Applus+ fue seleccionado para un proyecto de evaluación de pavimentos cuyo objetivo era recopilar datos automatizados de 7000 kilómetros de carril (el 32 % de las carreteras de la ciudad de Dubái) utilizando el avanzado LCMS-2 (sistema de medición de grietas por láser).
En la gestión de pavimentos, esta tecnología de última generación permite evaluar las condiciones de las carreteras mediante la captura de imágenes en 3D de la superficie del pavimento e imágenes en 2D de las características de la carretera, las irregularidades de su superficie y la calidad de la conducción. Los datos recopilados se integraron luego en el sistema de gestión de pavimentos del cliente, junto con el "Rendimiento del pavimento" y los "Modelos de predicción", para informar sobre las asignaciones presupuestarias para los próximos 5 a 10 años. El objetivo era optimizar las estrategias de mantenimiento del pavimento, mejorar su rendimiento, reducir los costos y tomar decisiones informadas.
El principal reto en la ejecución de este proyecto fue operar el equipo de adquisición automática de datos (LCMS-2) en las carreteras donde debían recogerse los datos. Los 7.000 kilómetros de carril comprendían predominantemente calles comunitarias internas caracterizadas por una alta congestión de tráfico y límites de velocidad más bajos. En consecuencia, la productividad diaria de la inspección se redujo notablemente en comparación con carreteras con otras clasificaciones funcionales, como autopistas, carreteras arteriales o vías urbanas.
Ninguna otra empresa había ejecutado anteriormente un proyecto de esta naturaleza, principalmente debido a las complejidades asociadas con los procesos de entrega y transferencia de equipos LCMS-2 una vez finalizado el proyecto. A pesar de ello, cumplimos con los requisitos del cliente y entregamos el equipo con éxito.
El proyecto se dividió en cinco etapas:
Los servicios de evaluación de pavimientos del proyecto incluyeron:
Utilizamos tecnología avanzada para proporcionar evaluaciones precisas y completas del pavimento durante todo el proyecto:
Los resultados incluyeron la identificación de firmes en condiciones severas y el desarrollo de datos de desempeño del pavimento como se detalla a continuación:
1. Modelado predictivo: se utilizaron modelos de desempeño del pavimento para predecir su rendimiento futuro en función de diversos factores, como materiales, diseño, construcción y condiciones ambientales. Esto ayudó a los ingenieros del cliente a identificar problemas potenciales antes de que ocurran y a tomar decisiones informadas sobre el mantenimiento, la rehabilitación o la reconstrucción del pavimento.
2. Optimización de costos: los modelos de desempeño del pavimento ayudaron al cliente a optimizar el diseño del pavimento, la selección de materiales y las estrategias de mantenimiento para minimizar los costos del ciclo de vida, y ahorrar costes significativos durante la vida útil del pavimento.
3. Control de calidad: se utilizaron modelos de desempeño del pavimento para evaluar la calidad del proceso de construcción y los materiales utilizados y para detectar cualquier defecto o problema que pudiera comprometer el desempeño del pavimento.
4. Intervención oportuna: Los datos y modelos identificaron el momento óptimo para las acciones de rehabilitación y mantenimiento del pavimento, proporcionando una valiosa orientación en la toma de decisiones.
Applus+ utiliza cookies propias y de terceros para fines analíticos y para mostrarte publicidad personalizada en base a un perfil elaborado a partir de tus hábitos de navegación (por ejemplo, páginas visitadas). Puedes aceptar todas las cookies pulsando el botón “Aceptar” o configurarlas o rechazar su uso. Para más información, consulta la Política de Cookies.
Permiten el funcionamiento de la web, cargar contenido multimedia y proteger su seguridad. Consulta las cookies que almacenamos en nuestra Política de cookies.
Nos permiten conocer cómo interactúas con la web, el número de visitas en las diferentes secciones y establecer estadísticas para mejorar nuestras prácticas comerciales. Consulta las cookies que almacenamos en nuestra Política de cookies.