IG293

TÚNELES 58 metros relacionados. Esto es, podemos encontrarnos en numerosas ocasiones con escenarios en los que los paráme- tros indicadores no parecen reflejar ninguna anomalía, arrojando valores numéricos lógicos, cuando realmente sí está iniciándose o materializándose un riesgo. Casos como el aumento de temperatura en mamparo dentro de los umbrales de control, que, analiza- dos junto al empuje y al torque de la cabeza de corte, muestran resultados que requieren la parada inmediata de la excavación para la revisión de la cabeza de corte. Integrar equipos en entornos sensibles, en formato de seguimiento continuo on-line 24/7, evita que escenarios que pueden desencadenar rápidamente una situación de riesgo, como en el caso del ejemplo anterior, puedan sucederse sin ningún tipo de actua- ción. El analista de riesgos ACROT visualiza la misma información que el propio operador en la cabina de con- trol; sin embargo, su foco de atención se centra en posibles riesgos derivados de anomalías que puedan afectar a la seguridad de la excavación según los criterios establecidos en los párra- fos anteriores. El análisis continuo y la gestión de las posibles incidencias, en tiempo real, detiene la evolución del impacto y la probabilidad de que un riesgo se materialice. Los beneficios de contar con un servicio 24H para la reducción del riesgo pueden resumirse en los siguientes puntos: • Aplicación de una analítica correctiva y prescriptiva en tiempo real. • Apoyo técnico 24H en base a pro- tocolos y procedimientos basados en la experiencia. • Reducción fallos o anomalías por errores humanos. • Optimización de los tiempos de parada. • Edición fuentes de datos de anoma- lías que permiten posteriormente el análisis de los datos de operación por piloto. • Edición fuentes de datos cambios de herramientas y paradas hiperbáricas. • Edición de informes particulares, sistemáticos o específicos, en fun- ción de las necesidades del cliente. Cabe indicar aquí que la obtención de datos 24H facilita la mejora de las bases de datos que alimentan la plataforma EXCAVA y la plataforma ACROTDigital, permitiendo la aplica- ción posterior de big data y machine learning, registro as-built completo de operación, análisis/retroanálisis de datos para mejora de los modelos de cálculo e incluso ofrecer un completo soporte técnico frente a posibles futu- ras reclamaciones. Para explicar cómo evoluciona el dato para su explotación y obtención de resultados, podemos hacer una conexión lógica entre los niveles de análisis de datos con las tres actua- ciones principales que necesitamos llevar a cabo para manejar un óptimo control del riesgo: actuaciones pre- ventivas, reactivas y prescriptivas. • En el primer estadio se sitúan las actuaciones preventivas. En estas actuaciones, y en la mayoría de las ocasiones, aun no se produce el tratamiento del dato al 100 %. En estas actuaciones se realiza un tratamiento lógico de la información, es decir, estamos preparándonos para cualquier riesgo que pueda presentarse durante la excavación. Si bien existen múltiples ejemplos de actuaciones preventivas en fase de obra, el gran volumen de las actua- ciones preventivas debe realizarse y/o contemplarse ya en fase previa al inicio de la excavación. Para una óptima aplicación de las actuaciones preventivas, éstas se basarán, ade- más de en los modelos de cálculo y tratamientos que reduzcan el riesgo, en la analítica diagnóstica obtenida de experiencias en obras pasadas. • El segundo estadio, las actuaciones reactivas, se producen ya en fase de excavación. El valor principal de estas actuaciones será la corrección de anomalías en tiempo real. Este tipo de actuaciones explotan el 100 % del dato, para detectar así el origen de cualquier anomalía que se produzca en los parámetros de operación. No sirve de nada detectar una anomalía si no somos capa- ces de identificar su causa. Una vez Identificada la anomalía, entonces sí puede prescribirse una acción correctiva inmediata que reduzca Figura 3. Interpretación de tipos de analíticas de datos y nivel de actuación, para mejorar la toma de decisiones (Basado en diagrama estandarizado de Múltiples fuentes sobre Data Science).