí. Por otro lado, el hecho de que la pendiente de las
rectas sea muy cercana a 0 quiere decir que la influencia del factor distancia
sobre el valor del throughput es muy bajo.

,QJ8QLY%RJRWi&RORPELDMXOLRGLFLHPEUHGH

 -XDQ&DUORV9HVJD)HUUHLUD*HUDUGR*UDQDGRV$FXxD

)LJXUD,QWHUDFFLyQHQWUHGLVWDQFLD\KRVWV

 +267

 

7KURXJKSXW


 




   
'LVWDQFLD

)XHQWH3UHVHQWDFLyQSURSLDGHORVDXWRUHVJUiÀFDSUHSDUDGDHQ6WDWJUDSKLFV3OXV

En la figura 4 el aspecto quebrado de las líneas denota un efecto considerable

en la interacción de los factores tamaño del paquete y número de estaciones. Por
otro lado, debido a la pendiente de las rectas puede afirmarse que el throughput
tiende a estabilizarse alrededor de 1 Mb/s a medida que aumenta el tamaño del
paquete y el número de estaciones; así mismo, puede asegurarse que la mayor
influencia sobre la variable de salida depende del número de estaciones que se
encuentren activas en la red PLC.

)LJXUD,QWHUDFFLyQHQWUHWDPDxRGHOSDTXHWH\KRVWV

 +267

 

7KURXJKSXW


 




     
3DTXHWH

)XHQWH3UHVHQWDFLyQSURSLDGHORVDXWRUHVJUiÀFDSUHSDUDGDHQ6WDWJUDSKLFV3OXV

,QJ8QLY%RJRWi&RORPELDMXOLRGLFLHPEUHGH

 0RGHORHVWDGtVWLFRVREUHHOFRPSRUWDPLHQWRGHOWKURXJKSXWHQUHGHV/$1VREUHWHFQRORJtDSRZHUOLQHFRPPXQLFDWLRQV 

En la figura 5 se evidencia una muy poca importancia de la interacción entre

el tamaño del paquete y la distancia entre estaciones, ya que las líneas se en-
cuentran casi paralelas entre sí. Sin embargo, la pendiente de las rectas tiende a
aumentar considerablemente a medida que aumenta el tamaño del paquete, lo
cual refleja la fuerte influencia del tamaño del paquete en el valor del throughput.

)LJXUD,QWHUDFFLyQHQWUHWDPDxRGHOSDTXHWH\GLVWDQFLD

 'LVWDQFLD

 
 
7KURXJKSXW






     
3DTXHWH

)XHQWH3UHVHQWDFLyQSURSLDGHORVDXWRUHVJUiÀFDSUHSDUDGDHQ6WDWJUDSKLFV3OXV

3. Conclusiones
La red eléctrica representa un medio hostil para la transferencia de datos debido
a que no ha sido diseñada para transmitir información. Al ser una tecnología
emergente, la tecnología PLC enfrenta varios inconvenientes que afectan con-
siderablemente su óptimo desempeño: niveles excesivos de ruido, atenuación
de la señal a las frecuencias de interés, discontinuidades en la impedancia carac-
terística del canal, efecto multipath, entre otros. Adicionalmente, es muy difícil
obtener un modelo significativo de este canal, debido a la constante conexión y
desconexión de dispositivos.
Uno de los aspectos de mayor relevancia en los resultados obtenidos es el
comportamiento de la tecnología PLC bajo las condiciones de la red eléctrica co-
lombiana, considerando que la eficiencia de la red PLC depende de las condiciones
en que se encuentre la red eléctrica. En Colombia y en muchos otros países, el
cableado eléctrico no ha sido modificado ni adaptado para el uso adecuado de
esta tecnología, tal como sí ha ocurrido en Alemania, por ejemplo, donde se han
realizado diversos estudios y ajustes a su infraestructura en las redes de potencia,

,QJ8QLY%RJRWi&RORPELDMXOLRGLFLHPEUHGH

 -XDQ&DUORV9HVJD)HUUHLUD*HUDUGR*UDQDGRV$FXxD

con el fin de optimizar su comportamiento y eficiencia de transmisión, garan-

tizando niveles de confiabilidad y seguridad.
Una de las principales características de la tecnología PLC bajo el estándar
HomePlug 1.0 es el uso de orthogonal frequency division multiplexing (OFDM)
como técnica de modulación, la cual implementa un esquema de transmisión
adaptativa, analizando las condiciones del canal según la relación señal a ruido
(signal to noise ratio [SNR]) presente en el medio en un momento dado. Esto es
muy importante a la hora de analizar el comportamiento de la tecnología PLC
durante el desarrollo del experimento.
La PLC ofrece una instalación simple y rápida: solo es necesario conectar un
adaptador o módem PLC, así cualquier tomacorriente se convierte en un punto
de acceso a la red, lo cual permite la transmisión simultánea de voz, datos y video
sobre un mismo medio. Esto da origen a la prestación de múltiples servicios,
como acceso a internet de banda ancha, telefonía vocal con protocolo de IP y
aplicaciones multimedia (videoconferencia, televisión interactiva, video y audio
bajo demanda, juegos en red, entre otras).
Una red PLC está sujeta a limitaciones relacionadas con la tecnología utili-
zada. Estas limitaciones hacen referencia a la velocidad de transmisión, la cual,
en la mayoría de los casos, no corresponde a la tasa esperada, debido a que la
red PLC trabaja bajo el uso de un medio compartido, donde el ancho de banda
entre los usuarios disminuye a medida que aumenta la cantidad de estaciones
activas en la red PLC. Un aspecto importante es que las estaciones que formen
parte de la red PLC deben estar en la misma fase de la red eléctrica.
Un diseño experimental es una secuencia de etapas o actividades que deben
realizarse para cumplir con éxito los objetivos que se persiguen. En vista de
lo anterior y para óptimo desarrollo del presente estudio, fue seleccionado el
tipo factorial, cuyo objetivo es estudiar el efecto de varios factores sobre una
respuesta (throughput). Para el caso particular, se implementó un diseño factorial
de 6 × 4× 6 = 144 combinaciones de tratamientos o puntos experimentales,
con tres factores de tipo cuantitativo, el cual respondió satisfactoriamente a
cada una de las necesidades en el proceso de investigación. El número de re-
plicaciones del experimento fue de cinco, las cuales se consideraron suficiente
garantía para medir los efectos principales y las interacciones, para un total
de 720 mediciones de la variable de respuesta.
En todo modelo es importante saber combinar parámetros, variables, rela-
ciones funcionales y restricciones que formen los componentes que desarrollan
la función objetivo. El análisis de varianza (ANOVA) permitió descomponer la

,QJ8QLY%RJRWi&RORPELDMXOLRGLFLHPEUHGH

 0RGHORHVWDGtVWLFRVREUHHOFRPSRUWDPLHQWRGHOWKURXJKSXWHQUHGHV/$1VREUHWHFQRORJtDSRZHUOLQHFRPPXQLFDWLRQV 

variabilidad de throughput en cada una de las contribuciones por factor, bajo un

nivel de confianza del 95,0%. El análisis de varianza identificó cuatro efectos
estadísticamente significativos (A, B, C y AC). La única interacción estadística-
mente significativa entre los factores fue la interacción AC, que corresponde a la
interacción entre los factores tamaño del paquete y número de hosts o estaciones
existentes en la red PLC.
Aunque existen herramientas de predicción que se encuentran disponibles
comercialmente, su costo es muy elevado, lo cual limita su adquisición y apli-
cación en el entorno regional. Algunos ejemplos son: WinProp®, SitePlanner®,
Cindoor®; sin embargo, el uso de IPERF como herramienta de software de libre
distribución permitió realizar diversas pruebas sobre el entorno de red basado en
PLC, las cuales brindaron el soporte para la definición del modelo empírico
de predicción y la forma de interacción entre diversos factores inmersos en el
proceso de comunicación.
Es importante considerar que los resultados obtenidos pueden estar sujetos a
modificaciones y ajustes posteriores debido al grado de sensibilidad de los ins-
trumentos utilizados para realizar la medición y las condiciones existentes en la
red cuando se lleve a cabo el experimento.

5HIHUHQFLDV
CARCELE, X. Power line communications in practice. París: Artech House. 2006. 376 p. ISBN978-
1-5969-3-335-4.
GUTIÉRREZ, H. Análisis y diseño de experimentos, 2 ed. México: McGraw-Hill, 2008, pp. 25;
pp. 100; pp. 192; pp. 298; pp. 571.
HomePlug 1.0. Specification. HomePlugPowerline Alliance, June 2001.
IPERF. Aspectos Básicos sobre el uso de IPERF. [Web en línea]. http://seguridadyredes.wor-
dpress.com/2008/06/18/iperf-midiendo-ancho-de-banda-entre-dos-hosts/. [Consulta:
15-2-2011].
KUEHL, R. O. Diseño de experimentos: principios estadísticos para el diseño y análisis de investigaciones.
2da. Ed. México: Thomson, 2006. pp. 666 p.
MARTÍNEZ, R. y MARTÍNEZ, N. Diseño de experimentos análisis de datos estándar y no estándar.
Bogotá: Universidad Nacional de Colombia, 1997. pp. 461 p. ISBN 958-9251-32-3.
MONTGOMERY, D. C. Diseño y análisis de experimentos. 2da. Ed. México: Limusa-Wiley, 2003.
pp. 686 p. ISBN 9789681861568.
MORENO, W. Aplicaciones al diseño y análisis de experimentos. Bucaramanga: Ediciones UIS, 2002,
pp. 105; pp. 155; pp.151; pp. 330.
NETGEAR. Productos. [en línea]. http://www.netgear.es/productos/ft_pdf/xe102_es.pdf.
[Consulta: 10-3-2011].

,QJ8QLY%RJRWi&RORPELDMXOLRGLFLHPEUHGH