Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INGENIERÍA
CARRERA DE INGENIERÍA CIVIL
INGENIERO CIVIL
Autor:
Ana Liliana, Murrugarra Sánchez
Jenny Yadira, Ruiz Olórtegui
Asesor:
Ing. Mg. Anita Elizabet Alva Sarmiento
Cajamarca - Perú
2020
DEDICATORIA
ingeniera civil.
civil.
DEDICATORIA
y trabajar arduamente.
de mi objetivo profesional.
AGRADECIMIENTO
La persona que soy ahora se lo debo a mis padres, que con sus enseñanzas me forjaron e
agradecimiento, que con su esfuerzo y dedicación me ayudaron a llegar a este punto que
significa el final y el comienzo de una etapa, gracias a ellos comprendo que el tener una
carrera profesional, no significa ser más que alguien, sino el motivo para servir a la
sociedad.
De igual forma agradezco a los docentes de la Universidad Privada del Norte que con su
esfuerzo y dedicación nos impartieron todo su conocimiento, con el único fin de formar
complicidad.
AGRADECIMIENTO
A mis padres por impulsarme y acompañarme en cumplir con cada reto que he tenido a lo
largo de mi vida.
Al personal de los laboratorios por el trato amable en cada partica y la asesoría para
realizar los ensayos que nos sirvieron para complementar nuestros conocimientos teóricos.
TABLA DE CONTENIDOS
DEDICATORIA..............................................................................................................2
DEDICATORIA..............................................................................................................3
AGRADECIMIENTO.....................................................................................................4
AGRADECIMIENTO.....................................................................................................5
ÍNDICE DE TABLAS....................................................................................................7
ÍNDICE DE FIGURAS...................................................................................................8
RESUMEN......................................................................................................................9
CAPÍTULO I. INTRODUCCIÓN................................................................................10
REFERENCIAS............................................................................................................92
ANEXOS.......................................................................................................................96
ÍNDICE DE TABLAS
ÍNDICE DE FIGURAS
RESUMEN
Neuronales y HDM-4, así mismo se planteó la hipótesis de que el modelo de deterioro que
los criterios de inclusión, para obtener las características de los modelos se realizaron
fichas de recolección de datos, con los parámetros más resaltantes para determinar cual es
realidad, posterior a ello la información se plasmó en tablas y gráficas, para la elección del
mejor modelo de deterioro se hizo una tabla de doble entrada con los parámetros de mayor
que es el que más parámetros de evaluación tiene, 4 en total, según la correlación de sus
de Márkov ; anulando así la hipótesis planteada; como entregable final se hizo una guía
sobre dicho modelo, con pasos ejemplificados aplicados a la Av. Vía de evitamiento sur de
Cajamarca, de la cual se obtuvo las curvas de predicción del deterioro, las cuales
generó una curva con los costos anuales, para tener un mejor criterio de conservación de la
carretera.
CAPÍTULO I. INTRODUCCIÓN
La situación actual de crisis económica y problemas mundiales hacen que sea una
condición necesaria optimizar todos los procesos de la actividad humana, de tal forma
posible, además uno de los componentes más importantes de este sistema son los
modelos de deterioro, que ayudan a predecir la evolución del firme. (Murillo, 2013)
conservación, que dará como resultado seguridad y comodidad al usuario, sin embargo,
pavimento, calidad de los materiales, entre los más importantes, que son causantes de
otras fallas funcionales, además del Índice de Rugosidad Internacional (IRI), son las
deterioro de carreteras, que son unas herramientas matemáticas que permiten estimar la
(Turrado, 2016)
asfálticos, el cual estima la magnitud del ciclo de vida de la estructura, normalmente, los
datos utilizados son asumidos como valores deterministas, pero sin tomar en cuenta su
A partir de ello, han surgido varias investigaciones que han buscado identificar un
modelo completo que brinden resultados reales, con la ayuda de la tecnología, los cuales
2018)
han ido apareciendo otros métodos, que han sistematizado la evaluación como las Redes
se debe, en gran parte al gobierno encargado de su gestión, si bien es cierto la red vial
aumento el 19 %, no obstante, por otro lado, el estado de las vías de la Red Vial
Departamental y la Vecinal es muy pobre, con 86% y 92% de las vías aún no
pavimentadas y sin control del deterioro, respectivamente, Además contamos con una
inadecuada política de mantenimiento, que generó pérdidas al Estado por US$ 718,4
Esta realidad nos hace entender que en Perú es necesario mejorar la gestión del
objetivo primero extrajeron los datos de la Base de datos del Sistema de Gestión de
Pavimentos (PMS), los cuales son datos de ubicación, datos de segmento, datos de
forma agrupo en conjuntos a los pavimentos con características similares, luego con el
HDM-4 en la carretera PE-38 tramo Tacna – Tarata”, tuvo como objetivo determinar la
conservación vial de la carretera Tacna – Tarata, para lo cual realizó una recolección de
del pavimento, estructura de pavimento, entre otros; dicha información fue ingresada al
económica, logrando administrar eficientemente los recursos con los que se cuenta,
Jarrin Coral, Irma Patricia, 2019, en la tesis titulada “Aplicación del modelo
deterioro del pavimento, posterior a ello se realizó ensayos destructivos obteniendo los
Al calibrar el modelo HDM-4 con una alternativa base y dos alternativas más, siendo la
estructuras.
módulos de elasticidad de las capas del pavimento - base, subbase y subrasante, sin
estos módulos fueron corregidos a partir de una base de datos clasificada por una red
adaptativa SOM y entrenada con una red neuronal BP, como resultado obtuvo un
entendimiento de la investigación:
Carreteras.
Es un camino público pavimentado que está dispuesto para el tránsito de vehículos.
Debe poseer una resistencia tal a las cargas sobre las que estará sometida para
ayudan a mitigar el efecto del clima en ellas como son cunetas, pendiente de
2017)
que se utilizan como apoyo para la predicción del deterioro del pavimento a lo largo
Figura 1
rutinario, hasta una intervención con mayor grado de dificultad y mayor costo como
Mantenimiento periódico.
Se diferencia del mantenimiento rutinario en que las actividades “periódicas” se
(Simón, 2019)
Mantenimiento rutinario.
Consiste en la reparación localizada de pequeños defectos en la superficie de
laterales, de los bordes y otros elementos accesorios de las vías; en el control del
extraordinario para programar su ejecución. Es por ello, que se plantean tres grupos
Rehabilitación.
Consiste en la reparación selectiva y de refuerzo estructural, previa demolición
encuentra en un estado de avanzado deterioro como para poder resistir una mayor
(Simón, 2019)
Condición estructural.
La condición estructural se enfoca en la capacidad estructural del pavimento
durante la vida útil de la infraestructura. Los datos necesarios para el uso del
las curvas esperadas en el momento que se realice el análisis de regresión. Con las
modelos (curvas) que se han obtenido por ajustes de regresión, entre las más
Figura 2:
Curvas de regresión
Cadenas de Márkov
Las metodologías a través de las cadenas de Márkov son utilizadas para determinar
Figura 3
Redes Neuronales
Las redes neuronales se conforman mediante neuronas interconectadas las cuales
reciben, procesan y transmiten señales o información a las otras con las cuales
tienen conexión. Los modelos que utilizan esta metodología de análisis toman como
decisiones, dando como resultado procesos inteligentes que sirven para encontrar
Figura 4
Software HDM-4.
El modelo HDM-4 contiene módulos de caracterización del tráfico, de
Figura 5
carreteras que puede ser utilizada para evaluar, en términos técnicos y económicos.
Las principales funciones del HDM-4 son el análisis de los deterioros y los efectos
operación de los vehículos en función del estado de cada carretera, determina los
manera el ingeniero dispone de una amplia información para determinar cuáles son
2007).
Rugosidad (IRI).
0 y 100, siendo 0 la peor condición posible y 100 la mejor. Para calcularlo se utiliza
la clase de daño, su severidad y cantidad o densidad del mismo. (Jarrin Coral, 2019)
carreteras que genera insatisfacción en los usuarios, además según el banco mundial,
25% en mal estado, por lo tanto, los procesos de mantenimiento son indispensables,
Por otro lado de acuerdo con el Reporte de Competitividad Global 2019 del
Foro Económico Mundial, que evaluó 141 países, Perú se encuentra en los indicadores
puesto 110, reflejando de esta forma la alarmante situación del país en términos de
por la cuál en esta tesis se realizó la caracterización del uso de modelos de deterioro .
con modelos de deterioro, como el HDM-4 del Banco Mundial, tal como se menciona
publicado a inicios del 2013, se menciona el uso del HDM-4, como una de las
obligatorio, este manual indica que “ingenieros proyectistas podrán utilizar otros
necesidad de contar con resultados óptimos, otros modelos de predicción del deterioro
tesis nos enfocamos en comparar los modelos de deterioro HDM-4, redes neuronales,
fácil aplicación, de bajo costo, aplicable a nuestra realidad y con resultados veraces,
obteniendo como producto de dicha comparación, una guía del uso del modelo elegido,
carreteras?
I.3. Objetivos
mantenimiento de carreteras.
carreteras.
I.4. Hipótesis
es el de regresión.
2.1.1. Enfoque
de investigación.
2.1.2. Tipo
Esta investigación se enmarcó dentro del tipo descriptivo, según (Borja Suárez,
de la siguiente forma:
Tabla 1
Esquema de diseño longitudinal.
Estudio T1 T2 T3
M O1 O2 O3
Donde:
- M: Muestra.
Criterios de inclusión:
plataforma de HDMGLOBAL
Criterios de exclusión:
restringido.
Tabla 2
Artículos seleccionados
Tabla 3
Artículos seleccionados
Tabla 4
Artículos seleccionados
Técnicas:
Instrumentos:
considerado para esta ficha son más específicos, ya que la ficha de recolección
3).
Técnicas:
1993).
Instrumento:
2.5. Procedimiento
investigación.
seleccionadas.
Se hizo una base de datos en hojas de cálculo Excel, con las solicitaciones de la
en el tiempo.
red vial utilizado por modelo, se clasificó en tres grupos, los cuales son
pavimento, evaluado por modelo de deterioro, esta clasificación está dada por
modelo.
tablas, se comparó los modelos de deterioro según los tramos de carretera que
Parámetros de evaluación
parámetro.
parámetro del tipo de evaluación funcional, los cuáles podrían ser IRI, PCI,
Confiabilidad
recolección de datos.
Evaluación económica
modelos de deterioro.
modelos.
2.5.3. Propuesta de una guía del uso de un modelo de deterioro para optimizar la
laboratorio.
trabajos.
alterados.
El presente capítulo contendrá los resultados principales de los artículos seleccionados que
Recolección de datos.
Tabla 5
CANTIDA PORCENTAJ
TIPO DE ESTUDIO D E
ARTÍCULO
CIENTÍFICO 8 40.00%
TESIS 12 60.00%
TOTAL 20 100.00% Nota: La tabla 5 representa el número y
porcentaje del tipo de estudios analizados.
Figura 6
60.00%
50.00%
40.00%
30.00%
20.00%
10.00%
0.00%
Artículo científico Tesis
Nota: La figura muestra los porcentajes de los tipos de estudios analizados, siendo un total de 20
estudios de los cuales el 40% son artículos científicos y el 60% son tesis.
Tabla 6
Año de publicación.
Figura 7
La figura representa los porcentajes de los años de publicación de los artículos, siendo los
modelos HDM.4 y Redes neuronales, los que tienen las publicaciones más antiguas,
realizadas en el año 2004, demostrando que la aplicación de los modelos ha venido siendo
Tabla 7
Modelos de deterioro
Figura 8
Modelos de deterioro.
30.00%
25.00%
20.00%
15.00%
10.00%
5.00%
0.00%
REGRESIÓN LINEAL CADENAS DE REDES NEURONALES HDM-4
MARKÓV
INVESTIGACIONES
la representación de HDM-4.
Tabla 8
Figura 9
Nacional
Departamental
Vecinal
0.00% 5.00% 10.00% 15.00% 20.00% 25.00% 30.00% 35.00% 40.00% 45.00% 50.00%
La figura muestra el porcentaje total de cada tipo de red vial analizada por los estudios,
A continuación, se presenta el tipo de red vial analizada por cada modelo con los
Tabla 9
CÓDIGO REGRESIÓN
TOTAL
INVESTIGACIÓN Vecinal Departamental Nacional
N° 01 R. X 1
N° 02 R. X 1
N° 03 R. X 1
N° 04 R. X 1
N° 05 R. X 1
TOTAL 2 1 2 5
PORCENTAJE 40.00% 20.00% 40.00% 100.00%
Figura 10
40% 40%
20%
Tabla 10
Figura 11
40% 40%
20%
departamental.
Tabla 11
Figura 12
20%
60% 20%
vecinal.
Tabla 12
Figura 13
20%
60% 20%
Tabla 13
Tipo de pavimento
CÓDIGO TIPO DE PAVIMENTO
INVESTIGACIÓ TOTAL
N Flexible Rígido Mixto
N° 01 R. X 1
N° 02 R. X 1
N° 03 R. X 1
N° 04 R. X 1
N° 05 R. X 1
N° 06 M. X 1
N° 07 M. X 1
N° 08 M. X X X 3
N° 09 M. X X 2
N° 10 M. X 1
N° 11 RN. X 1
N° 12 RN. X 1
N° 13 RN. X 1
N° 14 RN. X 1
N° 15 RN. X 1
N° 16 H. X 1
N° 17 H. X 1
N° 18 H. X 1
N° 19 H. X 1
N° 20 H. X 1
TOTAL 20 2 1 23
PORCENTAJE 86.96% 8.70% 4.35% 100.00%
Figura 14
Tipo de pavimento
9%
4%
Flexible
Rigido
MIXTO
87%
mayoría de países emplea este tipo de pavimento debido al bajo costo de construcción,
razón principal por la cual los modelos evaluaron dicho tipo de pavimento, sin embargo, a
largo plazo genera una mayor inversión ya que requiere de mantenimiento constante.
Tabla 14
Figura 15
60.00%
50.00%
40.00%
30.00%
20.00%
10.00%
0.00%
5-10 años 11-15 años 16-20 años 21-25 años 26-30 años
La figura presenta los rangos y porcentajes de tiempo evaluado por los modelos de
deterioro, siendo el tiempo mínimo de evaluación 5 años, el rango de tiempo con mayor
Tabla 15
Figura 16
60.00%
50.00%
40.00%
30.00%
20.00%
10.00%
0.00%
5-10 años 11-15 años 16-20 años 21-25 años 26-30 años
El tiempo más evaluado en los estudios de “Regresión” se encuentra entre los rangos de
Tabla 16
Figura 17
70.00%
60.00%
50.00%
40.00%
30.00%
20.00%
10.00%
0.00%
5-10 años 11-15 años 16-20 años 21-25 años 26-30 años
El tiempo más evaluado en los estudios de “Regresión” se encuentra entre los rangos de
Tabla 17
Figura 18
60.00%
50.00%
40.00%
30.00%
20.00%
10.00%
0.00%
5-10 años 11-15 años 16-20 años 21-25 años 26-30 años
El tiempo más evaluado en los estudios de “Redes neuronales” se encuentra entre los
rangos de 16-20 años con un porcentaje de 60 % y el rango de 5-10 años con un 40%.
Tabla 18
Figura 19
20.00%
18.00%
16.00%
14.00%
12.00%
10.00%
8.00%
6.00%
4.00%
2.00%
0.00%
5-10 años 11-15 años 16-20 años 21-25 años 26-30 años
Para el modelo “HDM-4” los estudios han empleado los 5 rangos de tiempo, el cuenta con
Tabla 19
80.00%
70.00%
60.00%
50.00%
40.00%
30.00%
20.00%
10.00%
0.00%
1 Km - 150 Km 151 Km - 300 Km 300 Km - 450 Km
Km a 150 km con un porcentaje de 70%, siendo el modelo Redes neuronales el que tiene
Tabla 20
Longitudes, Regresión
REGRESIÓN
CÓDIGO 1 km - 150 151 km - 300 300 km - 450 TOTAL
INVESTIGACIÓN Km Km Km
N° 01 R. X (48 Km) 1
N° 02 R. X (22.5 Km) 1
N° 03 R. X (100 Km) 1
N° 04 R. X (26 Km) 1
N° 05 R. X (187.5 Km) 1
TOTAL 4 1 0 5
PORCENTAJE 80.00% 20.00% 0.00% 100.00%
Figura 21
Longitudes, Regresión
80.00%
70.00%
60.00%
50.00%
40.00%
30.00%
20.00%
10.00%
0.00%
1 Km - 150 Km 151 Km - 300 Km 300 Km - 450 Km
Tabla 21
Figura 22
60.00%
50.00%
40.00%
30.00%
20.00%
10.00%
0.00%
1 Km - 150 Km 151 Km - 300 Km 300 Km - 450 Km
Tabla 22
Figura 23
80.00%
70.00%
60.00%
50.00%
40.00%
30.00%
20.00%
10.00%
0.00%
1 Km - 150 Km 151 Km - 300 Km 300 Km - 450 Km
km con un 80 %, y 300 km – 450 km con un 20%, siendo el rango de longitud más largo,
Tabla 23
Longitudes, HDM-4.
HDM-4
CÓDIGO 1 km - 150 151 km - 300 300 km - 450 TOTAL
INVESTIGACIÓN Km Km Km
N° 16 H. X (105 Km) 1
N° 17 H. X (1 Km) 1
N° 18 H. X (196.5 Km) 1
N° 19 H. X (44.2 Km) 1
N° 20 H. X (10.9 Km) 1
TOTAL 4 1 0 5
PORCENTAJE 80.00% 20.00% 0.00% 100.00%
Figura 24
Longitudes, HDM-4.
80.00%
70.00%
60.00%
50.00%
40.00%
30.00%
20.00%
10.00%
0.00%
1 Km - 150 Km 151 Km - 300 Km 300 Km - 450 Km
Tabla 24
Parámetros de evaluación
PARÁMETROS DE EVALUACIÓN
CÓDIGO Eva.
Volumen Fallas en Condición
PCI IRI Tiempo econó TOTAL
de tráfico pavimento estructural
mica
N° 01 R. X X X 3
N° 02 R. X X X 3
N° 03 R. X X 2
N° 04 R. X X 2
N° 05 R. X X X 3
N° 06 M. X X 2
N° 07 M. X X X 3
N° 08 M. X 1
N° 09 M. X X 2
N° 10 M. X X X X 4
N° 11 RN. X X 2
N° 12 RN. X X 2
N° 13 RN. X X 2
N° 14 RN. X 1
N° 15 RN. X X 2
N° 16 H. X X 2
N° 17 H. X X 2
N° 18 H. X X X 3
N° 19 H. X X X 3
N° 20 H. X X 2
Total 15 9 15 1 4 6 3 46
Porcentaje 32.61% 19.57% 32.61% 2.17% 8.70% 13.04% 6.52% 100.00%
Figura 25
7%
17%
13% PCI
IRI
TIEMPO
9% VOLUMEN DE TRÁFICO
20% FALLAS EN PAVIMENTO
2%
CONDICIÓN ESTRUCTURAL
EVALUACIÓN ECONÓMICA
33%
La figura muestra los porcentajes de cada parámetro utilizado en los modelos, siendo el
sin embargo, hay condiciones del pavimento que se evalúan en dicho tiempo, el de mayor
Figura 26
3.5
2.5
1.5
0.5
0
N° 1 N°2 N° 3 N° 4 N° 5 N° 6 N° 7 N° 8 N° 9 N° N° N° N° N° N° N° N° N° N° N°
10 11 12 13 14 15 16 17 18 19 20
El estudio que más parámetros evaluó es el N° 10 M, el modelo estudiado por este artículo
es cadenas de Márkov, el cual evalúa 4 parámetros, sacando ventaja con respecto a los
otros modelos.
Tabla 25
Figura 27
25%
75%
No emplea Deflectometría
El tipo de evaluación estructural que más se utilizó en los modelos de deterioro fue la
deflectometría, con un 25%, el 75% de todos los estudios no emplea una evaluación
estructural.
Tabla 26
Figura 28
40%
No emplea
Deflectometría
60%
Tabla 27
Figura 29
No emplea
Deflectometría
100%
En los estudios del modelo de cadenas de Márkov no se han empleado ningún tipo de
evaluación estructural.
Tabla 28
40%
No emplea
Deflectometría
60%
En los estudios del modelo Redes neuronales un 60% emplea evaluación estructural, como
estructural.
Tabla 29
Figura 31
No emplea
Deflectometría
100%
En los estudios del modelo HDM-4 no se han empleado ningún tipo de evaluación
estructural.
Tabla 30
Figura 32
19%
43% PCI
IRI
NO EMPLEA
38%
De todos los estudios de los cuatro modelos de deterioro, el tipo de evaluación funcional
más empleado es el PCI con un porcentaje de 43%, seguidamente se encuentra el IRI con
Tabla 31
Figura 33
6%
PCI
IRI
NO EMPLEA
94%
El tipo de evaluación funcional más empleado en los estudios del modelo de deterioro
“Regresión”, es el PCI con una incidencia del 94% y el IRI con un 6%.
Tabla 32
Figura 34
40%
PCI
IRI
NO EMPLEA
60%
El tipo de evaluación funcional más empleado en los estudios del modelo de deterioro
“Cadenas de Márkov”, es el PCI con una incidencia del 60% y el IRI con un 40%.
Tabla 33
Figura 35
20%
PCI
IRI
NO EMPLEA
60% 20%
El tipo de evaluación funcional más empleado en los estudios del modelo de deterioro
“Redes Neuronales”, es el PCI con una incidencia del 20% y el IRI con un 20%, sin
Figura 36
17%
PCI
IRI
NO EMPLEA
83%
El tipo de evaluación funcional más empleado en los estudios del modelo de deterioro
“HDM-4”, es el IRI con una incidencia del 83% y el PCI con un 17%.
Tabla 35
Figura 37
5%
MUY CONFIABLE
40% CONFIABLE
POCO CONFIABLE
NO CONFIABLE
55%
Según los resultados obtenidos de cada estudio, se obtuvo que el 55% son confiables, 40%
Tabla 36
Confiabilidad, Regresión
REGRESIÓN
CÓDIGO
Muy Poco No TOTAL
INVESTIGACIÓN
Confiable Confiable Confiable Confiable
N° 01 R. X 1
N° 02 R. X 1
N° 03 R. X 1
N° 04 R. X 1
N° 05 R. X 1
TOTAL 1 4 0 0 5
100.00
PORCENTAJE 20.00% 80.00% 0.00% 0.00% %
Figura 38
Confiabilidad, Regresión
20%
MUY CONFIABLE
CONFIABLE
POCO CONFIABLE
NO CONFIABLE
80%
Según los estudios del modelo de regresión, 80% obtuvo resultados confiables y el 20%
muy confiables.
Tabla 37
Figura 39
Según los estudios del modelo de cadenas de Márkov, 60% obtuvo resultados muy
Tabla 38
Figura 40
20% 20%
MUY CONFIABLE
CONFIABLE
POCO CONFIABLE
NO CONFIABLE
60%
Según los estudios del modelo de Redes neuronales, 60% obtuvo resultados confiables,
Tabla 39
Confiabilidad, HDM-4
HDM-4
CÓDIGO No TOTA
INVESTIGACIÓN Muy Poco Confiabl L
Confiable Confiable Confiable e
N° 16 H. X 1
N° 17 H. X 1
N° 18 H. X 1
N° 19 H. X 1
N° 20 H. X 1
TOTAL 3 2 0 0 5
100.00
PORCENTAJE 60.00% 40.00% 0.00% 0.00% %
Figura 41
Confiabilidad, HDM-4
Según los estudios del modelo de HDM-4, 60% obtuvo resultados muy confiables,
confiables el 40%.
Tabla 40
Figura 42
10%
25%
FÁCIL
MODERADO
DIFICIL
40% MUY DIFICIL
25%
La dificultad de los modelos en un gran porcentaje es de 40% moderado, 25% difícil, 25%
Tabla 41
Figura 43
40% FÁCIL
MODERADO
DIFICIL
60% MUY DIFICIL
Tabla 42
Figura 44
FÁCIL
MODERADO
DIFICIL
MUY DIFICIL
100%
El 100% de los estudios del modelo “Cadenas de Márkov” consideran con una dificultad
moderada.
Tabla 43
Figura 45
40% FÁCIL
MODERADO
DIFICIL
60% MUY DIFICIL
El 60% de los estudios del modelo “Redes neuronales” consideran con una dificultad muy
Tabla 44
Figura 46
40% FÁCIL
MODERADO
DIFICIL
60% MUY DIFICIL
En la figura 50, el 60% de los estudios del modelo “HDM-4” consideran con una dificultad
Tabla 45
Evaluación económica
CÓDIGO EVALUACIÓN
INVESTIGACIÓ ECONÓMICA TOTAL
N SI NO
N° 01 R. X 1
N° 02 R. X 1
N° 03 R. X 1
N° 04 R. X 1
N° 05 R. X 1
N° 06 M. X 1
N° 07 M. X 1
N° 08 M. X 1
N° 09 M. X 1
N° 10 M. X 1
N° 11 RN. X 1
Figura 47
Evaluación económica
25%
SI
NO
75%
El 75% de los estudios no realiza evaluación económica y el 25% realiza algún tipo de
evaluación económica.
Tabla 46
Figura 48
20%
SI
NO
80%
Para el modelo de regresión se obtiene que el 80% no realiza una evaluación económica y
Tabla 47
Figura 49
40%
SI
NO
60%
Tabla 48
Figura 50
SI
NO
100%
Para el modelo redes neuronales se obtuvo que el 100% de los estudios no ha realizado
evaluación económica.
Tabla 49
Figura 51
20%
SI
NO
80%
Para el modelo HDM-4 se obtuvo que el 80% no realiza una evaluación económica y el
Tabla 50
Tipo de mantenimiento
1. Recapeo o reconstrucción
N° 01 R. Si 2.Parchar baches y piel de cocodrilo 3
Regresión 60%
3. Sellado de fisuras
N° 02 R. No No especifica 0
1. Rehabilitación
N° 03 R. Si 2. Mantenimiento rutinario 3
3. Mantenimiento rutinario inmediato
N° 04 R. No No especifica 0
1. Mantenimiento
N° 05 R. Si 2. Rehabilitación 3
3. Reconstrucción
N° 06 M. No No especifica 0
1. Mantenimiento Periódico
N° 07 M. Si 2. Rutinario 3
3. Rehabilitación
1. Mantenimiento preventivo
2. Mantenimiento correctivo
N° 08 M. Si 3. Rehabilitación 5
4. Refuerzo estructural Cadenas
60%
5. Reconstrucción de Márkov
N° 09 M. No No especifica 0
1. Parchado superficial
2. Parchado profundo
3. Sellado de fisuras moderadas
N° 10 M. Si 6
4. Sello asfáltico
5. Slurry Seal
6. Sello asfáltico TSB
N° 11 RN. No No especifica 0
N° 12 RN. No No especifica 0
Redes
N° 13 RN. No No especifica 0 20%
Neuronales
1. Soluciones de restauración
N° 14 RN. Si 2
2. Prácticas de monitoreo
N° 15 RN. No No especifica 0
N° 16 H. No No especifica 0
N° 17 H. No No especifica 0
N° 18 H. No No especifica 0
HDM-4 20%
N° 19 H. No No especifica 0
Tipo de mantenimiento
HDM-4
Redes Neuronales
Cadenas de Markov
Regresión
que han dado como resultado algún tipo de mantenimiento, siendo los modelos de
regresión y curvas de Márkov los que mayor incidencia tienen con un 60%, dentro de cada
Tabla 51
Parámetros evaluados.
Figura 53
Parámetros evaluados.
18%
27%
REGRESIÓN
18% CURVAS DE MARKÓV
REDES NEURONALES
HDM-4
36%
4.1 Discusión
fue el tipo de red vial evaluada, para lo cual existen tres tipos, red vial vecinal,
tipo de red vial evaluado por los modelos, siendo la red vial nacional la de mayor
incidencia con un 50%, según las investigaciones seleccionadas, esto se debe a que
la red vial nacional es considerada de interés nacional, ya que es el único medio que
posibilita el transporte de las personas y las cargas, sin empañar la función de la red
departamental y vecinal, ya que dichas redes viales permiten la conexión entre las
zonas rurales hacia las ciudades, permitiéndoles a los ciudadanos una mejor calidad
de vida, en las tablas 9, 10, 11 y 12 se muestran las incidencias de tipo de red vial
sin embrago según las investigaciones los modelos también se podrán usar en
fue el tipo de pavimento evaluado, se consideraron tres tipos, los cuales fueron
este tipo de pavimento debido al bajo costo de construcción, razón principal por la
cual los modelos evaluaron dicho tipo de pavimento, sin embargo, a largo plazo
mejor será el modelo, este parámetro permitió realizar una comparación entre los
modelos, la tabla 14 presenta los rangos y porcentajes de tiempo evaluado por los
este parámetro.
tabla 19, podemos evidenciar que el rango de longitudes con mayor incidencia es de
neuronales es el que tiene mayor longitud de carretera evaluada dentro del rango
300 km – 450 km, el cual tiene una longitud evaluada de 428.6 km.
carreteras fue los parámetros evaluados por los modelos, se consideraron siete
parámetros, los cuales fueron PCI, IRI, Tiempo, Volumen de tráfico, Fallas en
los porcentajes de cada parámetro utilizado en los modelos, siendo el 33% el mayor
condiciones, las cuales fueron PCI, IRI y No Emplea, en la tabla 30, se muestra que
20% como condición funcional al PCI, en la tabla 34 se muestra que para el modelo
la confiabilidad, cabe recalcar, que este parámetro se estableció para cuatro rangos,
los cuales fueron Muy Confiable, Confiable y Poco Confiable y No Confiable, este
confiable.
empleados, a partir de esto se clasifico según 4 grados, los cuales fueron Fácil,
tabla 49 se muestra que para el modelo HDM-4 el 80% no realiza una evaluación
curvas de Márkov los que mayor incidencia tienen con un 60%, dentro de cada
internacional.
en cuanto a evaluación funcional - PCI (80%), según Khadka, Mukesh & Paz,
vial con PCI, este modelo es de fácil aplicación y también evalúa el deterioro con
total 4, los cuales son PCI, Tiempo, fallas en pavimentos y evaluación económica,
de puentes tipo fábrica”, donde su objetivo principal fue optimizar los recursos
estructural actual del pavimento , sin embargo, emplear este tipo de evaluación
El modelo HDM-4, es el que más tiempo ha evaluado (30 años) además según
los resultados obtenidos, su uso se encuentra entre confiable y muy confiable, sin
información necesaria para calibrar el modelo, por otro lado el costo del modelo es
elevado.
investigación, ya que son pocos los estudios realizados sobre los modelos de
deterioro de carreteras.
Otra limitación fue que, al no poder hacer estudios en campo, ya que se tenía que
evaluar la condición del pavimento mediante el PCI, se tuvo que optar por hacer
deterioro de los cuales no se tiene mucha información, ya que no son tan difundidos
Cajamarca, el mantenimiento que se les da, y el PCI anual de cada una de las
carreteras.
Como implicancia esta investigación tiene la finalidad de entregar una guía del
esta investigación, es el mejor modelo para la predicción del deterioro, esta guía
contendrá todos los pasos para integrar este modelo a la gestión de carreteras de
4.2 Conclusiones
datos, siendo los parámetros de mayor importancia para la determinación del mejor
Márkov.
aportaron a la investigación.
Se realizo una guía sobre el uso del modelo de deterioro Regresión en pavimentos
flexibles, en dicha guía se encuentran los pasos a seguir para poder aplicar el
REFERENCIAS
Alejos, J., & Cribillero, E. (2017). Aplicación del software HDM-4 en la gestión de
Argueta Mejía, J. E., & Castro Hernández, E. E. (2009). Metodología para la calibración
Banco Mundial. (2016). Mejorando la confiabilidad de la red vial de Perú. Lima, Perú.
Administración. UNAM.
Chiclayo - Perú.
Galindo, G. D. (2019). Gestión del pavimento de la Avenida San Carlos mediante el uso
VALÈNCIA .
http://www.hdmglobal.com/media/2214/hdm-4-leaflet-2005-s-web.pdf
Venezuela.
Revista Costos.
Jarrin Coral, I. P. (2019). Aplicación del modelo HDM-4 en el análisis y evaluación de las
McGraw-Hill.
Herramienta HDM-4 para la Red Vial Nro. 5 Tramo Ancón – Huacho – Pativilca.
Perú.
Transaporte.
1-2.
Lima-Perú.
Rodríguez, M., Theenoux, G., & González, A. (2016). Determinación Probabilística del
Construcción, 8.
Simón, R. L. (2019). Modelo de gestión de conservación vial para optimizar los costos de
Palma.
internacional de HDM-4.
Huancayo-Perú.
Leiden.
Formulación Diseño de la
Titulo Objetivos Hipótesis Variable Indicadores
del problema investigación
Objetivo general: Hipótesis general.
Tipo de red vial.
Caracterizar el uso de los modelos de El modelo de
deterioro para optimizar la gestión deterioro que optimiza Tipo de
del mantenimiento de carreteras. más la gestión de pavimento.
mantenimiento de
Caracterizació ¿Cuál es el Objetivos específicos: Tiempo de
carreteras son las
n del uso de mejor modelo a) Investigar cómo se encuentra curvas de regresión. periodo de vida
modelos de de deterioro la gestión del mantenimiento de útil. Metodología no
deterioro para Modelos de
para optimizar carreteras en Perú. experimental de
optimizar la Deterioro Tipo de
la gestión de b) Realizar una descripción de corte longitudinal.
gestión de evaluación de
mantenimiento mantenimiento los modelos de deterioro.
c) Realizar comparaciones de condición del
de carreteras, de carreteras?
los modelos de predicción de pavimento.
Cajamarca
deterioro de carreteras.
d) Proponer un modelo de
gestión de mantenimiento de
Metodología.
carreteras para Cajamarca.
ANEXO N.º 04. Guía del uso del Modelo de Cadenas de Márkov.