Análisis comparativo de planes de mantenimiento y curvas de desempeño generados por PAVER y un sistema de gestión de pavimentos aeroportuarios desarrollado para Chile

Abstract

La gestión eficiente de pavimentos aeroportuarios es fundamental para garantizar la seguridad y sostenibilidad de la infraestructura. En Chile, la Dirección de Aeropuertos (DAP) ha utilizado el software internacional PAVER principalmente como herramienta para el registro de inventarios y el cálculo del Índice de Condición del Pavimento (PCI), más que como un sistema integral para la planificación y toma de decisiones en mantenimiento. Sin embargo, su uso ha evidenciado limitaciones de adaptación a las condiciones locales. En este contexto, el presente trabajo desarrolla un análisis comparativo entre PAVER y componentes de un Sistema de Gestión de Pavimentos Aeroportuarios (SGPA) desarrollado para Chile, evaluando sus capacidades de predicción del deterioro y generación de planes de mantenimiento. Se emplearon datos reales de auscultación de los aeropuertos La Florida y Andrés Sabella, comparando las curvas de desempeño y los planes generados por ambos sistemas. Los indicadores estadísticos raíz del error cuadrático medio (RMSE), criterio de información de Akaike (AIC) e índice de similitud de curvas (SCI) permitieron evaluar precisión y similitud entre modelos. Los resultados muestran que PAVER alcanza menores valores de RMSE y AIC, reflejando un mejor ajuste debido a su naturaleza empírica, mientras que el SGPA, basado en un modelo probabilístico de cadenas de Márkov, presenta mayor dispersión al no forzar coincidencias entre valores observados y estimados. No obstante, ambos sistemas mostraron una alta similitud en las proyecciones del índice PCI. PAVER destaca por su rapidez, flexibilidad y respaldo normativo, aunque con dificultades de compatibilidad de datos. El SGPA, en cambio, presenta ventajas en sostenibilidad al integrar análisis de impacto ambiental, mostrando un alto potencial como herramienta nacional adaptable para la gestión de pavimentos aeroportuarios. Además, se proyecta que este sistema incorpore nuevos modelos predictivos complementarios, entre ellos uno basado en técnicas de machine learning y otro que relaciona el PCI con el nivel de tráfico, lo que permitirá fortalecer su capacidad de predicción y consolidarlo en el futuro como una herramienta integral de planificación de mantenimientos.