Estado del arte en la condición de redes de alcantarillado y su posible rehabilitación

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Universidad de los Andes
Departamento de Ingeniería Civil y Ambiental
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA
Estado del Arte en la Determinación de la Condición de Redes de
Alcantarillado y su necesidad o no de ser Sometidas a Renovación o
Rehabilitación

Leonardo Robalino

Tesis de Maestría

TESIS DE MAESTRÍA EN INGENIERÍA CIVIL

Estado del Arte en la Determinación de la Condición de Redes de

Alcantarillado y su Necesidad o no de ser Sometidas a Renovación o

Rehabilitación

Leonardo Aníbal Robalino Cepeda

Director: Profesor Juan G. Saldarriaga Valderrama

UNIVERSIDAD DE LOS ANDES

FACULTAD DE INGENIERÍA

DEPARTAMENTO DE INGENIERÍA CIVIL Y AMBIENTAL

MAESTRÍA EN INGENIERÍA CIVIL

BOGOTÁ D.C.

2015

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

AGRADECIMIENTOS

“Si el Presente es de Lucha, el Futuro es Nuestro”

“Tomorrow Should be Ours”

A mi familia, tanto a mis hermanas Evelin Paulina y María Gloria, como a mis padres
Gustavo y Gloria por apoyarme y motivarme para cumplir mis objetivos. Por
permanecer juntos en los duros momentos que hemos vivido como familia.

A mi novia Andrea Fernanda Mendoza, por creer tanto en mí, más de lo que lo hago yo.
Por convencerme de que puedo lograr mis metas. Por su amor incondicional en especial
en estos dos últimos años que hemos vivido en distintas ciudades. Sin ti no estaría en
este momento culminando mis estudios.

A mi director Juan Saldarriaga, por introducirme en este tema, con el cual he disfrutado
realizando esta investigación y planeo continuar haciéndolo en el campo laboral.
Gracias por sus valiosos consejos y direccionamiento no solo en este trabajo, también
en las materias que he sido su alumno.

Al gobierno ecuatoriano, por la decisión política de invertir en educación
permitiéndonos que miles de ecuatorianos podamos especializarnos fuera del país y al
retornar podamos colaborar desde nuestra área

Al Acueducto de Bogotá, en especial al Departamento de Ingeniería Especializada
encabezado por el Ing. Daniel Rodríguez, por su disposición incondicional de colaborar
con el presente trabajo y valiosos aportes para complementar el mismo.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

iii

TABLA DE CONTENIDOS

TABLA CONTENIDOS………………………………………………………………………………………………………iii

ÍNDICE DE FIGURAS……………………………………………………………………………………………………. v

ÍNDICE DE TABLAS……………………………………………………………………………………………………... vii

INTRODUCCIÓN Y OBJETIVOS……………………………………………...……………………... 1

1.1 Introducción…………………………………………………………………….…………………………........... 1
1.2 Objetivos…………………………………………………………………………………………………..….......... 3

1.2.1

Objetivo General………………………………………………………………………………........ 3

1.2.2

Objetivos Específicos……………………………………………………………………………... 3

2. MARCO TEÓRICO……………………………………………………………………………..…….……. 3

2.1 Deterioro En Tuberías de Alcantarillado………………………………..………..…………………... 3

2.1.1

Necesidad de Renovación / Rehabilitación……………………………………………… 3

2.1.2

Problemas Comunes Causantes del Deterioro…………………………………………. 4

3. MÉTODOS PARA DETERMINAR EL ESTADO EN REDES DE

ALCANTARILLADO………………………………………………………………...……………………. 8

3.1 Inspecciones en Sitio………………………………………...……………………………………..…............ 10

3.1.1

CCTV y Tecnologías Similares……………………...……………………………………….... 10

3.1.2

Nuevas Tecnologías…………………………..…………………………………………………... 14

3.1.2.1

Clasificación…………………………………………………………..………….……... 14

3.1.2.2

Ultrasónicas…………………………………………………..……………………........ 15

3.2 Índices……………………………………………………...……………………………………….……………… 17

3.2.1

Hidráulicos…….…………………………………….…………………………….………...………. 17

3.2.2

Rendimiento………………………………………………….……………………………………… 24

3.2.2.1

Índices con Modelos Difusos…………………...…………………..……………. 24

3.2.2.2

Índice de Desempeño Robusto……………….……………..…………………... 28

3.3 Análisis de Daños y Riesgo…...…………………...……………………………………..…………..…….. 31

3.3.1

Evaluación Daños………………………………..………………………………………………… 31

3.3.2

Enfoque basado en Riesgo………..…………………………………………………………… 34

3.4 Modelos Predictivos para determinar el estado futuro………………….................…………. 39

3.4.1

Estadísticos con Fundamentos de Markov……………………………………………… 39

3.4.1.1

Dirksen………………………………………………………...…….……………………. 39

3.4.1.2

Baik…………………………………………………………..…………………………….. 42

3.4.1.3

Ugarelli………………………………………………..…………………………………... 45

3.4.2

Estadísticos con Regresiones………………………………………………………………….. 49

3.4.3

Árboles de Decisión……………………………………….………………….……………..……. 53

3.4.3.1

Priorización para rehabilitación……………………………………………….. 53

3.4.3.2

Priorización para inspección………………………...…………………………... 58

3.4.4

Supervivencia de Tuberías……………………………………………………………...…...... 62

3.5 Inteligencia Artificial…………………………………………………………………………………………. 66

3.5.1

Vectores Soporte (Support Vector Machines)………………………………………… 66

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

3.5.2

Redes Neuronales…………………………………………………………………..…………….. 71

3.5.2.1

Predictivas…………..…………………………………………………………………… 71

3.5.2.2

Detección automática de defectos……………………………………………... 75

3.6 Análisis de Toma Directa de Decisiones………………………………………………………............ 83

3.6.1

Situación de Emergencia ....……………………………………………………………………. 83

3.6.2

Análisis Proactivo………………………………………………...…………………………..….. 85

3.6.3

Influencia de Decisiones Políticas…………………………..………………………………. 87

4. CASO DE ESTUDIO: ACUEDUCTO DE BOGOTÁ…………………...……...………………. 95

4.1 Sistema de Información para la Gestión del Alcantarillado (SIGA)………….…………….. 95

4.1.1

Sistema de Información para el mantenimiento del alcantarillado
(SIMA)………………………………………………………………………………………….............. 96

4.1.2

Sistema de Información para la Rehabilitación del Alcantarillado
(SIRA)…………………………………………………………………………………………………... 97

4.1.3

Sistema de Información para la Planificación del Alcantarillado
(SIPA)…………………………………………………………………………………………………… 98

4.2 Metodologías factibles para el Acueducto de Bogotá……………………………………………. 99

4.2.1

Metodología Para un Manejo Proactivo (SAM)…………………………..……………. 99

4.2.2

Árboles de Decisión……………………………………………………………………..………… 100

4.2.3

Índices de Desempeño……………………...…………………………………………………… 101

4.2.3.1

Índice de Sobre-carga……………………………………...……………………….. 101

4.2.3.2

Índice de desempeño Global………………………………………….………….. 103

4.2.4

Inteligencia Artificial……………………………………………………………………………... 103

5. CONCLUSIONES Y TRABAJO FUTURO………………………..…...……….…………………105

5.1 Conclusiones…………………………………………………………………..………………………………….. 105
5.2 Trabajo Futuro………………….…………………………..……………………………………………………. 110

6. REFERENCIAS…………………………………..……………………………………………………....111

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

ÍNDICE DE FIGURAS

Figura  3.1-1. Resultados de Electro-Scanning. Fuente: Ariamalar, Selvakumar (2012)………………  12
Figura  3.1-2. Proceso de transformación de la imagen de inspección. Fuente: Ariamalar, Selvakumar
(2012)………………………………………………………………………………………………………………………………………..  15
Figura 3.1-3. Esquema del ensayo de laboratorio. Fuente: Iyer (2012)………………………………………. 16
Figura  3.1-4.  Representaciones  del  cambio  de  amplitud  en  una  placa  con  orificio.  Fuente:  Iyer
(2012)………………………………………………………………………………………………………………………………………..  17
Figura 3.2-1. Esquema de una sección de tubería. Fuente: Bennis (2003)………………………………….  18
Figura 3.2-2. Cuenca seleccionada, Laval Canadá Fuente: Bennis (2003)……………………………………  21
Figura 3.2-3. (a) Estructural. (b) Hidráulico. (c) Total.  Adaptación Bennis, Tagherouit (2011)……  25
Figura 3.2.-4. Cuenca analizada en Laval. Fuente: Bennis, Tagherouit (2011)…………………………….  27
Figura 3.2-5. Esquema del funcionamiento del modelo. Fuente: Angkasuwansiri (2014)……………  29
Figura 3.2-6. Índice de desempeño calculado por modelo difuso. Fuente: Angkasuwansiri (2014)…
………………………………………………………………………………………………………………………………………………….  30
Figura 3.2-7. Clasificación de tuberías vía CCTV (PACP). Fuente: Angkasuwansiri (2014)……………  30
Figura 3.3-1. Análisis segmentos de tubería. Fuente: Hoffman (2014)……………………………………….  31
Figura 3.3-2. Consecuencia de falla de tubería. Fuente: Hoffman (2014)……………………………………  32
Figura 3.3-3. Cálculo de nBCR en distintas secciones de tuberías. Fuente: Hoffman (2014)……….  33
Figura 3.3-4. Área de los proyectos establecidos. Fuente: Hoffman (2014)……………………………….. 34
Figura 3.3-5 Representación de Riesgo. Fuente: Baah (2014)…………………………………………………….  36
Figura 3.4-1 Transición de Estados. Fuente: Dirksen (2008)……………………………………………………….  39
Figura 3.4-2. Distribución del estado de las tuberías para un período de 50 años. Fuente: Dirksen
(2008)……………………………………………………………………………………………………………………………………….. 42
Figura 3.4-3. Probabilidades de transición de estados. Fuente: Baik (2006)………………………………. 44
Figura 3.4-4. Resultados de la modelación de deterioro. Fuente: Ugarelli (2013)………………………. 48
Figura 3.4-5. Simulación de la evolución de la condición de la red. Fuente: Ugarelli (2013)……….. 48
Figura 3.4-6. Simulación del plan de rehabilitación A1. Fuente: Ugarelli (2013)…………………………. 49
Figura 3.4-7 (a), (b): Curvas de Deterioro y (c) de Operación. Fuente: Fazal (2007)……………………. 52
Figura 3.4-8. Representación Gráfica modelo árbol de decisión. Fuente: Syachrani (2013)……….. 55
Figura 3.4-9. Resultados modelo árbol de decisión. Fuente: Syachrani (2013)…………………………… 56
Figura 3.4-10. Representación de ASE para los tres modelos. Fuente: Syachrani (2013)……………. 58
Figura 3.4-11. Resultados Árbol de Decisión. Fuente: Harvey (2015)…………………………………………. 60
Figura 3.4-12a. Simulación para un estado 1 o peor, para tres casos. Fuente: Duchesne (2012)… 65
Figura  3.4-12b.  Simulación  para  un  estado 2-3  o  peor,  para  tres  casos.  Fuente:  Duchesne  (2012)
………………………………………………………………………………………………………………………………………………….. 65
Figura  3.4-13.  Representación  gráfica  de  1000  repeticiones  para  500  observaciones.  Fuente:
Duchesne (2012)……………………………………………………………………………………………………………………….. 66
Figura 3.5-1. Localización del Estudio. Fuente Sousa (2014)………………………………………………………  73
Figura 3.5-2. Fuente: Chae (2001)……………………………………………………………………………………………… 76
Figura 3.5-3  Fuente: Chae (2001)………………………………………………………………………………………………  77
Figura 3.5-4  Fuente: Chae (2001)……………………………………………………………………………………………… 78
Figura 3.5-5  Fuente: Chae (2001)………………………………………………………………………………………………. 79
Figura 3.5-6  Fuente: Chae (2001)………………………………………………………………………………………………  79

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Figura 3.5-7  Fuente: Chae (2001)………………………………………………………………………………………………. 80
Figura 3.5-8  Fuente: Chae (2001)………………………………………………………………………………………………. 81
Figura 3.5-9  Fuente: Chae (2001)………………………………………………………………………………………………. 81
Figura 3.6-1 Análisis Espacial. Fuente: Williamson (2014)………………………………………………………….. 85
Figura 3.6-2 Niveles para llegar a un manejo Pro-Activo. Fuente: Le Gauffre (2014)………………….. 86
Figura 3.6-3. Fuentes para Rehabilitación. Fuente: van Riel (2015)……………………………………………. 90
Figura 3.6-4 Distribución de las Fuentes. Fuente: van Riel (2015)………………………………………………  91
Figura 3.6-5 Red con las distintas combinaciones encontradas. Fuente: van Riel (2015)……………. 92
Figura  4-1  Herramientas  utilizadas  en  la  ciudad  de  Bogotá.  Fuente:  Acueducto  de  Bogotá,
Departamento de Ingeniería Especializada………………………………………………………………………………… 96
Figura  4-2  Herramienta  SIMA.  Fuente:  Acueducto  de  Bogotá,  Departamento  de  Ingeniería
Especializada……………………………………………………………………………………………………………………………… 97
Figura  4-3  Herramienta  SIRA.  Fuente:  Acueducto  de  Bogotá,  Departamento  de  Ingeniería
Especializada……………………………………………………………………………………………………………………………..  98
Figura 4-4. Niveles de Profundización. Fuente: Le Gauffre (2014)……………………………………………… 100
Figura 4-5 Ubicación de la Red. Fuente: Bennis (2003)………………………………………………………………. 102

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

vii

ÍNDICE DE TABLAS

Tabla 3a Resumen General………………………………………………………………………………………………………… 8
Tabla 3b Resumen General………………………………………………………………………………………………………..  9
Tabla 3.1-1. Evaluación de las inspecciones……………………………………………………………………………….  14
Tabla 3.2-2. Información hidráulica de la cuenca seleccionada. Fuente: Bennis (2003)………………  22
Tabla 3.2-3. Resultados cálculo de índices. Fuente: Bennis (2003)…………………………………………….. 23
Tabla 3.2-4. Resultados con aumento de diámetro de la tubería 16. Fuente: Bennis (2003)………. 23
Tabla 3.2-5. Condición Interna (IC). Fuente: Bennis, Tagherouit (2011)……………………………………... 26
Tabla 3.2-6. Resultados del modelo difuso. Fuente: Bennis, Tagherouit (2011)…………………………..27
Tabla 3.3-1. Rango de clasificación. Fuente: Hoffman (2014)……………………………………………………… 31
Tabla 3.3-2. Características relevantes de la tubería. Fuente: Baah (2014)…………………………………. 36
Tabla 3.3-3. Niveles de Impacto. Fuente: Baah (2014)……………………………………………………………….. 37
Tabla 3.3-4. Matriz de Riesgo. Fuente: Baah (2014)…………………………………………………………………….37
Tabla 3.3-5. Características en ArcGIS. Fuente: Baah (2014)………………………………………………………. 38
Tabla 3.4-1 Criterios de Evaluación. Fuente: Dirksen (2008)………………………………………………………. 40
Tabla 3.4-2. Criterios Clasificación Ciudad San Diego. Fuente: Baik (2006)…………………………………. 43
Tabla 3.4-3. Parámetros utilizados en la modelación. Fuente: Baik (2006)…………………………………. 45
Tabla 3.4-4. Ejemplo para selección de inspección. Fuente: Baik (2006)…………………………………….. 45
Tabla 3.4-5. Agrupación de Tuberías. Fuente: Ugarelli (2013)……………………………………………………. 47
Tabla 3.4-6 Características de las tuberías usadas en modelos. Fuente: Fazal (2007)…………………. 50
Tabla 3.4-7 Variables para el desarrollo del modelo. Fuente: Syachrani (2013)………………………….. 54
Tabla 3.4-8. Características y densidad de cada grupo (Cluster). Fuente: Syachrani (2013)………… 54
Tabla 3.4-9. Clasificación según el tipo de material (Fuente: Syachrani, 2013)…………………………… 55
Tabla 3.4-10. Comparación de modelos mediante ASE. Fuente: Syachrani (2013)……………………… 57
Tabla 3.4-11 Tasa de Desempeño y de Falsos Negativos. Fuente: Harvey (2015)……………………….. 61
Tabla  3.4-12.  Agrupación  en  Cohortes  de  las  tuberías  inspeccionadas.  Fuente:  Duchesne
(2012)………………………………………………………………………………………………………………………………………..  64
Tabla 3.4-13. Resultados de los 5 casos presentados en resultados. Fuente: Duchesne (2012)….. 65
Tabla 3.4-14. Resultados de la raíz del error cuadrático medio. Fuente: Duchesne (2012)…………. 66
Tabla 3.5-1 Distribución tuberías según material y su condición. Fuente: Mashford (2011)……….. 68
Tabla 3.5-2. Características de las tuberías usadas para el modelo. Fuente: Mashford (2011)……  69
Tabla 3.5-3 Resultados del Modelo. Fuente: Mashford (2011)…………………………………………………… 70
Tabla 3.5-4 Resultados del Modelo. Fuente: Mashford (2011)…………………………………………………… 70
Tabla 3.5-5 Clasificación de Modelos. Fuente Sousa (2014)……………………………………………………….. 72
Tabla 3.5-6 Atributos de las tuberías. Fuente Sousa (2014)……………………………………………………….. 74
Tablas 3.5-7 (a), (b) y (c) Resultados del Modelo, Porcentajes de Acierto. Fuente Sousa (2014)… 75
Tabla 3.5-8  Fuente: Chae (2001)……………………………………………………………………………………………….. 82
Tabla 3.6-1. Municipalidades Holandesas. Fuente: van Riel (2015)…………………………………………….  89

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

1 INTRODUCCIÓN Y OBJETIVOS

1.1 Introducción

Contar con un sistema de alcantarillado es uno de los indicadores básicos para calificar el nivel de
vida para una sociedad así como uno de los servicios elementales que una ciudad debe brindar a sus
ciudadanos.  La  ausencia  de  un  sistema  de  alcantarillado  está  directamente  relacionado  con
enfermedades y problemas sanitarios; por tales motivos contar hoy en día con este servicio es algo
que  está  implícito  por  defecto,  especialmente  en  poblaciones  de  primer  mundo  y  en  vías  de
desarrollo como la nuestra. La concepción de una red de alcantarillado ha ido evolucionando con
los  años,  ha  pasado  de  ser  un  sistema  poco  eficiente,  que  pretendía  evacuar  aguas  residuales y
pluviales de manera rápida, a ser un sistema eficiente e integrado. Esta concepción integrada ahora
toma en cuenta  factores  ambientales  como es  el cuerpo receptor y la optimización de  la red ya
construida.  Ahora  se  piensa  en  conjunto  con  todos  los  actores  que  conforman  una  red  de
alcantarillado  y  es  aquí  donde  se  concentra  la  investigación  del  presente  trabajo.  Debido  a
reglamentaciones  ambientales  cada  vez  más  rigurosas  que  pesan  sobre  el  sistema  integrado  de
drenaje urbano a nivel mundial es fundamental tener métodos precisos para  determinar el estado
de la red y así poder adaptar, modernizar y mejorarla.

Por efectos de visibilidad de la red, la rehabilitación de un sistema de alcantarillado es generalmente
aplazada hasta que ocurre una gran falla, lo que resulta en una rehabilitación de mayor dificultad y
costo. Lamentablemente en ciudades latinoamericanas como Quito y Bogotá, este tipo de fallas son
comunes y la predisposición que se toma es la de "arreglan cuando fallan y si es que fallan" (Baik,
2009).  Pero  este  problema  no  se  presenta  por  simple  negligencia;  la  rehabilitación  de  redes  de
alcantarillado es un verdadero reto. Primero, porque la mayor parte de la rehabilitación se la debe
llevar acabo en zonas densamente pobladas, lo que implica suspensión del servicio, excavaciones,
interrupción del tránsito vehicular y peatonal entre otras. Segundo como se mencionó inicialmente,
estas rehabilitaciones se las realiza cuando una gran falla se presenta, lo que representa un mayor
grado  de  dificultad  así  como  mayor  tiempo  invertido  en  el  arreglo.  Es  más  muchos  autores  (R.
Wirahadikusumah, Baik) mencionan que este tipo de reparaciones resultan ser de dos a diez veces
más  costosas  que  si  se  las  hubiera  realizado  de  forma  planificada,  además  de  ocasionar  daños
ambientales y publicidad adversa a la empresa de alcantarillado a cargo.

Pero dichas dificultades no son exclusivas de nuestro medio, ya que en Estados Unidos, según un
informe anual que realiza la ASCE, donde evalúa las distintas áreas de ingeniería en territorio
americano, en cuanto a infraestructura de alcantarillados esta obtuvo una calificación “D” que
corresponde a mala. Lamentablemente con el pasar de los años esta ha ido empeorando, puesto
que en 1988 tenía calificación “C”. Dicho informe incluye información preocupante, como el hecho

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

que 900 billones de galones de agua sin tratar son vertidos en el país debido al estado de la
infraestructura de los sistemas de alcantarillado (A. Selvakumar, et al., 2013). Con ello se puede
comprender la importancia de determinar el estado de las redes de alcantarillado, ya que conocer
su estado brinda información clave, para estimar el tiempo de vida útil restante de las redes, así
como para realizar una evaluación a largo plazo de la red y su desempeño bajo nuevas formas de
diseño urbano.

Los  municipios  alrededor  del  mundo  tienen  un  gran  reto;  el  manejar  redes  de  alcantarillado  de
rápido  envejecimiento  con  exponenciales  incrementos  de  demanda,  bajos  presupuestos  y
regulaciones ambientales cada vez más estrictas (Egger  C, et al., 2013).  Para alcanzar el nivel de
eficiencia  deseado  de  este  servicio,  es  indispensable  contar  con  información  precisa  para  su
constante monitoreo, lo cual permitiría saber  el estado exacto  de las tuberías que conforman la
red, realizar planes de renovación preventivos y mantener un inventario de tuberías (Halfawy R, et
al., 2013).

Por  ello  el  concepto  introducido  por  Baik  (2009)  de  un  sistema  de  gestión  de  aguas  residuales
proactivo es de suma importancia, el cual plantea que es necesario un conocimiento del desempeño
presente  y  futuro  de  la  red,  tanto  de  sus  condiciones  hidráulicas,  estructurales  y  ambientales.
Además de la utilización de herramientas computacionales adecuadas que contribuyan a la toma de
decisiones para inspecciones así como la óptima asignación de recursos y ubicación de los proyectos
de rehabilitación más necesarios.  El presente trabajo hará énfasis en este último; la determinación
del estado de las redes no solo consiste en inspecciones, ya que estas únicamente dan una imagen
instantánea  de  las  condiciones  de  la  tubería.  Por  lo  tanto  se  exploraran  las  distintas  formas
(modelos, índices) que acompañadas de inspecciones en sitio permiten una predicción del estado
futuro  de  la  red,  para  lo  cual  es  indispensable  conocer  las  condiciones  pasadas  a  la  red,  con
inspecciones mediante circuitos cerrados de televisión (CCTV). Con esta información las empresas
de alcantarillado podrán orientarse según sus distintas necesidades y las particularidades de cada
ciudad  y  así  escoger  la  mejor  opción  para  determinar  el  estado  de  sus  redes.  También  podrán
preparar  un  plan  de  mantenimiento  y  operación  preventivo,  trazar  inspecciones  efectivas,  y
detectar las zonas más sensibles y en necesidad de mantenimiento presentes en la red.

El trabajo de tesis consta de cinco secciones; en la primera se expondrá la necesidad de determinar
el  estado  de  las  redes  de  alcantarillado  así  como  la  realidad  y  desafíos  que  existen  para
determinarlos.  La  segunda  parte  es  un  marco teórico,  donde  se  explicará  las distintas  causas  de
deterioro  de  la  red  y  sus  efectos  a  nivel  local  y  global.  La  tercera  parte  explora  métodos  para
determinar  el  estado  de  una  red,  los  cuales  se  subdividen  en  seis  grupos  de  acuerdo  con  sus
características y alcances. En la cuarta sección se pretende explorar la manera en que actualmente
la ciudad de Bogotá determina el estado de su red de alcantarillado, con el fin de recomendar uno
de los métodos investigados que mejor se ajuste a la realidad que vive la ciudad con sus múltiples
limitaciones  Finalmente  se  presenta  una  conclusión  que  pretende  evaluar  las  bondades  y

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

limitaciones de los métodos para determinar el estado de la red, además del trabajo futuro que
podría realizarse en otras investigaciones.

1.2 Objetivos

1.2.1. Objetivo General

Explorar en la literatura los distintos métodos utilizados para determinar el estado de las redes de
alcantarillado urbano, mediante los cuales se puedan predecir: vida útil restante y desempeño
estructural en el futuro. Lo anterior con el objetivo de facilitar a las entidades especializadas en la
toma de decisiones en cuanto a planes óptimos de rehabilitación o renovación de tuberías, así como
la priorización de inspecciones.

1.2.2 Objetivos Específicos



Identificar en la literatura propuestas nuevas e innovadores para conocer el estado de las
redes.



Identificar experiencias documentadas en la literatura de otras ciudades en cuanto a
métodos de realizar inspecciones a sus redes de alcantarillado.



Identificar nuevas tecnologías para la inspección de alcantarillados y en su posibilidad el
alcance y desempeño que tuvo al ser aplicado a una ciudad.



Encontrar métodos o modelos para la automatización de la información encontrada en las
inspecciones, al tratarse de ciudades grandes con miles de kilómetros de redes.



Identificar la información de entrada y demás, que requieren modelos predictivos del
estado de redes de alcantarillado.



Encontrar patrones o características similares que compartan tanto modelos como índices
predictivos de redes.



Determinar las limitaciones y alcance de los modelos predictivos encontrados.



Determinar las limitaciones e incertidumbre al realizar inspecciones a tiempo real.



De los métodos investigados seleccionar los más apropiados que se ajusten a la realidad de
ciudades como Quito y Bogotá.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

2 MARCO TEÓRICO

2.1 Deterioro en tuberías de alcantarillado

2.1.1. Necesidad de Rehabilitación o Renovación

La necesidad de rehabilitación nace de los constantes cambios y expansiones que experimenta una
ciudad, donde el centro de ella, generalmente la zona más antigua, cuenta así mismo con tuberías
de drenaje muy deterioradas, por el paso se los años. Estas tuberías a su vez han sido acopladas o
añadidas a otras zonas relativamente nuevas de la ciudad, como es el caso típico de Quito y Bogotá.
Hoy en día algunas zonas de este sistema antiguo pueden estar sub-dimensionadas y las cargas de
tráfico han cambiado exponencialmente siendo mayores a las consideradas inicialmente en el
diseño, si es que lo hubo (Butler, 2004).

Adicionalmente el material con el que fueron construidas las tuberías así como su instalación pudo
ser de baja calidad, dadas las limitaciones de la época. Si bien es cierto, en muchas zonas antiguas
continúan  en  funcionamiento  a  pesar  de  la  falta  de  mantenimiento,  esto  solo  quiere  decir  que
eventualmente  ocurrirá  una  gran  falla  estructural  y  sus  consecuencias  serán  graves  y  seguirán
incrementándose a medida que el tiempo transcurra sin rehabilitación o renovación (Butler, 2004).

Además de las consecuencias mencionadas en la ciudad, la falta de mantenimiento genera serios
problemas en las plantas de tratamiento de aguas residuales. Cuando los sistemas de drenaje se
deterioran, aguas de infiltración pueden ingresar al sistema, ocasionando primero una reducción en
la capacidad del sistema así como en la planta, lo que a su vez genera un incremento en la carga
hidráulica produciendo mayores costos de capital tanto en la operación como mantenimiento (R.
Wirahadikusumah, et al., 1998).

2.1.2. Problemas comunes que causan deterioro en tuberías

Las tuberías de alcantarillado están sujetas a una serie de factores que causan su deterioro,
disminuyendo su vida útil y desempeño, de los cuales se destacan:

BLOQUEOS:

Se los puede definir como parciales o totales, comúnmente se encuentran en tuberías de diámetros
pequeños. Dichos bloques están asociados a defectos del sistema (juntas separadas, cambios
severos en la dirección). Los efectos del bloqueo van desde pérdida de capacidad hasta interrupción
completa.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Ilustración 1: Fuente Wu (2013)

Ilustración 2. Fuente Halfawy R, et al., (2013)

SEDIMENTACIÓN:

Se presenta cuando partículas se asientan en el fondo de la tubería, generando depósitos de estos.
Normalmente se presenta en tuberías largas y anchas, puede ocasionar pérdidas de capacidad.

Ilustración 3. Fuente: Mashford (2011)

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

GRASA:

Es causada en establecimientos de comida, mas no en sectores domésticos, ocurre generalmente
con lavadores de platos que trabajan a altas temperaturas que remueven la grasa, pero al ser
arrojadas al sistema y enfriarse estas aguas abajo se solidifican, causando pérdidas de capacidad
hidráulica.

INTRUSIÓN DE RAÍCES:

Los alcantarillados son susceptibles a la intrusión de raíces de árboles, que buscan condiciones
húmedas. Las raíces en si son una molestia, causan que el flujo se retarde e inician futuros bloqueos
con sólidos más grandes, además por las aberturas que generan para introducirse generan
problemas de infiltración o ex-filtración.

Ilustración 4. Fuente: Ariamalar, Selvakumar (2012)

INTROMISIONES LATERALES:

Son comúnmente resultado de instalaciones o construcciones de pobre calidad, dicho problema
reduce la sección transversal de la tubería, causando los mismos problemas antes mencionados en
la intrusión de raíces (Butler, 2004).

Ilustración 5. Fuente: Ariamalar, Selvakumar (2012)

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Como consecuencia de los problemas antes mencionados, la presencia de uno o la combinación de
ellos puede desembocar en problemas graves como:



Colapso



Inundaciones de calles y propiedades (En especial es sistemas combinados)



Incremento en la contaminación de los cursos de agua



Altos niveles de infiltración

Los defectos antes mencionados, son considerados como síntomas para una inmediata
rehabilitación o renovación, claro está además de fenómenos naturales extremos o cambios en el
uso de suelo que generen sobrecarga en las tuberías. Por ello la importancia de la determinación
del estado de las redes, para así lograr desarrollar un planeamiento de renovación optimizado, sin
esperar grandes fallas que alertan dicha necesidad.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

MÉTODOS PARA DETERMINAR EL ESTADO DE LAS REDES DE
ALCANTARILLADO

TABLA 3a RESUMEN GENERAL

Resumen de los métodos parar la determinación de estado (Elaboración Propia).

Métodos para Determinar

el Estado

Tipo

Artículo

Autor

Descripción

Detalles

CCTV

Demonstration and
Evaluation of State-of-the-Art
Wastewater Collection
Systems Condition
Assessment Technologies

Ariamalar

Selvakumar /

ASCE

Aplicación de las tecnologías existentes
para determinar el estado de las redes en
la ciudad de Kansas, Missouri

Se compara el uso de : CCTV, Zoom
Cámara, Electro-Scanning, Digital
Scanning, Laser Scanning y Sonar Scanning

Classification of defects with

ensemble methods in the

automated visual inspection

of sewer pipes

Wei Wu, Zheng

Liu

Uso de Tecnología SSET, la cual brinda

mayor calidad de imagen y con ello

abstraer mayor información

Trata acerca de una nueva manera de

abstraer información valiosa(tipo de

defecto), sin la subjetividad de CCTV.

Convierte las imágenes a escala de grises

Propone el desarrollo de una clasificación

automatizada de tuberías de concreto a

través de inspecciones ultrsónicas

Un genenerador produce un pulso que se
transmite como ola acústica en el agua. Si

encuentra una diferencia en la amplitud,

la clasifica automáticamnete,

dependiendo del defecto.

Inspecciones

En Sitio

Nuevas

Tecnologías

Evaluation of ultrasonic

inspection and imaging

systems for concrete pipes

Shivprakash Iyer

/ The

Pennsylvania

State, University

Hidráulicos

Hydraulic Performance Index

of a Sewer Network

Saad Bennis

Índice del desempeño hidráulico

relacionado a la posibilidad de

sobrecarga de la tubería

Con el índice se busca identificar zonas

vulnerables que pueden requerir

rehabilitación. Es capaz de identificar si la

sobrecarga es acausa de la tubería

seleccionada o causada aguas abajo

A Fuzzy Expert System for

Prioritizing Rehabilitation of

Sewer Networks

Saad Bennis,

Wided Ben
Tagherouit

Índice que toma en cuenta el

desempeño hidráulico y estructural.

El índice estructural es calculado a través

de un sistema difuso. El mismo que toma

en consideración el estado interno de la

tubería, condición alrededor y

vulneravilidad del sitio. Con lo que al final

se desarrolla un índice global de

desempeño para cada tubería

Development of a Robust

Wastewater Pipe

Performance Index

Angkasuwansiri /

Virginia Tech

Índice de desempeño global para el cual

primero se encuentra un índice

estructural y de funcionamiento.

Como dato de partida utiliza inspecciones

de CCTV e información básica de las

tuberías. Luego desarrolla un modelo

difuso para encontrar los índices.

Evaluación de

Daños

Portland’s Sewer

Rehabilitation Program

Development &

Implementation

Joe Hoffman

Con inspecciones de CCTV se calcula un
rating para las tuberías. Las mismas que
posteriormente son ubicadas en GIS y a

través de un proceso de decisión que

incluye análisis de daños se detrmina que

acción de rehabilitación se debe llevar a

cabo

Las tuberías son separadas en tramos. Los

mismos que son ubicados en GIS y de

acuerdo a una evaluación (consecuencia

de falla) se determina que tramos

necesitan rehabilitación con mayor

prioridad

Enfoque

Basado en

Riesgo

A risk-based approach to

sanitary sewer pipe asset

management

Kelly Baah /

Guelph Canada

Mediante una valorazión del riesgo,

priorizar futuras inspecciones, de manera

que optimice los costos de un posible

impacto negativo ya sea ambiental u otro

Mediante la probabilidad y consecuencia

de falla se pretende realizar planes de

prirización de inspecciones y de

rehabilitación

Análisis de Daños

Representaciones
Georeferenciadas

Índices

Rendimiento

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

TABLA 3b –RESUMEN GENERAL

Resumen de los métodos parar la determinación de estado (Elaboración Propia).

Probabilistic modeling of

sewer deterioration using

inspection data

J. Dirksen / Delf
University,
Holanda

A partir de inspecciones de CCTV se

realizó un modelo de deterioro de

tuberías, utilizando fundamentos de

Markov

Puesta en marcha o validado en una

ciudad Holandesa

Estimating Transition

Probabilities in Markov Chain-

Based Deterioration Models

for Management of

Wastewater Systems

Hyeon-Shik Baik
/ San Diego, USA

Modelo "Probit": Desarrollado para

estimar las probabilidades de transición

de estado en una cadena de Markov,

para un sistema de alcantarillado

El modelo fue aplicado y evaluado

utilizando los datos de estado de las

tuberías de la ciudad de San Diego.

Dicho modelo únicamente es útil para

predecir si la tubería se encuentra o no en

un estado deficiente

Wastewater pipes in Oslo:
from condition monitoring to
rehabilitation planning

R. M. Ugarelli /
Oslo

Modelo de Deterioro estadístico, basado

en cadenas de Markov

Para dicho modelo se desarrolló el

programa GompitZ. El principal dato de

entrada es el estado de las tuberías

determinado a través de CCTV

Decision Tree–Based

Deterioration Model for

Buried Wastewater Pipelines

Syadaruddin

Syachrani /

Kansas

A través de una serie de reglas de

predicción, determina la edad REAL de la

tubería

Con el denominado "Clustering" agrupa

las tuberías, de acuerdo a sus atributos y

características. Fue comparado con otros

dos modelos para resaltar su desempeño.

Tools for Planning Sanitary
Sewer Condition Inspection

Richard Harvey /
Universidad
Guelph Canadá

Árboles de Decisión que mediante

algoritmos aprenden de inspecciones de

CCTV previas para poder predecir el

estado de un grupo de tuberías

Pretende obtener una relación entre

distintas características de una tubería

(pendiente, diámetro) y su respectiva

condición estructural o de

funcionamiento. Para lograr planes

priritarios de inspección.

Modelo de

Supervivencia

de Tuberías

A Survival Analysis Model for

Sewer Pipe Structural

Deterioration

Sophie Duchesne

/ Quebec,

Canadá

Estudio que a través de agrupar las

tuberías en "Conjuntos" determina el

tiempo en el que una tubería permanece

en cada estado de deterioro

Compara los resultados obtenidos,

variando la cantidad de parámetros

(detalle de la información) y con ello

analiza los mejores resultados

Regresiones

Infrastructure Condition Prediction

Models for Sustainable

Sewer Pipelines

Chughtai, Tarek
Zayed / Canadá

Propuesta de una metodología para determinar

el estado estructural y operacional de una red

de alcantarillado

Se generan curvas de deterioro para representar
una relación entre la califiación de condición y su

edad. Pretende ayudar a determinar seccciones

críticas de la red.

Árboles de

Decisión

Modelos

Predictivos

Para el Estado

Futuro de

Tuberías

Estadísticos

con

fundamentos

de Markov

Análisis

Proactivo

From sewer inspection

programs to rehabilitation

needs

Mehdi Ahmadi

Análisis de los distintos niveles que se

pueden presentar en la toma de

decisiones

Resalta la necesidad de llegar a un nivel

de toma de decisiones "proactivo" donde

exista una adecuada toma de datos para

poder desarrollar modelos que permitan

desarrollar planes a largo plazo de

rehabilitación

Situación de

Emergencia

DEVELOPING A SUCCESSFUL

WASTEWATER COLLECTION

SYSTEM REHABILITATION

PROGRAM IN CORPUS

CHRISTI, TEXAS

Temple T.

Williamson /

ASCE 2014

Descripción del manejo que adopto la

ciudad para la rápida movilización de

recursos y personal para el

mantenimiento y rehabilitación de su red

de alcantarillado

Mediante el denominado: Entrega
Indefinida / Cantidad Indefinida le

permitió a la ciudad contar con una

empresa constructura bajo contrato de un

año para rehabilitar de manera

emergente porciones del sistema en mal

estado

Influencia de

Decisiones

Políticas

Decision-making for sewer

asset management: Theory

and practice

Wouter van Riel

/ Delft 2015

El enfoque principal del estudio es como

las herramientas de predicción (modelos)

son puestas en práctica en la realidad

para la toma de decisions al momento de

determiner si un tramo de tubería

necesita renovación o rehabilitación

Análisis de 11 ciudades Holandesas y

como estas determinaron sus proyectos

de rehabilitación o renovación de su red.

En gran parte a decisiones políticas

Análisis en la

Toma Directa

de Decisiones

Support

Vector

Machines

Prediction of Sewer Condition

Grade Using Support Vector

Machines

John Mashford /

ASCE

Aplicación de Vectores de Soporte de

Decisión para estimar el estado de una

tubería de alcantarillado

Establecer una relación entre la condición

de la tubería (estado) con sus atributos o

características.

Evaluation of artificial

intelligence tool performance

and uncertainty for predicting

sewer structural condition

Vitor Sousa /

Universidad de

Lisboa 2014

Uso de redes neuronales para un

municipio de la ciudad de Lisboa con el
fin de determinar su estado estructural

El principal objetivo es determinar las

redes que necesiten inmediata

intervención. Compara los resultados
corriendo otros dos modelos, uno de

Regresiones y otro de Vectores de

decisión

Uno de los primeros papers que propone

el uso de redes neuronales

Utilizada principalmente para la

interpretación de inspecciones mediante

SSET (sewer scanner)

Inteligencia

Artificial

Redes

Neuronales

NEURO-FUZZY APPROACHES

FOR SANITARY SEWER

PIPELINE CONDITION

ASSESSMENT

Myung Jin Chae /

Purdue

University 2001

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

3.1 Inspecciones en Sitio (Estado Actual)

3.1.1 Inspecciones CCTV y tecnologías similares

Inspecciones de alcantarillados con CCTV (Circuito Cerrado de Televisión) son las más comunes
encontradas en la literatura y a pesar de estar vigente desde los años 60, siguen siendo las de mayor
uso, han ido evolucionando con aparatos cada vez más pequeños y con costos muy competitivos.
La recolección de datos por este método seguida de un análisis de la información para lograr
determinar el estado actual estructural, calidad del agua y estado hidráulico de una tubería es un
componente vital para determinar el estado de una red de alcantarillado.

Dentro de las distintas tecnologías utilizadas en la actualidad un estudio realizado por Ariamalar,
Selvakumar (2013) detalla la experiencia de la ciudad de Kansas, Estados Unidos, al utilizar 5
distintos tipos de tecnologías para inspección de alcantarillados y comparar sus resultados, los
cuales se detallan a continuación:

CCTV

Este tipo de inspecciones fueron introducidas en los años 1960s para la inspección de sistemas de
alcantarillados. Los videos obtenidos proveen de una representación visual de la condición interior
de la tubería por encima del nivel del agua, al que se encuentre al momento de la inspección.
Generalmente es utilizada para localizar defectos específicos como: deficiencias estructurales,
necesidad de mantenimiento, defectos de instalación o construcción, intrusión de raíces, bloqueos
entre otras. Ya que la cámara debe recorrer el interior de la tubería esta necesita un lavado previo
que le permita movilidad (Ariamalar, Selvakumar, 2013).

ZOOM CAMARA:

A diferencia de CCTV, este tipo de cámara permanece fija en una base, generalmente ubicada en el
pozo y realiza un zoom dentro de la tubería hasta 30 metros para no viajar dentro de ella y tener
imágenes más estables y de mejor resolución. Las ventajas que presenta son que no necesita
limpieza previa de la tubería y su operación es más simple y rápida ya que no debe atravesar toda
la sección de tubería. En cuanto a desventajas no puede identificar el estado de la tubería por debajo
del nivel del agua y su gran limitante es la distancia hasta que logra captar imágenes, ya que en
tramos largos (mayores a 30 metros) tanto por luz como capacidad del aparato no logrará captar
imágenes.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Fotografía 1. Zoom Cámara. Fuente:

Ariamalar, Selvakumar (2012).

Fotografías 2 y 3. Resultados de inspecciones con Zoom Cámara. Fuente: Ariamalar, Selvakumar (2012).

ELECTRO-SCANNING:

Esta  inspección  se  lleva  a  cabo  aplicando  un  voltaje  eléctrico  entre  un  electrodo  en  la  tubería,
llamada sonda y un electrodo en la superficie, que normalmente es una estaca de metal presionada
contra la parte inferior de la tubería. Dada la alta resistencia eléctrica de la pared de la tubería que
no permite que la corriente eléctrica escape entre los dos electrodos al menos que haya un defecto
en  la  tubería  como  una  grieta,  junta  defectuosa  o  conexión  mal  realiza.  Los  resultados  por  este
medio  son  típicamente  graficados  para  mostrar  los  elevados  niveles  o  picos  que  ocurren  en  la
corriente eléctrica cuando se presentan defectos en la tubería (Ver Figura 3.1-1).

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Figura 3.1-1. Resultados de Electro-Scanning. Fuente: Ariamalar, Selvakumar (2012).

SCANNING DIGITAL

Similar a CCTV, las cámaras digitales son transportadas a través del alcantarillado utilizando
rastreadores autopropulsados o plataformas flotantes. Este tipo de tecnología cuenta dos cámaras
de alta definición con lentes de gran ángulo en el frente y en su parte trasera, que le permite grabar
video e imágenes estables. Además cuenta con luces LED en los costados para facilitar la toma de
imágenes, como se aprecia en la Fotografía 4.

Fotografía 4. Scanning Digital. Fuente: Ariamalar, Selvakumar (2012).

SCANNER LASER:

Generalmente utilizada en conjunto con inspecciones de CCTV para proveer información adicional
de la condición de la tubería. Específicamente esta tecnología provee información de la geometría
de las paredes de la tubería y puede ser usada para evaluar deflexiones, agujeros y otro tipo de
defectos. Como parte de los resultados genera una imagen bi-dimensional del contorno interior de

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

la tubería, esta imagen luego es comparada con una figura referencial idéntica de la tubería para
identificar defectos (deflexiones) y necesidades de mantenimiento.

Fotografía 5. Scanner Laser Fuente: Ariamalar, Selvakumar (2012).

SCANNER SONAR:

A diferencia de otras tecnologías esta logra inspeccionar la superficie de la tubería por debajo del
nivel de agua y estimar la acumulación de sedimento y escombros. Esta inspección se logra pasando
una  unidad  de  sonar  a  través  de  la  tubería.  Dependiendo  de  las  dimensiones  de  la  tubería    y
condiciones  del  flujo  la  cabeza  del  sonar  es  colocada  en  una  balsa  u  otro  medio  de  transporte.
Conforme avanza el sonar en la tubería éste emite una onda de sonido de alta frecuencia, la misma
que es reflejada por las paredes de la tubería así como de la acumulación de sedimentos y recibida
nuevamente  por  el  sonar.  La  señal  reflejada  al  sonar  varía  según  el  material,  lo  que  permite
identificar distintos tipos defectos como también cuantificar los sedimentos depositados.

Fotografía 6. Sonar. Fuente: Ariamalar, Selvakumar (2012).

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Posteriormente en el estudio se realiza una prueba de campo en la ciudad de Kansas, Estados Unidos
para evaluar el desempeño de cada una de las tecnologías antes mencionada, cuyos resultados se
observan en la Tabla 3.1-1.

Tabla 3.1-1. Evaluación de las inspecciones Fuente: Ariamalar, Selvakumar (2012).

De los resultados obtenidos, los autores destacan la facilidad de operación y análisis de datos de
tecnologías de cámara de vídeo, tanto CCTV como Zoom Cámara. Tecnologías de láser y escáner
detectan un mayor número defectos en especial en cuanto a problemas de filtraciones, fugas y
juntas defectuosas, sin embargo no detecta otro tipo de defectos como bloqueos que se aprecian
claramente con CCTV. Ante lo mencionado en el estudio se adapta un sensor múltiple formado con
tecnología láser, sonar y scanning digital. Con la cual se obtuvo la mejor descripción y número de
defectos, como se aprecia en la Fotografía 7. Pero lamentablemente los costos, operación y análisis
de datos la vuelven poco competitiva comparada a las otras tecnologías. Pero se la podría
recomendar para casos puntuales en que cierta sección de tubería requiera un grado de inspección
avanzado puesto que es indispensable para el funcionamiento de toda la red.

Fotografá 7. Inspección con Sensor Múltiple Fuente: Ariamalar, Selvakumar (2012).

3.1.2 Nuevas Tecnologías

3.1.2.1 Clasificación de defectos con tecnología automatizada

La clasificación de defectos en inspecciones de sistemas de alcantarillados es de vital importancia
para el mantenimiento del mismo, usualmente un operador es el que identifica dichos defectos a
través de las imágenes proporcionadas. Sin embargo la subjetividad e incertidumbre están
presentes ya que dependiendo del operario el tipo de defecto encontrado y su severidad pueden

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

cambiar  drásticamente.  Ante  este  desafío  Wei Wu  (2013)  propone  una  clasificación  de  defectos
automatizada; para ello el autor propone una extracción de información a través de las imágenes
de la inspección, transformando dichas imágenes a una escala de grises y luego a través de unos
filtros  generar  un  vector  con  características  estadísticas.  Posteriormente  un  conjunto  de
clasificadores  tomarán  este  vector  para  determinar  el  tipo  de  defecto,  terminando  así  con  la
subjetividad (Wu, 2013).

En la Figura 3.1-2 se puede observar el proceso a escala de grises que sufre la imagen proporcionada
en la inspección.

Figura 3.1-2. Proceso de transformación de la imagen de inspección. Fuente: Wu (2013).

3.1.2.2 Inspección Ultrasónica

Este tipo de inspección continúa en pruebas de laboratorio pero de desarrollarse por completo
posee un gran potencial para identificar defectos difíciles de percibir con otras tecnologías.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

El ensayo realizado en laboratorio por Iyer (2012) consistió en sumergir una placa de hormigón de
las mismas características de una tubería de concreto y a través de un acoplador (material que sirve
como medio de transporte de la onda) que en este caso es agua, un transmisor emite una onda
ultrasónica (onda sonora que vibra con una frecuencia superior a la más alta frecuencia audible por
el oído humano) que se transmite por todo el cuerpo de la placa de hormigón y vuelve  nuevamente
al transmisor. Durante este viaje de ida y vuelta la onda (o señal) experimenta distintas resistencias
dependiendo  de  las  características  de  la  placa  que  pueden  ser  representadas  y  caracterizadas
dependiendo del tipo de defecto que se presente en el objeto de análisis.

Figura 3.1-3. Esquema del ensayo de laboratorio. Fuente: Iyer (2012).

En  la  Figura  3.1-3  se  puede  observar  el  esquema  utilizado  en  laboratorio  y  además  que  la
representación  de  las  ondas  se  denominan  “A-B-C  Scan”.  Estas  representaciones  muestran  la
variación  de  amplitud  de  la  señal  ultrasónica  conforme  atraviesa  la  placa  de  hormigón  del
experimento. Se ensayaron placas con fallas como fracturas, orificios entre otras para caracterizar
el cambio en la señal y detectar automáticamente el tipo de daño que se presenta, evitando así
cualquier tipo de subjetividad. Las variaciones de amplitud en una placa ensayada con una falla de
agujero pueden apreciarse en la Figura 3.1-4.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Figura 3.1-4. Representaciones del cambio de amplitud en una placa con orificio. Fuente: Iyer (2012).

3.2 Índices

3.2.1 Índice Hidráulico

Un índice hidráulico consiste en una metodología distinta para el diagnóstico de secciones de una
red de alcantarillado que puedan requerir rehabilitación. Dicho concepto fue establecido por Bennis
(2003) el cual realizó una investigación exhaustiva donde relaciona este mencionado índice con la
predicción de sobrecargas en las tuberías y sus efectos aguas arriba de la red. Con el mencionado
índice es posible distinguir el desempeño de cada sección analizada y con ello la responsabilidad de
cada una en un posible evento de una sobrecarga. Una vez con el índice plenamente identificado la
empresa a cargo del servicio puede visualizar las vulnerabilidades de cada sitio y considerar el efecto
de una posible sobrecarga que causaría en el sitio. Con ello se estará en condición de planear
rehabilitaciones y priorizar inspecciones.

METODOLOGÍA EMPLEADA PARA EL ÍNDICE

Puesto que el índice desarrollado por Bennis está directamente relacionado con sobrecarga, cabe
recordar que el fenómeno de sobrecarga ocurre cuando el flujo dentro de la tubería cambia de flujo
abierto (condición deseada en alcantarillados) a flujo presurizado que usualmente ocurre cuando la
capacidad de la tubería ha sido sobrepasada, dicha capacidad puede verse sobrepasada por una o
más de las siguientes causas:

a) El diámetro de la tubería es insuficiente para drenar la tasa de escorrentía

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

b) Disminución en la pendiente o incremento en la rugosidad en la dirección del flujo
c) Presencia de obstáculos causando pérdidas menores (sedimentos u objetos dentro de la

red)

Ahora para lograr establecer un índice directamente relacionado con el fenómeno previamente
descrito es necesario utilizar el siguiente criterio y evaluarlo:

  Capacidad hidráulica de la sección
  Frecuencia y duración de la descarga
  Volumen del desbordamiento
  Duración de la inundación
  Área afectada por la inundación
  Costo del daño causado en área pública o privada

Para  evaluar  los  criterios  mencionados  Bennis  propone  utilizar  la  herramienta  SWMM;  dicho
modelo  es  capaz  de  reproducir  las  condiciones  del  sistema  existente  bajo  los  criterios  antes
señalados. Con ello para el desarrollo del índice este toman los datos de salida obtenidos de SWMM
para calcular el índice de desempeño hidráulico para cada sección de tubería.

Para dicho cálculo Bennis toma como referencia una sección típica de tubería entre dos pozos de
inspección, definiendo todos sus niveles y distancias como se observa en la Figura 3.2-1.

Figura 3.2-1. Esquema de una sección de tubería (Fuente: Bennis, 2003).

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Es claro en el esquema que una falla hidráulica en una tubería i está directamente relacionada con
la altura máxima de sobrecarga Hi

. Cuando Hi

= 0, existe una condición deseada de flujo a canal

abierto. Por el contrario si la altura de sobrecarga llega a la superficie del suelo o nivel de sótano, la
inundación comienza. Entre estas dos condiciones extremas, una notación es necesaria para
expresar el grado directo de sobrecarga de la tubería, que es el índice propuesto por Bennis,
resumido en la siguiente relación:

(Fuente: Bennis, 2003)

dónde:

= La máxima altura de sobrecarga en el pozo situado inmediatamente aguas arriba de

la tubería i
Gi = Profundidad a la cual la tubería ha sido enterrada medida desde la superficie del suelo
hasta la corona de la tubería i aguas arriba
Ni = Índice (rating, evaluación) expresado como un porcentaje de la profundidad
enterrada, varía de 0% a 100%.

Si bien la ecuación anterior es la idea principal del índice, este también puede incluir otras
consideraciones y con ello modificar ligeramente la ecuación dependiendo de la red que se este
analizando. Una de estas consideraciones es que para ciertos diseños la línea de gradiente hidráulico
puede ser requerida por debajo de la superficie del suelo, con lo que el índice cambiaría, según la
ecuación: (Bennis,2003)

(Fuente: Bennis, 2003)

Otra de las consideraciones adoptadas por Bennis es cuando la capacidad de la tubería es excedida,
los primeros niveles de sobrecarga no tienen el mismo riesgo y consecuencias como los niveles justo
antes de la inundación, con lo que nuevamente se modifica al índice para expresar dicho fenómeno:

(Fuente: Bennis, 2003)

En esta nueva ecuación el término nuevo introducido “n” permite asignar una importancia
estratégica a la sección analizada dependiendo de la vulnerabilidad del sitio. Por ejemplo si se está
analizando una zona densamente poblada o un sector comercial y ningún nivel de sobrecarga es
permitido el valor n puede ser asignado un valor de 2 o 3 según criterio del usuario para incrementar
la penalidad de sobrecarga.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

CONSIDERACIÓN DE LOS EFECTOS AGUAS ABAJO

Una vez definido el índice de desempeño hidráulico con las ecuaciones previamente descritas, se
analiza los efectos de una tubería sub-dimensionada en un fenómeno de sobrecarga en las
diferentes secciones de la red.

En un sistema de alcantarillado, la sobrecarga de una solo sección de tubería es suficiente para subir
la línea de gradiente hidráulico por encima de la corona de la tubería en un buen número de tuberías
aguas arriba. El sobre flujo en una tubería causado por represamiento originado aguas abajo puede
engañar las insuficiencias hidráulicas propias de la tubería en mención.

Por ello la importancia de identificar las verdaderas tuberías causantes de la sobrecarga, para lograr
esto Bennis parte de la ecuación de Bernoulli, escrita de la forma Mironer (1979):

(Fuente: Bennis, 2003)

Y dadas las condiciones del flujo en cuanto a aceleración, Bennis modifica la ecuación anterior de la
siguiente manera:

(Fuente: Bennis, 2003)

El primer término al lado derecho de la ecuación expresa el efecto de una sobrecarga aguas abajo
en la tubería 1. El segundo término, expresa la sobrecarga neta que la tubería 1 causa en ella mismo.
La sobrecarga en el pozo aguas abajo debe ser considerada también, con lo que finalmente el índice
es calculado con la ecuación a continuación:

(Fuente: Bennis, 2003)

donde:

𝑁

= La contribución de la tubería 2 para la sobrecarga en la tubería 1 (la tubería 2 se la

considera como aguas abajo)
𝐻

𝐷𝑠

= Efecto de la sobrecarga aguas abajo en la tubería 1

𝐻

𝐷𝑠

=Altura de la sobrecarga aguas abajo, de la tubería 2

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Aplicando esta metodología en un sector determinado de la red, procediendo de aguas abajo hacia
aguas arriba, es posible separar los efectos de represamiento que cada tubería genera para sí misma
de los efectos causados en el resto de tuberías localizadas aguas arriba de ella en el mismo sector.

IMPLEMENTACIÓN DEL ÍNDICE

La metodología propuesta fue aplicada en la ciudad de Laval, Canadá en una pequeña cuenca; la
tormenta simulada fue de tres horas de duración tipo Chicago, con un período de retorno de 5 años.
La cuenca seleccionada es mostrada en la Figura 3.2-2, y sus valores en la Tabla 3.2-2, la misma que
incluye diámetros, pendientes, elevaciones y longitudes.

Figura 3.2-2. Cuenca seleccionada, Laval Canadá (Fuente: Bennis, 2003).

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Tabla 3.2-2. Información hidráulica de la cuenca seleccionada (Fuente: Bennis, 2003)

Con la información detallada de la Figura 3.2-2 y Tabla 3.2-2, se procede a correr el modelo de
escorrentía del programa SWMM, el mismo que permitirá obtener variaciones en el flujo, nivel,
velocidad en las tuberías y en los distintos pozos. Cabe resaltar que para resaltar los efectos de la
sobrecarga, Bennis decide reducir el diámetro de las 4 últimas tuberías del circuito principal de la
cuenca, como se puede apreciar en la Tabla 3.2-2.

Con la información que arroja el modelo SWMM es posible calcular los índices para cada sección,
mostrados  en  la  Tabla  3.2-3.  Los  números  que  aparecen  en  la  tabla  corresponden  al  índice  de
sobrecarga  expresado  en  porcentaje,  que  se  encuentran  en  la  intersección  de  la  línea  i  con  la
columna j; en otras palabras la sobrecarga de la tubería j causada por la tubería i. Con ello si  se
analiza la primera línea, esta indica que la tubería 16, la más lejana aguas abajo, crea por sí misma
una sobrecarga interna del 33% de su profundidad enterrada, la cual se esparce aguas arriba desde
la tubería 15 hasta la 5.

Por otro lado los ceros que aparecen a partir de la tubería 12 (últimas 9 líneas) indican que sus
diámetros son hidráulicamente suficientes para no generar una sobrecarga por sí mismos. Ahora
analizando las tuberías que se les redujo su diámetro (16,15,14,13) causan sobrecargas sobre ellas
mismo de 33, 12, 43 y 29% respectivamente.

La última línea de la Tabla 3.2-3 corresponde al total de la sobrecarga que sufre cada tubería a pesar
que esta no haya sido la causante. Es interesante observar los resultados de las tuberías 10, 11 y 12,
que tienes un índice total de sobrecarga del 100% a pesar que estas no son responsables, se debe
por efecto de las tuberías aguas abajo. Finalmente la última columna expresa la contribución total

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

de cada tubería a la sobrecarga de todo el ramal analizado, donde la tubería 14 es la mayor
responsable con el 34%.

Tabla 3.2-3. Resultados cálculo de índices (Fuente: Bennis, 2003).

Este análisis además permite explorar distintos escenarios, ya que dada una emergencia la empresa
encargada del servicio deberá decidir que sección rehabilitar primero y para ello se puede explorar
un escenario en el que solo se rehabilite una sección, cuanto se alivia el sistema y con ello la sección
prioritaria por reparar. Este escenario se puede observar en la Tabla 3.2-4, donde se incrementa el
diámetro de la tubería 16 para que no se genere sobrecarga y con ello visualizar el alivio que
experimenta todo el ramal.

Tabla 3.2-4. Resultados con aumento de diámetro de la tubería 16 (Fuente: Bennis, 2003).

La Tabla 3.2-4 indica que dicho aumento generó un alivio de la sobrecarga del 27%, correspondiente
al mismo valor de la última columna de la Tabla 3.2-3. Esto quiere decir, visto de otra manera que

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

los porcentajes de la última columna de la Tabla 3.2-3 indican el alivio que experimentaría el sistema
si  se  rehabilita  dicha  sección,  término  de  gran  utilidad  para  decidir  que  sección  priorizar  para
rehabilitar. Además de presentarse un caso que el índice indique que ese tramo no experimenta
sobrecarga ni por sí mismo ni por efectos aguas abajo, pero a pesar se reportan problemas, querrá
decir  que  la  sección  muestra  otro  inconveniente  como  obstrucción,  rotura,  etc.  y  necesita  una
inspección de campo (CCTV) para identificar su condición.

3.2.2. Índices Rendimiento

3.2.2.1

Índice con Modelos Difuso

Para lograr determinar el desempeño de una tubería es necesario conocer su estado físico y
estructural; para ello los autores Bennis y Tagherouit proponen en su estudio complementar el
trabajo previamente realizado por Bennis (2003) y desarrollar una metodología sistemática para la
determinación del estado de una red considerando tanto el desempeño hidráulico como estructural.

La metodología propuesta consiste en desarrollar un esquema de clasificación prioritario para la
rehabilitación de alcantarillados. Un sistema difuso fue empleado para este fin, el cual toma como
datos de entrada tanto la valoración hidráulica como estructural. El sistema difuso en mención se
divide  en  dos  partes,  la  primera  el  Sistema  Difuso  Estructural  (FES)  el  cual  calcula  un  índice
desempeño  global  Estructural,  utilizando  información  de  su  condición  interna,  condición  de  su
alrededor y vulnerabilidad del sitio (SV). La segunda parte en un Sistema Difuso Hidráulico (FHS) que
utiliza  el  índice  de  desempeño  hidráulico  (Descrito  por  Bennis  en  el  anterior  estudio)  y
vulnerabilidad  del  sitio  (SV)  para  calcular  un  índice  de  Desempeño  Global  Hidráulico.  Para
finalmente un Sistema Global Difuso utilice todos estos parámetros para calcular un Índice Global
de Desempeño para cada tubería.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Figura 3.2-3. (a) Estructural. (b) Hidráulico. (c) Total (Adaptación de Bennis, Tagherouit, 2011).

DESEMPEÑO HIDRÁULICO

Para el cálculo de este índice, se utiliza el mismo criterio expuesto por Bennis en el 2002, el cual es
denominado índice de desempeño hidráulico o HPI por sus siglas en inglés.

(Fuente: Bennis, Tagherouit, 2011)

Condición

Interna

Condición
Alrededo-

res

Vulnera-

bilidad

Sitio

Índide de

Desempeño

Global

Estructural

Índice

Desem-

peño

Hidráuli

Vulnera-

bilidad

Sitio

Índide de

Desempeño

Global

Hidráulico

Índice Global de Desempeño Total

Índice

Global

Desempeño

Estructural

Índice

Global

Desempeño

Hidráulico

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Y además para complementar, nuevamente se utiliza el criterio de Bennis, para el efecto de
sobrecarga en una tubería “i” originado aguas abajo, al cual lo denominan el índice del impacto de
desempeño hidráulico (HPII).

(Fuente: Bennis, Tagherouit, 2011)

EVALUACIÓN DE LA CONDICIÓN INTERNA (IC)

Este tipo de evaluación permite clasificar una sección de tubería tomando en cuenta aparentes
defectos que puede presentar el tramo en estudio. Esta evaluación se logra gracias a inspecciones
de CCTV y bajo la normativa canadiense se le asigna una calificación; cabe resaltar que para uso del
modelo difuso fue necesario transformar la calificación canadiense a una propia dada por los
autores en la Tabla 3.2-5.

Tabla 3.2-5. Condición Interna (IC) (Fuente: Bennis, Tagherouit, 2011).

EVALUACION CONDICIÓN ALREDEDORES

Esta evaluación se la realiza ya que su entorno puede incrementar su tasa de deterioro, u ocasionar
un impacto negativo en el ambiente alrededor. Al igual que la condición interna, está clasificada en
5 niveles.

EVALUACIÓN VULNERABILIDAD DEL SITIO

Dependiendo de las condiciones de la localización del tramo de tubería y factores del alrededor,
esta puede ser clasificada en vulnerabilidad: baja, moderada y alta. Esta ya que si cierto tramo se
encuentra sirviendo a un hospital tiene un mayor impacto a una falla localizada al inicio de la red.

IMPLEMENTACIÓN DEL MODELO

El modelo fue implementado para una pequeña cuenca de la ciudad de Laval, Canadá, la misma que
facilitó las inspecciones realizadas a dicho sector vía CCTV.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Figura 3.2.-4. Cuenca analizada en Laval (Fuente: Bennis, Tagherouit, 2011).

Con dicha información recopilada se procede al cálculo de índices y clasificación de las tuberías para
correr el sistema difuso y con ello obtener la clasificación prioritaria para rehabilitación. El esquema
del sistema difuso se puede apreciar en la Figura 3.2-3, mientras que los resultados del modelo
difuso en la Tabla 3.2-6.

Tabla 3.2-6. Resultados del modelo difuso (Fuente: Bennis, Tagherouit, 2011).

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

De los resultados obtenidos se puede observar que estos son ordenados según su índice global de
desempeño (GPI), donde un valor alto de este índica su prioridad para ser rehabilitado y por ello se
encuentra al tope de la tabla, como es el caso de la tubería 48. Es claro que índice de sobrecarga
(HPI) es el parámetro que más influye para el índice global hidráulico(FHI), por ello la tubería 106
con un HPI de 59% tuvo una calificación global hidráulica (FHI) de 85% lo que al final influye
significativamente para obtener un índice global alto (GPI=87) y estar ubicada segunda en la lista.

Mientras que el desempeño estructural, la condición interna (IC) es el parámetro que mayor influye
en este índice como lo demuestran las tuberías 103 y 36 donde su evaluación interna fue del 0%
(buena) y con ello su índice global estructural fue de 6% para ambas.

Cabe resaltar que los factores de Vulnerabilidad del Sitio (SV) y Condición de los Alrededores (SC) se
hacen evidentes cuando la tubería se encuentra relativamente deteriorada, valores altos de SV y SC
incremental significativamente el índice global de desempeño (GPI) como lo demuestran las
tuberías 790 y 43.

Finalmente los autores resaltan el valor del estudio para priorizar rehabilitaciones, además
mencionan que dicha información puede ser agregada a un programa GIS para visualizar las zonas
conflictivas de la ciudad y poder planear un calendario de rehabilitación.

3.2.2.2

Índice Desempeño Robusto

Este  es  un  índice  de  desempeño  propuesto  por  Angkasuwansiri  (2014),  similar  al  analizado
anteriormente,  puesto  que  también  utiliza  un  sistema  difuso.  Los  parámetros  para  el  presente
modelo  fueron  agrupados  según  las  características  de  la  tubería  y  su  condición  estructural.  El
modelo es utilizado para evaluar cada parámetro y combinarlos a través de un sistema difuso que
refleje  la  importancia  relativa  de  los  distintos  factores.  El  modelo  evalúa  el  desempeño  de  una
tubería de alcantarillado  en 8 módulos:

  Carga
  Corrosión Externa
  Corrosión Interna
  Desgaste de la Superficie
  Bloqueo
  Infiltración
  Penetración de Raíces
  Capacidad

Cada parámetro es evaluado en una escala de 0 a 5, donde 0 es un estado óptimo y 5 un estado
cercano al colapso, en la Figura 3.2-5 se puede observar como a través de los 8 módulos y los dos
índices (Estructural y Funcional) se determina un Índice de desempeño global.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Figura 3.2-5. Esquema del funcionamiento del modelo (Fuente: Angkasuwansiri, 2014).

IMPLEMENTACIÓN DEL MODELO

Para  lograr  aplicar  el  modelo  los  autores  toman  información  de  una  ciudad  “A”  de  los  Estados
Unidos, la misma que cuenta con inspecciones de CCTV y con ellas logran evaluar los módulos antes
mencionados.  Además  la  ciudad  en  mención  cuenta  con  un  sistema  estandarizado  denominado
PACP  por  sus  siglas  en  inglés,  usado  para  evaluar  inspecciones  vía  CCTV,  con  ello  los  defectos
visuales son identificados y evaluados según el sistema, para finalmente tener una calificación de 0
a 5, que será comparada con el índice calculado mediante el sistema difuso.

A continuación en la Figura 3.2-6, se muestran los resultados obtenidos correspondientes al índice
de desempeño, los mismos que son ubicados en el programa GIS para ilustrar su distribución en la
ciudad. Además se comparan los resultados con la evaluación PACP (Figura 3.2-7), de lo cual se
destaca que mediante el sistema difuso las tuberías muestran estar en peor estado que con la
evaluación simple vía CCTV; esto se debe principalmente a que el modelo difuso toma en cuenta un
mayor número de parámetros, lo cual lo hace más confiable.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Figura 3.2-6. Índice de desempeño calculado por modelo difuso (Fuente: Angkasuwansiri, 2014).

Figura 3.2-7. Clasificación de tuberías vía CCTV (PACP) (Fuente: Angkasuwansiri, 2014).

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

3.3 Análisis de Daños y Riesgo

3.3.1 Evaluación Daños: Caso de Estudio Ciudad Portland

Una manera distinta para determinar el estado de una red de alcantarillado es mediante el análisis
de los daños que se causarían y mediante información georreferenciada para ubicar los sectores
más sensibles. La ciudad de Portland, Estados Unidos se embarcó en mega-proyecto para la
rehabilitación de su sistema de alcantarillado mediante el análisis de daños antes mencionado.

En un estudio realizado por el Departamento de Servicios Ambientales a cargo de Hoffman (2014)
explica que la ciudad utiliza inspecciones de CCTV para determinar las condiciones estructurales y
operacionales del sistema de alcantarillado. Las inspecciones se han realizado a un 75% de la red en
los últimos 10 años. Mediante las inspecciones, los defectos según su complejidad son asignados un
puntaje que luego es ingresada a un programa computacional que a vez determina una calificación
de la sección de tubería del rango de 1 a 5, donde 1 es un estado excelente, como se aprecia en la
Tabla 3.3-1.

Tabla 3.3-1. Rango de clasificación (Fuente: Hoffman, 2014).

Una vez con la calificación determinada, el estudio procede a un análisis de severidad y distribución
de los defectos. Dicho análisis se consigue dividiendo las tuberías en secciones de 10 pies en una
representación de GIS (Sistema de Información Geográfica). Posteriormente se procede a
determinar la calificación del segmento de 10 pies, bajo las mismas condiciones mostradas en la
Tabla 3.3-1. Dicho análisis lo vemos en la Figura 3.3-1.

Figura 3.3-1. Análisis segmentos de tubería (Fuente: Hoffman, 2014).

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

CONSECUENCIA DE FALLA

Las secciones con puntajes altos (calificación 4-5) son consideradas para un análisis más exhaustivo
e identificar que acción es la más apropiada. Dentro de este análisis está la consecuencia de falla.
Esta  representa  el  resultado  de  la  misma  expresada  en  costos  ya  sea  directos,  indirectos,
económicos, ambientales y sociales. Una falla de tubería puede ser considerada como estructural e
incluye  sobrecarga,  inundación  de  sótanos  y  calles  y  potenciales  grietas  en  las  calles.  Las
consecuencias  de  dicha  falla  varían  dependiendo  del  tamaño  y  profundidad  de  la  tubería  como
también su ubicación cercana a áreas sensibles.

Una vez definida la consecuencia de falla, se analizan estos sectores y se cuantifican los daños que
generaría al ocurrir dicha falla, como se observa en la Figura 3.3-2. Al ser una sección cercana a una
escuela, los costos de falla serían muy altos.

Figura 3.3-2. Consecuencia de falla de tubería (Fuente: Hoffman, 2014).

PROBABILIDAD DE FALLA

Posteriormente el estudio define la probabilidad de falla; esto se logra con la información de
inspecciones y curvas que relacionan la condición de la tubería con su vida útil restante. Este cálculo
se lo realiza nuevamente para los segmento de 10 pies, para que exista una concordancia con los
otros parámetros hallados previamente.

PRIORIZACIÓN DE PROYECTOS BASADOS EN REDUCCIÓN DE RIESGOS

Con los parámetros hallados previamente, se calcula el riesgo, el mismo que es igual a:

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

(Fuente: Hoffman, 2014)

Este valor de riesgo es de vital importancia ya que para priorizar proyectos se busca reducir la
consecuencia de falla y con ello el riesgo total. Por ello en el estudio se compara el riesgo con el
costo que tendría un proyecto para mitigar ese riesgo. El cálculo para establecer los beneficios de
dicha comparación los da relación costo beneficio neto (nBCR). Usando dicha formulación, el valor
de nBCR representa el retorno de la inversión para reducir el riesgo. Al calcular esta relación (nBCR)
en proyectos individuales, resulta en un método muy útil para la priorización de proyectos basado
en la habilidad de reducir el riesgo de una manera costo efectiva.

Al aplicar la mencionada relación en las secciones de tuberías, se logra segmentar y priorizar los
proyectos de rehabilitación, como se observa en las Figuras 3.3-3 y 3.3-4.

Figura 3.3-3. Cálculo de nBCR en distintas secciones de tuberías (Fuente: Hoffman, 2014)

Los valores positivos de nBCR indicarán un alto retorno de la inversión al reducir riesgos; con ello es
posible identificar los sectores prioritarios y construir distintos proyectos alrededor a desarrollarse
en distintas fechas y con el tiempo necesario para conseguir su financiación. Este es el ejemplo de
Portland  que  con  mencionada  metodología  estableció  16  proyectos,  indicando  los  prioritarios  y
estableciendo planes a largo plazo de rehabilitación con el menor riesgo, como  se observa  en la
Figura 3.3-4.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Figura 3.3-4. Área de los proyectos establecidos (Fuente: Hoffman, 2014).

Con los 16 proyectos señalados la ciudad de Portland planea realizarlos en un plazo de 8 años y
estableciendo con anticipación claramente los costos de cada uno de ellos, por un valor total de
$123 millones de dólares (Hoffman, 2014).

3.3.2 Enfoque Basado en Riesgo

La gestión de riesgos puede ser utilizada como una herramienta muy efectiva para priorizar la
asignación de recursos y con ello un manejo más adecuado en cuanto a la determinación del estado
de una red de alcantarillado. Herramientas de este tipo nacen de la necesidad de las distintas
municipalidades en desarrollar métodos efectivos y a bajo costo para determinar el estado de su
red, como consecuencia de una desigual asignación de recursos entre departamentos.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Dado que el riesgo es una función tanto de la probabilidad y de la consecuencia, para determinar el
riesgo  de  que  una  tubería  de  alcantarillado  falle,  envuelve  tanto  la  probabilidad  como  la
consecuencia  de  falla  (CoF  por  sus  siglas  en  inglés)  dentro  de  toda  la  red.  Al  ser  analizados  y
calculados  correctamente  ambos  factores  antes  mencionados,  se  puede  contar  con  una
herramienta  que  permita  priorizar  las  tuberías  que  requieran  inmediata  inspección  o  incluso
rehabilitación o renovación.

Con  el  potencial  antes  señalado  de  la  gestión  de  riesgo,  los  autores  canadienses  Baah  y  Dubey
realizaron un estudio para determinar en tuberías de alcantarillado tanto la consecuencia de falla
(CoF)  como  su  probabilidad  en  una  red  real  canadiense.  Para  dicho  estudio  la  CoF  es  evaluada
mediante  un  sistema  georreferenciado  GIS  y  una  matriz  con  puntajes  ponderados.  Con  la
información disponible obtenida de la red analizada, se consideran 11 factores que contribuyen en
un  impacto  alto o  leve  en  caso  de  falla.  Pero  además  del  cálculo  de  la  CoF, el  estudio  señala  la
necesidad de obtener la probabilidad de falla, que es considerada como la condición de la tubería
(calificación de la condición interna). Como se ha señalado en los estudios analizados en el presente
trabajo, la condición de la tubería se la determina mediante inspecciones de CCTV. Cabe resaltar
que la ciudad estudiada por Baah, no contaba con toda su red inspeccionada vía CCTV, por lo que
un modelo predictivo fue utilizado para determinar la condición de las tuberías que  no han sido
inspeccionadas. Así es que el estudio de Baah (2014) si bien se basa en la gestión de riesgos, parte
de un modelo predictivo para determinar la condición de la red.

CÁLCULO CoF

Para el cálculo de la CoF se seleccionaron 11 atributos influyentes de la tubería considerados por los
autores y además contaban con dicha información dada por la ciudad analizada. (Tabla 3.3-2)

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Tabla 3.3-2. Características relevantes de la tubería (Fuente: Baah, 2014).

El cálculo de la consecuencia de falla se lo realiza para cada tubería de la red, mediante la siguiente
ecuación:

(Fuente: Baah, 2014)

donde:

 S

ij:

es la calificación de desempeño, la cual es calculada mediante una programación simple

que toma en cuenta las 11 características de la tubería previamente seleccionados como
influyentes en el estudio (ver Tabla 3.3-2). De acuerdo con estas características la
programación asigna una calificación de 0 a 3 (0 equivale a que no hay riesgo y 3 riesgo alto),
donde por ejemplo si la profundidad a la cual está enterrada la tubería es menor o igual 3
metros se asigna una calificación de desempeño de 1.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

 W

: Representa el valor de ponderación asignado a cada uno de los 11 atributos. Esta

ponderación fue seleccionada luego de un repaso bibliográfico y experiencia de los autores.

Una vez calculada la CoF mediante la ecuación señalada, se procede a una nueva clasificación, donde
de acuerdo con el valor obtenido de la ecuación se asigna una clasificación de 5 niveles, en el cual 1
representa una consecuencia de falla leve y 5 muy alta (Ver Tabla 3.3-3).

Tabla 3.3-3. Niveles de Impacto (Fuente: Baah, 2014).

DETERMINACIÓN RIESGO DE FALLA

Como  se  mencionó  inicialmente  el  riesgo  de  falla  depende  de  la  consecuencia  de  falla  y  la
probabilidad  que  esta  ocurra.  La  probabilidad  de  falla  está  dada  por  la  condición  de  la  tubería,
determinada  por  las  inspecciones  de  CCTV  y  por  el  modelo  predictivo  en  las  tuberías  no
inspeccionadas; está calificación va de 1 a 5, donde 1 representa un estado bueno y 5 crítico. De la
misma manera la CoF está en un rango de 1 a 5 en concordancia con la probabilidad, por ello los
autores generaron la matriz que se muestra en la Tabla 3.3-4 a continuación, que relaciona ambas
funciones de manera sencilla.

Tabla 3.3-4. Matriz de Riesgo (Fuente: Baah, 2014).

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Dado que todas las tuberías están representadas gráficamente por el programa ArcGIS con todas
sus respectivas características utilizadas en el estudio (Ver Tabla 3.3-5), es sencillo adicionar nuevas
capas, que este caso son la CoF, probabilidad de falla y finalmente el riesgo de falla. Al hacer esto se
obtienen gráficamente la ubicación de las tuberías con riesgo alto de falla, lo que facilita la toma de
decisiones para determinar planes prioritarios de inspección y de rehabilitación (Ver Figura 3.3-5).

Tabla 3.3-5. Características en ArcGIS (Fuente: Baah, 2014)

Sin embargo el gran limitante al utilizar esta metodología es la asignación de los atributos que
intervienen en la consecuencia de falla y la selección de sus respectivas ponderaciones. No deja de
ser muy subjetiva su selección y estrechamente ligada a la información disponible de cada
municipio.

Figura 3.3-5 Representación de Riesgo (Fuente: Baah, 2014).

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

3.4 Modelos predictivos para el estado futuro de tuberías

A pesar que inspecciones de redes de alcantarillado, ya sea por CCTV o tecnologías similares,
ciertamente brindan un mejor entendimiento de lo que está ocurriendo dentro de la red, dichas
inspecciones únicamente brindan un instante de las condiciones de la red al momento de la
inspección. Por tal motivo una predicción de las condiciones futura de la red, en base a información
pasada de inspecciones, es crucial y necesaria para un manejo proactivo y eficiente de un sistema
de alcantarillado (Baik, 2006).

Predicciones  precisas  del  estado  de  una  red  sólo  pueden  lograrse  con  una  buena  calidad  de
información de entrada y la selección del modelo predictivo junto a la herramienta computacional
apropiada para la ciudad o población en estudio. Sin embargo sigue en discusión cual es el mejor
modelo a utilizar, no se ha logrado establecer  cuál es el que arroja resultados más cercanos a la
realidad;  esto  en  gran  parte  porque  dichos  modelos  se  han  desarrollado  con  información  de
distintas ciudades cada una con sus respectivas particularidades y raramente distintos modelos han
sido ensayados con la misma información de entrada en un mismo lugar para medir sus desempeños
(Syadaruddin Syachrani, 2013).

Con lo planteado empresas públicas y privadas que brindan el servicio de alcantarillado tienen un
gran reto por delante: escoger el modelo de predicción adecuado que les permita desarrollar
estrategias proactivas, así como priorización de inspecciones, reparaciones, calendarios y proyectos
a largo plazo de reemplazo de tuberías, para eliminar los altos costos asociados con fallas de tuberías
en zonas densamente pobladas. Implementando este tipo de manejo la empresa a cargo del
alcantarillado estará en capacidad de mejorar el nivel de servicio, lo que a su vez será una mejora
en su publicidad y desempeño (Salman, 2006).

3.4.1 Modelos estadísticos con fundamentos de Cadenas de Markov

3.4.1.1 J. Dirksen (Delf Holanda)

El primer modelo presentado, fue desarrollado por J. Dirksen (2008) de la universidad del Delf, en
Holanda, para su modelo el autor se basa en fundamentos de la denominada “Cadena de Markov”.
Una cadena de Markov consiste en representar un sistema por sus estados y la posibilidad de
cambio entre ellos. Se analiza la probabilidad de que un elemento del sistema cambie de estado
durante un período de tiempo.

Figura 3.4-1 Transición de Estados (Fuente: Dirksen, 2008).

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Como se puede apreciar en la Fig. 3.4-1 el modelo busca encontrar la probabilidades de transición
entre estados; esto quiero decir por ejemplo la probabilidad de que al estar en el estado uno
permanezca en el mismo (P

), o la probabilidad de que pase al estado dos (P

) o en su defecto la

probabilidad de pasar al estado tres (P

). La mayor limitación que presenta el modelo es que

únicamente toma en cuenta el estado actual en el que se encuentra, mas no la información histórica,
que influye significativamente para el caso de tuberías de alcantarillado.

Para sobrellevar la limitación antes mencionada, Dirksen propone lo que denomina un modelo Semi-
Markov, donde la mayor diferencia está en que las probabilidades de transferencia de estado
dependen ya no solo del estado en el que se encuentra, sino también del tiempo que ha transcurrido
en el mismo. Para la distribución del tiempo total que permanece en cada estado, distintas
funciones de distribución puedes ser aplicadas como la: exponencial, Rayleigh, normal, lognormal,
gamma, Weibull, Gumbel and Herz.

DESCRIPCIÓN DEL MODELO APLICADO EN HOLANDA

Para el desarrollo del modelo se utilizó información de un pequeño municipio de Holanda, donde se
han llevado a cabo inspecciones de CCTV desde 1996 hasta el 2005. La longitud total de las tuberías
es de 95 kilómetros, de los cuales el 65% (62 km) han sido inspeccionados durante las fechas
indicadas anteriormente. De las tuberías instaladas un 99% fueron construidas después de 1950 y
del total 86% son tuberías de concreto (Dirksen, 2008).

Con el fin de representar de mejor manera las posibilidades de deterioración, los autores decidieron
modelar únicamente daño de la superficie por corrosión o acción mecánica. Cabe resaltar que dicho
daño consta en la legislación Holandesa y Europea, donde están los demás criterios de evaluación
de tuberías vía inspecciones de CCTV (Tabla 3.4-1).

Tabla 3.4-1 Criterios de Evaluación (Fuente: Dirksen, 2008).

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Para la puesta en marcha del modelo, este inicia con la construcción de una matriz de transición, la
misma que consta de las probabilidades de transición de estados. Cabe resaltar que para simplicidad
los autores deciden trabajar únicamente con 3 posibles estados, de los 5 que rigen en la legislación
holandesa, esto ya que en el estado 3 pueden ser compilados los estados 4, 5, ya que son los que
con menor frecuencia se presentan, según se pudo apreciar en las inspecciones. Con lo dicho la
matriz de transición es igual a:

(Fuente: Dirksen, 2008)

Donde r es igual al número total de estados, abriendo la posibilidad que se incluyan más. Por otro
lado el diferencial de tiempo seleccionado es de un año.

Las  probabilidades  de  transición  de  dicha  matriz  se  las  calcula  utilizando  una  función  de
probabilidad.  Esta  función  es  una medida  de  la  probabilidad  de  ocurrencia  de  las  observaciones
(obtenidas  a  través  de  las  inspecciones  de  CCTV).  Mientras  que  la  función  de  probabilidad  del
sistema  es  igual  al  producto  de  las  probabilidades  de  todas  las  observaciones.  Y  por  último  la
probabilidad  de    una  observación  puede  ser  calculada  utilizando  las  ecuaciones  de  Chapman-
Kolmogov (Dirksen, 2008).

Con el procedimiento para el cálculo detallado, en la Figura 3.4-2 se puede observar los resultados
a los cuales llegaron en la investigación, donde se aprecia como el deterioro inicia a exteriorizarse a
partir de los 10 años. Claro está que dicha investigación es para un sistema en una ciudad pequeña,
sin mayor complejidad, por lo que utilizando el mismo modelo con distinta información de entrada
correspondiente a una ciudad de mayor población, se esperaría que dicho deterioro cambie
considerablemente.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Figura 3.4-2. Distribución del estado de las tuberías para un período de 50 años (Fuente: Dirksen, 2008).

Como conclusión Dirksen señala que el uso del Modelo de Markov, es un buen punto de partida
para modelar el deterioro de alcantarillados, sin embargo deben continuar estudios a mayor escala
para confirmar el uso de dicho modelo; además de la necesidad de inspecciones de CCTV con menor
incertidumbre, ya que la información a través inspecciones es fundamental para obtener resultados
confiables en el modelo.

3.4.1.2 Baik (Estudio Ciudad de San Diego)

El estudio realizado por Baik (2006) puede ser descrito como el más robusto en cuanto a Modelos
de Markov, por ello hasta la fecha ha sido el artículo más citado en cuanto al tema significa (citado
58 veces). Si bien utiliza los conceptos detallados anteriormente en el estudio de Dirksen, Baik
incluye el concepto para el cálculo de las transiciones de probabilidades, denominado el “Ordered
Probit Model”.

DESCRIPCIÓN DEL MODELO

El primer paso para el desarrollo del modelo es la determinación del estado actual de la red, tanto
su condición interna como hidráulica. Una vez más para iniciar es necesario contar con información
proveniente de inspecciones de CCTV. El presente estudio toma dicha información de inspecciones
reales realizadas por la ciudad de San Diego, Estados Unidos que forman parte del programa de 10
años de rehabilitación, mantenimiento e inspección de su red compuesta por más de 4,800 km de
tuberías de alcantarillado sanitario. Las inspecciones en mención forman parte de la Etapa A1 del
programa y fueron inspeccionadas a 90 km de tuberías, en su mayoría de cerámica vitrificada y PVC
de diámetros entre 150 mm y 250 mm. La ciudad de San Diego cuenta con un sistema propio de
evaluación,  el  cual  consiste  en  108  criterios,  agrupados  en  7  subgrupos.  Cada  uno  de  estos
subgrupos  cuenta  con  criterios  de  evaluación  que  describe  sus  características  así  como  como  la

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

severidad de los defectos. Para cada criterio un puntaje estructural y o de mantenimiento es
asignado para el segmento en análisis, para finalmente dichos puntajes ser computados, mediante
la ecuación:

(Fuente: Baik, 2006)

Donde SP es el puntaje estructural, SW el factor de peso estructural, MP el puntaje de
mantenimiento, MW factor de peso de mantenimiento. Una vez computados los puntajes, la
condición del segmento de tubería es representada utilizando las letras A hasta E, donde puntajes
en el rango de 0 – 2.5 corresponden a la letra A y mayores a 6 indican una calificación E. En dicho
criterio la letra A corresponde a un estado óptimo.

Tabla 3.4-2. Criterios Clasificación Ciudad San Diego (Fuente: Baik, 2006).

Como  se  mencionaba  anteriormente  la  gran  diferencia  usada  por  Baik  (2009)  es  el  denominado
“Ordered  Probit  Model”  para  el  cálculo  de  probabilidades  de  cambio  de  estado  en  la  matriz  de
transición, desarrollada en el Numeral 3.4.1.1, donde los cambios de condición (rating) durante un
período  de  transición son calculados y  posteriormente  utilizados  como  resultado  discretos  en el
modelo “Probit”. La probabilidad estimada para un incremento es un resultado discreto específico,
puede ser interpretada como la probabilidad de transición del modelo de cadena de Markov. (Baik,
2006).

Si la condición de un segmento de alcantarillado cambia del estado i al j, durante un período de
transición, el incremento de tal transición es (j-i). Si se estiman las probabilidades para incrementos
de  cada  estado  de  condición,  los  valores  de  cada  fila  de  la  matriz  de  transición  pueden  ser
calculados. Además de lo mencionado, el modelo “Probit” utiliza la denominada variable latente, la
cual es utilizada como base para la clasificación de los datos discretos. En el estudio realizado por
Baik,  la variable latente es la  deterioración actual del sistema de alcantarillado, la misma que es
continua y variable entre 0 y +∞.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

APLICACIÓN DEL MODELO EN LA CIUDAD DE SAN DIEGO

Con la información de las inspecciones facilitadas por la ciudad de San Diego, Estados Unidos y con
la ayuda de Software Estadístico Baik logra determinar parámetros y fronteras para el desarrollo del
modelo. Un año fue seleccionado como período de transición y con un total de 5 variables utilizadas
durante el procese de modelación, mostrados en la Tabla 3.4-3.

Tabla 3.4-3. Parámetros utilizados en la modelación (Fuente: Baik, 2006).

Una vez establecidos los parámetros, se pone en marcha el modelo “Probit” para el cálculo de
probabilidades en la matriz de transición, lo que posteriormente utilizando los conceptos del
modelo Markov, Baik logra establecer las probabilidades con las que el sistema de alcantarillado
cambiaría de estado en un período de 60 años, resultados que se muestran en la Figura 3.4-3

Figura 3.4-3. Probabilidades de transición de estados (Fuente: Baik, 2006).

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

De los resultados obtenidos por Baik, se puede realizar las siguientes observaciones: En la primera
gráfica de la Figura 3.4-3, se indica como las probabilidades de cambio de basen en el estado 1 o A
según la clasificación de San Diego, claramente la probabilidad de que permanezca en el estado 1
durante  los  primeros  años  es  alta,  pero  al  acercarse a  los 60  años,  esta  baja  considerablemente
hasta ser casi nula; mientras que la probabilidad que del estado 1 pase al 5, inicia a incrementarse
a  partir  de  los  20  años  y  es  bastante  alta  al  final  de  los  60  años.  Otro  hecho  a  resaltar  de  los
resultados es en la última gráfica del costado inferior derecho, donde se aprecia que una vez que la
red llega al estado 4, permanece en el mismo constantemente, lo que indica que los estados 4 y 5
al ser estados críticos de la tubería no se diferencia mayormente entre ellos, puesto que ya indican
un  deterioro  grave  de  la  tubería,  que  difícilmente  puede  aumentar,  ya  que  está  muy  cerca  del
colapso.  Continuando  con  el  estado  4  incluso  en  el  3,  Baik  resalta  el  hecho  que  una  vez  que  el
segmento de tubería llega a este estado los factores que más afectan su condición son: pendiente,
longitud y diámetro mas no su edad. Adicionalmente para todos los estados (1 – 5) el factor que
mayor deterioro genera es la pendiente.

Finalmente Baik propone un que los resultados que arroja el modelo, pueden ser de gran ayuda
para generar calendarios de inspección de tramos de tubería, en especial cuando se tengan dudas
entre segmentos de similares características, puesto que al aplicar el modelo este aclarará que
tramo se deteriorará con mayor rapidez y por ende necesita una inspección anticipada. Como se
aprecia en el ejemplo de la Tabla 3.4-4.

Tabla 3.4-4. Ejemplo para selección de inspección (Fuente: Baik, 2006).

Como se observa en el ejemplo dichos segmentos son muy similares, en longitud, mismo material,
pero el modelo toma en cuenta más parámetros como la pendiente y edad, hecho que genera que
tales segmentos tengan deterioros distintos, necesitando el segmento 1, una inspección anticipada
al 2.

3.4.1.3 Ugarelli

En cuanto a aplicaciones a mayor escala de modelos de Markov, Ugarelli (2013) detalla la
experiencia de la capital Noruega, Oslo en su plan maestro para mejorar la eficiencia y seguridad en
el monitoreo y control de aguas residuales y pluviales. Dicho plan contempla la estimación de
recursos requeridos para mejorar las condiciones del sistema con acciones de rehabilitación.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

El modelo utilizado para dicho plan  es  denominado GompitZ, el cual define  la relación existente
entre  el  estado  actual  y  el  tiempo  esperado  de  servicio  en  tuberías  de  alcantarillado,  utilizando
inspecciones de CCTV como dato de entrada. Esta herramienta GompitZ, modela un segmento de
tubería  (usualmente  entre  dos  pozos  de  inspección)  el  deterioro  que  experimenta  como  una
sucesión de la evaluación de su condición (rating) dentro del marco de Cadenas de Markov.

La probabilidad de que un segmento de tubería este en una condición dada o mejor es formalizada
como una función de supervivencia de la edad de la tubería, derivada de una distribución Gompertz.
Esta función de supervivencia depende de las características del tramo de tubería y su entorno,
influenciando su condición inicial (al ser instalada) o su velocidad de deterioro.

Además de lo mencionado el modelo GompitZ contiene un módulo con el propósito de simular un
programa de rehabilitación. Se permite modelar cuatro tipos de estrategias para rehabilitación y
por consiguiente poder compararlas:

El escenario de NO realizar ninguna acción, simplemente simular el deterioro de la red ante
la ausencia de una rehabilitación

ii-iii)

Un escenario donde el usuario especifique la longitud de la red a ser reparada o en su
defecto el presupuesto disponible; con ello simula que la rehabilitación se realiza
anualmente a las tuberías más deterioradas

iv)

La simulación de un escenario óptimo, donde se estima la longitud media anual óptima a
rehabilitar, para lograr que la red obtenga una condición global de deterioro establecida por
el usuario (Ugarelli, 2013).

Con lo descrito, dicho módulo resulta ser de gran utilidad puesto que es posible calcular los
beneficios en términos de mejoras de la red a comparación del escenario i) de no realizar ninguna
rehabilitación; con lo cual se pueden contrastar costos y beneficios para adoptar la mejor decisión
que beneficie a la red.

IMPLEMENTACIÓN DEL MODELO:

Para iniciar el modelo necesita la información proveniente de las inspecciones de CCTV, donde
mediante reglamentos noruegos, los segmentos de tuberías son evaluados en una escala de 1 a 5,
donde 1 es un estado óptimo, mientras que 5 indica cercano al colapso. Además como información
base también es requerida su longitud, diámetro y edad de la tubería al momento de la inspección.
Cabe resaltar que la ciudad de Oslo, sitio de la investigación y aplicación del programa cuenta con
una red 1,960 km de longitud, de las cuales 31% corresponden a alcantarillado combinado, 34% a
pluvial, 31% a sanitario y el restante es indeterminado.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Una vez con la información mencionada, se procede agrupar las tuberías en cuatro grupos, de los
cuales se modelan independientemente; en el artículo en mención solo indican el ejemplo para el
grupo BET que corresponde a tuberías de concreto de hasta 600 mm de diámetro, como se puede
apreciar en la Tabla 3.4-5.

Tabla 3.4-5. Agrupación de Tuberías (Fuente: Ugarelli, 2013).

Aparte de agrupar las tuberías, el modelo GompitZ toma en cuenta co-variables (características de
la tubería y el entorno) que pueden afectar al deterioro de las tuberías; por ello analizan las
siguientes co-variables:

• Diámetro tubería (mm).
• Tipo de efluente (pluvial o sanitario).
• Proximidad a paso de tren (si/no).
• Presencia de árboles cerca de la tubería (si/no).
• Período de construcción (1850–1929, 1930–1945, 1946–1969, 1970–2011).
• Tráfico soportado (0, 1–500, 501–5,000, 5,001–15,000 vehículos/día).
• Tipo de material en el que se asienta

A continuación se muestran los resultados obtenidos por la modelación GompitZ, para el grupo BET,
del cual se puede indicar que la velocidad de deterioro decrece significativamente con el diámetro.
Al contrario la velocidad de deterioro incrementa al tratarse de una tubería de aguas combinadas
(pluvial y sanitaria), también por el tipo de suelo y la presencia cercana de árboles.

En la Figura 3.4-4, vemos los resultados del modelo bajo dos condiciones y comparándolas con las
observaciones  reales  tomadas del CCTV. La primera condición “Modelo Marginal” se  refiere  a la
velocidad de deterioro promedio, mientras que el “Modelo IFF” considera la fragilidad individual.
Claramente en la Figura 3.4-4, se ve como el deterioro modelado se asemeja al real obtenido de las
observaciones.  La  figura  indica  las  probabilidad  de  la  condición  en  la  que  se  encontrará  dicho
segmento de la tubería, representado por verde oscuro la condición 1 y en rojo la más adversa. En
el eje “y” se encuentra el valor de la probabilidad (máximo 1 o 100%) mientras que en el eje x la
escala de tiempo, donde cada barra representa una variación de 5 años. Con lo dicho se ve como en
el  Modelo  Marginal  para  un  tramo  de  tubería  en  los  primeros  5  años  la  probabilidad  que  se
encuentre en estado 1 (óptimo) es alrededor del 70%.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Figura 3.4-4. Resultados de la modelación de deterioro (Fuente: Ugarelli, 2013).

Pero como se mencionó al comenzar el modelo también es capaz de simular escenarios en los que
se realice un plan de rehabilitación a la red. Para lo cual primero se desarrolla el escenario, de NO
realizar ninguna acción (Figura 3.4-5) y analizar el deterioro que sufriría la red y de acuerdo a ello
adoptar un plan de rehabilitación.

Figura 3.4-5. Simulación de la evolución de la condición de la red (Fuente: Ugarelli, 2013).

Posteriormente se decide modelar uno de los planes de rehabilitación que adoptará la ciudad de
Oslo, el mismo que consta de rehabilitaciones por los próximos 15 años con el objetivo que la red

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

tenga una probabilidad aproximada del 80% de encontrarse en un estado 1 (óptimo), con una alta
tasa de rehabilitación por los mismos 15 años (Figura 3.4-6).

Figura 3.4-6. Simulación del plan de rehabilitación A1 (Ugarelli, 2013).

Con las últimas modelaciones se puede apreciar la utilidad de GompitZ para el manejo a largo plazo
de una red, ya que se puede buscar el financiamiento con la debida antelación, así como los
beneficios que traería una rehabilitación de tal envergadura de 15 años.

3.4.2 Estadísticos con Regresiones

En  la  metodología  propuesta  por  Fazal  Chughtai  (2007)  se  busca  priorizar  la  inspección  y
rehabilitación de tuberías en una red de alcantarillado, las cuales sean más vulnerables o propensas
a sufrir una falla. Tratar de identificar las tuberías vulnerables antes mencionadas aleatoriamente o
solamente basándose en la experiencia resulta ser extremadamente costoso y causante de una gran
pérdida de tiempo en utilización del equipo de inspección y con ello recursos (Fazal, 2007). Es allí
donde el modelo propuesto toma fuerza, al contar con una herramienta previa a la inspección y
rehabilitación que fortalezca la decisión de que tuberías inspeccionar y rehabilitar. Para el desarrollo
del modelo Fazal parte del hecho que la condición existente de la tubería puede ser dividida en dos
categorías, estructural y operacional. El estado estructural se refiere a las condiciones físicas de una
tubería,  mientras  que  operacional  describe  la  capacidad  de  la  tubería  para  cumplir  sus
requerimientos  de  servicio.  Por  ello  el  autor  desarrolla  modelos  para  representar  la  condición
estructural y operacional de segmentos de tubería utilizando múltiples regresiones, para finalmente
construir curvas de deterioro de tuberías (Fazal, 2007).

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

FACTORES CONSIDERADOS PARA EL DESARROLLO DEL MODELO

Para iniciar con el modelo es necesario identificar los factores que afectan a las tuberías; para ello
el autor realiza una extensa consulta bibliográfica, donde considera que utilizar todos los factores
encontrados en la literatura es inviable. Por ello considera aquellos factores que influencian con
mayor intensidad al estado estructural y operacional, que están descritos en la Tabla 3.4-6 a
continuación:

Tabla 3.4-6 Características de las tuberías usadas en modelos (Fuente: Fazal, 2007).

IMPLEMENTACIÓN DEL MODELO

Para validar el modelo propuesto, el autor decide implementarlo en dos municipalidades
canadienses, las cuales le proporcionan un inventario general de su red e inspecciones de CCTV. Con
ello inicia el desarrollo del modelo, el cual cabe resaltar que trata directamente con los datos
recolectados y no toma en cuenta el proceso atrás de ello de cómo se los obtuvo y recolecto.

Para iniciar el modelo de  regresión se  debe establecer  claramente  la existencia de  interacciones
entre las variables consideradas (Ver Tabla 3.4-6). Para ello se construyen matrices con las variables
predictores y sus respectivas respuestas, con lo que se logrará determinar las mejor combinaciones
de variables, que arrojen el menor error y variación. Con lo mencionado se construyen 4 modelos
de  regresión,  los  tres  primeros  para  estimar  el  estado  estructural  para  los  distintos  materiales
(Asbesto Cemento, Concreto, PVC) y finalmente uno para estado operacional que incorpora a los
tres  distintos  tipos  de  material.  Los  modelos  mencionados  se  detallan  mediante  las  siguientes
ecuaciones:

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Ecuaciones para cálculo de grado estructural y operacional para tuberías de: Asbesto de Cemento, Concreto

y PVC (Fuente: Fazal, 2007).

El resultado de cada una de las 4 ecuaciones dará una calificación del estado estructural y
operacional de la tubería que oscila entre 1 y 5 donde 1 representa un estado bueno y 5 crítico.

Para  comprobar  que  los  resultados  dados  por  los  modelos  de  regresiones  con  sus  respectivas
ecuaciones  sean  veraces,  el  autor  somete  los  resultados  a  una  validación  estadística.  Las
validaciones  principales  son:  Coeficiente  de  determinación  múltiple  (R

), Diagnóstico Residual y

Falta de Ajuste (LOF), donde destaca la medida de R

ya que esta indica la variación proporcional en

la condición estructural y operacional ocasionada por los atributos de la tubería como edad,
diámetro, material, etc. (Fazal, 2007).

En resumen la validación estadística indica que el coeficiente de determinación múltiple (R

)

muestra  que  del  72  al  88%  de  la  variabilidad  total  en  la  condición  estructural  y  operacional  de
alcantarillados  puede  ser  explicada  a  través  del  desarrollo  de  modelos  de  regresión.  De  manera
similar  el  resto  de  indicadores  estadísticos  antes  mencionados  muestran  que  en  promedio  el
porcentaje de veracidad de estos modelos están en un rango del 82 al 86%, que es considerado
como aceptable.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Ya que la validación estadística es aceptable se procede a la elaboración de curvas de deterioro para
las municipalidades antes mencionadas (Ver Figura 3.4-7). Tanto las curvas de deterioro
operacionales y estructurales son generadas para representar la relación entre la calificación de su
condición y su edad. Las curvas a continuación muestran el cambio en su condición estructural y
operacional en un período de 50 años; están divididas en 3 figuras según el material y las condiciones
del suelo.

Figura 3.4-7 (a), (b): Curvas de Deterioro y (c) de Operación (Fuente Fazal, 2007).

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Gracias a la investigación realizada por Fazal, se puede identificar secciones críticas de la red de
alcantarillado que necesitan una inmediata intervención o una inspección más exhaustiva. Con ello
municipios y en especial los ingenieros a cargo podrán fortalecer sus decisiones al momento de
rehabilitar tramos de la red de alcantarillado.

3.4.3 Árboles de Decisión

3.4.3.1 Priorización para Rehabilitación

Este tipo de modelo, no es común en la literatura, sin embargo presenta una manera innovadora e
ingeniosa para determinar el estado de una red. Dentro de las bondades del modelo, el autor resalta
que es fácilmente reproducible y provee una representación visual lo suficientemente buena que la
hace fácil de entender. Adicionalmente, los árboles de decisión poseen una buena combinación de
tasa de error y velocidad si los comparamos con otros algoritmos. Por ello aparte de desarrollar el
modelo de árbol de decisión el autor compara los resultados obtenidos corriendo con los mismos
datos otros dos modelos, uno de regresión y el otro de redes neuronales. Con esto finalmente
compara cual es el modelo que arroja resultados con la menor cantidad de errores. (Syachrani, 2013)

DATOS DE ENTRADA PARA EL MODELO:

Para el estudio, la información del estado de las tuberías de alcantarillado fue proporcionada por la
empresa de alcantarillado del condado de Johnson, Kansas en Estados Unidos. Dicha empresa
proporcionó 82,855 observaciones de secciones de tuberías, donde cada observación contenía
originalmente 140 atributos, por lo que fue necesario eliminar varias observaciones que les faltaba
valores además fue necesario recodificar una serie de variables, para finalmente utilizar 36 variables
en el presente estudio, como lo indica la Tabla 3.4-7.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Tabla 3.4-7 Variables para el desarrollo del modelo (Fuente: Syachrani, 2013).

A pesar de reducir las variables a 36, continúa siendo un número poco manejable, por lo cual se
realiza  un  proceso  de  “clustering”.  Este  consiste  en  agrupar  toda  esta  información  de  las
inspecciones basándose en su ubicación y características similares; por ejemplo si están ubicadas
bajo  una  vía  de  alto  tráfico, condiciones  operacionales  entre  otras. Para  ello el  estudio  utiliza  la
técnica  de  “clustering”  k-promedio  en  combinación  del  Componente  Principal  de  Análisis  (PCA)
desarrollado por Saita (2008). La técnica k-promedio consiste en un algoritmo que divide los datos
en “k” grupos y luego con el método PCA se reduce las dimensiones de los datos creando un set de
componentes  principales,  que  explican  o  describen  la  mayor  variabilidad  en  la  información.
Básicamente el método PCA es usado para determinar el número de grupos “k” que existen para la
información de las inspecciones. Los resultados del proceso de “clustering” y de PCA se aprecian en
la Tabla 3.4-8.

Tabla 3.4-8. Características y densidad de cada grupo (Cluster) (Fuente: Syachrani, 2013).

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Una vez hecha esta clasificación se decide tomar los grupos 1, 5 y 6 para el estudio ya que son los
que contienen mayor cantidad de inspecciones. En estos tres grupos existen dos tipos de materiales
de tubería, cerámica vitrificada y PVC. Por ello se procede a realizar otro filtro a la información y
separarlos de acuerdo con el tipo de material y al grupo que pertenece como se observa en la Tabla
3.4-9.

Tabla 3.4-9. Clasificación según el tipo de material (Fuente: Syachrani, 2013).

IMPLEMENTACIÓN DEL MODELO DE ÁRBOL DE DECISIÓN

El modelo pretende predecir una variable objetivo, que para este caso es la EDAD REAL (RA) de la
tubería, que difiere de su edad calendario, ya que esta es una edad ajustada dada las condiciones
de  su ubicación y condiciones  actuales  de  su operación.  Dependiendo de los patrones únicos  de
deterioro de una tubería, la edad real puede ser mayor o incluso menor a su edad calendario. Se
determina dicha edad gracias a una serie de reglas predictivas que son representadas a través de
una estructura de árbol. El proceso continua dividiendo al grupo principal o raíz en ramas, llamadas
nodos  de  decisión.  Para  cada  proceso  de  división  el  número  de  observaciones  desde  el  nodo
superior  hacia  el  inferior  son  distribuidas;  dicho  proceso  continuará  hasta  que  todas  las
observaciones tengan una misma clasificación. Como se puede apreciar en la Figura 3.4-8, una vez
que terminan las divisiones llega a la denominada “hoja” (Syachrani, 2013).

Figura 3.4-8. Representación Gráfica modelo árbol de decisión (Fuente: Syachrani, 2013).

En el estudio, el criterio de división en cada rama está basado en el valor estadístico de Pearson χ2
de predictor de variables, desarrollado por Devoere (2004). Este valor de χ2 luego es convertido en

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

un valor de probabilidad, con lo que al iniciar el proceso de división el modelo escogerá la variable
que tenga la probabilidad más alta. Además el modelo cuenta con límites o fronteras establecidas
por el usuario, con lo que el proceso de división continuará hasta que ninguna variable supere los
valores de los límites establecidos; al ocurrir esto se llegará a la denominada hoja, en donde se
calcula la edad real de la tubería, como un promedio de todas las observaciones correspondientes
a dicha hoja. En la Figura 3.4-9 se puede apreciar los resultados del modelo para tres diferentes
grupos.

Figura 3.4-9. Resultados modelo árbol de decisión (Fuente: Syachrani, 2013).

Al analizar el grupo “Cluster 1 – VCP” se ve cómo la primera división por ende la variable con mayor
probabilidad es para una condición mala de 5 y menor o igual a 4, indicando que el estado de dicho
grupo es delicado. Continuando en el mismo grupo, observando la Hoja 2, esta indica que ninguna
otra variable presente en las 104 tuberías está por encima de los límites pre-establecidos. Por ende
la rama con la variable problema de sedimentos (sludge problema) ≥ 3 se convierte en una Hoja. La
representación gráfica del árbol hace fácil rastrear su historia de clasificación para cada hoja, por
ello retomando la Hoja 12 para brindar una información más completa, esto es que consiste de 104
tuberías con una condición=5, longitud<27.9m y problemas de sedimentos ≥3; con un valor
predictivo para todo el grupo de 51.86 años de edad real.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

COMPARACIÓN DE RESULTADOS

De los datos de entrada proporcionados, el 50% fueron ocupados para el desarrollo del modelo y el
restante para la validación del mismo, esto por medio del Error Cuadrático Medio o ASE por sus
siglas en inglés. El autor decidió realizar esto con el fin de comparar el modelo de árbol de decisión
expuesto, con uno de Regresión y de Redes Neuronales, utilizando exactamente los mismos datos
de entrada. Para medir el desempeño de los modelos se utiliza el parámetro ya mencionado de ASE,
donde un valor pequeño de este indicará cual modelo está representando de mejor manera la
realidad.

Los resultados de la evaluación mencionada se muestran en la Tabla 3.4-10 y Figura 3.4-10, en las
cuales se aprecia un mejor desempeño del modelo de árbol de decisión, con valores de Error
Cuadrático Medio menores.

Tabla 3.4-10. Comparación de modelos mediante ASE (Fuente: Syachrani, 2013).

Figura 3.4-10. Representación de ASE para los tres modelos (Fuente: Syachrani, 2013).

Finalmente los autores recomiendan que con el cálculo de la edad real y la edad de vida útil dada
por el fabricante o análisis propio, es posible determinar la edad restante de la tubería con una
simple resta. Dicha edad sería de gran ayuda para priorizar proyectos de rehabilitación así como su
financiación oportuna. Además recomiendan que dicho modelo sea para redes medianas a

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

pequeñas que cuenten con la información necesaria, ya que el proceso de “clustering” el cual agrupa
las tuberías de acuerdo con sus características es de vital importancia para el desempeño del
modelo. De esa manera se obtendrán árboles más compactos y sencillos de interpretar, reduciendo
la heterogeneidad de la base de datos.

3.4.3.2 Priorización para Inspecciones

La  metodología  propuesta  por  Harvey  (2015)  parte  del  hecho  que  un  gran  número  de
municipalidades no cuentan con el presupuesto ni el tiempo requerido para realizar grandes planes
de  inspección  de  circuito  cerrado  de  televisión  (CCTV).  Como  consecuencia  de  lo  anterior,  tales
municipalidades desconocen el estado real de la red de alcantarillado, lo cual les hace incapaces de
predecir una falla futura en la red. Ante esta problemática se plantea un modelo predictivo, que sea
capaz  de  aprender  de  inspecciones  pasadas,  para  conocer  el  estado  futuro  de  las  tuberías  que
componen la red de alcantarillado.

En términos generales el modelo de árbol de decisión consiste en predecir la condición de una
tubería, partiendo de una base de datos (inspecciones pasadas) de manera que una estructura tipo
árbol ilustre las relaciones existentes entre datos de entrada predictores y una condición objetivo.

DESCRIPCIÓN DE LOS ÁRBOLES DE DECISIÓN

Al ser una herramienta de clasificación gráfica, los árboles de decisión inician en el nodo superior,
llamado rama, en el cual se  encuentran todas las observaciones, contenida en una gran base de
datos. Desde allí inicia el proceso de clasificación, se divide en nodos internos, que representan una
prueba  a  unos  datos  de  entrada  y  los  ramales  a  su  vez  son  las  respuestas  a  estas  pruebas.
Dependiendo  de  los  atributos  de  cada  tubería  esta  irá  bajando  por  los  ramales  hasta  que  sea
clasificada La base de datos con la que debe contar el modelo, son las características específicas de
las  tuberías,  que  pueden  ser  obtenidas  de  inventarios  de  la  empresa  de  alcantarillado  que  se
encuentran representados a través de Sistemas Georreferenciados; mientras que el objetivo de la
clasificación es la calificación de su condición, asignada a cada tubería (Harvey, 2015).

Para simplificar la clasificación y el desbalance que pueda existir al tener 5 distintas calificaciones
del estado de tuberías (donde 1 equivale a un estado bueno y 5 a crítico), el autor decide para dicha
metodología dividirla en un formato binario de tuberías en buen estado y en estado pobre. Esto se
realiza principalmente para mejorar la habilidad del modelo en identificar las tuberías en mal
estado. Al definir esto, el siguiente paso del modelo es calibrarlo, con especial cuidado en reducir al
máximo la tasa de los “falsos negativos” que son las tuberías que se encuentran en estado pobre
pero han sido incorrectamente predichas como buenas.

La metodología adoptada para la construcción de los árboles de decisión es la denominada CART
por sus siglas en inglés, que significa árbol de clasificación y regresión. En primera instancia las

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

tuberías  son  colocadas  en  grupos  pequeños  homogéneos;  posteriormente  la  metodología  CART
genera  un  algoritmo  capaz  de  evaluar  todas  las  potenciales  divisiones  y  encuentra  aquella  que
brinde la menor cantidad de aleatoriedad. El proceso de evaluación continúa, con cada grupo nuevo
generado,  hasta  llegar  a  uno  lo  suficientemente  homogéneo  que  permita  estimar  su  condición,
como ya se mencionó anteriormente, un estado bueno o crítico.+ (Harvey, 2015).

IMPLEMENTACIÓN DEL MODELO

Para comprender de manera eficiente el funcionamiento de la metodología Cart, se expone a
continuación su aplicación en la ciudad Guelph, Canadá. La ciudad cuenta con las características
óptimas sugeridas por el modelo, al contar con una población de 120.000 habitantes con una red
de alcantarillado de 515 km de longitud, de las cuales solo 221 km han sido inspeccionados (Harvey,
2015).

Los resultados se presentan gráficamente, como observamos en la Figura 3.4-11.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Figura 3.4-11. Resultados Árbol de Decisión (Fuente: Harvey, 2015)

En  la  figura  se  puede  observar  los  distintos  grupos  de  clasificación  según  sus  características,
representadas, por las denominadas hojas. Por ejemplo la “Hoja 7”  indica que  una tubería larga
mayor o igual a 53 metros, de diámetro pequeño de 238 mm, de 50 años de edad tiene un 64% de
posibilidades  de  estar  en  una  condición  pobre,  basándose  en  la  condición  de  216  tuberías
pertenecientes a ese grupo. Otro factor a analizar de la figura es el hecho que tuberías instaladas
entre los años 1956 y 1966, que tienen una pendiente mayor al 2% tienen un 67% de probabilidad
de estar en un estado pobre, que es mucho mayor si se comparan con tuberías similares pero con
una pendiente menor al 2%; esto se debe a que tuberías con pendiente mayor tienden a tener un
deterioro mayor ya que el flujo llega con mayor velocidad, causando mayor erosión en la superficie
interna de la tubería.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Pero además de estos resultados, el autor decide mejorarlos analizando la tasa de precisión de las
predicciones y las tasas de falsos positivos y negativos. Para ello el autor puede variar ligeramente
la precisión que están obteniendo para bajar las tasas de falsos negativos (tubería en condición real
pobre pero predichas como buena), que como se mencionó anteriormente es la tasa que debe tener
principal consideración. Para ello se presentan a continuación en la Tabla 3.4-11 las calibraciones
realizadas para bajar la tasa de falsos negativos, a pesar que esto cause una baja en la precisión del
resto de predicciones.

Tabla 3.4-11 Tasa de Desempeño y de Falsos Negativos (Fuente: Harvey, 2015).

Como se observa en la Tabla 3.4-11 a pesar de que en un principio se contó con una precisión del
79%, la tasa de falsos negativos era muy alta, del 48%. Hecho que alertó al autor para optar por una
disminución en la precisión al 68%, para reducir drásticamente la tasa de falsos negativos a un 21%.

Con los resultados descritos anteriormente la municipalidad de Guelph puede generar varios planes
de trabajo, por ejemplo los atributos únicos de las tuberías NO inspeccionadas, pueden ser usados
en la metodología para predecir la probabilidad de tuberías en estado pobre y con ello identificar
cuáles deben ser inspeccionadas con mayor urgencia.

Sin embargo, la municipalidad no puede contar con el tiempo o presupuesto para examinar todas
las tuberías en estado pobre que indica el modelo. Para ello una alternativa es seleccionar o focalizar

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

un grupo menor de tuberías que sea más manejable. Por ello la ciudad de Guelph con los resultados
dados del modelo, focalizó las tuberías en mal estado que se encuentran próximas a infraestructura
deteriorada del municipio, como son los alcantarillados pluviales cuyo caudal podría estar
filtrándose con aguas sanitarias. Finalmente se desarrolló un plan de rehabilitación prioritario donde
se rehabilitarán primero a las tuberías sanitarias que estén junto a tuberías pluviales, que a su vez
se encuentran en estado pobre, esto con el fin de frenar posibles vertimientos de aguas lluvia
mezclada con aguas sanitarias a ríos o algún otro cuerpo receptor.

3.4.4 Modelo de supervivencia de tuberías

Este  tipo  de  modelo  es  de  carácter  estadístico,  usado  para  predecir  el  deterioro  de  tuberías  de
alcantarillado.  En  la  investigación  realizada  por  Duchesne  (2012)  se  propone  un  modelo  de
supervivencia en el cual se especifique la proporción de tuberías en un estado en particular como
una  función  de  su  edad,  ya  sea  para  todo  el  sistema  o  para  grupos  de  tuberías  que  compartan
características  similares.  Este  modelo  se  basa  en  el  análisis  de  funciones  de  densidad  de
probabilidad (PDF) para el tiempo en el cual una tubería permanece en cada estado de deterioro.

El modelo propuesto por Duchesne destaca por tres factores primordiales:

a) Con la calibración del modelo propuesta, se supera la limitación de no conocer el

momento específico en el cual una tubería analizada ingreso al estado en el cual se
encuentra actualmente (al momento de la inspección).

b) Se analiza como las tuberías pueden ser agrupadas en cohortes para configurar de mejor

manera al modelo y así representar al estado global de una red. Además se alerta que
no se puede desarrollar un modelo con un cohorte, si es que este no cuenta con el
suficiente número de tuberías para establecer una relación estadística considerable
entre edad y deterioro.

c) Se analiza cómo afecta el número de observaciones o inspecciones en los resultados del

modelo y si es que este solo es recomendado para cierto tipo de ciudades.

DESARROLLO DEL MODELO

El modelo se basa en principios de análisis de supervivencia; representa el tiempo en el cual una
tubería permanece en cada estado de deterioro, como  una variable aleatoria. Se supone que las
tuberías están evaluadas de 0 a 3, de acuerdo con su estado estructural realizado por inspecciones
de  CCTV.  El  estado  de  0  representa  que  la  tubería  no  presenta  ningún  defecto  estructural
considerable, mientras que un estado 3 indica que una inmediata intervención es requerida. Con
ello el modelo simula el tiempo de permanencia en cada estado antes mencionado; esto lo hace
considerando  dicho  tiempo  como  una  variable  aleatoria  con  una  función  de  densidad  de
probabilidad y que la función de supervivencia da la probabilidad que una tubería permanezca un
tiempo mayor a “t” en un estado “i”. Las ecuaciones del modelo pueden ser utilizadas con cualquier

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Función  de  Densidad  de  Probabilidad,  por  lo  cual  se  emplean  la  distribuciones:  Exponencial  y
Weibull.  De  las  ecuaciones  antes  mencionadas  una  serie  de  parámetros  deben  ser  calibrados
mediante  un  proceso  detallado  de  calibración  que  toma  en  cuenta  el  tiempo  de  ocurrencia  de
cambios de estados antes de la inspección así como futuros.

IMPLEMENTACIÓN DEL MODELO

El modelo anteriormente descrito fue implementado en la ciudad de Quebec, Canadá, ciudad que
cuenta con 5,333 km de tuberías entre sanitaria, pluvial y en menor proporción combinada (676
km). La ciudad ha realizado inspecciones de CCTV por más de diez años con lo que puede evaluar el
estado de las tuberías según normas canadienses de 0 a 5. Para el estudio se tomaron 15,122
tuberías para la calibración (936 km) y para la simulación 4,368 km de tuberías.

Posteriormente se procede a la agrupación de tuberías en cohortes según sus características; se
seleccionaron varios casos para determinar cuál brinda mejores resultados. La mayor dificultad fue
encontrar cohortes que contengan suficientes tuberías para establecer una relación estadística
entre su edad y condición estructural. Cabe resaltar que la ciudad de Quebec cuenta con un nivel
de detalle mínimo en sus inspecciones, razón por la cual los cohortes no cuentan con mayor detalle
como se observa en la Tabla 3.4-12.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Tabla 3.4-12. Agrupación en Cohortes de las tuberías inspeccionadas (Fuente: Duchesne, 2012).

El primer caso A, es el más simple; consiste en calibrar un solo modelo utilizando todas las tuberías
inspeccionadas y aplicar los parámetros hallados para todas las tuberías de la red inspeccionadas.
En el caso B, dos modelos distintos son aplicados, uno para tuberías sanitarias y otro para
combinadas. El tercero, C es el más detallado consiste en 8 cohortes por tipo de material, 4 cohortes
para tuberías de agua sanitaria hechas de: concreto reforzado, concreto, cemento y PVC; 2 cohortes
para tuberías de aguas combinadas y pluviales hechas de concreto reforzado y cerámica vitrificada
respectivamente; y los dos últimos incluyen tuberías que no pudieron ser integradas en los otros
grupos ya sea porque son de un material del que no hay suficientes tuberías. Cabe resaltar que los
últimos grupos contienen un número menor de tuberías ya que son de las cuales se tiene certeza su
material, a diferencia de los otros grupos, esto con el fin de comprender si tal incertidumbre afecta
mayormente a los resultados.

De los resultados mostrados a continuación en la Figura 3.4-12, lo primero que se observa es que
los casos B y C tienen resultados similares ya sea para el estado en el que se lo analice. Esto indica
que para determinar un estado general de la estructura de las tuberías, dividirlas por tipo de
material y tipo de efluente no varía significativamente en la evaluación de la red, esto comparándola
a simplemente dividir con tipo de efluente. Pero por otro lado no realizar ninguna agrupación y
simular toda la red sin ningún tipo de distinción, genera una sobre estimación de la proporción de

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

tuberías que se encuentran en buen estado (corresponde a un estado 0). Por lo cual una agrupación
del tipo B es la más apropiada para una ciudad con las características de Quebec, no solo por los
buenos resultados que obtiene, sino también por el tiempo y recursos que significa menores
tiempos computacionales como esfuerzos en la división de cohortes.

Figura 3.4-12a. Simulación para un estado 1 o peor, para tres casos (Fuente: Duchesne, 2012).

Figura 3.4-12b. Simulación para un estado 2-3 o peor, para tres casos (Fuente: Duchesne, 2012).

Tabla 3.4-13. Resultados de los 5 casos presentados en resultados (Fuente: Duchesne, 2012).

Finalmente el estudio demuestra que para un número menor de observaciones continuando
arrojando resultados deseables. Para ello realizan simulaciones con 250, 500, 1000, 2000 y 4000
observaciones y las repite mil veces para comprobar que en todas las repeticiones los resultados

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

sean similares, además de calcular la raíz cuadrada del error cuadrático medio que deben ser valores
cercanos a cero.

Como se aprecia en la Figura 3.4-13 al correr la simulación con 500 observaciones y repitiéndola
1000 veces los resultados confluyen en un rango aceptable. Misma situación se ve en la Tabla 3.4-
14 donde los valores de la raíz cuadrada del error cuadrático medio son muy cercanos a 0 y conforme
aumentan el número de observaciones este valor mejora acercándose aún más a cero. Con lo dicho
la autora recomienda dicho modelo para ciudades pequeñas a pesar que no cuenten con un número
de inspecciones como las de Quebec.

Tabla 3.4-14. Resultados de la raíz del error cuadrático medio (Fuente: Duchesne, 2012).

Figura 3.4-13. Representación gráfica de 1000 repeticiones para 500 observaciones (Fuente: Duchesne, 2012).

3.5 Inteligencia Artificial

3.5.1 Vectores Soporte (Support Vector Machines)

Esta  metodología  es  del  tipo  de  inteligencia  artificial  y  se  concentra  en  el  estudio  realizado  por
Mashford  (2011).  Este  tipo  de  modelos  poseen  ciertas  ventajas  sobre  modelos  estadísticos
tradicionales;  primero  no  necesitan  información  específica  de  la  condición  interna  de  la  tubería

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

requiere de un set de calibración más pequeño a comparación de otros modelos, como redes
neuronales, por ejemplo.

Este modelo establece la pregunta: ¿Si dado un conjunto de atributos de una tubería es suficiente
para determinar su estado funcional u operacional? Para ello, uno puede tomar unas características
de la tubería y examinar a todo el alcantarillado con esas características; si la mayoría de las tuberías
con dichas características tienen la misma o similar condición (calificación generalmente de 1 a 5),
entonces una relación funcional puede ser establecida (Mashford, 2011).

No obstante, en la práctica, con la escasez de información en las distintas municipalidades tanto en
inventarios como en inspecciones de la red, dificultan la aplicación de modelos estadísticos
tradicionales (Regresiones, Cadenas de Markov, etc). Por ello técnicas de inteligencia artificial como
la planteada por Mashford, tratan de tomar el problema mediante otro enfoque para predecir el
estado de una red con información limitada.

DESCRIPCIÓN DE LOS VECTORES DE SOPORTE

Similar y relacionado con modelos de redes neuronales, los vectores soporte hacen parte de la teoría
de  aprendizaje  estadística,  que  puede  ser  utilizada  para  tareas  de  regresión  y  clasificación.  El
objetivo principal de los vectores soporte es encontrar una forma funcional adecuada que mejor
describa  la  relación  desconocida  entre  un  número  de  variables  independientes  con  una  variable
dependiente.

La gran diferencia de esta metodología respecto a otras estadísticas tradicionales es su capacidad
de aprendizaje; “(…) Este proceso de aprendizaje es generalmente guiado considerando una base
de datos finita de ejemplos y la mejor función es aquella que minimiza el riesgo, el cual es la pérdida
esperada incurrida al utilizar cualquier función de predicción (…)” (Mashford, 2011).

CASO DE ESTUDIO E IMPLEMENTACIÓN DEL MODELO

El caso de estudio para la aplicación de la metodología de vectores de soporte, es la ciudad de
Adelaide en Australia. Dicha ciudad cuenta con 1.1 millón de habitantes; los rangos de diámetros
que se encuentran en la red varían de 150 mm a 2,250 mm, de estos los materiales predominantes
son el PVC, Cerámica vitrificada, distintos tipos de concreto y acero en menor porcentaje. La ciudad
se embarcó en un plan maestro de inspección de tuberías de 7 años para conocer el estado real de
su red; esto se logró gracias a inspecciones de CCTV donde se determinó la condición de la red desde
tuberías en estado 1 (bueno) a 5 (crítico) (Mashford, 2011).

La Información que fue utilizada para la implementación del modelo se presenta en la Tabla 3.5-1,
como se puede apreciar se indica según el tipo de material el número de tuberías que se encuentran
en los distintos estados.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Tabla 3.5-1 Distribución tuberías según material y su condición (Fuente: Mashford, 2011).

Una vez con esta información el objetivo del modelo es estimar y clasificar el estado de tuberías que
no han sido inspeccionadas. Para ello el primer paso que desarrollan los autores es seleccionar los
atributos de las tuberías que serán analizados para el modelo. Ya que la ciudad cuenta con una gran
información de los atributos de las tuberías, se decide desarrollar 4 distintos modelos, donde cada
uno de ellos toma distintos datos de entrada. Los atributos de las tuberías tomadas como datos de
entrada para cada modelo se los describe a continuación:

Modelo I: Diámetro, edad de la tubería (desde la instalación), tipo de vía en la que fue
colocada, pendiente, elevación de batea al inicio del tramo, elevación de batea al final del
tramo y material de la tubería.

Modelo II: Los atributos del Modelo I más: Corrosividad del suelo y presencia de sulfatos
en el suelo y aguas subterránea. Ambas expresadas en un rango de 1 a 5.

Modelo III: Los atributos del Modelo I más: Δ Grado y Δ Ángulo. Ambos parámetros para
estimar cambios en la dirección de la tubería

Modelo IV: Todos los atributos. (Ver Tabla 3.5-2)

(Mashford, 2011).

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Tabla 3.5-2. Características de las tuberías usadas para el modelo (Fuente: Mashford, 2011).

Una vez con los datos de entrada, se desarrolla el modelo, tanto en su calibración como en su puesta
en marcha. Cabe destacar los parámetros para medir el desempeño del mismo, que son:



Tasa de desempeño Global (OSR): Tasa de clasificación correcta, varía de 0 a 1. Donde 1 es
un desempeño perfecto



Tasa de clasificación Errónea (MC

): Es la proporción de resultados clasificados

incorrectamente.



Bondad de Ajuste (Χ

): Qué tan cerca está el modelo de la clasificación perfecta



Prueba de Acuerdo (Κ): Varía de un intervalo de -1 a 1. Donde 1 representa acuerdo
perfecto, 0 no hay acuerdo y -1 total desacuerdo

Para los parámetros de desempeño antes mencionados se los encontró mediante la matriz de
confusión, la cual indica una directa y detallada representación del desempeño del modelo. Todos
los parámetros mencionados son derivados de esta matriz de confusión (Mashford, 2011).

Una vez con los parámetros de desempeño establecidos para poder corroborar la utilidad o no del
modelo, se presentan los resultados en las tablas a continuación:

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Tabla 3.5-3 Resultados del Modelo

(Fuente: Mashford, 2011).

De los resultados se puede destacar el buen desempeño del Modelo I, que es el que menor número
de atributos tomo en cuenta como datos de entrada. El valor de 0.96 de la tasa de desempeño
global, así como los valores bajos en la tasa errónea de calificación, demuestran que es el modelo
que mejor se desempeña; a pesar que para la condición 5 que es la más crítica y por ende donde
menos error se debería permitir tiene un valor de 10.6, pero considerablemente menor si se
compara con el resto de modelos.

Ya que el Modelo I fue el de mejor desempeño, el autor decide realizar un análisis factorial de dicho
modelo, dónde lo que se hace es partir el modelo en grupos de acuerdo con su material. Esto con
propósito de presentar los resultados de manera más detallada, como se muestra en la Tabla 3.5-4
a continuación.

Tabla 3.5-4 Resultados del Modelo

(Fuente: Mashford, 2011).

De los resultados según material, se observa que la tasa de desempeño global es similar y
considerablemente buena, pero con algunas observaciones. Si bien para cerámica vitrificada (VC) se
obtiene un valor perfecto, esto es por lo que en la inspecciones las tuberías de este tipo no se
encontraban en estado 3-4-5, que es el estado más crítico donde existen mayores variaciones. Por
otro lado si bien las tuberías de concreto obtienen un desempeño global alto, su tasa de calificación
errónea para el estado 5 es considerablemente alta del 21%. Todo esto indica que a pesar del buen
desempeño de un modelo, siempre existirá un porcentaje de incertidumbre de error, pero además
que cada tipo de material se comporta distinto; por ello se podría considerar un modelo diferente
para cada material, lo que sin duda es un reto.

Si bien los resultados encontrados pueden ser considerados como buenos el autor señala unas
recomendaciones muy valiosas para este tipo de metodologías. Primero, trabajar previamente con
algoritmos de clasificación y depuración de datos de entrada (atributos de tuberías) que mejoraran
el desempeño y precisión del modelo. Además si se tiene una gran base de datos, como lo ocurrido

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

en Adelaide, si estos no son precisos, a pesar de utilizar una gran cantidad de datos de entrada la
precisión y desempeño del modelo no mejora; por ello es necesario utilizar una base de datos
extensa, pero también precisa sin datos faltantes o incompletos, que sean influyentes directos de la
tubería y su deterioro (Mashford, 2011).

3.5.2 Redes Neuronales

3.5.2.1 Predictivas

Ante las crecientes demandas ambientales alrededor del mundo, la mentalidad en el manejo de
alcantarillados ha evolucionado para mejorar sustancialmente su mantenimiento y operación. Ante
ello se han usado generalmente modelos estadísticos, pero las presiones ambientales y sociales han
sido tan grandes que han generado la necesidad de crear modelos cada vez más confiables que se
acercan más a la realidad de la red. Ante la necesidad antes mencionada, el autor Vitor Sousa (2014)
desarrolló  un modelo basado en redes neuronales para predecir el estado futuro de  una red de
alcantarillado  en  Portugal;  pero  además  compara  los  resultados  obtenidos  con  un  modelo
tradicional estadístico de regresiones y con otro de inteligencia artificial, como son los vectores de
soporte. Lo que pretende el autor con dicha comparación es demostrar que para una misma ciudad
con  la misma  información suministrada, modelos  con  redes  neuronales  pueden  brindar  mejores
resultados.

ANTECEDENTES

Para entender de mejorar manera lo propuesto por Sousa (2014), es necesario identificar las
limitaciones mencionadas de los modelos tradicionales estadísticos y sus distintos tipos. Para iniciar,
los modelos estadísticos tradicionales, requieren un conocimiento previo de la función o estructura
que mejor represente las características de las tuberías (diámetro, material, edad) y su influencia en
su desempeño. Esto a decir de Sousa es un gran limitante, porque los efectos e interacciones entre
las características de la tubería y cómo se relacionan con el desempeño de la red, en primero lugar
no se conocen y en segundo son muy difíciles de determinar y cambian drásticamente dependiendo
de la ciudad. Por ejemplo ¿el diámetro y la edad de la tubería interactúan como una suma, producto
o como cual formulación matemática? Consecuentemente en la mayoría de los casos para modelos
estadísticos únicamente se toma una de las características de la tubería, usualmente la edad (Sousa,
2014).

Dependiendo del tipo de resultado que brinden los modelos estos pueden ser clasificados en
determinísticos o estocásticos. Los determinísticos presentan estimaciones en un formato exacto y
absoluto mientras que los estocásticos presentan en cierta forma incertidumbre o variabilidad en
cuanto a sus resultados. Ahora con respecto a los modelos predictivos para el estado de
alcantarillados, pueden ser clasificados también como empíricos o mecánicos, dónde la mayoría de
modelos encontrados en la literatura pertenecen a los primeros (Sousa, 2014).

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

“(…) Los modelos empíricos utilizan herramientas y métodos estadísticos para obtener una relación
entre  las  variables  conocidas  y  la  condición  de  la  red  de  alcantarillado,  basándose  en  datos
históricos. Estos modelos utilizan la premisa que el patrón de deterioro permanecerá igual en el
futuro”  (Sousa,  2014).  Dentro  de  los  modelos  empíricos,  dos  categorías  destacan:  a)  Modelos
basados en funciones y b) modelos basados en datos. Si bien es cierto, ambas categorías se basan
en ajustar datos observados, para modelos basados en funciones las expresiones matemáticas que
relacionan los datos de entrada con los de salida, son predefinidas desde un inicio del modelo. Por
ello las operaciones de ajuste de estos modelos buscan determinar los coeficientes de las funciones
que minimicen el error entre los valores observados y estimados (…)” (Sousa, 2014).

Por otro lado en los modelos basados en datos no existe ninguna expresión predefinida que
relacione los datos de entrada con los de salida. Los modelos de inteligencia artificial son de este
tipo y tienen “(…) La habilidad de aprender patrones de procesos subyacentes de datos pasados y
generalizar la relación entre datos de entrada y salida, siendo capaces de predecir o estimar una
salida dada una nuevo serie de variables de entrada” (Sousa, 2014).

Un resumen de los modelos expuestos y sus respectivas categorizaciones se puede observar en la
Tabla 3.5-5 a continuación:

Tabla 3.5-5 Clasificación de Modelos (Fuente Sousa, 2014).

DESCRIPCIÓN DEL TIPO DE RED NEURONAL UTILIZADA Y CASO DE ESTUDIO

Redes neuronales pueden ser descritas también como un sistema procesador de información que
se asemeja al cerebro humano y sus tipos varían desde aquellas con una o dos capas, con una sola
dirección lógica hasta complejos sistemas con múltiples entradas y varias direcciones y capas (Sousa,
2014). Dentro de esta variedad de tipos de redes neuronales las que comúnmente se utilizan son:
Redes Perceptrón Multicapa (MLP) y Función de Base Radial (RBF). Las redes del tipo MLP son de
alimentación directa compuestas de tres o más capas. Este tipo de red es la escogida por el autor
para desarrollar el presente estudio.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

El autor decidió realizar el estudio en el Sistema de Sanamiento da Costa Estoril, que corresponde a
las aguas residuales de dos municipalidades que en total suman 800.000 habitantes y por convenio
es transportada por un gran interceptor de 24.7 km de longitud que bordea la costa de la zona hasta
llegar a la respectiva planta de tratamiento.

Figura 3.5-1. Localización del Estudio (Fuente Sousa, 2014)

Este sistema de saneamiento cuenta con información detallada de los colectores de las dos
municipalidades, puesto que son los más propensos a fallar; al momento de la investigación habían
sido inspeccionados por tercera vez. Ante esta situación Sousa decide enfocar el estudio en los 25.4
km de colectores que cuentan con información detallada, como se muestra en la Tabla 3.5-6. Si bien
de las inspecciones vía CCTV se obtuvo la calificación de su estado en una escala de 1 (bueno) a 5
(peor condición) para simplicidad del estudio y para enfocarse en las tuberías en estado crítico, se
adopta una nueva escala donde en un estado 1 están las tuberías en estado bueno (1-2-3) y un
estado 2 (4-5) que son tuberías que requieren inmediata intervención.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Tabla 3.5-6 Atributos de las tuberías (Fuente Sousa, 2014).

RESULTADOS

Una vez con los datos de entrada definidos y tipo de red neuronal, se procede a correr el modelo
propuesto y además comparar los resultados obtenidos con dos otros modelos; el primero similar
de inteligencia artificial como son los vectores de soporte y un estadístico tradicional como es el de
regresiones.

En las Tablas 3.5-7 a continuación se puede observar los resultados de los tres modelos, con sus
respectivos porcentajes de acierto y de error para predecir los dos estados previamente
mencionados.

Tablas 3.5-7 (a), (b) y (c) Resultados del Modelo, Porcentajes de Acierto (Fuente Sousa, 2014).

(a) Regresión

(b) Redes Neuronales

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

De los resultados se puede observar que si bien son relativamente similares, las redes neuronales
son las que tienen un mayor porcentaje de aciertos. Especialmente se observa el hecho que para la
categoría 2 que es la más crítica, redes neuronales tiene un porcentaje de incorrectos del 28.9%,
mientras que en los otros modelos (Vectores y Regresiones) supera el 40%. Cabe resaltar que para
una municipalidad estimar el estado 2 es el más relevante para concretar planes de rehabilitación
inmediata e inspecciones prioritarias.

Por otro lado como limitante concerniente a redes neuronales es el hecho de la variabilidad de los
resultados cuando se da la ponderación inicial a las conexiones neuronales; si bien es capaz de lograr
mejores resultados, esta sensibilidad debe ser considerada. Por otro lado, los vectores soporte
mostraron una menor variabilidad pero un desempeño menor de igual manera, por lo que para una
visión conservadora como indica el autor, recomienda vectores soporte.

3.5.2.2 Detección Automática de Defectos

Si bien “Redes Neuronales” en una técnica de vanguardia utilizada para estimar el estado futuro de
redes de alcantarillado, años atrás ya ha sido utilizada para el mantenimiento de alcantarillados,
pero mucha más vinculada a la inspección automatizada, concretamente a la detección de fallas
dentro de tuberías. Ante lo mencionado Chae, Myung, profesor de la Universidad de Purdue en
Estados Unidos realizó un estudio visionario para la época respecto a la utilización y el potencial a
futuro de redes neuronales.

En el estudio realizado por Chae (2001), se parte del hecho que para la detección de defectos dentro
de una alcantarilla se puede realizar bien por inspecciones físicas de expertos, mediante fotografías
y la más usada y que domina el mercado inspecciones mediante circuito cerrado de televisión
(CCTV). Ahora con respecto a las inspecciones de CCTV, estas dependen de la habilidad y correcta
interpretación del técnico a cargo de la inspección; por ello para mejorar la confiabilidad de este
tipo de inspecciones se han desarrollado tecnologías para complementarlas, como es el caso de la
Escáner de Alcantarillados y Tecnología de Evaluación o SSET (Sewer Scanner and Evaluation
Technology) por sus siglas en inglés. Ya que la metodología propuesta por Chae, parte del análisis
de imágenes de SSET, a continuación se dará una breve descripción de dicha tecnología.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

SSET

La tecnología SSET fue desarrollada en Japón por un empresa tecnológica, básicamente consiste en
la complementación de las imágenes de CCTV a través de un escáner óptico y un giroscopio que
recorren el alcantarillado conjuntamente con el equipo de CCTV. Lo que dará como resultado una
inspección mucha más detallada que incluye el video recopilado de CCTV, una imagen escaneada
completa de la circunferencia de la tubería, una imagen computarizada codificada a color de los
defectos encontrados y la deflexión horizontal y vertical de la tubería, como se observa en la Figura
3.5-2 a continuación (Chae, 2001).

Figura 3.5-2 (Fuente: Chae, 2001).

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Una vez que se obtienen estas imágenes inicia el pre-procesamiento de las mismas, que consiste en
lograr que sean más visibles a las fallas que puedan existir. Cabe resaltar que este proceso no genera
nada nuevo en la imagen, simplemente la hace más visible o fácilmente identificable. Como parte
de este pre-procesamiento es transformar la imagen a escala de grises y almacenar dicha
información (intensidad de grises) en una matriz. Al realizar esta transformación se pueden ejecutar
una serie de algoritmos para la detección defectos, como es la detección de aristas, con lo que se
logran detectar grandes contrastes en la imagen (ya transformada a escala de grises) facilitando la
detección de algún defecto, como vemos en la figura a continuación (Chae, 2001).

Figura 3.5-3 (Fuente: Chae, 2001).

Si bien este tipo de tecnología parecería ser muy eficiente y es de gran ayuda no deja de depender
de la interpretación del técnico a cargo, ni la imagen deja de ser subjetiva dependiendo de distintos

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

técnicos que la observen. A partir de ello Chae desarrolla un modelo para detección automatizada
a través de redes neuronales.

REDES NEURONALES PARA DETECCCIONES AUTOMATIZADAS

“(…) Redes neuronales consisten en un gran número de neuronas o unidades procesadoras; cada
entrada  aplicada  a  la  red  es  multiplicada  por  una  ponderación.  Las  entradas  ponderadas  son
sumadas para determinar el nivel de activación de la neurona, estas ponderaciones representan el
conocimiento del sistema. El procesamiento de información se lleva a cabo a través de la interacción
de estas unidades (…)” (Chae, 2001). Posteriormente la entrada neta es procesada por una función
de  activación  para  producir  la  señal  de  salida  de  la  neurona.    Cuando  el  primer  set  de  datos de
entrada  ingresa  a  la  red  esta  produce  una  salida  muy  diferente  a  la  deseada,  por  ello  debe  ser
calibrada. Existe un logaritmo de calibración que ajusta las ponderaciones en la red para lograr las
salidas deseadas; esto se realiza iterativamente para todos los datos hasta que la red produzca sets
de  salidas  cercanos  a  los  deseados.  Una  vez  que  la  red  este  calibrada  estará  en  capacidades  de
simular nuevas salidas con datos nuevos de entrada (Chae, 2001).

El proceso descrito se lo puede visualizar en la Figura 3.5-4:

Figura 3.5-4 (Fuente: Chae, 2001).

Una vez descrita una red neuronal, se procede a la descripción del sistema automatizado de
interpretación de inspecciones a tuberías de alcantarillado, mediante redes neuronales. Este
sistema consta de cuatro pasos descritos continuación:

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

a) Adquisición de Imágenes: De las inspecciones las imágenes son digitalizadas a matrices

de dos dimensiones, donde cada fila y columna identifica un punto en la imagen y su
correspondiente valor en la escala de grises.

b) Procesamiento: El objetivo principal es modificar la imagen original, a elementos y sub-

imágenes más pequeñas, para que pueden ser utilizadas con mayor facilidad. Para ello
mediante filtros, escala de grises, aislamiento de regiones, etc, puedan ser tratadas por
redes neuronales. Para ser tratada dicha imagen es convertida a un formato binario, con
lo cual se facilita su procesamiento en la red y su velocidad (Chae, 2001).

Figura 3.5-5 (Fuente: Chae, 2001).

c) Reconocimiento de Defectos mediante redes neuronales: Para cada defecto se realiza

una red distinta, para efectos del estudio se realizan únicamente dos, una red neuronal
para juntas y otra para grietas. Con ello como dato de entrada para cada red se dará la
imagen procesada y los datos de salida para cada red serán los atributos del defecto,
como por ejemplo número de grietas, longitud de la grieta, entre otros.

Figura 3.5-6 (Fuente: Chae, 2001).

d) Técnicas difusas para la evaluación del estado de tuberías: La técnica difusa propuesta

pretende automáticamente identificar, clasificar, calificar defectos encontrados en
tuberías, mientras minimiza los errores provenientes de la red neuronal. Este estimador
difuso da a los datos de salida una manera de ser interpretados y ayuda a describir la
condición general de la tubería. Una de las principales ventajas de esta técnica, es que

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

no tiene cambios bruscos entre estados; más bien puede moverse suavemente entre
regiones donde el sistema está dominado por una regla u otra.

Figura 3.5-7 (Fuente: Chae, 2001).

CONSTRUCCIÓN DEL PROTOTIPO

Para validar la metodología automatizada propuesta los autores realizaron un pequeño prototipo
del modelo, con información de inspecciones de alcantarillados hechas con CCTV y complementadas
con tecnología SSET. La ciudad de San José, California, facilitó las inspecciones de 192 tramos de
alcantarillado.

Dado que es un prototipo únicamente se construyeron redes para dos tipos de defectos; grietas y
desplazamiento de juntas. Para iniciar la red de juntas establece previamente el tipo de datos de
salida que deben ser los atributos para tal defecto como son: número de juntas, ancho de la junta,
presencia de grietas cerca de la junta, entre otras.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Figura 3.5-8 (Fuente: Chae, 2001).

Ahora la red neuronal para grietas cambia ligeramente, puesto que es mucho más difícil de
reconocer dicho defecto a través de las imágenes, para ello la segmentación y ampliación de
imágenes es vital para esta red. Hecho esto la red neuronal estará en capacidad de identificar ciertas
características de la grieta (como longitud, ángulo, etc.) que luego son analizados y extraídos para
encontrar patrones que solo presentan cuando existe en efecto una grieta.

Figura 3.5-9 (Fuente: Chae, 2001).

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Finalmente, para terminar el proceso la técnica difusa consolida los datos de salida de ambas redes
para determinar una condición general de la red, en escala de 1 a 10, donde 1 es la mejor. Por
ejemplo para la determinación del estado por grietas el sistema difuso analiza la distancia entra la
grieta y la junta así como el número de grietas (ambos datos son las salidas de la red neuronal) y
con reglas pre-establecidas, para dichas condiciones establece un estado de la tubería.

Con  los  atributos  dados  por  las  redes  y  consolidada  la  información  con  el  sistema  difuso,  se
comparan  los  resultados  con  el  análisis  de  un  experto  en  inspecciones  de  alcantarillados,  para
observar  que  su modelo  se  acerque  al  razonamiento  humano  y  que  tanto  acierta  a  los  defectos
encontrados.

Tabla 3.5-8 (Fuente: Chae, 2001).

De los resultados (Tabla 3.5-8) se puede concluir que el modelo propuesto detecta y determina el
estado de una tubería comparado a un experto. En general en un 83% el modelo acertó a la opinión
de un experto, hallando mayores aciertos en identificar juntas, donde se obtuvo un 100% de acierto.
Por otra parte, a diferencia de las juntas, las grietas al ser más subjetivas presentaron un acierto del
72%. Valores que sin duda pueden ser mejorados con mayor trabajo en la extracción de información
en las imágenes, ya que para la época se recortó en exceso la imagen y su resolución fue disminuida
con el objetivo de ahorrar el tiempo de cálculo en el computador.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

3.6 Análisis de Toma Directa de Decisiones

3.6.1 Situación de Emergencia

Como se ha podido describir en secciones anteriores del presente trabajo, existe una gran variedad
de metodologías para determinar el estado de las redes y su necesidad o no de rehabilitación. Si
bien lo óptimo es un plan a largo plazo que ha sido analizado mediante modelos, índices etc, en
muchas ocasiones la entidad a cargo del servicio se encuentra en una situación de emergencia que
le impide contar con el tiempo y proceso requerido. Por ello se analizará como realmente algunas
empresas de alcantarillado toman la decisión de rehabilitar una red y en base a qué criterio lo hacen.
Un estudio realizado por Williamson (2014) como parte de la ASCE ejemplifica lo mencionado
anteriormente, con la experiencia en el plan de rehabilitación de su red de alcantarillado de la
ciudad de Corphus Christi en los Estados Unidos.

Tras años de presentar serios problemas en su red de alcantarillado, que se traducen en
sobrecargas, fallas de tuberías y en general una visión reactiva, de reparar solamente lo que se daña
y si es que se daña, en el 2010 la ciudad decide cambiar esta visión y embarcarse en un trabajo
proactivo en cuanto a la rehabilitación de su red. Este trabajo proactivo consiste en lograr mover
rápidamente recursos a los sitios que necesitan rehabilitación de emergencia, con el sistema
denominado: “Entrega Indefinida / Cantidad Indefinida” (Williamson, 2014).

ANTECEDENTES:

La ciudad de Corphus Christi cuenta con una red de alcantarillado a gravedad de 1,122 millas de
longitud, 19,176 pozos de inspección, con un costo aproximado de reposición de toda la red cercano
a los 1.5 billones de dólares. Aproximadamente el 25% de la red fue instalada alrededor de los años
1960’s,  con  lo  que  llevan  en  servicio  más  de  50  años,  cumpliendo  su  vida  útil.  Por  ello  tras
inspecciones  realizadas  se  encontró  tasas  alarmantes  de  filtración  e  infiltración,  además  de
reducción  de  la  capacidad  de  la  red  por  depósitos  de  sedimentos  y  con  ello  un  sin  número  de
sobrecargas en cámaras de inspección (Williamson, 2014).

APLICACIÓN DEL SISTEMA ENTREGA INDEFINIDA / CANTIDAD INDEFINIDA (ID/IQ)

Tras la problemática planteada la ciudad puso en marcha el sistema Entrega Indefinida / Cantidad
Indefinida, el cual le permite contar con una compañía constructora que estará a cargo de realizar
cualquier tipo de trabajo emergente o no emergente que sea requerido en la red, así como realizar
rehabilitaciones en zonas conflictivas, sin importar su localización o gravedad.

Esto en coordinación con la empresa contratante, ya que para cualquier trabajo que se vaya a
realizar se requiere una autorización escrita de la empresa donde se incluye la localización del
proyecto, condiciones existentes, método recomendado para rehabilitar, costo estimado y plazo de

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

entrega. Este programa pretende que sea ininterrumpido y los proyectos continúen hasta que toda
la red se encuentre en un estado aceptable de funcionamiento.

Los proyectos que está en capacidad de realizar la compañía incluyen a más de 330 rubros sin ser
este su límite y dado el caso pueden incluir más, como por ejemplo: rehabilitación y mantenimiento
en plantas de tratamiento, rehabilitación y reposición de pozos de inspección, rehabilitación o
renovación de tuberías de alcantarillado, control de sobrecargas a través de bombeos, limpieza e
inspección vía CCTV de tuberías, reparación de pavimento y calles afectadas por los trabajos, entre
otros (Williamson, 2014).

PROCESO DE SELECCIÓN DE PROYECTOS

Para la selección de proyectos la empresa se basó en tres fuentes: reparaciones emergentes,
defectos encontrados durante mantenimientos y mediante un análisis de priorización en la red. Este
último utiliza un sistema de información geográfica (GIS) que cuenta con importante información
de la red como: número y ubicación de fallas, número de quejas de los usuarios, reportes de
sobrecarga y de filtraciones, entre otros. De esta manera con la información antes mencionada se
logró identificar los sectores más críticos de la ciudad, como por ejemplo se identificó que el 26%
de la sobrecarga de aguas residuales está concentrada en tan solo un 5% de la ciudad, con lo que
esa zona, fue identificada como uno de los proyectos prioritarios de rehabilitación. En la Figura 3.6-
1 se puede observar un análisis espacial de la concentración de sobrecargas antes mencionado.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Figura 3.6-1 Análisis Espacial (Fuente: Williamson, 2014).

Mediante  el  análisis  de  priorización  antes  mencionado  se  logró  que  un  35%  de  los  proyectos
realizados  por  el sistema  ID/IQ  provengan  mediante la  fuente mencionada, mientras  que  un 6%
correspondió  a  reparaciones  emergentes  y  el  restante  mediante  las  inspecciones  de  CCTV  que
identificaron las tuberías más propensas a fallar.

RESULTADOS DEL SISTEMA (ID/IQ)

Una vez que el Sistema pudo manejar  toda la ola de trabajo reactivo  represado de tuberías que
necesitaban  inmediata  intervención,  se  pudo  cambiar  a  un  trabajo  proactivo  de  rehabilitación
preventiva.  Con  ello  al  tercer  año  de  trabajo,  solo  un  6%  de  proyectos  correspondieron  a
reparaciones  de  emergencia,  el  resto  fue  preventivo.  Además  el  reporte  de  sobrecargas  e
infiltraciones se redujeron drásticamente, lo que equivale a un ahorro de dinero significativo y un
desempeño garantizado a futuro de la red de alcantarillado.

3.6.2 Análisis Proactivo

Dentro del manejo de una empresa de alcantarillado hay que establecer el nivel de profundidad
para determinar el estado de su red y con ello generar planes de rehabilitación a largo plazo. Para
ello la denominada gestión de activos de alcantarillados, SAM (Sewer Asset Management) por sus
siglas en inglés, explora las distintas acciones que deben tomar para llegar a un estado óptimo de la

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

red. El estudio encabezado por Le Gauffre (2014) profundiza las acciones a seguir antes
mencionadas para un correcto manejo de la red.

El denominado SAM identifica claramente los pasos a seguir para llegar a un enfoque proactivo de
manejo de alcantarillados, en la Figura 3.6-2 a continuación se observa los distintos pasos y niveles
a los cuales se propone llegar, de un estado (1) a un (4) que sería el proactivo.

Figura 3.6-2 Niveles para llegar a un manejo Pro-Activo (Fuente: Le Gauffre et al., 2014).

En la figura se puede aprecia que:



El primer nivel (1) muestra la forma más simple en la que se puede determinar el estado de
una red. Consiste en inspeccionar vía CCTV una porción de la red aleatoriamente o por cierto
indicio sin mayor análisis, luego determinar la condición del tramo inspeccionado y
finalmente determinar el tipo de rehabilitación a realizarse basándose en la condición que
se obtuvo de la inspección.



En el segundo nivel (2) se ve una ligera variación ya que al momento de determinar la
condición de la red (calificarla) se toma en cuenta además el entorno y ya no solo lo visto a
través de CCTV; de esta manera se determina cual sección de tubería traería consecuencias
más graves si es que falla. Además de identificar las zonas más vulnerables o propensas a
fallo para priorizar inspecciones.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría



El tercer nivel (3) se establecen prioridades de inspección basándose en estimaciones o en
vulnerabilidades, por ejemplo sitios donde fallas de la red podrían traer consecuencias
graves



Finalmente la última evolución (4), se concentra en planes a largo plazo; para ello es
necesario estimar la condición ya no solo de una porción de la red sino todos los activos de
la red. Para ello se debe contar con un modelo que sea capaz de trabajar con una muestra
significativa y estimar el estado total de la red. Lo anterior con el propósito de establecer
estrategias a largo plazo, que contemplen inspecciones anuales, presupuestos necesarios,
etc., y así evitar fallas durante los períodos de servicio. Con ello no se deja de lado ningún
sector o barrio y disminuyen las probabilidades de fallas para el período de servicio.

RECOMENDACIONES PARA EL MANEJO PROACTIVO

El principal objetivo de la gestión de activos de alcantarillados es mantener el servicio óptimo
de la red a largo plazo con restricciones presupuestarias. Para lograr lo dicho, se requiere llegar
a  los  cuatro  niveles  de  evolución  antes  mencionados,  pero  considerando  que  para  lograr  el
objetivo mencionado la calidad y disponibilidad de datos puede ser un gran limitante. Pues los
grandes inventarios con las características de las tuberías pueden tener información incompleta
e  imprecisa.  La  mayor  preocupación  de  la  calidad  y  disponibilidad  de  datos  radica  en  las
inspecciones  a  través  de  CCTV,  puesto  que  su  interpretación  es  muy  subjetiva;  además  los
códigos y normas para interpretar las inspecciones cambian en gran medida dependiendo de la
ciudad y muchas son tan complejas que resultan ser contraproducentes arrojando resultados
imprecisos  de  la  condición  (Por  ejemplo:  Falsos  Negativos, cuando  un  defecto está  presente
pero no es detectado en la tubería).

Para sobrellevar el limitante mencionado de disponibilidad y calidad, los autores hacen un
énfasis en la importancia de contar con una base de datos, que sea recolectada de una manera
eficiente y relacionada con las necesidades de los activos y los modelos a utilizar. Contar con
una gran recolección de datos y a largo plazo debe ser una prioridad en todas las empresas a
cargo (Le Gauffre et al., 2014).

Además de la recolección de información, los autores sugieren que para seleccionar las
prioridades de rehabilitación los sistemas difusos pueden ser de gran ayuda ya que estos pueden
tratar eficientemente la incertidumbre presente en la base de datos así como con las
calificaciones de las tuberías obtenidas de las inspecciones.

3.6.3 Influencia de Decisiones Políticas

Durante el desarrollo del presente trabajo se ha presentado una serie de metodologías para
determinar el estado de redes de alcantarillado, en muchos casos aplicadas a gran escala en una
ciudad y en otras a manera de prototipo. Pero no todos los proyectos se los realiza siguiendo
una metodología establecida ya que los criterios cambian de acuerdo a la ciudad, sus

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

características y necesidades. Por otra parte, dichos criterios cambian además, por influencias
políticas en la ejecución de proyectos de rehabilitación. Con este antecedente los autores
holandeses de la universidad de Delft, van Riel, van Bueren, desarrollaron una investigación para
contrastar la teoría y la toma real de decisiones en municipios holandeses.

Se  analiza  desde  el  punto  de  vista  teórico,  los  modelos  predictivos  así  como  tecnologías
avanzadas  de  inspección,  brindan  la  información  necesaria  para  conocer  suficientemente  el
estado de la red; facilitando teóricamente la toma de decisiones en cuanto a la realización de
un proyecto. Ahora desde el punto de vista práctico, el proceso de toma de decisiones involucra
una serie de factores entre ellos compromisos, negociaciones  que dificultan la realización de
proyectos y va más allá de un simple análisis analítico. Los gestores de proyectos deben procurar
extender el trabajo y en lo posible integrarlo a otras áreas, como por ejemplo rehabilitaciones
urbanas.

VISIONES EN LA TOMA DE DECISIONES

Generalmente se distinguen dos tipos de modelos de decisiones, el racional y el político, que en
la realidad se aplican ambos y se los describe a continuación:

Visión Racional: Este visión es presentada como un modelo paso a paso, dónde la toma
y análisis de datos (por ejemplo inspecciones) juegue un papel primordial, ya que se
debe estar en condiciones de considerar todas las posibles alternativas y evaluar todas
las posibles consecuencias. Para esta visión el actor en la toma de decisiones puede ser
un gobierno, grupo, pero considerado como una sola entidad. La visión ideal racional
contiene las siguientes características:

o  Un solo actor en la toma de decisiones
o  Procesos paso a paso
o  Datos recolectados y procesados que brinden información y conocimiento
o  Evaluación de las alternativas y sus consecuencias
o  Definir objetivos
o  Un punto de decisión clave en el tiempo

Visión Política: Este tipo de visión enfatiza que la toma de decisiones es ejecutada por
múltiples actores. Cada uno de ellos con distintos intereses y prioridades, cambiantes
en  el  tiempo.  Como  resultado  de  este  comportamiento  dinámico  de  los  actores,  se
toman decisiones insuficientemente estructuradas en base a un proceso poco claro y
definido.  Además interviene  en esta visión la denominada ‘ventana de oportunidad’,
donde  se  aprovecha  la  realización  de  cierto  proyecto  para  extenderlo,  tomando  en
cuenta  otras  áreas,  por ejemplo  la oportunidad  de  reemplazar  cierta  tubería  en  una
calle que será rehabilitada y se ejecutarán excavaciones.
Este tipo de visión en la  toma de decisiones está caracterizada de la siguiente manera:

o La negociación es un esfuerzo de grupo con el objetivo de lograr

compromisos.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

o Objetivos, valor de intereses, varían según el actor, afectando la decisión que

tomará.

o El proceso es interactivo, lo que lleva a procesos circulares, sin claros inicios y

finales.

o Relaciones de causa y efecto son difíciles de establecer y de evaluar, dado los

distintos actores y variables que intervienen.

(van Riel, 2015).

CASO DE ESTUDIO

Los autores desarrollaron el estudio en distintos municipios de Holanda, pero para comprender
como se ejecutan los proyectos de rehabilitación en ese país, se dará una breve descripción de las
particularidades y manejo de las redes de alcantarillado. Para empezar, el manejo de agua potable,
alcantarillado, planeamiento urbano, manejo de flora y fauna entre otras es competencia de los
municipios. Segundo, las municipalidades están encargadas de recolectar, transportar y tratar aguas
lluvias y residuales, donde los costos son asumidos en su totalidad por impuestos a sus habitantes.

El  estudio  realizado  consiste  en  seleccionar  proyectos  de  renovación  o  rehabilitación  de
alcantarillados que se han realizado en los últimos años en 11 ciudades representativas del país (con
poblaciones que varían de los 10.000  a los 750.000 habitantes). La información de los proyectos
realizados se la obtuvo a través de entrevistas a los principales gerentes y gestores de alcantarillado
de  cada  ciudad.  Previo  a  la  entrevista  se  les  solicitó  a  los  entrevistados  contar  con  una  lista  de
proyectos de rehabilitación o renovación concluidos. En la Tabla 3.6-1 a continuación se observan
las municipalidades entrevistadas con sus características.

Tabla 3.6-1. Municipalidades Holandesas (Fuente: van Riel, 2015).

ANÁLISIS DE LA INFORMACIÓN RECOLECTADA

Hechas las entrevistas se procedió a su procesamiento, el cual pretende establecer ¿cómo? y ¿por
qué? se desarrollaron los proyectos señalados en las municipalidades. Para lo mencionado se

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

agrupo la información obtenida y mediante códigos, de características que se encontraron se
repiten en las distintas ciudades, se logró una consolidación de la información.

De las 11 ciudades entrevistadas se identificaron 150 proyectos ejecutados entre el 2003 y el 2013,
de dónde la argumentación para la toma de decisiones para dichos proyectos reveló una serie de
fuentes de información involucradas para el inicio de los mismos. Siendo las fuentes principales:

Información del Sistema: Corresponde a información típica como inspecciones vías
CCTV, edad tubería, diámetro, resultados de modelaciones hidráulicas

Entorno del sistema de alcantarillado: Representan al contexto, son usualmente
identificadas como suplementarias. Influencian la planeación operacional del
sistema. Por ejemplo tasa de asentamiento del suelo.

Información Organizacional: Se refiere a información en un grado estratégico, que
abarca decisiones a largo plazo para desarrollo del sistema.

En la Figura 3.6-3 a continuación se muestra las fuentes antes señaladas que más se repitieron en
las entrevistas:

Figura 3.6-3. Fuentes para Rehabilitación (Fuente: van Riel, 2015).

Se identificó que un tercio de los proyectos, únicamente se basan en una fuente. Parte de ello se
debe a proyectos de emergencia, donde únicamente con una fuente se podía determinar su daño
que era muy evidente, principalmente a través de CCTV. En la Figura 3.6-4 se aprecia dicha
distribución, siendo evidente que más de 3 fuentes de información no es común, por ello su media
es de 2.4 fuentes de información por proyecto (van Riel, 2015).

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Figura 3.6-4 Distribución de las Fuentes (Fuente: van Riel, 2015).

Sin embargo la mayoría de los proyectos (2/3) utiliza más de una fuente, por lo que es interesante
observar  las  distintas  combinaciones  utilizadas  en  los  municipios.  Para  ello  en  la  Figura  3.6-5  a
continuación  se  pueden  observar  las  combinaciones  más  frecuentes  al  momento  de  tomar  una
decisión. Siendo estas:



Inspecciones vía CCTV más edad de la tubería



Inspecciones vía CCTV más planes de rehabilitación de vías



Inspecciones vía CCTV más planes de regeneración urbana



Edad de la tubería más planes de rehabilitación de vías



Denuncias o quejas de la ciudadanía más tasa de asentamiento del suelo

Cabe destacar que para la toma de decisiones los gerentes y gestores de alcantarillado incorporan
particularidades propias de su municipio al contexto en su toma de decisiones. Aunque en general
combinar varias fuentes puede fortalecer la toma de decisiones, no siempre es conveniente ya que
los intereses particulares de cada área pueden crear contradicciones en las percepciones de la
necesidad de rehabilitar o reemplazar cierto tramo de la red.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Figura 3.6-5 Red con las distintas combinaciones encontradas (Fuente: van Riel, 2015).

DESCRIPCIÓN Y TIPOS DE PROYECTOS

Si bien los 150 proyectos parecerían ser distintos, comparten ciertas características:

Proyectos  con  un  solo  actor:  Estos  incluyen  los  ejecutados  por  emergencias  o
calamidades (9% de los proyectos analizados) y los cuales hacen parte enteramente
de  estrategias  de  rehabilitación  y  planes  de  renovación  anuales  (40%  de  los
proyectos  analizados).  Cabe  resaltar  que  en  ambos  casos  los  proyectos  son
generados  directamente  por  el  departamento  de  alcantarillado  de  la
municipalidad.

ii.

Proyectos con múltiples actores: Intervienen distintas instituciones, las mismas que
pueden ser: municipales (departamento de urbanismo) o entidades
gubernamentales (secretaria del agua, infraestructura, etc.). Desde un inicio se
debe llegar a acuerdos y negociaciones entre todos los actores.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Proyectos emergentes con un solo actor:

Este tipo de proyectos podrían ser catalogados como los más simples en decidir, aunque su
ejecución y trabajo en obra sea complicado. Generalmente tras un llamado emergente o
inspección se detecta el daño, se recopila la información e inmediatamente se da la
autorización para el arreglo, claro está señalando la metodología, plazo, presupuesto etc. El
ejemplo perfecto es el encontrado en una de las municipalidades donde una tubería de la
red sanitaria se encontraba presurizada, ocasionando que estas y las adyacentes aguas
abajo presenten corrosión y con ello grandes grietas. Tras inspecciones con CCTV se verificó
que las tuberías se encontraban en estado crítico, por lo que fueron reemplazadas. Como
demuestra el ejemplo la situación de emergencia, ocasionó que solo intervenga un actor, el
cual bajo un razonamiento sencillo y siguiendo pasos definidos, optó por una decisión clara
(van Riel, 2015).

Proyectos Estratégicos con un solo actor:

Para  este  tipo  de  proyectos  intervienen  dos  factores  para  su  ejecución.  El  primero
información relevante de la red, puede ser bien modelos predictivos, índices o inspecciones
a gran escala. El segundo normas o políticas municipales, como por ejemplo cumplir con
reglamentos  ambientales  de  descarga  de  aguas.  Como  ejemplo  en  una  de  las
municipalidades  se  identificaron  zonas  donde  la  red presenta  deterioro,  pero  además  se
trataban  de  tuberías  de  alcantarillado  combinado,  hecho  que  fue  decisivo  para  su
reemplazo, ya que por políticas de la municipalidad procuran una red separada. En dicho
ejemplo si bien los defectos en la red inspeccionada no eran críticos, las normas de dicha
empresa y de la legislación holandesa en cuanto a vertimientos, ayudo a los encargados a
tomar  una  decisión  y  seleccionar  correctamente  prioridades  de  rehabilitación  (van  Riel,
2015).

Proyectos con múltiples actores:

En este tipo de proyectos existe una mezcla de información, así como de intereses, lo que
genera  un  proceso  de  negociación  y  con  ello  una  serie  de  compromisos.  Uno  de  los
proyectos investigados de este tipo es el ocurrido cuando se procedió a realizar una gran
regeneración  urbana,  las  calles  iban  a  ser  excavadas  por  lo  que  se  procedieron  a
inspecciones vía CCTV, lo cual reveló que solo una de las calles estaba en estado crítico y en
las otras no se obtuvo resultados concretos. Por otro lado la compañía eléctrica también
decidió unirse al proyecto para ampliar su cobertura; ante ello se generaron compromisos
por  parte  de  la  empresa  de  alcantarillado  de  renovar  cierto  tramo,  lo  que  generaría  la
oportunidad a la empresa eléctrica de colocar su red. Si bien en ese tramo no se obtuvieron
resultados concretos del estado de la red, las presiones generadas y los compromisos con
los otros actores finalmente influyeron en renovar dicho tramo. En la entrevista el gerente
encargado manifestó que mirando atrás dicho tramo pudo ser pospuesto para renovar años
después. Como se puede observar, en este tipo de proyectos influyen más los compromisos

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

políticos y de negociación, más que la información racional, para la toma de decisiones. Esta
“ventana de oportunidad” antes mencionada se hace presente al no querer perder la
oportunidad de reemplazar la tubería si es que de todas maneras se procederá a
excavaciones (van Riel, 2015).

TEORÍA VS PRÁCTICA EN LA TOMA DE DECISIONES

Si bien es cierto en un buen porcentaje los proyectos investigados las decisiones en los
mismos fueron a través de un razonamiento racional, la otra mitad se basaron en influencias
políticas. Esta influencia política se hace aún más evidente cuando los proyectos hacen parte
del manejo de espacio público, ya que intervienen varios actores y negociaciones.

Como aspecto positivo dentro de la práctica en la toma de decisiones y su influencia política,
es  la  posibilidad  que  se  “abra”  una  ventana  de  oportunidad;  que  se  refiere  a  integrar  el
trabajo  con  otras  áreas.  Pero  como  aspecto  negativo  es  que  en  el  proceso  de  decisión
muchas  veces  la  información  objetiva  del  funcionamiento  del  sistema  de  alcantarillado
(resultados de modelos, índices, inspecciones, etc.), es subordinada a segundo plano con
respecto a otros criterios durante las negociaciones.

Las diferencias principales entre la teoría y la toma real de decisiones son:

 El poder de decisión y presupuesto está dividido entre los distintos actores. Cada

uno de estos actores puede influenciar donde, cuando y con quién ejecutar el
proyecto.

 Se generan compromisos como resultado de las negociaciones y no son decisiones

fijas.

 Decisiones son tomadas en un proceso mixto con percepciones distintas del

problema y no es secuencial paso a paso.

 Los intereses de los distintos actores pueden dirigir el proyecto y no información

objetiva.

A pesar de que en la realidad la toma de decisiones para determinar el estado de una red de
alcantarillado está fuertemente influenciada por factores políticos, esto no quiere decir que los
esfuerzos para desarrollar modelos y recolección de información relevante, deban ser dejados de
lado. Al contrario esto significa que los esfuerzos deben incrementarse para que su influencia en la
toma de decisiones sea más fuerte, incluso superando a la política.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

4. CASO DE ESTUDIO: CIUDAD DE BOGOTÁ

Si bien el objetivo principal de la presente investigación es un estudio del estado del arte para la
determinación de la condición de redes de alcantarillado, se pretende también una aproximación
que lo investigado sea analizado dentro de la realidad latinoamericana. Países en vías de desarrollo
como  Ecuador  y  Colombia,  requieren  metodologías  de  investigación  aplicadas  a  la  realidad  que
viven sus empresas de alcantarillado. Para ello es necesario entender la ciudad de Bogotá a la que
se  pretende  aplicar  la  metodología  y    la  manera  actual  de  operar  de  la  empresa  encargada  del
servicio (fortalezas y debilidades). Lo que permitirá adaptar una de las metodologías investigadas a
la  realidad  de  la  ciudad  en  tanto  a  sus  recursos  como  a  la  disponibilidad  de  su  empresa  de
alcantarillado.

Bogotá, capital colombiana, es una de las más extensas de Sudamérica, con una población de más
de 7’794 000 habitantes según datos del DANE del 2014. Para esta ciudad el brindar a todos sus
usuarios servicios de calidad como son agua potable y alcantarillado, resulta ser un verdadero reto
para la Empresa.  Dicha empresa pública tiene como visión “ser responsable con la gestión integral
del  agua  y  el  saneamiento  básico  como  elementos  comunes  de  vida  y  derechos  humanos
fundamentales,  generadora  de  bienestar,  que  contribuye  a  la  sostenibilidad  ambiental  del
territorio” (Acueducto de Bogotá: Plan General Estratégico, 2012-2016).

Puesto que dentro de los objetivos estratégicos de la ciudad se encuentran: la renovación,
rehabilitación del sistema troncal y secundario del alcantarillado pluvial y sanitario con el objetivo
de mantener un buen estado en la infraestructura y en el servicio, las metodologías investigadas y
simplificadas en el presente trabajo son de gran relevancia para la ciudad.

Como  parte  del  cumplimiento  de  estos  objetivos  la  Dirección  de  Ingeniería  Especializada  del
Acueducto de  Bogotá (DIE)  ha trabajado en  “(…)la conceptualización y desarrollo del Sistema de
Información  para  la  Gestión  del  Alcantarillado  (SIGA)  con  el  fin  de  obtener  una  herramienta  de
gestión aprovechando al máximo la información disponible y el desarrollo de modelos para lograr
el  diagnóstico,  planeación  y  desarrollo  de  los  proyectos  de  rehabilitación  para  mejorar  las
condiciones de operación de las redes de alcantarillado de la ciudad (…)” (Acueducto de Bogotá,
DIE, 2014).

4.1 SISTEMA DE INFORMACIÓN PARA LA GESTIÓN DEL

ALCANTARILLADO (SIGA)

El SIGA fue creado con el fin de poder contar con un sistema que facilitara la gestión del
alcantarillado, mediante la implementación de distintas herramientas que permitirán la estimación
de indicadores diseñados para evaluar el cumplimiento de objetivos estratégicos (DIE, 2014). Dicho
sistema contiene a su vez tres herramientas (SIMA, SIPA y SIRAH) para gestionar los planes de

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

rehabilitación así como los de mantenimiento. Cada herramienta está enfocada a un área en
específico para obtener resultados más claros donde no intervengan tantas variables. Dichas
herramientas se las describe a continuación.

Figura 4-1 Herramientas utilizadas en la ciudad de Bogotá (Fuente: Acueducto de Bogotá, Departamento de Ingeniería

Especializada).

4.1.1 SISTEMA DE INFORMACIÓN PARA EL MANTENIMIENTO DEL

ALCANTARILLADO (SIMA)

La herramienta SIMA está enfocada al mantenimiento de la red, por ello sirve como un soporte para
la toma de decisiones en la selección y ubicación de sectores propensos a sufrir obstrucciones en
las redes. Esta herramienta se ha desarrollado tomando como referencia la información topológica
de las redes de alcantarillado de la ciudad y la información histórica del mantenimiento efectivo de
las redes de alcantarillado de la ciudad desde el año 2004 a la fecha que se encuentra registrada en
SAP (Plataforma Institucional).

El  análisis  se  realiza  a  partir  de  ciertas  áreas  básicas,  las  cuales  se  denominaron  “Sectores  de
Mantenimiento Preventivo” o SMPS mismas que representan áreas que un verificador debe revisar
en  una  visita  de  inspección  preventiva.  Dentro  de  cada  SMP  se  prioriza  la  posibilidad  de  tener
obstrucción,  evaluando  aspectos  tales  como  el  tiempo  promedio  entre  fallas  efectivas  y  la
probabilidad  de  falla  histórica.  La  aplicación  sirve  como  soporte  para  la  planeación  del
mantenimiento preventivo de la red (Departamento de Ingeniería Especializada, 2014).

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Figura 4-2 Herramienta SIMA (Fuente: Acueducto de Bogotá, Departamento de Ingeniería Especializada).

El resultado de esta herramienta es la ubicación espacial de cada una de las SMPS con el dato de la
probabilidad de falla, además de cada una de las características de cada tramo que se tienen
definidas. La información espacial, al igual que la del valor de probabilidad de falla, se representan
en un archivo shape que es actualizado mensualmente. Finalmente las diez direcciones más críticas
son enviadas mediante memorando interno a los responsables pertinentes para que toman las
acciones del caso. (DIE, 2014)

4.1.2 Sistema de Información para la Rehabilitación del Alcantarillado

(SIRA)

Este sistema está enfocado en el estado estructural de las tuberías y pretende estimar su estado
futuro, así como de los tramos no inspeccionados. La herramienta se basa en los resultados de las
inspecciones vía CCTV que se han realizado. Las inspecciones se encuentran clasificadas de acuerdo
con la normatividad de la empresa, donde mediante una escala de 1 a 5 se clasifica el grado de
deterioro (5 representa el estado más crítico). Los resultados del modelo estructural, está soportado
sobre un modelo de redes neuronales estructural que predice de manera aproximada la condición
estructural de las redes del sistema. (Departamento de Ingeniería Especializada, 2014).

Por medio del modelo de priorización se obtuvo un archivo shape para alcantarillado pluvial y otro
para alcantarillado sanitario y combinado donde se indica el grado estructural estimado de todos
los tramos del sistema de alcantarillado. Cabe resaltar que no se pudo dar continuidad a la ejecución
de la herramienta y solo se la uso por una vez, brindando únicamente resultados parciales, como se
puede observar a continuación:

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

Figura 4-3 Herramienta SIRA (Fuente: Acueducto de Bogotá, Departamento de Ingeniería Especializada).

4.1.3 Sistema de Información para la Planificación del Alcantarillado (SIPA)

Finalmente el sistema SIPA está enfocado a un modelo hidrológico global con el fin de poder conocer
las variaciones de cantidad y calidad de agua a lo largo de la ciudad, que permitirá desarrollar
modelos hidráulicos detallados. El modelo hidrológico permite:



Entender la interacción entre distintos elementos del sistema como los colectores,
interceptores, alivios, canales, estaciones de bombeo, PTAR’s y ríos.



Cuantificar los impactos globales sobre la cantidad y calidad de agua de nuevas obras de
infraestructura.



Definir y revisar los compromisos de reducción de carga contaminante en los cuerpos
receptores.

Como parte de este modelo se desarrolló un Plan Maestro de Mediciones, con fines de calibración
así como de conocer cómo se comporta el sistema en tiempo real. Dicho plan cuenta con 58 puntos
de medición permanente de la red de alcantarillado de la ciudad, midiendo la cantidad y calidad de
los caudales que fluyen por los principales colectores, interceptores y canales del sistema de
alcantarillado (Departamento de Ingeniería Especializada, 2014).

Los principales resultados que se pretenden obtener con el modelo hidrológico son:



Calidad de Agua: Datos reales para el diseño de las Plantas de Tratamiento de Aguas
Residuales (PTAR).

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría



Cantidad de Agua: Datos reales y en tiempo real para la alerta temprana y control de
inundaciones. Determinación real de factores de diseño de redes de alcantarillado.



Datos para la alimentación y calibración de los modelos de calidad del Río Bogotá.



Información de las redes de alcantarillado concentrada en el Centro de Control.

4.2 Metodologías Factibles para el Acueducto de Bogotá

Una  vez  que  se  ha  investigado  la  metodología  con  la  que  trabaja  el  Acueducto  de  Bogotá  para
determinar  el  estado  de  sus  redes  de  alcantarillado,  se  pretende  recomendar  alternativas
encontradas en la literatura. Estas recomendaciones consideran las limitaciones presupuestarias y
dificultades que presenta hoy en día el acueducto de Bogotá, siendo las de mayor consideración: a)
Falta de inspecciones y reportes de CCTV, puesto que en la mayoría de modelos encontrados este
es el dato básico de entrada para el desarrollo de modelos predictivos y b) Falta de un inventario
actualizado  de  tuberías,  que  indiquen  datos  básicos  como  material,  edad,  tipo  de  suelo  de
asentamiento, condiciones y vulnerabilidades de los alrededores.

Bajo estas consideraciones las metodologías propuestas van acorde a la realidad mencionada y no
obstante si es cierto que no podrían ser aplicadas a gran escala inmediatamente, servirían a manera
de prototipo para ser aplicadas en un pequeño sector, pero representativo de la ciudad, que incluso
ayudaría a la calibración del modelo para posteriormente ser aplicado a una escala mayor. Aunque
la empresa se enfoca mayormente a la operación y no a la prevención de la red, resultados exitosos
de los prototipos pueden fortalecer la toma de decisiones para que esfuerzos de carácter preventivo
sean incluidos en los presupuestos. Por ejemplo que en el plan general estratégico del acueducto,
dentro de sus macro-proyectos se incluya primero un proyecto a largo plazo de inspección de redes
y desarrollo de modelos predictivos antes que un plan “reactivo” que existe en la actualidad de
renovación y rehabilitación.

4.2.1 Metodología para un Manejo Proactivo (SAM)

La primera metodología propuesta al Acueducto de Bogotá está descrita en el Numeral 3.6.2, y
debería ser el primer paso a seguir en toda entidad a cargo de alcantarillado. Pues su propuesta
fundamental es establecer distintos niveles de profundización para llegar a un estado proactivo en
el manejo de una red de alcantarillado. El objetivo a largo plazo del acueducto de Bogotá sería llegar
a un nivel de profundización 4, pero los objetivos a corto plazo durante cada administración podrían
ser que medidas en conjunto con otras metodologías tomar para que al cabo de 4 o 5 años (tiempo
que dura la administración) escalar una posición el nivel de profundización (Ver Figura 4-4).

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

100

Figura 4-4. Niveles de Profundización (Fuente: Le Gauffre et al., 2014).

Al separar en niveles de profundización la empresa de acueducto podría concentrar esfuerzos para
lograr  objetivos  alcanzables  en  el  mediano  plazo,  aún  más  si  se  consideran  las  limitaciones
presupuestarias. Así por ejemplo bajo las condiciones actuales del acueducto se desea llegar a un
nivel  4,  donde  exista  un  modelo  capaz  de  predecir  efectivamente  el  estado  de  toda  la  red  es
inalcanzable en un corto plazo. Pensar en llegar a un estado 2, donde primero se identifique y luego
se priorice inspecciones, segmentando áreas y evaluando las vulnerabilidades de sus alrededores,
es  un  objetivo  factible  en  el  mediano  plazo  (4  años  o  una  administración).  De  esta  manera
independientemente del partido político de las alcaldías o de los nuevos gerentes que lleguen en
cada  período,  el  objetivo  debería  ser  el  mismo:  escalar  niveles  de  profundidad  hasta  llegar  y
mantener un manejo proactivo de la red de alcantarillado.

4.2.2 Árboles de Decisión

La segunda recomendación propuesta para el acueducto de Bogotá es una priorización para la
inspección vía CCTV de su red de alcantarillado. La metodología propuesta está plenamente descrita
en el Numeral 3.4.3.2 y la principal razón por la que encaja con Bogotá es que parte del hecho que
donde se realizó el estudio la ciudad de Guelph, Canadá presenta las mismas dificultades que en
Bogotá. Estas dificultades son inspecciones de CCTV muy costosas que solo permiten realizar análisis
en pequeñas zonas de la ciudad sin la certeza que estas sean las zonas más críticas o urgentes por
inspeccionar.

Ante esta necesidad, el modelo propuesto aparece como una alternativa capaz de aprender de
inspecciones pasadas para determinar las zonas donde las tuberías se encuentran en estado crítico
y requieren inspección inmediata. Dentro de las bondades del modelo es su capacidad mediante
algoritmos de clasificar las tuberías en grupos pequeños homogéneos, con lo cual se facilita

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

101

establecer relaciones entre estas características de la tubería (edad, longitud, pendiente, etc.) y su
probabilidad de encontrarse en un estado bueno y crítico.

Dado  que  el  acueducto  de  Bogotá  para  la  implementación  del  Sistema  de  Información  para  la
Rehabilitación del Alcantarillado (SIRA) realizó inspecciones de CCTV, si bien una cantidad pequeña
comparando la totalidad de la red (además que el Acueducto cuenta con equipo propio de CCTV
para  inspecciones).  Sin  embargo  podría  ser  suficiente  para  que  el  modelo  propuesto  logré
determinar las relaciones antes mencionadas y con ello identificar las tuberías con alta probabilidad
de encontrarse en un estado crítico.

Como  parte  del  modelo  este  también  recomienda  relacionar  las  zonas  donde  se  encuentran  las
tuberías identificadas como críticas con otros aspectos que fortalezcan la decisión de realizar una
rehabilitación. Este  factor para  el  caso  de  Bogotá  es  fundamental,  ya  que  dadas  las  limitaciones
presupuestarias que limitan tanto los proyectos y las inspecciones cabe fortalecer dicha decisión.
Por ello si se relacionan las zonas donde se encuentran las tuberías con alta probabilidad de falla
con zonas sensibles de la ciudad como hospitales, cercanía con grandes colectores o canales o a su
vez  en  zonas  donde  se  construirán  otras  obras  (regeneraciones  urbanas:  peatonalización  de  la
carrera  séptima  o  excavaciones  para  el  metro)  se  lograría  priorizar  las  zonas  que  necesitan
inmediata inspección o rehabilitación.

4.2.3 Índices de Desempeño

Dadas las condiciones actuales del Acueducto la alternativa de los índices para la determinación del
estado de su red, es la que mejor se acomoda a las características encontradas en Bogotá. El primero
índice recomendado es el más básico relacionado únicamente a la sobrecarga y que podría ser
aplicado en la ciudad con los datos disponibles hoy en día. Mientras que el segundo índice que es
de desempeño general, mucho más robusto, sería para una aplicación futura, que podría
considerarse como el objetivo a largo plazo.

4.2.3.1 Índice de Sobrecarga

Se recomienda este tipo de índice (claramente desarrollado en el Numeral 3.2.1) por su facilidad de
uso, dado que utiliza información básica del tramo analizado, como son profundidad a la que está
enterrada la tubería, diámetro, longitud y pendiente. Dicha información se la puede obtener
fácilmente en campo de no existir en el inventario del acueducto además la modelación se la realiza
en un programa comercial ampliamente conocido como es el SWMM.

Otra de las razones por la que se recomienda este tipo de índice es que dada la edad avanzada que
se encuentra la mayor parte de la red pluvial de Bogotá, las tormentas con las que fueron diseñadas
pueden haber cambiado mucho con el tiempo (mayores intensidades en tiempos menores) aún más
si tomamos en cuenta el cambio climático, o a su vez para la época no había normativa que obligue

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

102

a calcular correctamente las tormentas. En fin todo esto se traduce a mayor caudal que ingresa a la
red. Bajo estas condiciones actuales el índice propuesto encaja perfectamente, puesto que se
transita en SWW la nueva tormenta y con los niveles de caudal que esta genera en los pozos el índice
entra en acción para identificar correctamente el porcentaje de sobrecarga en cada una de las
tuberías y lo que es más importante identifica cual(es) es la causante de sobrecargar al sistema y en
que porcentaje. Este es un dato clave ya que para trabajos de rehabilitación emergente se conocerá
que tubería rehabilitar primero para aliviar de mayor manera al sistema.

Se conoce que actualmente los mayores problemas del acueducto de Bogotá en cuanto a
alcantarillado se enfocan al tratamiento de aguas residuales en las PTAR para sanear al río Bogotá y
a la sobrecarga de aguas residuales en sectores densamente poblados (Plan General Estratégico,
DIE). Con esto lo que se quiere resaltar es que si bien al momento la sobrecarga pluvial no es una
prioridad, debido a la edad de la tubería, expansión de la ciudad y cambios en las tormentas entre
otros factores, dentro del corto al mediano plazo dicho problema puede agravarse. Por lo que el uso
del índice recomendado es de gran importancia para evitar que dicha amenaza se desarrolle.

Con lo visto se recomienda en primera instancia tomar un sector pequeño de la ciudad donde
denuncias ciudadanas señalen que en períodos de lluvia agua emerge de los pozos. Dicho análisis
puede ser de las dimensiones propuestas por los autores, de no más de 16 pozos (Ver Figura 4-5).
De obtener resultados favorables en identificar correctamente las tuberías con sobrecarga y lograr
un alivio en el sistema analizado, dicho estudio servirá como prototipo para aplicarlo en otros
sectores de la ciudad y a su vez traer la atención del Acueducto para ser considerado en los planes
estratégicos.

Figura 4-5 Ubicación de la Red (Fuente: Bennis, 2003).

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

103

4.2.3.2 Índice de Desempeño Global

El  índice  de  desempeño  global  propuesto  es  similar  al  propuesto  inicialmente,  ya  que  fue
desarrollado  por  el  mismo  autor,  Bennis  con  otros  colaboradores,  años  más  tarde  como  se
encuentra descrito en el Numeral 3.2.2.1. La gran ventaja de este índice sobre el anterior y razón
por la cual se lo decide incluir en la recomendación al Acueducto de Bogotá, es la evaluación global
que  realiza  de  la  tubería,  además  del  índice  de  sobrecarga  incluye  tres  factores  sumamente
relevantes para priorizar una rehabilitación o renovación. Estos factores son la condición interna de
la tubería, evaluación de las condiciones del entorno y vulnerabilidad del sitio, factores que sin duda
influyen  en  el  deterioro  de  una  tubería.  Como  se  mencionó  anteriormente  en  el  Numeral  3.6.3
respecto a la toma de decisiones, donde no siempre se llegan a proyectos bajo un razonamiento
racional, este índice brinda una mayor cantidad de argumentos (mediante las evaluaciones) para
demostrar las necesidades de rehabilitación, además de resaltar otros aspectos del sitio que pueden
contribuir a que otras áreas (vías, infraestructura) identifiquen otras necesidades de renovación y
con ello se desarrolle un solo proyecto en conjunto. Otro aspecto es la herramienta utilizada para
combinar las distintas evaluaciones de la tubería (índice de sobrecarga, condición interna, ect.), esta
es los sistemas difusos, que como se explicará en el próximo numeral, hace parte de los sistemas de
inteligencia artificial que han demostrado trabajar satisfactoriamente en tuberías de alcantarillado
y en la actualidad son los sistemas que mejores resultados brindan en esta área.

Finalmente se advierte que los requerimientos para el uso de este tipo de índice, actualmente no se
encuentran en el Acueducto de Bogotá, especialmente a lo referente a la condición interna de la
red e identificar las zonas más vulnerables del sistema. Sin embargo sería una herramienta de gran
utilidad en un futuro, cuando la ciudad se encuentre en un nivel 4 de profundidad en el manejo
proactivo de la red, según lo visto en el Numeral 4.2.1.

4.2.4 Inteligencia Artificial

Es  importante  recomendar  este  tipo  de  metodologías  puesto  que  actualmente  es  la  principal
tendencia que se encuentra en la literatura y en el corto plazo investigaciones de este tipo prometen
facilitar su aplicación y desarrollo. El potencial a futuro de este tipo de metodologías es lo que más
ha  motivado  a  investigadores  para  que  desarrollen  trabajos  de  este  tipo. Como  bien  lo  describe
Sousa en su investigación (3.5.2.1) la gran ventaja de este tipo de metodologías es que ya no es
necesario encontrar una función que relacione a los datos de entrada con los de salida, hecho que
es el gran limitante de los modelos estadísticos.

Concretamente dentro de los distintos tipos de inteligencia artificial se recomiendan para el
Acueducto de Bogotá los siguientes:

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

104

a) Redes Neuronales: El modelo propuesto por Vitor Sousa (2014) demostró que los resultados

de redes neuronales fueron los que menor error obtuvieron con la menor tasa de falsos
negativos, superando a vectores de soporte y sobre todo al modelo estadístico de regresión

b) Vectores Soporte: Igualmente Sousa demostró que si bien es cierto esta metodología se vio

superada por redes neuronales, la sensibilidad y variabilidad de resultados fue menor, por
lo que es una gran opción para una visión conservadora.

c) Modelos Difusos: Para el desarrollo de los índices propuestos por Bennis y Angkasuwansiri

demostraron ser la herramienta adecuada para relacionar las distintas evaluaciones
efectuadas a las tuberías para conformar un solo índice global de desempeño.

Su bien esta es una tecnología recomendada para ser aplicada en un futuro en el Acueducto de
Bogotá y su funcionamiento todavía permanece del tipo de “caja negra” las investigaciones futuras
prometen aclarar este modelo y simplificar su desarrollo y aplicación, lo que dará resultados más
precisos y cercanos a la realidad al momento de determinar el estado de funcionamiento de una
red de alcantarillado.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

105

5. CONCLUSIONES Y TRABAJO FUTURO

Durante esta investigación se ha logrado establecer importantes patrones y características para
determinar el estado de una red de alcantarillado, las mismas que serán presentadas a continuación.
Además con lo hallado se abren las posibilidades de continuar con el estudio y complementarlo de
la mejor manera.

5.1 Conclusiones

INSPECCIONES EN SITIO

 Inspecciones a través CCTV o tecnologías de video similares se encuentran presentes en la

mayoría de investigaciones recopiladas. Gracias a su facilidad de operación, agilidad en el
procesamiento de resultados obtenidos, sus costos competitivos (en comparación a otras
tecnologías), CCTV es la tecnología más usada en la inspección de alcantarillados en distintas
ciudades del mundo.

 Las inspecciones tipo CCTV y similares, tienen dos grandes limitaciones:

a) No se puede determinar con certeza el estado de la parte inferior de la tubería

por donde corre el flujo al momento de la inspección.

b) Una vez recopilado el video e imágenes de las inspecciones, sus interpretaciones

son muy subjetivas al momento de caracterizar sus defectos y asignarles una
calificación; a pesar de existir guías de interpretación de defectos, el criterio
ambiguo del analista siempre está presente.

 Si bien existen otro tipo de tecnologías que brindan mayor detalle en la inspección incluso

por debajo del nivel de agua de la tubería, la dificultad en su operación y el procesamiento
de resultados las vuelven poco populares en empresas de alcantarillado urbano.

 El uso de tecnologías más avanzadas que CCTV como un Sensor Múltiple sugerido por

Selvakumar, se recomienda para secciones de mayor riesgo e importancia en la red, donde
un daño en la misma signifique el riesgo de falla de la mayor parte de la red. En aquellos
casos se requiere gran detalle en la inspección para prevenir cualquier falla.

 Las nuevas tecnologías apuntan hacia la automatización de información de las inspecciones

y terminar con la subjetividad de la interpretación de defectos. Se busca que las
inspecciones sean analizadas computacionalmente y su defecto o condición sean dadas sin
necesidad de juzgamiento humano.

MODELOS PREDICTIVOS DEL ESTADO DE TUBERÍAS

 Para realizar proyectos maestros a gran escala de rehabilitación de un sistema de

alcantarillado, una inspección simple del estado actual de las tuberías o al momento de la
inspección no es suficiente. Se recomienda aplicar un modelo predictivo para priorizar los

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

106

sectores a donde deben ir los proyectos de renovación y así impedir serios y costosos
problemas de fallas en la red.

 Los modelos preventivos son de gran ayuda para evitar fallas graves y de gran magnitud en

tuberías, puesto que con predicciones acertadas y decisiones de los encargados a tiempo
basadas en el modelo, se pueden rehabilitar los tramos conflictivos antes de que estos
fallen, evitando así daños y pérdidas económicas.

 Se alerta el gran riesgo que corren ciudades grandes y medianas alrededor del mundo que

no cuenten con planes a largo plazo de rehabilitación de sus redes, puesto que se llegaría a
un punto que la mayor parte de la red (70-80%) se encuentre en estado de riesgo cercano
al colapso. Llegar a esa situación y pretender repararla no solo sería económicamente difícil,
también generaría un caos en la movilidad de la ciudad, afectando seriamente las
actividades cotidianas de sus habitantes.

 De los modelos investigados, el de Ugarelli (Método estadístico con fundamentos de

Markov) aplicado a la ciudad de Oslo, ha sido la aplicación a mayor escala y fue utilizado
para el desarrollo del plan maestro de rehabilitación de alcantarillado de la ciudad que se
llevará a cabo en los próximos 15 años.

 El modelo de supervivencia de tuberías desarrollado por Duchesne es el único que fue

validado para distintos parámetros (detalle de información de inspecciones) como para el
número de tuberías. Para ambos casos el modelo obtuvo resultados confiables, abriendo la
posibilidad para que sea aplicado en otra ciudad de distintas características poblacionales.

 No existe un modelo prototipo que pueda ser aplicado a cualquier ciudad; cada modelo fue

desarrollado según las particularidades de la ciudad de estudio. Para poder aplicarlo se
debería modificar al modelo escogido y adaptarlo a las características de la nueva ciudad
donde se desee implementarlo.

 Los autores de los modelos coinciden en que la mayor parte de la incertidumbre encontrada

en sus trabajos se debe a las limitaciones de las inspecciones de CCTV para determinar el
estado  de  la  red.  La  subjetividad  al  momento  de  decidir  o  aplicar  una  calificación  a
determinado  tramo  hace  que  la  determinación  del  estado  no  siempre  coincida  con  la
realidad  y  la  probabilidad  que  dicha  condición  sea  errada  es  muy  alta.  Esto  afecta  los
resultados  predictivos  del modelo,  puesto  que  dicha  evaluación  de  las  redes  es  utilizada
como dato de entrada para TODOS los modelos descritos en el trabajo.

 A pesar de la incertidumbre presente en inspecciones de CCTV, los modelos presentados las

utilizan ya que en la realidad la mayor parte de ciudades solo cuenta con este tipo de
inspecciones y es la única información disponible.

 Una de las maneras para reducir la incertidumbre en las inspecciones es la implementación

de una misma reglamentación. De esta manera tener un mismo criterio para evaluar los
defectos encontrados y así poder valorar el desempeño de modelos en distintas ciudades.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

107

ÍNDICES

 Consisten en una alternativa complementaria para las inspecciones de CCTV, con el fin de

la determinación del estado de una red más cercana a la realidad. Esto ya que considera una
serie de parámetros que las inspecciones pasan por desapercibidas como es el fenómeno
de sobrecarga o vulnerabilidades del sitio.

 El primer índice hidráulico propuesto por Bennis es el único que no requiere información de

inspecciones de CCTV, dicho modelo puede ser desarrollado con información básica de la
tubería como diámetro, pendiente y profundidad de excavación. Se recomendaría su uso
para zonas de ciudades pequeñas a medianas donde no cuenten con inspecciones de CCTV
y existan problemas constantes de sobrecarga en períodos de lluvia.

 Para calcular un índice robusto que indique el estado de una tubería, información sobre su

desempeño hidráulico como estructural es requerido. Para determinar dicho estado
estructural modelos difusos fueron los que presentaron los mejores resultados para su
desempeño.

 El índice hidráulico propuesto por Bennis está directamente relacionado al fenómeno de

sobrecarga y es capaz de diferenciar si dicho fenómeno es causado por la tubería en análisis
o por los efectos de tuberías aguas abajo.

ANÁLISIS DE DAÑOS Y REPRESENTACIÓN GEOREFERENCIADA

 Para la determinación de prioridades de mantenimiento y reparación de alcantarillado, el

análisis de daños es una herramienta muy útil, puesto que si múltiples proyectos de
rehabilitación se deben llevar a cabo, un análisis de daños puede ayudar a empresas a
decidir cuál es el proyecto más costo eficiente.

 Una representación Georreferenciada de las condiciones en las que se encuentran las

tuberías es de vital importancia para poder realizar análisis de daños, ya que se logra
identificar zonas sensibles de la ciudad como hospitales o centros de estudio entre otras.

 Este tipo de métodos deben ser considerados como complementarios y aplicados en

conjunto con alguna otra metodología de las propuestas. Tal es el caso de la investigación
de Baah, dónde un modelo para determinar la condición de la tubería es usado en conjunto
con un análisis de riesgo y consecuencia de falla.

 Una representación gráfica del estilo usada en la investigación de Baah, es primordial para

entender  de  mejor  manera  el  funcionamiento  de  la  red.  Baah  demostró  que  al  utilizar
programas  georreferenciados  como  ArcGis  y  asignar  en  sus  distintas  capas  propiedades
relevantes  de  la  tubería  (condición  interna,  consecuencia  de  falla),  se  logra  obtener  una
visión  general  del  funcionamiento  de  la  red,  con  la  opción  de  poder  correlacionarlo  con
otros factores relevantes a la rehabilitación y renovación.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

108

INTELIGENCIA ARTIFICIAL

 En la literatura se encuentra una tendencia de este tipo de investigaciones, que podría

entenderse que a futuro será la metodología predominante para la determinación del
estado de redes de alcantarillado, como lo fueron en su tiempo los modelos estadísticos.

 Según las comparaciones hechas por el autor Vitor Sousa, redes neuronales es el tipo de

metodología que mayor porcentaje de aciertos brinda para predecir el estado de una red
de alcantarillado.

 Si bien las investigaciones de inteligencia artificial han traído resultados favorables, todavía

no han sido aplicados a gran escala. De las investigaciones que se tiene conocimiento han
sido a nivel de estudio y en sectores específicos de municipalidades.

 La principal razón que de cierta manera detiene una aplicación a gran escala de inteligencia

artificial, concretamente redes neuronales, es su funcionamiento del tipo caja negra, que
impide  una  correcta  calibración  una  vez  que  el  modelo  llega  a  ser  aplicado  a  una
municipalidad.  Sin  embargo mayores  investigaciones  en  el  tema  como  viene  sucediendo
prometen  superar  este  hecho y  facilitar su  aplicación.  Hecho  que  además ocurre  por  un
arraigo  que  todavía  persiste  en  el  uso  de  modelos  estadísticos,  los  cuales  dominaron  la
literatura y el mercado años atrás.

ANÁLISIS EN LA TOMA DE DECISIONES

 El estudio realizado por la universidad de DELF trae a discusión un factor poco mencionada

en la literatura, el cual es la influencia política en la toma de decisiones para proyectos de
renovación y rehabilitación. En la toma real de decisiones en Holanda se evidenció que en
el 51% de proyectos de rehabilitación fueron mayormente influenciados por temas
políticos.

 Una alta intervención política en la toma de decisiones para proyectos de rehabilitación de

ninguna manera implica dejar de lado la investigación de metodologías y recolección de
datos en las redes de alcantarillado; al contrario lo que genera es un mayor esfuerzo y
compromiso para desarrollar mejores modelos y métodos cada vez más eficientes y con
mejores resultados para poder influir con mayores argumentos en la decisiones políticas.

 Cabe considerar que para la toma de decisiones muy difícilmente se impondrá la decisión

racional que viene a través de modelos, en la realidad intervienen un mayor número de
actores con distintos prioridades e intereses, por lo que se debe estar abierto a la posibilidad
de llegar a acuerdos mediante negociaciones.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

109

GENERAL

 Al momento de seleccionar una metodología para determinar el estado de una red de

alcantarillado,  se  debe  pensar  no  sólo  en  la  tecnología  más  avanzada  para  realizar  la
inspección  en  sitio,  si  no  en  como  procesar  dicha  información  de  una  manera  óptima  y
automatizada  con  reglamentación  y  estándares  de  calificación  claros  que  permitan
establecer el estado real de la tubería en análisis.

 Una vez que se cuente con el estado de determinada tubería, necesariamente se debe

pensar en complementar dicha información ya sea con un modelo predictivo o índice,
puesto que una simple inspección en sitio es insuficiente para desarrollar un proyecto futuro
de rehabilitación.

 La gran utilidad de los modelos predictivos es emplear al máximo y de mejor manera la

información obtenida de las inspecciones, ya no solo utilizar dichas inspecciones para
rehabilitar las zonas más críticas o que ya han colapsado. El futuro está en el uso de dichos
modelos para desarrollar planes de rehabilitación o renovación a largo plazo, donde tuberías
que actualmente lucen como regulares, conocer el momento más probable que entraran en
un estado deficiente y rehabilitarlas, sin tener que esperar a que colapse para renovarla.

 La recolección de datos vía CCTV o tecnologías similares nunca debe detenerse, incluso

estas con el tiempo deben ampliarse considerando más factores aparte de la tubería, como
son características del sitio donde se encuentra instalada, su entorno y vulnerabilidades
visibles. Esta información es el dato de entrada para la mayoría de metodologías
investigadas y sin estos muy difícilmente se logrará desarrollar un modelo u herramienta
que ayude a priorizar e identificar proyectos de renovación y rehabilitación.

 Ningún modelo u metodología investigada puede ser señalado como la “mejor”, puesto que

cada  ciudad  o  municipio  tiene  sus  particularidades  tanto  operativas  como  de
funcionamiento  de  la  red  de  alcantarillado.  Las  metodologías  de  inteligencia  artificial  e
índices  de  desempeño  global  son  los  más  prometedores  y  podrían  ser  adaptadas  a  las
particularidades  de  cada  ciudad.  En  primer  lugar  métodos  de  inteligencia  artificial  no
requieren encontrar una función que relacione los atributos de la tubería con su condición;
tiene  un  enfoque  totalmente  distinto  basado  en  iteraciones  y  los  datos  de  entrada,  y  lo
mejor es  que  se  ha  demostrado  que  obtiene  resultados  con menor  porcentaje  de  error,
comparado  con  otros  modelos.  Y  por  último  los  índices  de  desempeño  global  toman  en
consideración no solo factores hidráulicos, los combinan con otros igualmente influyentes
en el desempeño de la tubería, lo que lo hace un indicador mucho más robusto.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

110

5.2 Trabajo Futuro

 Analizar la guía de inspecciones colombiana así como la tecnología y metodología con la que

realizan inspecciones, para poder recomendar un índice o modelo predictivo que podría ser
utilizado en Bogotá.

 Aplicar una de las metodologías recomendadas al acueducto de Bogotá en un sector

proporcionado por la empresa. Analizar dichos resultados para contemplar la posibilidad de
aplicarlo a una escala mayor.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

111

6. REFERENCIAS

Ariamalar, Selvakumar. (2012) “Demonstration and Evaluation of State-of-the-Art Wastewater

Collection Systems Condition Assessment Technologies”.

Angkasuwansiri, T. (2014) “Development of a Robust Wastewater Pipe Performance Index”,

Virginia Tech. ASCE.

Baah Kelly, Brajesh Dubey, Richard Harvey, Edward McBean (2014). “A risk-based approach to

sanitary sewer pipe asset management”. University of Guelph, Science of the Total

Environment.

Baik, Hyeon-Shik. (2006) “Estimating Transition Probabilities in Markov Chain-Based Deterioration

Models for Management of Wastewater Systems”. University West Lafayette. Journal of
water resources planning and management.

Bennis, Saad. (2003). “Hydraulic Performance Index of a Sewer Network”, JOURNAL OF HYDRAULIC

ENGINEERING. ASCE.

Bennis, Saad, Tagherouit Ben. (2011). “A Fuzzy Expert System for Prioritizing Rehabilitation

of Sewer Networks”. Computer-Aided Civil and Infrastructure Engineering.

Butler, David. (2011). “Urban Drainage”. London. Spoon Press.

Chae Myung Jin, Dulcy M. Abraham (2001). “Neuro-Fuzzy Approaches for Sanitary Sewer Pipeline

Condition Assessment”. Journal of Computing in Civil Engineering, Vol. 15.

Cortés, Manuela. (2014). “Minería de datos para el mantenimiento predictivo de redes de

distribución de agua potable”. Universidad de los Andes.

Dirksen, J. (2008). “Probabilistic modeling of sewer deterioration using inspection data”. Delf

University Netherland. IWA Publishing.

Duchesne, Sophie. (2013). “A Survival Analysis Model for Sewer Pipe Structural Deterioration”,

Computer-Aided Civil and Infrastructure Engineering. Quebec, Canada.

Duchesne Sophie, Kassandra Bouchard (2014). “Assessing the impact of renewal scenarios on the

global structural state of sewer pipe networks”. NRC Research Press.

E. V. Ana, W. Bauwens (2010). “Modeling the structural deterioration of urban drainage pipes: the

stateof-the-art in statistical methods”. Urban Water Journal.

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

112

Egger C., A. Scheidegger (2013). “Sewer deterioration modeling with condition data

lacking historical records”. Water Research 47.

Fazal Chughtai, Tarek Zayed (2008). “Infrastructure Condition Prediction Models for Sustainable

Sewer Pipelines”. Journal of Performance of Constructed Facilities, Vol. 22. ASCE.

Halfawy Mahmoud, Jantira Hengmeechai (2013). “Automated defect detection in sewer closed

circuit television images using histograms of oriented gradients and support vector
machine”. Automation in Construction 38.

Harvey Richard, Edward McBean (2015). “A Data Mining Tool for Planning Sanitary Sewer

Condition Inspection”. University of Guelph, Springer International Publishing.

Hoffman, Joe P.E. (2014) “Portland’s Sewer Rehabilitation Program Development &

Implementation”. City of Portland, Bureau of Environmental Services. ASCE.

Iyer, Shivprakash. (2011) “Evaluation of ultrasonic inspection and imaging systems for concrete

pipes”. The Pennsylvania State, University.

Le Gauffre P, Dirksen J., F. H.L.R. Clemens, H. Korving, F. Cherqui, , T. Ertl , H. Plihal , K. Müller &

C. T.M. Snaterse (2013). “The consistency of visual sewer inspection data”. Structure and
Infrastructure Engineering: Maintenance,Management, Life-Cycle Design and
Performance.

Mashford John, David Marlow (2011). “Prediction of Sewer Condition Grade Using Support Vector

Machines”. American Society of Civil Engineers.

Mehdi Ahmadi, Frédéric Cherqui, Jean-Christophe De Massiac & Pascal Le Gauffre (2014). “From

sewer inspection programmes to rehabilitation needs: research and results related to data
quality and availability with the support of numerical experiment”. European Journal of
Environmental and Civil Engineering.

Sousa, Vitor José P. Matos (2014). “Evaluation of artificial intelligence tool performance and

uncertainty for predicting sewer structural condition”. Universidade de Lisboa, Automation
in Construction.

Syadaruddin Syachrani. (2013). “Decision Tree–Based Deterioration Model for Buried Wastewater

Pipelines”. American Society of Civil Engineers.

Ugarelli, R.M, Y. Le Gat. (2013) “Wastewater pipes in Oslo: from condition monitoring to

rehabilitation planning”. SINTEF (Research, technology and innovation).

/var/www/pavco.com.co/public/site/pdftohtml/5c890b1305ba344b91bb43a0d2af7082/index-html.html

Leonardo Robalino

Tesis de Maestría

113

van Riel Wouter, Ellen van Bueren, Jeroen Langeveld, Paulien Herder & François Clemens (2015).

“Decision-making for sewer asset management: Theory and practice”. Urban Water
Journal.

van Riel W., J.G. Langeveld, P.M. Herder & F.H.L.R. Clemens (2014). “Intuition and information in

decision-making for sewer asset management”. Urban Water Journal

Williamson Temple T., W. Logan Burton (2014). “Developing a Successful Wastewater Collection

System Rehabilitation Program in Corpus Christi, Texas. Pipelines 2014. ASCE.

Wirahadikusumah, R. (1998). “Assessment technologies for sewer system rehabilitation”.

Automation in Construction 7.

Wu Wei, Zheng Liu. (2013). “Classification of defects with ensemble methods in the automated

visual inspection of sewer pipes”. Sichuan University.

Estado del arte en la condición de redes de alcantarillado y su posible rehabilitación

¿Quiere saber más? Contáctenos

CÓMO PROTEGER TU PRIVACIDAD

ASUME EL CONTROL DE TU PRIVACIDAD