Modelo predictivo del desempeño de proyectos de infraestructura mediante factores de gestión de riesgos A Predictive Model for Infrastructure Project Performance Based on Risk Management Factors
Contenido principal del artículo
Resumen
Los proyectos de infraestructura sufren riesgos técnicos, financieros, de suministro, operacionales, de seguridad, que producen retrasos, sobrecostes y desviaciones de calidad. Fue necesario superar enfoques reactivos, por lo que se desarrolló un modelo predictivo capaz de anticipar el desempeño de obras civiles a partir de factores medibles de gestión de riesgos. El objetivo fue desarrollar un modelo predictivo que estime variaciones en costos, cronograma y calidad. Se utilizó un enfoque cuantitativo, transverso y no experimental. A una muestra intencional de 100 profesionales del sector (residentes de obra, planificadores, fiscalizadores, jefes de obra y contratistas) se les aplicó un cuestionario con escala Likert de cinco niveles. Las escalas mostraron excelente fiabilidad (α y ω > 0,90). Se ajustó un modelo de regresión lineal múltiple una vez comprobados los supuestos de normalidad, homocedasticidad, independencia y multicolinealidad. El modelo fue estadísticamente significativo (F (5,94) = 16,36; p < 0,001; R² = 0,465). Los riesgos operativos (β = 0.315), de suministro (β = 0.308) y financiero (β = 0.180) influyeron de forma significativa sobre el desempeño, mientras que los riesgos técnicos y de seguridad no fueron significativos. El modelo predictivo elaborado permite evaluar el desempeño de proyectos de infraestructura y priorizar la gestión de los riesgos con mayor incidencia. La ecuación obtenida es una herramienta válida de alerta temprana para una mejor planificación y control de las obras.
Descargas
Detalles del artículo

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Citas
Alkaissy, M., Arashpour, M., Ashuri, B., Bai, Y., & Hosseini, R. (2020). Safety management in construction: 20 years of risk modeling. Safety Science, 129, 104805. https://doi.org/10.1016/j.ssci.2020.104805
Alrasheed, K. A. (2025). Enhancing construction management with machine learning-integrated building information modeling: a transformative approach. Discover Civil Engineering, 2(1). https://doi.org/10.1007/s44290-025-00316-7
Baghalzadeh Shishehgarkhaneh, M., Moehler, R. C., Fang, Y., Aboutorab, H., & Hijazi, A. A. (2024). Construction supply chain risk management. In Automation in Construction (Vol. 162). Elsevier B.V. https://doi.org/10.1016/j.autcon.2024.105396
Canesi, R., Gabrielli, L., Marella, G., & Ruggeri, A. G. (2025). Probabilistic risk assessment framework for cost overruns predictions in infrastructure projects using randomized simulations. Computer-Aided Civil and Infrastructure Engineering, 40(27), 4774–4796. https://doi.org/10.1111/mice.70100
Castro, D., Yepes, A., Carvajal, D., Lino, V., & Carvajal, D. (2026). Gestión de la calidad y retos frente a la improvisación en la construcción: Una revisión sistemática de la Literatura. Revista Científica Multidisciplinar G-Ner@ndo, 7(2), 1–20. https://doi.org/10.66473/rcmg.v7i2.1299
Figueroa Quimis, J. C., Alcívar Vera, J. A., Ramos Vera, L. B., & Lino Calle, V. A. (2026). Planificación de costos y su relación con las desviaciones presupuestarias en proyectos de infraestructura. Reincisol., 5(9), 1–22. https://doi.org/10.59282/reincisol.V5(9)1305
Gómez Rubén. (2025). Aplicación de la gestión de riesgos en forma oportuna para mejorar el desempeño de los proyectos de construcción. Proceedings of the 23rd LACCEI International Multi-Conference for Engineering, Education and Technology (LACCEI): “Engineering, Artificial Intelligence, and Sustainable Technologies in Service of Society.” https://doi.org/10.18687/LACCEI2025.1.1.2015
Gómez-Cabrera, A., Sanz-Benlloch, A., Montalban-Domingo, L., Ponz-Tienda, J. L., & Pellicer, E. (2020). Identification of factors affecting the performance of rural road projects in Colombia. Sustainability (Switzerland), 12(18). https://doi.org/10.3390/SU12187377
Gondia, A., Moussa, A., Ezzeldin, M., & El-Dakhakhni, W. (2023). Machine learning-based construction site dynamic risk models. Technological Forecasting and Social Change, 189. https://doi.org/10.1016/j.techfore.2023.122347
Intriago Pincay, G. M., Quinatoa Chavéz, E. J., Centeno Alcívar, J. A., & Lino Calle, V. A. (2025). Gestión de riesgos en planificación de obras civiles: mitigación de retrasos y sobrecostos en construcción, un análisis textual discursivo. Revista Ingenio Global, 4(1), 160–174. https://doi.org/10.62943/rig.v4n1.2025.203
Lagos, C. I., Herrera, R. F., Mac Cawley, A. F., & Alarcón, L. F. (2024). Predicting construction schedule performance with last planner system and machine learning. Automation in Construction, 167, 105716. https://doi.org/10.1016/j.autcon.2024.105716
Lino Calle, V. A., Carvajal-Rivadeneira, D. D., Sornoza-Parrales, D., Vergara-Ibarra, J. L., & Intriago-Delgado, Y. M. (2024). Herramienta tecnológica Jamovi en el análisis e interpretación de datos en proyectos de Ingeniería Civil. Innovaciones Educativas, 26(41), 151–165. https://doi.org/10.22458/ie.v26i41.5145
Lino-Calle, V. A., Espinoza Casanova, J. C., Villacreses Pincay, O. G., & Delgado Lucas, D. J. (2026). Impacto de la planificación del recurso humano en el desempeño de proyectos de obras civiles. REMULCI, 4. https://doi.org/10.59282/remulci.3.1.1300
Luzuriaga Viñan, C., Perugachi Baloy, V., Vélez Bravo, G., & Lino Calle, V. (2025). Uso de modelos BIM en la planificación de obras civiles: un análisis textual discursivo de artículos de investigación. Revista Ingenio Global, 4(1), 175–189. https://editorialinnova.com/index.php/rig/article/view/209
Moussa, A., Ezzeldin, M., & El-Dakhakhni, W. (2025). Machine learning and optimization strategies for infrastructure projects risk management. Construction Management and Economics, 43(8), 557–582. https://doi.org/10.1080/01446193.2025.2479764
Pino Arguello, J. E., Salazar Flores, R. A., Pacheco Logroño, A. F., & Pacheco Logroño, L. F. (2026). Tendencias del business intelligence en la ingeniería civil: aplicaciones para la gestión, planificación y control de proyectos. Esprint Investigación, 5(1), 654–667. https://doi.org/10.61347/ei.v5i1.276
Rodríguez Guzmán, M. A., & Fernández- Mantilla, M. M. (2025). Plan de mejora aplicando herramientas de ingeniería industrial para reducir costos operativos en la empresa inversiones, servicios y negociaciones Chodi S.A.C. Trujillo, 2025. WARMI, 5(1), 119–140. https://doi.org/10.46363/warmi.v5i1.8
Senić, A., Simić, N., Dobrodolac, M., & Stojadinović, Z. (2025). Development of a Hybrid Model for Risk Assessment and Management in Complex Road Infrastructure Projects. Applied Sciences (Switzerland), 15(5), 1–26. https://doi.org/10.3390/app15052736
Suárez Toala, R., Vélez Soledispa, B., Arévalo Guamán, D., Lino Calle, V., & Carvajal Rivadeneira, D. (2025). Infraestructuras resilientes al cambio climático: análisis textual discursivo sobre adaptación, mitigación y sostenibilidad en la construcción. Revista Científica Multidisciplinar G-Ner@ndo, 6(1), 1931–1948. https://revista.gnerando.org/revista/index.php/RCMG/article/view/507
Vélez Bermello, R. X., Román Rodas, P. A., Ponce Nieve, J. G., Lino Calle, V. A., & Carvajal Rivadeneira, D. D. (2026). Factores de planificación del cronograma y su influencia en el cumplimiento de plazos en obras civiles. Revista Científica Multidisciplinar G-Nerando, 7(1), 995–1010. https://doi.org/10.66473/RCMG.V7I1.943