5F555_memorias
-
Upload
nathalie-hernandez -
Category
Documents
-
view
3 -
download
0
Transcript of 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
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
Long Inspección - km (# Inspecciones)
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
Long Inspección - km (# Inspecciones)
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
Variable X Estimate Std.Error t-value Pr(>|t|)
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
Variable X Estimate Std.Error t-value Pr(>|t|)
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