feat: Update docker-compose configuration to use environment variables for sensitive data, enhance testing documentation with new LaTeX files for capacity planning, and refine README for clarity on compilation and testing processes.

2026-07-17 08:32:00 -05:00
parent e47ef4f8c6
commit dc3fcc2280
89 changed files with 5331 additions and 1210 deletions
@@ -0,0 +1,91 @@
+\chapter{Veredicto}
+\label{ch:veredicto}
+
+\section{La respuesta corta}
+\begin{center}
+\renewcommand{\arraystretch}{1.35}
+\begin{tabular}{@{}p{4.2cm}p{2.2cm}p{6.5cm}@{}}
+\toprule
+\textbf{Escenario} & \textbf{\textquestiondown 100k?} & \textbf{Por qu\'e} \\
+\midrule
+Host \textbf{actual} (compartido)
+  & \parcial\ / \fail
+  & Pipeline $\approx$ OCR $\sim$100--325/h.
+    Piso $\sim$100 $<$ 139 (no garantizado). \\
+Host \textbf{dedicado} + dimensionado, 24$\times$7
+  & \pass\ \emph{si}
+  & Estimado $\sim$400/h $>$ 139/h si OCR/agents/LLM OK. \\
+Misma infra, jornada 8\,h (570/h)
+  & \fail
+  & 400 $<$ 570: falta m\'as OCR, m\'as agents Selenium y cuota LLM. \\
+\bottomrule
+\end{tabular}
+\end{center}
+
+\callout{\large Resumen para decidir}{%
+\textbf{Hoy (host compartido): 100k/mes 24$\times$7 no est\'a garantizado}
+(pipeline $\approx$ cuello OCR; piso $\sim$100 $<$ 139).\\
+\textbf{Con host dedicado + OCR dimensionado: s\'i plausible a 24$\times$7.}\\
+\textbf{Jornada 8\,h: no} sin escalar m\'as.\\[0.35em]
+\footnotesize El pipeline \textbf{no} se midi\'o E2E a 100k. Ritmo = $\min$ de etapas medidas
+(cap.~\ref{ch:modelo}).
+}
+
+\begin{figure}[H]
+\centering
+\begin{tikzpicture}
+\begin{axis}[
+  xbar,
+  width=0.78\textwidth,
+  height=4.6cm,
+  xlabel={Facturas / hora que aguanta el pipeline},
+  symbolic y coords={dedicado,actual},
+  ytick=data,
+  yticklabels={\empty,\empty},
+  xmin=0, xmax=650,
+  enlarge y limits=0.45,
+  bar width=22pt,
+  bar shift=0pt,
+  grid=major,
+  major grid style={ipsgrey!25},
+  clip=false,
+]
+\addplot[fill=failred!75, draw=failred] coordinates {(100,actual)};
+\addplot[fill=passgreen!75, draw=passgreen] coordinates {(400,dedicado)};
+\node[anchor=east, font=\small\bfseries, align=right]
+  at (axis cs:-5,actual) {Host actual\\(hoy)};
+\node[anchor=east, font=\small\bfseries, align=right]
+  at (axis cs:-5,dedicado) {Host dedicado\\(estimado)};
+\node[anchor=west, font=\normalsize\bfseries] at (axis cs:110,actual) {$\sim$100};
+\node[anchor=west, font=\normalsize\bfseries] at (axis cs:410,dedicado) {$\sim$400};
+\draw[ipsblue, ultra thick, dashed]
+  (axis cs:139,actual) -- (axis cs:139,dedicado);
+\node[font=\scriptsize\bfseries, text=ipsblue, anchor=south, align=center]
+  at (axis cs:139,dedicado) {meta 139};
+\draw[warnorange, ultra thick, dashed]
+  (axis cs:570,actual) -- (axis cs:570,dedicado);
+\node[font=\scriptsize\bfseries, text=warnorange, anchor=south, align=center]
+  at (axis cs:570,dedicado) {meta 570};
+\end{axis}
+\end{tikzpicture}
+\caption{Barras = capacidad. L\'ineas = metas. Rojo no llega a 139; verde llega a 139 pero no a 570.}
+\label{fig:veredicto-brecha}
+\end{figure}
+
+\section{Si hoy no est\'a garantizado: qu\'e hace falta}
+\begin{enumerate}
+  \item \textbf{Host dedicado} (sin MLflow/Airflow/n8n); RAM $\geq$16--32\,GiB.
+  \item \textbf{OCR con margen} hasta sostener $\geq$139 fact/h bajo carga real.
+  \item \textbf{LLM async} (\texttt{ASYNC\_QUEUE=true}, 1--2 workers; ya $\approx$506/h medidos).
+  \item \textbf{Agent Selenium:} 1 PC basta para 139/h; $N$ PCs para 570/h.
+  \item \textbf{Presupuesto LLM} $\approx$ USD\,2\,570/mes si pasan 100k a extracci\'on.
+  \item \textbf{Validar E2E} de cientos de PDFs punta a punta (a\'un pendiente).
+\end{enumerate}
+
+\section{Por meta operativa}
+\begin{description}
+  \item[100k/mes en 24$\times$7 ($\geq$139 fact/h)]
+    Plausible en host dedicado. En compartido depende de que el OCR no se quede en el piso $\sim$100.
+  \item[100k/mes en jornada 8\,h ($\geq$570 fact/h)]
+    No con el estimado dedicado ($\sim$400). Escalar OCR, agents Selenium y LLM, y re-medir.
+\end{description}