LA INCERTIDUMBRE EN EL ANÁLISIS DE EVACUACIÓN TIENE DOS ORÍGENES Y SOLO UNO PUEDE REDUCIRSE
Todo análisis de comportamiento humano en incendios opera con incertidumbre, y la forma en que esa incertidumbre se gestiona tiene consecuencias directas sobre la validez del resultado y sobre el tamaño de los factores de seguridad que el ingeniero necesita aplicar; el SFPE Guide to Human Behavior in Fire distingue cuatro tipos de incertidumbre y, en un nivel más fundamental, dos categorías que determinan qué puede hacerse con ellas.
Las cuatro fuentes de incertidumbre son: la incertidumbre de medición, asociada a la exactitud con que se recopilan los datos del mundo real; la incertidumbre de parámetros, derivada del uso de esos datos para configurar el modelo; la incertidumbre del modelo, vinculada a las aproximaciones y supuestos que el modelo introduce al representar el comportamiento humano; y la incertidumbre de comportamiento o de completitud, que corresponde a los aspectos del comportamiento real que el modelo no contempla, ya sea de manera consciente o inadvertida.
En un nivel más fundamental, la guía distingue entre incertidumbre epistémica e incertidumbre aleatoria, y esa distinción tiene implicancias prácticas precisas: la incertidumbre epistémica se refiere a las limitaciones del modelo y puede reducirse con mejores datos, modelos más representativos y análisis más completos; la incertidumbre aleatoria corresponde a la variabilidad inherente e impredecible del comportamiento humano, y no puede eliminarse aunque el modelo sea perfecto, porque la variabilidad es una propiedad del fenómeno, no del modelo.
Para gestionar la incertidumbre epistémica, la guía propone dos estrategias que pueden aplicarse de manera independiente o combinada: reducir la incertidumbre usando datos más confiables, análisis de sensibilidad y modelos validados para el escenario de interés, o reducir su impacto aplicando factores de seguridad explícitos; la primera estrategia requiere mayor esfuerzo técnico pero produce resultados más transparentes, mientras que la segunda es más simple pero puede generar una falsa sensación de adecuación si el factor se aplica de manera arbitraria.
El análisis de sensibilidad es la herramienta principal para identificar qué parámetros tienen mayor influencia sobre el resultado: consiste en especificar el parámetro de interés, seleccionar un rango plausible de valores, repetir el análisis con esos valores y evaluar la importancia relativa de cada variable sobre el resultado; los parámetros más relevantes para la sensibilidad en análisis de evacuación son el tiempo de pre-evacuación, las características físicas y cognitivas de los ocupantes, la densidad de la población, la familiaridad con el entorno, los límites de tenabilidad y las velocidades de desplazamiento.
El factor de seguridad que se aplica al margen entre el RSET y el ASET debe ser proporcional al nivel de incertidumbre del análisis: cuando los datos son confiables, el modelo está validado para el escenario, la sensibilidad de los parámetros es baja y las medidas de protección activa son redundantes y confiables, el factor puede ser menor; cuando alguna de esas condiciones no se cumple, el factor debe ser mayor, y cuando se aplican factores de seguridad a múltiples variables de manera acumulativa, el resultado puede volverse tan conservador que pierde capacidad para discriminar entre diseños alternativos, que es precisamente uno de los beneficios centrales del análisis de desempeño.
Referencia: SFPE Guide to Human Behavior in Fire, 2ª Ed. (2019). Cap. 11: Estimation of Uncertainty and Safety Factors; Sec. 11.2: Sources of Uncertainty; Sec. 11.3: Strategies for Managing Uncertainty.
MATERIAL DE APOYO
