presentación de powerpoint...nivel 3 «filtro de análisis estadístico comparativo. semejanza»...

21
Necesidad de realizar un análisis de la coherencia de los datos de auscultación Miguel Núñez Fernández (CM) Rocío Casero Gutiérrez (RAUROS) Fernando Varela Soto (UPM) PATROCINADORES DIAMANTE PATROCINADORES PLATINO PATROCINADORES PLATA PATROCINADOR BRONCE

Upload: others

Post on 12-Apr-2020

8 views

Category:

Documents


0 download

TRANSCRIPT

Necesidad de realizar un análisis de la coherencia de los datos de auscultación Miguel Núñez Fernández (CM)

Rocío Casero Gutiérrez (RAUROS)

Fernando Varela Soto (UPM)

PATROCINADORES DIAMANTE PATROCINADORES PLATINO PATROCINADORES PLATA PATROCINADOR BRONCE

INTRODUCCIÓN: OBJETIVOS

Proyecto Gestión Firmes 2017 - 2019

- IRI - Deflexiones - CRT - Fisuras

Siendo de vital importancia asegurar la coherencia de datos

UTE

U.P.M

RAUROS

EUROCONSULT

GEOCISA

Sistema de Gestión

Auscultación

Dpto. I.Civil. Construcción Infraestructuras y Transporte

Asesor Científico-Técnico

INTRODUCCIÓN: OBJETIVOS

Sistema de Gestión

Modelos de Evolución COHERENTES

Mismos tramos

Alimentación

Deflex

CRT IRI

Condiciones de contorno

(Factor clima)

2017

2018

Deflex 2017 Abril 2018 Octubre 2019 Febrero

Parámetro

2017 2018 2019

¿Cómo alimentar un Sistema de Gestión?

PAQUETE ESTRUCTURAL

TRÁFICO

EQUIPOS DE ALTO RENDIMIENTO

INVENTARIO

Proceso habitual de Carga de Datos

Operación de equipos

Datos brutos Datos entregables Filtro

Personal cualificado

𝑑𝑑𝑑𝑑 = 650 𝑑𝑑 ∗ 10−2 !!!

Experiencia

IRI

IRI

Brutos

Entregables

Proceso habitual de Carga de Datos

Necesidades

Inspección rutinaria del trabajo en campo

Depuración de datos: Portal de acceso diario

Establecimiento de un formato de entrega

Análisis de coherencia

Criterios de aceptación y rechazo

Complementar la información de la Base de Datos (Inventario)

(Contraste)

(Filtro inicial) ¿Repetición?

(Estándar)

(Filtros automáticos)

(Condiciones de contorno)

(Coherencia)

-Estructuras -Climatología

Análisis de Coherencia

1. Herramienta informática

• Nivel 1 «Filtrado de valores puntuales» • Nivel 2 «Filtrado de valores medios. Comparativa de

campañas» • Nivel 3 « Filtrado de análisis estadístico comparativo.

Semejanza»

2. Personal cualificado

• Razonamiento técnico

ACTUACIÓN FIRME 2017 2018 2019

1. Herramienta Informática

Umbrales pre establecidos para cada parámetro

Tipo de red

Fecha toma de datos auscultados

Factor País

(primaria, secundaria o local)

Detectar incoherencias automáticamente OBJETIVO:

(Factor clima)

DETECTAR INCOHERENCIAS

Deflex

CRT IRI

DATOS BÁSICOS

DATOS ENTREGABLES

DEFINICIÓN:

2017 Referencia

Nivel 1. «Filtro de coherencia de valores puntuales»

OBJETIVO Detectar incoherencias (sin comparar con campaña de referencia)

RECHAZO

Rango de valores de coherencia

VALORES PUNTUALES FUERA DE RANGO ACEPTACIÓN ¿FILTRO?

Parámetro

Tipo de red PRINCIPAL SECUNDARIA LOCAL

Mín Máx Mín Máx Mín Máx

IRI (m/Km) 0,5 4,0 1,0 5,0 1,5 6,0

Fisuras (%) 5 10 4 12 8 15

CRT (%) 45 90 40 80 30 70

Deflexiones (mm*𝟏𝟏−𝟐) 10 80 20 180 40 300

> 5%

< 5%

RED PRINCIPAL

IRI >5%

Mín: 0,5 Máx: 4

NO CUMPLE 2019

0

1

2

3

4

5

6

7

8

9

10

11+0

50

11+3

50

11+6

50

11+9

50

12+2

50

12+5

50

12+8

50

13+1

50

13+4

50

13+7

50

14+0

60

14+3

60

14+6

60

14+9

60

15+2

70

15+5

70

15+8

70

16+2

20

16+5

20

16+8

20

17+0

70

17+3

70

17+6

70

17+9

70

18+2

70

18+5

70

18+8

70

19+1

60

19+4

60

19+7

60

20+0

60

20+3

60

20+6

60

20+9

60

21+2

60

Campaña 2017 Campaña 2019 Campaña 2018

1,90% 2,20%

8,57%

2017 2018 2019

Valores aceptables Valores inaceptables

Nivel 2 « Filtro de valores estadísticos puntuales. Comparativa con campañas anteriores»

OBJETIVO Detectar valores medios que no tengan relación con la campaña de referencia. Suponiendo datos anuales.

TRAMOS (1 Km) / HOMOGÉNEOS

- Condición 1: Deterioros/Mejora

- Condición 2: Nivel deterioro

- Condición 3: Dispersión de los datos Carretera M-XXX

0

0,5

1

1,5

2

2,5

3

3,5

1+000 2+000 3+000 4+000 5+000 6+000 7+000 8+000 9+000 10+000

Campaña 2017 Campaña 2018

IRI medio

PK 𝟑𝐤𝐤𝟏𝟏

= 30% Umbral 10% 20% ? %

0

0,5

1

1,5

2

2,5

3

3,5

4

4,5

1+000 2+000 3+000 4+000 5+000 6+000 7+000 8+000 9+000 10+000

Campaña 2017 Campaña 2018

𝟏𝐤𝐤𝟏𝟏

= 10% Umbral ? % ? % 1ª Condición

2ª Condición

3ª Condición 𝜎�2017 = 0,87

𝜎�2018 = 1,2

X2017 X2018

Umbrales ??

IRI medio

𝐼𝐼𝐼𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝐼𝐼𝐼

> 1

𝐼𝐼𝐼 ≥ 1.5 ∗ 𝐼𝐼𝐼𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎

�̅� ≥ 1

Fisuración

𝐼𝑅𝑑𝑅𝑅𝑑𝑅𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝐼𝑅𝑑𝑅𝑅𝑑𝑅

> 1

𝐼𝑅𝑑𝑅𝑅𝑑𝑅 ≥ 1.3 ∗ 𝐼𝑅𝑑𝑅𝑅𝑑𝑅𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎

�̅� ≥ 5%

CRT

𝐹𝑅𝐹𝐹𝐹𝐹𝐹𝐹𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝐹𝑅𝐹𝐹𝐹𝐹𝐹𝐹

> 1

𝐹𝑅𝐹𝐹𝐹𝐹𝐹𝐹 ≥ 1.5 ∗ 𝐹𝑅𝐹𝐹𝐹𝐹𝐹𝐹𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎

�̅� ≥ 20%

¿% valores? Hay que «limitar» las condiciones, considerando tramos homogéneos. ¿¿Umbrales ??

Rango de valores de coherencia (Rangos configurables)

Nivel 3 «Filtro de análisis estadístico comparativo. Semejanza» OBJETIVO Detectar si la distribución de valores es válida con respecto a lo

esperado

La distribución de una variable normal está determinada por dos parámetros: la media y su desviación estándar.

Semejanza – Curva de Gauss La estandarización o tipificación nos permite comparar entre dos campañas de dos distribuciones normales diferentes

Dada la media y la desviación típica, se denomina valor tipificado (Z), de una observación x, la distancia respecto a la media, medido en desviaciones típicas, es decir:

Z = 𝐗−𝛍𝛔

0 0,5 1 1,5 2 2,5 3 3,5

Campaña 2018 Campaña 2019

Cuando la variable aleatoria no sigue la distribución normal N(0,1). Es necesario transformar la variable aleatoria X que sigue la distribución N(µ,𝜎�) en otra variable Z que sigue la distribución normal N(0,1) haciendo el siguiente cambio de variable:

Z = X−µσ

Tramos Campaña

2018 Campaña

2019

Diferencias entre ambas

curvas (%)

1 0,49916 0,4767 2,25

2 0,49801 0 49,80

3 0,49819 0 49,82

4 0,49882 0,19146 30,74

5 0,49953 0,49683 0,27

6 0,49966 0,09871 40,10

7 0,49856 0,09871 39,99

8 0,49936 0,48745 1,19

9 0,49896 0,27337 22,56

10 0,49836 0,39251 10,59

µ= 1,94 σ= 0,75 µ= 1,6 σ= 0,40

Campaña 2018

Campaña 2019 UMBRALES

IRI M-XXX

Deflex M-YYY

CRT M-ZZZ

0+000 / 15+000

0+000 / 15+000

0+000 / 15+000

0 1 2 3 4 5 6 7

Campaña 2017 Campaña 2018 Campaña 2019

0 20 40 60 80 100 120 140

Campaña 2017 Campaña 2018 Camapaña 2019

0 10 20 30 40 50 60 70 80 90 100

Campaña 2017 Campaña 2018 Campaña 2019

Análisis de Coherencia

Nivel 1. «Filtro de coherencia de valores puntuales»

Nivel 2 « Filtro de valores estadísticos puntuales. Comparativa con campañas anteriores»

Nivel 3 «Filtro de análisis estadístico comparativo. Semejanza»

¿Umbrales?

2019 ¿CAMPAÑA VÁLIDA?

>5% NO CUMPLE 2019

1,90% 2,20% 8,57%

2017 2018 2019

Valores aceptables Valores inaceptables

00,5

11,5

22,5

33,5

Campaña 2017 Campaña 2018

0 0,5 1 1,5 2 2,5 3 3,5Campaña 2018 Campaña 2019

2.Personal cualificado

PERSONAL TÉCNICO

SISTEMA DE GESTIÓN

Filtro 1

Filtro 2

Filtro 3

Sin campaña de referencia NO APLICA 1,90% 2,20%

8,57%

2017 2018 2019

Valores aceptables Valores inaceptables

00,5

11,5

22,5

33,5

Campaña 2017 Campaña 2018

0 1 2 3 4 5 6 7

Campaña 2017 Campaña 2018 Campaña 2019

Criterios para definir campañas de referencia.

Coherencia de datos y criterios de aceptación y rechazo de medidas de modificaciones de Pliegos.

Plataforma de control datos empresas auscultadoras.

Definir tramos de control para la calibración de parámetros. Equipos en campo.

Certificaciones de los técnicos/operarios de equipos de campo.

Conclusiones