5F555_memorias

IAHR CIC

XXV CONGRESO LATINOAMERICANO DE HIDRÁULICA

SAN JOSE, COSTA RICA, 9 AL 12 DE SETIEMBRE DE 2012.

IDENTIFICACIÓN FACTORES DE RIESGO PARA LA GESTIÓN PATRIMONIAL ÓPTIMA

DE SISTEMAS DE DRENAJE URBANO: ESTUDIO PILOTO EN LA CIUDAD DE BOGOTÁ

Paula T. Niño(1)

, Héctor Angarita(2)

, Dirceu Enrique Vargas

(1), Andrés Torres

(1)

Grupos de Investigación Ciencia e Ingeniería del Agua y el Ambiente, Facultad de Ingeniería(1)

y Ecología y Territorio,

Facultad de Estudios Ambientales y Rurales(2)

Pontificia Universidad Javeriana, Bogotá D.C. Carrera 7 No. 40 - 62, Bogotá, Colombia.

[email protected], [email protected], [email protected], [email protected]

RESUMEN:

Este artículo presenta los resultados de un estudio piloto realizado en la ciudad de Bogotá para

identificar y cuantificar factores de riesgo físicos y/o ambientales de las redes de drenaje urbano, en el

marco de un enfoque proactivo de gestión patrimonial de la infraestructura de servicios públicos. El

análisis utiliza información de 2291 inspecciones de CCTV recopiladas por la Empresa de Acueducto y

Alcantarillado de Bogotá (EAAB) mediante equipos tele-operados durante los años 2008 a 2010.

Mediante modelos de regresión lineal, se establecieron entre el conjunto de variables recopiladas

mediante procesos de inspección por CCTV, aquellas que muestran una asociación estadísticamente

significativa con la ocurrencia, magnitud y/o tipo de fallos que típicamente se encuentran en las

conducciones, entre otras, material (Gres y PVC) y diámetro de la tubería. Los resultados muestran

que es posible optimizar los recursos para la inspección de las redes con fines de mejorar la tasa de

éxito en la detección de fallos.

ABSTRACT:

This paper shows the results of a pilot study conducted in the city of Bogota (Colombia) to identify and

quantify physical and/or environmental risk factors for urban drainage networks, as part of the

development of a proactive model for asset management of waste water utilities. The analysis uses

information from 2291 CCTV inspections compiled by the Water and Sewerage Company of Bogotá

(EAAB) using tele-operated equipment for the period 2008 to 2010. By means of linear regression

models, were established within the set of variables collected through the inspection processes, those

that show significant association with the occurrence, magnitude and/or type of failures typically found

in sewer pipes, among others: certain types of materials (PVC and stoneware) and pipe diameters.

Results show that current resources used for CCTV inspection of sewer networks can be optimized by

improving the success rate in failures detection.

Palabras clave: alcantarillado, CCTV, EAAB, factores de riesgo, fallos estructurales, gestión

patrimonial

mailto:[email protected],%[email protected]

1. INTRODUCCIÓN

La gestión patrimonial de la infraestructura de redes de drenaje urbano en años recientes ha mostrado

una tendencia al cambio desde un enfoque correctivo, es decir, de mantenimiento de fallos una vez que

las consecuencias son detectadas, hacia un enfoque proactivo (predictivo y/o preventivo), el cual busca

anticipar los colapsos estructurales u operacionales de las redes y sus efectos asociados. La búsqueda

de un marco racional para la toma de decisiones en la gestión proactiva de la infraestructura de drenaje

urbano requiere de una aproximación sistemática al problema: Ver, Prever y Decidir (Ashley, 2002;

Brady et al., 2011; Fenner, 2000; P. Le Gauffre et al., 2007; Kärrman, 2001; Sægrov, 1999). El uso de

indicadores es el primer paso, puesto que las redes se encuentran ocultas a la vista de los gestores y por

lo tanto las fallas son detectadas por sus consecuencias operacionales antes de ser observadas

directamente. Le Gauffre et al., (2007) resaltan cuatro tipos de métodos de evaluación y resultados: a)

Observaciones directas: generalmente las inspecciones con cámaras de circuito cerrado de televisión o

CCTV, b) Estimaciones basadas en Observación: es decir, que pueden derivarse de los resultados de

la inspección, sin ser observados directamente o como problemas latentes, c) Estimaciones basadas en

los factores de riesgo: resultado de modelos estadísticos o modelos de envejecimiento, que sirven para

evaluar la situación probable de un segmento de la red de alcantarillado, incluso antes de llevar a cabo

una evaluación de CCTV, y d) indicadores compuestos, que son una combinación de dos o más

indicadores de desempeño anteriores.

La Comisión Europea dentro del V programa Marco financió un proyecto de investigación conjunta

entre instituciones de ocho países europeos conocido como CARE-W (Computer Aided Rehabilitation

of WasteWater Networks) (Eisenbeis & Gat, 2002; Le Gauffre et al., 2002; Le Gauffre & Baur, 2002).

Este proyecto desarrolló un conjunto de herramientas para evaluar, predecir y gestionar los problemas

de envejecimiento de las redes, tales como fallas estructurales, insuficiencias hidráulicas, filtraciones,

deterioros en la calidad del agua y aumento de los costos de mantenimiento, problemas que generan un

gran impacto sobre el medio ambiente urbano. En el año 2007 la herramienta se empezó a utilizar en

USA.

Por su parte, en Colombia el uso de indicadores para las redes de alcantarillado es una práctica

relativamente reciente. En la ciudad de Bogotá, la Empresa de Acueducto y Alcantarillado – EAAB –

ha realizado avances significativos en los últimos años en la implementación de tecnologías de

inspección de redes orientadas al diagnóstico estructural y operativo de las conducciones. Actualmente

la Empresa cuenta con seis equipos robóticos teleoperados y la norma NS-058 que permite calificar la

patología y determinar la prioridad de la intervención requerida, información que se ingresa al SIRA

(Sistema de Información para la Rehabilitación de Alcantarillado) (EAAB, 2008). La norma NS-058

establece los siguientes rangos de calificación: 1: Sin problema; 2-80: Problema mayor; 165: Prioriza el

tramo automáticamente. Al tener una descripción del estado en el que se encuentra la tubería con su

respectiva calificación, se establece el grado en el que se encuentra el tramo: rehabilitación inmediata

(grados 4 y 5), inspección o rehabilitación a mediano plazo (3 años) o largo plazo (5 años).

La información que la EAAB maneja para el seguimiento del estado de la red de drenaje está

compuesta por más de 90 indicadores (frente a 61 del CARE-W), los cuales son empleados por cortos

periodos de tiempo (meses), limitando la utilidad y aplicabilidad de dicha información como

instrumento de seguimiento. Sin embargo, un análisis de comparación entre los indicadores CARE-W y

EAAB pone en evidencia que la información manejada por la EAAB puede proporcionar insumos para

la construcción de indicadores similares a aquellos manejados por CARE-W (Tabla 1).

Tabla 1.- Comparación indicadores EAAB respecto a CARE-W

Indicador CARE-W Unidad Indicadores EAAB *

Control de fuga %/AÑO Búsqueda sistemática de fugas

Inspección de hidrantes %/AÑO Accionamiento, verificación, localización y mantenimiento de

hidrantes

Reemplazo o renovación de

alcantarillado

%/AÑO -Reposición de tapas de pozos de inspección

-Reposición de rejillas de sumideros

-Reposición de cargues con tapas de pozos

Reemplazo de válvulas %/AÑO Accionamiento, verificación, localización y mantenimiento de

válvulas

Rehabilitación de servicios de

conexión

%/AÑO -Renovación acometidas

-Cantidad de reconexiones

Fallas en tuberías No. Año/100 km Fallas de servicio

Fallas en válvulas No. Año/100 km Índice de reclamos operativos alcantarillado

Interrupciones de agua % Cierres programados

Calidad del agua suministrada % -Toma de muestras para calidad de agua

-Calidad del agua red de distribución

Reclamos de servicio No. Año/conexiones Índice de reclamos operativos acueducto

Reclamos sobre continuidad del

servicio

% Continuidad del servicio

Interrupciones % Cortes del servicio

Inversión anual para nuevos recursos y

mejoramiento de recursos

Total giros inversión directa vigencia y cuentas por pagar

Puede observarse que el esquema actual de inspección y priorización de intervención de la EAAB

puede potencializarse a través de un marco de trabajo orientado a la gestión proactiva de la

infraestructura de drenaje, como en el caso de CARE-W. Se destacan dos elementos, producto de este

trabajo, los cuales podrían servir para complementar las estrategias de gestión de activos de la

Empresa. En primer lugar, la EAAB a través de los equipos tele-operados recopila una cantidad

significativa de datos físicos y ambientales de las redes de drenaje (tipo y magnitud de los fallos,

condiciones operacionales, etc.), información que podría utilizarse para tener estimaciones de los

factores de riesgo de la infraestructura, que apoyen la toma de decisiones para rehabilitación o

inspección de la red. En segundo lugar, mediante el análisis de datos de la información recopilada se

podría lograr una optimización de los recursos para la inspección de las redes (equipos tele-operados)

con fines de mejorar la tasa de éxito en la detección de fallos.

DATOS Y MÉTODOS

El presente estudio piloto se realizó en el segmento del sistema de alcantarillado de la ciudad de Bogotá

denominado Zona 1, cuyas redes cuentan con una extensión total de 2091,3 km (ver características en

Tabla 2). Se emplearon los datos recopilados mediante los dos equipos tele-operados por la EAAB

asignados a esta área durante el periodo 2008 a 2010. Se partió de los resultados de la inspección de

98,4 km (4,7 %) de redes de drenaje sanitario, pluvial y combinado (2267 inspecciones en total) que

compilan un total de 3218 fallos identificados (ver resumen en Figura 2). Cada registro de inspección

consta de la siguiente información: fecha de inspección, identificación de campo del tramo

inspeccionado, características físicas del tramo inspeccionado, tipo de sistema, número del tramo,

longitud, diámetro, material, estado de la vía, clima, sentido de la inspección, identificación de campo

de los pozos aguas arriba y aguas abajo, tipo y gravedad de falla (puntaje operacional o estructural).

Tabla 2. - Características de la red del área piloto y las longitudes inspeccionadas

Tipo de Red Parámetro Red Local* Red Troncal ** Total red

Red Sanitaria

Longitud Total - km 1207,30 73,70 1281,10

Long Inspección - km (# Inspecciones)

25,32 0,98 26,30

(777) (10) (787)

% Insp 2,1 % 1,3 % 2,1 %

Red Pluvial

Longitud Total 629,90 180,30 810,20


56,59 12,40 69,00

(1.206) (185) (1.391)

% Insp 9,0 % 6,9 % 8,5 %

Combinada

Longitud Total 57,70 6,90 64,60


3,10 (61)

0 (0)

3,10 (61)

% Insp 5,4 % 0,0 % 4,8 %

Total

Longitud Total 1837,20 254,10 2091,30

Longitud inspecc. 81,91 13,40 98,40

% Insp 4,5 % 5,3 % 4,7 %

* Diámetro < 1,0 m en la red Sanitario y < 1,2 m en la Red Pluvial, ** Diámetro ≥ 1,0 m en la red Sanitario y ≥ 1,2 m en la Red Pluvial

Tabla 3.- Fallos estructurales, operacionales o de inventario

registrados en la muestra de inspecciones utilizada.

Categoría de

fallo Código Descripción

Estructural 1.1.1.1. Deformación o deflexión

1.1.1.2. Fisura/grieta/fractura

1.1.1.3. Rotura o colapso

1.1.1.4. Material de sello introducido en la tubería

1.1.1.5. Junta desplazada

1.1.1.6. Daños superficiales

1.2.1.1. * Defecto en el ladrillo o la mampostería

1.2.1.2. * Falta de mortero

Operación 1.1.2.1. Obstrucción por conexión

1.1.2.2. Raíces

1.1.2.3. Depósitos pegados, sedimentados o ingreso de suelo

1.1.2.4. Otros obstáculos

1.1.2.5. Infiltración

Inventario 1.1.3.1. Reparación, reparación puntual

1.1.3.2. Conexión, defectos de conexión

1.1.3.3. Nivel de agua dentro de la red

1.1.3.4. Exfiltración

1.1.3.5. Plagas

1.1.3.6. Flujo en una conexión

1.1.3.7. Curvatura del alcantarillado

1.1.3.8. Cambio de material

1.1.3.9. Cambio de diámetro

* Parámetros estructurales de colectores en mampostería

Fotografía 1.- Ejemplo de una imagen tomada

por el equipo de inspección CCTV. EAAB

Figura 1.- Frecuencia de ocurrencia de fallas

Como puede verse en la Figura 1 y la Tabla 3, las fallas que se presentan con mayor frecuencia son:

defectos de conexión, juntas desplazadas, flujo en una conexión, fisuras/grietas/fractura. Los defectos

0

100

200

300

400

500

1132

1115

1136

1112

1123

1113

1121

1122

1125

1124

1133

1131

1116

1111

1137

1134

1114

1135

Fre

cuencia

de f

allo

s

Codigo de falla

menos frecuentes son presencia de plagas, material del sello introducido en la tubería, entre otros.

Todos estos defectos reflejan problemas estructurales y de inventario (Tabla 3).

Se desarrollaron tres grupos de modelos (explicados en Tabla 4) para establecer la importancia relativa

de los factores estructurales, ambientales u operacionales en relación con el estado de la red de

alcantarillado. En cada uno de los grupos se realizó un análisis de regresión lineal (simple o múltiple)

para explorar y cuantificar la relación entre la variable dependiente o de criterio ( ) p.e. gravedad del

fallo, y una o más variables aleatorias independientes ( ), p.e. diámetro, material, tipo de

red. La finalidad del análisis de regresión es buscar aquellas variables explicativas que mejor expliquen

la variable dependiente. Para determinar si la asociación entre Xi y Y es estadísticamente válida, para

cada modelo, se verificó el nivel de significancia de la hipótesis nula (Ho): la pendiente del modelo

lineal es igual a 0. Si el p-valor es menor que el nivel de significancia elegido (0,10; 0,05 ó 0,01), se

supone la condición de hipótesis alterna ( ), es decir, que con un nivel de significancia aceptable,

existe una relación entre X y Y, dada por la pendiente del modelo lineal.

a) b)

Figura 2.- Diagramas de densidad de dispersión entre las variables asociadas a las inspecciones (a) Todas las

variables y (b) Variables cuantitativas

Tabla 4. - Grupos de modelos propuestos para establecer la importancia relativa de los factores estructurales,

ambientales u operacionales en relación con el estado de la red de alcantarillado

Modelo general Variable dependiente

(Yi)

Variables independientes

(X = {X1,X2, Xn}) Forma funcional

I

II

III

Y1: # fallas

Y2: Gravedad falla

Y3: Tipo de falla

X1: Tipo de red

X2: Diámetro

X3 Material

X4: Zona,

i.

ii. ( ) iii.

iv.

0

max

DIA

0

2

4

6

8

10

12

Bx

Gr

Mm

P.

Pl

Ds

Pv

Vr

20 40 60 80

0 2 4 6 8 10

N_EST

N_OPE

0 2 4 6 8

Bx Gr Mm P. Pl

MAT

T_RED

Ac Cm Pl S_

20

40

60

80

100

Ds Pv Vr

0

2

4

6

8

Ac

B_

Cm

Cn

Pl

Sn

S_

Sm

ZONA

3. RESULTADOS Y DISCUSIÓN

En la Figura 3 y la Figura 4 se muestran los resultados de los modelos del grupo I y grupo II (Tabla 4).

Como puede observarse en la figura, se identificaron dos factores de riesgo con significancia elevada

(p-valor < 0,05): material y diámetro. En el primer caso, se identificó una correlación significativa en

Gres y PVC (sólo para el modelo del grupo I) con respecto al puntaje estructural (suma de puntajes

individuales de fallas estructurales) resultado de las inspecciones. En cuanto a la zona y el tipo de red,

éstas no muestran un nivel de asociación con la condición estructural de las redes. En la Figura 3b y la

Figura 4b se observa que se presenta una mayor incidencia y frecuencia de fallos en diámetros

pequeños, especialmente en los menores a 20 pg.

En la Figura 5, se muestran los resultados de los modelos del grupo III (ver Tabla 4). A diferencia de

los dos grupos de modelos anteriores, se identificó la zona (pavimentada, destapa o verde) como un

factor de riesgo significativo (p-valor < 0,05). En cuanto al material, el diámetro y el tipo de red, éstos

no muestran un nivel de asociación con el tipo de falla 1.1.1.5 Junta Desplazada. Para tipos de fallas

menos frecuentes (Figura 1), la zona (fallas 1.1.1.2 y 1.1.2.3), el tipo de red (fallas 1.1.1.2, 1.1.2.3,

1.1.1.3 y 1.1.2.1) y el diámetro (fallas 1.1.1.3 y 1.1.2.1) muestran niveles altos de significancia.

(a)

(b)

(c)

(d)

Figura 3.- Grupo de modelos I. Puntaje estructural = f(X). a). X1 Material, b). X2 Diámetro, c). X3 Zona y d).

X4 Tipo de red

A la luz de los resultados anteriores, es posible estimar la tasa actual de éxito de la identificación de

fallas, resultado de inspecciones CCTV, analizando de manera independiente cada de factor de riesgo

Box

Concre

to

Gre

s

Ladrillo

Mam

poste

ria

Novafo

rt

P.V

.C

Polie

tile

no

Polip

ropile

no

0

200

400

600

800

1000

Material

Pu

nta

je E

str

uctu

ral

20

40

60

80

100

0

200

400

600

800

1000

Diametro

Pu

nta

je E

str

uctu

ral

Des

tapa

da

Pav

imen

tada

Ver

de

0

200

400

600

800

1000

Zona

Pun

taje

Est

ruct

ural

Acueducto

Box_C

ulv

ert

Com

bin

ada

Concre

to

Plu

via

l

Sanitaria

Sanitaria_S

um

idero

Sum

idero

0

200

400

600

800

1000

Zona

Pu

nta

je E

stru

ctu

ral

significativo mencionado arriba. Aunque se tiene un número diferente de inspecciones para cada

material (1331 para concreto, 660 para gres y 156 para PVC), se observa que para Gres y PVC, el

número medio de fallos por inspección (1,10 y 0,64) es alto respecto a la media de la muestra (0,50).

Otros materiales muestran medias significativamente menores en número de fallos por inspección

(concreto 0,22 y mampostería 0,07).

Tabla 3.- Grupo de modelos I. Puntaje estructural = f(X). a). X1 Material, b). X2 Diámetro, c). X3 Zona y d).

X4 Tipo de red.

MODELO FORMA DEL

MODELO

VARIABLES SIGNIFICATIVAS Variable X Estimate Std.Error t-value Pr(>|t|)

I.a y1 ~ Material Gres 1,10E+03 2,32E+02 4,751 2,15e-06***

PVC 6,47E+02 2,46E+02 2,632 0,00854**

I.b y1 ~ Diámetro Diámetro -0,94052 0,09404 -10,00 <2e-16 ***

I.c y1 ~ Zona Sin correlación

I.d y1 ~ Tipo de red

Sin correlación

Tabla 4. Grupo de modelos II. Puntaje fallo = f(Xi). a). X1 Material, b). X2 Diámetro, c). X3 Zona y d). X4 Tipo

de red

MODELO FORMA Variables significativas

Variable X Estimate Std.Error t-value Pr(>|t|)

II.1.a y1 ~ Material x1Gres 2,26E+05 1,09E+05 2,070 0,0386***

x1P.V.C 1,97E+05 1,11E+05 1,772 0,0764 ·

II.2.a y1 ~ Diámetro x1 Diámetro -0,25207 0,04977 -5065 4,32e-07

II.3.a y1 ~ Zona Sin correlación

II.4.a y1 ~ Tipo de red Sin correlación

Tabla 5. Grupo de modelos III. Tipo de Falla 1115 – JUNTA DESPLAZADA (n=437). Puntaje fallo = f(Xi). a).

X1 Material, b). X2 Diámetro, c). X3 Zona y d). X4 Tipo de red

MODELO Forma Variables significativas


III.1.a Falla_1115 y1 ~ Material Sin correlación

III.1.b Falla_1115 y1 ~ Diámetro Sin correlación

III.1.c Falla_1115 y1 ~ Zona x1Pavimentada 29,86 10,182 2,933 0,00354**

x1Verde 84,564 15,387 5,496 6,62e-08 ***

III.1.d Falla_1115 y1 ~ Tipo de red Sin correlación

Figura 4.- Diagrama de factores de riesgo por tipo de falla

Tabla 6. Grupo de modelos III. Correlaciones significativas en otros tipos de falla a) Falla (1112) = f(Zona), b)

Falla (1123) = f(Material), c) Falla (1123) = f(Zona), d) Falla (1113) = f(Diámetro)

MODELO TIPO DE FALLA

Forma Variables significativas


III.1.a Falla_1112 Fisura, grieta o fractura

y1 ~ Material Sin correlación

III.1.b Falla_1112 y1 ~ Diámetro Sin correlación

III.1.c Falla_1112 y1 ~ Zona x1Pavimentada -20611 9626 -2141 0,0329*

x1Verde -33333 16532 -2016 0,0445*

III.1.d Falla_1112 y1 ~ Tipo de red x1Sanitaria 13209 6656 1984 0,0480*

III.1.a Falla_1123 Deposito /sedimentos

y1 ~ Diámetro Sin correlación

III.1.b Falla_1123 y1 ~ Material

x1Ladrillo 6,000 2,863 2,096 0,0368*

x1P.V.C 3,818 2,114 1,806 0,0718·

III.1.c Falla_1123 y1 ~ Zona x1Pavimentada 17,364 0,7121 2,439 0,0153*

III.1.d Falla_1123 y1 ~ Tipo de red x1Sanitaria_Sumidero 30,000 12,586 2,384 0,0177*

III.1.a Falla_1113 Rotura o colapso

y1 ~ Material x1P.V.C -212,791 112,335 -1,894 0,0595

III.1.b Falla_1113 y1 ~ Diámetro x1 Diametro 0,7471 0,2669 2,799 0,00559 **

III.1.c Falla_1113 y1 ~ Zona Sin correlación

III.1.d Falla_1113 y1 ~ Tipo de red x1Combinada 85,00 30,28 2,807 0,005452**

III.1.a Falla_1121 Obstrucción por conexión

y1 ~ Material Sin correlación

III.1.b Falla_1121 y1 ~ Diámetro x1 Diametro 0,02658 0,01406 1,89 0,0603*

III.1.c Falla_1121 y1 ~ Zona Sin correlación

III.1.d Falla_1121 y1 ~ Tipo de red x1Pluvial 23,496 0,7787 3,018 0,00292**

x1Sanitaria 17,185 0,7642 2,249 0,02573*

CONCLUSIONES Y RECOMENDACIONES

Los resultados del presente estudio piloto han permitido identificar y cuantificar factores de riesgo

asociados a características físicas y/o ambientales de las redes de drenaje urbano. Con la muestra de

2291 inspecciones de CCTV recopiladas por la Empresa de Acueducto y Alcantarillado de Bogotá

(EAAB), pueden observarse asociaciones estadísticas significativas (obtenidas mediante modelos de

regresión lineal) entre la ocurrencia, magnitud y/o tipo de fallos y las características de la red.

El principal factor de riesgo identificado es el tipo de material. En efecto, se identificó una correlación

significativa entre los materiales de Gres y PVC y la gravedad y cantidad de fallos identificados en una

tubería. Para estos dos materiales, se verificó, con un nivel de confianza superior a 95 %, su asociación

tanto con la condición estructural general de la tubería como con la gravedad. Respectivamente para

Gres y PVC, el número medio de fallos por inspección (1,10 y 0,64) es alto respecto a la media de la

muestra (0,50). Otros materiales muestran medias significativamente menores en número de fallos por

inspección (concreto 0,22 y mampostería 0,07). Sin embargo, el número de inspecciones realizadas en

tuberías de concreto (1331) es significativamente mayor en comparación con aquellas realizadas para

tuberías de Gres (660) y de PVC (156). Teniendo en cuenta que estos materiales son los de mayor

incidencia, se hace imperativo que la EAAB pueda incrementar la tasa de efectividad de inspecciones

en conducciones de Gres y PVC.

En el análisis específico respecto a los tipos de fallas, se identificó que el material PVC está

significativamente asociado a las rupturas y colapsos de las conducciones, mientras que las tuberías de

ladrillo están asociadas a depósitos y sedimentos. El diámetro también se identificó como factor de

riesgo: los resultados muestran una mayor incidencia y frecuencia de fallos en diámetros pequeños,

especialmente en los menores a 20 pg, lo cual también debe ser considerando un factor determinante en

el planeamiento de las inspecciones.

A nivel general, otras variables no muestran un nivel de asociación con la condición estructural de las

redes. No obstante, a nivel específico se pudo identificar la relación entre algunos tipos de fallas y el

tipo de superficie (pavimentada, sin pavimentar o verde), así como el tipo de red (sanitaria, pluvial y

combinada).

Puede observarse que mediante un análisis sistemático de las variables recopiladas mediante procesos

de inspección por CCTV, es posible establecer factores de riesgo de la infraestructura con miras a

optimizar los recursos destinados al proceso de inspección. De esta manera es posible reducir la

incertidumbre en la intervención en la red de drenaje, y a su vez proporcionar elementos de

seguimiento para adelantar futuras inspecciones, con una previa planificación de éstas. No obstante

cabe señalar que el presente estudio no incluye el análisis de variables propuestas por otros autores,

tales como profundidad de las conducciones y edad de las redes, en razón a que esta información no se

encuentra asociada con la información relativa a las inspecciones CCTV disponibles. En cualquier

caso, los resultados muestran la posibilidad de mejorar la tasa de éxito en la detección de fallos de los

equipos de inspección si se adopta un esquema de priorización basado en los factores de riesgo.

Asimismo, a la luz de los resultados obtenidos, los autores consideran pertinente recomendar a la

EAAB continuar con el presente estudio incluyendo la totalidad de la información física disponible en

las bases de datos, y considerando otras variables como las anteriormente mencionadas.

AGRADECIMIENTOS

Los autores agradecen a la EAAB por la información suministrada para la realización de la presente

investigación.

REFERENCIAS

Ashley, R. (2002). Sewer systems and performance indicators––into the 21st century. Urban Water,

4(2), 123-135. doi:10.1016/S1462-0758(02)00010-9

Brady, J., Goodman, S., Kerri, K., & Reed, R. (2011). "Performance Indicators for Wastewater

Collection Systems". Journal of Water Pollution Control Federation, 51(4), 695-708.

EAAB. (2008). NS-058. Calificación de patología y prioridad de intervención de redes de drenaje

urbano.

Eisenbeis, P., & Gat, Y. L. (2002). WP2 Description and Validation of Technical Tools : D3 – Models

Description. Civil Engineering, (2).

Fenner, R. (2000). Approaches to sewer maintenance: a review. Urban Water, 2(4), 343-356.

doi:10.1016/S1462-0758(00)00065-0

Le Gauffre, P, Baur, R, & Miramond, M. (2002). CARE-W: D7 – Survey of multi-criteria techniques

and selection of relevant procedures. Framework.

Le Gauffre, P., Joannis, C., Vasconcelos, E., Breysse, D., Gibello, C., & Desmulliez, J.-J. (2007).

Performance Indicators and Multicriteria Decision Support for Sewer Asset Management. Journal

of Infrastructure Systems, 13(2), 105. doi:10.1061/(ASCE)1076-0342(2007)13:2(105)

Le Gauffre, P, & Baur, R. (2002). CARE-W : WP 3 – Decision support for annual rehabilitation

programmes D6 – Criteria for the prioritisation of rehabilitation projects. Water.

Kärrman, E. (2001). Strategies towards sustainable wastewater management. Urban Water, 3(1-2),

63-72. doi:10.1016/S1462-0758(01)00018-8

Sægrov, S. (1999). Rehabilitation of water networks Survey of research needs and on-going efforts.

Urban Water, 1(1), 15-22. doi:10.1016/S1462-0758(99)00002-3

5F555_memorias

Documents

Transcript of 5F555_memorias