����������������������������������������������������������������������������������

 

B�squeda de Oportunidades de la Base de Precios Unitarios en el Sector P�blico � Caso GAD Cuenca

 

Search for Opportunities of the Unit Price Base in the Public Sector � GAD Cuenca Case

 

Busca de Oportunidades da Base de Pre�os Unit�rios no Setor P�blico � Caso GAD Cuenca

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Correspondencia: manuel.tenorio.54@est.ucacue.edu.ec

 

 

Ciencias de la Educaci�n ���

Art�culo de Investigaci�n

��

* Recibido: 23 de noviembre de 2022 *Aceptado: 12 de diciembre de 2022 * Publicado: 24 de enero de 2023

 

1. Ingeniero Civil, Posgradista en el Programa de Maestr�a en Construcciones con menci�n en Administraci�n en la Construcci�n Sustentable en la Universidad Cat�lica de Cuenca, Cuenca Ecuador.
2. Ingeniero Electr�nico, M�ster en Ingenier�a Computacional y Matem�tica, Master en Gerencia y Liderazgo Educacional, M�ster en estad�stica aplicada con R software, Universidad Cat�lica de Cuenca, Cuenca, Ecuador.
3. Ingeniero Civil, Maestr�a en Gerencia Empresarial � MBA � UASB, Project Management Professional - PMP� � PMI, Disciplined Agile Scrum Master - DASM� - PMI, Especialista en Negociaci�n. Docente en el Programa de Maestr�a en Construcciones con menci�n en Administraci�n en la Construcci�n Sustentable en la Universidad Cat�lica de Cuenca, Cuenca, Ecuador.

Resumen

La contrataci�n de obras de ingenier�a y arquitectura en el Ecuador en el sector p�blico es uno de los ejes principales en la econom�a, as� mismo el estado ecuatoriano es el mayor generador de infraestructura para la poblaci�n como v�as, parques y readecuaci�n de espacios p�blicos en general, es por ello que en la presente investigaci�n se realiza una recopilaci�n, pre procesamiento, an�lisis y b�squeda de oportunidades para optimizar los an�lisis de precios unitarios y los recursos que los componen y que conforman los rubros de trabajo que se licitan en concursos p�blicos a trav�s de la Ley de Contrataci�n p�blica del pa�s. Como caso de estudio se escogi� al Gobierno Aut�nomo del cant�n Cuenca, el cual cuenta con los suficientes rubros de trabajo, para ello se realiz� un sistema de filtrado y an�lisis de los datos de recursos y rubros para ser implementados en los presupuestos referenciales de obra mediante sistemas �giles, tecnol�gicos y estad�sticos que brinden un f�cil manejo de la informaci�n, sustentado en plataformas digitales y bases de data accesibles; en la ciudad de Cuenca los an�lisis de precios unitarios utilizados carecen de una optimizaci�n basada en un marco metodol�gico en el sector p�blico, el objetivo general es obtener la base centralizada, optimizada y que permita la ejecuci�n m�s eficiente en la elaboraci�n de presupuestos de obras civiles y arquitect�nicas. Como resultados se definieron par�metros a filtrar en una base de datos y se aplic� un algoritmo que utiliza modelos de regresi�n lineal para determinar las pendientes del modelo, estos modelos representan las oportunidades en los cambios de los diferentes rubros y recursos que conforman la base de an�lisis de precios unitarios m�s �ptimos sustentado en el hist�rico de precios desde el a�o 2019.

Palabras Clave: An�lisis de precios unitarios; APU; construcci�n; contrataci�n; obras; regresi�n lineal.

 

Abstract

The contracting of engineering and architecture works in Ecuador in the public sector is one of the main axes in the economy, likewise the Ecuadorian state is the largest generator of infrastructure for the population such as roads, parks and readjustment of public spaces in general. , that is why in the present investigation a compilation, pre-processing, analysis and search for opportunities is carried out to optimize the analysis of unit prices and the resources that compose them and that make up the work items that are tendered in public tenders through of the country's Public Procurement Law. As a case study, the Autonomous Government of the Cuenca canton was chosen, which has sufficient work items, for which a filtering and analysis system of resource and item data was carried out to be implemented in the referential work budgets through agile, technological and statistical systems that provide easy information management, supported by digital platforms and accessible databases; In the city of Cuenca, the analysis of unit prices used lacks an optimization based on a methodological framework in the public sector, the general objective is to obtain the centralized, optimized base that allows the most efficient execution in the elaboration of civil works budgets. and architectural. As results, parameters to be filtered in a database were defined and an algorithm was applied that uses linear regression models to determine the slopes of the model, these models represent the opportunities in the changes of the different items and resources that make up the analysis base. optimal unit prices based on historical prices since 2019.

Keywords: Analysis of unitary prices; PUA; building; hiring; plays; linear regression.

 

Resumo

A contrata��o de obras de engenharia e arquitetura no Equador no setor p�blico � um dos principais eixos da economia, da mesma forma o estado equatoriano � o maior gerador de infraestrutura para a popula��o como estradas, parques e readequa��o de espa�os p�blicos em geral. , � por isso que na presente investiga��o � realizada uma compila��o, pr�-processamento, an�lise e busca de oportunidades para otimizar a an�lise dos pre�os unit�rios e dos recursos que os comp�em e que comp�em os itens de trabalho que s�o licitados atrav�s de a Lei de Licita��es P�blicas do pa�s. Como estudo de caso, foi escolhido o Governo Aut�nomo do cant�o de Cuenca, que possui itens de trabalho suficientes, para o qual foi realizado um sistema de filtragem e an�lise de dados de recursos e itens a serem implementados nos or�amentos de trabalho referenciais por meio de m�todos �geis, tecnol�gicos e estat�sticos sistemas que facilitem a gest�o da informa��o, suportados em plataformas digitais e bases de dados acess�veis; Na cidade de Cuenca, a an�lise de pre�os unit�rios utilizada carece de uma otimiza��o com base em um quadro metodol�gico no setor p�blico, o objetivo geral � obter a base centralizada e otimizada que permite a execu��o mais eficiente na elabora��o de or�amentos de obras civis. e arquitet�nico. Como resultados, foram definidos par�metros a serem filtrados em um banco de dados e aplicado um algoritmo que usa modelos de regress�o linear para determinar as inclina��es do modelo, esses modelos representam as oportunidades nas mudan�as dos diferentes itens e recursos que comp�em a base de an�lise . pre�os unit�rios ideais com base em pre�os hist�ricos desde 2019.

Palavras-chave: An�lise de pre�os unit�rios; API; pr�dio; contratando; tocam; regress�o linear.

����������������������������������������������������������������������������������������������

Introducci�n

La construcci�n en el Ecuador es uno de los pilares que mueve la econom�a del pa�s, el cual reporta aproximadamente un valor superior al 8% del PIB nacional (Revista Gesti�n Ecuador, 2020), la manera de valorar un proyecto desde el punto de vista t�cnico y econ�mico es su presupuesto referencial, el cual es la suma y an�lisis de los equipos, materiales, mano de obra y transporte de los elementos indispensables para conformar los rubros que lo componen, creando as� un �an�lisis de precio unitario� o su acr�nimo APU. El an�lisis de precios consiste en obtener un precio final por unidad de obra de un rubro, que contempla el conjunto de operaciones manuales y mec�nicas, en el cual intervienen: costos directos y costos indirectos, los costos directos consisten en la suma de precios unitarios de cuatro componentes: materiales, mano de obra, equipos y transporte, y los costos indirectos en gastos administrativos y de obra. (Naranjo, 2007)

Debido a varias restricciones e inestabilidad econ�mica y social, la inversi�n privada en construcci�n se ha visto reducida, el Ecuador al ser un pa�s a�n en v�as de desarrollo, todav�a es el gestor mayoritario de los grandes proyectos de infraestructura para la poblaci�n (Vera et al., 2016), los cuales se ven reflejados en los distintos planes anuales de contrataci�n de las instituciones p�blicas estatales y de gobiernos descentralizados. La necesidad de contar con una base central de an�lisis de precios unitarios surge de la opini�n institucional y la de los oferentes, de tener los mismos criterios t�cnicos con los cuales poder llevar a cabo un proceso de contrataci�n de obras de una manera eficiente, donde los recursos del Estado se empleen las restricciones de costo/tiempo/calidad.

La Ley Ecuatoriana es muy clara al respecto, toda entidad del sector p�blico, previamente a la convocatoria a concurso p�blico, deber� certificar la disponibilidad presupuestaria y la existencia presente o futura de recursos suficientes para cubrir las obligaciones derivadas de la contrataci�n. (LEY ORG�NICA DEL SISTEMA NACIONAL DE CONTRATACI�N P�BLICA, 2021), es por ello que el presupuesto de la obra es fundamental en la contrataci�n de proyectos.

 

Hist�ricamente la Contrataci�n P�blica ha representado uno de los grandes desaf�os de los gobiernos, puesto que, en ella confluyen una serie de factores que la hacen especialmente compleja: Por un lado la necesidad de los gobiernos de contratar obras, bienes y servicios necesarios para su funcionalidad, pero sobre todo para atender las necesidades de los habitantes de su pa�s, especialmente aquellas que demandan ingentes inversiones y est�n destinadas a la prestaci�n de servicios p�blicos; por otra parte, el cumplimiento de los principios de legalidad, trato justo, igualdad, calidad, vigencia tecnol�gica, oportunidad, concurrencia, transparencia y publicidad, que garanticen la participaci�n en igualdad de condiciones de todos los proveedores, as� como la �ptima utilizaci�n de los recursos p�blicos. (Land�zuri & Neira Orellana, 2014)

Mediante la mejora en la gesti�n p�blica a partir de la constituci�n del 2008, en el marco de un estado comprometido con el buen vivir, dirigida de principios y guiada a contribuir al desarrollo social y econ�mico fomentando la participaci�n nacional sobre todo de los actores de la econom�a popular y solidaria se promueve la creaci�n de la Ley Org�nica de Sistema Nacional de Compras P�blicas con una pol�tica fiscal que establece criterios r�gidos para la contrataci�n de bienes, servicios y obras en instituciones del estado. El sistema de compras p�blicas del estado en todas sus etapas constituye un importante elemento de la gesti�n p�blica ya que beneficia la democratizaci�n en las contrataciones o adquisiciones, en t�rminos mejor coste posible, inclusi�n y redistribuci�n social de las riquezas. (Llanos Reyes, 2019).

La falta de uniformidad en criterios t�cnicos con respecto a la conformaci�n de los costos de una obra incide de una manera primordial en la programaci�n de proyectos, lo que ha desencadenado que los mismos sufran de un sobre costo en el momento de la etapa contractual (S.-Y. Kim et al., 2017), adem�s los servidores p�blicos que pertenecen a las �reas t�cnicas encargados de los estudios t�cnicos y econ�micos requieren una transformaci�n, que permita cambiar modelos mentales, operativos y estrat�gicos, a fin de que se produzca un cambio positivo en los mismos (Esp�n Moya, 2015), por tanto, una mejora en los procesos internos de la instituci�n p�blica que permitan mejorar el an�lisis de precios mediante herramientas computacionales son una de las soluciones a corto plazo (Barber et al., 2000).

Esto ha incurrido que el GAD de Cuenca, al tener varias direcciones y gestoras de proyectos, cuyos dise�os van desde la restauraci�n de bienes patrimoniales, parques y plazoletas, intercambiadores de tr�fico, puentes, ciclo v�as, calles, etc., (AWM - I, 2020) y de la contrataci�n de consultor�as a trav�s de los a�os, se ha llegado a contar con m�s de 7500 APU�S, los cuales no se encuentran centralizados, actualizados, sino que, se mantienen aislados dentro de cada direcci�n institucional. El formato de m�dulo APU se puede apreciar en la Figura 1.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

En el Ecuador y en los pa�ses de la regi�n latinoamericana, la elaboraci�n de un presupuesto referencial a base de an�lisis de precios unitarios es el pilar fundamental en el dise�o y ejecuci�n de obras civiles y arquitect�nicas, en los �ltimos a�os, algunos investigadores han contribuido con propuestas en el dise�o y manejo de APU�S, adem�s se han propuesto un control del buen uso de los recursos e insumos, exportando las actividades, unidades y cantidades de obra que se plasmaron en la propuesta econ�mica, as� como las duraciones de trabajo de las cuadrillas de mano de obra asignadas a cada actividad (Darquea Jij�n, 2018) (Hern�ndez Cort�z & Beltr�n C�rdenas, 2018).

 

Una de las propuestas en la elaboraci�n de costos se basa en una comparativa en el m�todo APU versus el m�todo del costeo ABC (siglas en ingl�s de �Activity Based Costing� o �Costeo Basado en Actividades�), en el primer m�todo se basa en estimar costes directos e indirectos de mano de obra, materiales, equipo, transporte y la especificaci�n t�cnica de un �rubro�, por otra parte, en el segundo m�todo se controlan las actividades que conllevan la realizaci�n de dicho rubro.

El costeo ABC sigue el criterio de que los recursos generan actividades, que bien podr�an ser compartidas entre rubros y se acoplan m�s a las necesidades personalizadas en las diferentes gestiones de proyectos, por ello, el mayor desaf�o en la utilizaci�n de este m�todo es la identificaci�n de las actividades con mayor valor agregado en las obras (Calero, 2015). De lo anteriormente expuesto, el sistema de costeo ABC se acoplar�a muy bien dentro de la filosof�a de trabajo del �Project Management�, el manegement se ha acu�ado como el concepto que aglutina todas aquellas gestiones y actividades que optimizan los recursos de que se disponen de manera que se alcancen los objetivos y finalidades previamente definidos (Garc�a, 2005); este m�todo de trabajo no se encuentra completamente difundido en el Ecuador, y ha hecho que el m�todo APU sea el que se utilice de manera oficial, en el sector p�blico y en el privado.

Adem�s la Ley de Contrataci�n P�blica vigente en el Ecuador, determina como requisito necesario para el lanzamiento a concurso de una obra (sea menor cuant�a, cotizaci�n o licitaci�n) que el sistema de costes a emplear sea el de APU�S y su vez estos est�n propensos a su reajuste, tal como lo indica el numeral 1.16 del documento en vigencia �MODELO DE PLIEGO DE LOS PROCEDIMIENTOS DE CONTRATACI�N DE OBRAS��� (MODELO DE PLIEGO DE LOS PROCEDIMIENTOS DE LICITACI�N DE OBRAS Versi�n SERCOP 2.1 (09 de Junio de 2017) III., 2017) y en el 1.6 del documento �FORMULARIOS DE LICITACI�N DE OBRAS� (CONDICIONES GENERALES PARA LA CONTRATACI�N DE OBRAS SERCOP, 2017).

En el pa�s se utilizan varios programas inform�ticos de car�cter privativo dise�ados para presupuestos y de planificaci�n de proyectos, que cumplen con todas las necesidades requeridas de costes, programaci�n econ�mica, log�stica subcontratos, m�quinas y equipos, personal, inventario, finanzas, contabilidad, etc., como ejemplos: S10, Construsoft, KyBcost, Waris, PCU Win, Opus, Arquimedes, ProExcel, InterPRO, Obras2018, etc. (Costos y Presupuestos Con S10 � AMV CONSULTORES, 2019)(PRESUPUESTOS � WarisSoft � Software Para La Construcci�n, 2022)(PCU Corporation. Estimating and Cost Control Software and Services, 2017)(OPUS - Software - Multion Consulting, 2022)(Arqu�medes - CYPE, 2022). Todos estos programas utilizan modelos matem�ticos para realizar funciones de control de costes de obras como: f�rmulas polin�micas, los insumos, gastos generales, manejo de pedidos, personal y contratos, c�lculo de APU, presupuestos y f�rmulas de reajuste, los cuales tienen los costos asociados al uso de licencias y actualizaciones de bases de datos. Adicionalmente un condicionante es la compatibilidad con los softwares utilizados en el entorno cercano que por lo general deben ser compatibles con los principales distribuidores de software como lo es Microsoft. (Benites Roxana, 2016).

En el Ecuador no existe un programa de c�digo abierto que permita al usuario incorporar cambios o mejoras al sistema, y que sea una herramienta que permita generar an�lisis de precios unitarios, elaborar presupuestos, obtener la cuadrilla tipo y generar la f�rmula de reajuste de precios. (Gavilanez, 2019).

En Chile existe un iniciativa t�cnica en la cual se implement� una plataforma virtual gratuita llamada �BACO-CHILE con el fin de mejorar la gesti�n digital, p�blica, escalable y de libre acceso, en base a un banco de costos e indicadores medioambientales orientado a hacer m�s eficiente el proceso de postulaci�n, evaluaci�n y seguimiento de proyectos de construcci�n p�blica que adem�s de permitir un an�lisis netamente econ�mico tambi�n permite un enfoque de construcci�n sustentable, la misma est� concebida como una herramienta para predecir la fase de dise�o de un proyecto de construcci�n incluyendo los costos econ�micos, ambientales y sociales. (Ver Figura 2). Esta iniciativa consiste en un motor de c�lculo e incluye tres bases de datos que est�n asociadas a los �tems necesarios en un presupuesto de obra y las tres dimensiones evaluadas: la base de datos de costos de recursos y actividades, que se vincula con el c�lculo de costo social y la base de datos ambientales de recursos y actividades.(�BACO-CHILE: Herramienta de Ecoeficiencia Para El Dise�o y Ejecuci�n de Proyectos de Construcci�n Sustentable � Construye2025, 2021)

���

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

A nivel de la ciudad de Cuenca, se utiliza software de venta al p�blico para elaborar presupuestos, la instituci�n p�blica y particularmente el GAD de Cuenca utiliza el programa InterPRO, se cuenta con bases de hasta 7500 APU�S repartidas por unidad gestora de proyectos y avalada por expertos en dise�o y ejecuci�n de obras, los costos de desarrollar un software institucional superan el coste de adquirir uno de venta al p�blico, pues las actualizaciones y soporte t�cnico tienen costes grandes por parte de la empresa desarrolladora del programa, adem�s que los contratistas utilizan este software por igual, pero el mismo no permite una interfaz que permita buscar oportunidades de optimizaci�n tales como comparativas de precios y costes por registros hist�ricos, comprobaci�n de unidades o un filtro de entrada err�nea de datos, entonces la eficacia en el uso del software depende �nicamente de la destreza y experiencia del usuario.

La herramienta matem�tica que permitir� la interconectividad y an�lisis de la informaci�n ser�a la aplicaci�n de un algoritmo inform�tico, este es un conjunto de instrucciones definidas, ordenadas y acotadas para resolver un problema, realizar un c�lculo o desarrollar una tarea. Es decir, un algoritmo es un procedimiento paso a paso para conseguir un fin. A partir de un estado e informaci�n iniciales, se siguen una serie de pasos ordenados para llegar a la soluci�n de una situaci�n.(Qu� Es Un Algoritmo Inform�tico: Caracter�sticas, Tipos y Ejemplos, 2021).

 

En el campo de la ingenier�a civil, actualmente el utilizar un modelo predictivo para estimar costos es un desaf�o, debido a la gran cantidad de variables que involucran las diferentes fases de un proyecto de obra y que generan diferentes tipos de resultados que inciden en mayor o menor grado en el an�lisis del modelo a predecir (Juszczyk, 2017) (Becerik-Gerber et al., 2014). Es importante descubrir qu� tipo de informaci�n inicial se dispone antes de elegir un modelo predictivo, para esto es necesario identificar de manera clara el entorno, los procesos que se llevan a cabo y el software en que los datos funcionan o se generan (Kropp et al., 2021).

Las formas de generar y recopilar los datos en la construcci�n ha mejorado en la actualidad, pero no todos los datos pueden ser utilizados y esto se debe principalmente a los siguientes factores: 1) insuficiente tiempo disponible para que los t�cnicos en construcci�n analicen datos; 2) el proceso de an�lisis de datos no siempre es simple; y 3) la ausencia de mecanismos automatizados claramente definidos para extraer, preprocesar y analizar datos y resumir resultados para los profesionales de la construcci�n. (Ghazal & Hammad, 2022).

En construcci�n de obras, la data se encuentra en texto y valores num�ricos, el primero describe una actividad, un recurso, un material, un c�digo de clasificaci�n, etc., mientras que el segundo puede representar costos, a�o, porcentajes u otro c�digo de clasificaci�n, por tanto, es importante ordenarlos de manera que sea f�cil y r�pido el poder utilizarlos de manera provechosa para el analista (Williams & Gong, 2014); para el caso de estimaci�n de costos, utilizar de manera inteligente la informaci�n depende de la t�cnica que se vaya a emplear, el prop�sito de la estimaci�n obtenida y la validaci�n de la t�cnica empleada (Elfaki et al., 2014).

Por ello es importante tener en cuenta las diferentes aproximaciones te�ricas y conceptuales que se han investigado en lo concerniente a la estimaci�n de costos de la construcci�n, puesto que cada modelo propuesto depende de la informaci�n de entrada y el proceso con el que se analizar�n, los m�s sencillos parten de un modelo de regresi�n lineal y regresiones no lineales; otros van m�s adelante y emplean modelos multi pasos, regresiones m�ltiples , uso de vectores y redes neurales de informaci�n (Dursun & Stoy, 2016; Isidore & Back, 2002; Lowe et al., 2006; Petruseva et al., 2017; Sonmez, 2004); adem�s, otros enfoques de modelos toman en cuenta los modelos de construcci�n p�blicos y la incidencia de factores y variables de �ndole socio econ�micos como la situaci�n del mercado, inflaci�n y uso de �ndices burs�tiles (Hyari et al., 2016; Rafiei & Adeli, 2018).

 

La aplicaci�n de modelos de regresi�n lineales en la estimaci�n o predicci�n de costos en la elaboraci�n de los presupuestos referenciales se han enfocado en obras relativamente peque�as como lo son casas, escuelas y carreteras (Kadri & Dewi Hudayani Sugara SekolahTinggiTeknologi Nusa Putra Sukabumi, 2017; G.-H. Kim et al., 2013; Mahpour, 2020); obras de gran envergadura como lo son planes de dragado de mares, movimientos de tierras en acondicionamiento de monta�as, represas, plantas de tratamiento de aguas servidas o el an�lisis de costos de los proyectos de construcci�n enfocados en un entorno espec�fico como lo es un pa�s por completo. (Muhammad et al., 2015; Okere, 2017; Williams & Asce, 2003).

La investigaci�n del presente art�culo propone la b�squeda de oportunidades de una base de precios unitarios partiendo de una recopilaci�n, an�lisis y actualizaci�n de los datos obtenidos de los diferentes an�lisis de precios unitarios del GAD del cant�n Cuenca en un solo m�dulo de base central depurado, en el cual mediante el uso del ajuste de modelos lineales y la estimaci�n de sus pendientes significativas servir�n para la b�squeda de oportunidades actuando como un sistema predictivo en el cu�l la obtenci�n de pendientes con valores cero significan falta de actualizaci�n, pendientes positivas aumento en el costo y pendientes negativas como oportunidades de an�lisis de optimizaci�n, esto mediante el uso de un algoritmo que podr� ser replicado y se pondr�n a disposici�n de los usuarios de la base mediante el software de venta p�blico llamado INTERPRO el cual cuenta con un m�dulo centralizado de Base Maestra (IS SOLUCIONES, 2021).

 

Metodolog�a

El nivel escogido de investigaci�n fue de tipo cuantitativa descriptiva, partiendo de la obtenci�n, clasificaci�n y estudio de las bases de datos que contienen los APU�S que se encuentran conformados por los materiales, mano de obra seleccionada, equipos necesarios y transporte para la ejecuci�n de un rubro, en s�ntesis, se analizaron las caracter�sticas de los diferentes an�lisis para luego ordenarlos y aplicar el algoritmo de b�squeda de optimizaci�n.

Despu�s de haber obtenido el permiso del GAD de Cuenca para poder utilizar la informaci�n correspondiente para esta investigaci�n se utiliz� una metodolog�a de trabajo a nivel macro en la que primero se obtienen las bases de precios unitarios individuales, luego estas son unificadas en una base central y se manejan por nivel de usuario, luego se analizan los datos obtenidos, v�ase Figura 3.

 

Figura 3. Metodolog�a propuesta a nivel macro � Realizada por el autor

 

Para la obtenci�n de los APU�S y las bases individuales (ver Figura 4), es importante identificar a las �reas gestoras de proyectos dentro del GAD de Cuenca, el primer subsistema para obtener an�lisis empieza con la revisi�n de los PAC�S (plan anual de contrataci�n) de los �ltimos 5 a�os en el portal de compras p�blicas (en su versi�n de libre acceso), despu�s emitir una comunicaci�n institucional solicitando las bases de precios unitarios y un delegado que permita la comunicaci�n institucional, as� como de consulta de informaci�n, la identificaci�n de proyectos pueden clasificarse por transporte y movilidad, v�as urbanas, parques y otros..

 

Figura 4. Obtenci�n de APU�S / Bases individuales- Realizada por el autor

 

El subsistema de Protocolo de APU�S que utiliza el personal de la instituci�n luego de obtener las bases individuales y los an�lisis de precios unitarios de cada gestora de proyectos se procede a analizar la data con la finalidad de estudiar su viabilidad t�cnica, este proceso se lo llev� a cabo mediante el protocolo de trabajo que comienza con la eliminaci�n de rubros repetidos, revisi�n de materiales, actualizaci�n de mano de obra y salarios, rendimientos, especificaciones t�cnicas y catalogaci�n de funci�n seg�n origen, v�ase Figura 5.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Figura 5. Subsistema - Protocolo de APU�S � Realizada por el autor

 

Despu�s de haber analizado, actualizado y catalogado los an�lisis, se procede al tercer subsistema de �unificaci�n de base central de APU�S, para lo cual fue necesario contar con el soporte de un servidor institucional, luego se realiz� un an�lisis de frecuencias en las categor�as por funcionalidad o rubro de trabajo espec�fico, se purg� la Base Central y se procedi� al an�lisis estad�stico de los recursos disponibles, unidades de medida de an�lisis err�neos y despu�s se escoge los recursos m�s repetidos y con mayor incidencia econ�mica con el fin de encontrar los recursos con mayor frecuencia y por ende con posibilidades de optimizaci�n de los mismos, esto se refiere a que al tener un hist�rico de los mismos se puede analizar si hay una variaci�n significativa en los costes de un a�o a otro.

Para la interconectividad entre los usuarios y la base central para la aplicaci�n de los subsistemas se instaur� que se trabaje y retroalimente la base mediante el uso de formatos (tanto de APU�S y especificaciones t�cnicas, como se aprecia en la Figura 3 al final del subsistema 2) (GAD DE CUENCA & Unidad de contrataci�n de obras, 2020), adem�s se catalogaron los usuarios de acuerdo al nivel de uso, siendo el m�s b�sico solo un nivel de acceso sin modificaci�n, y el segundo nivel con todos los permisos de modificaci�n y uso.

 

METODOLOG�A DE APLICACI�N DEL ALGORITMO DE DETECCI�N DEL INCREMENTO/DECREMENTO DE COSTOS REFERENCIALES EN APU�S Y RECURSOS

Para el subsistema de aplicaci�n del algoritmo de detecci�n de la variaci�n de costos se parte de los anteriores subsistemas en donde se obtiene la data y se procede a su ordenamiento, luego se pudo manejar la informaci�n con el fin de buscar oportunidades de optimizaci�n mediante el uso de ajuste de modelos lineales, el c�lculo de la pendiente de la ecuaci�n lineal y el c�lculo del valor de �que es el coeficiente de ajuste de modelo de regresi�n.

 

Este procedimiento se lo puede apreciar en la Figura 6.

Figura 6. Algoritmo de detecci�n del incremento/decremento de costos � Realizada por el autor

Este algoritmo fue implementado mediante el software de Microsoft Excel, la data se orden� por a�o, origen (direcci�n o generadora de proyectos dentro de la instituci�n p�blica), tipo y costo unitario en tablas de c�lculo; como es necesario agrupar la data se utiliz� una tabla din�mica, en la columna se coloca la descripci�n y en valores se coloca la cuenta o repetici�n del APU o del recurso, adem�s se verifica si la unidad utilizada es correcta utilizando un filtrado con los valores oficiales del SERCOP (Servicio Nacional de Contrataci�n P�blica, 2022)� (ver Figura 7, se importa esta informaci�n mediante la funci�n BUSCAR.V, se aplica un filtro y se ordena la data para proceder al c�lculo de las pendientes de la regresi�n lineal y el valor de , v�ase Figura 8.

 

 

 

 

Con el fin de realizar un ordenamiento m�s eficaz de la data, se emple� una codificaci�n espec�fica del origen de los APU�S de acuerdo a la direcci�n gestora de proyectos a la cual pertenecen, adem�s se categorizaron los recursos de acuerdo a la metodolog�a de an�lisis de precio unitario, es decir, equipo y herramientas, mano de obra, materiales y transporte, esta codificaci�n se la puede apreciar en la Tabla 1.

 

Tabla 1. Codificaci�n de unidad gestora de proyectos / recursos. FUENTE GAD CUENCA � Realizada por el autor

 

 

An�lisis de la data de la investigaci�n

Luego de obtener la data de APU�S y Recursos, clasificarla, codificarla, ordenarla y aplicar el algoritmo de detecci�n de incremento/decremento de costes se debe manejar en tablas que contengan el n�mero, frecuencia y porcentaje de los datos, adem�s se deben colocar los gr�ficos del an�lisis de los montos de contrataci�n por tipo y a�o (obtenidos de la revisi�n del PAC del GAD de la instituci�n), luego, con la obtenci�n de los modelos lineales se los debe comparar con los modelos propuestos con la Figura 9 con el fin de clasificarlos y proceder a su an�lisis.

El sistema de regresi�n lineal que se aplicar� a la data ordenada corresponde al valor de un APU o un Recurso a trav�s del registro hist�rico del mismo, la ecuaci�n que corresponde al mismo es la siguiente (UNIVERSIDAD DE JA�N, 2005):

 

Y = β1X + ε

 

Donde

Y: es el valor de costo / variable independiente

β1: es el valor calculado de la pendiente de la recta

X: es el a�o de an�lisis al cual se quiere predecir su costo / variable dependiente

ε: perturbaci�n o error aleatorio, que provoca que la dependencia entre las variables dependiente e independiente no sea perfecta, sino que est� sujeta a incertidumbre

 

Adem�s, se debe analizar los coeficientes de determinaci�n, el coeficiente de correlaci�n lineal puede interpretarse como una medida de la bondad del ajuste del modelo lineal, concretamente, un valor del coeficiente igual a 1 o -1 indica dependencia lineal exacta, en cuyo caso el ajuste es perfecto. No obstante, para cuantificar la bondad del ajuste de un modelo, lineal o no, se utiliza una medida que se denomina coeficiente de determinaci�n lineal R2, que es la proporci�n de variabilidad de la variable Y que queda explicada por el modelo de entre toda la presente, y cuya expresi�n es (UNIVERSIDAD DE JA�N, 2005):

a)   

b)

c)   

que en modelo de regresi�n lineal coincide con el cuadrado del coeficiente de correlaci�n lineal:

d)  

e)  R2 = r2

El coeficiente de determinaci�n toma valores entre 0 y 1, y cuanto m�s se aproxime a 1 mejor ser� el ajuste y por lo tanto mayor la fiabilidad de las predicciones que con �l realicemos. N�tese que si el coeficiente de correlaci�n lineal r es igual a 1 o -1 entonces R2 = 1 y por lo tanto el ajuste lineal es perfecto.

 

Poblaci�n y muestra

Para el c�lculo de las variables cuantitativas se emple� las bases de APU�S individuales de cada unidad gestora de proyectos con su respectivo reporte de base de datos, el universo de estudio fue completo y consta de un total de 17,814 APU�S y un total de 17,783 Recursos, pues no se puede operativizar la investigaci�n sin tomar en cuenta a cada uno de ellos.

 

Resultados

Despu�s de haber aplicado la metodolog�a correspondiente al manejo de la informaci�n de la data, se obtuvieron un total de 17814 APU�S clasificados por origen y por porcentajes, tal como se observa en la Tabla 2.

 

Tabla 2. Contabilizaci�n de n�mero de APU�S categorizados por origen � Realizada por el autor

 

Al clasificar por origen de departamento gestor de proyectos los APU�S, la mayor base antes de formar la �Base Central� es la correspondiente a ��reas Hist�ricas� con un total de 3510 APU�S que corresponde a un 19.70%, la base m�s peque�a es la de �Obras p�blicas� con 40 APU�S que corresponde a un 0.22% y le sigue �Unidad ejecutora� con 497 APU�S que corresponde a un 2.79%, lo interesante es que la primera maneja rubros arquitect�nicos y de restauraci�n de bienes patrimoniales y las �ltima solo rubros de �ndole vial, esto corresponde a la realidad de la construcci�n en el GAD de Cuenca, se necesitan muchos m�s rubros de trabajo en el �mbito arquitect�nico que en el desarrollo de obras netamente civiles como lo son la construcci�n de v�as y de mantenimiento de adoquinados y veredas.

De la depuraci�n de los 17814 APU�S, se analizaron las unidades utilizadas de los mismos, hall�ndose unidades que no corresponden a un modelo actualizado como �pto� o �punto� el�ctrico o sanitario, uso de toneladas para movimientos de tierra y unidades de tipo �global�, lo cual demuestra el uso de rubros desactualizados con errores de sintaxis, �puesto que son indicativos de que no se ha desarrollado un an�lisis exhaustivo de los �tems requeridos en construcci�n y se emplean artificios de tipo �global / punto� para no enlistar todos los componentes de un rubro. Como se observa en la Figura 10 el n�mero de APU�S con unidades incorrectas es todav�a elevado aun cuando se ha realizado el filtrado o depuraci�n de la base de datos dentro de �Base Central - BC� lo cual podr�a utilizarse para una posible re categorizaci�n de los mismos.

 

Figura 10. Unidad correcta 1, unidad incorrecta 0 � Realizada por el autor

�� ��������

A continuaci�n en la Tabla 3 se analizan los costos directos de los recursos encontrados dentro de las bases de APU�S, se observa que en el recurso Transporte cuenta con 115 valores que corresponde a un 0.65%, lo cual es un indicativo que realmente no hay un an�lisis exhaustivo del impacto de automotores y su impacto en obras, mientras que el recurso Materiales hay valores extremos con un total de 16340 recursos que equivalen al 91.89% del total, esto es interesante puesto que no deber�an existir materiales aislados de valores muy grandes, puesto que la Ley de Contrataci�n P�blica Ecuatoriana contempla la utilizaci�n de rubros para obras y no rubros de obra para adquisici�n de bienes por este modelo de contrataci�n p�blica. Adem�s, se observa que la cantidad de recursos de la categor�a Materiales es la de mayor cantidad de �tems, mientras que el resto de categor�as son muy inferiores, esto se podr�a deber a la gran cantidad de proveedores de materiales tanto de origen nacional como extranjero, lo cual conlleva una dificultad de normalizaci�n con respecto a homologaci�n de especificaciones t�cnicas, normas de construcci�n y precios.

 

Tabla 3. Conteo de recursos, m�ximo valor de costo directo y porcentaje de incidencia de recursos � Realizada por el autor

 

 

Al revisar el PAC del GAD de Cuenca desde el a�o 2019 hasta el 2021 se obtuvo el an�lisis de las obras y montos adjudicados realizados en el per�odo de estudio, obtenemos los resultados que se muestran en la Figura 11 y realizando la comparaci�n con la Figura 12, se observa que en el a�o 2019 se utilizaron APU�S de Movilidad en procedimientos de menor cuant�as de obras, mientras que, despu�s de obtener la Base Central los procedimientos fueron orientados netamente a procedimientos de licitaci�n y cotizaci�n de obras, dejando de lado otros procesos.

 

 

 

 

Figura 11. Tipo de procedimientos de contrataci�n de obras del GAD de Cuenca categorizada por a�os � Realizada por el autor

 

 

 

Figura 12. Tipo de procedimientos de contrataci�n de obras del GAD de Cuenca categorizada por tipo de contrataci�n de obra � Realizada por el autor

 

 

Al aplicar el algoritmo de b�squeda de oportunidades ordenando la data, se obtuvieron 5737 casos de estudio en APU�S y 991 en Recursos, como se puede observar en las Tablas 4 y 5, en el caso de las pendientes de los APUS, se observan que las oportunidades de optimizaci�n se dar�an en las que tienen pendientes negativas y cero sumando las dos aproximadamente un 16% del total de los APUS, en los Recursos ocurre lo contrario, la suma de los recursos que se deben optimizar suman casi el 60% del total de recursos, esto puede tomarse como un �ndice de optimizaci�n de las bases de datos.

 

Tabla 4. Pendientes de modelos de regresi�n lineal de APUS categorizadas por tipo y porcentaje � Realizada por el autor

 

 

De la Tabla 4 se observa que hay 822 APU�S que, aplicando el modelo de regresi�n lineal presentan rectas con pendientes negativas y que representan un 14.33% del total de an�lisis que resultan en 822 oportunidades de optimizar la base de datos puesto que habr�a que analizar el decremento en el valor de los costos con respecto a a�os anteriores, adem�s hay 108 modelos de regresi�n lineal con pendientes cero que representan un 1.88% del total en donde no hay variaci�n de costes a trav�s de los a�os lo cual podr�a deberse a la falta de uso del APU en proyectos de construcci�n, el restante 83.79% de los modelos de regresi�n lineal presentan pendientes positivas lo cual es in indicativo que los APU�S han sido actualizados con los valores de incremento de valor de sus costes a trav�s de los a�os.

 

Tabla 5. Pendientes de modelos de regresi�n lineal de Recursos categorizadas por tipo y porcentaje � Realizada por el autor

 

De la Tabla 5� que corresponden los modelos de regresi�n lineal de los Recursos se observa que los que presentan pendientes negativas son 425 que corresponde a un 42.89% y las que presentan pendientes positivas son 394 que corresponde a un 39.76%, del grupo de pendientes negativas tendr�amos 425 oportunidades de optimizaci�n debido a que hay un decremento de los valores de costos en estos recursos adem�s de 172 modelos de regresi�n lineales que corresponden al 17.36% con pendientes cero que tambi�n son oportunidades optimizaci�n o una muestra de desuso del recurso analizado.

En el caso de APU�S los valores m�s extremos de crecimiento y decremento de las pendientes ocurren en los rubros el�ctricos (v�ase ejemplo del APU Red subterr�nea MT en la Figura 13). Como oportunidades de optimizaci�n de la base de APU�S se consideraron aquellos rubros que tienen una pendiente negativa y que tengan un coeficiente �superior al 35% de fiabilidad, el autor opto por no considerar valores inferiores puesto que no son valores fiables para proceder a una optimizaci�n, considerando a estos valores menores como rubros o recursos no aptos para ser utilizados como se puede observar en la Tabla 6.

 

 

 

 

Figura 13. Regresi�n lineal de los datos del APU �Red subterr�nea MT� con una pendiente negativa y un coeficiente R2 de 51% � Realizada por el autor

 

 

Tabla 6. Regresi�n lineal de APU�S con pendientes negativas y coeficientes R2 superiores al 35% � Realizada por el autor

 

 

����������� De los 991 recursos se escogieron 35, que presentaron al momento de realizar la regresi�n lineal pendientes negativas (decremento en costos) con coeficientes �superiores al 90% de fiabilidad como se puede observar en la Tabla 7 y como ejemplo de an�lisis se tom� el recurso �Tapa de Hormig�n Armado, platina perimetral y cerco para vereda para Pozos de 60x60cm� (ver Figura 14).

 

Tabla 7. Regresi�n lineal de Recursos con pendientes negativas y coeficientes R2 superiores al 90% � Realizada por el autor

 

 

 

 

 

 

 

 

 

 

 

Figura 14. Regresi�n lineal de los datos del Recurso �Tapa de Hormig�n Armado, platina perimetral y cerco para vereda para Pozos de 60x60cm� con una pendiente negativa y un coeficiente R2 del 100% � Realizada por el autor

Figura 15. Modelos de regresiones lineales de APU�S y Recursos como ejemplos de an�lisis � Realizada por el autor

 

De la Figura 15, se observan algunos modelos de regresi�n lineal como ejemplos de an�lisis, en lo que corresponden a las dos primeras gr�ficas, corresponden a la colocaci�n de luminaria de sodio y el rubro de la luminaria sola, el primer modelo tiene una pendiente positiva y corresponde al incremento normal del alza de los salarios de mano de obra que ocurre cada a�o, mientras que la segunda gr�fica tiene una pendiente negativa del recurso de la luminaria, lo cual tendr�a que analizarse si corresponde a una verdadera baja en el mercado correspondiente a los rubros de iluminaci�n debido a nuevos recursos de origen extranjero, baja de aranceles u otros factores externos que hayan causado que los valores del recursos hayan disminuido; el tercer y cuarto gr�fico son el ejemplo de un recurso o APU que no se han utilizado o actualizado, como evidencia el modelo de regresi�n lineal muestra una pendiente cero, ambos corresponden a rubros arquitect�nicos y m�s a�n de restauraci�n del centro hist�rico de la ciudad de Cuenca, el primero de las veredas patrimoniales y el segundo en trabajos de restauraci�n de casas, el desuso de los mismos corresponden a que no se han realizado trabajos por parte del �rea correspondiente debido a varios factores como pueden ser recortes de presupuesto, falta de mantenimiento de los bienes patrimoniales, posible reemplazo de rubros antiguos con nuevos materiales, etc.; en las dos �ltimas gr�ficas corresponden a modelos lineales con pendientes positivas, la de la izquierda corresponde a un rubro el�ctrico de transformador trif�sico, se observa que en el transcurso de dos a�os hubo un incremento de aproximadamente 2000 USD del rubro, lo cual podr�a deberse debido a la pandemia global y a la restricci�n de transporte mar�timo en el mundo o un incremento en los aranceles de importaci�n del mismo, en el gr�fico de la derecha se observa un recurso de mucho uso como lo es el cemento portland, el cual tiene un modelo de regresi�n positivo pero en el cual si se observa en el a�o 2022 cuenta con 4 valores correspondientes al recurso, lo cual es indicativo que hubieron 4 diferentes criterios al momento de asignar un valor de costo del mismo o tambi�n la variedad de valores en el mercado nacional de este �tem.

 

Discusi�n y conclusiones

De la investigaci�n realizada obtenemos que la base total de an�lisis de precios unitarios del GAD de Cuenca cuenta con 17814 rubros, luego de la depuraci�n y uni�n de las distintas bases la Base Central se conforma de 6512 rubros que corresponde a un 36.55% de todos los rubros no categorizados u organizados.

De la revisi�n de unidades empleadas en los APU�S de las bases de datos, encontramos que 351 de los mismos tienen una unidad de medida err�nea.

De la totalidad de Recursos empleados para conformar los rubros de trabajo, el 91.89% corresponden a Materiales, el resto del total se conforman por transporte, herramientas y mano de obra, lo cual pone en evidencia la falta de investigaci�n con respecto a los �mbitos del uso de automotores o equipos autopropulsados, adem�s que tambi�n es necesario ampliar la investigaci�n con el fin de mejorar los recursos correspondientes a la mano de obra y al equipo que se est� ocupando en los proyectos de construcci�n.

Los procesos de contrataci�n de mayor frecuencia en el GAD de Cuenca son los de Menor Cuant�a, los mismos que son de adhesi�n hacia los oferentes, es por ello que es necesario tener una base optimizada con el fin de no generar perjuicios a los profesionales licitantes y que las obras cumplan de manera satisfactoria los objetivos contractuales.

En APU�S las oportunidades de optimizar la base de datos corresponden a un 14.33% de rubros con pendientes negativas y a un 1.88% de rubros con pendientes cero, esto indica que el grado de utilizaci�n de la base de APU�S tiene un 98.12% y un 83.79% de optimizaci�n correspondiente a rubros que presentan modelos de regresi�n lineal positiva y por ende se comportan con el incremento de los costes del mercado y la inflaci�n del pa�s.

Con respecto a los Recursos que conforman los APU�S, las oportunidades de optimizaci�n corresponden a un 42.89% de recursos con modelos de regresi�n lineal con pendientes negativas y un 17.36% de pendientes cero que a la vez indican el grado de no utilizaci�n de la base, dando un grado de utilizaci�n de un 82.64% de la base de recursos, pero de tan solo un 39.76% de optimizaci�n correspondiente a recursos con modelos de regresi�n lineal positivas.

Como discusi�n se propone que la investigaci�n del comportamiento de los APU�S y Recursos que la conforman, no solo se trate a nivel de costos unitarios, sino que, se incorporen medidores adicionales tales como nivel de eficiencia en campo o ejecuci�n real del rubro, adem�s de la incorporaci�n de medidores de car�cter social o ecol�gico que no existen en los rubros de construcci�n analizados, tambi�n se propone aplicar la metodolog�a propuesta en esta investigaci�n a otras instituciones del sector p�blico ecuatoriano y a constructoras privadas con el fin de obtener valores para correlacionar el uso de los rubros de trabajo en la construcci�n en la realidad del pa�s

 

Referencias

1.     �BACO-CHILE: herramienta de ecoeficiencia para el dise�o y ejecuci�n de proyectos de construcci�n sustentable � Construye2025. (2021). https://construye2025.cl/2021/09/29/abaco-chile-herramienta-de-ecoeficiencia-para-el-diseno-y-ejecucion-de-proyectos-de-construccion-sustentable/

2.     Arqu�medes - CYPE. (2022). https://info.cype.com/es/software/arquimedes/

3.     AWM - I. (2020, December 10). Estas son las obras contempladas en el presupuesto 2021 del Municipio de Cuenca - Diario El Mercurio. DIARIO EL MERCURIO - CUENCA. https://elmercurio.com.ec/2020/12/10/estas-son-las-obras-contempladas-en-el-presupuesto-2021-del-municipio-de-cuenca/

4.     Barber, P., Graves, A., Hall, M., Sheath, D., & Tomkins, C. (2000). Quality failure costs in civil engineering projects. International Journal of Quality and Reliability Management, 17(4), 479�492. https://doi.org/10.1108/02656710010298544

5.     Becerik-Gerber, B., Siddiqui, M. K., Brilakis, I., El-Anwar, O., El-Gohary, N., Mahfouz, T., Jog, G. M., Li, S., & Kandil, A. A. (2014). Civil Engineering Grand Challenges: Opportunities for Data Sensing, Information Analysis, and Knowledge Discovery. Journal of Computing in Civil Engineering, 28(4). https://doi.org/10.1061/(asce)cp.1943-5487.0000290

6.     Calero, R. (2015). COMPARACI�N DE LOS M�TODOS A.P.U. Y COSTEO ABC PARA EL AN�LISIS DE PRECIOS UNITARIOS EN LA CONSTRUCCI�N. Pontificia Universidad Cat�lica Del Ecuador.

7.     Costos y Presupuestos con S10 � AMV CONSULTORES. (2019). https://amvconsultoresperu.com/costos-y-presupuestos-con-s10/

8.     Darquea Jij�n, F. (2018). IMPLEMENTACI�N��� DEL��� PROGRAMA��� PROEXCEL��� 2016��� EN��� LA��� EMPRESA PANECONS��� S.A.,��� PARA��� SU��� USO��� EFICIENTE��� EN��� LA��� ELABORACI�N��� DE PRESUPUESTOS DE OBRA DENTRO DE LA EMPRESA.

9.     Dursun, O., & Stoy, C. (2016). Conceptual Estimation of Construction Costs Using the Multistep Ahead Approach. Journal of Construction Engineering and Management, 142(9). https://doi.org/10.1061/(asce)co.1943-7862.0001150

10.  Elfaki, A. O., Alatawi, S., & Abushandi, E. (2014). Using intelligent techniques in construction project cost estimation: 10-Year survey. In Advances in Civil Engineering (Vol. 2014). Hindawi Limited. https://doi.org/10.1155/2014/107926

11.  Esp�n Moya, E. R. (2015). TENDENCIAS DE LA GESTI�N DE TALENTO HUMANO EN EL SECTOR P�BLICO Revista Cient�fica de Universidad ECOTEC. http://ecociencia.ecotec.edu.ec/articulo?ida=34

12.  GAD DE CUENCA, & Unidad de contrataci�n de obras. (2020). GAD MUNICIPAL DEL CANT�N CUENCA DIRECCI�N GENERAL DE COMPRAS P�BLICAS LINEAMIENTOS PARA LA CREACI�N DE: ANALISIS DE PRECIOS UNITARIOS ESPECIFICACIONES T�CNICAS.

13.  Garc�a, J. (2005). El Project Manager aplicado a la construcci�n. Partida Doble, 164, 26 a 33.

14.  Gavilanez, A. (2019). Desarrollo de un Programa de Elaboraci�n de Presupuestos de Construcci�n por An�lisis de Precios Unitarios. UNIVERSIDAD SAN FRANCISCO DE QUITO USFQ.

15.  Ghazal, M. M., & Hammad, A. (2022). Application of knowledge discovery in database (KDD) techniques in cost overrun of construction projects. International Journal of Construction Management, 22(9), 1632�1646. https://doi.org/10.1080/15623599.2020.1738205

16.  Hern�ndez Cort�z, A., & Beltr�n C�rdenas, I. (2018). APOYO EN LABORES DE INGENIERIA Y ACOMPA�AMIENTO AL PROFESIONAL ENCARGADO DE LA REALIZACION DE ACTIVIDADES, PRESUPUESTOS, PROGRAMACION Y CALCULO DE CANTIDADES DE OBRA.

17.  Hyari, K. H., Al-Daraiseh, A., & El-Mashaleh, M. (2016). Conceptual Cost Estimation Model for Engineering Services in Public Construction Projects. Journal of Management in Engineering, 32(1). https://doi.org/10.1061/(asce)me.1943-5479.0000381

18.  IS SOLUCIONES. (2021). M�dulo de Base Central - InterPro. https://www.interpro.ec/gallery/b/

19.  Isidore, L. J., & Back, W. E. (2002). Multiple Simulation Analysis for Probabilistic Cost and Schedule Integration. JOURNAL OF CONSTRUCTION ENGINEERING AND MANAGEMENT, 211�219. https://doi.org/10.1061/ASCE0733-93642002128:3211

20.  Juszczyk, M. (2017). The Challenges of Nonparametric Cost Estimation of Construction Works with the use of Artificial Intelligence Tools. Procedia Engineering, 196, 415�422. https://doi.org/10.1016/j.proeng.2017.07.218

21.  Kadri, T., & Dewi Hudayani Sugara SekolahTinggiTeknologi Nusa Putra Sukabumi, R. (2017). Estimated Budget Construction Housing Using Linear Regression Model Easy And Fast Solutions Accurate. https://doi.org/10.1109/CED.2017.8308095

22.  Kim, G.-H., Shin, J.-M., Kim, S., & Shin, Y. (2013). Comparison of School Building Construction Costs Estimation Methods Using Regression Analysis, Neural Network, and Support Vector Machine. Journal of Building Construction and Planning Research, 01(01), 1�7. https://doi.org/10.4236/jbcpr.2013.11001

23.  Kim, S.-Y., Tuan, N., Lee, J. do, Pham, H., & Luu, V. T. (2017). Cost Overrun Factor Analysis for Hospital Projects in Vietnam. KSCE Journal of Civil Engineering, 0000, 1�11. https://doi.org/10.1007/s12205-017-0947-5

24.  Kropp, T., Bombeck, A., & Lennerts, K. (2021). An Approach to Data Driven Process Discovery in the Cost Estimation Process of a Construction Company. Proceedings of the International Symposium on Automation and Robotics in Construction, 2021-November, 893�900. https://doi.org/10.22260/isarc2021/0121

25.  Land�zuri, M., & Neira Orellana, �. E. (2014). La Ley Org�nica del Sistema Nacional de Contrataci�n P�blica y su Incidencia en el Cumplimiento de los Principios que Rigen la Contrataci�n P�blica. UNIVERSIDAD SAN FRANCISCO DE QUITO.

26.  Llanos Reyes, M. F. (2019). An�lisis a los procedimientos precontractuales empleados al proceso de contrataci�n de servicios y obras en instituciones del sector p�blico. http://repositorio.utmachala.edu.ec/handle/48000/13636

27.  LEY ORG�NICA DEL SISTEMA NACIONAL DE CONTRATACI�N P�BLICA, (2021). www.lexis.com.ec

28.  Lowe, D. J., Emsley, M. W., & Harding, A. (2006). Predicting Construction Cost Using Multiple Regression Techniques. JOURNAL OF CONSTRUCTION ENGINEERING AND MANAGEMENT, 750�758. https://doi.org/10.1061/ASCE0733-93642006132:7750

29.  Mahpour, A. (2020). STATISTICAL ANALYSIS OF TEXAS STATE HIGHWAYS� COST INDICES. International Journal of Transport Economics, 47(1), 15�36. https://doi.org/10.19272/202006701002

30.  Muhammad, N. Z., Keyvanfar, A., Zaimi, M., Majid, A., Shafaghat, A., Magana, A. M., Lawan, H., & Balubaid, S. (2015). Jurnal Teknologi Assessment of Cost Escalation factors for Building and Civil Engineering Projects in Nigerian Construction Industry: a Multiple Regression Approach (Vol. 74, Issue 4). www.jurnalteknologi.utm.my

31.  Naranjo, P. (2007). �HERRAMIENTA INFORM�TICA PARA EL AN�LISIS DE PRECIOS UNITARIOS Y PLANIFICACI�N, APLICADOS A LA CONSTRUCCI�N DE VIVIENDAS� [UNIVERSIDAD NACIONAL DE LOJA]. https://dspace.unl.edu.ec/jspui/bitstream/123456789/14549/1/Naranjo ochoa%2C Pablo Xavier.pdf

32.  Okere, G. (2017). Reliance on and Reliability of the Engineer�s Estimate in Heavy Civil Projects. Construction Economics and Building, 17(2), 92�114.

33.  OPUS - software - Multion Consulting. (2022). https://multion.com/producto/opus

34.  PCU Corporation. Estimating and Cost Control Software and Services. (2017). https://pcucorp.com/es/company-history.html

35.  Petruseva, S., Zileska-Pancovska, V., �ujo, V., & Brkan-Vejzović, A. (2017). CONSTRUCTION COSTS FORECASTING: COMPARISON OF THE ACCURACY OF LINEAR REGRESSION AND SUPPORT VECTOR MACHINE MODELS. Tehnicki Vjesnik, 24(5), 1431�1438. https://doi.org/10.17559/TV-20150116001543

36.  PRESUPUESTOS � WarisSoft � Software para la Construcci�n. (2022). https://webcache.googleusercontent.com/search?q=cache:jsyRy70Az48J:https://warissoft.com/blog/waris2000-control-de-obras/gerencia-de-obras/presupuestos/+&cd=1&hl=es&ct=clnk&gl=ec

37.  Qu� es un algoritmo inform�tico: caracter�sticas, tipos y ejemplos. (2021). https://profile.es/blog/que-es-un-algoritmo-informatico/

38.  Rafiei, M. H., & Adeli, H. (2018). Novel Machine-Learning Model for Estimating Construction Costs Considering Economic Variables and Indexes. Journal of Construction Engineering and Management, 144(12). https://doi.org/10.1061/(asce)co.1943-7862.0001570

39.  Revista Gesti�n Ecuador. (2020). La construcci�n, un pilar de la econom�a debilitado por la pandemia | Gesti�n. https://www.revistagestion.ec/economia-y-finanzas-analisis/la-construccion-un-pilar-de-la-economia-debilitado-por-la-pandemia

40.  CONDICIONES GENERALES PARA LA CONTRATACI�N DE OBRAS SERCOP, (2017).

41.  MODELO DE PLIEGO DE LOS PROCEDIMIENTOS DE LICITACI�N DE OBRAS Versi�n SERCOP 2.1 (09 de junio de 2017) III., (2017).

42.  Servicio Nacional de Contrataci�n P�blica. (2022). INSTRUCTIVO PARA LLENAR EL FORMATO DE PRESUPUESTO DE OBRA. https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=&ved=2ahUKEwjM7YDvpZr6AhXgZzABHVNwBjoQFnoECAQQAQ&url=https%3A%2F%2Fwww.compraspublicas.gob.ec%2FProcesoContratacion%2Fcompras%2FPC%2FbajarArchivo.cpe%3FArchivo%3D11CD4T0xBdltbp1YkTaL3eBGcWk_9VAVXXD5qidkTMc%2C&usg=AOvVaw3ufwJ_NEUHwjftrtzs2F35

43.  Sonmez, R. (2004). Conceptual cost estimation of building projects with regression analysis and neural networks. Canadian Journal of Civil Engineering, 31(4), 677�683. https://doi.org/10.1139/L04-029

44.  UNIVERSIDAD DE JA�N. (2005). Cap�tulo 9. Regresi�n lineal. In APUNTES DE ESTAD�STICA.

45.  Vera, J., Sostenibilidad, S., Rodr�guez, J., Espae, P. de, & Zambrano, J. (2016). Orientaci�n estrat�gica para la toma de decisiones - Industria de la Construcci�n. ESPAE-ESPOL. http://www.espae.espol.edu.ec/publicaciones-de-espae/

46.  Williams, T. P., & Asce, M. (2003). Modeling Dredging Project Cost Variations. JOURNAL OF WATERWAY, PORT, COASTAL AND OCEAN ENGINEERING, 279�285. https://doi.org/10.1061/ASCE0733-950X2003129:6279

47.  Williams, T. P., & Gong, J. (2014). Predicting construction cost overruns using text mining, numerical data and ensemble classifiers. Automation in Construction, 43, 23�29. https://doi.org/10.1016/j.autcon.2014.02.014

 

 

 

 

� 2023 por los autores. Este art�culo es de acceso abierto y distribuido seg�n los t�rminos y condiciones de la licencia Creative Commons Atribuci�n-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

(https://creativecommons.org/licenses/by-nc-sa/4.0/).