La detección de rupturas de tendencias es un problema fundamental que se materializa en muchas áreas de la ciencia aplicada, donde poder identificar correctamente y de manera oportuna las rupturas de tendencia en una señal ruidosa desempeña un papel central en el éxito de la aplicación. El algoritmo de iteraciones de Bregman linealizado es una de las metodologías que puede resolver dicho problema en tiempos de computación prácticos con un alto nivel de precisión y exactitud. En aplicaciones como la detección de fallas en fibras ópticas, la longitud del conjunto de datos a ser procesado por el algoritmo, sin embargo, puede hacer que el tiempo total de procesamiento sea impracticable, ya que hay un aumento cuadrático en este último con respecto a . Para superar este problema, la metodología de división de perfiles propuesta aquí permite que bloques de datos se procesen simultáneamente, con ganancias significativas en el tiempo de procesamiento y un rendimiento comparable. Un análisis exhaustivo de la eficiencia de la metodología propuesta estipula parámetros optimizados para unidades de hardware individuales que implementan la división de perfiles. Estos resultados allanan el camino para implementaciones de hardware de algoritmos de iteración de Bregman linealizados de alto rendimiento capaces de lidiar eficientemente con grandes conjuntos de datos.