UNIVERSIDAD NACIONAL SAN LUIS

GONZAGA DE ICA
ESCUELA DE POSGRADO

PROYECTO DE TESIS
DESARROLLO DE UN CONTROL
PREDICTIVO ROBUSTO BASADO EN
MODELOS CON LIMITADOR DE
INCERTIDUMBRE DE DATOS, APLICADO
A LA RED DE AGUA POTABLE DE LA
CIUDAD DE ICA - PERÚ
PARA OPTAR EL GRADO ACADÉMICO DE DOCTOR
EN GESTIÓN AMBIENTAL

FIDEL HUMBERTO ANDÍA GUZMÁN

Ica, 2017
PERU
 INDICE
INTRODUCCIÓN v

CAPÍTULO I
PROBLEMA DE INVESTIGACIÓN
1.1. SITUACIÓN PROBLEMÁTICA 6
1.2. FORMULACIÓN DEL PROBLEMA 7
1.2.1. Problema general 7
1.2.2. Problemas específicos 7
1.2.3. Delimitación del problema estudiar 6
1.3. JUSTIFICACIÓN E IMPORTANCIA 9
1.3.1. Justificación 9
1.3.2. Importancia 13

CAPÍTULO II
BASES TEÓRICAS
2.1. ANTECEDENTES DEL ESTUDIO 14
2.1.1. Antecedentes Internacionales 15
2.1.2. Antecedentes Nacionales 14
2.1.3. Antecedentes Locales
2.3. MARCO TEÓRICO 22
2.3.1. Consideraciones básicas del control óptimo 22
2.3.2. Generalidades del control robusto 22
2.3.3. Horizonte del control óptimo 23
2.3.4. El control predictivo basado en modelos (MPC) 24
2.3.5. Incertidumbre en el control predictivo MPC 29
2.3.6. La técnica del limitador de incertidumbre de datos (BDU) 30
2.3.7. Sistema de abastecimiento de agua 31
2.5. MARCO CONCEPTUAL 34
2.2. MARCO FILOSÓFICO 19
2.2.1. Fundamentación ontológica 19
2.2.2. Fundamentación metodológica 20
2.2.3. Fundamentación epistemológica 20
2.4. MARCO NORMATIVO 33

CAPÍTULO III
HIPÓTESIS Y VARIABLES
3.1. HIPÓTESIS 38
3.1.1. Hipótesis General 38
3.1.2. Hipótesis especificas 38
3.2. VARIABLES 39
3.2.1. De la hipótesis general 39
3.2.2. De las hipótesis específicas 39
3.3. OPERACIONALIZACIÓN DE VARIABLES 39

CAPÍTULO IV
OBJETIVOS
4.1. OBJETIVO GENERAL 8
4.2. OBJETIVOS ESPECÍFICOS 8

CAPÍTULO V
ESTRATEGIA METODOLÓGICA
5.1. TIPO, NIVEL Y DISEÑO DE LA INVESTIGACIÓN 41
5.1.1. Tipo de Investigación 41
5.1.2. Nivel de la Investigación 41
5.1.3. Diseño de la Investigación 42
5.2. POBLACIÓN Y MUESTRA 43
5.3. TÉCNICAS DE RECOLECCIÓN DE INFORMACIÓN 45
5.4. INSTRUMENTOS DE RECOLECCIÓN DE INFORMACIÓN 45
5.5. TÉCNICAS DE ANÁLISIS E INTERPRETACIÓN DE DATOS 45

CAPÍTULO VI
MATRIZ DE CONSISTENCIA

CAPÍTULO VII
FUENTES DE INFORMACIÓN
REFERENCIAS BIBLIOGRÁFICAS 49

iii
 CAPÍTULO VIII
CRONOGRAMA
8.1. CONTROL Y EVALUACIÓN DEL PROYECTO DE INVESTIGACIÓN. 46

CAPÍTULO IX
PRESUPUESTO
9.1. PRESUPUESTO DE GASTOS 47
9.2. FINANCIAMIENTO 47

CAPÍTULO X
ANEXOS
10.1. Esquema tentativo de la Tesis 55
10.2. Modelo de Consentimiento Informado 58
10.3. Modelo cuestionario de encuesta 60
10.4. Modelo cuestionario de entrevista 62

iv
 INTRODUCCIÓN

El ahorro de agua se ha convertido en una de las principales preocupaciones a nivel

mundial, ya que tiene un gran impacto tanto en la economía como en el medio
ambiente. Gobiernos de multitud de países están tomando acciones dirigidas a
reducir la dependencia del agua subterránea. El estado en su política N° 33 destaca
el compromiso de “cuidar el agua como patrimonio de la Nación y como derecho
fundamental de la persona humana el acceso al agua potable”; así como su gestión,
conservación y aprovechamiento eficiente; estableciendo como uno de sus objetivos:
impulsar la investigación, desarrollo e innovación y su difusión a través de la sinergia
entre academia, empresa, Estado y otros en la gestión y aprovechamiento de los
recursos hídricos.

El objetivo principal de la investigación es diseñar un sistema de control óptimo

robusto aplicado a una red de distribución de agua potable para el uso eficiente en
ciudades con stress hídrico – como la ciudad de Ica – que limite el derroche y se
adapte a las condiciones cambiantes del entorno; utilizando técnicas avanzadas de
aprendizaje automático para crear un modelo matemático coherente mediante el
análisis de conjuntos de datos recogidos de los dispositivos y sensores de campo
que serán instalados en un prototipo experimental. El modelo elegido en este caso
para el ajuste de los coeficientes del controlador óptimo es el control predictivo
basado en modelos (MPC) combinado con un solucionador de problema de
optimización min-max usado para estructurar la incertidumbre con limitación de datos
(BDU)
 CAPÍTULO I
PROBLEMA DE LA INVESTIGACIÓN.

1.1 SITUACIÓN PROBLEMÁTICA

Uno de los efectos del cambio climático es sin duda las prolongadas sequías
que vienen sufriendo cada vez más regiones del planeta, aumentando la
escasez de agua, especialmente el de consumo humano. Los gobiernos se
esmeran en desarrollar grandes proyectos para dotar de agua a las grandes
ciudades, como son la construcción de represas, derivación de ríos alejados
con los costos que esto acarrea y, la desalinización de agua de mar.

Para el estudio se tomado la ciudad de Ica, situada en la costa sur del Perú,
a 300 Kilómetros de la capital del país, en medio del desierto, a casi 60
kilómetros del océano pacífico; ubicada a 14º 04’ 00” de Latitud Sur, a 75º 43’
24” de Latitud Oeste, y a una altura de 406 m.s.n.m. Su clima es cálido y seco
con una temperatura media de 27 grados centígrados en verano, en invierno
puede descender hasta 5 grados centígrados.

La dotación de agua para el consumo de agua es a través de explotación de

pozos administrados por la Empresa Municipal de Agua Potable (EMAPICA),
que se está agotando debido también, a la sobreexplotación del agua
subterránea por parte de las empresas agroexportadoras propietarias de la
mayor cantidad de pozos. Recientemente, se ha ejecutado el proyecto de
galerías filtrantes que trae agua de una fuente natural subterránea ubicada a
15 kilómetros de la ciudad de Ica, en el distrito de Los Molinos; pero que de
no gestionarse adecuadamente se agotará en menos de 10 años. Como parte
del proyecto de mejoramiento del servicio de agua potable y para regular el
consumo, se han instalado inicialmente 16,000 micromedidores de flujo de
agua y se pretende beneficiar a 173,000 habitantes, pero los inconvenientes
encontrados en el periodo de prueba se resumen en valores excesivos de
consumo y por tanto incremento en el costo de facturación a los usuarios,
altos niveles de cloro, fugas, etc. y por tanto, malestar y reacciones adversas
en la población.
 Asimismo, no se cuantifica ni se adopta medidas adecuadas para limitar el
consumo excesivo, las fugas, las pérdidas y el derroche del vital líquido, por
falta de una por falta de una cultura de uso y un sistema de control óptimo
moderno y robusto que tome en cuenta las deficiencias indicadas y las
minimice, de manera que se beneficie tanto el usuario como la empresa
prestadora del servicio y fundamentalmente, cautelar el buen uso del recurso
hídrico y consecuentemente, del medioambiente. Por tal razón, la
investigación busca desarrollar un modelo de control óptimo predictivo basado
en modelos con limitador de incertidumbre de datos MPC-BDU, con fines
limitar y optimizar el recurso hídrico de uso humano, impactando
positivamente en el medioambiente.

1.2 FORMULACIÓN DEL PROBLEMA.

1.2.1. Problema general

¿Es posible desarrollar un sistema de control predictivo robusto

basado en modelos con limitador de incertidumbre de datos aplicado
a la red de agua potable de la ciudad de Ica?

1.2.2. Problemas específicos.

Primer problema.

¿De qué manera se establece los parámetros de diseño del sistema

de control predictivo robusto basado en modelos con limitador de
incertidumbre de datos (MPC – BDU) aplicado a la distribución de agua
potable?

Segundo problema

¿Se podrá desarrollar el algoritmo matemático – computacional del

control predictivo robusto basado en modelos con limitador de

7
 incertidumbre de datos (MPC – BDU) en función de las características
del proceso de distribución de agua potable de Ica?

Tercer problema

¿En qué medida el control MPC – BDU diseñado, mejora el índice de

optimización del proceso de distribución de agua potable en Ica,
comparado con un control clásico?

1.2.3. Delimitación del Problema.

Para la investigación, previa solicitud de la empresa prestadora de

servicios de agua potable EMAPICA S.A. y; con el fin de construir el
modelo representativo de la red se monitoreará el consumo en un
conjunto habitacional y se recogerá datos por un periodo de 6 meses,
eligiéndose para ello la urbanización Residencial San Carlos que
cuenta con pozo de agua, reservorio, aproximadamente 800 viviendas,
4 parques y una piscina privada. El pozo viene recibiendo agua
reinyectada desde la línea proveniente de las galerías filtrantes.

Con los datos de consumo recogidos, se utilizará técnicas de

identificación de sistemas que se sustenta en la estadística, a fin de
elaborar distintos modelos dinámicos que represente a la red de
distribución de agua potable y escoger de ellos el de mejor
comportamiento.

Este modelo será contrastado con un modelo experimental obtenido

desde un módulo de laboratorio construido especialmente de manera
que represente a la red de distribución de agua potable. Este módulo
debe contar con líneas de red, además de sensores, actuadores,
tarjeta de adquisición de datos, y unidad de cómputo etc.; que simule
las condiciones de la red de agua, tomándose datos de consumo
durante un periodo razonable y situaciones preestablecidas,
simulando las condiciones extremas de consumo.

8
 Una vez contrastado el modelo de la red y realizado los ajustes
necesarios, se procederá a construir el control predictivo basado en
modelos con limitador de incertidumbre de datos usando para ello
técnicas de inteligencia artificial basado en redes neuronales,
apoyados con el programa MATLAB.

Luego, se simulará en el módulo experimental, tanto el modelo

diseñado como el modelo de contraste de control proporcional e
Integral – PI clásico y realizar las comparaciones pertinentes y verificar
con ello si nuestro modelo alcanza un óptimo mayor en comparación
con un control PI clásico.

1.3 JUSTIFICACIÓN E IMPORTANCIA

1.3.1 Justificación

a. Justificación Legal

La presente investigación tiene justificación legal en:

 La Constitución Política del Perú, Título I, capítulo I de los

derechos fundamentales de la persona, artículo 2° y numeral
22. También en el Título IV, capítulo II de ambiente y recursos
naturales, artículos 66° y 67°.
 La Política de Estado N° 33: Política de Estado sobre los
recursos hídricos, aprobado por el Acuerdo Nacional (AN) el
14 de agosto del 2012.
 La Política y Estrategia Nacional de los Recursos Hídricos,
aprobado mediante el Decreto Supremo N° 006-2015-
MINAGRI.
 La Ley N° 29338, Ley que regula el uso y gestión de los
recursos hídricos.

9
  DS N° 031-2010-SA, Reglamento de la calidad de agua para
consumo humano, título VIII, capítulo I, II y III.

b. Justificación Teórica

El control óptimo robusto tiene una filosofía de diseño similar a la

del control clásico, el cual se “fundamenta en el análisis y síntesis
utilizando métodos frecuenciales”. Lo novedoso de las técnicas de
control robusto es proponer métodos de diseño que permitan la
síntesis de controladores realmente multivariables, tomando en
cuenta la incertidumbre de señal y de modelamiento. Una de las
desventajas de dichas técnicas es la alta complejidad matemática,
tanto en diseño como en implementación.

Hoy en día existen herramientas que facilitan la implementación

de controladores robustos en aplicaciones industriales de alta
complejidad, aumentando el número de aplicaciones exitosas
documentadas en las últimas dos décadas; una de ellas sin duda
es el Control Predictivo basado en modelos, más conocida por sus
siglas en inglés MPC (Model Predictive Control), en combinación
con el limitador de incertidumbre de datos (BDU).

c. Justificación Tecnológica

La implantación del control óptimo robusto traerá consigo una

mayor eficiencia en el servicio de agua potable en Ica.

Se planteará la necesidad de automatizar y monitorizar el servicio

con instalación de sensores y alarmas que contribuyan a
minimizar las pérdidas y el derroche ya sea por deterioros en el
sistema, malos hábitos de uso, influencia del clima, entre otros.

El solo hecho de implementar un sistema de control y monitoreo,

dará oportunidad laboral de profesionales especializados y la

10
 capacitación de los existentes en nuevas tecnologías de la
automatización, la electrónica, la informática y las
comunicaciones.

d. Justificación económica

El derroche y la falta de un control eficiente del consumo de agua

se reflejan en el costo de facturación del servicio y en los costos
de operación del sistema, por tanto, afecta directamente tanto, a
la economía del usuario como a la empresa prestadora del
servicio. Por lo que un control óptimo robusto busca el uso
eficiente del recurso, minimizar el gasto y reducir el costo del
servicio, en consecuencia, un ahorro económico importante para
el poblador y la empresa.

e. Justificación social

El área del proyecto de mejoramiento de la red de agua potable

de Ica mediante las galerías filtrantes; comprende el distrito de Ica
y determinadas áreas periféricas o sectores pertenecientes a los
Distritos de Subtanjalla, San Juan Bautista, La Tinguiña y
Parcona.

De acuerdo al Censo de Población y Vivienda realizado por el

Instituto Nacional de Estadística e Informática (INEI) en el año
2007, la provincia de Ica cuenta con una población de 321,332
habitantes. La población urbana está concentrada
fundamentalmente en el distrito de Ica con 125,189 habitantes y
los centros poblados de Parcona, La Tinguiña, Subtanjalla y
Guadalupe.

Tabla 1: Población total de la provincia de Ica y por distritos

PROVINCIA y DISTRITOS TOTAL GÉNERO
Hombres Mujeres
Provincia Ica 321 332 157 232 164 100
Ica 125 189 60 729 64 460

11
 La Tinguiña 30 902 15 050 15 852
Los Aquijes 16 298 8 065 8 233
Ocucaje 3 639 1 866 1 773
Pachacutec 6 000 2 926 3 074
Parcona 50 349 24 336 26 013
Pueblo Nuevo 4 588 2 254 2 334
Salas 17 973 9 253 8 720
San José de Los Molinos 6 070 2 983 3 087
San Juan Bautista 12 430 6 069 6 361
Santiago 23 657 11 871 11 786
Subtanjalla 19 019 9 249 9 770
Tate 4 101 2 006 2 095
Yauca 1 117 575 542
Fuente: Censo de Nacional de Población y Vivienda. INEI. 2007.

Respecto a los programas sociales, en el documento “La

Provincia de Ica: Información para el Desarrollo Humano” (PNUD,
2004) y el documento Cifras para la Descentralización (PNUD,
2008), se hace referencia a lo siguiente:

“De los servicios básicos requeridos para la adecuación de la

vivienda, el de mayor desarrollo en su cobertura es el alumbrado,
puesto que inclusive en área rural de la provincia se encuentra
una cobertura superior al 70 %.”

“En el caso del agua, la cobertura por red pública dentro de la

vivienda del centro provincial es del 83%, y en el resto de distritos
de la ciudad del 76%, lo cual indica, que en el conjunto de la
ciudad alrededor de 14,000 personas se proveen agua por otros
medios, principalmente pilones públicos. El agua para la vivienda
en el sector rural en cambio, es principalmente de pozo, casi 50%,
antes que de red a domicilio, pero el impacto poblacional es
menor, por la baja proporción rural de la provincia.”

“En el caso del servicio de desagüe y en especial el servicio

higiénico, el déficit son más altos para todos los estratos de
población y más desiguales entre sí. La provincia de Ica tiene una
cobertura del 58%. La alternativa al servicio higiénico de inodoro
en el interior de la vivienda, conectado a una red pública, es el

12
 pozo ciego o la letrina, adoptado en 12% de los hogares en el
distrito de Ica, el 37% en el área urbana de otros distritos de la
provincia y el 50% del área rural provincial.”

La vivienda no es un problema en la Provincia de Ica. Esto se basa

en el hecho que solamente el 10% de las viviendas es alquilada y
el 90% son viviendas propias o cedidas por familiares. También
se sabe que el 95% de estas viviendas son independientes, es
decir, con frente a las calles y habitadas por un solo grupo familiar.
La progresión urbana, sin embargo, hace variar este patrón. En el
caso del distrito de Ica, el casco central de la ciudad, tiene ya 15%
de viviendas alquiladas y 90% de independientes.

f. Justificación práctica

En la práctica se modelará el sistema en base a la metodología

de cálculo de la red de distribución de agua establecido en el
expediente técnico del proyecto de ampliación de la red de agua
potable de Ica. Se desarrollará la plataforma en lenguaje de
programación MATLAB, incorporando el modelo de control tanto
el control predictivo como el modelo de restricción de
incertidumbres BDU. Los parámetros o pesos se obtienen tanto
de las mediciones experimentales y de campo como de la
medición de impacto en la población que cuenta con servicio de
agua potable.

Finalmente se validará el experimento y se obtendrá los

resultados de la investigación propuesta.

1.3.2 Importancia

En la práctica se modelará el sistema en base a la metodología de

cálculo de la red de distribución de agua establecido en el expediente
técnico del proyecto de ampliación de la red de agua potable de Ica.

13
Se desarrollará la plataforma en lenguaje de programación MATLAB,
incorporando el modelo de control tanto el control predictivo como el
modelo de restricción de incertidumbres BDU. Los parámetros o pesos
se obtienen tanto de las mediciones experimentales y de campo como
de la medición de impacto en la población que cuenta con servicio de
agua potable.

Finalmente se validará el experimento y se obtendrá los resultados de

la investigación propuesta.

14
 CAPÍTULO II
BASES TEÓRICAS

2.1 ANTECEDENTES DEL ESTUDIO

2.1.1 Antecedentes Nacionales

Buscando en la literatura existente, luego de una exhaustiva búsqueda

a través de la base de datos Science Direct de Elseiver, el repositorio
ALICIA de CONCYTEC y los repositorios digitales de las principales
universidades nacionales que cuentan con secciones de postgrado en
control y automatización, desde el año 2011 a la fecha; no se ha
encontrado trabajos donde se aplica esquemas o métodos que
corresponde a sistemas de control óptimo robusto a la distribución de
agua potable en el Perú.

A continuación, se muestra un antecedente nacional de un sistema de

control neuro-difuso aplicado a la distribución de agua para riego.

E. M. Calderón Mendoza,en su trabajo de tesis: “Desarrollo de un

Sistema de Control Neuro-Difuso de la distribución de agua en un
tramo de un canal principal de riego”, sustentado el 2014 en la
Pontificia Universidad Católica del Perú; concluye que: La robustez del
sistema de control NDPS (Controlador Neurodifuso con predictor de
Smith), “es tolerante hasta un rango máximo de+/- 20% de la variación
de parámetros internos y +/- 5% de la variación de retardo” [1];
presentando mejor performance en comparación con un controlador
PI con predictor de Smith. Pasados estos límites se necesitaría de un
mecanismo adicional adaptativo que incluya la estimación en línea de
los parámetros de la planta permitiendo su autoajuste. Esto permitiría
ampliar el rango de operatividad del controlador NDPS propuesto. La
variación de parámetros internos siempre estará presente en la
dinámica de la planta estudiada, debido a los distintos regímenes de
 descarga bajo diferentes condiciones de explotación del recurso
hídrico.

2.1.2 Antecedentes Internacionales

J. C. Salazar, P. Weber, R. Sarrate, D. Theilliol y F. Nejjari; en el

artículo: “MPC design based on a DBN reliability model: Application to
drinking wáter networks” o “Diseño MPC basado en un modelo de
fiabilidad DBN: Aplicación a redes de agua potable”, publicado el 2015
en la revista científica de la IFAC; concluyen que: En este trabajo se
ha propuesto y probado un esquema MPC (Modelo de control
predictivo) confiable en un estudio de caso DWN (Red de distribución
de agua potable). “Se utiliza el modelo DBN (Red Dinámica
Bayesiana) para definir los pesos de DWN en la función de costo
multiobjetivo” [2]. Se han propuesto dos asignaciones de peso. En el
primer enfoque, la fiabilidad de los componentes está dirigida,
mientras que en el segundo enfoque la fiabilidad del sistema está
enfocada. Se ha demostrado que centrarse en la fiabilidad de los
componentes no garantiza la mejor fiabilidad del sistema, que era el
objetivo final. Con el fin de preservar la fiabilidad del sistema tanto
como sea posible, su sensibilidad a la fiabilidad de los componentes
debe tenerse en cuenta preferentemente. El cálculo analítico de esta
sensibilidad no es trivial, pero un modelo DBN puede proporcionarlo
fácilmente. El cálculo analítico necesita un modelo del sistema y el
DBN ofrece la posibilidad de calcularlo a través de la inferencia. En
este trabajo se ha considerado un modelo de tiempo discreto lineal del
DWN. Si se consideró un modelo no lineal de la DWN, se podría aplicar
la misma metodología siempre que se usara MPC no lineal.

A. Ciminski y K. Duzinkiewicz; en el artículo: “Optimized robust model

predictive control - application to drinking wáter distribution systems
hydraulics” o “Modelo de Control óptimo robusto predictivo - aplicación
a sistemas hidráulicos de distribución de agua potable”; publicado el
2012 en la revista de la IFAC, concluyen que: En este trabajo, se

16
presentó un algoritmo MPC robustamente factible basado en la
tecnología de zonas de seguridad. “Se presentaron funciones simples
de zonas de seguridad, predicción de salida robusta y siete SGO
(Operadores genéticos especializados) para mejorar la eficiencia del
solucionador de tareas de control” [3]. La SZF (función región de
certeza) aplicado, aumenta la eficiencia del esquema de iteración de
MPC viable y robusto. El algoritmo DWDS altamente no lineal
presentado se ha aplicado a gran escala a la ciudad de Chojnice.

C.Heracleous, Z. Zinonos y C. G. Panayiotou; en el artículo: “Water

Supply Optimization: An IPA Approach” o “Optimización de suministro
de agua: un enfoque IPA”, publicado el 2014 en la revista científica de
la IFAC, concluyen que: En este trabajo hemos adoptado el modelo
autómatas híbridos estocásticos para modelar el suministro de agua
de una empresa de servicios de agua. “Se introdujo una norma límite
para decidir cuándo se debe activar la fuente de costo más alto” [4]. El
análisis de la perturbación infinitesimal (IPA) junto con la aproximación
estocástica se utilizó para optimizar dinámicamente los parámetros de
la norma límite. En el futuro, planeamos investigar a la norma límite
con funciones diferentes, así como diferentes funciones de costos, por
ejemplo, con múltiples fuentes.

Vu Nam Tran y Mietek A. Brdys; en el artículo: “Softly Switched

Robustly Feasible Model Predictive Control for Nonlinear Network
Systems” o “Modelo de control predictivo robusto para facilitar el
control de sistemas de redes no lineales”, publicado el 2013 en la
revista de la IFAC, concluyen que: El documento ha propuesto el SS-
RFMPC para sistemas de redes no lineales. En el caso de una
conmutación complicada, se ha propuesto un algoritmo para permitir
el cambio de un RFMPC a otro lo más rápido posible. “El controlador
SS-RFMPC (Modelo de control predictivo de realización robusta,
suavemente conmutable) se ha aplicado con éxito al ejemplo DWDS”
[5] y se han presentado los resultados de la simulación.

17
Cong Cong Sun, Vicenc Puig y Gabriela Cembrano; en el artículo:
“Combining CSP and MPC for the Operational Control of Water
Networks Application to the Richmond Case Study“ o “Combinación de
CSP y MPC para la Aplicación de Control de Operaciones de Redes
de Agua al Estudio de Caso Richmond”, publicado el 2014 en la revista
de la IFAC; concluyen que: Este trabajo verifica la “metodología lineal
MPC para resolver problemas no lineales en DWNs con la cooperación
de CSP (Problema de compensación de restricciones)” [6]. La
metodología controla con éxito el modelo de control no lineal en DWNs
de una manera lineal. La red de distribución de agua de Richmond se
ha utilizado como estudio de caso y PLIO (herramienta operacional
genérica basado en no linealidad) se ha utilizado para comparar y
verificar los resultados, mientras que Epanet se ha utilizado como
simulador de red de agua. La comparación de resultados entre PLIO y
CSP-MPC verifica que el esquema de control CSP-MPC no sólo es
factible, sino también genera un tiempo de cálculo superior al complejo
problema hidráulico no lineal en DWNs.

R. Toro, C. Ocampo-Martínez, F. Logist, J. Van Impe y V. Puig; en el

artículo: “Tuning of Predictive Controllers for Drinking Water
Networked Systems” o “Ajuste de controladores predictivos para
sistemas de red de agua potable”, publicado el 2011 en la revista
electrónica de la IFAC; concluyen que: Al revisar los resultados, se
pueden resaltar las siguientes observaciones: el estudio de los
métodos basados en la idea de restricciones normalizadas ha sido útil
para encontrar un esquema de normalización efectivo y robusto para
las funciones objetivo. “Las principales ventajas del NWS (Suma
ponderada normalizada) son que el problema MOO (optimización
multiobjetivo) permanece convexo y, por lo tanto, el tiempo de
respuesta es menor” [7]. En la primera simulación de DM (la toma
decisiones), se observa que el mejor resultado es el que se obtiene
con el mejor equilibrio entre los objetivos (utilizado como referencia
para las métricas de desempeño). Se puede obtener un mejor
resultado económico, pero la suavidad se sacrifica. Este es un

18
comportamiento típico de problemas de optimización multiobjetivo. La
estrategia de ajuste de MPC basada en histograma ha demostrado
funcionar, y puede utilizarse sin problemas como punto de partida para
la afinación empírica. La estrategia de ajuste MPC basada en modelos
muestra los mejores resultados. Las dos estrategias de ajuste MPC
presentadas se pueden clasificar como explícitas, ya que dan los
factores de ponderación de manera explícita. Es importante resaltar
que un cálculo en línea compatible de Pareto, como ENNCP (Pseudos
puntos de anclaje de las restricciones normales estandarizadas
mejoradas) o NWS, junto con el algoritmo DM, constituye una
estrategia de ajuste MPC implícita, ya que una solución MPC que se
ajusta a los criterios de gestión se selecciona en cada momento de
muestreo, sin un cálculo explícito de los factores de ponderación MPC.

C. Ocampo-Martínez, V. Puig y S. Bovo; en el artículo: “Decentralised

MPC based on a Graph Partitioning Approachapplied to the Barcelona
Drinking Water Network“ o “MPC descentralizado basado en un
enfoque de partición gráfica aplicado a la Red de Agua Potable de
Barcelona”, publicado el 2011 en la revista electrónica de la IFAC;
concluyen que: En este trabajo se ha presentado la aplicación de un
enfoque prototipo DMPC (Control predictivo basado en modelo
descentralizado) de tipo jerárquico a la DWN de Barcelona. Para
aplicar esta estrategia de control, la red se divide en subsistemas
mediante el uso de un nuevo algoritmo de descomposición automática
basado en el particionado de gráficos. El esquema DMPC de tipo
jerárquico debe considerarse ya que “la descomposición DWN
resultante determina un conjunto de subsistemas que no pueden
agruparse en diferentes niveles, de modo que el flujo de información
sea unidireccional desde ramas a niveles jerárquicos superiores y a
niveles inferiores” [8]. Este hecho implica que no puede ser
considerarse un enfoque puramente jerárquico DMPC. Una
comparación con un enfoque CMPC (Control predictivo basado en
modelos centralizado) muestra que el nivel de sub-optimalidad en los
costos económicos es aceptable teniendo en cuenta la reducción

19
 resultante en la carga computacional. Como investigación futura, el
enfoque jerárquico propuesto, que aborda los bucles entre niveles de
una manera heurística, debe ser investigado con el fin de evaluar el
grado de suboptimalidad introducido, así como cómo se conservan las
características de viabilidad y estabilidad.

2.2 MARCO FILOSÓFICO

En cualquier campo del conocimiento humano, el hombre constituye el

objetivo de todas las ciencias, siendo dirigido hacia el mayor
perfeccionamiento y bienestar de la humanidad, en consecuencia, toda
educación debe estar inspirada en una concepción del hombre y su
relación con su actividad, vida y conducta.

Por tratarse de la optimización de un recurso natural como es el agua y

su uso racional para el consumo humano, esta investigación se enmarca
en tres ejes filosóficos como son: lo ontológico sobre la concepción del
ser humano y su compromiso con la protección del medio ambiente y los
recursos naturales, para el uso racional y responsable de estos recursos
y la sostenibilidad. En lo metodológico, aplicando nuevos métodos y
técnicas para el control óptimo y robusto de la distribución del agua para
el consumo humano. En lo epistemológico, que fundamenta los principios
doctrinarios que toda investigación debe tener y que se concibe en el
“cómo debe de ser” la solución al problema objeto de investigación.

2.2.1 Fundamentación ontológica

El ser humano es un ser social por naturaleza, para subsistir y

desarrollarse necesita vivir con otros hombres dentro de una
comunidad por ello pasa su vida en compañía de otros seres
humanos organizándose y agrupándose en naciones, estados,
ciudades, pueblos comunidades y caseríos interactuando en el
trabajo, el comercio y otras actividades.

20
 El ser humano a diferencia de otras especies combina la
sociabilización con cambios intencionados en el comportamiento
de su organización socia en el tiempo, en consecuencia, las
conductas sociales del ser humano difieren de un lugar a otro de
una cultura a otra cultura así, como de una era a otra era.

2.2.2 Fundamentación metodológica

La fundamentación metodológica, se refiere al “universo del hacer”

para desarrollar nuevas tecnologías que permitan optimizar el uso del
recurso agua mediante un mecanismo de control robusto que minimice
aún más los efectos de perturbaciones e incertidumbres, que
perfeccione la determinación de los parámetros del controlador, que
incorpore actitudes y uso de las personas al control predictivo robusto
MPC – BDU.

En esta investigación transversal, correlacional, cuantitativa,

experimental y no experimental; considera la necesidad de medir tanto
parámetros físicos como caudal, presión, volumen y pérdidas;
también, parámetros como nivel de satisfacción de los usuarios. Para
ello los métodos y técnicas deben ser los adecuados.

Entiéndase que la metodología forma parte indivisible de toda

investigación, por lo tanto, puede entenderse a la metodología como
el conjunto de procedimientos que determinan una investigación de
tipo científico o marcan el rumbo de una exposición doctrinal.

2.2.3 Fundamentación epistemológica

El sustantivo epistemología o gnoseología está compuesto por la

unión de dos palabras griegas, episteme que se refiere al
“conocimiento o ciencia” y logos como “discurso”, concluyentemente,
el fundamento epistemológico concierne al “universo del conocer”.

21
El control automático de procesos es una de las disciplinas que se ha
desarrollado a una velocidad vertiginosa, dando las bases a lo que hoy
algunos autores llaman la segunda revolución industrial. El uso
intensivo de las técnicas del control automático de procesos tiene
como origen la evolución y tecnificación de las tecnologías de
medición y control aplicadas al ambiente industrial.

La eliminación de errores y un aumento en la seguridad de los

procesos es otra contribución del uso y aplicación de esta técnica de
control. En este punto es importante destacar que anterior a la
aplicación masiva de las técnicas de control automático en la industria,
era el hombre el que aplicaba sus capacidades de cálculo e incluso su
fuerza física para la ejecución del control de un proceso o máquina
asociada a la producción.

Entiéndase que el control automático es el “mantenimiento de un valor

deseado para una cantidad o condición física, midiendo su valor
actual, comparándolo con el valor referencia, y utilizando la diferencia
para proceder a reducirla mediante una acción correctiva. En
consecuencia, el control automático exige un lazo cerrado de acción y
reacción que funcione sin intervención humana”.

El uso de las computadoras digitales ha posibilitado la aplicación en

forma óptima del control automático a sistemas físicos que hace
algunos años atrás eran imposibles de analizar o controlar. Uno de
estos avances está dado por la aplicación de las técnicas de control
difuso, aplicaciones con redes neuronales, simulación de sistemas de
control y sistemas expertos entre otros.

En el control moderno, existen ahora diversos tipos como control

adaptativo, control robusto, control óptimo, control predictivo, entre
otros. En nuestro caso, tratamos con un control predictivo basado en
modelos, una técnica de ajuste de parámetros del controlador cuya
aplicación está en fase de estudio.

22
2.3 MARCO TEÓRICO

2.3.1. Consideraciones básicas del control óptimo

Se considera que un sistema de control es óptimo, “si los valores de

los parámetros se eligen de modo que el índice de desempeño elegido
es mínimo o máximo, según sea el caso” [9]. En diversas obras sobre
la materia, se proponen diversos índices de error de desempeño, entre
ellas tenemos el criterio integral de error cuadrático (ICE), criterio del
producto de error cuadrático por tiempo (ITEC), criterio integral de
error absoluto (IAE), criterio integral del producto de error absoluto por
tiempo (ITEA), entre otros; cabe indicar que el más utilizado es el
primero. “Para que un índice de desempeño resulte útil, siempre debe
ser un número positivo o cero… entonces el mejor índice se define
como aquel que minimiza este índice” [10].

2.3.2. Generalidades del control robusto

En muchas aplicaciones de sistemas de control, el sistema diseñado

no sólo debe satisfacer las especificaciones de amortiguamiento y
exactitud, sino también debe producir un desempeño que sea robusto
o insensible a perturbaciones externas y variaciones de parámetros.
Por otro lado, El control robusto, “abarca todos aquellos problemas
que se caractericen por considerar incertidumbres en el modelo que
sean tolerables por un controlador fijo lineal e invariante en el tiempo”
[11]. En general, “la estrategia de diseño es seleccionar un controlador
adecuado para que la respuesta del sistema sea insensible a la
perturbación…” [12].

El control de sistemas con incertidumbres entra dentro del campo de

estudio de la disciplina conocida como Control Robusto. La década de
los ochenta se considera el período de desarrollo de dicha teoría,
pudiéndose destacar entre otros los desarrollos teóricos realizados

23
 durante este período: 1) Métodos H∞ (Zames y Francis, 1983; Doyle
et al, 1989) cuya idea original es encontrar una ley de control, K, que
atenúe la relación entre la energía del vector objetivo, z, y la energía
del vector de perturbaciones, w, siendo, γ, la atenuación conseguida
[13] [14]; 2) métodos LTR (Loop Transfer Recovery) (Doyle y Stein,
1981, Stein y Athans, 1987) que surgió como consecuencia del
objetivo de mejorar la robustez de los controladores basados en el
procedimiento Lineal Cuadrático Gaussiano (LQG), constituyendo
más adelante con su desarrollo en una metodología de diseño
sistemática y flexible para sistemas de control tanto escalares como
multivariables [15] [16]; 3) método de diseño IMC (Internal Model
Control) (Morari et al, 1989) esta estructura de control se basa en el
principio del IM donde el estado deseado de la variable controlada
puede ser alcanzado si el sistema de control encapsula, ya sea
implícita o explícitamente alguna representación del proceso a ser
controlado [17]; 4) métodos de Kharatinov (Barmish, 1993) es más
bien una herramienta de análisis de sistemas y no de diseño, En éste
se establece que, sin importar el orden del polinomio de intervalos a
analizar, la estabilidad de toda la familia de polinomios se reduce al
estudio de estabilidad de solo 4 polinomios especiales [18] [19]; 5)
método de Síntesis-μ (Balas et al, 1991) [20]; 6) método GPC
(Generalized Predictive Control) (Clarke et al,1989) [21]; 7) método
QFT (Quantitative Feedback Theory) (Horowitz, 1982) [22].

2.3.3. Horizonte del control óptimo

Hasta ahora en la teoría de los sistemas óptimos son dos las

direcciones que han obtenido el más amplio desarrollo.

“La primera dirección es la teoría del mando óptimo de movimiento

del sistema con información completa sobre el objeto y las
perturbaciones y la segunda, la teoría de mando óptimo en el caso de
perturbaciones aleatorias” [23].

24
 Figura 1: Planteamiento del problema de control [11]

2.3.4. El control predictivo basado en modelos (MPC)

El control predictivo basado en modelos (Model Predictive Control,

MPC) más que un controlador concreto es una metodología para el
cálculo de las acciones de control [24]. Su funcionamiento es sencillo
e intuitivo y cada vez es más popular tanto en el ámbito académico
como el industrial. La posibilidad de incorporar restricciones tanto en
las variables manipuladas como en las salidas, así como de trabajar
con sistemas multivariables y no lineales son razones que impulsan su
utilización [25].

25
Matemáticamente, el algoritmo de control consiste en resolver un
problema de optimización con restricciones que minimiza una función
objetivo, la cual incluye el error de desviación de la salida predicha
respecto de la referencia junto con el valor delos esfuerzos de control.
El resultado de esta optimización son las señales de control óptimas a
aplicar al proceso.

En el año 2000 Carlos Bordóns, estableció un diagrama sobre

expectativas y posibilidades técnicas del Control predictivo basado en
modelos (MPC) [26], siendo estos muy auspiciosos.

Figura 2: Expectativas y posibilidades técnicas

En la figura 3 se muestra la metodología planteada anteriormente y

que se describe con más detalle a continuación [24]:

26
 Figura 3: Concepto de horizonte móvil.

1) Predictor [24].

Basado en el modelo del proceso, es el encargado de calcular,

para cada instante t, las predicciones de la evolución dinámica del
proceso [𝑦(𝑡 + 1⁄𝑡), … , 𝑦(𝑡 + 𝑁⁄𝑡]2 a lo largo del horizonte de
predicción N, a partir de la información dinámica que se dispone
hasta ese instante y una ley de control postulada o futura
[𝑢(𝑡⁄𝑡), … , 𝑢(𝑡 + 𝑁⁄𝑡)], a lo largo del horizonte de predicción, tal y
como se muestra en la figura 4.

Figura 4: Predicción de la salida y señal de control postulada.

27
 En general este modelo consta de dos componentes (figura 5)

Figura 5: Estructura general de un modelo

Las diferentes posibilidades de modelar están basadas en:

- Respuesta ante un impulso

- Respuesta ante un escalón
- Función de transferencia
- Representación en espacios de estado
- Modelos de Volterra
- Modelos mediante redes neuronales
- Modelos Fuzzy

2) Función de costo [24].

Las futuras acciones de control se calculan de manera que

minimicen una determinada función de costo. La función de costo
asigna un valor a cada predicción y por tanto a cada ley de control
postulada. Este valor trata de mostrar el grado de cumplimiento de
las especificaciones estáticas y dinámicas compatibles con las
posibles restricciones de funcionamiento. Por ello, el objetivo
principal de la función de costo consiste en mantener la salida del

28
 proceso lo más cerca posible de una trayectoria de referencia
𝑤(𝑡 + 𝑘) que describe como se desea guiar dicha salida desde su
valor actual 𝑦(𝑡) hasta sus puntos de consigna futuros. La función
de costo adopta así generalmente la forma de una función
cuadrática de los errores entre la salida predicha y la trayectoria
de referencia. También en la mayoría de los casos suele incluir
algún término referente al esfuerzo de control.

En la teoría de control aparecen distintos indicadores y se pueden

englobar en dos grandes grupos:

a) Parámetros descriptivos de la evolución temporal de la

variable controlada, como es el error en régimen permanente,
el valor final, el tiempo de establecimiento, la sobreoscilación,
la frecuencia de las oscilaciones, el tiempo de crecimiento, etc.

b) Medidas de la desviación de la variable controlada respecto

de la referencia, que se puede plasmar con una expresión
general del tipo

∞
𝐼 = ∫ 𝑓(𝑟(𝑡), 𝑦(𝑡), 𝑡)𝑑𝑡
0

3) Optimizador [24].

Debe encontrar el vector de acciones de control que ofrece el

mejor valor de la función de costo. Generalmente en este proceso
de búsqueda, el optimizador realiza postulados de la ley de control
e iterativamente trata de acercarse a la ley de control óptima.
Además, si la función de costo que se define es cuadrática, el
modelo utilizado es lineal y no existen restricciones para ninguna
señal implicada, entonces es posible encontrar una solución
analítica para el problema de optimización. En caso contrario, es
necesario utilizar, en general, un método numérico de
optimización.

29
 4) Horizonte móvil [24].

Una vez calculada la secuencia de futuras acciones de control que

en ese instante hacen óptima la función de costo, se hace uso del
concepto denominado “receding horizon”.

Solamente se aplica como entrada al proceso 𝑢(𝑡⁄𝑡 ) la primera de

ellas, despreciando el resto, puesto que el siguiente instante 𝑡 + 1,
la salida 𝑦(𝑡 + 1) ya es conocida, y con esa nueva información se
repiten los puntos 1, 2 y 3, obteniendo de esta forma la señal de
control 𝑢(𝑡 + 1⁄𝑡 + 1) a aplicar en ese instante.

2.3.5. Incertidumbre en el control predictivo MPC

Una cuestión fundamental acerca del Control Predictivo Basado en

Modelos (MPC) es su robustez cuando se presenta incertidumbre en
el modelo y/o ante presencia de ruido. En general existen dos tipos
comunes de incertidumbre que son, incertidumbre estructurada y no
estructurada que se describen a continuación [24]:

1) Incertidumbre estructurada

Cuando se supone conocida la estructura del modelo y solamente

se desconocen los valores de los parámetros θ. En este caso se
debe definir con detalle el modelo nominal θ0 y establecer para
cada uno de sus parámetros el rango o intervalo de variación
admitido (incertidumbre paramétrica).

La incertidumbre paramétrica se suele modelar bien como

regiones acotadas de incertidumbre o bien como politopos (ver
figura 6).

30
 Figura 6: Descripción de la incertidumbre paramétrica para un
vector de parámetros de dimensión 2.

2) Incertidumbre no estructurada

Que representa a la dinámica no considerada por el modelo

elegido para el proceso. Habitualmente se representa en el
dominio de la frecuencia, considerando que la planta real
pertenece a una familia de posibles plantas que se encuentran en
las proximidades de un modelo nominal Σ0 , bien aditivamente Σ =
Σ0 + ΔΣ , o multiplicativamente Σ = Σ0 (1 + 𝛿Σ ), definiendo ΔΣ y
𝛿Σ regiones en el plano complejo en forma de discos, centrados en
los valores de la planta nominal Σ0 .

2.3.6. La técnica del limitador de incertidumbre de datos (BDU)

La técnica BDU (Bounded Data Uncertainties) [24] consiste en la

resolución de un problema de optimización min-max usado para
estructurar la incertidumbre. Es una técnica usada principalmente en
ámbitos como la identificación o filtrado y restauración de imágenes,
pero muy poco usada en control. Dicho problema trata de encontrar
̂ con las mejores prestaciones en el peor escenario
una solución 𝒙
posible dentro de una región acotada.

Matemáticamente el problema se escribe como:

31
 min max ‖[𝑨 + 𝛿𝑨]𝒙 − [𝒃 + 𝛿𝒃]‖2
𝒙 ‖𝛿𝑨‖2 ≤ 𝜂𝐴
‖𝛿𝒃‖2 ≤ 𝜂𝑏

Donde (A, b) sería el modelo nominal y [𝑨 + 𝛿𝑨]𝒙 − [𝒃 + 𝛿𝒃] sería el

modelo real perturbado, el cual no puede ser conocido, pues no se
conoce ni 𝛿𝑨 ni 𝛿𝒃, aunque si una cota superior de estas 𝜂𝐴 y 𝜂𝑏.

2.3.7. Sistema de abastecimiento de agua.

Por otro lado, los sistemas de abastecimiento de agua a una ciudad

[27] están formados por un entramado de tuberías conectadas entre sí
de forma muy diversa. La disposición final del sistema obedece a
multitud de cuestiones, entre las que prevalecen la capacidad de
garantizar el suministro adecuado, en términos de caudal y presión, y
las económicas. En líneas generales, las redes de distribución están
formadas por ramas, mallas y estructuras mixtas, que conectan los
diferentes nudos de la red mediante conductos que, a su vez, pueden
estar compuestos por otros en serie o en paralelo.

Las tuberías de una red de distribución pueden clasificarse, según su

función y diámetro como: principales o arterias, las de mayor diámetro
que alimentan el resto de conductos; secundarías, de menor diámetro
que las anteriores, que conducen el caudal hasta las tuberías de
distribución; éstas, que dan servicio a los edificios, y las acometidas,
o conjunto de tuberías y válvulas que conectan la red con las
instalaciones particulares interiores. Entre los componentes y
accesorios que se pueden encontrar en una red están las válvulas de
control, los reductores de presión, las ventosas o purgadores, los
desagües y diversos elementos de medida con o sin telecontrol. Las
normativas de instalación y uso que han de cumplir todos los
elementos de una red son las recomendadas por los fabricantes, las
cuales deberán ajustarse a la legislación vigente.

Los tipos más difundidos de redes de distribución son ramificadas y

mallada. La figura 7 muestra ambas topologías.

32
 Figura 7: Tipos de redes de distribución: ramificada y mallada.

Se prefiere la red mallada porque induce un mejor reparto de la

presión, no tiene agua estancada en ningún punto y ofrece mejores
garantías de suministro en caso de avería en un conducto. La red
ramificada es más barata y fácil de calcular.

Los depósitos de compensación exigen más atención a la hora de

seleccionar el grupo de bombeo, pues no regulan el consumo, pero
son en general más pequeños ya que no todo el caudal bombeado
pasa por ellos.

En ciudades de gran extensión, es conveniente instalar también

depósitos de cola al otro extremo para igualar las presiones de la red.

Figura 8: Instalación de depósitos de regulación (R) y

compensación (C) para la alimentación de una red de distribución
por gravedad.

33
 El caudal Q1 podría ser bombeado. Los depósitos de cola (E) son
alimentados del principal (P) o del de regulación. Las líneas
piezométricas jP y jV corresponden a la situación de trabajo en horas de
consumo (de caudal) punta y valle, respectivamente. Obsérvese, en la
figura anterior, que existe una altura piezométrica en el nudo “J” para
la que Q1=Q3, que es HJ=HC.

2.4 MARCO NORMATIVO

La Constitución Política del Perú, en el capítulo de los derechos

fundamentales de la persona, que “toda persona tiene derecho a gozar de un
ambiente equilibrado y adecuado al desarrollo de su vida”. Asimismo, en el
capítulo del ambiente y los recursos naturales se señala que “los recursos
naturales son patrimonio de la nación, que el Estado es soberano en su
aprovechamiento y que por ley orgánica se fijan las condiciones de su
utilización”.

La Política de Estado N° 33: Política de Estado sobre los recursos hídricos,

aprobado por el Acuerdo Nacional (AN) el 14 de agosto del 2012, señala entre
otros objetivos que el estado “Dará prioridad al abastecimiento de agua en
cantidad, calidad y oportunidad idóneas, a nivel nacional, para consumo
humano y para la seguridad alimentaria; asegurará el acceso universal al
agua potable y saneamiento a las poblaciones urbanas y rurales de manera
adecuada y diferenciada, con un marco institucional que garantice la
viabilidad y sostenibilidad del acceso e impulsará la investigación, desarrollo
e innovación y su difusión a través de la sinergia entre academia, empresa,
Estado y otros en la gestión y aprovechamiento de los recursos hídricos”.

Que la Política y Estrategia Nacional de los Recursos Hídricos, aprobado

mediante el Decreto Supremo N° 006-2015-MINAGRI; señala en el objetivo
específico del eje de política N° 1: gestión de la cantidad que es obligación
del estado: “… promover el uso eficiente de los recursos hídricos, de manera
que se establezca equilibrio de balances oferta y demanda de recursos

34
 hídricos armonizados a los múltiples usos del agua”. El indicado eje de política
en la estrategia de intervención 1.3 específica la obligación estatal en el
fomento del uso eficiente y sostenible del agua; siendo en algunos líneas de
acción: 1. Evaluar y establecer los parámetros de eficiencia, aplicable al
aprovechamiento de los recursos hídricos por tipo de uso; 2.Promover y
fomentar la investigación y la aplicación de tecnologías para el uso eficiente
del agua, con énfasis en los sectores menos eficientes; 3. Implementar
estructuras y mecanismos de medición y control con la participación de los
usuarios.

Que la Ley N° 29338, Ley que regula el uso y gestión de los recursos hídricos,
señala que es de interés nacional y necesidad pública la gestión integrado de
los recursos hídricos; regula el acceso de la población a las redes de agua
potable, establece restricciones para su uso, determina un régimen de
incentivos para los que coadyuven a la protección del agua, fija la certificación
de eficiencia a aquellos usuarios u operadores que diseñen, desarrollen o
implementen equipos, procedimientos o tecnologías que incrementen la
eficiencia en el aprovechamiento de los recursos hídricos; así como el
otorgamiento de premios u otros incentivos.

Que el DS N° 031-2010-SA, en el título VIII, capítulos I, II y III; establece las

condiciones del abastecimiento de agua para consumo humano y las
obligaciones tanto del proveedor como del consumidor.

2.5 MARCO CONCEPTUAL.

Agua Potable. - Se llama agua potable al agua dulce que tras ser sometida
a un proceso de potabilización se convierte en agua potable, quedando así
lista para el consumo humano como consecuencia del equilibrado valor que
le imprimirán sus minerales; de esta manera, el agua de este tipo, podrá ser
consumida sin ningún tipo de restricciones [28].

Algoritmo.- De acuerdo al diccionario de la Real Academia Española, se

define al algoritmo como. “Conjunto ordenado y finito de operaciones que

35
permite hallar la solución de un problema. Método y notación en las distintas
formas del cálculo” [29]. En sistemas de control: “Es una secuencia finita de
instrucciones completamente definidas, la cual, a partir de variables
confiables para un sistema, genera las variables de salida que se desean
obtener” [30].

Algoritmo de control.- Un algoritmo de control describe formalmente la

estrategia de control; en el caso más simple puede tener la forma de la
ecuación de un controlador. En general, un algoritmo realiza procesos de
cálculo en forma secuencial, de acuerdo con un esquema determinado [30].

Control.- Según el diccionario de la Real academia española (RAE) significa:

“regulación, manual o automática, sobre un sistema” [29]. En la teoría de
sistemas de control automático significa: medir el valor de la variable
controlada del sistema, y aplicar al sistema la variable manipulada para
corregir o limitar la desviación del valor medido, respecto al valor deseado [9].

Control óptimo.- Se considera sistema de control óptimo cuando sus

parámetros se ajustan de forma que el índice de funcionamiento alcanza un
valor extremo, comúnmente un valor mínimo. Para que un índice de
funcionamiento resulte útil, siempre debe ser un número positivo o cero [10].

Control Predictivo basado en modelos (MPC). - Constituye un campo muy

amplio de métodos de control desarrollados en torno a ciertas ideas comunes
e integra diversas disciplinas como control óptimo, control estocástico, control
de procesos con tiempos muertos, control multivariable o control con
restricciones. Se trata de un campo muy amplio de métodos de control
desarrollados en torno a ciertas ideas comunes. Estos métodos de diseño
conducen a controladores lineales que poseen prácticamente la misma
estructura y presentan suficientes grados de libertad [26].

Control clásico proporcional e integral (PI).- Es el controlador cuya

implementación consiste en alimentar el error (proporcional) más la integral
del error directa a la planta. Está compuesto por un término proporcional al

36
error, en paralelo con otro término proporcional a la integral del error. En
términos del algoritmo de control, se compone de un polo en el origen y un
cero cerca del polo [31].

Control clásico proporcional, integral y derivativo (PID).- Si se diseña un

controlador PD-activo seguido de un controlador PI-activo, el controlador
resultante se llama controlador proporcional más integral (PID). Este
controlador tiene dos ceros más un polo en el origen. Un cero y un polo en el
origen se pueden diseñar como controlador PI; el otro cero como controlador
PD [31].

Incertidumbre. - Se refiere a las diferencias o errores entre el modelo de la

planta y el sistema real. Se pueden clasificar como incertidumbres
estructuradas e incertidumbres no estructuradas. La incertidumbre
estructurada es cualquier variación paramétrica en la dinámica de la planta,
tales como variaciones en los polos y ceros de la función de transferencia de
la planta. Las incertidumbres no estructuradas incluyen incertidumbres
dependientes de la frecuencia, tales como modos de alta frecuencia que
normalmente se desprecian en el modelado de la dinámica de la planta [9].

Índice de funcionamiento.- Es una medida cuantitativa del funcionamiento

de un sistema y se elige de forma que resalte las especificaciones más
importantes del sistema [10].

Óptimo.- Según el diccionario de la real academia española: “Sumamente

bueno, que no puede ser mejor”, especialmente en lo que se refiere a las
condiciones o características de una cosa, por lo cual resulta muy difícil o
imposible encontrar algo más adecuado [29].

Parámetros.- Según el diccionario de la RAE significa: “Variable que, en una

familia de elementos, sirve para identificar cada uno de ellos mediante su valor
numérico” [29].

37
Perturbaciones.- Es una señal que tiende a afectar adversamente el valor de
la salida de un sistema. Si lo perturbación se genera dentro del sistema se la
denomina interna, mientras que una perturbación externa se genera fuera del
sistema y constituye una entrada [9]. Las perturbaciones actúan sobre un
sistema modificando, su funcionamiento por lo que su presencia implica la
necesidad de control.

Procesos.- El Diccionario Merriam-Webster define un proceso como una

operación o un desarrollo natural progresivamente continuo, marcado por una
serie de cambios graduales que se suceden unos a otros de una forma
relativamente fija y que conducen a un resultado o propósito determinados; o
una operación artificial o voluntaria que se hace de forma progresiva y que
consta de una serie de acciones o movimientos controlados,
sistemáticamente dirigidos hacia un resultado o propósito determinado.
Cualquier operación que se va a controlar [9].

Redes de Distribución.- Según la Norma Técnica en Edificaciones OS.050,

aprobado mediante DS N° 009-2009-VIVIENDA; define redes de distribución
como el: “Conjunto de tuberías principales y ramales distribuidores que
permiten abastecer de agua para consumo humano a las viviendas” [32].

Robusto.- 1) fuerte, resistente; 2) en teoría de control, dícese de un diseño

que tolera una cantidad (predeterminada a priori según su tamaño --norma--
y estructura) de error de modelado [33].

Sistema de Control robusto. - Una aproximación razonable para asegurar

que el controlador diseñado basado en un modelo funcionará adecuadamente
cuando se utilice con la planta real, consiste en asumir desde el comienzo que
existe una incertidumbre o error entre la planta real y su modelo matemático
e incluir dicha incertidumbre o error en el proceso de diseño del sistema de
control. El sistema de control diseñado basado en esta aproximación se
denomina sistema de control robusto [9].

38
 CAPÍTULO III
HIPÓTESIS Y VARIABLES

3.1. HIPÓTESIS

3.1.1. Hipótesis general.

Si es posible desarrollar un sistema de control predictivo robusto

basado en modelos, con limitador de incertidumbre de datos (MPC-
BDU) aplicado al proceso de distribución de agua potable de la ciudad
de Ica.

3.1.2. Hipótesis específicas.

Primera hipótesis específica H1

Los parámetros de diseño del control predictivo robusto basado en
modelos con limitador de incertidumbre de datos (MPC – BDU) son
válido y adecuado al control óptimo del proceso de distribución de
agua potable de la ciudad de Ica.

Segunda hipótesis específica H2

Las características obtenidas a partir del proceso de distribución de

agua potable de Ica, han permitido desarrollar el algoritmo matemático
– computacional del control predictivo robusto basado en modelos con
limitador de incertidumbre de datos (MPC – BDU).

Tercera hipótesis específica H3

Mediante el control predictivo robusto MPC-BDU, se mejora
significativamente el índice de optimización del proceso de distribución
de agua potable en Ica, en comparación con el que se obtiene
mediante un control PI clásico.
3.2. VARIABLES

Relacionando las variables que intervienen en el problema objeto de

investigación, se conducirá a la explicación, demostración y contrastación de
la hipótesis formulada.

3.2.1. De la hipótesis General

Variable Independiente (VI) X.- Control Predictivo Robusto basado

en modelos con limitador de incertidumbre de datos (MPC – BDU).

Variable dependiente (VD) Y.- Red de distribución de agua potable

en la ciudad de Ica.

3.2.2. De las Hipótesis específicas

De la primera hipótesis específica H1:

X1: Parámetros de diseño válido y adecuado.
Y1: sistema de control predictivo robusto basado en modelos con
limitador de incertidumbre de datos (MPC-BDU)

De la segunda hipótesis específica H2:

X2: Características del proceso de distribución de agua potable de Ica.
Y2: Algoritmo matemático – computacional del control predictivo.

De la tercera hipótesis específica H3:

X3: Control predictivo robusto MPC-BDU
Y3: Índice de optimización del proceso de distribución de agua potable
en Ica.

3.3. OPERACIONALIZACIÓN DE VARIABLES.

Una variable es una cualidad susceptible de sufrir cambios. Un sistema de

variables consiste, por lo tanto, en una serie de características por estudiar,

40
definidas de manera operacional, es decir, en función de sus indicadores o
unidades de medida.

El sistema puede ser desarrollado mediante un cuadro, donde además de las

variables, se especifiquen sus dimensiones e indicadores, y su nivel de
medición.

Tabla 2: Operacionalización de variables

Indicadores y nivel de
Variables Dimensión
medición
I1: Caudal (l/s o m3/s)
Parámetros de
I2: Presión del agua (bar)
Variable Independiente (VI) red
I3: Volumen (m3 o l)
De la Hipótesis General:
X: Control predictivo robusto basado en I4: Pérdida por fugas (m3 o l)
modelos con limitador de incertidumbre
de datos (MPC-BDU) I5: Pérdida de presión (bar)
Perturbaciones
De las hipótesis específicas: I6: Fallas en bombas,
X1: Parámetros de diseño válido y instrumentos y accesorios (0 –
adecuado. 1)
X2: Características del proceso de I7: actitudes y usos del
distribución de agua potable de Ica. poblador y operadores (0 – 1).
X3: Control predictivo robusto MPC-BDU I8: Riego de parques y jardines
Incertidumbre
(m3 o l)
I9: Efectos del medioambiente
(0 – 1)
Variable dependiente (VD):
J1: Índice MPC-BDU (%)
De la Hipótesis General: J2: Índice PI Clásico (%)
Y: Red de distribución de agua potable
en la ciudad de Ica.
Índice de
De las hipótesis específicas:
Optimización
Y1: sistema de control predictivo robusto
basado en modelos con limitador de J3: Significancia (J1–J2)(%)
incertidumbre de datos (MPC-BDU)
Y2: Algoritmo matemático –
computacional del control predictivo.
Y3: Índice de optimización del proceso
de distribución de agua potable en Ica.

41
 CAPÍTULO IV
OBJETIVOS

4.1. OBJETIVO GENERAL.

Desarrollar un sistema de control predictivo robusto basado en modelos con

limitador de incertidumbre de datos (MPC-BDU) aplicado a la red de agua
potable de la ciudad de Ica.

4.2. OBJETIVOS ESPECÍFICOS.

Primer objetivo específico

Establecer los parámetros de diseño del sistema de control predictivo robusto

basado en modelos con limitador de incertidumbre de datos MPC-BDU,
aplicado al proceso de distribución de agua potable de Ica.

Segundo objetivo específico

Desarrollar el algoritmo matemático – computacional del control predictivo

robusto basado en modelos con limitador de incertidumbre de datos (MPC –
BDU) en función de las características del proceso de distribución de agua
potable de Ica.

Tercer objetivo específico

Determinar el índice de optimización de la distribución de agua potable de la

ciudad de Ica mediante el control MPC-BDU diseñado, comparado con el
control PI clásico.
 CAPÍTULO V
ESTRATEGIA METODOLÓGICA

5.1. TIPO, NIVEL Y DISEÑO DE LA INVESTIGACIÓN.

5.1.1. Tipo de Investigación

El tipo de investigación es aplicada [34], porque está orientada a

resolver objetivamente problemas relacionados con la gestión de la
red de distribución de agua potable de una ciudad, en nuestro caso:
Ica.

Por el objeto de estudio, la investigación es Cuantitativa y

Cualitativa; porque el objetivo es estudiar las propiedades y
fenómenos cuantitativos y sus relaciones para proporcionar la manera
de establecer, formular, fortalecer y revisar la teoría existente. La
investigación cuantitativa desarrolla y emplea modelos matemáticos,
teorías e hipótesis que competen a los fenómenos naturales. Busca
responder preguntas tales como cuál, dónde y cuándo.

Por su temporalidad, la investigación es transversal; se estudia las

variables en forma simultánea en un periodo no mayor de un año.

5.1.2. Nivel de la Investigación

En cuanto al nivel de la investigación se descompone en dos fases, en

la fase inicial será descriptiva y en la final correlacional y aplicativa. Es
decir la investigación es de nivel descriptivo – correlacional – aplicativo
[35].

5.1.3. Diseño de la investigación

La investigación ocupa dos tipos de diseño: No experimental y
experimental [36].

Diseño No experimental.-

Será transversal y descriptivo. Se utilizará para obtener un valor o

medida de incertidumbre que interviene en la formulación del modelo
a través de un indicador, por ejemplo, de las actitudes y prácticas de
la población con respecto al uso del agua, para el cual se aplicará una
encuesta y; la entrevista estructurada a los operadores del servicio de
agua potable de la ciudad. En ambos casos la fórmula es:

𝑀 → 𝑂

Donde:
M: es la muestra
O: es la observación o medición de la variable dependiente.

Diseño experimental.-

Corresponde al diseño con preprueba–posprueba y grupo de control.

Se establecen dos grupos o módulos experimentales (También puede
ser un mismo grupo habitacional dividido en partes iguales). En ambos
grupos se realiza mediciones considerando un control PI clásico. El
propósito en ambos casos es obtener los demás parámetros del
modelo en base a los promedios de las mediciones efectuadas en
distintas circunstancias y tiempos de la variable dependiente, la
distribución del agua potable; además para fines de control del
experimento.

En uno de ellos se considera el modelo propuesto y en el otro no y se

vuelve a medir la variable dependiente.

El diseño se diagrama como sigue (ver tabla 3):

44
 Tabla 3: Diseño experimental con preprueba, posprueba y grupo
de control

Grupos Preprueba V. Independiente Posprueba

RG1 O1 X O2
RG2 O3 --- O4

RG1: Grupo experimental seleccionado con asignación aleatoria.

RG2: Grupo de control seleccionado por asignación aleatoria.
X: Variable experimental (Controlador MPC-BDU)
O1: Mediciones de Preprueba en el grupo experimental con controlador
PI clásico.
O2: Mediciones de Posprueba en el grupo de control con controlador
MPC-BDU.
O3: Mediciones de Preprueba en el grupo experimental con controlador
PI clásico.
O4: Mediciones de Posprueba en el grupo experimental con
controlador PI clásico.

5.2. POBLACIÓN Y MUESTRA.

La ciudad de Ica, según proyecciones del INEI del 2015, cuenta con 131,003
habitantes y 23,724 viviendas que cuentan con red de agua y desagüe. Para
nuestro estudio, en lo que corresponde a actitudes y usos del agua por la
población, se va tomar como dato poblacional a un habitante por vivienda; por
lo tanto el universo son las 23,724 viviendas.

La muestra es el grupo de viviendas que resulten de aplicar la fórmula:

𝑁 ∗ 𝑍 2 ∗ (𝑝 ∗ 𝑞)
𝑛=
𝐸 2 (𝑁 − 1) + 𝑍 2 (𝑝 ∗ 𝑞)

Donde:

45
 n= tamaño de la muestra
N = universo: 23,724
Z= nivel de confianza. (Z=1.96 valor constante)
p= probabilidad a favor (p=0.5 valor constante)
q=probabilidad en contra (q=0.5 valor constante)
E =error de estimación (e=0.05 valor constante)
p*q=Varianza de la probabilidad

23,724 ∗ 1.962 ∗ (0.5 ∗ 0.5)

𝑛=
0.052 (23,724 − 1) + 1.962 (0.5 ∗ 0.5)

𝑛 = 378

El muestreo es de tipo probabilístico porque se basa en el principio de la

equiprobabilidad, es decir, todas las viviendas tienen la mismaprobabilidad de
ser elegidos para formar parte de una muestra. Por lo que muestra queda
expresada así:

Grupo experimental: 189 viviendas

Grupo de control: 189 viviendas.

Si en el sector o grupo habitacional hubiera un mayor número de viviendas,

la muestra puede ser ampliado, e ningún caso será menor que el calculado.
El grupo habitacional debe contar por lo menos con un parque que se riega
con agua potable.

Para el caso de mediciones de variables físicas se alquilará dos unidades

modulares de ensayo experimental para pruebas y mediciones de variables
hidráulicas, donde se realizarán no menos de 20 lecturas de datos en cada
punto de medición, simulando circunstancias de usos distintos.

5.3. TÉCNICAS DE RECOLECCIÓN DE INFORMACIÓN

46
 Las técnicas que se va utilizar para recopilar datos y verificar nuestra hipótesis
son las siguientes: La documentación, la observación (de campo y
experimental), la encuesta y la entrevista estructurada.

5.4. INSTRUMENTOS DE RECOLECCIÓN DE INFORMACIÓN

Los instrumentos son: el cuestionario, guía de observación, lista de cotejo

(checklist), la escala, el inventario, fichas, formatos, e instrumentos de
medición de variables hidráulicas, como sensores de flujo, caudal, presión,
etc.; además tarjetas de adquisición de datos y controladores lógicos
programables (PLC).

Toda medición o instrumento de recolección de datos debe contar con los

requisitos de confiabilidad y validez. La confiabilidad se determinará con el
coeficiente alfa de Cronbach. La validez se verificará si esta es de contenido,
de criterio o constructo, en base a consulta con expertos, correlacionando la
medición con el criterio y mediante el análisis probabilístico factorial.

5.5. PLAN DE ANÁLISIS ESTADÍSTICO DE DATOS.

Posterior a la recolección de datos, se procederá a la revisión crítica como el

tratamiento y análisis de los mismos. El tratamiento consistirá en ordenar,
depurar, homogeneizar, estandarizar, codificar, tabular, clasificar y elaborar
la base de datos a fin de determinar medidas estadísticas, probabilísticas y
cálculos matemáticos para verificar las hipótesis. Con los datos obtenidos se
elaborará polígonos de frecuencias, histogramas, se determinará medidas y
parámetros de tendencia central y medidas de variabilidad.

Para la interpretación de los datos, usando software informático SPSS se

determinará el coeficiente de correlación, la varianza y covarianza, los
estadísticos no paramétricos como Chi - cuadrado; para posteriormente
proceder al modelado del control óptimo robusto mediante MATLAB.

47
 CAPÍTULO V
CRONOGRAMA

5.1. Control y Evaluación del proyecto de investigación.

Se muestra en la tabla 4, diagrama de Gantt del proyecto de Investigación.

Tabla 4: Diagrama de Gantt del proyecto de investigación.

MESES
TAREAS
1 2 3 4 5 6 7 8 9 10 11 12
Revisión y análisis Bibliográfico
Revisión y análisis de registro histórico
Elaboración de instrumentos de recolección de datos
Aplicación de encuestas
Primer Informe de la Investigación
Mediciones y pruebas experimentales de campo
Segundo Informe de la Investigación
Tratamiento de la Información recolectada
Tercer Informe de la Investigación
Modelado del Sistema
Análisis de resultados obtenidos y conclusiones
Preparación del informe final.
Presentación del trabajo final
Levantamiento de observaciones
Exposición del trabajo final
 CAPÍTULO VI
PRESUPUESTO

6.1. PRESUPUESTO DE GASTOS

El presupuesto total del proyecto equivale a S/. 42,900.00 (Cuarenta y dos mil
novecientos con 00/100 soles), cuyo detalle se puede observar en la tabla 5.

Tabla 5: Presupuesto general por trimestres

Trimestres Total
Categoría de Gasto
1° 2° 3° 4° S/.

PERSONAL 4,100.00 5,300.00 3,600.00 4,600.00 17,600.00

Honorarios Investigadores 3,600.00 3,600.00 3,600.00 3,600.00 14,400.00
Encuestadores 500.00 500.00 0.00 0.00 1,000.00
Técnicos instrumentistas 0.00 1,200.00 0.00 0.00 1,200.00
Secretaria 0.00 0.00 0.00 1000.00 1,000.00
B. BIENES 6,150.00 2,250.00 150.00 150.00 8,700.00
Material de Escritorio 450.00 50.00 50.00 150.00 700.00
Material Bibliográfico 300.00 200.00 100.00 0.00 600.00
Software 4,400.00 0.00 0.00 0.00 4,400.00
Accesorios y materiales 1,000.00 2,000.00 0.00 0.00 3,000.00
C. SERVICIOS 1,880.00 11,200.00 720.00 2,800.00 16,600.00
Alquiler módulos 0.00 10,000.00 0.00 0.00 10,000.00
Fotocopias y publicaciones 80.00 100.00 20.00 400.00 600.00
Transporte 450.00 300.00 300.00 150.00 1,200.00
Alimentación 200.00 600.00 200.00 100.00 1,100.00
Agua, Luz, Teléfono 150.00 150.00 150.00 150.00 600.00
Otros (Procedimientos) 1,000.00 50.00 50.00 2,000.00 3,100.00
Costo Total 9,800.00 18,450.00 15,450.00 7,100.00 42,900.00

6.2. FINANCIAMIENTO

Sobre la base de lo establecido en la política nacional del ambiente y la

política nacional de recursos hídricos y dado el importante aporte de la
investigación al uso eficiente del recurso hídrico, se espera el financiamiento
de la investigación por parte de las instituciones del estado(MINAGRI,
MINAM, INABEC, CONCYTEC), sino es el total, por lo menos para cubrir el
rubro más alto como el de bienes; el resto podría ser autofinanciado mediante
recursos propios o préstamo bancario.

Tabla 6: Fuentes de financiamiento

Nº Fuentes de Financiamiento Total S/.

01 Participación del estado 37,000.00
02 Recursos del investigador, préstamo personal 5,900.00
Total Financiamiento 42,900.00
Balance: Presupuesto - Financiamiento 00.00

50
 CAPÍTULO VII
REFERENCIAS BIBLIOGRÁFICAS

[1] E. M. Mendoza Calderón, Desarrollo de un Sistema de Control Neuro-Difuso de

la distribución de agua en un tramo de un canal principal de riego, Lima, Lima:
PUCP, 2014.

[2] J. C. Salazar, P. Weber, R. Sarrate, D. Theilliol y F. Nejjari, «MPC design based

on a DBN reliability model: Application to drinking water networks,» IFAC-
PapersOnLine, vol. 21, nº 48, 2015.

[3] A. Ciminski y K. Duzinkiewicz, «Optimized robust model predictive control -

application to drinking water distribution systems hydraulics,» narutowicza, vol.
11, nº 12, p. 153, 2015.

[4] C. Heracleous, Z. Zinonos y P. C. G., «Water Supply Optimization: An IPA

Approach,» IFAC, vol. 8, nº 61, p. 978, 2014.

[5] V. Nam Tran y M. A. Brdys, «Softly Switched Robustly Feasible Model Predictive
Control for Nonlinear Network Systems,» IFAC, vol. 7, nº 39, p. 978, 2013.

[6] C. C. Sun, V. Puig y G. Cembrano, «Combining CSP and MPC for the
Operational Control of Water Networks Application to the Richmond Case
Study,» IFAC, vol. 5, nº 62, p. 978, 2014.

[7] R. Toro, C. Ocampo-Martínez, F. Logist, J. Van Impe y V. Puig, «Tuning of

Predictive Controllers for Drinking Water Networked Systems,» IFAC, vol. 7, nº
93, p. 978, 2011.

[8] C. Ocampo-Martinez, V. Puig y S. Bovo, «MPC descentralizado basado en un

enfoque de partición gráfica aplicado a la Red de Agua Potable de Barcelona,»
IFAC, vol. 7, nº 93, p. 978, 2011.

[9] K. Ogata, Ingeniería de Control Moderna, México: Prentice-Hall

Hispanoamericana, 1993.

[10] R. C. Dorf, Sistemas Modernos de Control Teoría y Práctica, Wilmington:

Addison-Wesley Iberoamericana, 1989.
[11] F. R. Rubio y M. J. L. Sánchez, Control adaptativo y robusto, Sevilla, Sevilla:
Secretariado de Publicaciones de la Universidad de Sevilla, 1996.

[12] B. C. Kuo, Sistemas de Control Automático, México: Prentice-Hall

Hispanoamericana, 1996.

[13] G. Zames y B. Francis, «Feedback, Minimax Sensitivity, and Optimal,» IEEE

Transactions on Automatic Control, Vols. %1 de %2AC-28, nº 5, pp. 585-601,
1983.

[14] J. Doyle, K. Glover, P. Khargonekar y B. Francis, «State-Space Solutions to

Standard H2 and H1 Control Problems,» IEEE Transactions on Automatic
Control, vol. 34, nº 8, pp. 831-846, 1989.

[15] J. Doyle y G. Stein, «Robustness with Observers,» IEEE Transactions on

Automatic Control, vol. 24, nº 4, pp. 607-611, 1979.

[16] G. Stein y M. Athans, «The LQR/LTR Procedure for Multivariable Feedback

Control Design,» IEEE Transactions on Automatic Control, vol. 32, nº 2, pp. 105-
113, 1987.

[17] M. Morari y E. Zafiriou, Robust Process Control, Nueva York: Prentice-Hall,

1989.

[18] B. Barmish y H. Kang, «A Survey of Extreme Point Results for Robustness of

Control Systems,» Automatica, vol. 29, nº 1, pp. 13-35, 1993.

[19] A. T. Bayas Arévalo, Diseño de estrategias de control difuso robusto ante

incertidumbre paramétrica para plantas de colectores solares, Santiago de
Chile: Universidad de Chile, 2016.

[20] G. Balas, J. Doyle, K. Glover, A. Packard y R. Smith, u Analysis and Synthesis

Toolbox, Miami: Musyn Inc. and The MathWorks, Inc., 1991.

[21] D. C. M. a. P. T. Clarke, «Generalized Predictive Control. Parts I and II,»

Automatica, vol. 23, nº 2, pp. 137-160, 1987.

[22] I. Horowitz, «Quantitative Feedback Theory,» Proceedings of the Institution of

Electrical Engineers, vol. D, nº 129, pp. 215-226, 1982.

[23] A. Netushil, Teoría del mando automático, Moscú: Mir Moscú, 1987.

[24] C. Ramos Fernández, Control predictivo basado en modelos (CPBM) robusto

con BDU, Valencia, Valencia: Universidad Politécnica de Valencia, 2007.

52
[25] M. F. Sutil, Diseño simultáneo de procesos y sistemas de control predictivo
mediante índices de controlabilidad basados en normas, Salamanca,
Salamanca: Universidad de Salamanca, 2011.

[26] C. Bordóns, Control Predictivo: Metodología, tecnologías y nuevas

perspectivas, Almería, Sevilla: Universidad de Sevilla, 2000.

[27] S. De las Heras, Fluidos, bombas e instalaciones hidráulicas, Barcelona:

Publicacions Acadèmiques Digitals de la UPC, 2011.

[28] ABC Definición, «https://www.definicionabc.com/medio-ambiente/agua-

potable.php,» Definición ABC tu diccionario fácil, 2006. [En línea]. [Último
acceso: 28 junio 2017].

[29] Real Academia Española, «DLE Diccionario de la Lengua Española,»

Asociación de Academias de la Lengua Española, 11 julio 2014. [En línea].
Available: http://www.rae.es. [Último acceso: 28 junio 2017].

[30] Gerardo, «http://istcatalina.blogspot.pe/,» I Power Blogger, 09 Febrero 2006.

[En línea]. Available: 15057245093717058524. [Último acceso: 30 junio 2017].

[31] N. Nice, Sistemas de Control en Ingeniería, México: Compañía editorial

Continental, 2004.

[32] Ministerio de Vivienda, Reglamento Nacional de Edificaciones, Lima: Editoria

Perú - Diario Oficial El Peruano, 2009.

[33] IBM Bluemix, «Sinonimo.es,» IBM, 03 Marzo 2008. [En línea]. Available:
http://www.xn--sinnimo-n0a.es/. [Último acceso: 30 junio 2017].

[34] H. Ñaupas Paitán, Metodología de la Investigación científica y asesoramiento

de tesis, Lima: Gráfica Retai SAC, 2009.

[35] J. Cabel y R. Castañeda, Proyectos de investigación en ciencias médicas, Lima:

San Marcos EIRL, 2014.

[36] R. Hernández Sampieri, C. Fernández Collado y P. Baptista Lucio, Metodología

de la Investigación, México: Mc Graw Hill Educación, 2014.

53
 ANEXOS

Para este trabajo, es necesario tener información que le den consistencia y apoyo al
estudio los que se adjunta los siguientes anexos:

- Matriz de Consistencia
- Esquema tentativo de la Tesis
- Consentimiento Informado
- Modelo cuestionario de encuesta
- Modelo cuestionario de entrevista
 ANEXO A1.
UNIVERSIDAD NACIONAL SAN LUIS GONZAGA DE ICA
ESCUELA DE POSGRADO
MATRIZ DE CONSISTENCIA
TÍTULO DEL PROYECTO: “DESARROLLO DE UN CONTROL PREDICTIVO ROBUSTO BASADO EN MODELOS CON LIMITADOR DE
INCERTIDUMBRE DE DATOS, APLICADO A LA RED DE AGUA POTABLE DE LA CIUDAD DE ICA - PERÚ”

PROBLEMA OBJETIVOS HIPÓTESIS VARIABLES METODOLOGÍA

Problema General Objetivo General
¿Es posible desarrollar un Desarrollar un sistema de
sistema de control control predictivo robusto
predictivo robusto basado basado en modelos con
en modelos con limitador limitador de incertidumbre de
de incertidumbre de datos datos (MPC-BDU) aplicado a
la red de agua potable de la
aplicado a la red de agua
ciudad de Ica.
potable de la ciudad de
Ica?
Hipótesis General
Si es posible desarrollar un
sistema de control predictivo
robusto basado en modelos, con
limitador de incertidumbre de
datos (MPC-BDU) aplicado al
proceso de distribución de agua
potable de la ciudad de Ica.
De la Hipótesis General El tipo de investigación es aplicada.
Por el objeto de estudio, es Cuantitativa
Variables Independiente X: Por su temporalidad, es transversal
Control predictivo robusto
basado en modelos con La investigación es de nivel descriptivo – correlacional –
limitador de incertidumbre de aplicativo.
datos (MPC-BDU).
Dos tipos de diseño: No experimental y experimental.
Variable dependiente Y:
Red de distribución de agua Diseño No experimental.- Transversal y descriptivo.
potable en la ciudad de Ica. Mediante la observación se recolectarán datos de
consumo histórico y comparará los resultados.
Para medir una característica de incertidumbre, se
aplicará una encuesta a los usuarios y entrevista a los
operadores relacionados con la operación y
mantenimiento del sistema; luego serán procesados
estadísticamente mediante el SPSS.

Diseño experimental. - con preprueba–posprueba y

grupo de control.
Se tomarán medidas sobre caudal, presión, volumen, de
fugas, de pérdidas de presión y de estado de accesorios
a través de los módulos de prueba experimental;
simulándose distintas condiciones de operación y del
servicio, se recabarán los datos y se procesarán para
 Problemas específicos Objetivos específicos Hipótesis específicas De hipótesis específicas determinar los parámetros del control predictivo usando
MATLAB y SPSS.
Primer problema. Primer objetivo específico 1ra. hipótesis específica H1 De la 1ra. Hipótesis específica
¿De qué manera se Establecer los parámetros de Los parámetros de diseño del VI X1: Parámetros de diseño El universo poblacional son 23,724 viviendas.
establece los parámetros diseño del sistema de control control predictivo robusto basado válido y adecuado. La muestra una vez aplicada la fórmula, queda
de diseño del sistema de predictivo robusto basado en en modelos con limitador de VD Y1: sistema de control expresada así:
control predictivo robusto modelos con limitador de incertidumbre de datos (MPC – predictivo robusto basado en Grupo experimental: 189 viviendas
basado en modelos con incertidumbre de datos MPC- BDU) son válido y adecuado al Grupo de control: 189 viviendas.
modelos con limitador de
limitador de incertidumbre BDU, aplicado al proceso de control óptimo del proceso de
incertidumbre de datos (MPC-
de datos (MPC – BDU) distribución de agua potable distribución de agua potable de la
BDU) Las técnicas que se va utilizar para recopilar datos y
aplicado al proceso de de Ica. ciudad de Ica.
verificar nuestra hipótesis son las siguientes: La
distribución de agua
documentación, la observación (de campo y
potable?
experimental), la entrevista y la encuesta
1. Segundo problema Segundo objetivo específico 2da. hipótesis específica H2 De la 2ra. Hipótesis específica
Los instrumentos son: el cuestionario, guía de
¿Se podrá desarrollar el Desarrollar el algoritmo Las características obtenidas a VI X2: Características del proceso
observación, lista de cotejo (checklist), la escala, el
algoritmo matemático – matemático – computacional partir del proceso de distribución de distribución de agua potable
computacional del control del control predictivo robusto de agua potable de Ica, han inventario, fichas, formatos, e instrumentos de medición
de Ica.
predictivo robusto basado basado en modelos con permitido desarrollar el algoritmo de variables hidráulicas, como sensores de flujo, caudal,
VD Y2: Algoritmo matemático –
en modelos con limitador limitador de incertidumbre de matemático – computacional del presión, etc.
computacional del control
de incertidumbre de datos datos (MPC – BDU) en función control predictivo robusto basado
predictivo.
(MPC – BDU) en función de de las características del en modelos con limitador de Para la interpretación de los datos, se usará el software
las características del proceso de distribución de incertidumbre de datos (MPC – informático SPSS para determinar los indicadores
proceso de distribución de agua potable de Ica. BDU). estadísticos paramétricos y no paramétricos;
agua potable de Ica? posteriormente se modelará el control predictivo
mediante MATLAB.
Tercer problema Tercer objetivo específico 3ra. Hipótesis específica H3 De la 3ra. Hipótesis específica
¿En qué medida el control Determinar el índice de Mediante el control predictivo VI X3: Control predictivo robusto
MPC – BDU diseñado, optimización de la distribución robusto MPC-BDU, se mejora MPC-BDU
mejora el índice de de agua potable de la ciudad significativamente el índice de VD Y3: Índice de optimización
optimización del proceso de Ica mediante el control optimización del proceso de del proceso de distribución de
de distribución de agua MPC-BDU diseñado, distribución de agua potable en agua potable en Ica.
potable en Ica, comparado comparado con un control PI Ica, en comparación con el que se
con un control clásico? clásico. obtiene mediante un control PI
clásico.

56
 ANEXO A2
ESQUEMA TENTATIVO DE LA TESIS

TÍTULO: DESARROLLO DE UN CONTROL PREDICTIVO ROBUSTO BASADO EN

MODELOS CON LIMITADOR DE INCERTIDUMBRE DE DATOS, APLICADO A LA
RED DE AGUA POTABLE DE LA CIUDAD DE ICA - PERÚ

HOJA DE REFERENCIA DEL JURADO y APROBACIÓN

DEDICATORIA
AGRADECIMIENTO
ÍNDICE
TABLAS DE CONTENIDO
RESUMEN
ABSTRACT

I. PLANTEAMIENTO DE LA INVESTIGACIÓN
1.1 Identificación del problema
1.2 Formulación de problemas
1.2.1. Problema general
1.2.2. Problemas específicos
1.3 Objetivos de la investigación
1.3.1. Objetivo general
1.3.2. Objetivos específicos
1.4 Justificación.
1.4.1. Justificación Legal
1.4.2 Justificación Teórica
1.4.3 Justificación Tecnológica
1.4.4 Justificación económica
1.4.5 Justificación social
1.4.6 Justificación práctica

II. MARCO TEÓRICO

2.1. Antecedentes del estudio
2.1.1. Antecedentes Nacionales
2.1.2. Antecedentes Internacionales
2.2. Bases epistémicas
2.3. Bases científicas
2.4. Definición de términos básicos.

III. VARIABLES E HIPÓTESIS

3.1. Hipótesis general e hipótesis específicas
3.1.1. Hipótesis General
3.1.2. Hipótesis específicas
3.2. Definición de las variables
3.3. Operacionalización de variables

IV. METODOLOGÍA
4.1. Tipo de investigación
4.1.1. Nivel de la investigación
4.2. Diseño de la Investigación
4.3. Población y muestra
4.3.1. Población
4.3.2. Muestra
4.4. Técnicas e Instrumentos de recolección de datos
4.5 Procedimientos de recolección de datos
4.6 Procesamiento estadístico y análisis de datos
4.6.1. Procesamiento estadístico
4.6.2. Análisis de datos

V. RESULTADOS
5.1. Resultando de la medición de variable dependiente pre y post prueba.
5.2. Diseño del Modelo MPC-BDU

VI. DISCUSÍÓN DE RESULTADOS

6.1 Contrastación de las hipótesis de investigación
6.2 Contrastación de resultados con estudios similares.

VII. CONCLUSIONES

58
VIII. RECOMENDACIONES
IX. REFERENCIAS BIBLIOGRÁFICAS
ANEXOS
• Matriz de consistencia
• Otros.

59
 ANEXO A3
MODELO DE CONSENTIMIENTO INFORMADO

DESARROLLO DE UN CONTROL PREDICTIVO ROBUSTO BASADO EN

MODELOS CON LIMITADOR DE INCERTIDUMBRE DE DATOS, APLICADO A LA
RED DE AGUA POTABLE DE LA CIUDAD DE ICA - PERÚ

La presente investigación es conducida por Fidel Humberto Andía Guzmán,

estudiante del doctorado en Gestión Ambiental de la Universidad Nacional San Luis
Gonzaga de Ica.
La intención es conocer sus actitudes y prácticas en el uso del agua potable
que se distribuye a los domicilios y que se utiliza también para riego de parques y
jardines. El objetivo es desarrollar un modelo de control que permita optimizar este
recurso escaso y agotable.
Para ello, se está pidiendo tu autorización. Si aceptas, quiere decir que el
investigador te ha indicado de forma verbal, así como escrita lo siguiente: el propósito
del estudio, participación, riesgos, incomodidades, costos, beneficios,
confidencialidad y problemas o preguntas.
Propósito del estudio: determinar las actitudes y formas de uso del agua
potable.
¿En qué consiste su participación?: una vez autorizada tu participación, se
procederá a aplicar dos cuestionarios para evaluar sus actitudes frente al agua
potable y las prácticas en su uso racional y responsable.
Riesgos asociados al estudio y costo de su participación: los riesgos ya
han sido estudiados y usted no tendrá riesgo alguno en el presente estudio, tampoco
tendrá costos.
Beneficios: para la población que asumirá una actitud responsable frente al
uso del vital recurso. Para los investigadores corresponde su beneficio profesional y
académico el investigar en este campo y para los participantes el tener un poco más
de información sobre uso racional del agua.
Confidencialidad: toda información que nos proporcione será totalmente
confidencial, los nombres y apellidos de cada participante quedará a custodia del
investigador, por ende la encuesta es anónima.

60
 Problemas o preguntas: en todo momento se te garantizará la posibilidad
de retirarte del estudio y no tendrás incomodidad alguna por ello, si tú tuvieras alguna
pregunta podrás hacerla al profesional que realizará la encuesta; si luego de ser
encuestada quisiera no participar en el estudio comuníquese con el investigador para
cualquier consulta o retiro del estudio.

Por lo expuesto comprendo que mi autorización es importante para el estudio

de investigación. Sé que mis respuestas a las preguntas serán utilizadas para fines
de investigación y no se identificará.
He leído la información proporcionada o me ha sido leída. He tenido la
oportunidad de preguntar sobre ella y se me ha contestado satisfactoriamente las
preguntas que he realizado.
Consiento voluntariamente participar en esta investigación como participante
y entiendo que tengo el derecho de retirarme de la investigación en cualquier
momento sin que me afecte en ninguna manera. Comprendo que el resultado de la
investigación será presentado a la comunidad científica para su mejor comprensión.
Firmo este documento autorizando mi participación en el estudio, mi firma
indica también que he recibido una copia de este consentimiento informado.
_________________________ __________________________
Nombre del Participante Firma del participante

Fecha: ________

61
 ANEXO A4.
MODELO CUESTIONARIO DE ENCUESTA

Mi nombre es ________________________________, estamos realizando una

investigación para la Universidad Nacional San Luis Gonzaga de Ica, sobre prácticas
de uso racional y ahorro del agua potable en el marco del control óptimo de la
distribución del agua en la ciudad de Ica. Para ello, quiero hacerle unas preguntas
para conocer su opinión sobre el tema.

A. ASPECTOS DE LA PROPIEDAD Y LA VIVIENDA

1. ¿La vivienda es familiar o multifamiliar?
2. ¿La vivienda es propia o alquilada?
3. ¿Es usted el jefe del hogar? Si es SI pase la pregunta 5, si es NO pase a la
pregunta 4.
4. ¿Cuál es el parentesco con el jefe del hogar?
5. ¿Sexo?
6. ¿Edad?

B. ASPECTOS SOCIOECONÓMICOS
7. Nivel de Estudios
8. Ocupación actual
9. Número total de personas en el hogar
10. ¿Cuántas personas trabajan en el hogar?
11. ¿Cuántas personas estudian?
12. ¿Qué tiempo hace que vive en el lugar?

C. ACTITUD Y PRÁCTICAS DE USO DEL AGUA

13. ¿Cree que el agua puede agotarse?
14. ¿Cree que en el hogar se hace buen uso del agua?
15. ¿El hogar para bañarse cuenta con ducha, jacuzzi o piscina?
16. ¿Cuándo se baña, afeita o lava las manos, cierra el grifo mientras se
enjabona?
17. ¿Cierra el grifo cuando se cepilla los dientes?
18. ¿Se ha percatado si tiene algún grifo o el wáter con fuga?

62
19. ¿Qué hace cuando detecta algún grifo o wáter con fuga?
20. ¿Tiene instalado algún economizador de agua en el wáter, grifo o ducha?
(temporizador, aireado, perlizador, rejilla, etc.)
21. ¿Con que lavas las vajillas y los utensilios? Directamente a mano con el grifo
a chorro o con lavavajillas.
22. ¿Cómo se lava la ropa en casa, a mano o con lavadora?
23. Si tiene lavadora, ¿Qué tan antiguo es?
24. ¿Utiliza la programación de lavadora?
25. ¿Llena por completo su lavadora?
26. ¿en la casa tiene macetas, jardín de menos de 5 metros cuadrados, de entre
5 y 10 metros, de entre 10 y 20 metros, de más de 30 metros cuadrados?
27. ¿riega las plantas con manguera convencional, aspersor o con manguera
adaptado con economizador?
28. ¿Usa agua para limpiar la vereda? Frecuencia
29. ¿Usa el agua potable para lavar vehículos? Frecuencia.
30. ¿Tiene piscina en casa?
31. ¿Cuida el agua de su piscina todo el año?
32. ¿A dónde tira el agua de su piscina cuando ésta se descompone?
33. ¿estás de acuerdo con lo que pagas mensualmente / anualmente por el agua?
34. ¿estás de acuerdo con los medidores de agua?
35. Describa tres acciones en las que más se usa el agua en su hogar.

Ica --- de ------ del 2017

¡GRACIAS POR SU COLABORACIÓN!

63
 ANEXO A5
FORMATO CUESTIONARIO DE ENTREVISTA

Mi nombre es ________________________________, estamos realizando una

investigación para la Universidad Nacional San Luis Gonzaga de Ica, sobre prácticas
de uso racional y ahorro del agua potable en el marco del control óptimo de la
distribución del agua en la ciudad de Ica. Para ello, quiero hacerle unas preguntas
para conocer su opinión sobre el tema.

DATOS GENERALES DEL ENTREVISTADO

Nombre y apellidos del entrevistado:
Cargo actual:
Tiempo de servicio en la empresa:
Fecha:
Entrevistado por:

CUESTIONARIO DE LA ENTREVISTA

1. ¿Qué coordinaciones tiene la Empresa con la municipalidad, el gobierno

regional, junta de usuarios y otros para proyectos relacionados con el agua?
2. ¿Cree usted que el proyecto de las galerías filtrantes es la solución al
problema del agua para el consumo humano en Ica?
3. ¿Qué medidas adopta la empresa para promover la conciencia del ahorro en
los usuarios?
4. ¿Los parques y jardines se riegan con agua destinada para consumo
humano? De ser así, ¿existe algún proyecto para tratar las aguas residuales y
utilizarlas en este fin?
5. ¿De quién depende que la ciudad cuente con una planta de tratamiento de
aguas residuales?
6. ¿La empresa cuenta con programas educativos respecto al uso racional y
responsable del agua?
7. ¿Cuáles son las causas más frecuentes de reclamo sobre el servicio de agua
potable que brindan los usuarios?

64
8. ¿Cuenta la empresa con el equipamiento necesario para detectar averías,
fugas y hurto del vital líquido?
9. ¿Se cuenta con un sistema de control, supervisión y monitoreo automatizado
para gestionar la distribución del agua a las viviendas y comercios?
10. ¿La facturación la realizan por lectura directa mediante un operario o por un
sistema automatizado de telemetría?
11. ¿Qué modelo de control utilizan?
12. ¿Tiene algo más que agregar a lo manifestado?

¡GRACIAS POR SU COLABORACIÓN!

65