Los edificios tienden a deteriorarse si no reciben un mantenimiento adecuado y la falta de un plan de mantenimiento preventivo, unida al envejecimiento natural, aceleran su degradación. La aplicación de acciones de mantenimiento es imperativa para prevenir defectos y fallos de los elementos constructivos y alargar la vida útil de los materiales. Un sistema de evaluación del estado del activo construido se utiliza principalmente para facilitar la clasificación de todos sus elementos en función de la cantidad de reparaciones necesaria, detectada durante una inspección, y para producir información coherente, pertinente y útil que permita llevar a cabo las acciones necesarias de una manera eficiente y prolija.
En el ciclo de vida de un proyecto, las fases de Operación y Mantenimiento (O&M) son tan importantes como la planificación y la construcción del proyecto. En comparación con otras fases, los costes más elevados se producen durante la fase de O&M, lo que demuestra la importancia de las actividades de Facility Management (FM). En el amplio contexto del FM, el mantenimiento de los edificios es la principal actividad, ya que más del 65% del coste total del FM proviene de la gestión del mantenimiento de las instalaciones. Las prácticas actuales del FM plantean algunos retos que han exigido un cambio de paradigma en el sector en los últimos años. Y es que los clientes, cada vez más ilustrados en según qué países, exigen estrategias para predecir los acontecimientos en lugar de responder a los problemas.
Este cambio marca la transición de las estrategias correctivas o planificadas a preventivas y predictivas. El mantenimiento preventivo puede predecir el fallo de los elementos del edificio mediante el análisis de los datos de estado y los registros históricos de mantenimiento.
Redes Bayesianas y BIM
Hace un tiempo escribimos este artículo acerca de la excelencia del BIM catalán. En esta ocasión nos hacemos eco de un estudio realizado por la Universidad Politécnica de Catalunya, según el cual «las Red Bayesianas (RB) pueden ser empleadas para simular las relaciones causa-efecto de los factores inciertos que afectan a las condiciones de los edificios. Una RB es, en esencia, un modelo gráfico probabilístico que ofrece un marco para razonar sobre creencias parciales en situaciones de incertidumbre. Se considera una técnica sólida para modelar riesgos, basada en datos inciertos. En un proceso de razonamiento, la RB puede representar complicados vínculos entre elementos y sistemas de construcción, y caracterizar cualitativa y cuantitativamente las dependencias variables. Además, puede modelar el estado de un edificio como un proceso probabilístico, a diferencia de los modelos deterministas».
Así pues, los integrantes del equipo autor del estudio, Hamidreza Alavi, Rafaela Bortolini y Nuria Forcada, indican que «desarrollaron un modelo probabilístico basado en una Red Bayesiana que abarca varios elementos interconectados para ayudar en la toma de decisiones para mejorar las condiciones de los edificios. Sin embargo, aunque el modelo puede manejar la incertidumbre y hacer predicciones, los datos necesarios están dispersos entre plataformas. Y lo que es peor, esta información se transfiere manualmente, lo que supone un proceso laborioso e ineficiente».
Para resolver los problemas de fiabilidad de la información en las operaciones de mantenimiento y ayudar a los responsables de la toma de decisiones a abordar los problemas de mantenimiento de los edificios, BIM es de gran ayuda. Integrado con un Sistema de Apoyo a la Decisión (DSS), BIM puede constituir una poderosa metodología de apoyo a la selección de actividades de gestión estratégica. Sin embargo, el mayor obstáculo de esta integración es la falta de interoperabilidad en el contexto de O&M.
La integración de BIM con los modelos de Redes Bayesianas facilita la transferencia de datos y reduce el tiempo y el esfuerzo que el equipo de FM dedica a la introducción manual. También permite que las herramientas BIM muestren los elementos/sistemas del edificio de forma integrada e interactiva para los responsables de la toma de decisiones. Además, ayuda al equipo de gestión de edificios a optimizar las estrategias de funcionamiento del edificio y apoyar la toma de decisiones (por ejemplo, el mantenimiento predictivo) para mejorar el rendimiento del edificio.
Estudio de caso
Para explorar esta manera de aplicar BIM al mantenimiento de edificios con redes bayesianas, Alavi, Bortolini y Forcada diseñaron un modelo de datos para integrar la evaluación del estado de riesgo en BIM que se implementó en las herramientas BIM existentes y, por último, se validó en tres escenarios. El modelo de datos constaba de siete clases temáticas, a saber: «BuildingCondition», «CMMS», «EnvironmentalCondition», «IfcBuilding», «IfcPset», «Interface» y «Visualización». Todo ello con un diagrama de clases del Lenguaje Unificado de Modelado (UML), que es un estándar industrial mundial para presentar el modelo de datos como un diagrama de estructura estática que describe un sistema mostrando sus clases, atributos y comportamiento (por ejemplo, operaciones).
El modelo de datos se implementó en Autodesk Revit. Sus parámetros se crearon como IfcPset, basados en los datos necesarios para el análisis del edificio, y luego fue integrado con el modelo de Redes Bayesianas y BIM mediante Dynamo, una extensión de programación para Autodesk Revit, y el lenguaje de programación Python. Los resultados de la evaluación del estado del edificio de las Redes Bayesianas se exportaron a almacenamiento local y se visualizaron en Revit de forma que el equipo de Mantenimiento pudiera comprender los datos.
Para transferir datos entre los modelos BIM y RB bidireccionalmente, en primer lugar se extrajeron los datos necesarios del primero utilizando scripts de Dynamo y Python, y creando un conjunto de datos en formato JavaScript Object Notation (.Json), un formato ligero para almacenar y transferir datos. A continuación, el conjunto con todos los datos necesarios se importó a AgenaRisk, mientras que el equipo de gestión de edificios podía ejecutar el modelo RB directamente para obtener los resultados del análisis del estado de un edificio. Luego, los resultados de la evaluación del estado del edificio se extrajeron de la herramienta AgenaRisk en formato Json y se importaron al modelo BIM mediante Dynamo y Python para visualizar los resultados en un modelo 3D.
Conclusiones
El modelo de datos permite la interoperabilidad entre los modelos BIM y RB para evaluar los elementos y sistemas del edificio. El sistema propuesto automatiza los flujos de trabajo de datos para aumentar la eficiencia del modelo RB , reduciendo el tiempo y el esfuerzo que el equipo de FM dedica a la introducción manual de datos. La interoperabilidad entre BIM y el modelo RB permite transformar los datos en un formato adecuado automáticamente para ejecutar este último. Así pues, la automatización de la transferencia de datos permite al equipo de Mantenimiento aprovechar el modelo RB a favor. Así, el equipo de Mantenimiento podría utilizar la arquitectura de sistema propuesta para priorizar la orden de trabajo para mejorar las actividades de mantenimiento y apoyar la toma de decisiones, ampliar la vida útil de los elementos o sistemas del edificio y aumentar su durabilidad.
Fuente: aquí.
