Resumen de Identifying explanatory variables of structural state for optimum asset management of urban drainage networks: a pilot study for the city of Bogota

Hector Angarita, P Niño, Diana Vargas, Nathalie Hernández, José A. Torres R.

• español

  Este artículo presenta los resultados de un estudio piloto realizado en la ciudad de Bogotá para identificar y cuantificar factores de riesgo físicos y/o ambientales de las redes de drenaje urbano, en el marco de un enfoque proactivo de gestión patrimonial de la infraestructura de servicios públicos. El análisis utiliza información de 2291 inspecciones de CCTV recopiladas por la Empresa de Acueducto y Alcantarillado de Bogotá (EAAB) mediante equipos tele-operados durante los años 2008 a 2010. Mediante modelos de regresión lineal se establecieron entre el conjunto de variables recopiladas mediante procesos de inspección por CCTV, aquellas que muestran una asociación estadísticamente significativa con la ocurrencia, magnitud y/o tipo de fallos que típicamente se encuentran en las conducciones, entre otras, material (Gres y P.V.C) y diámetro de la tubería. Los resultados muestran que es posible optimizar los recursos para la inspección de las redes con fines de mejorar la tasa de éxito en la detección de fallos.

• English

  The aim of this work is to identify and quantify physical and environmental explanatory variables for the structural state of urban drainage networks in a pilot study located in Bogota, Colombia. The analysis used information from 2291 CCTV inspections collected by the Water and Sewerage Company of Bogota (EAAB, from its Spanish initials) using tele-operated equipment during 2008-2010. Linear regression models were established to identify the environmental and physical characteristics of the pipes that are significantly associated with the occurrence, magnitude and type of the failures commonly found. Despite the fact that the correlation levels show that the developed model has a very low predictive capacity, it was found that the process of selecting assets for CCTV inspection can be optimized, increasing the success rate in failure detection.