Novasinergia 2021, 4(1), 102-114. https://doi.org/10.37135/ns.01.07.06 http://novasinergia.unach.edu.ec
Artículo de Investigación
Efectos de la variabilidad de los datos iniciales en el índice de condición
del pavimento y predicción de su deterioro
Effects of initial data variability on pavement condition index and prediction of
pavement deterioration
Alexis Andrade
1*
, Gabriela Castillo
2
, Cristian Chacater
2
1
Escuela Técnica Superior de Caminos Canales y Puertos, Universidad Politécnica de Valencia, Valencia, España, 46022
2
Facultad de Ingeniería, Universidad Nacional de Chimborazo, Riobamba, Ecuador, 060108;
gcastillo.fic@unach.edu.ec; cgchacater.fic@unach.edu.ec
*Correspondencia: alaniv@doctor.upv.es
Citación: Andrade, A., Castillo, G.,
& Chacater, C., (2021). Efectos de la
variabilidad de los datos iniciales
en el índice de condición del
pavimento y predicción de su
deterioro. Novasinergia. 4(1). 102-
114.
https://doi.org/10.37135/ns.01.07.06
Recibido: 22 octubre 2020
Aceptado: 15 enero 2021
Publicado: 01 junio 2021
Resumen: El objetivo de este estudio fue evaluar los efectos de la variabilidad de los datos
tomados en campo para la determinación del índice de condición de pavimento (PCI) y
la predicción de su deterioro, a través del coeficiente de variación de Pearson. Existen
varias investigaciones que comparan los métodos de evaluación de condición de
pavimentos y aplican modelos de predicción de deterioro, sin considerar la subjetividad
existente en la toma de datos en campo y su influencia en sus resultados. Para cumplir
con el objetivo se elaboró una herramienta de evaluación en campo, que sigue los
lineamientos de la metodología PCI con el propósito de recopilar datos para evaluar la
variabilidad de resultados se utilizó la técnica doble ciego aplicado a 20 expertos. En el
procesamiento y posterior interpretación de datos se encontró los efectos que producen
la variabilidad de toma de datos en los resultados de la evaluación de pavimento y en el
modelo de predicción. Al evaluar los resultados del método se encontró que el factor que
influye en la existencia de variabilidad es el número de daños del pavimento (19 daños)
y mediante un proceso analítico jerárquico (AHP) utilizando criterios como la frecuencia
con la que se encuentra cada daño, el grado de afectación y el porcentaje de cada daño
encontrado. Los resultados de la ponderación realizada en base al criterio de expertos
permitieron reducir el número de daños a 9 más representativos y de esta manera reducir
los efectos de la variabilidad de los datos tomados en campo.
Novasinergia
ISSN: 2631-2654
Palabras clave: Autopistas y carreteras, deterioro de pavimentos flexibles, evaluación de
pavimentos, gestión de pavimentos, ingeniería de transporte, mantenimiento de
pavimentos, pavimentos urbanos, proceso jerárquico de análisis, toma de decisiones.
Copyright: 2021 derechos
otorgados por los autores a
Novasinergia.
Este es un artículo de acceso abierto
distribuido bajo los términos y
condiciones de una licencia de
Creative Commons Attribution
(CC BY NC).
(http://creativecommons.org/licens
es/by/4.0/).
Abstract: This study's objective was to evaluate the effects of the variability of the data collected
in the field for the determination of the pavement condition index (PCI) and the prediction of its
deterioration through Pearson's coefficient of variation. Several investigations compare pavement
condition assessment methods and apply deterioration prediction models without considering the
existing subjectivity in the field data collection and its influence on their results. A field evaluation
tool was developed following the PCI methodology guidelines to collect data and evaluate the
variability of results using the double-blind technique applied to 20 experts. In the processing and
subsequent interpretation of data, the effects produced by the variability of data collection in the
results of the pavement evaluation and in the prediction model were found. When evaluating the
method's results, it was found that the factor that influences the existence of variability is the
number of pavement damages (19 damages). A hierarchical analytical process (AHP) uses criteria
such as the frequency with which each damage is found, the degree of affectation, and the
percentage of each damage found. The weighting results based on expert criteria made it possible
to reduce the number of damages to 9 more representative ones and thus reduce the effects of the
variability of the data taken in the field.
Keywords: Analytic hierarchy process, decision making, flexible pavement deterioration,
highways and roads, pavement evaluation, pavement maintenance, pavement management,
transportation engineering, urban pavements.
Novasinergia 2021, 4(1), 102-114 103
1. Introducción
La red vial es uno de los mayores bienes de un país, comunidad o ciudad. Además,
proporciona una base fundamental para el crecimiento y desarrollo, dotando de amplios beneficios
económicos y sociales (Espinoza, 2018). Las carreteras son un patrimonio nacional importante que
requieren conservación para mantenerlas en condiciones satisfactorias para el usuario (Moreno et
al., 2018). La conservación de pavimentos se define como las actividades orientadas a mantener y
brindar las carreteras en buen estado funcional usando métodos para evaluar el deterioro del
pavimento (Ayala, 2013). Existen varias metodologías que a través de varios índices realizan la
evaluación de la condición de pavimentos entre ellos están VIZIR, PCI, PASER, IRI, CRT, PSI, PQI,
PDI, entre otros. No todas las metodologías manejan un mismo proceso, varias se basan en análisis
visual in situ a la estructura del pavimento, mientras que otros necesitan equipos específicos de
medición (Andrade, 2018).
Países como Ecuador (Ayala, 2013), Colombia (Sierra & Rivas, 2009), Chile (Ramírez, 2010), Estados
Unidos (ASTM, 2004), España (Andrade, 2018) realizaron investigaciones utilizando el método PCI
considerándolo como el método más importante a nivel mundial. Analizando que uno de los
problemas no es número de métodos que existen para la evaluación de la condición del pavimento
sino la variabilidad de resultados en la toma de datos en campo por parte de los inspectores que
realizan la evaluación visual, pues la valoración del daño in situ será siempre decisión de la persona
encargada en la evaluación (Andrade & Brito, 2017). Este tipo de factores influirán de forma directa
en los modelos de predicción de deterioro del pavimento como los utilizados en investigaciones
relacionadas con mejora en la gestión del pavimento por Osorio-Lird, Chamorro, Videla, Tighe, &
Torres-Machi (2018) y Andrade (2018).
La metodología PCI es conocida como la más completa para la evaluación y calificación de
pavimentos flexibles en la actualidad. Al haber una variada cantidad de combinaciones, este método
utiliza factores de ponderación a los que conocemos como “valores deducidos”, así indica en qué
grado afecta la condición del pavimento de acuerdo con cada combinación de deterioro, nivel de
severidad (alto, medio y bajo) y densidad. Es decir, en esta metodología se establecen los resultados
de una descripción visual en el cual se obtienen clase, severidad y cantidad que representan el estado
en el que se encuentra el pavimento. Cualquier método de evaluación de deterioro que omita uno
de estos tres factores, no proporcionará la información suficiente para establecer un criterio
apropiado sobre el estado del pavimento (NEVI - 12, 2013).
Hay que tener en cuenta que la mayor deficiencia que posee el método PCI es la evaluación realizada
en campo por parte de los inspectores, ya que al ser subjetiva dependerá en su mayor parte de la
decisión de la persona encargada de la evaluación (Andrade & Brito, 2017). Sin embargo, no existe
un juicio universal para la valoración de cada uno de los factores que interviene en la evaluación,
por tal razón se presentan diferencias, en ocasiones importantes entre los criterios adoptados por
una u otra persona (NEVI - 12, 2013).
También se han implementado modelos de predicción de deterioro de pavimentos como parte de
los sistemas de gestión. Varias son las investigaciones que han buscado identificar un modelo
completo que brinde resultados reales (Andrade, 2018). Haas, Hudson, y Zaniewski en (1994)
describieron varios enfoques para la predicción del deterioro del pavimento y los categorizan en:
subjetivo, puramente mecanicistas, empíricos mecanicistas y de regresión. Los anteriores enfoques
se agrupan a su vez en dos clases deterministas y probabilísticos (Robinson, Danielson, & Snaith,
1998).
Novasinergia 2021, 4(1), 102-114 104
Después de una revisión de los distintos modelos de predicción George, Rajagopal, y Lim (1989)
diseñan un modelo mecánico – empirista, basado en datos sistemáticos, en los que se ubican la
información estructural, el volumen de tráfico, y la edad, tanto para pavimentos flexibles sin
recubrimiento, pavimentos flexibles con recubrimientos y pavimentos compuestos. El modelo que
mejor se ajusta para la predicción del rendimiento del pavimento flexible se presenta en la ecuación
1, que considera los factores más importantes para determinar la edad teórica del pavimento:
(1)
Dónde:
PCR = Calificación de la condición de pavimento que es equivalente al PCI
Age = Representa la edad.
ESAL = Volumen de tráfico y el peso expresado en términos de cargas equivalentes a un solo eje.
SNC = Número estructural modificado que es equivalente al SN.
Por lo hasta aquí mencionado, esta investigación se orienta a evaluar los efectos de la variabilidad
de toma de datos en campo, su influencia en la metodología PCI y modelos de deterioro del
pavimento; siendo necesario obtener el criterio de varios expertos, quienes a través de su experiencia
validaron la metodología PCI en campo y ponderaron la importancia de los daños del pavimento
para su optimización, esto disminuirá la subjetividad existente, permitiendo generar modelos de
predicción de deterioro mas precisos que ayudará a realizar una gestión adecuada del
mantenimiento del pavimento y así preservar su vida útil.
2. Metodología
A continuación, se muestra el flujo de actividades y de trabajo desarrollado para cumplir con
los objetivos de la investigación en la figura 1, una vez localizado el problema de investigación, se
evaluó a través del método PCI la condición de pavimento de vías en las cuales se ha realizado los
diversos tipos de mantenimiento vial en ciudad de Riobamba, se aplicó modelos de predicción de
deterioro a la muestra estudiada, para el doble ciego se buscó expertos en el área de mantenimiento
vial. Estos expertos evaluaron de manera individual in situ cada vía y ponderaron el nivel de
importancia de los daños del pavimento.
Figura 1: Flujo de actividades y de trabajo desarrollas para lograr los objetivos de este estudio.
Trabajo
de
campo
Procesamiento de
Información.
Evaluación de
la Variabilidad
Inicio
Selección del área de estudio (vías y expertos)
Recopilación de Datos.
Aplicación de Métodos y Modelos
Seleccionados.
Análisis Estadístico de los Datos
Obtención de Factores que influyen en la Variabilidad de Resultados por la
Toma de Datos.
Aplicación de encuesta a expertos.
Optimización de los daños de pavimento del método PCI.
Fin
Analizar los diferentes criterios mediante AHP.
Novasinergia 2021, 4(1), 102-114 105
De esta manera se adquirieron los datos necesarios para ser procesados y posteriormente analizados
estadísticamente, así se obtuvieron los factores que influyen en la variabilidad de resultados. Se
utilizó además el Proceso Analítico Jerárquico para priorizar los daños y plantear soluciones.
2.1. Trabajo de campo
2.1.1. Selección del área de estudio
La población está basada en los datos proporcionados por el GADM de Riobamba en cuanto
a la existencia del número de vías pavimentadas de acuerdo con la clasificación del Libro IV de las
Normas de Arquitectura, Urbanismo y Construcción Final del Código Urbano. Para esto se tomó
una muestra estratificada dividiéndola en dos estratos: para el primer, se agruparon como población
las vías Expresa, Arterial A, Arterial B y Colectora, utilizando la ecuación 2 con una probabilidad de
éxito de 0.50 y de fracaso de 0.50, se obtuvo un total de 35.41 km de pavimento flexible.
(2)
Dónde: N = tamaño de la población
Za = cuantil de la normal estándar al nivel de confianza de α en porcentaje
p = probabilidad de éxito, o proporción esperada
q = probabilidad de fracaso
d = precisión (Error máximo admisible en términos de proporción).
Para el segundo estrato se utilizó de igual manera la ecuación 2 variando los datos de la probabilidad
de éxito a 0.95 y de la probabilidad de fracaso a 0.05, debido a que las vías presentan características
muy similares por pertenecer al mismo tipo de clasificación (Local) y por ende su margen de error
es menor, es así que el tamaño de la población para la segunda parte cambia a 11.82 km asfaltados
con pavimento flexible. De esta manera el total obtenido en el cálculo de la muestra es de 47.22 km
de vías a evaluar por los métodos seleccionados. Se utilizó un 90% en el nivel de confianza y el 10%
como margen de error.
2.1.2. Selección de vías
Se seleccionaron las vías Ayacucho, Pedro de Alvarado y la Av. Juan Feliz Proaño en base al
tipo de intervención realizado en ellas (Mantenimiento Correctivo, Reconstrucción y Sin
Intervención respectivamente); estas fueron evaluadas técnicamente por Ingenieros Civiles con
conocimientos de mantenimiento vial.
2.1.3. Selección de los expertos
La población para definir el tamaño de muestra está conformada por el número de técnicos
existentes en la provincia de Chimborazo encargados del mantenimiento vial dentro de los
diferentes GADs Municipales, Consejo Provincial y Ministerio de Transportes y Obras Públicas de
la provincia de Chimborazo. Se cuenta con 28 encargados a nivel provincial, y utilizando la ecuación
2 con una probabilidad de éxito y fracaso al 50%, se obtuvo un tamaño de muestra de 20 evaluadores.
Se utilizó un 90% en el nivel de confianza y el 10% como margen de error. Quienes fueros los
encargados de realizar la una evaluación de campo mediante la metodología PCI en las 3 vías
seleccionadas según su tipo de mantenimiento y posterior ponderación del nivel de importancia de
los daños del pavimento según el método PCI.
2.1.4. Recopilación de datos
Mediante la técnica doble ciego se generó una base de datos, que consta del estado actual de
las vías y la cantidad de daños que existen en estas; con los métodos seleccionados por la encuesta.
Novasinergia 2021, 4(1), 102-114 106
2.2. Procesamiento de información
A través del método PCI se evaluó la condición del estado actual de las vías, estas fueron
seleccionadas según el tipo de rehabilitación que han recibido desde que fueron puestas en
operación, los criterios de consideración para definir el estado de la vía son de 10-25 muy mala, de
25-40 mala, de 40 a 55 regular, de 55 a 70 buena, de 70 a 85 muy buena y de 85 a 100 excelente;
también se aplicó el modelo de predicción de George et al., (1989) para obtener las edades teóricas
según el estado actual de las vías de acuerdo con los criterios de cada evaluador.
2.3. Evaluación de la variabilidad
Los datos fueron comparados entre sí mediante el coeficiente de variación de Pearson
permitiendo evaluar si en los resultados existe variabilidad o no. Para considerar que estos valores
son estadísticamente variables u heterogéneos deben ser mayores a 0.30 o 30% ya que para este tipo
de investigaciones experimentales se toma esta condición como aceptable. Si el coeficiente es menor
a la condición planteada anteriormente los resultados se consideran estadísticamente no variables u
homogéneos.
El AHP nos ayudó a evaluar los factores o criterios que intervienen en la variabilidad. Los criterios
de decisión que se tomaron para el análisis del método son los factores que influyen en la toma de
datos. Estos deben ser ponderados y para ello se utilizó la escala de comparación pareada. Se creó
una matriz situando los criterios tanto en fila como en columna comparándolos entre sí en función
de su importancia de uno con respecto al otro, como se muestra en la tabla 1:
Tabla 1: Criterios de decisión para el análisis del proceso jerárquico.
Reincidencia
Valor Deducido
Área
Reincidencia
1
1/7
1/5
Valor Deducido
7
1
1
Área
5
1
1
Una vez ponderados los criterios, se procede a construir matrices de comparación pareada con las
alternativas planteadas en función de cada criterio. Se calcularon los vectores propios de cada una
de estas matrices.
La decisión se tomó en función de la importancia de los criterios, para ello se formó la matriz de
vectores propios de alternativas por criterio y se multiplicó por el vector propio de la ponderación
de los criterios. El resultado es un nuevo vector que indica el peso de cada alternativa.
Siendo el número de daños uno de los factores de mayor predominancia en la influencia de los
efectos de la variabilidad de toma de datos, se realizó un AHP como se muestra en la figura 2, según
3 criterios, el primero “la reincidencia” que se refiere a la frecuencia con la que se encuentran
presente los daños en las vías de la zona urbana de Riobamba, el segundo “el valor deducido” que
es decir el grado de afectación y el tercero el “área de afectación en la vía”. Las alternativas a usar
fueron los 19 daños de pavimento presentados por el método PCI.
Novasinergia 2021, 4(1), 102-114 107
Figura 2: Proceso analítico jerárquico para la selección de daños en el pavimento más representativos.
3. Resultados
3.1. Aplicación de la metodología PCI.
3.1.1. Vía 1: Ayacucho (Reconstruida)
Al ser la calle Ayacucho una vía reconstruida con una edad de 2 años no posee una cantidad
considerable de daño en el pavimento, por lo que la identificación de estas no se vuelve complicada,
es así que no existe una variabilidad estadística en sus resultados, como lo demuestra la figura 3 y
con el coeficiente de Variación de Pearson con un valor de 0.08 o 8% indicándonos que la
variabilidad existente es homogénea.
Figura 3: Resultados de la metodología de evaluación “Índice de condición del Pavimento” para la vía Ayacucho.
95
89
89
94
82
93
74
88
82
93
0
20
40
60
80
100
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
PCI EN PORCENTAJE
EVALUADORES
AYACUCHO
Excelente
Muy buena
Buena
Regular
Mala
Muy mala
Novasinergia 2021, 4(1), 102-114 108
3.1.2. Vía 2: Pedro de Alvarado (Mantenimiento Correctivo)
La vía Pedro de Alvarado cuenta con 27 años de vida y ha estado sujeta a mantenimientos
correctivos esporádicos, por lo que presenta una cantidad de daño en el pavimento considerable. Se
puede observar en la figura 4 y en su coeficiente de variación de Pearson del 40% que supera el 30%
indicando que existe variabilidad no homogénea.
Figura 4: Resultados de la metodología de evaluación “Índice de condición del Pavimento” para la vía Pedro de Alvarado.
3.1.3. Vía 3: Av. Juan Félix Proaño (Sin Intervención)
Con más de 20 años de vida la Av. Juan Félix Proaño no ha recibido intervención de ningún
tipo por lo tanto existe una gran variedad de daños en el pavimento lo que dificulta su evaluación.
El cálculo del coeficiente de variación de Pearson resultó en un 49% demostrando que la variabilidad
no es homogénea como se evidencia en la figura 5.
Figura 5: Resultados de la metodología de evaluación “Índice de condición del Pavimento” para la vía Juan Félix Proaño.
3.2. Aplicación del modelo de predicción de deterioro
3.2.1. Vía 1: Ayacucho (Reconstruida)
El coeficiente de variación de la vía Ayacucho dio como resultado un 257% dando a entender
que la dispersión es alta, tal y como se puede observar en la figura 6, por lo tanto, la variabilidad
existente en los resultados de esta vía no es homogénea.
19
6
21
29
27
19
29
25
17
13
18
13
18
19
24
27
30
12
11
4
0
20
40
60
80
100
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
PCI EN PORCENTAJE
EVALUADORES
PEDRO DE ALVARADO
23
28
19
19
19
20
55
19
42
20
13
18 18
8
17
49
34
17
26
33
0
20
40
60
80
100
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
PCI EN PORCENTAJE
EVALUADORES
JUAN FELIX PROAÑO
Excelente
Muy buena
Buena
Regular
Mala
Muy mala
Excelente
Muy buena
Buena
Regular
Mala
Muy mala
Novasinergia 2021, 4(1), 102-114 109
Figura 6: Resultados del modelo de predicción para la edad teórica de la vía Ayacucho.
3.2.2. Vía 2: Pedro de Alvarado (Mantenimiento Correctivo)
La vía Pedro de Alvarado posee un coeficiente de variación del 7% con el que se puede
evidenciar que existe una variabilidad homogénea en los resultados. En la figura 7 se puede
visualizar la gráfica de la edad teórica para esta vía.
Figura 7: Resultados del modelo de predicción para la edad teórica de la vía Pedro de Alvarado.
3.2.3. Vía 3: Av. Juan Félix Proaño (Sin Intervención)
Los resultados que se visualizan en la figura 8 y el coeficiente de variación de Pearson del
15% en la Av. Juan Félix Proaño demuestra que la edad teórica para esta vía se encuentra dentro de
una variabilidad homogénea,
0.00 0.00 0.00 0.00
0.06
0.06
0.00 0.00 0.00 0.00 0.00
2.02
0.00 0.00
4.58
0.00
0.23
2.02
0.00 0.00
0.00
0.50
1.00
1.50
2.00
2.50
3.00
3.50
4.00
4.50
5.00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
EDAD EN AÑOS
EVALUADOR
AYACUCHO
28.07
31.25
27.53
25.21
25.81
28.07
25.21
26.41
28.60
29.61
28.34
29.61
28.34
28.07
26.69
25.81
24.89
29.85
30.09
31.70
0.00
5.00
10.00
15.00
20.00
25.00
30.00
35.00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
EDAD EN AÑOS
EVALUADOR
PEDRO DE ALVA RADO
Novasinergia 2021, 4(1), 102-114 110
Figura 8: Resultados del modelo de predicción para la edad teórica de la vía Juan Félix Proaño.
3.3. Ponderación por expertos de los daños que mayormente afectan al deterioro del pavimento.
Siendo el número de daños que se evalúan para determinar la condición del pavimento uno de los
factores de mayor predominancia (80%) en la influencia de la variabilidad de resultados, se realizó
el AHP como se muestra en la figura 2, según los criterios de reincidencia que se refiere a la
frecuencia con la que se encuentran los daños del pavimento en la zona urbana de Riobamba, el
valor deducido es decir su grado de afectación y el área de afectación que es donde se encuentra
contenido el daño. Las alternativas a usar fueron los daños del pavimento presentadas por la
metodología PCI. Este proceso fue utilizado para seleccionar los daños del pavimento más
representativas en el área urbana, en base al resultado de la multiplicación de la matriz formada por
los vectores propios de alternativas por criterio y por el vector propio de la ponderación de los
criterios, mistando cuales tienen mayor importancia para un estudio más detallado en campo,
buscando de esta manera disminuir la cantidad de unidades de análisis y a su vez reducir la
variabilidad de resultados por la toma de datos en la aplicación de la metodología de evaluación
PCI, como se puede observar en la tabla 2.
Tabla 2: Resultado de la jerarquización de daños del pavimento.
Orden Jerárquico
Daños del pavimento
Resultado
Valor
Porcentaje, %
1
Piel de Cocodrilo
0.1288
12.88
2
Huecos
0.1012
10.12
3
Parcheo
0.0979
9.79
4
Ahuellamiento
0.0797
7.97
5
Grieta Longitudinal y Transversal
0.0740
7.40
6
Agrietamiento en Bloque
0.0691
6.91
7
Corrugación
0.0678
6.78
8
Abultamiento y Hundimiento
0.0513
5.13
9
Desprendimiento de Agregados
0.0496
4.96
10
Depresión
0.0458
4.58
11
Grieta de Borde
0.0415
4.15
12
Desplazamiento
0.0403
4.03
13
Hinchamiento
0.0363
3.63
14
Cruce de Vía Férrea
0.0317
3.17
15
Pulimiento de Agregados
0.0208
2.08
16
Grieta Parabólica
0.0206
2.06
17
Grieta de Reflexión de Junta
0.0177
1.77
18
Desnivel Carril / Berma
0.0136
1.36
19
Exudación
0.0121
1.21
15.43
14.58
16.08
16.08
16.08
15.92
9.25
16.08
12.00
15.92
17.03
16.24
16.24
17.78
16.40
10.57
13.52
16.40
14.92
13.70
0.00
2.00
4.00
6.00
8.00
10.00
12.00
14.00
16.00
18.00
20.00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
EDAD EN AÑOS
EVALUADOR
JUA N F ELIX PROAÑO
Novasinergia 2021, 4(1), 102-114 111
En la tabla 3 se puede observar los por porcentajes de influencia que tienen los daños del pavimento,
categorizándolos en función de la mayor penalización que se da a la vía.
Tabla 3: Observación de los Evaluadores.
Orden Jerárquico
Daños del pavimento
Resultado, %
1
Piel de Cocodrilo
100
2
Parcheo
85
3
Agrietamiento en Bloque
75
4
Huecos
70
5
Pulimiento de Agregados
60
6
Grieta Longitudinal y Transversal
40
7
Desprendimiento de Agregados
20
8
Abultamiento y Hundimiento
15
9
Corrugación
10
10
Hinchamiento
10
11
Exudación
5
12
Depresión
5
13
Grieta de Borde
5
14
Grieta de Reflexión de Junta
0
15
Desnivel Carril / Berma
0
16
Cruce de Vía Férrea
0
17
Ahuellamiento
0
18
Desplazamiento
0
19
Grieta Parabólica
0
Posterior a esto en la tabla 4 se muestran los daños más representativos en función del análisis
multicriterio de expertos, para la evaluación en zonas urbanas únicamente se ha especificado el
análisis 9 de los 19 daños existentes en el pavimento, ya que son los que penalizan mayormente la
condición del pavimento, los mismo al momento de aplicarse la metodología PCI se debe estudiarse
con mayor detalle tanto en campo como en el procesamiento de información.
Tabla 4: Daños del pavimento seleccionados para evaluar al área urbana.
Orden Jerárquico
Daños del pavimento
AHP, %
Evaluadores, %
1
Piel de Cocodrilo
12.88
100
2
Huecos
10.12
85
3
Parcheo
9.79
75
4
Ahuellamiento
7.97
70
5
Grieta Longitudinal y Transversal
7.40
60
6
Agrietamiento en Bloque
6.91
40
7
Corrugación
6.78
20
8
Abultamiento y Hundimiento
5.13
15
9
Desprendimiento de Agregados
4.96
10
4. Discusión
Se encontró que existe una variabilidad considerable entre los resultados de la metodología
de evaluación de pavimentos PCI y los modelos de predicción de deterioro, mostrando que la
diferencia de cada evaluador se da debido a que la metodología PCI es subjetiva, ya que depende
de diversas variables como la experiencia de quien toma los datos, la observación que se da en
campo y el procesamiento de la información a través de los ábacos propuestos por la metodología;
es decir depende del criterio que posea cada evaluador en el momento de la toma de datos y su
procesamiento, mientras que el modelo matemático se basa en datos sistemáticos que me ayudan a
predecir cual será la edad que tendrá el pavimento en el tiempo, y considera como variables para su
aplicación la información estructural, el volumen de tráfico, y la edad que posee el pavimento.
Novasinergia 2021, 4(1), 102-114 112
La metodología PCI propone 19 daños de pavimento a ser analizados, pero a través de la
ponderación de expertos en función de las criterios de análisis, para la zona urbana únicamente se
deben considerar los 9 más representativos, ya que son quienes penalizan mayormente el índice de
condición de pavimento, y al puntualizar un mayor estudió de estos 9 daños tanto en campo como
en el procesamiento de información se generará menos perdida de información y mayor objetividad
en la toma de datos y posterior definición de la condición del pavimento.
Se propone para futuras investigaciones una mejora de la metodología desde el proceso de la toma
de datos y procesamiento de los mismos en estos 9 daños del pavimento, ya que de momento en
campo se lo hace de manera visual y en el proceso de información se lo realiza a través de ábacos
que propone la metodología PCI, y estos están sujetos a criterios de cada evaluador.
5. Conclusiones
Del análisis de los resultados de las 3 vías seleccionadas para evaluación del estado del
pavimento, se obtuvo una variabilidad significativa en 2 de ellas, en el que su coeficiente de
variación supero al 30%. Estas vías son las que presentan un mayor número de daños del pavimento
en su carpeta asfáltica, dándonos un indicio de que este es un factor que puede influir en la toma de
datos.
Los evaluadores coinciden con que el factor que predomina en la variabilidad de resultados por la
toma de datos es el número de daños del pavimento presentados por la metodología utilizada,
debido a que el área urbana no presenta las características necesarias para la existencia de todas
ellas.
Con respecto a la evaluación de la variabilidad en el modelo se puede evidenciar que una existe
variabilidad homogénea, debido a que el coeficiente de Pearson calculado para cada vía con respecto
a su edad es menor al 30%, a excepción de la vía reconstruida, en la que sus datos nos indican que
su variabilidad no es homogénea.
Mediante el AHP, se logró priorizar los distintos daños del pavimento en base a criterios como
Reincidencia, Valor Deducido y Área de Afectación y así seleccionar 9 de estas que son las más
significativas: Piel de Cocodrilo, Huecos, Parcheo, Ahuellamiento, Grieta Longitudinal y
Transversal, Agrietamiento en Bloque, Corrugación, Abultamiento y Hundimiento, y
Desprendimiento de Agregados. Estos daños coinciden con el criterio de selección proporcionado
por los evaluadores en la herramienta de evaluación.
Cabe recalcar que el Ahuellamiento no puede ser excluido de la selección de daños ya que su valor
deducido afecta de manera importante al cálculo de la condición de la vía debido a que es necesario
que esté presente en tan solo el 1% del área a evaluar en una severidad leve para el estado de la vía
disminuya significativamente.
Contribuciones de los autores
En concordancia con la taxonomía establecida internacionalmente para la asignación de
créditos a autores de artículos científicos (https://casrai.org/credit/). Los autores declaran sus
contribuciones en la siguiente matriz:
Novasinergia 2021, 4(1), 102-114 113
Andrade, A.
Castillo, G.
Chacater, C.
Conceptualización
Análisis formal
Investigación
Metodología
Recursos
Validación
Redacción - revisión y edición
Conflictos de Interés
Los autores declaran que han leído y están de acuerdo con la versión publicada del
manuscrito.
Agradecimiento
Los autores agradecen a los expertos encargados de validarla el estudio realizado en base a
varios años dedicados a la investigación, diseño de vías y su mantenimiento.
Referencias
Andrade, A. (2018). Mejora de la gestión del mantenimiento de pavimentos urbanos en la ciudad de Valencia a través
de la predicción de su deterioro (Trabajo de Fin de Máster). Valencia España: Universidad Politécnica de
Valencia. Recuperado de
https://riunet.upv.es/bitstream/handle/10251/115994/01_Memoria.pdf?sequence=1
Andrade, A., & Brito, J. (2017). Curvas de deducción del índice de condición del pavimento enfocadas a Ecuador basados
en el índice de servicio de pavimento (Trabajo de Titulación). Riobamba Ecuador: Universidad Nacional de
Chimborazo. Ecuador. Recuperado de http://dspace.unach.edu.ec/bitstream/51000/3752/1/UNACH-EC-
ING-CIVIL-2017-0017.pdf
ASTM D 53240. (2004). Índice de condición de pavimentos en aeropuertos (ASTM 53240). Recuperado de
https://alacpa.org/index_archivos/ASTMD5340-MetCalc-PCI-espRev0.pdf
Ávila, S. (2015). Empleo de sistemas de calidad en empresas constructoras de Guayaquil ‐ Ecuador (Máster
Universitario en Planificación y Gestión en Ingeniería Civil). Valencia España: Universidad Politécnica
de Valencia. Recuperado de
https://riunet.upv.es/bitstream/handle/10251/51740/MEMORIA_SAvila_TFM.pdf
Ayala, P. (2013). Evaluación no destructiva de pavimentos mediante el georadar (Espesores de estructura) con aplicación
en las vías urbanas de Quito (Trabajo de graduación previo a la obtención del título de Ingeniero Civil).
Quito, Ecuador: Universidad Central del Ecuador. Recuperado de
http://www.dspace.uce.edu.ec/bitstream/25000/2221/1/T-UCE-0011-76.pdf
Espinoza, P. (2018). Desarrollo de una herramienta de toma de decisiones para la gestión del mantenimiento de
pavimentos bajo criterios de sostenibilidad. Aplicación a la red vial urbana de la ciudad de Valencia (Máster
Universitario en Planificación y Gestión en Ingeniería Civil). Valencia, España: Universidad Politécnica
de Valencia. Recuperado de
https://riunet.upv.es/bitstream/handle/10251/115993/01_Memoria.pdf?sequence=3&isAllowed=y
George, K. P., Rajagopal, A. S., & Lim, L. K. (1989). Models for predicting pavement deterioration (Report No. 1215).
Washington DC, USA: Transportation Research Board. Recuperado de
Novasinergia 2021, 4(1), 102-114 114
http://onlinepubs.trb.org/Onlinepubs/trr/1989/1215/1215-001.pdf
Guevara, L.A. (2009). Modelo de mantenimiento vial que permita desarrollar planes de conservación en la capa de
rodadura para vías inter parroquiales de la provincia de Tungurahua (Tesis de Grado previo a la obtención del
Título de Magíster). Ambato, Ecuador: Universidad Técnica de Ambato. Recuperado de
http://repositorio.uta.edu.ec/bitstream/123456789/2198/1/Mestr%C3%ADa%20V.%20T.%2059%20-
%20Guevara%20Rodr%C3%ADguez%20Luis%20An%C3%ADbal.pdf
Haas, R., Hudson, W. R., & Zaniewski, J. P. (1994). Modern Pavement Management. Melbourne, FL, USA : Krieger
Publishing Company. Recuperado de https://trid.trb.org/view/388787
Moreno, L., Parrales, G., Cobos, D., Cordero, M., Peralta, J., Ponce, F., & Baque, B. (2018). Mantenimiento y
conservación de carreteras: Tomo II. Alicante, España: 3Ciencias Editorial Área de Innovación y Desarrollo,
S.L. http://dx.doi.org/10.17993/IngyTec.2018.28
NEVI - 12. (2013). Conservación Vial (Norma Ecuatoriana Vial Nevi-12 – MTOP), Ecuador. Recuperado de
http://www.obraspublicas.gob.ec/wp-content/uploads/downloads/2013/12/01-12-2013_Manual_NEVI-
12_VOLUMEN_6.pdf
Osorio-Lird, A., Chamorro, A., Videla, C., Tighe, S., & Torres-Machi, C. (2018). Application of Markov chains
and Monte Carlo simulations for developing pavement performance models for urban network
management. Structure and Infrastructure Engineering, 14(9), 1169–1181. Recuperado de
https://doi.org/10.1080/15732479.2017.1402064
Ramírez, L. F. (2010). Análisis de los métodos PCI y Manvusimp en la gestión de pavimentos de calzadas urbanas de
Chile. Aplicación en algunas vías de la comuna de Providencia (Tesis de pregrado). Universidad de Chile,
Santiago de Chile, Chile. Recuperado de http://repositorio.uchile.cl/handle/2250/103654
Robinson, R., Danielson, U., & Snaith, M. (1998). Road Maintenance Management - Concepts and Systems.
Basingstoke, Hampshire UK: Macmillan Press Limited. Recuperado de https://trid.trb.org/view/536844
Sierra, C., & Rivas, A. (2016). Aplicación y Comparación de las Diferentes Metodologías de Diagnostico para la
Conservación y Mantenimiento Del Tramo Pr 00+000 – Pr 01+020 de la Vía al Llano (Dg 78 Bis Sur – Calle 84
Sur) en la UPZ Yomasa (Trabajo de Grado para Optar al Título de Ingeniero Civil). Bogotá, Colombia:
Universidad Católica de Colombia. Recuperado de
https://repository.ucatolica.edu.co/bitstream/10983/13987/4/TRABAJO DE GRADO VIZIR Y PCI 2016
.pdf
