[pms-logout text="Bienvenido, {{meta_user_name}}" link_text="Salir"]
La Clave | Túneles y obras subterráneas
Uso de la analítica de datos
Para la mejora del proceso de toma de decisiones y mitigación del riesgo durante la ejecución de túneles excavados con tuneladoras
Silvia Arrate Pérez
Geóloga. Directora de servicios y desarrollos ACROT. SENER Ingeniería y sistemas S. A.
Eloy París Fernández
Ingeniero de minas. Especialista en servicios ACROT. SENER Ingeniería y sistemas S. A.
La excavación de un túnel en un entorno urbano mediante una tuneladora lleva implícito un potencial riesgo social, de daños a terceros y a la propia máquina, con un impacto generalmente muy grande en costos y en plazos de la obra subterránea en cuestión. La aplicación de una analítica descriptiva y correctiva a través de los datos brutos obtenidos durante la excavación no suele ser suficiente para controlar y reducir este riesgo potencial. Lograr optimizar la excavación y limitar realmente el riesgo puede ser un objetivo realista con el uso ágil e inteligente de los datos tratados, estructurados, procesados y conectados entre sí.
Palabras clave: Mitigación del riesgo, riesgos, tuneladora, túnel, analítica de datos, analítica avanzada.
The tunneling works in an urban environment by means of a TBM involves a potential risk to community, losses to third parties and to the machinery itself, usually, with a really strong impact on costs and deadlines in the concerned underground works. Applying descriptive and corrective analysis using raw excavation data is often not sufficient to control and reduce these potential risks. An optimization of excavation process and a real limitation of risk can be a realistic goal with a responsive and intelligent use of structured, processed, and connected data.
Keywords: Risk mitigation, risks, TBM o Tunnel Boring Machine, tunnel, data analytics, advanced analytics.
La sensorización de una tuneladora puede llegar a generar de media en torno a 5 millones de datos al día. El potencial de uso de estos datos de operación para la reducción del riesgo de daños a terceros y a la propia máquina parece claro. Trabajar directamente con los datos brutos obtenidos del PLC de la tuneladora mediante ordenadores espejo puede producir información de baja fiabilidad, debido precisamente al uso de estos datos en estado bruto. Transformar estos datos para darles un significado veraz parece ser el camino lógico hacia la reducción del riesgo.
Para que el conjunto de datos obtenido durante la excavación pueda devolver información lo más segura posible y esta pueda transformarse en conocimiento resulta recomendable que estos datos pasen por una serie de procesos de transformación, limpieza, conexión y procesado. Por otra parte, la conexión de manera inteligente de los datos de operación con otros grupos de datos de extrema importancia, como las Hojas de Excavación (HdE), los datos de auscultación, la geología del trazado o la propia georreferenciación de la tuneladora, facilitará en gran medida la toma de decisiones ante una anomalía.
El uso directo de los datos brutos obtenidos del PLC de la tuneladora exige personal experto muy especializado para conseguir una aproximación a la realidad de la excavación. Esto, en ocasiones, puede suponer un problema ya que, por lo general, no se dispondrá de un experto en análisis de datos de operación de manera continua las 24 horas del día. Con la aplicación de un tratamiento de datos brutos sistemático y con la configuración de algoritmos de cálculo entre los diferentes parámetros de operación de manera automatizada puede facilitarse la toma de decisiones, en muchos de los casos sin la necesidad de la visión permanente de un experto. De todas formas, la experiencia en la excavación con tuneladoras en obras urbanas demuestra que el acompañamiento continuo de un especialista en la interpretación de estos datos favorece y mejora los resultados en aquellas excavaciones que supongan un riesgo elevado para la población o para la propia máquina.
La utilización de datos brutos por parte de personal no especializado en análisis de datos de operación no solo es desaconsejable, sino que además puede llevar a errores de interpretación alejados de la realidad, e incluso activar de manera errónea alertas, alarmas o planes de contingencias, llevando al descrédito el uso de este tipo de herramientas frente al riesgo.
Propuesta de pirámide de conocimiento adaptada a tuneladoras
Adaptación del texto del artículo Health and Safety at Work
Concepto del riesgo
A pesar de ser uno de los métodos de excavación más seguros en entornos urbanos, los accidentes o las situaciones inesperadas en obras de tuneladoras son mucho más frecuentes de lo que inicialmente cabría esperar. Basta con echar un vistazo a las noticias de tuneladoras en construcción de este mismo año para darse cuenta de que los accidentes de diferentes tipologías y magnitudes en excavaciones urbanos con tuneladoras existen.
Muchas situaciones que se producen durante la excavación pueden desencadenar un aumento o materialización del riesgo, que será necesario controlar o mitigar mediante acciones preventivas, correctivas o reactivas. Idealmente, estos riesgos deberían haber sido, al menos, catalogados y parametrizados previamente para que puedan ser tratados con la mayor agilidad y efectividad posible.
Como es bien sabido y como criterio general para cualquier área de trabajo, un riesgo suele venir definido por dos factores: la magnitud del impacto o daño, y la probabilidad de que dicho daño ocurra. Conforme se actúa en estas dos variables, se consigue reducir el nivel de riesgo de cualquier situación. Las matrices de riesgos generadas a través de estas variables comenzaron a ser desarrolladas en el Electronic System Centre, US AIR FORCE (Garwey y Lansdowne, 1998), sin embargo, hoy en día siguen siendo de completa utilidad para cualquier área y, por supuesto, también para la determinación de los niveles de riesgo durante la excavación de túneles con tuneladoras. En concreto y aplicando estas variables a las tuneladoras, la reducción del nivel de riesgo puede alcanzarse aplicando estas variables de la siguiente forma:
La variable ‘impacto’ o ‘daño’ puede reducirse de una manera global, por ejemplo, con actuaciones preventivas —como tratamientos del terreno, refuerzo de estructuras, modificaciones y/o ajustes de trazado— para evitar zonas de alto impacto, o con campañas geotécnicas exhaustivas que permitan reducir las incertidumbres geológicas lo máximo posible. Las actuaciones preventivas, si bien tienen un gran efecto en el nivel de riesgo, deben ser utilizadas también de manera sostenible y con precaución para no incurrir en sobrecostes de obra que podrían ser evitados o reducidos con un análisis exhaustivo del resto de datos generados en fase de obra. Por supuesto, pueden incluirse en esta variable también todas aquellas acciones correctivas y reactivas que se apliquen durante la excavación para la reducción del daño una vez sea detectada la anomalía.
La variable ‘probabilidad’, en cambio, puede reducirse no solo con actuaciones preventivas y correctivas, sino también con el uso inteligente de los datos a fin de anticiparse a la generación de la propia anomalía.
No resulta fácil conectar y asimilar todos los datos para poder comprobar si la excavación se encuentra ante un riesgo inminente o no; sin embargo, la experiencia demuestra que parece ser el único camino para conseguir interpretar el comportamiento de la excavación y el riesgo al que se enfrenta de una manera muy próxima a la realidad.
Ejemplo de visualización de datos tratados de maquinaria
Flujo de trabajo para la toma de decisiones
Concepto de dato bruto e información
Para explotar los datos de manera efectiva y conseguir el conocimiento necesario para una toma de decisiones apropiada, además de disponer de los datos estos deben estar perfectamente conectados entre sí, y esta conexión debe producirse de la manera más fiable y eficaz.
Además de los datos propios del proyecto, de la auscultación, del estado de los edificios y estructuras cercanas y de los datos de la propia construcción, entre otros, la principal fuente de datos se encuentra en el PLC de la tuneladora, que vendrá proporcionada o bien por algún software comercial de la mano del fabricante, o directamente del software diseñado por las propias constructoras. Hoy en día, estos software pueden llegar a capturar en torno a 300 o 400 parámetros de operación en intervalos de entre 3 a 6 segundos; es decir, es posible disponer de, como mínimo, entre 4 y 5 millones de datos de operación al día, listos para ser tratados y conectados con otras fuentes de datos.
Sin embargo, los datos son solo datos, por sí solos no revelan información. La utilización o visualización de un dato bruto sin ser previamente tratado lleva implícita la transmisión al análisis de estos datos de todos los errores e incongruencias del archivo origen obtenido del PLC de la tuneladora. Este flujo directo (véase figura 4) incrementa, por lo tanto, la probabilidad de una interpretación errónea llegando a generar un resultado no concluyente y con posibles incertidumbres. Bajo estas condiciones, la toma de decisiones se vuelve compleja y es necesaria la interpretación de un experto para evitar acciones correctivas o reactivas fallidas.
Para poder adquirir el conocimiento necesario para una toma de decisiones lo más acertada posible, estos datos deben ser válidos, exactos y actuales, deben estar completos y ser únicos y consistentes. Para ello, será necesario realizar un primer tratamiento de estos que permita la limpieza, estructuración, corrección de errores y conexión entre ellos. Una vez superado este paso, podrá analizarse la información de estos datos que, mediante la analítica experta de los mismos, permitirán la configuración de los algoritmos de cálculo que ayuden a la visualización del conocimiento y, por lo tanto, a la toma de decisiones. Estos estados intermedios (véase figura 4) antes de la toma de decisiones final son los que inciden directamente en el aumento de la calidad y la fiabilidad de la información y del conocimiento de la excavación.
Cabe señalar que los datos brutos recogidos por las tuneladoras suelen presentar un volumen de errores de registro relativamente bajo en relación con el volumen total de datos obtenidos. Muchos de estos errores se corresponden con fallos en la escritura o el formato de los datos o archivos, con valores corruptos fruto de problemas en el suministro eléctrico, por citar algunos ejemplos comunes. Casos más graves se han detectado en cuanto a la configuración de algoritmos para la obtención de los datos en el PLC. Es muy importante que estos casos sean revisados y corregidos antes del arranque de la tuneladora y, si tal cosa no es posible, en los primeros avances de esta. Mas allá de los errores de registro están también los «vacíos» de información provocados por cortes en los servicios de comunicación o eléctricos. Estos «vacíos» pueden corregirse en muchas ocasiones con datos tomados in situ o extraerse de un PLC de respaldo de la propia tuneladora.
Asimismo, se deben tener en cuenta aquellos registros que presentan alguna singularidad o valor no acorde con la realidad. Este hecho se da con alguna frecuencia en aquellos datos de carácter acumulativo, como pesos o volúmenes de mortero o bentonita, parámetros clave a la hora de detectar situaciones de riesgo. Estos registros pueden provocar una línea de análisis muy alejada de la realidad de la anomalía y dar como resultado alertas o alarmas no reales que pueden generar una situación de tensión en la obra no justificada.
Flujo caso real volumen de inyección de bicomponente en 100 anillos. Datos brutos frente a datos tratados y procesados
Casos de estudio
La utilización de datos procesados frente a datos brutos tiene como objetivo obtener la mayor información posible de la excavación y generar un análisis de operación más confiable y acorde con la realidad, permitiendo así una gestión de alertas y alarmas ante situaciones de riesgo y una aplicación de medidas correctoras mucho más eficaces.
Como caso de estudio y con el fin de mostrar la influencia beneficiosa del dato procesado en la toma de decisiones y el modo cómo pueden transformarse los datos en información y conocimiento de la excavación, se presenta a continuación un conjunto de datos reales de dos tuneladoras distintas trabajando en un entorno urbano.
Para el primer caso (véase figura 5) se ha elegido un ejemplo sencillo de inyección de bicomponente en el trasdós de las dovelas en un intervalo de 100 anillos. En los datos brutos se presentan abundantes picos de inyección que podrían dar a entender que existe una fuga de bicomponente bien al frente de excavación, bien al terreno poco cohesionado o, en el peor de los casos, debido a una sobreexcavación. Existe además un anillo en el que el volumen es, por el contrario, muy inferior al necesario para el sellado completo del vacío anular. Estos datos se contraponen con los datos tratados en los que ya no existen esos picos de inyección y el anillo que presentaba un defecto de volumen muestra una inyección correcta de bicomponente. Esta gráfica se presenta con el porcentaje medio de silicatos, dato importante para valorar la correcta inyección del bicomponente.
En el segundo caso (figura 6), se ha elegido un ejemplo de comportamiento de las presiones en cámara en 200 anillos durante la excavación. Se ha realizado el mismo ejercicio que en el caso anterior, confrontando una salida gráfica de datos brutos frente a datos tratados. En este caso, la primera gráfica muestra el comportamiento de los datos brutos de las presiones en cámara según el esquema de distribución de sensores presente en esta misma figura. Las gráficas de la derecha muestran los datos ya tratados, en los que, a partir del uso de algoritmos de cálculo preconfigurados se obtiene información no directa del estado de la cámara de excavación; información como la densidad media en cámara o el desvío de sensores de presión nos podría llevar a la necesidad de descarte y/o reparación de alguno de ellos.
En ambos casos se muestra la diferencia que supone el uso de los datos brutos frente a datos tratados, sobre todo en cuanto a la complejidad de la interpretación de lo que está ocurriendo durante la excavación. El uso de datos tratados y procesados junto a la configuración de algoritmos de cálculo previamente configurados y adaptados a la máquina facilitan la visualización de mucha más información y conocimiento que lo que se podría obtener de manera directa con los datos brutos.
Comportamiento de las presiones y el estado de la cámara de excavación en 200 anillos
Conclusiones
Facilitar la visualización y acceso a la información obtenida de todas las fuentes de datos durante la excavación de un túnel urbano con tuneladora parece determinante a la hora de tomar decisiones lo más adaptadas posible a la realidad del riesgo de la excavación.
La utilización de datos brutos de manera sistemática sin el seguimiento continuado de un experto puede provocar una interpretación de la situación de la excavación alejada de la realidad y, por tanto, dar pie a una situación contraria a la deseada, aumentando el propio nivel de riesgo.
El uso inteligente de los datos y la transformación de los mismos en información y conocimiento puede ser el camino para la reducción eficaz del riesgo de daños durante la excavación.
Referencias
1
Salud, W. Arrate, S., Romero, F., Valenzuela, M. y Paris, E. (2022). Excavación en frente rocoso con una tuneladora tipo EPB. Reducción de riesgos mecánicos mediante técnicas analíticas. Obras Subterráneas (35), pp.4-11. México. AMITOS (Asociación Mexicana de Ingeniería de Túneles y Obras Subterráneas). https://www.amitos.org/wp-content/uploads/2022/09/OS35_ExcavacionenfrenterocosoconunatuneladoratipoEPB.pdf
2
Arrate, S. y París E. (2021). Ciencia de datos y digitalización para un proceso de excavación de túneles urbanos cada vez más seguro y efectivo. Ingeopres (293), pp. 54-61. España. Ingeopres. http://www.interempresas.net/Flipbooks/IG/293/
3
Arrate, S. y París E. (2019). SENER en la línea 3 del Metro de Guadalajara. Ingeopres (271). España. Ingeopres. http://www.interempresas.net/Flipbooks/IG/271/html5forpc.html
4
Arrate, S., París, E., Castellvi, I. y Villaecija, D. (2018). Challenges in Developing Sustainable Cities. Guadalajara Metro Line 3 Project: Design and Risk management Tunneling Under Historic City Center. World Tunnel Congress ITA-AITES. Dubai.
5
Gomez, J y Arrate, S. (2014). Control de riesgos de operación de tuneladoras en entornos urbanos. Túnel Sants Sagrera (Sagrada Familia). Fourth Mexican Congress on Tunnels and Underground Works. México. AMITOS (Asociación Mexicana de Ingeniería de Túneles y Obras Subterráneas).
6
Gomez, J. y París, E. (2013). Operation monitoring and risk assessment of earth pressure balance tunnel boring machines in urban environment; high speed tunnel Sants-La Sagrera, in the city of Barcelona, right beside Sagrada Familia Basilica (World Heritage). World Tunnel Congress ITA-AITES. Ginebra.
7
The international Tunneling Insurance Group (2012). A code of practice for risk management of tunnel Works. (2ª ed.). IMIA International. Association of Engineering Insurers & ITA International Tunnelling Association.
8
AENOR (2011). Gestión del riesgo. Tendencias de apreciación del riesgo (UNE-EN 31010).
9
AENOR (2010). Gestión del riesgo. Principios y directrices (UNE-ISO 31000).
10
Degn S., Tengborg P., Kampmann J. y Holst T. (2004). Guidelines for tunneling risk management., Working Group nº2. Tunnelling and Underground Space Technology (19), p. 217–237. Lausana: ITA/AITES
11
Reino Unido, Parliament (1974). Health and Safety at Work etc. Act. https://www.legislation.gov.uk/ukpga/1974/37/contents