Implementación de modelos numéricos en Python para encontrar el número mínimo de intervenciones en el mantenimiento de infraestructura vial de una empresa de gestión de carreteras

• Autor: Soto Corsino, Yunior Efrain
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Nacional Mayor de San Marcos
• Repositorio: UNMSM-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.unmsm.edu.pe:20.500.12672/25469
• Enlace del recurso: https://hdl.handle.net/20.500.12672/25469
• Nivel de acceso: acceso abierto
• Materia: Optimización; Mantenimiento; Modelos matemáticos; Infraestructura; Algoritmos; Python; https://purl.org/pe-repo/ocde/ford#2.02.04

Examina cómo optimizar el mantenimiento de tramos viales gestionados por una entidad de infraestructura. Dado que estas infraestructuras requieren intervenciones regulares para cumplir con parámetros de deflexión específicos, el estudio busca reducir la frecuencia de intervenciones, minimizando costos y maximizando la eficiencia. El objetivo es desarrollar un modelo numérico en Python que identifique los puntos de intervención óptimos mediante algoritmos de detección de picos en deflexiones y una función de costo ajustada. La metodología emplea técnicas como la detección de máximos, métodos topológicos y análisis de secciones, para zonificar con precisión los puntos críticos de intervención, integrando además datos geolocalizados y herramientas visuales para facilitar la interpretación y aplicación de resultados. Los hallazgos muestran que el modelo puede reducir en aproximadamente un 20% la cantidad de intervenciones, optimizando así la asignación de recursos y la planificación de mantenimiento. El análisis de costos incluye factores como la distancia a canteras, proporcionando una estimación detallada de los costos operativos. En conclusión, esta implementación de modelos numéricos en Python demuestra ser una herramienta eficaz para la toma de decisiones en la optimización del mantenimiento de infraestructura vial, con un enfoque escalable y adaptable que promueve una gestión de activos más sostenible y eficiente.