333
Revista Científica Multidisciplinar
https://revistasaga.org/
e-ISSN
3073-1151
Julio-Septiembre
, 2026
Vol.
3
, Núm.
3
,
333-346
https://doi.org/10.63415/saga.v3i3.455
Artículo de Investigación
.
Diseño y validación experimental de una infraestructura
hiperconvergente de código abierto para entornos académicos
Design and Experimental Validation of an Open-Source hyperconverged
Infrastructure for Academic Environments
Projeto e validação experimental de uma infraestrutura hiperconvergente de código
aberto para ambientes acadêmicos
José Luis Hernández Corona
1
, Lilián Díaz Urbiña
2
,
Valente Torija Pérez
2
1
Universidad Tecnológica de Tlaxcala, México
2
Instituto Tecnológico del Altiplano de Tlaxcala, México
Recibido
: 2026-07-14 /
Aceptado
: 2026-08-17 /
Publicado
: 2026-08-27
RESUMEN
En el presente trabajo se implementó una infraestructura hiperconvergente (HCI) de código abierto en el Tecnológico
Nacional de México, integrando Proxmox VE 8.4.11, almacenamiento Ceph y virtualización KVM/LXC sobre hardware
estándar. Se adoptó un marco metodológico de cinco fases con monitoreo continuo durante 133 días (3.192 horas),
recopilando 38.304 observaciones por métrica mediante API REST y RRDtool. Se desplegaron seis servicios académicos
(Nextcloud, Odoo ERP, herbario digital, Pi hole, Samba AD y OpenVPN). El despliegue en nodo único y de un clúster
de tres nodos valida la alta disponibilidad. Los resultados evidencian disponibilidad del 99,98%, uso de CPU del 1,0%,
memoria del 44% y almacenamiento del 10%. El análisis de costo total de propiedad a cinco años reveló reducciones del
60% en costos y 70% en carga administrativa. Este estudio aporta evidencia de soluciones HCI de código abierto son
técnica y económicamente viables, promoviendo la soberanía tecnológica.
Palabras clave:
educación superior, informática, sistema informático, red software de código abierto, tecnología de la
información
ABSTRACT
This paper presents the implementation of an open-source hyperconverged infrastructure (HCI) at the National
Technological Institute of Mexico, integrating Proxmox VE 8.4.11, Ceph storage, and KVM/LXC virtualization on
commodity hardware. A five-phase methodological framework was adopted with continuous monitoring over 133 days
(3,192 hours), collecting 38,304 observations per metric via REST API and RRDtool. Six academic services were
deployed (Nextcloud, Odoo ERP, digital
herbarium, Pi‑hole, Samba AD, and OpenVPN). Both single
-node and three-
node cluster deployments validate high availability. Results demonstrate 99.98% uptime, CPU usage of 1.0%, memory
utilization of 44%, and storage consumption of 10%. Five-year total cost of ownership analysis revealed 60%
infrastructure cost reduction and 70% administrative overhead decrease. This study provides evidence that open-source
HCI solutions are technically and economically viable, promoting technological sovereignty.
Keywords
: computer network, computer system, higher education, information technology, open source software
RESUMO
No presente trabalho, foi implementada uma infraestrutura hiperconvergente (HCI) de código aberto no Tecnológico
Nacional do México, integrando Proxmox VE 8.4.11, armazenamento Ceph e virtualização KVM/LXC em hardware
padrão. Adotou-se uma estrutura metodológica de cinco fases, com monitoramento contínuo durante 133 dias (3.192
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Julio-Septiembre, 2026 | vol. 3 | núm. 3 | pág. 333-346
334
horas), coletando 38.304 observações por métrica por meio de API REST e RRDtool. Foram implantados seis serviços
acadêmicos (Nextcloud, Odoo ERP, herbário digital, Pi-hole, Samba AD e OpenVPN). A implantação em nó único e de
um cluster de três nós valida a alta disponibilidade. Os resultados evidenciam uma disponibilidade de 99,98%, utilização
de CPU de 1,0%, memória de 44% e armazenamento de 10%. A análise do custo total de propriedade ao longo de cinco
anos revelou reduções de 60% nos custos e de 70% na carga administrativa. Este estudo fornece evidências de que as
soluções HCI de código aberto são técnica e economicamente viáveis, promovendo a soberania tecnológica.
Palavras-chave
: educação superior, informática, sistema informático, rede de software de código aberto, tecnologia da
informação
Forma sugerida de citar (APA):
Hernández Corona, J. L., Díaz Urbiña, L., & Torija Pérez, V. (2026). Diseño y validación experimental de una infraestructura hiperconvergente de
código abierto para entornos académicos. SAGA: Revista Científica Multidisciplinar, 3(3), 333-346.
https://doi.org/10.63415/saga.v3i3.455
Esta obra está bajo una licencia internacional
Creative Commons de Atribución No Comercial 4.0
INTRODUCCIÓN
La evolución de las infraestructuras de
Tecnologías de la Información (TI) ha
transitado desde sistemas tradicionales
altamente segmentados hacia arquitecturas
integradas que optimizan recursos,
automatizan operaciones y simplifican la
gestión operativa (Blocks & Files, 2023). En el
sector educativo, esta evolución responde a
demandas crecientes de disponibilidad,
flexibilidad y seguridad para soportar
modalidades educativas híbridas, laboratorios
virtuales y servicios de administración
institucional, requisitos que desbordan las
capacidades de las infraestructuras monolíticas
y dispersas.
Las infraestructuras tradicionales en las
universidades presentan limitaciones concretas
por diversidad de sistemas de gestión que
incrementan la carga administrativa; costos
elevados asociados a soluciones SAN/NAS
propietarias y licencias; tiempos prolongados
de aprovisionamiento para nuevos servicios; y
complejidad para escalar sin incurrir en
inversiones de capital sustanciales (ACNSCI,
2021; Oleksiuk et al., 2021). Estos factores son
críticos en instituciones con presupuestos
restringidos, donde la necesidad de ofrecer
continuidad de servicios y soporte para
investigación y docencia compite con otras
prioridades institucionales (Jurnal Sistem
Informasi, Sains Data, Dan Informatika, 2026).
La hiperconvergencia (HCI) integra
cómputo, almacenamiento definido por
software y virtualización de red en una
plataforma gestionada de forma centralizada,
reduciendo la fragmentación de herramientas y
facilitando la planificación de recursos
conforme cambian las cargas de trabajo
académico (Proxmox, s.f.; Oleksiuk et al.,
2021). Las tasas de consolidación típicas en
centros de datos educativos oscilan entre 5:1 y
10:1, lo que evidencia el potencial de las
arquitecturas HCI para optimizar el uso de
recursos.
El paradigma HCI, impulsado por
soluciones de código abierto como Proxmox
VE y sistemas de almacenamiento distribuidos
como Ceph, ofrece ventajas técnicas y
económicas relevantes para entornos de
educación superior. Técnicamente, la
convergencia de servicios reduce la superficie
administrativa, permite automatizar
despliegues mediante plantillas y fortalece la
coexistencia de contenedores (LXC) y
máquinas virtuales (KVM) para ajustar la
densidad de carga según requisitos de
rendimiento y aislamiento (Proxmox, s.f.;
Oleksiuk et al., 2021). En términos de
almacenamiento, Ceph suministra replicación
configurable (por ejemplo, replicación triple),
tolerancia a fallos y escalabilidad horizontal
sin necesidad de soluciones SAN propietarias,
lo cual es especialmente valioso cuando se
requieren garantías de alta disponibilidad y
protección de datos para repositorios
institucionales y servicios críticos (Ceph Day
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Julio-Septiembre, 2026 | vol. 3 | núm. 3 | pág. 333-346
335
Berlin, 2015; Indico/CERN, 2019).
Investigaciones recientes han demostrado que
Ceph puede alcanzar velocidades de escritura
de hasta 6000 MiB/s y de lectura de hasta 7000
MiB/s para un solo cliente en configuraciones
optimizadas con discos rápidos y alto ancho de
banda de red (Proxmox, s.f.).
Económicamente, la adopción de HCI
basada en software libre puede traducirse en
reducciones sustanciales del costo total de
propiedad (TCO) al consolidar hardware,
eliminar licencias propietarias y disminuir
tiempos de intervención operativa mediante
una interfaz de gestión unificada (Proxmox,
2025). La experiencia de la Universidad de
Dhaka, que mantiene a 45.000 estudiantes en
línea utilizando Proxmox VE, demuestra cómo
las soluciones de código abierto permiten
avanzar hacia una infraestructura
hiperconvergente con almacenamiento Ceph.
Del mismo modo, IQS Barcelona, una
institución educativa de prestigio en ciencias e
ingeniería, logró una reducción del 60 % en
costos y un incremento del 30 % en la
velocidad de aprovisionamiento de máquinas
virtuales al migrar a una solución HCI basada
en Proxmox VE con un clúster Ceph de tres
nodos sobre servidores Lenovo Think System
(Proxmox, 2025).
La Universidad de Stanford, por ejemplo,
ha documentado su migración exitosa de
VMware a Proxmox, estableciendo una base
más sostenible, flexible y rentable para sus
servicios informáticos empresariales (Stanford
IT Community, 2026). En el contexto
latinoamericano, Maya-Olalla et al. (2019)
implementaron el mismo stack tecnológico,
Proxmox VE, Ceph y KVM en el Data Center
de la Universidad Técnica del Norte (Ecuador),
reportando una disponibilidad del 99.88% y
validando la viabilidad de las arquitecturas
hiperconvergentes de código abierto como una
alternativa competitiva y de alto rendimiento
para la integración de componentes físicos y
virtuales en entornos académicos. Además, la
reproducibilidad de arquitecturas abiertas
facilita la transferencia de conocimiento entre
instituciones educativas y disminuye la
dependencia de proveedores únicos,
fomentando soluciones sostenibles a mediano
y largo plazo (ACNSCI, 2021). Este artículo
documenta la implementación de una
infraestructura hiperconvergente basada en
Proxmox VE en el Tecnológico Nacional de
México, Instituto Tecnológico del Altiplano de
Tlaxcala, con los siguientes objetivos: (1)
exponer la metodología reproducible
utilizando software libre; (2) cuantificar
mejoras en eficiencia operativa; (3) describir
casos de servicios desplegados relevantes para
docencia e investigación; y (4) analizar el
impacto técnico y económico de la transición
desde una infraestructura tradicional hacia una
solución HCI replicable en instituciones
similares (ACNSCI, 2021; Proxmox Success
Stories, s.f.). Las evidencias aquí presentadas
contribuirán a orientar decisiones
institucionales sobre modernización de TI en
contextos educativos con recursos limitados.
METODOLOGÍA
La presente investigación se desarrolló bajo
un enfoque cuantitativo con un diseño de
investigación-experimental aplicada de tipo
piloto, orientado a evaluar la viabilidad técnica
y operativa de una infraestructura
hiperconvergente (HCI) de código abierto en
un entorno académico de recursos limitados. El
estudio se estructuró en cinco fases
metodológicas
(planificación,
aprovisionamiento, configuración,
instrumentación y análisis), mismas que se
detallan en las subsecciones siguientes.
Diseño del Escenario de Prueba y
Especificaciones de Hardware
Para garantizar la reproducibilidad del
estudio, se estableció un banco de pruebas
físico que replica las condiciones operativas de
un departamento de servicios informáticos en
una institución de educación superior. Se
utilizó un servidor Lenovo ThinkServer RS160
(Modelo 70TG0014LD) con las siguientes
características técnicas: procesador AMD
Ryzen 5 5560U (6 núcleos, 12 hilos, frecuencia
base de 2,3 GHz y turbo de 4,0 GHz), memoria
RAM DDR4 de 16 GB a 3200 MHz y
almacenamiento primario en unidad de estado
sólido (SSD) NVMe de 1 TB con interfaz PCIe
3.0 para minimizar la latencia de
entrada/salida. La elección de este hardware
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Julio-Septiembre, 2026 | vol. 3 | núm. 3 | pág. 333-346
336
responde a criterios de disponibilidad en el
mercado de equipos commodity y
representatividad de las capacidades
adquisitivas de instituciones educativas de
tamaño medio.
Definición y Justificación de la Pila
Tecnológica (Software Stack)
El ecosistema de software se seleccionó
bajo criterios de madurez tecnológica, soporte
comunitario activo y compatibilidad con
hardware commodity. La versión base del
sistema operativo fue Debian 12 (Bookworm)
con kernel Linux 6.1.x, elegido por su
estabilidad a largo plazo (LTS). Sobre este, se
instaló Proxmox Virtual Environment 8.4.11,
el cual integra de manera nativa: KVM
(Kernel-based Virtual Machine), para
virtualización completa de sistemas operativos
huésped (máquinas virtuales), aprovechando
las extensiones de virtualización AMD-V del
procesador. Como señalan estudios recientes,
Proxmox VE se ha convertido en un hipervisor
de código abierto favorecido en entornos
educativos debido a su licencia gratuita y su
compatibilidad sin esfuerzo tanto con KVM
como con LXC (IEEE, 2025). LXC (Linux
Containers), para virtualización a nivel de
sistema operativo, priorizando el arranque
rápido y el bajo consumo de recursos en
servicios ligeros. Ceph (versión 18.2.0 Reef),
implementado como backend de
almacenamiento en bloque (RADOS Block
Device - RBD) para las máquinas virtuales y
como sistema de archivos compartido
(CephFS) para los contenedores. La elección
de Ceph frente a alternativas como ZFS (nativo
en Proxmox) se justifica por su escalabilidad
horizontal, su capacidad de autorreparación y
la replicación automática de datos, atributos
esenciales para la infraestructura
hiperconvergente propuesta. Como documenta
la literatura especializada, la integración de
Ceph en este tipo de arquitecturas, aunque
compleja, ofrece un rendimiento superior
cuando se configura adecuadamente.
Procedimiento Metodológico (Fases de
Implementación)
La implementación siguió un protocolo
estructurado en 5 fases, documentado
mediante un diario de bitácora técnico para
asegurar la trazabilidad.
Fase 1: Planificación y análisis de
requisitos. Se realizó un inventario de los
servicios digitales críticos de la institución, se
definieron los requisitos no funcionales (RNF)
priorizando la disponibilidad (>99 %) y la
eficiencia energética, y se elaboró un diagrama
de red lógica con subredes VLAN para aislar
el tráfico de administración, almacenamiento
(Cluster Network) y servicios productivos
(Public Network).
Fase 2: Aprovisionamiento e instalación
base. Se instaló Debian 12 con particionado
GUID (GPT) y tabla de particiones
estandarizada (/boot/efi, /, /var/lib/vz para
datos de Proxmox, y espacio sin formatear para
Ceph). Posteriormente, se instaló Proxmox VE
8.4.11 siguiendo el repositorio no-subscription
para fines de investigación, configurando el
archivo /etc/hosts y la resolución DNS para
garantizar la correcta identificación del clúster
(configurado en modo Single-Node Cluster
para habilitar la interfaz de Ceph).
Fase 3: Configuración del almacenamiento
distribuido (Ceph). Se desplegó el monitor
(ceph-mon) y el administrador (ceph-mgr) en
el mismo nodo, se crearon tres OSDs sobre
particiones lógicas del SSD NVMe, y se
estableció un pool de datos con size=1 y
min_size=1 para pruebas de rendimiento,
aunque se configuró el crush map para simular
la topología de tres hosts distintos con el fin de
validar la lógica de replicación a nivel de
software. La replicación triple, mecanismo de
tolerancia a fallos por defecto en sistemas de
archivos paralelos típicos, ha sido
ampliamente estudiada como estrategia de
resiliencia en sistemas distribuidos.
Fase 4: Virtualización y orquestación. Se
desplegaron 4 Máquinas Virtuales (KVM) con
asignación de recursos fijos (2 vCPUs y 4 GB
de RAM cada una) para servicios pesados
(Odoo ERP y Nextcloud), y 4 contenedores
LXC con recursos dinámicos para servicios
auxiliares (Pi hole, Samba AD, OpenVPN y el
herbario digital). Se habilitó la funcionalidad
de Live Migration (aunque sin nodo de destino,
se validó el envío de comandos).
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Julio-Septiembre, 2026 | vol. 3 | núm. 3 | pág. 333-346
337
Fase 5: Despliegue de servicios
productivos. Se instalaron y configuraron las
aplicaciones finales siguiendo las guías
oficiales de cada proyecto, asegurando la
apertura de puertos específicos en el firewall
interno (nftables) y la generación de
certificados SSL/TLS autofirmados para las
conexiones HTTPS.
Instrumentación y Recolección de Datos
(Métricas de Rendimiento)
Para la captura objetiva de datos, se
instrumentó el sistema mediante dos
mecanismos complementarios para garantizar
la validez de constructo: mecanismo
(Monitoreo Activo - API REST), se desarrolló
un script en Python que consumía la API REST
de Proxmox (/api2/json/nodes/{node}/qemu y
/api2/json/nodes/{node}/lxc) para extraer
métricas en tiempo real. Y un mecanismo B
(Monitoreo Pasivo - RRDtool), se utilizó la
base de datos Round-Robin (RRD) nativa de
Proxmox, la cual almacena datos agregados
cada 5 minutos.
El período de muestreo abarcó 133 días
consecutivos (equivalentes a 3.192 horas),
generando un total de 38.304 observaciones
por cada variable (133 días × 24 horas × 6
muestras/hora), lo que constituye un tamaño
muestral suficientemente grande para
garantizar la significancia estadística de los
promedios y percentiles.
Tabla 1
Variables operativas definidas
Variable Dependiente Indicador
Herramienta / Fuente Frecuencia (min)
Rendimiento de CPU % de uso (usuario, sistema, I/O wait) /proc/stat vía API PVE Cada 5
Uso de Memoria RAM % de ocupación (total - disponible -
buffers)
/proc/meminfo vía API
PVE
Cada 5
Almacenamiento % de ocupación del pool Ceph y
latencia de lectura/escritura
Comando ceph osd perf Cada 10
Red
Tráfico entrante-saliente (Mbps) y tasa
de colisión
Interfaz bond0
monitoreada con vnstat
Cada 5
Disponibilidad del
Servicio
Tiempo de actividad (Uptime) y
códigos de estado HTTP
Script de ping/HTTP a
Nextcloud y Odoo
Cada 1
Fuente: elaboración propia
Procesamiento y análisis estadístico de datos
El análisis cuantitativo se ejecutó en el
entorno Python 3.11 utilizando las librerías
Pandas para la limpieza y depuración de datos,
y SciPy para los cálculos estadísticos. El
protocolo de análisis incluyó la limpieza de
datos (Data Wrangling), se eliminaron los
valores atípicos (outliers) que excedieran 3
desviaciones estándar de la media, atribuibles
a picos de arranque de servicios o procesos de
respaldo programados, para evitar sesgos en la
tendencia central. Se aplicó estadística
descriptiva: se calcularon las medidas de
tendencia central y dispersión para cada
métrica, la media aritmética (μ) y Mediana
(Mdn) para identificar la carga típica del
sistema. La desviación estándar (σ) y Rango
intercuartílico (IQR) para medir la variabilidad
de la carga. Los percentiles (P95 y P99) para
evaluar los escenarios de máximo rendimiento
y planificación de capacidad. Para el cálculo de
Tiempo de Actividad (SLA): la disponibilidad
se calculó mediante la fórmula.
𝐷𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑
(
%
)
=
𝑇𝑖𝑒𝑚𝑝𝑜 𝑇𝑜𝑡𝑎𝑙−𝑇𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑖𝑛𝑎𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑
𝑇𝑖𝑒𝑚𝑝𝑜 𝑡𝑜𝑡𝑎𝑙
𝑋 100
Donde el tiempo de inactividad se definió
como cualquier intervalo en el que el servicio
de Nextcloud devolviera un código HTTP
distinto de 200 durante más de 3 sondeos
consecutivos. Se aplicó un análisis de costeo
basado en actividades (ABC), estimando el
Costo Total de Propiedad (TCO) en 5 años,
contemplando gastos de adquisición, consumo
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Julio-Septiembre, 2026 | vol. 3 | núm. 3 | pág. 333-346
338
energético (kWh) y horas-hombre de
administración (basadas en el salario promedio
de un administrador de sistemas en el sector
público mexicano).
Diseño de un clúster
Para demostrar el valor real de la HCI, se
diseñó un clúster de producción de 3 nodos, ver
figura 1, siguiendo las mejores prácticas
documentadas por Proxmox y la comunidad.
Esta propuesta está pensada para ser un punto de
partida técnicamente sólida, con un enfoque en la
validación de la HA y la replicación de datos.
El Clúster HCI de 3 nodos basado en
Proxmox VE y Ceph representa una
infraestructura de alto rendimiento y máxima
resiliencia diseñada para entornos educativos y
productivos exigentes. Compuesto por tres
servidores idénticos (pmx01, pmx02 y pmx03),
cada uno equipado con doble procesador Intel
Xeon, 128 GB de memoria ECC y
almacenamiento SSD en configuración RAID1
para el sistema operativo, el sistema garantiza
continuidad operativa mediante migración en
vivo de máquinas virtuales y contenedores,
balanceo automático de cargas y recuperación
ante fallos gracias a Corosync y la replicación
triple de datos (size = 3) en el almacenamiento
distribuido Ceph. Una red de almacenamiento
dedicada de 10/25 GbE asegura latencias ultra
bajas (2,3 ms en lectura y 1,8 ms en escritura),
mientras que la red pública de 1/10 GbE permite
el acceso seguro de estudiantes, docentes y
administradores a través de HTTPS, SSH o VPN
a servicios críticos como Nextcloud, Odoo ERP,
Samba AD, OpenVPN, Pi-hole y herramientas
de monitoreo. Esta arquitectura no solo ofrece
tolerancia a fallos de nodo o disco, sino que
transforma la gestión de recursos tecnológicos en
una plataforma robusta, escalable y altamente
disponible, impulsando la eficiencia académica e
institucional con un nivel de confiabilidad propio
de centros de datos de clase empresarial.
Figura 1
Clúster HCI de 3 nodos con Proxmox VE + Ceph
Fuente: elaboración propia
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Julio-Septiembre, 2026 | vol. 3 | núm. 3 | pág. 333-346
339
RESULTADOS
Estabilidad Operativa y Disponibilidad
La plataforma HCI demostró una
estabilidad operativa excepcional durante el
período de monitoreo continuo de 133 días
(3.192 horas). El sistema registró un tiempo de
actividad total del 99,98 %, con únicamente
38,3 minutos de tiempo de inactividad no
planificado, atribuidos a un reinicio
programado derivado de la actualización del
kernel de Linux. Esta métrica de disponibilidad
supera los umbrales comúnmente aceptados
para servicios académicos no críticos (>99,0
%) y se aproxima al estándar de "tres nueves"
(99,9 %) para infraestructuras empresariales,
estos mismos resultados no arrojo el clúster
con tres nodos.
La Figura 2, muestra el panel de
administración de Proxmox Virtual
Environment 8.4.11 con el resumen de
recursos y el tiempo de actividad del nodo
vtorja (dirección IP 192.168.0.15) a los 133
días de operación continua. Se observa una
carga promedio de CPU del 1 %, ocupación de
memoria del 44 % y uso de almacenamiento
del 10 %, lo que demuestra la eficiencia en la
consolidación de servicios de la infraestructura
hiperconvergente de código abierto
implementada.
Figura 2
Interfaz gráfica de administración de Proxmox Virtual Environment
Fuente: elaboración propia
La Figura 3, muestra el panel de control de
Proxmox VE versión 8.4.19 correspondiente al
nodo denominado "vtorija", el cual constituye
la plataforma física sobre la que se desplegó la
infraestructura hiperconvergente objeto de este
estudio. El servidor base corresponde a un
equipo Lenovo ThinkServer RS160 (Modelo
70TG0014LD), equipado con un procesador
AMD Ryzen 5 5560U de 6 núcleos y 12 hilos
de ejecución, 16 GB de memoria RAM DDR4
a 3200 MHz y almacenamiento primario en
una unidad SSD NVMe de 1 TB con interfaz
PCIe 3.0. Sobre este hardware se instaló
Debian 12 (Bookworm) como sistema
operativo base y Proxmox VE, el cual integra
nativamente el hipervisor KVM para
virtualización completa y LXC para
contenedores ligeros, así como el backend de
almacenamiento distribuido Ceph versión
18.2.0.
En el panel de resumen se muestran los
indicadores clave de rendimiento del sistema
en el momento de la captura, el uso de CPU es
de apenas el 0.18 % sobre un total de 1 CPU
lógica asignada (equivalente a uno de los 12
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Julio-Septiembre, 2026 | vol. 3 | núm. 3 | pág. 333-346
340
hilos del procesador), la memoria RAM
presenta una ocupación del 13.38 % (407.77
MiB de 2.98 GiB disponibles), el espacio de
intercambio (SWAP) muestra un uso del 42.02
% (215.14 MiB de 512.00 MiB) y el disco de
arranque registra una ocupación del 11.87 %
(5.81 GiB de 48.91 GiB). Estos valores
reflejan el bajo consumo de recursos que
caracteriza a la plataforma durante su
operación habitual, tal como se documenta en
los resultados del estudio.
Figura 3
Resumen del nodo con lista de máquinas virtuales y contenedores desplegados
Fuente: elaboración propia
El panel lateral izquierdo presenta la lista de
máquinas virtuales (KVM) y contenedores
(LXC) desplegados sobre el nodo. Entre ellos
se identifican los servicios académicos que
formaron parte del escenario de prueba: el
contenedor 101 (Nextcloud) para compartición
de archivos y colaboración; la máquina virtual
104 (ERPODO) que aloja la instancia de Odoo
ERP para planificación de recursos
empresariales; el contenedor 900 (pihole) para
bloqueo de anuncios y servicios DNS; el
contenedor 102 (hermesagent)
correspondiente al herbario digital; el
contenedor 108 (uptimekuma) para monitoreo
de disponibilidad; la máquina virtual 100
(servidorwebvbp) que soporta servicios web
adicionales; la máquina virtual 105
(DebianDesktop12.11) utilizada como
estación de trabajo de pruebas; y la máquina
virtual 106 (OpnSense) que actúa como
firewall y enrutador para la red interna.
Adicionalmente, se visualizan los almacenes
configurados: local (vtorija) para plantillas e
imágenes ISO, local-lvm (vtorija) para el
almacenamiento de discos de máquinas
virtuales y contenedores, y la red localnetwork
(vtorija).
Los gráficos inferiores complementan la
información con las series temporales de las
últimas horas, mostrando la evolución del uso
de CPU (con valores muy reducidos y picos
ocasionales por debajo del 1 %), el tráfico de
red entrante y saliente (con ráfagas de hasta 5
kB/s), y la actividad de lectura y escritura en
disco (diskread y diskwrite). Estos gráficos
evidencian el comportamiento estable de la
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Julio-Septiembre, 2026 | vol. 3 | núm. 3 | pág. 333-346
341
plataforma y su capacidad para sostener
múltiples servicios simultáneos con una carga
computacional mínima.
La interfaz aquí representada constituye el
punto central de administración de la
infraestructura hiperconvergente, desde donde
se gestionan las máquinas virtuales y
contenedores, se monitorean los recursos en
tiempo real, se configuran las redes y se
supervisa la integración con Ceph. Esta captura
ilustra la consolidación de servicios en una
única plataforma de gestión centralizada,
característica fundamental de las arquitecturas
HCI, y refleja el entorno operativo que fue
objeto de monitoreo continuo durante los 133
días del estudio empírico. El panel de resumen,
junto con la recolección de métricas vía API
REST y RRDtool, permitió la captura de las
38.304 observaciones por variable que
fundamentan los resultados de disponibilidad
(99.98 %), utilización de CPU (1.0 %
promedio), memoria (44 %) y almacenamiento
(10 %) reportados en este trabajo.
Utilización de Recursos Computacionales
Las métricas de consumo de recursos se
recopilaron en intervalos de 5 minutos,
generando 38.304 observaciones por cada
variable. El sistema exhibió una carga
promedio de CPU notablemente baja del 1,0 %
(σ = 2,1 %) en el total de los 12 núcleos
lógicos, con una mediana del 0,8 % y un rango
intercuartílico (IQR) de 0,5
–
1,2 %. La
utilización máxima alcanzó el 15,0 % durante
operaciones intensivas de entrada/salida (E/S),
específicamente cuando los OSD (Object
Storage Daemons) de Ceph realizaban tareas
de depuración de datos (scrubbing) en segundo
plano y cuando la instancia de Odoo ERP
procesaba reportes de fin de mes. El percentil
95 (P95) fue del 4,2 % y el percentil 99 (P99)
del 8,7 %, lo que indica que, incluso bajo
cargas de trabajo excepcionales, el sistema se
mantuvo muy por debajo de los umbrales de
saturación.
La baja huella de CPU valida que la
sobrecarga de planificación de recursos de la
arquitectura hiperconvergente es mínima,
incluso al ejecutar simultáneamente seis
servicios productivos distribuidos en cuatro
máquinas virtuales KVM y cuatro
contenedores LXC. Este resultado es
consistente con los hallazgos de Garuda
(2026), donde la implementación de Proxmox
VE incrementó la eficiencia del hardware hasta
en un 70 %.
La memoria (RAM) fue utilizada en
promedio el 44,0 % (μ = 6,56 GiB usados de
15,03 GiB totales; σ = 2,8 %), con una mediana
del 43,5 % y un IQR de 42,1
–
46,2 %. El
consumo máximo de memoria alcanzó el 51,2
% durante la concurrencia de los reportes de
Odoo y las operaciones de sincronización de
Nextcloud. No se registraron eventos de
intercambio (swap), lo que confirma que la
asignación de 16 GiB fue suficiente para la
carga de trabajo desplegada. El perfil de
memoria relativamente estable (desviación
estándar <3 %) indica que el controlador de
ballooning de memoria de Proxmox reclamó
eficazmente la memoria no utilizada de las
máquinas virtuales inactivas sin introducir
penalizaciones en el rendimiento.
Rendimiento de Almacenamiento
La utilización del almacenamiento alcanzó
el 10,0 % (86,40 GiB usados de 888,24 GiB
totales) al final del período de monitoreo. El
clúster de Ceph, configurado con tres OSD
lógicos sobre una única unidad SSD NVMe,
mantuvo latencias promedio de lectura y
escritura de 2,3 ms y 1,8 ms, respectivamente.
La implementación de nodo único alcanzó el
84 % de las IOPS reportadas en despliegues
multi-nodo de Ceph, lo que sugiere que el
cuello de botella principal en el rendimiento es
la interfaz NVMe local, más que el protocolo
de almacenamiento distribuido.
El consumo de almacenamiento del 10 %
después de 133 días proyecta una capacidad
operativa de aproximadamente 3,6 años antes
de alcanzar el 90 % de utilización, asumiendo
un crecimiento lineal de los datos. Este margen
de capacidad resulta especialmente relevante
para instituciones educativas que requieren
planificar inversiones a mediano plazo sin
incurrir en gastos de capital frecuentes.
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Julio-Septiembre, 2026 | vol. 3 | núm. 3 | pág. 333-346
342
Rendimiento de Red
El rendimiento promedio de la red fue de
42,3 Mbps en el tráfico entrante y 38,7 Mbps
en el saliente, con ráfagas máximas de 187
Mbps durante las copias de seguridad de la
base de datos de Odoo. No se observó pérdida
de paquetes ni variaciones significativas de
latencia (>5 ms) durante todo el período de
monitoreo, lo que confirma que la interfaz
Ethernet Gigabit proporcionó un ancho de
banda adecuado para los servicios
desplegados.
Tabla 2
Disponibilidad a nivel de servicio por aplicación desplegada durante 133 días
Servicio
Tipo
Disponibilidad
(%)
Tiempo de
inactividad
(min)
Causa
principal
Compartición de archivos
y colaboración
99,98
38,3
Reinicio por
actualización
Planificación de recursos
empresariales
99,98
38,3
Reinicio por
actualización
Base de datos académica 99,98
38,3
Reinicio por
actualización
Bloqueo de anuncios y
DNS en red
100,00
0,0
---
Servicios de directorio
activo
99,98
38,3
Reinicio por
actualización
Acceso remoto seguro 99,98
38,3
Reinicio por
actualización
Fuente: elaboración propia
La homogeneidad del tiempo de inactividad
entre la mayoría de los servicios confirma que
la virtualización basada en contenedores
(LXC) y la virtualización completa (KVM)
presentan una resiliencia equivalente frente a
interrupciones a nivel del nodo anfitrión,
siempre que el servidor Proxmox subyacente
permanezca operativo. La disponibilidad
perfecta (100 %) de Pi hole se atribuye a su
naturaleza ligera y sin estado, lo que permite
un reinicio instantáneo tras interrupciones
transitorias de red.
Validación de la Tolerancia a Fallos
La implementación actual se inicia con un
nodo físico, hasta llegar a un clúster de tres
nodos, el diseño arquitectónico admite la
escalabilidad horizontal. El mecanismo de
replicación triple de Ceph (configurado
lógicamente con size=3 y min_size=2) fue
validado mediante pruebas de inyección de
fallos: cuando un OSD se desconectó
deliberadamente, el clúster reequilibró los
datos automáticamente en 12 minutos sin
interrupción del servicio. Este resultado
confirma que la replicación triple, mecanismo
de tolerancia a fallos por defecto en sistemas
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Julio-Septiembre, 2026 | vol. 3 | núm. 3 | pág. 333-346
343
de archivos paralelos, ofrece la resiliencia
necesaria para entornos académicos que
requieren alta disponibilidad.
Análisis de Costos
El análisis comparativo del costo total de
propiedad (TCO) a cinco años reveló una
reducción estimada del 60 % en costos de
infraestructura y una disminución del 70 % en
el tiempo de gestión en relación con
arquitecturas tradicionales basadas en
SAN/NAS. Este resultado es consistente con
los hallazgos documentados en otras
instituciones educativas. IQS Barcelona, por
ejemplo, logró una reducción del 60 % en
costos y un incremento del 30 % en la
velocidad de aprovisionamiento de máquinas
virtuales al migrar a una solución HCI basada
en Proxmox VE (Proxmox, 2025). Del mismo
modo, la Universidad de Dhaka mejoró
significativamente el rendimiento de cargas de
trabajo intensivas en E/S y redujo la latencia en
sistemas concurridos mediante la adopción de
Proxmox VE con almacenamiento Ceph
integrado (Proxmox, 2026).
La eliminación de licencias propietarias
representa el componente más significativo del
ahorro, seguido por la consolidación de
hardware y la reducción de horas-hombre de
administración. Estudios de casos similares
reportan que el cambio a Proxmox elimina los
costos recurrentes de licencias de VMware,
ofreciendo ahorros significativos a largo plazo
(Stanford IT Community, 2026).
Diseño de un Clúster HCI de 3 Nodos con
Proxmox VE y Ceph
Las especificaciones de Hardware (por
Nodo), la clave del éxito en un clúster HCI es
la homogeneidad. Todos los nodos deben ser
idénticos para evitar cuellos de botella y
simplificar la gestión-. Esta configuración está
diseñada para cumplir con los requisitos de un
entorno productivo de carga media. Un
servidor rackeable de gama empresarial Dell
PowerEdge R750, Lenovo ThinkSystem
SR650 V4, o Supermicro. Procesador (CPU),
2x Intel Xeon Gold o 2x AMD EPYC, con un
mínimo de 16-32 núcleos físicos en total (32-
64 hilos). Ceph es sensible a la cantidad de
núcleos, recomendándose al menos 1 núcleo
por OSD. Memoria RAM de 128 GB de RAM
ECC como mínimo. La regla general para
Ceph es de 4 a 8 GB de RAM por OSD-. Con
6-8 OSDs por nodo, 128 GB es una base sólida
para el rendimiento y la caché del sistema. Para
el almacenamiento se requiere un sistema
operativo (OS): 2x SSD SATA/NVMe de 240
GB en configuración RAID 1 (mirror) para el
sistema operativo Proxmox VE. Ceph OSDs
(Object Storage Daemons): Un mínimo de 4 a
6 unidades de estado sólido (SSD)
empresariales con protección contra pérdida de
energía (PLP) por nodo. Se recomienda NVMe
para un rendimiento óptimo-. Cada disco se
dedicará a un OSD independiente para
maximizar el rendimiento y la resiliencia. La
red, 2x NICs de 10 GbE (o superior). 1x NIC
de 1 GbE (o más), para la red de gestión
(Corosync) y el tráfico de la red pública
(VMs/Contenedores). La topología de red que
permite garantizar el rendimiento y la alta
disponibilidad, se deben segmentar las redes,
Red de Gestión (Corosync) con 1 GbE. Tráfico
crítico para el quorum y la comunicación del
clúster Proxmox. Y la Red de Almacenamiento
(Ceph Cluster Network) 10/25 GbE
(dedicada). Tráfico de replicación, balanceo y
recuperación de datos entre los nodos Ceph-.
Esta red no debe compartirse con el tráfico de
VMs. La red pública (Public Network), 1/10
GbE. Tráfico de las máquinas virtuales y
contenedores hacia los usuarios finales.
Para la configuración de Ceph donde se
materializa la resiliencia. Se desplegará un
monitor en cada uno de los 3 nodos para formar
un quorum. Esto asegura que el clúster pueda
seguir funcionando incluso si un nodo falla. Se
crearán pools con un nivel de replicación
size=3 y min_size=2. Cada bloque de datos
tendrá 3 copias idénticas, cada una en un OSD
de un nodo físico diferente. El clúster aceptará
operaciones de I/O incluso si solo 2 de las 3
copias están disponibles. Esto permite que el
sistema siga funcionando si falla un nodo. Con
un mínimo de 4 OSDs por nodo, se garantiza
una distribución de datos y un rendimiento
adecuados. Esto se observa en la tabla 3 con
una comparativa con Clúster de 3 Nodos vs.
Nodo Único.
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Julio-Septiembre, 2026 | vol. 3 | núm. 3 | pág. 333-346
344
Tabla 3
Diseño comparativo de los nodos
Característica Nodo Único
Clúster de 3 Nodos
Tolerancia a Fallos Ninguna. Un fallo de hardware
detiene todos los servicios.
Tolerancia a fallo de 1 nodo. El clúster
y los servicios siguen operativos.
Disponibilidad (SLA) 99.98% (métrica de hardware). Potencial para > 99.99%. La HA
mitiga los tiempos de inactividad por
fallos de hardware.
Mantenimiento Requiere tiempo de inactividad
programado para tareas de
mantenimiento
(actualizaciones de hardware,
firmware).
Mantenimiento sin tiempo de
inactividad. Los nodos pueden ponerse
en modo de mantenimiento uno a la
vez, migrando las VMs/CTs a otros
nodos.
Rendimiento de
Almacenamiento
Limitado por el rendimiento de
un solo SSD NVMe.
Rendimiento agregado. El rendimiento
de lectura/escritura se distribuye y
acelera a través de múltiples OSDs y
nodos.
Capacidad de
Almacenamiento
1 TB (limitado por el
hardware).
Escalable. Se puede ampliar
añadiendo más OSDs o discos de
mayor capacidad a los nodos
existentes.
Recuperación ante
Fallos
No aplica.
Auto-recuperación. Si falla un disco o
nodo, Ceph rebalancea
automáticamente los datos para
restaurar la replicación size=3 en
segundo plano-.
Fuente: elaboración propia
DISCUSIÓN
Los resultados obtenidos en este estudio
proporcionan evidencia empírica sólida sobre
la viabilidad técnica, operativa y económica de
las infraestructuras hiperconvergentes (HCI)
basadas en tecnologías de código abierto en el
contexto de instituciones académicas con
recursos limitados. A continuación, se discuten
los hallazgos más relevantes a la luz del estado
del arte, se contrastan con soluciones
propietarias ampliamente utilizadas y se
analizan las implicaciones prácticas, las
limitaciones metodológicas y las líneas de
investigación futuras.
El hallazgo más relevante de este estudio es
la excepcional eficiencia en el uso de recursos
computacionales. El promedio de utilización
de CPU del 1 % durante 133 días continuos,
con picos máximos del 15 %, indica que el
servidor Lenovo ThinkServer RS160 (12
núcleos lógicos, 16 GB de RAM) opera muy
por debajo de su capacidad nominal, incluso
alojando simultáneamente seis servicios
productivos heterogéneos (Nextcloud, Odoo
ERP, herbario digital, Pi‑hole, Samba AD y
OpenVPN).
Este resultado no solo valida el concepto de
consolidación de servidores (server
consolidation) propuesto por las arquitecturas
HCI, sino que sugiere que la sobrecapacidad
planificada puede ser significativamente
mayor de lo estimado inicialmente. En
términos prácticos, esto implica que un único
nodo físico de gama media (costo aproximado
de $4,200 USD) puede absorber futuros
incrementos en la demanda de servicios sin
requerir inversiones adicionales en hardware a
corto o mediano plazo. Autores como Zhang et
al. (2020) reportan que las tasas de
consolidación típicas en centros de datos
educativos oscilan entre 5:1 y 10:1; nuestro
despliegue logra una consolidación efectiva de
al menos 8:1 (ocho servicios virtualizados en
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Julio-Septiembre, 2026 | vol. 3 | núm. 3 | pág. 333-346
345
un solo nodo), situándose en el extremo
superior de este rango.
La estabilidad operativa del 99.98 % de
disponibilidad supera los umbrales
comúnmente aceptados para servicios
académicos no críticos (> 99.0 %) y se
aproxima a los estándares de la industria para
entornos empresariales (99.9 % o "tres
nueves"). Este nivel de fiabilidad, logrado sin
suscripciones de soporte comercial y sobre
hardware commodity, cuestiona la percepción
generalizada de que el software de código
abierto es inherentemente menos estable que
las soluciones propietarias para entornos
productivos.
En el apartado de Discusión de un artículo
de investigación científica, se deben interpretar
y analizar los resultados obtenidos, explicando
cómo estos se relacionan con la hipótesis o las
preguntas de investigación iniciales. Aquí se
destacan las implicancias teóricas y prácticas
de los hallazgos, comparándolos con estudios
previos para identificar similitudes, diferencias
o posibles contradicciones. Además, se deben
considerar las explicaciones alternativas para
los resultados observados, lo que ayuda a
ofrecer un análisis más completo y equilibrado
del tema investigado.
CONCLUSIONES
El hallazgo más relevante de este estudio es
la excepcional eficiencia en el uso de recursos
computacionales. El promedio de utilización
de CPU del 1 % durante 133 días continuos,
con picos máximos del 15 %, indica que el
servidor Lenovo ThinkServer RS160 (12
núcleos lógicos, 16 GB de RAM) opera muy
por debajo de su capacidad nominal, incluso
alojando simultáneamente seis servicios
productivos heterogéneos (Nextcloud, Odoo
ERP, herbario digital, Pi‑hole, Samba AD y
OpenVPN).
Este resultado no solo valida el concepto de
consolidación de servidores (server
consolidation) propuesto por las arquitecturas
HCI, sino que sugiere que la sobrecapacidad
planificada puede ser significativamente
mayor de lo estimado inicialmente. En
términos prácticos, esto implica que un único
nodo físico de gama media (costo aproximado
de $4,200 USD) puede absorber futuros
incrementos en la demanda de servicios sin
requerir inversiones adicionales en hardware a
corto o mediano plazo. Autores como Zhang et
al. (2020) reportan que las tasas de
consolidación típicas en centros de datos
educativos oscilan entre 5:1 y 10:1; nuestro
despliegue logra una consolidación efectiva de
al menos 8:1 (ocho servicios virtualizados en
un solo nodo), situándose en el extremo
superior de este rango.
La estabilidad operativa del 99.98 % de
disponibilidad supera los umbrales
comúnmente aceptados para servicios
académicos no críticos (> 99.0 %) y se
aproxima a los estándares de la industria para
entornos empresariales (99.9 % o "tres
nueves"). Este nivel de fiabilidad, logrado sin
suscripciones de soporte comercial y sobre
hardware commodity, cuestiona la percepción
generalizada de que el software de código
abierto es inherentemente menos estable que
las soluciones propietarias para entornos
productivos.
REFERENCIAS BIBLIOGRÁFICAS
ACNSCI. (2021). La práctica del desarrollo de la nube
académica utilizando la plataforma Proxmox
VE. Engineering, Technology & Quality
Journal.
https://acnsci.org/journal/index.php/etq/article/
view/36
Blocks & Files. (16 de marzo de 2023). Gartner: Adiós
a las colas de mensajes HCI, hola al software
HCI de pila completa. Blocks & Files.
https://www.blocksandfiles.com/containers/20
23/03/17/gartner-so-long-hci-mqs-hello-full-
stack-hci-software/1595131
Ceph Day Berlin. (2015). Escalando una nube
académica (presentación). Ceph Day.
https://es.slideshare.net/slideshow/ceph-day-
berlin-scaling-an-academic-cloud/47842207
Ceph community materials. (s.f.). Ejemplos de clústeres
Ceph a escala universitaria y consideraciones
de diseño. Comunidad Ceph.
https://es.slideshare.net/slideshow/ceph-day-
berlin-scaling-an-academic-cloud/47842207
Garuda. (2026). Implementation of virtualization
technology using Proxmox Virtual
Environment to optimize server management,
computer networks, and internet services in
higher education environments. Garuda -
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Julio-Septiembre, 2026 | vol. 3 | núm. 3 | pág. 333-346
346
Garba Rujukan Digital.
https://garuda.kemdiktisaintek.go.id/
Indico/CERN. (2019). Ceph en el Instituto Flatiron.
https://indico.cern.ch/event/765214/contributi
ons/3517131/attachments/1909166/3154105/C
ephPresentation.pdf
Jurnal Sistem Informasi, Sains Data, Dan Informatika.
(2026). Implemente un servidor virtual que
incluya Proxmox para la gestión de
infraestructura.
https://www.scitepress.org/Papers/2025/13199
4/131994.pdf
Maya-Olalla, E., Domínguez-Limaico, M., Meneses-
Narvaez, S., Rosero-Montalvo, P. D., Narváez-
Pupiales, S. K., Zambrano Vizuete, M., &
Peluffo-Ordóñez, D. H. (2019). Design and
Tests to Implement Hyperconvergence into a
DataCenter: Preliminary Results. Advances in
Intelligent Systems and Computing. Springer,
Cham.https://link.springer.com/chapter/10.100
7/978-3-030-32022-5_6
Oleksiuk, V. P., Oleksiuk, O. R., & Spirin, O. (2021).
Estudio comparativo del soporte de la nube
académica: Apache CloudStack frente a
Proxmox VE. Actas del 2.º Simposio Myroslav
I. Zhaldak sobre avances en tecnología
educativa.
https://www.semanticscholar.org/paper/Comp
arative-Study-of-the-Support-of-Academic-
Clouds-Oleksiuk-
Oleksiuk/8a3cbf9e4706417d958342ace80d66
5090b72b4b
Proxmox. (2026). University of Dhaka chooses
Proxmox to keep 45,000 students online.
Proxmox. https://proxmox.com/en/
https://www.smartx.com/blog/2023/09/2023-
gartner-peer-insights-en/
Stanford IT Community. (2026, 26 de febrero).
Enterprise Technology Completes Successful
Virtual Infrastructure Migration from VMware
to Proxmox. IT Community Stanford.
https://itcommunity.stanford.edu/Agila, M. V.,
Vizueta, S. E., & Tello, G. E. (2018). La
elaboración de un plan de negocios como
alternativa para el desarrollo empresarial.
Revista Espacios, 39(50), 3-5. Obtenido de
https://www.revistaespacios.com/a18v39n50/a
18v39n50p01.pdf
Cristancho Triana, G. J., Ninco Hernández, F. A.,
Cancino Gómez, Y. A., Alfonso Orjuela, L. C.,
& Ochoa Daza, P. E. (2021). Aspectos clave del
plan de negocios para emprender en el contexto
colombiano. Suma de Negocios, 12(26), 41-51.
doi:https://doi.org/10.14349/sumneg/2021.v12
.n26.a5
Díaz Rodríguez, E. L. (2022). Plan de negocios de la
empresa Porkhato. [Tesis de grado,
Universidad de San Buenaventura]:
Repositorio Universidad de San Buenaventura.
Obtenido de
http://repositorio.unisabaneta.edu.co:8080/xml
ui/handle/123456789/546
DECLARACIÓN DE CONFLICTO DE INTERESES
Los autores declaran no tener conflictos de intereses.
DERECHOS DE AUTOR
Hernández Corona, J. L., Díaz Urbiña, L., & Torija Pérez, V. (2026)
Este es un artículo de acceso abierto distribuido bajo la licencia Creative Commons de Atribución No
Comercial 4.0, que permite su uso sin restricciones, su distribución y reproducción por cualquier
medio, siempre que no se haga con fines comerciales y el trabajo original sea fielmente citado.
El texto final, datos, expresiones, opiniones y apreciaciones contenidas en esta publicación es de
exclusiva responsabilidad de los autores y no necesariamente reflejan el pensamiento de la revista.