Com cerca de 4,18 milhões de quilômetros de estradas nos Estados Unidos, o planejamento da manutenção de pavimentos pode parecer um processo assustador.

Atualmente, os departamentos de transporte (DOTs) tendem a confiar nas práticas anteriores ou na opinião de especialistas para tomar decisões de manutenção. Mas com uma reserva de US $ 420 bilhões em reparos nas rodovias dos EUA, esses métodos convencionais estão se tornando menos eficazes. Em vez disso, os DOTs exigem abordagens mais quantitativas para gerenciar seus orçamentos limitados e corrigir as estradas envelhecidas.

Em um artigo recente da Transportation Research Part C: Emerging Technologies , os pesquisadores do MIT Concrete Sustainability Hub (CSHub), Fengdi Guo, Jeremy Gregory e Randolph Kirchain, propõem uma dessas abordagens, conhecida como dependência de caminho de tratamento probabilístico (PTPD). O PTPD tem um desempenho melhor que os modelos convencionais, o que exigiria um orçamento anual adicional de 10% para atingir o mesmo nível de desempenho da rede no estudo de caso fornecido.

Os pesquisadores do CSHub conseguiram isso enfrentando uma preocupação fundamental que muitos modelos convencionais evitam: a incerteza.

Confortável com incerteza

Pavimentar é cheio de incertezas. Desde a deterioração dos pavimentos até o preço dos materiais, os DOTs não podem ter certeza de como serão as coisas daqui a cinco, 10 ou 20 anos. Além do mais, prever e incorporar esses tipos de incertezas pode ser um desafio – o suficiente para que muitos modelos a descartem completamente.

Tradicionalmente, a maioria dos modelos avalia os custos e benefícios das decisões de manutenção para cada segmento de uma rede para escolher o melhor. Suas análises tendem a calcular o custo e o benefício com base no ano atual ou em um conjunto fixo de tratamentos de manutenção futuros, sem considerar incertezas durante o período analisado.

“Isso pode significar que eles planejam manter um novo segmento de pavimento da mesma maneira todas as vezes ao longo de sua vida útil”, diz Guo. “O problema é que isso geralmente não é possível. Com o tempo, as mudanças no preço dos materiais, as taxas de deterioração dos pavimentos e até as mudanças nos caminhos de tratamento – que são a sequência das ações de manutenção – exigirão tratamentos não especificados em o modelo original “.

Para os DOTs gerenciarem suas redes com eficiência, eles se adaptaram melhor à dependência e incerteza do caminho do tratamento.

A pesquisa do CSHub procurou criar um novo modelo que lhes oferecesse maior adaptabilidade. Para fazer isso, eles consideraram milhares de programações de tratamento em cenários futuros.

Seu modelo adota uma abordagem de baixo para cima, analisando cada segmento de uma rede de pavimentos. Para cada segmento, ele avalia todo tratamento inicial possível e cenário futuro de preço e deterioração do material. A partir daí, um caminho ideal de tratamento e seu custo total são identificados para cada combinação de cenário e tratamento inicial.

Com todas essas possibilidades apresentadas, os pesquisadores do CSHub calcularam a probabilidade de certos resultados no desempenho do pavimento – a qualidade da superfície do pavimento – para cada combinação de opção de tratamento inicial e cenário futuro. Isso permite que eles capturem quais tratamentos provavelmente terão os melhores resultados, dadas todas as mudanças possíveis que possam ocorrer. Para cada segmento, o modelo identifica as duas opções de tratamento com os melhores resultados prováveis.

“Para selecionar entre essas duas opções finais”, diz Guo, “nosso modelo também considera os riscos associados a cada um e ao orçamento disponível”.

Nesse caso, risco refere-se a como o desempenho real de um tratamento pode se desviar do desempenho médio esperado. Quanto mais a variação e mais extremos os cenários extremos, maior o risco. No entanto, é uma troca – um tratamento mais arriscado também pode resultar em melhor desempenho.

Portanto, cabe ao DOT determinar quanto risco eles estão dispostos a assumir. E é esse nível de risco que determina quais das duas opções finais eles selecionarão para cada segmento na rede de pavimentação.

Pavimentação na prática

Em vários estudos de caso discutidos em seu artigo, os pesquisadores do CSHub analisaram como os níveis de risco afetavam a seleção de tratamentos em seus modelos, bem como como o modelo deles se comparava aos modelos convencionais. Eles descobriram que quando os DOTs eram menos avessos a arriscar resultados inesperados no desempenho de um segmento, seu modelo favorecia sobreposições finas de asfalto para esse segmento, que é uma opção de tratamento mais barata. À medida que a aversão ao risco aumentou, ocorreu o contrário. Em vez disso, o modelo favoreceu sobreposições de concreto mais caras e reconstruções completas do segmento.

Por quê?

Tudo se resume ao preço dos materiais.

“Ao contrário do asfalto, o concreto tende a ter menor volatilidade de preços”, explica Guo. “Isso significa que os DOTs podem prever com segurança quanto custará o tratamento concreto. Isso evita o tipo de excedentes de custos que podem ocorrer devido a um aumento inesperado nos preços do asfalto”.

A mesma troca ocorre com o desempenho do pavimento.

“Embora tratamentos mais arriscados possam oferecer melhores resultados de desempenho, é mais provável que esses resultados variem”, explica Guo. “Por outro lado, tratamentos menos arriscados oferecerão desempenho mais consistente – embora esse desempenho possa ser um pouco menor”.

Por fim, os pesquisadores descobriram que modelos com aversão ao risco moderada e uma mistura de asfalto e concreto tiveram os melhores resultados, uma vez que podiam otimizar o desempenho médio e a variabilidade do desempenho.

Os pesquisadores compararam seu modelo de PTPD com risco moderado às abordagens convencionais de custo-benefício atualmente usadas pelos DOTs.

Durante um período de análise de 20 anos, eles descobriram que o modelo de PTPD teve um desempenho melhor que o modelo convencional.

Embora o modelo convencional possa otimizar custo e desempenho no curto prazo, não antecipou incertezas futuras. Isso levou a tratamentos mais frequentes e mais baratos, que inicialmente melhoraram os resultados, mas resultaram em pior desempenho e custos mais altos ao longo do tempo.

O modelo PTPD adotou uma perspectiva de longo prazo. Foi responsável por incertezas e, como conseqüência, melhor antecipado e adaptado a mudanças futuras.

Isso significava que investiu mais fortemente em alguns segmentos-chave de uma rede muito usados. Como resultado, os benefícios de desempenho e custo em toda a rede não se manifestaram até mais tarde no período de análise. Naquela época, a rede exigia tratamentos mais simples e baratos com menos frequência.

De fato, para que o modelo de custo-benefício funcione tão bem quanto o modelo de PTPD, os DOTs gastariam 10% a mais em 20 anos no estudo de caso fornecido.

No futuro, Guo e seus colegas esperam estender suas análises para todo o sistema de estradas dos EUA. Além do custo e do desempenho , eles também pretendem medir a pegada ambiental das decisões de pavimentação.

Enfrentar a incerteza é difícil. Mas com seu modelo mais recente , os pesquisadores do CSHub fazem exatamente isso. Em vez de descontar a incerteza, eles a enfrentam de frente. E, consequentemente, os DOTs podem esperar em breve redução de atrasos e melhores estradas.