DEL 24 AL 27 DE NOVIEMBRE DE 2015, ACAPULCO, GUERRERO, GRAND HOTEL

UNA RED BAYESIANA PARA LA EVALUACIÓN DEL FACTOR DE SEGURIDAD

EN PILAS DE PUENTES VEHICULARES DE CONCRETO REFORZADO
SUJETAS A SISMO

David Joaquín Delgado Hernández(1), Luis Horacio Martínez Martínez(2), David De León Escobedo(1),
Juan Carlos Arteaga Arcos(1) y Jhonnatan Flores Gomora(2)

1 Profesor Investigador, Cuerpo Académico de Evaluación de Riesgos, Facultad de Ingeniería, Universidad Autónoma del Estado
de México, Ciudad Universitaria, Cerro de Coatepec s/n, Toluca, C.P. 50130, Estado de México Tel. 722 2140855 ext. 1234
delgadoh01@yahoo.com

2 Facultad de Ingeniería, Universidad Autónoma del Estado de México, Ciudad Universitaria, Cerro de Coatepec s/n, Toluca,
C.P. 50130, Estado de México Tel. 722 2140855 ext. 1207

RESUMEN

Los puentes vehiculares son obras de infraestructura relevantes para el desarrollo de un país. En virtud de ello es
importante contar con herramientas que evalúen sus condiciones actuales de operación, y que permitan a sus
administradores tomar acciones preventivas o correctivas que aseguren su ininterrumpido funcionamiento. La literatura
reporta la aplicación de distintas técnicas habituales no determinísticas en la estimación de la confiabilidad ya sea para
los elementos estructurales aislados, o bien, como un conjunto de sistemas. Sin embargo, aún son escasos los estudios
que emplean el enfoque bayesiano para este fin. Así, en la presente investigación se propone una red bayesiana que
considera la acción conjunta de solicitaciones sísmicas y las derivadas del tránsito vehicular. Su propósito es llevar a
cabo análisis de pronóstico y diagnóstico de la confiabilidad de estas obras, con base en la recolección de información
observable durante las labores de inspección.

ABSTRACT

Vehicular bridges are relevant infrastructure for the development of a country. Consequently, it is important to have
tools to evaluate their current operating conditions, and to allow its managers to take preventative or corrective actions
to ensure its continued operation. The literature reports the application of various non deterministic techniques
commonly used for the estimation of reliability either for isolated structural elements or for complete systems.
However, there are still few studies using the Bayesian approach for this purpose. Then, in this research a Bayesian
network that considers the simultaneous presence of seismic actions and those derived from vehicular traffic is
proposed. Its purpose is to conduct analyzes of prognostic and diagnostic reliability of vehicular bridges, based on
observable data collection during inspection work.

INTRODUCCIÓN

Los puentes de cualquier tipo son obras trascendentes para que las ciudades y zonas habitadas se puedan comunicar, y
se emplean para salvar obstáculos que pueden ir desde fosos hasta ríos. Aunque existen diversas clasificaciones en
función de sus materiales de construcción, usos, ubicaciones y tamaños, su elección depende del balance adecuado
entre resistencia, durabilidad y costo. Siendo proyectos creados por el hombre, están sujetos al riesgo de falla, lo que
puede resultar en daños estructurales y monetarios, directos e indirectos, así como en la posible pérdida de vidas

SOCIEDAD MEXICANA DE INGENIERÍA SÍSMICA A. C.

XX Mexican Congress of Earthquake Engineering Acapulco, 2015

humanas. Por ello, es necesario conocer sus causas de falla, para proponer e implementar acciones de prevención y
mantenimiento que reduzcan las consecuencias de un colapso.

La falla de un puente puede deberse a distintos factores como: lluvia en exceso, sobrecargas, sismos, falta de
mantenimiento, plasticidad, fatiga, fractura, desplazamientos y corrosión, los que generalmente producen daños en las
pilas de apoyo, provocando las pérdidas ya descritas. De ellas, en la presente investigación se ha optado por el análisis
simultáneo de sobrecargas, consecuencia del exceso de peso de los vehículos que circulan por la obra, y sismos que
pueden presentarse cuando en el puente transitan unidades de transporte con tonelajes considerables. Si bien es cierto
que se trata de un escenario que en principio puede parecer poco probable, también es cierto que diariamente circulan
por las carreteras nacionales más vehículos pesados que en el pasado, y la posibilidad de que se registre un evento
telúrico mientras circulan por los puentes no es remota.

En este artículo se desarrollará una Red Bayesiana Continua No Paramétrica (RBCNP), para analizar
probabilísticamente el comportamiento de las pilas de un puente de reciente construcción, ubicado en la carretera
Toluca-Palmillas del Estado de México. Las variables a considerar son: Tránsito Diario Promedio Anual (TDPA),
cargas vivas, acciones sísmicas, cargas actuantes, resistencia y factor de seguridad, que se han configurado como se
muestra en la Figura 1.

Figura 1 Configuración propuesta de la Red Bayesiana

En principio se asume que el TDPA está asociado con los pesos vehiculares, y que entre más automóviles circulen en
un día dado, mayor es la probabilidad de que se presente un automotor pesado. Tanto esos pesos como las fuerzas
inducidas por sismo contribuyen al aumento de las cargas actuantes, que en combinación con las resistencias generan
el factor de seguridad.

En las siguientes secciones se desarrollarán los detalles de la cuantificación de la RB, pero por ahora solo se presenta
en términos cualitativos para comprender la lógica de la interacción entre las variables. En seguida se hace una revisión
bibliográfica de la combinación de sismos y cargas vivas en puentes.
 DEL 24 AL 27 DE NOVIEMBRE DE 2015, ACAPULCO, GUERRERO, GRAND HOTEL

ACCIÓN SIMULTÁNEA DE SISMOS Y CARGAS VIVAS EN PUENTES

La literatura en materia del análisis conjunto de los dos eventos de interés es escasa. En efecto, las normas de diseño
comúnmente empleadas a nivel internacional, como las de la ASSHTO (1998), no consideran el efecto paralelo de
sismos y cargas vivas en las combinaciones de carga para el diseño de puentes. Así, toman en cuenta cada uno por
separado. Sin embargo, como lo argumentan Wibowo et al. (2013), hoy en día es más probable que los puentes
experimenten la presencia de vehículos pesados mientras se presenta un movimiento sísmico, debido al crecimiento
poblacional y a la necesidad de mover cargas entre ciudades. De esta forma, se han buscado estudios relevantes que
puedan servir como referencia para contrastar los resultados de la investigación en curso.

En primera instancia, se encontró que Kim et al. (2011) realizaron un estudio que concluyó que cuando el vehículo es
considerado como parte de un sistema masa-resorte-amortiguador, su efecto dinámico es mayor que la consideración
simple de su peso, y por lo tanto reduce la respuesta sísmica de la estructura. Es decir, que contribuye al
amortiguamiento de la estructura independientemente de si se analiza dinámica o estáticamente. Entonces, quizás las
dos aportaciones principales de ese estudio fueron: (a) que el efecto sísmico disminuye con la presencia de vehículos
en un puente y, (b) que no importa si en el análisis se asume que el vehículo se mueve o permanece detenido, los
resultados son similares.

En el mismo tenor de ideas, He et al. (2011) analizaron el efecto de un tren móvil en el viaducto de Shinkansen en
Japón bajo un sismo moderado, llegando a la conclusión que la respuesta sísmica del puente es muy compleja y
depende de sus propiedades dinámicas, y de las características del movimiento. No obstante, el producto de su modelo
analítico mostró que el tren de cargas puede funcionar como amortiguador para el puente. Estos resultados coinciden
con los descritos en el párrafo anterior.

Ante estos resultados, que podrían a-priori parecer en contra de la intuición, y en un esfuerzo por conocer con más
detalle lo que ocurre con un puente ante la acción paralela de un sismo mientras la carga viva está presente, Wibowo
et al. (2013) llevaron a cabo un conjunto de experimentos en Nevada, EUA. En esencia, construyeron un puente curvo
a escala real, y colocaron camionetas de carga en la superficie de rodamiento. A través del uso de mesas vibratorias
simularon un movimiento del terreno equivalente al sismo de Northridge de 1994, observando que la presencia de la
carga viva era benéfica en el comportamiento del puente, pero que este efecto se disminuía con el aumento de la
amplitud del temblor. Los instrumentos para medir el desempeño de la estructura, monitorearon la fuerza cortante en
los estribos, el tamaño de las grietas y el desplazamiento de las columnas. Adicionalmente generaron un modelo
analítico en SAP 2000™, ratificando los resultados experimentales. Para explicar este comportamiento, afirmaron que
la carga viva actúa como un conjunto de amortiguadores no-lineales para controlar el movimiento de la estructura.

Como se puede apreciar, los intentos investigativos para entender mejor el comportamiento de este fenómeno han
empleado diversas perspectivas como la generación de modelos analíticos y experimentales, pero los que abordan
enfoques probabilísticos son aún poco frecuentes. De esta forma, en el presente artículo se desarrolla un punto vista
alterno, basado en los conceptos establecidos por el reverendo Bayes en materia de probabilidades condicionales. En
las siguientes secciones se desarrolla con detalle esta perspectiva que, como se observará en las conclusiones, ratifica
las investigaciones previas en la materia.

RED BAYESIANA PARA EL ANÁLISIS DE CARGAS VIVAS Y SISMO

El desarrollo de RBs es todavía incipiente en materia de puentes. Por ejemplo, recientemente se presentó una RB para
el análisis de cargas vivas en puentes (Morales-Nápoles and Steenbergen, 2014), pero sin estudiar la presencia
simultánea de sismos. También se puede mencionar el proyecto realizado por Rafiq et al. (2015) quienes evaluaron la
condición aislada de diversos elementos de un puente de mampostería en arco, tales como los estribos, el arco en sí, y
sus esquinas. Para ello, se valieron de una red dinámica que evaluaba cada miembro y la evolución de su
comportamiento en el tiempo. Sin embargo, tampoco estudiaron la combinación simultánea de los sismos y las cargas
vivas. Es aquí donde nace la necesidad de explorar más profundamente este efecto desde este punto de vista.

SOCIEDAD MEXICANA DE INGENIERÍA SÍSMICA A. C.

XX Mexican Congress of Earthquake Engineering Acapulco, 2015

En esencia, una red bayesiana es un grafo a-cíclico dirigido que representa la probabilidad conjunta de un grupo de
variables mostradas en un gráfico. Estas pueden ser discretas o continuas, en función del tipo de variables a analizar.
A su vez, las continuas pueden ser paramétricas, cuando las distribuciones se pueden ajustar a funciones conocidas
como la Gaussiana, la Weibull o la Gumbel, y las no paramétricas que emplean los datos en su forma natural. La
ventaja de estas últimas es que no se pierde información al momento de llevar a cabo las regresiones, por lo que
conservan su esencia cuando son incorporadas en los modelos probabilísticos. El lector interesado puede conocer más
sobre los fundamentos de las RBs consultando Nielsen and Jensen (2009).

De esta forma, se ha adoptado el enfoque continuo no-paramétrico para este proyecto. Las variables involucradas y su
estimación probabilística se describen en seguida. Para ello, se ha tomado un caso de estudio de un puente en el Estado
de México. Por simplicidad se analiza solo un caballete (referido en adelante como marco) en dos dimensiones, con
dos pilas de 6.50 m de altura y sección cuadrada de 1.25 m × 1.25 m reforzadas con 36 varillas del #8, y un cabezal de
7.10 m de longitud. En la Figura 2 se presentan las características de la estructura, y de las pilas de concreto reforzado
con f’c=250 kg/cm2 y fy=4,200 kg/cm2, asi como su ubicación geográfica. Se observan también las fuerzas que se
consideran simultáneamente en el estudio, la horizontal debida a sismo, y las verticales originadas por el peso de los
vehículos.

(a) (b)

Figura 2 (a) Características geométricas del marco del puente por analizar y (b) ubicación
(mapa de la Junta de Caminos del Estado de México)

Tránsito Diario Promedio Anual (TDPA)

Para cuantificar esta variable fue necesario, por una parte, recolectar datos mediante aforos realizados en campo con
un dispositivo de la marca MetrocountTM propiedad de la Universidad Autónoma del Estado de México. Para ello se
seleccionó el tramo Toluca-Palmillas, ubicado al norte de la capital Mexiquense, donde se construiría un nuevo puente.
Además de hacer las mediciones de vehículos en la zona durante el mes de Agosto de 2014, se consultaron los datos
de aforos históricos en el sitio electrónico de la Secretaría de Comunicaciones y Transportes (SCT) 1.

Con base en los resultados generados con el dispositivo aforador en el lugar, se obtuvieron los porcentajes de vehículos
ligeros, medianos y pesados que circulaban por el tramo. Estos coincidieron con los reportados en la página de la SCT,
por lo que se decidió ampliar la muestra tomando la información de poco más de una década mencionada en ese portal
(2003-2015). Usando esta base de datos, se determinó el TDPA incluyendo varios tipos de automóviles y camiones,
es decir, los A, B, C2, C3, T3S2, T3S3 y T3S2R4. En la Tabla 1 se presenta la clasificación de vehículos pesados
establecida por la Norma NOM-012-SCT-2-2008.

1
http://www.info-de-proyectos.com/carreteras_detalle.php? tiempo=2010&estado=15&carretera=1062
 DEL 24 AL 27 DE NOVIEMBRE DE 2015, ACAPULCO, GUERRERO, GRAND HOTEL

Tabla 1 Clasificación de vehículos con base en la Norma NOM-012-SCT-2-2008

Tipo Ejemplo Peso máximo (Ton)

B 17.5

C2 17.5

C3 24.5

T3S2 41.5

T3S3 48.0

T3S2R4 66.5

En la Figura 3 se muestra la distribución empírica (no-paramétrica) encontrada y generada en el programa UNIGRAPH

de UNINETTM para la manipulación de Redes Bayesianas, desarrollado en la Universidad Tecnológica de Delft,
Holanda. Como se puede apreciar, el TDPA en el tramo bajo estudio varía de 11,574 a 25,033 vehículos por día. A
pesar de que no se trata de una distribución normal, se calculó la media y la desviación estándar que resultaron ser
16,034 y 4,689 vehículos por día respectivamente.

De nuevo, esta distribución incluye todos los tipos de automóviles, desde los A hasta los T3S2R4. Dado que los
vehículos de interés para la investigación eran los más pesados (T3S2R4), se averiguaron sus pesos por eje, siguiendo
los pasos descritos a continuación. Cabe mencionar, sin embargo, que es necesario llevar a cabo investigaciones con
vehículos más ligeros, para ratificar o rectificar el comportamiento de la estructura ante la presencia de sismo.

Figura 3 Distribución de TDPA para el tramo Toluca-Palmillas con datos de la SCT del 2003 al 2015 [Vehículos/día/año]

SOCIEDAD MEXICANA DE INGENIERÍA SÍSMICA A. C.

XX Mexican Congress of Earthquake Engineering Acapulco, 2015

Pesos vehiculares

Se encontró que a nivel nacional la información existente relativa a los pesos databa de principios de los 90, reportados
por Mendoza Díaz y Cadena Rodríguez (1992), y que los estudios recientes eran raros. Más aún, se han estudiado los
pesos, pero en lugar de reportarlos por ejes, se han empleado simplificaciones mediante tándems para agrupar el
tonelaje de varios ejes en uno sólo (Rascon Chavez, 1999). Incluso se hicieron histogramas de frecuencias de pesos,
encontrando comportamientos bimodales, con una primera moda de 30 Ton y la segunda de 70 Ton, llegando a registrar
pesos en las carreteras Mexicanas que excedían las 110 Ton. De acuerdo con las normas los pesos máximos deben
oscilar entre las 60 y las 70 Ton, lo que da una idea de la magnitud de exceso en cargas que pueden registrarse.

En virtud de la dificultad para localizar datos más actuales, se decidió aplicar esa distribución bimodal, reportada por
Rascon Chavez (1999) para manejar los pesos vehiculares en los cálculos de la red. En la Figura 4 se muestra el
comportamiento de los datos de los tonelajes T3S2R4, que va de las 22 Ton a las 110 Ton. La media y desviación
estándar de esta distribución empírica ahora fueron: 61.22 Ton y 26.43 Ton respectivamente.

Figura 4 Pesos para el vehículo T3S2R4 [Ton] (Adaptado de: (Rascon Chavez, 1999))

Sismos

Los datos empleados en la cuantificación de esta variable fueron obtenidos del Programa de Diseño Sísmico
(PRODISIS) de la Comisión Federal de Electricidad (CFE). Con base en las recomendaciones de Meli (2008), se optó
por tomar la aceleración máxima del terreno en la zona de interés (coeficiente sísmico-c que es una fracción de la
gravedad). Este es un criterio conservador pues toma la meseta del espectro sísmico, de tal suerte que si el periodo de
la estructura es menor o mayor al de esa zona del gráfico, la aceleración se puede disminuir. Así, se hizo un muestreo
arbitrario de 200 aceleraciones máximas dentro de PRODISIS, en un radio de 50 Km a la redonda de la ubicación del
puente de interés. Esto equivaldría a colocar la estructura en variados tipos de suelo, llegando a la distribución mostrada
en la Figura 5.

Como se puede apreciar, las aceleraciones espectrales oscilan entre 0.29·g y 0.44·g. Al estimar la media y la desviación
estándar se obtuvieron los siguientes valores: 0.36·g y 0.042·g correspondientemente. Estas aceleraciones se eligen
aleatoriamente para generar fuerzas horizontales en la obra bajo análisis, mediante la segunda Ley de Newton.
 DEL 24 AL 27 DE NOVIEMBRE DE 2015, ACAPULCO, GUERRERO, GRAND HOTEL

Entonces, al multiplicarlas por la masa de la estructura, se encuentra la fuerza lateral que actuará en el puente, tal y
como se indicó en la Figura 1.

Figura 5 Aceleraciones espectrales máximas en un radio de 50 Km alrededor del puente de interés [factores de g]
(Fuente de datos: PRODISIS)

Cabe recordar que el análisis realizado en esta investigación considera como un marco simple en dos dimensiones a
las pilas y al cabezal de la sección central del proyecto. Una vez conocida esta distribución y para integrar las cargas
verticales inducidas por el tráfico del puente, y las horizontales derivadas de un sismo, se calculó la distribución de
cargas actuantes.

Cargas Actuantes

En esta variable se realizó el análisis de la estructura a través del método de rigideces, considerando tres barras unidas
para formar el marco en dos dimensiones arriba referido. El interés principal del estudio se enfocó en el
comportamiento a flexo-compresión de las pilas, por lo que se empleó la ecuación (1) (Das, 2012):

𝑃 𝑀𝑥𝑦 𝑀𝑦𝑥
𝑄𝐴𝑐𝑡𝑢𝑎𝑛𝑡𝑒 = 𝐴 + + (1)
𝑆𝑥𝑥 𝑆𝑦𝑦

Donde QActuante es la carga total actuante buscada, P es la carga axial que la carga viva y el sismo ejercen sobre la pila,
A es el área de la pila, Mxy y Myx son los momentos flexionantes en las dos direcciones de la sección de la pila, S xx y
Syy son los módulos de sección en las dos direcciones de la pila. La distribución generada después de llevar a cabo
1,000 simulaciones donde aleatoriamente se modificaron los pesos máximos de los vehículos T3S2R4 (con la
distribución anteriormente presentada) y las fuerzas sísmicas originadas con la distribución de aceleraciones ya
descrita, se presenta en la Figura 6.

También en esa figura se incluye la variación de la geometría de la sección cuadrada de la pila, que arbitrariamente
uso una distribución N(125, 6.25) [cm], y la variación aleatoria de las propiedades de sus materiales, el f’c con N(250,
50) [kg/cm2] y el fy con N(4200, 100) [kg/cm2].

SOCIEDAD MEXICANA DE INGENIERÍA SÍSMICA A. C.

XX Mexican Congress of Earthquake Engineering Acapulco, 2015

Figura 6 Carga actuante en la pila más desfavorable de la estructura del puente [Ton/m 2]

En este caso, las unidades de QActuante se encuentran en Ton/m2. La distribución va de 1,368 [Ton/m2] hasta
30,991[Ton/m2] con una media y una desviación estándar de: 2,240.5 [Ton/m2] y 2,158.7 [Ton/m2] respectivamente.
De esta forma, y antes de calcular el factor de seguridad, se procede enseguida al establecimiento de la distribución de
resistencias de la estructura.

Resistencias

Para este caso, se empleó también la ecuación (1), pero ahora a través de los diagramas de interacción de las secciones
analizadas se calcularon la P, carga axial resistente, y los momentos resistentes M xy y Myx. Como el diagrama de
interacción cuenta con distintas combinaciones de resistencia, se decidió adoptar un criterio único para calcular la
distribución de esta variable (Figura 7a).

(a) (b)

Figura 7 (a) Combinación actuante y resistente, (b) Carga resistente

en la pila más desfavorable de la estructura del puente [Ton/m2]
 DEL 24 AL 27 DE NOVIEMBRE DE 2015, ACAPULCO, GUERRERO, GRAND HOTEL

Así, una vez que se obtenía en una simulación la carga actuante, esta se graficaba en el diagrama de interacción para
analizar que quedaba dentro o fuera de la zona aceptable. En cualquier caso se evaluó la distancia mínima al diagrama,
obteniendo con ello una combinación específica de carga axial y momento resistente.

En la Figura 7a se muestra una de las simulaciones donde se aprecia el diagrama de interacción de la pila, y al interior
la combinación de carga-momento resultante de las cargas actuantes. La QResistente se obtuvo con el punto más cercano
del diagrama a la combinación referida. Estos valores se usaron en la ecuación (1), y la distribución de Q Resistente se
muestra en la Figura 7b.

Como se puede observar, esta distribución se parece a una normal. Sin embargo no fue parametrizada, para conservar
la información que brinda una empírica, y sus valores cambian de 2,905 [Ton/m2] a 4.426 [Ton/m2], con una media de
3.829 [Ton/m2] y una desviación estándar de 273 [Ton/m2]. Con esta información disponible, se pasa ahora a la última
variable de la RBCNP, el factor de seguridad.

Factor de seguridad

En este trabajo el factor de seguridad se calcula como QResistente/QActuante y debe ser mayor a la unidad para considerar
segura a la estructura. Al llevar a cabo 1,000 iteraciones en una rutina específicamente diseñada para ese fin, se
construyó la distribución mostrada en la Figura 8.

Figura 8 Factor de seguridad en la pila más desfavorable de la estructura del puente [Adimensional]

En esta ocasión el rango de valores que asume la variable adimensional factor de seguridad, van de 0.10 a 3.05, con
una media de 2.10 y una desviación estándar de 0.59. Esto significa que en promedio la pila tiene un factor de seguridad
ligeramente superior a 2, pero que podría oscilar a la baja o a la alza registrando valores tan pequeños como 0.1 o tan
grandes como 3.05 ante la presencia simultánea de cargas vivas y sismo. Habiendo descrito las seis variables
involucradas en el análisis, en la siguiente sección se desarrolla la RBCNP propuesta.

Red Bayesiana Continua No Paramétrica

Una vez presentadas las seis variables que constituyen la red, para cuantificarla se siguieron los pasos establecidos en
Morales-Nápoles et al. (2014). Básicamente fue necesario calcular las correlaciones entre las variables padre que están
conectadas mediante arcos con sus descendientes.

SOCIEDAD MEXICANA DE INGENIERÍA SÍSMICA A. C.

XX Mexican Congress of Earthquake Engineering Acapulco, 2015

El coeficiente de correlación de las variables X y Y cuyos valores esperados son E(X) y E(Y), y con varianzas var(X) y
var(Y) está dado por la ecuación (2).

𝐸(𝑋𝑌)−𝐸(𝑋)𝐸(𝑌)
𝜌𝑥,𝑦 = 𝜌(𝑋, 𝑌) = (2)
√𝑣𝑎𝑟(𝑋)𝑣𝑎𝑟(𝑌)

Ahora bien, para calcular el coeficiente de correlación de rango condicional entre las variables X y Y dado Z, se emplea
la ecuación (3) reportada en (Morales-Nápoles et al., 2014).

𝜌𝑥,𝑦|𝑧= 𝜌𝑥,𝑦 −𝜌𝑥,𝑧 𝜌𝑦,𝑧 (3)

√(1−𝜌𝑥,𝑧 2 )(1−𝜌𝑦,𝑧 2 )

Las expresiones 2 y 3 fueron empleadas para calcular los coeficientes al interior de la red. Para ilustrar su uso, se
muestra a continuación la Tabla 2, con las tres variables: cargas actuantes (X), resistencias (Y) y factor de seguridad
(Z). Por las limitaciones de espacio, solo se presenta una muestra parcial de 10 datos empleados en el cálculo. Así, en
primer lugar se calculan los valores esperados E(X) y E(Y), así como las varianzas var(X) y var(Y). Con estos valores,
se aplica (2) para calcular 𝜌𝑥,𝑦 . Se procede de manera similar para estimar 𝜌𝑥,𝑧 y 𝜌𝑦,𝑧 , que al combinarse con 𝜌𝑥,𝑦
permite evaluar 𝜌𝑥,𝑧|𝑦 mediante (3).

Tabla 2 Muestra de 10 datos empleados para evaluar las correlaciones de la Red Bayesiana
Cargas Actuantes [Ton/m2] Resistencias [Ton/m2] Factor de Seguridad [Adimensional]

2,601.48 2,633.45 1.01

2,638.99 2,588.80 0.98
2,765.09 3,290.98 1.19
2,625.05 2,647.50 1.01
2,798.88 3,454.85 1.23
2,597.18 2,607.64 1.00
2,680.54 2,841.62 1.06
2,611.36 2,662.09 1.02
2,608.15 2,651.94 1.02
2,613.52 2,638.51 1.01
⁞ ⁞ ⁞

Aplicando el mismo procedimiento para el resto de las variables, se llegó a la matriz simétrica de correlaciones
mostrada en la Tabla 3, que se estimó con el paquete UNINET TM.

Tabla 3 Matriz de correlaciones entre las variables incluidas en la RBCNP

TDPA Pesos vehiculares Sismos Cargas actuantes Resistencias Factor de seguridad
TDPA 1.00 0.37 0.00 -0.0139 0.00 0.00686
Pesos vehiculares 1.00 0.00 -0.0360 0.00 0.0178
Sismos 1.00 0.9980 0.00 -0.4770
Cargas actuantes 1.0000 0.00 -0.8400
Resistencias 1.00 0.8000
Factor de seguridad 1.0000

Analizando los valores, se observa en principio que la correlación entre los pesos vehiculares y las cargas actuantes en
la estructura es -0.0360. Al tratarse de un valor negativo, se confirma lo que habían revelado los estudios previos
discutidos en la revisión de la literatura, es decir, que la presencia de vehículos en combinación con las acciones de un
sismo, reducen las cargas sobre el puente. En los análisis siguientes se observará con más detalle este comportamiento,
pero antes es necesario mostrar la configuración de la RBCNP objeto de la presente investigación (Figura 9).
 DEL 24 AL 27 DE NOVIEMBRE DE 2015, ACAPULCO, GUERRERO, GRAND HOTEL

Figura 9 Red Bayesiana Continua No Paramétrica propuesta (creada con UNINET TM)

Cada nodo presenta, en la parte central, la distribución de la variable que simboliza y está identificado con su nombre
en la parte superior. En la zona inferior se muestra la media y la desviación estándar de las variables. Con la red
construida, ahora es posible comenzar el análisis y discusión que se abordan en el siguiente apartado.

ANÁLISIS Y DISCUSIÓN DE RESULTADOS

Una de las ventajas más notables de las Redes Bayesianas es su capacidad de actualizarse cuando se cuenta con
evidencia (Delgado-Hernández et al., 2014), lo que permite llevar a cabo labores de diagnóstico y pronóstico que
facilitan tomar decisiones con base en datos. Esta sección se dividirá en dos partes con el propósito de aprovechar al
máximo los resultados generados con el modelo bayesiano propuesto. En la primera, se presentan situaciones
hipotéticas sobre las condiciones del puente bajo estudio, y se ve cual es el efecto en el factor de seguridad. En la
segunda parte, se hace un análisis más robusto y se identifican patrones de comportamiento de las variables, generando
modelos de regresión que facilitan la interpretación de los datos. En ambos casos, la discusión se da en paralelo.

Empleo de la RBCNP a partir de evidencias

Para ilustrar el uso de la red, se hará un análisis de lo que pasaría con el factor de seguridad dadas dos variables: TDPA
y sismo. En primera instancia se asume que para un día dado, un aforador mecánico registra un TDPA de 15,478
vehículos, y que ese mismo día se presentó un sismo cuyo acelerograma (generado con PRODISIS), de poco más de
un minuto, se muestra en la Figura 10. Como se puede apreciar en la parte superior de la misma figura, el coeficiente
sísmico del espectro está por debajo de 0.4·g, pero el movimiento telúrico generó aceleraciones por encima de esa cota.
Entonces se considera que la variable “sismos” del modelo adoptará el valor de 0.42·g, que es el observado.

SOCIEDAD MEXICANA DE INGENIERÍA SÍSMICA A. C.

XX Mexican Congress of Earthquake Engineering Acapulco, 2015

(a) (b)

Figura 10 (a) Espectro y (b) acelerograma para la zona donde se ubica el puente (creados con PRODISIS)

Con las evidencias mencionadas, se llevan a cabo los cálculos dentro de la red, es decir, se inserta la información en
el nodo TDPA = 15,478 vehículos y en el nodo sismo = 0.42·g. En la Figura 11 se muestra que la media del factor de
seguridad es ahora de 1.72, que al ser comparado con el originalmente presentado en la Figura 9, se redujo desde su
valor inicial de 2.10. Esto significa que para un sismo con las características del considerado, la estructura disminuiría
su factor de seguridad de 2.10 a 1.72.

Vale la pena observar lo que pasó con las demás variables. De nuevo, tomando como referencia la Figura 9, se aprecia
que el nodo pesos vehiculares incrementó ligeramente su media, y paso de 61.2 Ton a 65.5 Ton. El nodo cargas
actuantes sufrió una modificación más drástica, pues al combinar el efecto del sismo y de los pesos vehiculares, subió
su media de 2,240 Ton/m2 a 3,130 Ton/m2. Debido a que el nodo resistencias se mantuvo constante con su media
original de 3,830 Ton/m2, se registró la caída en el factor de seguridad.

Figura 11 Factor de seguridad al insertar evidencia en los nodos TDPA = 15,478 vehículos y sismo = 0.42·g
(creada con UNINETTM)
 DEL 24 AL 27 DE NOVIEMBRE DE 2015, ACAPULCO, GUERRERO, GRAND HOTEL

A la luz de estos resultados, se procede ahora a explorar el efecto benéfico de amortiguamiento que ha sido reportado
en la literatura, consecuencia de la presencia simultánea de cargas vivas y sismos en la estructura de un puente. Para
ello, ahora se manipula la variable pesos vehiculares, considerando que circula un camión de 105 Ton en la obra. Cabe
recordar que el máximo valor reportado en los estudios de Rascon Chavez (1999) fue de 110 Ton, lo que significa que
se habría observado la presencia de un automotor considerablemente pesado. En lo que se refiere a la variable sismo,
se dejara tal y como en el cálculo previo, respetando el valor de 0.42·g, lo cual permitirá hacer comparaciones. En la
Figura 12 se muestra el resultado obtenido ahora para el factor de seguridad que fue de 1.74, ligeramente mejor que el
1.72 original.

Figura 12 Factor de seguridad al insertar evidencia en los nodos Pesos Vehiculares = 105 Ton y sismo = 0.42·g
(creada con UNINETTM)

Este es quizás el hallazgo más importante de la presente investigación, pues ratifica lo descrito en estudios similares
previos, pero ahora desde una perspectiva probabilística. Si bien es cierto la mejora en el factor de seguridad es
pequeña, también es cierto que no se deterioró su valor lo cual se considera un resultado interesante. Hay que reconocer
también que este es un estudio preliminar y realizado para un puente específico, que indudablemente puede ser
mejorado al ampliar el número de simulaciones usadas para el análisis de la estructura, y con más datos obtenidos en
campo y en pruebas de laboratorio. No obstante, se cree firmemente que los resultados obtenidos son útiles para la
toma de decisiones, y que los pasos seguidos en la investigación se pueden adaptar a otro tipo de obras.

Un tercer caso interesante por analizar, es aquel que implica actividades de diagnóstico. A diferencia de los anteriores,
ahora se inserta evidencia en la variable de interés, que es el factor de seguridad, y se observa cuáles son los valores
que conducirían a ese escenario. Así, se asume una situación crítica donde el factor es igual a 1, lo que implica la
igualdad de las cargas resistentes y actuantes. En la Figura 13 se aprecia la red resultante, donde se registraron los
valores medios de sismo (0.392·g) y de peso vehicular (60.5 Ton) que conducirían a esa situación límite. Con ello se
pueden tomar decisiones encaminadas a proteger la obra de ese escenario, tal vez restringiendo el paso de vehículos o
colocando disipadores de neopreno o topes sísmicos en la estructura.

SOCIEDAD MEXICANA DE INGENIERÍA SÍSMICA A. C.

XX Mexican Congress of Earthquake Engineering Acapulco, 2015

Figura 13 Factor de seguridad equivalente a la unidad y los valores de Pesos Vehiculares = 60.5 Ton y sismo = 0.392·g
que lo generan (actividades de diagnóstico)

Estos ejemplos del uso de la red, le dan una idea al lector de la infinidad de combinaciones que se podrían generar para
evaluar el factor de seguridad en una de las pilas del puente bajo análisis. Por lo que es conveniente hacer análisis de
comportamientos globales, lo cual se discute en seguida.

Análisis de tendencias en la RBCNP

Existe una gran variedad de herramientas estadísticas y matemáticas para mostrar dispersiones de datos y hacer
regresiones. Algunas de ellas han sido aquí empleadas para identificar patrones de comportamiento. En primera
instancia se realizó una simulación con 800,000 iteraciones para asignar valores aleatorios a las variables de la red y
observar el comportamiento que presentaba cada una. Primero se muestran en la Figura 14 dos simulaciones, generadas
mediante UNIGRAPH de UNINETTM.

Figura 14 Comportamiento de las variables de la RBCNP con 2 simulaciones

(creado con UNIGRAPH de UNINETTM)
 DEL 24 AL 27 DE NOVIEMBRE DE 2015, ACAPULCO, GUERRERO, GRAND HOTEL

Se interpretan como sigue: (1) la línea azul parte de un TDPA de 25,000 vehículos, lo cual hace probable la presencia
de un vehículo cuyo peso es de 103 Ton. Por separado se registra un sismo de 0.32·g lo cual, al integrarse con el peso
vehicular deriva en un valor de cargas actuantes de 1,450 Ton sobre el marco del puente. Ahora bien, en esta simulación
las resistencias tienen un valor de 3,700 Ton por lo que el factor de seguridad es de 2.4.

(2) La línea negra se lee de manera similar. Ahora un valor bajo del TDPA (13,500 vehiculos) reduce la posibilidad de
encontrar un automotor tan pesado como antes, por lo que la variable peso vehicular es 85 Ton. El valor del sismo en
esta ocasión fue de 0.40·g y las cargas actuantes subieron con respecto al caso previo, registrando ahora 1500 Ton.
Como las resistencias fueron de 3,800 Ton, el factor de seguridad resultante fue de 2.2. Otro ejemplo ilustrativo de
100 simulaciones, se muestra en la Figura 15.

Figura 15 Comportamiento de las variables de la RBCNP con 100 simulaciones

(creado con UNIGRAPH de UNINETTM)

En esta gráfica se confirma lo que ya se había encontrado, que a valores altos de los pesos vehiculares combinados con
la presencia de sismos, se tienen generalmente valores más altos del factor de seguridad que cuando los pesos
vehiculares son bajos. Para poder apreciarlo es necesario observar las líneas que parten de los datos elevados de los
pesos vehiculares, recorriendo las variables intermedias pasando por sismo, y reduciendo las cargas actuantes para
convertirse finalmente en valores elevados del factor de seguridad. Con la intención de validar este comportamiento,
se utilizó MATLABTM y se realizó un ajuste de las tres variables (pesos vehiculares, sismos y factor de seguridad),
mediante el Método de Superficie de Respuesta. El resultado se muestra en la Figura 16, desde tres puntos de vista.

SOCIEDAD MEXICANA DE INGENIERÍA SÍSMICA A. C.

XX Mexican Congress of Earthquake Engineering Acapulco, 2015

3 3

2.5 2.5

2 2
Factor de Seguridad

Factor de Seguridad
1.5 1.5

1 1

0.5 0.5

0
20 30 40 50 60 70 80 90 100 110 0
0.3 0.32 0.34 0.36 0.38 0.4 0.42 0.44 0.46
Pesos Vehiculares (Ton)
Sismos (factor de g)

(a) (b)

Factor de Seguridad

2.5
Factor de Seguridad

1.5

0.5

0
100
0.4
80
0.35 60
40
0.3
Sismos (factor de g) Pesos Vehiculares (Ton)

(c)

Figura 16 (a) Pesos vehiculares-Factor de Seguridad, (b) Sismos-Factor de Seguridad y (c) Comportamiento de las variables
pesos vehiculares, sismos y factor de seguridad de la RBCNP con 100 simulaciones (creada con MATLABTM)

Aunque no hay un ajuste adecuado aparente de la superficie, se pueden reconocer patrones de comportamiento en la
gráfica. Como se esperaba, entre mayor sea el sismo (crece de derecha a izquierda), menor será el factor de seguridad.
Así mismo, entre mayor sea el peso vehicular observado, ligeramente mayor será el factor de seguridad. Esta
visualización en tres dimensiones otorga claridad sobre lo encontrado en la investigación, ya que permite observar
como al ir variando aleatoriamente las dos variables del plano inferior, se mueve la altura sobre el eje vertical.

Como se ha venido argumentando, los resultados de este trabajo se alinean con los previamente encontrados en la
literatura. Sin duda que el análisis probabilístico ofrece una alternativa viable para que los tomadores de decisiones
basen sus juicios en datos que les permitan tener una adecuada administración de sus obras. En este sentido, se ha
aportado una RBCNP para contribuir en ese proceso decisorio, esperando que resulte de interés para la industria de los
puentes a nivel nacional e internacional. Con estas ideas en mente, se procede ahora al establecimiento de las
conclusiones del artículo.
 DEL 24 AL 27 DE NOVIEMBRE DE 2015, ACAPULCO, GUERRERO, GRAND HOTEL

CONCLUSIONES

La ocurrencia simultánea de cargas vivas y sismos en un puente es cada vez más probable, en virtud del aumento en
el parque vehicular de las regiones, y la necesidad de mover personas y mercancías por las carreteras del país (Wibowo
et al., 2013). Así mismo, estudios de pesos vehiculares han revelado que se llegan a exceder en gran medida los límites
establecidos por las normas, lo que supone que se pueden presentar escenarios en los que un puente sujeto a
movimientos telúricos tiene la presencia paralela de automotores sobrecargados.

En la presente investigación se ha desarrollado un estudio que evalúa ambas variables, y su efecto en el factor de
seguridad de la pila de un puente. De manera específica se analizó una estructura ubicada en la carretera Toluca-
Palmillas, ubicada al norte de la capital mexiquense. Esta elección permitió obtener datos específicos de la zona de
estudio tales como el TDPA y los coeficientes sísmicos. Así mismo, contribuyó a definir el comportamiento de la
estructura con base en los datos de diseño relativos a geometrías y propiedades de las pilas de soporte. Para realizar el
análisis estructural se consideró un marco en dos dimensiones, que fue evaluado mediante el método de rigideces para
conocer los elementos mecánicos inducidos por la existencia conjunta de sismos y cargas vivas.

A través de ejercicios de simulación, se construyeron las distribuciones de probabilidad de las variables cargas
actuantes y resistencias, que se combinaron para obtener la distribución del factor de seguridad de la pila bajo análisis.
Los resultados muestran que dicho factor se reduce ante la presencia de sismos considerables, pero que varía muy poco
e incluso mejora ligeramente ante la existencia de vehículos pesados. Estos hallazgos confirman algunos estudios
previos, que habían concluido que el efecto combinado de sismos y carga viva tiene un resultado favorable para el
puente, en virtud de que se incrementa el amortiguamiento de la estructura.

A pesar de los resultados favorables obtenidos, aún quedan oportunidades de investigación para mejorar el presente
estudio. Se pueden generar modelos de elemento finito para conocer mejor los esfuerzos a los que se sujeta la pila
durante un evento combinado de sismo y carga viva. También se puede considerar el papel del tipo de suelo en el
análisis. Otra propuesta sería tomar en cuenta los periodos de vibrar de la estructura, y analizarla en tres dimensiones.
En cuanto a las resistencias, resultaría interesante variar las secciones de la pila y asociarlas a un cierto costo para
determinar cuánto valdría llegar a un factor de seguridad apropiado con la menor inversión. Se espera que estas ideas
motiven estudios posteriores en el tema, que consideren el enfoque probabilístico como eje de acción.

AGRADECIMIENTOS

Se agradece el apoyo financiero otorgado por el Consejo Nacional De Ciencia y Tecnología a través del proyecto de
Ciencia Básica 158225. También se aprecia la colaboración del Dr. Oswaldo Morales Nápoles, de la Universidad
Tecnológica de Delft, Holanda, por su guía en la elaboración de la Red Bayesiana.

REFERENCIAS

AASHTO, L. 1998. Bridge design specifications. American Association of State Highway and Transportation
Officials, Washington, DC.
DAS, B. 2012. Fundamentals of geotechnical engineering, Cengage Learning.
DELGADO-HERNÁNDEZ, D.-J., MORALES-NÁPOLES, O., DE-LEÓN-ESCOBEDO, D. & ARTEAGA-ARCOS,
J.-C. 2014. A continuous Bayesian network for earth dams’ risk assessment: An application. Structure and
Infrastructure Engineering, 10, 225-238.
HE, X., KAWATANI, M., HAYASHIKAWA, T. & MATSUMOTO, T. 2011. Numerical analysis on seismic response
of Shinkansen bridge-train interaction system under moderate earthquakes. Earthquake Engineering and
Engineering Vibration, 10, 85-97.

SOCIEDAD MEXICANA DE INGENIERÍA SÍSMICA A. C.

XX Mexican Congress of Earthquake Engineering Acapulco, 2015

KIM, C., KAWATANI, M., KONAKA, S. & KITAURA, R. 2011. Seismic responses of a highway viaduct considering
vehicles of design live load as dynamic system during moderate earthquakes. Structure and Infrastructure
Engineering, 7, 523-534.
MELI, R. 2008. Diseño Estructural (Segunda Edición ed., Vol. I). México, DF, México: Limusa.
MENDOZA DÍAZ, A. & CADENA RODRÍGUEZ, A. 1992. Estudio de pesos y dimensiones de los vehiculos que
circulan sobre las carreteras mexicanas. Analisis estadistico del peso y las dimensiones de los vehiculos de
carga que circulan por la red nacional de carreteras. Estaciones instaladas durante 1991. Documento Técnico
MORALES-NÁPOLES, O., DELGADO-HERNÁNDEZ, D. J., DE-LEÓN-ESCOBEDO, D. & ARTEAGA-ARCOS,
J. C. 2014. A continuous Bayesian network for earth dams' risk assessment: methodology and quantification.
Structure and Infrastructure Engineering, 10, 589-603.
MORALES-NÁPOLES, O. & STEENBERGEN, R. D. 2014. Large-Scale Hybrid Bayesian Network for Traffic Load
Modeling from Weigh-in-Motion System Data. Journal of Bridge Engineering, 20, 04014059.
NIELSEN, T. D. & JENSEN, F. V. 2009. Bayesian networks and decision graphs, Springer Science & Business Media.
RAFIQ, M. I., CHRYSSANTHOPOULOS, M. K. & SATHANANTHAN, S. 2015. Bridge condition modelling and
prediction using dynamic Bayesian belief networks. Structure and Infrastructure Engineering, 11, 38-50.
RASCON CHAVEZ, O. 1999. Modelo de cargas vivas vehiculares para diseño estructural de puentes en México.
Publicación Técnica, Instituto Mexicano del Transporte, 183.
WIBOWO, H., SANFORD, D. M., BUCKLE, I. G. & SANDERS, D. H. 2013. The effect of live load on the seismic
response of bridges. Sacramento, California, US.