PONTIFICIA UNIVERSIDAD CATÓLICA DEL PERÚ 
FACULTAD DE CIENCIAS E INGENIERÍA 
DETERMINANTES DEL NÚMERO DE DAMNIFICADOS POR 
CAUSA DE UN TERREMOTO EN LIMA METROPOLITANA Y 
CALLAO Y CONTRASTE DE MEDIDAS DE RESPUESTAS A 
TRAVÉS DE MODELOS DE PROGRAMACIÓN LINEAL 
ENTERA PARA LA DISTRIBUCIÓN DE BIENES PARA AYUDA 
HUMANITARIA 
Tesis para optar el Título de Ingeniero Industrial, que presenta las 
bachilleres: 
Carola Adriana Pareja Villegas 
Ximena María Rodríguez Leiva 
ASESOR: Ing. Christian S. Cornejo Sánchez 
Lima, junio de 2016 
ii  
RESUMEN 
El presente estudio tiene como objetivos diseñar un modelo multivariado para 
identificar los factores determinantes que explican el número de damnificados por 
causa de un terremoto en la región de Lima y Callao; asimismo, formular y resolver 
un modelo de programación lineal entera para la distribución de bienes de ayuda 
humanitaria. 
 
El primer capítulo corresponde al marco teórico que incluye los conceptos y 
terminología de la gestión de desastres. Además, presenta un estudio detallado de 
los diferentes tipos de vulnerabilidad física y social, y la relación que guardan con 
las posibles pérdidas materiales y humanas causadas por desastres naturales. 
 
En el segundo capítulo se realiza una revisión del estado del arte sobre modelos 
econométricos que exponen las determinantes de naturaleza geológica y 
socioeconómica de la cantidad de damnificados provocados por un sismo. A partir 
de esta revisión se plantea el modelo para el caso de Perú y se discuten los 
resultados. 
 
El tercer capítulo presenta la situación actual de la región en la que se enfoca el 
estudio y el sistema de gestión de desastres de su jurisdicción. Se determina la 
problemática general en la región de Lima y Callao y se encuentran las 
oportunidades de mejora a nivel de logística de bienes de ayuda humanitaria así 
como en la ejecución del plan de respuesta ante una situación de emergencia. 
 
En el cuarto capítulo se formula un modelo de programación lineal entera para ruteo 
de vehículos con ventanas de tiempo para determinar el plan de distribución de los 
bienes de ayuda humanitaria, tomando en cuenta las restricciones de la situación 
actual. Con dicho modelo, se determina la cantidad de vehículos necesarios y las 
rutas de despacho para atender a los afectados luego de ocurrido un terremoto. 
 
El quinto capítulo contiene la discusión y evaluación de las propuestas de mejora 
para la distribución de ayuda humanitaria en la región del Callao desde el almacén 
nacional del INDECI, a partir de los resultados del modelo de ruteo de vehículos.  
Por último, se contrastan los resultados de los escenarios analizados en términos  
de costos y medidas de respuesta en el ámbito de la logística humanitaria. 
iii  
 
 
 
 
TEMA DE TESIS 
 
PARA OPTAR :      Título de Ingeniero Industrial 
 
ALUMNOS :      CAROLA ADRIANA PAREJA VILLEGAS 
XIMENA MARÍA RODRÍGUEZ LEIVA 
 
CÓDIGOS :     2008.6300.12 
2009.5940.12 
 
PROPUESTO POR : Ing. Christian S. Cornejo Sánchez 
ASESOR : Ing. Christian S. Cornejo Sánchez 
TEMA :      DETERMINANTES DEL NÚMERO DE DAMNIFICADOS  POR 
CAUSA DE UN TERREMOTO EN LIMA METROPOLITANA Y 
CALLAO Y CONTRASTE DE MEDIDAS DE RESPUESTAS A 
TRAVÉS DE MODELOS DE PROGRAMACIÓN LINEAL 
ENTERA PARA LA DISTRIBUCIÓN DE BIENES PARA 
AYUDA HUMANITARIA. 
 
Nº TEMA : 
 
FECHA :      San Miguel, 23 de junio de 2016 
 
JUSTIFICACIÓN: 
 
Uno de los conceptos para definir un desastre fue “la expresión inevitable de la acción de la 
naturaleza sobre la sociedad” (Maskrey, 2005)1 el cual señala a la naturaleza como el único 
causante del desastre; sin embargo, definiciones más recientes reconocen a los desastres 
como fenómenos “socionaturales”, así como el producto de los riesgos existentes que al ser 
administrados de manera incorrecta crean las condiciones de vulnerabilidad que 
incrementan el impacto de los detonantes. 
 
Según Salas (2007)2 los dos factores principales que determinan tanto la vulnerabilidad de 
las personas frente a los desastres naturales, como las pérdidas humanas y daños 
materiales, son una geografía física propensa a generar, propagar y recibir fenómenos 
naturales de diversos tipos y, una alta proporción de la población en condiciones de 
pobreza. Las cifras recopiladas sobre desastres naturales señalan que estos ocurren con 
mayor frecuencia en países en vías de desarrollo, asimismo, el nivel de damnificados en 
dichos países por lo general es significativamente más alto que en los países desarrollados. 
 
 
 
 
1 
Maskrey, A. (2005). Manejo de emergencias y acción contra desastres. 
2 
Salas Serrano, J. (2007). Vulnerabilidad, pobreza y desastres ‘socionaturales’ en Centroamérica y El Caribe, Informes de la 
Construcción, Volumen (59). 
iv  
 
 
 
 
- 2 - 
 
Así por ejemplo, en el 2011 ocurrió un terremoto de 7.1 grados en la escala de Richter en 
Ercis, Turquía (GINI de 46.213) y provocó 604 muertes.4 En el mismo año, en la costa de 
Honshu, Japón (GINI de 32.11), ocurrió un sismo también de 7.1 grados que solo ocasionó 
tres muertes. Estas cifras son algunas de las evidencias que refuerzan la presunción de que 
la desigualdad de ingresos es uno de los determinantes de la vulnerabilidad. 
 
En la línea del concepto de desastre como fenómeno “socionatural”, otro tipo de 
vulnerabilidad relevante es generado por la deficiente calidad estructural de las viviendas. 
Según Maskrey (2005)5, el 75% de las destrucciones causadas por los sismos ocurren 
debido al colapso de las estructuras y edificios inmobiliarios mal diseñados o construidos 
con materiales de baja calidad. Según el autor, algunas razones que explican esta  
situación, y que se convierten en obstáculos para mitigar su efecto en la vulnerabilidad de la 
infraestructura, son el alto costo de los materiales de construcción y el desconocimiento de 
las tecnologías que se podrían emplear para el uso de materiales antisísmicos. 
 
La deficiente calidad estructural de las viviendas tiene correlación con el marco legal del 
país. En países como China y Japón existe un código legal de carácter obligatorio que 
regula las construcciones sísmicas, en contraste, en la mayor parte de Sudamérica estas 
normas solamente son “recomendadas”.6 En particular, en el Perú la norma solo señala las 
exigencias que como mínimo deben cumplirse para evitar la pérdida de vidas, garantizar la 
continuidad de los servicios básicos y minimizar los daños materiales (MVCS, 2003). 7 
Según la Dirección Nacional de Construcción del Ministerio de Vivienda, Construcción y 
Saneamiento “el 70% de casas de Lima se ha construido sin licencia municipal”8; asimismo, 
un estudio realizado en el 2008 por el Instituto Peruano de Administración Municipal 
concluyó que el 75.5% de las construcciones de vivienda en el Perú son informales (La 
República, 2008)9. Finalmente, según el censo del año 2007 elaborado por el INEI, en Lima 
hay 17,621 viviendas no adecuadas. 
 
Con respecto a  la  geografía  física  como  factor  explicativo  de  la  vulnerabilidad,  según 
el Instituto Geofísico del Perú (2014),10 hasta el mes de setiembre del año 2014 han  
ocurrido 178 sismos en el Perú, de los cuales el 9% fueron en la ciudad de Lima, ciudad en 
la que habita el 28.4% de la población peruana (INEI, 2014).11  Por otro lado, el último   
sismo de alto impacto que afectó nuestro país ocurrió el 15 de agosto de 2007 y reveló la 
limitada capacidad de los almacenes que gestiona el INDECI para abastecer a los 
damnificados, debido entre otras razones, a la falta de un nivel apropiado de suministros.12 
 
3 
GINI index (World Bank estimate). 
4 
National Geophysical Data Center (EEUU). 
5 
Maskrey, A. (2005). Manejo de emergencias y acción contra desastres. 
6 
Coburn, A., Spence, R. J. S., Pomonis, A. (1992). Factors determining human casualty levels in earthquakes: mortality 
prediction in building collapse, in proceedings of the First International Forum on Earthquake-Related Casualties. 
7 
Perú, Ministerio de Vivienda, Construcción y Saneamiento (2003). Norma Técnica de Edificación E.030 Diseño 
Sismorresistente. Artículo 3°. Lima. 
8 
Perú, Diario El Comercio (2014). El 70% de casas de Lima carece de garantías frente a un sismo. 
9 
Perú, Diario La República (2008). Obras sin licencia podrán ser regularizadas en 180 días. 
10 
Perú, Ministerio de Ambiente, Instituto Geofísico del Perú (2014). Últimos sismos sentidos. 
11 
Perú, La República (2014). INEI: Lima tiene 8 millones 693 mil 387 habitantes. 
12 
Instituto Nacional de Defensa Civil (2013). Entrevista a funcionario del INDECI. 
v  
 
 
 
 
- 3 - 
 
En el ámbito institucional, hay factores internos en el sistema de gestión de desastres del 
Perú que podrían reducir la efectividad del plan de respuesta; así por ejemplo, cuando los 
Comités de Defensa Civil de los gobiernos regionales tramitan la solicitud de la Declaratoria 
del Estado de Emergencia, 13 ellos deben “canalizar su solicitud a través del Comité 
Regional de Defensa Civil respectivo (Consejo Transitorio de Administración Regional - 
CTAR) el cual la evaluará y de considerar su viabilidad la elevará al Instituto Nacional de 
Defensa Civil (INDECI) para su evaluación y trámite, previa opinión de los Sectores 
comprometidos.” Según esta norma, la solicitud de Declaratoria del Estado de Emergencia 
por desastre debe contar con los informes de las entidades y sectores comprometidos. Este 
procedimiento, si bien pretende emitir juicios objetivos con base en información preparada 
por las instituciones involucradas en la citada norma, en contraparte podría causar retrasos 
en los planes de acción de respuesta. 
 
Las evidencias mostradas señalan que los desastres y la vulnerabilidad tienen diversos 
factores determinantes que explican sus efectos nocivos. En resumen, se presume un  
grupo de determinantes de naturaleza tanto geológica como social. En particular, en el 
ámbito social los datos señalados y casos descritos permiten identificar, entre otros, que 
presumiblemente la explicación estaría en el nivel de renta de los países, la calidad 
estructural de los inmuebles, así como en la gestión de las instituciones públicas 
responsables de preparar a la población antes de que ocurra un desastre así como de 
mitigar sus efectos nocivos luego de que ocurren. 
 
El desarrollo de esta investigación pretende identificar cuáles son los determinantes del 
número de damnificados y estimar dicha cifra, por causa de un terremoto por ocurrir en 
Lima Metropolitana y Callao. Con dicha estimación se formulará modelos de programación 
lineal entera cuya solución brinde lineamientos que contribuyan a mejorar la organización y 
capacidad de respuesta de las entidades involucradas en el sistema de gestión de  
desastres a nivel de Lima Metropolitana y Callao. 
 
OBJETIVO GENERAL: 
 
Diseñar un modelo multivariado para identificar los factores determinantes que explican el 
número de damnificados por causa de un terremoto en Lima Metropolitana y Callao. 
Asimismo, formular modelos de programación lineal entera para la distribución de bienes 
para ayuda humanitaria, resolverlos en diversos escenarios y contrastar sus soluciones. 
 
OBJETIVOS ESPECÍFICOS: 
 
 Presentar algunos de los modelos multivariados o econométricos para la estimación del 
número de damnificados luego de ocurrir un terremoto. 
 Presentar algunos de los modelos de la programación lineal entera aplicados en la 
logística humanitaria. 
 
13 
Decreto Supremo N° 005-088-SGMD. 
Presidencia del Consejo de Ministros (2001). Decreto Supremo N° 058-2001-PCM. Modifican artículo del Reglamento del 
Sistema Nacional de Defensa Civil. 21 de mayo. 
vi  
 
 
 
 
- 4 - 
 
 Realizar un diagnóstico de la situación actual del Plan de Gestión de Desastres de Lima 
Metropolitana y Callao para identificar las oportunidades de mejora en el ámbito de la 
atención de damnificados luego de ocurrido un terremoto, en particular, en la distribución 
de bienes de ayuda humanitaria. 
 Determinar las variables que explican la vulnerabilidad y el nivel de damnificados en el 
escenario de que ocurra un terremoto en Lima Metropolitana y Callao a través de un 
modelo de regresión. 
 Estimar la cantidad de damnificados con el modelo de regresión. 
 Formular y resolver un modelo de programación lineal entera que determine la cantidad 
de vehículos y las rutas de despacho para la distribución de los bienes para ayuda 
humanitaria luego de ocurrido un terremoto en Lima Metropolitana y Callao. 
 Contrastar los resultados de los escenarios resueltos con el modelo de programación 
lineal entera en términos de medidas de respuesta en el ámbito de la logística 
humanitaria. 
 
PUNTOS A TRATAR: 
 
a. Marco teórico. (CAPV – XMRL) 
Este capítulo presentará los conceptos y terminología de la gestión de desastres. Se 
realizará una revisión del estado del arte en temas de modelos multivariados y 
econométricos que exponen las determinantes de naturaleza geológica y “socionatural” 
que explican y estiman el nivel de damnificados luego de ocurrir un terremoto. Asimismo, 
se presentará modelos de programación lineal entera en el ámbito de la gestión de 
desastres, particularmente aplicados a la distribución de los bienes para ayuda 
humanitaria luego de que ocurra un terremoto. 
 
b. Diagnóstico y análisis de la situación actual. (CAPV – XMRL) 
Tras un análisis de la situación actual del Plan de Gestión de Desastres de Lima 
Metropolitana y Callao y la Cartilla de Gestión Reactiva de Riesgo, se determinará las 
oportunidades de mejora a nivel de logística de despacho de bienes para ayuda 
humanitaria así como en la implementación y ejecución del plan de respuesta ante una 
situación de emergencia, con énfasis en el caso de que ocurra un terremoto. 
 
c. Propuesta del modelo. (CAPV – XMRL) 
Con base en el marco teórico y el diagnóstico y análisis de la situación actual, se  
discutirá las determinantes que explican la vulnerabilidad y el nivel de damnificados, en  
el caso de que ocurra un terremoto en Lima Metropolitana y Callao, y se diseñará un 
modelo de regresión para la estimación de damnificados. Luego se formulará un modelo 
de programación lineal entera para ruteo vehicular con ventanas de tiempo para 
determinar planes de distribución de los bienes para optimizar la ayuda humanitaria de 
acuerdo a las restricciones existentes en la actualidad. 
vi
i 
 
 
 
 
 
- 5 - 
 
d. Discusión de los resultados. (CAPV – XMRL) 
Discusión y evaluación de resultados del modelo de regresión para la estimación de 
damnificados y propuestas de mejora para la distribución de ayuda humanitaria en el 
Callao desde el almacén regional de INDECI a partir de los resultados del modelo de 
ruteo de vehículos. 
 
e. Conclusiones y recomendaciones. 
 
 
 
 
 
ASESOR 
 
 
(CAPV) CAROLA ADRIANA PAREJA VILLEGAS 
(XMRL) XIMENA MARÍA RODRÍGUEZ LEIVA 
viii  
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Dedicada a todos aquellos “damnificados” que durante el tiempo prolongado que 
nos ha tomado culminar esta investigación han sido profundamente afectados; 
nuestros familiares, amigos y conocidos más queridos. 
ix  
AGRADECIMIENTOS 
 
A nuestro asesor, el Ing. Christian Cornejo, quien nos ha guiado y asesorado 
afanosamente durante el largo camino que ha significado esta investigación. 
 
 
Al Ing. Erik Cortijo del Instituto Nacional de Defensa Civil y a Luis Reyes del 
Gobierno Regional del Callao, quienes nos han concedido entrevistas y brindado 
información valiosa para el entendimiento de la situación actual de las instituciones 
públicas en el Perú en cuestiones de gestión de riesgo y desastres. 
 
 
A Nejat Anbarci y Mónica Escaleras, investigadores reconocidos a nivel mundial y 
autores del paper “Earthquake Fatalities: The Interaction of Nature and Political 
Economy”, referencia crucial para nuestro estudio de los factores que determinan el 
número de damnificados de un sismo. 
 
 
A Joselin Chávez, por su asesoría y apoyo con el desarrollo del modelo 
econométrico que forma parte de esta investigación. 
 
 
Finalmente, a nuestros padres quienes nos han apoyado siempre en los grandes 
retos que nos hemos propuesto como estudiantes e investigadoras. 
x  
ÍNDICE GENERAL 
ÍNDICE DE TABLAS .............................................................................................. xiv 
ÍNDICE DE GRÁFICOS ......................................................................................... xvi 
ÍNDICE DE FIGURAS ........................................................................................... xvii 
ÍNDICE DE MAPAS ..............................................................................................xviii 
CAPÍTULO 1. MARCO TEÓRICO ........................................................................... 1 
1.1. Terminología de los desastres ....................................................................... 1 
1.1.1. Desastre ................................................................................................. 1 
1.1.2. Peligro y riesgo ....................................................................................... 1 
1.1.3. La ecuación del riesgo ............................................................................ 2 
1.2. Vulnerabilidad ............................................................................................... 2 
1.2.1. Definición de vulnerabilidad .................................................................... 3 
1.2.2. Tipos de vulnerabilidad ........................................................................... 3 
1.2.3. Factores que afectan a la vulnerabilidad ................................................. 7 
CAPÍTULO 2. FORMULACIÓN DEL MODELO DE DETERMINANTES DE LA 
CANTIDAD DE DAMNIFICADOS ........................................................................... 11 
2.1. Revisión de la literatura ................................................................................ 11 
2.1.1. Magnitud ................................................................................................ 11 
2.1.2. Distancia ................................................................................................ 11 
2.1.3. Área de la región afectada ..................................................................... 12 
2.1.4. PBI per cápita ........................................................................................ 13 
2.1.5. Desigualdad ........................................................................................... 14 
2.1.6. Acción colectiva de mitigación ............................................................... 16 
2.1.7. Frecuencia ............................................................................................. 17 
2.1.8. Ayuda internacional ............................................................................... 18 
2.1.9. Calidad institucional ............................................................................... 18 
2.1.10. Apertura al comercio exterior ............................................................... 19 
2.1.11. Reservas de petróleo y gas natural ...................................................... 19 
2.1.12. Colonia pasada .................................................................................... 20 
2.1.13. Latitud .................................................................................................. 20 
2.1.14. Altura sobre el nivel del mar ................................................................ 20 
2.1.15. Nivel de preparación en infraestructura y estructuras ...........................21 
2.2. Presentación del modelo econométrico ........................................................ 22 
2.3. Variables del modelo econométrico .............................................................. 24 
2.3.1. Magnitud ................................................................................................ 24 
xi  
2.3.2. Distancia ................................................................................................ 24 
2.3.3. Población ............................................................................................... 25 
2.3.4. Área ....................................................................................................... 25 
2.3.5. PBI per cápita ........................................................................................ 25 
2.3.6. Desigualdad ........................................................................................... 25 
2.3.7. Frecuencia ............................................................................................. 26 
2.3.8. Apertura al comercio exterior .................................................................26 
2.3.9. Pobreza .................................................................................................26 
2.4. Datos del modelo econométrico ...................................................................26 
2.5. Discusión de los resultados .......................................................................... 27 
CAPÍTULO 3. DIAGNÓSTICO DE LA SITUACIÓN ACTUAL .................................. 30 
3.1. Aspectos geográficos y socioeconómicos .................................................... 30 
3.1.1. Sismología ............................................................................................. 30 
3.1.2. Demografía ............................................................................................32 
3.1.3. Economía .............................................................................................. 33 
3.1.4. Vulnerabilidad sísmica de la región del Callao ....................................... 35 
3.2. Plan logístico institucional ............................................................................ 38 
3.2.1. Sistema Nacional de Gestión del Riesgo de Desastres.......................... 38 
3.2.2. Almacenes de bienes de ayuda humanitaria .......................................... 44 
3.2.3. Bienes de ayuda humanitaria .................................................................47 
3.2.4. Metodología actual para la elaboración del plan logístico ...................... 49 
3.3. Plan Regional de Operaciones de Emergencia del Callao ............................ 51 
3.3.1. Proceso de la gestión del riesgo ............................................................ 52 
3.3.2. Sistema Regional de Defensa Civil Callao (SIREDECI Callao) ..............53 
3.3.3. Clasificación de las emergencias en la región del Callao ....................... 53 
3.3.4. Subprocesos para la respuesta en la región del Callao .......................... 54 
Fuente: GORE-Callao (2012) .............................................................................. 56 
3.3.5. Implementación y activación del PROE-Callao ......................................56 
3.4. Diagnóstico .................................................................................................. 57 
CAPÍTULO 4. FORMULACIÓN DEL MODELO DE OPTIMIZACIÓN DE RUTEO 
VEHICULAR ........................................................................................................... 60 
4.1. Modelo VRPTW ........................................................................................... 60 
4.1.1. Variables de decisión ............................................................................. 61 
4.1.2. Parámetros ............................................................................................61 
4.1.3. Función objetivo ..................................................................................... 62 
4.1.4. Restricciones ......................................................................................... 62 
xii  
4.1.5. Rango de existencia .............................................................................. 66 
4.2. Datos del modelo ......................................................................................... 66 
4.3. El modelo VRPTW en el lenguaje de modelado en LINGO .......................... 78 
CAPÍTULO 5. RESULTADOS DEL MODELO VRPTW ........................................... 80 
5.1. Resultados del escenario 1 .......................................................................... 80 
5.2. Resultados del escenario 2 .......................................................................... 94 
5.3. Resultados del escenario 3 .......................................................................... 95 
5.4. Evaluación de los costos y comparación de los tres escenarios ................. 102 
5.4.1. Evaluación de los costos de los tres escenarios .................................. 102 
5.4.2. Comparación de los costos de los tres escenarios ............................... 105 
CAPÍTULO 6. CONCLUSIONES Y RECOMENDACIONES .................................. 107 
6.1. Conclusiones .............................................................................................. 107 
6.2. Recomendaciones ...................................................................................... 112 
REFERENCIAS BIBLIOGRÁFICAS ...................................................................... 114 
ANEXOS ................................................................................................................. 1 
Anexo 1: Estadísticas descriptivas de las variables del modelo econométrico ...... 1 
Anexo 2: Do-file del modelo econométrico ........................................................... 2 
Anexo 3: Fichas de información de los almacenes generales del INDECI ............ 4 
Anexo 4: Distancias entre nodos del cluster A (en metros) ..................................10 
Anexo 5: Tiempos de desplazamiento entre nodos del cluster A (en minutos) ....11 
Anexo 6: Tiempo de servicio en el cluster A (en minutos) ................................... 12 
Anexo 7: Demanda por nodo en el cluster A en el escenario 1 (en kits) ..............13 
Anexo 8: TMP y TMT por subzonas del cluster A (en minutos) ........................... 14 
Anexo 9: Modelo en LINGO para el cluster A en el escenario 1 .......................... 14 
Anexo 10: Solución del modelo LINGO para el cluster A en el escenario 1 .........14 
Anexo 11: Distancias entre nodos del cluster B (en metros) ................................ 15 
Anexo 12: Tiempos de desplazamiento entre nodos del cluster B (en minutos) ..16 
Anexo 13: Tiempo de servicio en el cluster B (en minutos) .................................17 
Anexo 14: Demanda por nodo en el cluster B en el escenario 1 (en kits) ............ 18 
Anexo 15: TMP y TMT por subzonas del cluster B (en minutos) ......................... 19 
Anexo 16: Modelo en LINGO para el cluster B en el escenario 1 ........................ 19 
Anexo 17: Solución del modelo LINGO para el cluster B en el escenario 1 ......... 19 
Anexo 18: TMP y TMT por subzonas en el cluster C (en minutos) ...................... 20 
Anexo 19: Modelo en LINGO para el cluster  C en el escenario 1 ....................... 20 
Anexo 20: Solución del modelo LINGO para el cluster  C en el escenario 1 ........20 
Anexo 21: Distancias entre nodos del cluster D (en metros) ............................... 21 
xiii  
Anexo 22: Tiempos de desplazamiento entre nodos del cluster D (en minutos) ..22 
Anexo 23: Tiempo de servicio en el cluster D (en minutos) .................................23 
Anexo 24: Demanda (en kits) por nodo en el cluster D del escenario 1 ...............24 
Anexo 25: TMP y TMT por subzonas del cluster D (en minutos) ......................... 25 
Anexo 26: Modelo en LINGO para el cluster D en el escenario 1 ........................ 25 
Anexo 27: Solución del modelo LINGO para el cluster D en el escenario 1 .........25 
Anexo 28: Escenario 2 – Datos cluster A ............................................................ 25 
Anexo 29: Solución del modelo LINGO para el cluster A en el escenario 2 .........25 
Anexo 30: Escenario 2 – Datos cluster B ............................................................ 25 
Anexo 31: Solución del modelo LINGO para el cluster B en el escenario 2 .........25 
Anexo 32: Escenario 2 – Datos cluster C ............................................................ 25 
Anexo 33: Solución del modelo LINGO para el cluster C en el escenario 2 .........25 
Anexo 34: Escenario 2 – Datos cluster D ............................................................ 25 
Anexo 35: Solución del modelo LINGO para el cluster D en el escenario 2 ......... 25 
Anexo 36: Escenario 3 – Datos cluster A ............................................................ 25 
Anexo 37: Solución del modelo LINGO para el cluster A en el escenario 3 ......... 25 
Anexo 38: Escenario 3 – Datos cluster B ............................................................ 25 
Anexo 39: Solución del modelo LINGO para el cluster B en el escenario 3 ......... 25 
Anexo 40: Escenario 3 – Datos cluster C ............................................................ 25 
Anexo 41: Solución del modelo LINGO para el cluster C en el escenario 3 ......... 25 
Anexo 42: Escenario 3 – Datos cluster D ............................................................ 26 
Anexo 43: Solución del modelo LINGO para el cluster D en el escenario 3 ......... 26 
Anexo 44: Cálculo de velocidad promedio desde el almacén (en metros por 
minuto) ................................................................................................................ 27 
xiv  
ÍNDICE DE TABLAS 
Tabla 1.1. Comparación entre Chile y Perú .......................................................... 5 
Tabla 1.2. Terremotos entre 1970 y 2008 con sus causas principales .................10 
Tabla 1.3. Resumen de las variables relacionadas con la vulnerabilidad .............10 
Tabla 2.1. Comparación de algunos países según PBI per cápita y número de 
damnificados ....................................................................................................... 14 
Tabla 2.2. Relación de la desigualdad con el número de muertos y heridos por 
sismos que ocurren en la zona de Ica, Perú ........................................................ 15 
Tabla 2.3. Variables del modelo de Anbarci et al ................................................. 23 
Tabla 2.4. Variables adicionales .......................................................................... 24 
Tabla 2.5. Regresiones de los damnificados por causa de un terremoto grande en 
Latinoamérica1/ ................................................................................................... 28 
Tabla 3.1. Frecuencia de sismos por departamento ............................................ 31 
Tabla 3.2. Población del Perú, de Lima Metropolitana y de la región del Callao 
(2015) ................................................................................................................. 32 
Tabla 3.3. Población de los distritos de la región del Callao (2015) ..................... 32 
Tabla 3.4. PEA del Perú,    de Lima Metropolitana y de la región del Callao (2014) 
............................................................................................................................34 
Tabla 3.5. Correspondencia entre zonas sísmico-geotécnicas y niveles de peligro 
sísmico ................................................................................................................ 36 
Tabla 3.6. Niveles de emergencia según el SINAGERD ...................................... 41 
Tabla 3.7. Cantidad de almacenes de ayuda humanitaria por región y por tipo de 
almacén .............................................................................................................. 45 
Tabla 3.8. Jerarquización y clasificación de almacenes de ayuda humanitaria en 
el Perú ................................................................................................................ 47 
Tabla 3.9. Etapas del proceso de la gestión del riesgo ........................................ 52 
Tabla 3.10. Clasificación de los niveles de emergencia en la región del Callao ..54 
Tabla 3.11. Subprocesos para la respuesta en la región del Callao..................... 54 
Tabla 3.12. Niveles de activación del PROE-Callao ............................................ 56 
Tabla 4.1. Zonas de refugio en la región del Callao ............................................. 67 
Tabla 4.2. Cantidad de subzonas por zona de refugio ......................................... 68 
Tabla 4.3. Descripción de cluster y zonas de refugio asociadas .......................... 69 
Tabla 4.4. Distancias entre nodos (en metros) .................................................... 69 
Tabla 4.5. Tiempos de desplazamiento entre nodos (en minutos) ....................... 70 
Tabla 4.6. TMP y TMT por subzonas del cluster A (en minutos) .......................... 71 
Tabla 4.7. Artículos considerados en el kit de ayuda humanitaria ........................ 72 
Tabla 4.8. Resumen de capacidad, tiempo de descarga y velocidad del camión 73 
xv  
Tabla 4.9. Inventario de kits del INDECI .............................................................. 74 
Tabla 4.10. Cantidad de kits de ayuda humanitaria asignados a cada región ......74 
Tabla 4.11. Cantidad de kits de ayuda humanitaria asignados por zona de refugio 
según la proporción de habitantes por zona de refugio en la región del Callao ...75 
Tabla 4.12. Escenarios según estimación de número de kits para personas 
afectadas ............................................................................................................ 76 
Tabla 5.1. Distancias entre nodos del cluster C (en metros) ................................ 81 
Tabla 5.2. Tiempos de desplazamiento entre nodos del cluster C (en minutos) ..82 
Tabla 5.3. Resultados del cluster C ..................................................................... 83 
Tabla 5.4. Rutas vehiculares propuestas en el cluster C ..................................... 83 
Tabla 5.5. Resultados de los nodos por cluster – Escenario 1 ............................. 84 
Tabla 5.6. Rutas vehiculares propuestas – Escenario 1 ...................................... 84 
Tabla 5.7. Resultados de los nodos por cluster – Escenario 2 ............................. 95 
Tabla 5.8. Resultados de los nodos por cluster – Escenario 3 ............................. 97 
Tabla 5.9. Rutas vehiculares propuestas – Escenario 3 ...................................... 97 
Tabla 5.10. Cálculo del costo del flete 2 ............................................................103 
Tabla 5.11. Resultados por cada escenario ......................................................104 
Tabla 5.12. Costo total de traslado de kits de ayuda humanitaria por escenario104 
Tabla 5.13. Tiempo máximo 𝑤𝑤𝑤𝑤𝑤𝑤 en minutos en el escenario 1 ..........................105 
Tabla 5.14. Tiempo de tránsito en horas desde las regiones donde se ubican los 
almacenes nacionales del INDECI hasta el almacén nacional en el Callao .......106 
xvi  
ÍNDICE DE GRÁFICOS 
Gráfico 2.1. Relación entre número de damnificados y el nivel de intensidad MMI 
según terremotos ocurridos en Perú (1973-2008) ................................................... 12 
Gráfico 2.2. Número de damnificados y PBI per cápita (2000-2005) ....................... 14 
Gráfico 2.3. Valor FOB de exportaciones en millones de US$ (2000-2012) ............20 
Gráfico 3.1. Estructura porcentual del PBI por departamento (2014, valores a 
precios corrientes) .................................................................................................. 33 
Gráfico 3.2. Distribución de hogares según NSE 2014 – Lima Metropolitana ..........35 
Gráfico 3.3. Distribución de hogares según NSE 2014 – Región Callao ..................35 
Gráfico 3.4. Niveles de emergencia según el SINAGERD ....................................... 42 
Gráfico 3.5. Población damnificada y afectada por desastres en el Perú (2006-2014) 
...............................................................................................................................51 
Gráfico 4.1. Ruta del camión 𝑤𝑤 y salida del almacén ................................................. 63 
Gráfico 4.2. Balance en los nodos y ruta del camión 𝑤𝑤 ............................................................... 64 
Gráfico 4.3. Retorno al almacén.............................................................................. 64 
Gráfico 4.4. Suma de demandas no deberá exceder la capacidad del camión ........67 
Gráfico 5.1. Ruteo vehicular del cluster C – Escenario 1 – Zonas de refugio 4, 7, 10, 
11 y 12 .................................................................................................................... 85 
Gráfico 5.2. Ruteo vehicular del cluster A – Escenario 1 – Zonas de refugio 1, 3 y  9 
...............................................................................................................................88 
Gráfico 5.3. Ruteo vehicular del cluster B – Escenario 1 – Zonas de refugio 2 y 8.90 
Gráfico 5.4. Ruteo vehicular del cluster D – Escenario 1 – Zonas de refugio 5 y 6 .92 
Gráfico 5.5. Ruteo vehicular del cluster C – Escenario 3 – Nodos con demandas 
remanentes – Zonas de refugio 4, 7, 10, 11 y 12 .................................................... 98 
Gráfico 5.6. Ruteo vehicular del cluster D – Escenario 3 – Nodos con demandas 
remanentes – Zonas de refugio 5 y 6 .................................................................... 100 
xvii  
ÍNDICE DE FIGURAS 
Figura 3.1. Sistema Nacional de Gestión del Riesgo de Desastres [SINAGERD] ...39 
Figura 3.2. Ubicación de almacenes nacionales ..................................................... 46 
Figura 3.3. Conformación del SIREDECI Callao ..................................................... 53 
Figura 3.4. Orden en el que los niveles de gobierno entran en acción en caso de 
desastre .................................................................................................................. 57 
xviii  
ÍNDICE DE MAPAS 
Mapa 3.1. Niveles de peligro según la zonificación sísmica de Lima y Callao .........37 
Mapa 4.2. Zonas de refugio .................................................................................... 68 
Mapa 4.3. Zonificación sísmica de Lima y Callao del cluster A ............................... 73 
Mapa 5.1. Ruteo vehicular cluster C – Escenario 1 - Ruta C.1.1 ............................. 86 
Mapa 5.2. Ruteo vehicular cluster C – Ruta C.1.2 .................................................. 87 
Mapa 5.3. Ruteo vehicular cluster A – Ruta A.1.1 ................................................... 89 
Mapa 5.4. Ruteo vehicular cluster B – Ruta B.1.1 ................................................... 91 
Mapa 5.5. Ruteo vehicular cluster D – Ruta D.1.1 .................................................. 93 
Mapa 5.6. Ruteo vehicular cluster C – Nodos con demandas remanentes - Ruta 
C.3.1 ....................................................................................................................... 99 
Mapa 5.7. Ruteo vehicular cluster D – Nodos con demandas remanentes - Ruta 
D.3.1 ..................................................................................................................... 101 
1  
CAPÍTULO 1. MARCO TEÓRICO 
Hasta hace poco, se tenía la visión de un desastre como “la expresión inevitable de 
la acción de la naturaleza (agente activo) sobre la sociedad (agente pasivo)” 
(Maskrey, 2005, p.2); sin embargo, en las últimas décadas, se reconocen a los 
desastres como fenómenos “socionaturales”, así como el producto de los riesgos 
existentes que al ser administrados de manera incorrecta, crean las condiciones de 
vulnerabilidad que incrementan el impacto de los detonantes (i.e. los fenómenos 
naturales como los terremotos, los tsunamis, los huaycos, entre otros). Maskrey 
(2005) también afirma que “un desastre natural es la coincidencia entre un 
fenómeno natural peligroso y determinadas situaciones específicas” (p.2). 
 
 
1.1. Terminología de los desastres 
1.1.1. Desastre 
Un desastre o una catástrofe es un suceso inesperado y extraordinario que perturba 
el orden convencional, atenta sobre la vida y la salud de las personas, genera la 
pérdida de bienes comunes y daña severamente el medio ambiente (Cardona, 
1993). Según Rodríguez (2011), un desastre comprende “la compleja interrelación 
entre eventos físicos potencialmente dañinos y la vulnerabilidad de la sociedad, su 
infraestructura, economía y medio ambiente” (p.12). Un desastre se puede entender 
como la “materialización de un riesgo” (Aneas de Castro, 2000, p.1) o “la realización 
del peligro” (Smith, 1992, p.6). Según Aneas de Castro (2000), a veces se utilizan 
los términos “peligro” y “desastre” indistintamente, pero el primero se refiere a una 
destrucción potencial, mientras que el segundo trata de una destrucción ocurrida. El 
desastre implica el conjunto de daños que resultan del peligro (p.1). 
 
 
1.1.2. Peligro y riesgo 
El peligro o la amenaza, según Cardona (1993) es la probabilidad de exceder el 
nivel de ocurrencia de un evento con cierta intensidad, en cierto sitio, y en cierto 
periodo de tiempo. Por otro lado, el riesgo o el daño es la probabilidad de exceder  
el nivel de las consecuencias económicas y sociales en cierto sitio y en cierto 
periodo de tiempo. La diferencia está en que el peligro es la probabilidad de que 
ocurra cierto evento inesperado mientras que el riesgo es la probabilidad que se 
manifiesten ciertas consecuencias, a raíz del evento inesperado (Cardona, 1993). 
2  
1.1.3. La ecuación del riesgo 
Según Salas (2007) existen tres aspectos que contribuyen al riesgo frente a los 
fenómenos naturales: 
 
1. La probabilidad de ocurrencia de diferentes tipos de fenómenos, de 
intensidades variables. 
2. Los elementos expuestos al fenómeno. 
3. La vulnerabilidad de los elementos expuestos. 
 
 
Por lo general, el nivel de riesgo se mide cualitativamente ya que depende de 
ciertos factores que difícilmente se miden de manera exacta. Sin embargo, Cardona 
(1993) propone la siguiente ecuación para evaluar el riesgo: 
 
Donde: 
 
Rt: Riesgo total: número de pérdidas humanas, heridos, daños a las propiedades y 
efectos sobre la actividad económica causados por un desastre natural. En otras 
palabras, es el producto del riesgo específico y los elementos bajo riesgo. 
 
E: Elementos bajo riesgo: la población, las construcciones, las actividades 
económicas, los servicios públicos, las utilidades y la infraestructura en un área 
específica. 
 
RS: Riesgo específico: grado de pérdidas esperadas debido a la ocurrencia de un 
evento determinado. Está expresado en función de la amenaza y la vulnerabilidad. 
 
H: Amenaza/peligro: probabilidad de ocurrencia de un evento potencialmente 
desastroso durante un período específico de tiempo y en un lugar determinado. 
 
V: Vulnerabilidad: es el grado de pérdida respecto a la posible ocurrencia de un 
evento desastroso. Se representa en una escala de 0 sin daño o 1 que significa 
pérdida total. 
 
 
1.2. Vulnerabilidad 
La vulnerabilidad es un aspecto relevante en esta investigación debido a la estrecha 
relación que guarda con la determinación del nivel de pérdida, ya sea humano o 
Rt = (E)(RS) = (E)(H . V) 
3  
material, dada una situación específica de riesgo causada por un fenómeno natural; 
en particular los terremotos y los sismos. 
 
 
1.2.1. Definición de vulnerabilidad 
En 1979, el UNDRO14 y la UNESCO15 organizaron una reunión de expertos llamada 
“Desastres Naturales y Análisis de Vulnerabilidad” en donde se logró un consenso 
general en las definiciones de ciertos términos técnicos, los cuales han sido 
ampliamente aceptados en los últimos años (UNDRO, 1979). Uno de los conceptos 
revisados fue la definición misma de “Vulnerabilidad” (V): “el grado de pérdida de un 
elemento o grupo de elementos bajo riesgo resultado de la probable ocurrencia de 
un evento desastroso, expresada en una escala desde 0 o sin daño a 1 o pérdida 
total.” (Cardona, 1993, p.4) 
 
 
De acuerdo con Cardona (1993), la vulnerabilidad es la predisposición intrínseca de 
un elemento a sufrir daños, causados por acciones externas. Tanto la evaluación de 
la vulnerabilidad, como la probabilidad de ocurrencia de un fenómeno natural, 
ayudan a estimar el riesgo implicado. Dicha estimación se logra mediante el estudio 
de las interacciones del elemento susceptible con el ambiente peligroso. 
 
 
Existen varios tipos de vulnerabilidad, algunos especialistas insisten en la 
importancia de la determinación de la “vulnerabilidad física”, la cual definen como el 
grado de exposición de los elementos y aspectos materiales en el entorno físico 
directo, y a la capacidad de respuesta respecto del peligro que dichos elementos y 
aspectos pueden ocasionar (Cardona, 1993). Las condiciones de vulnerabilidad 
social también favorecen la ocurrencia de situaciones de crisis, así por ejemplo, en 
los países en desarrollo, esta clase de vulnerabilidad generalmente es la causa de 
las condiciones de vulnerabilidad física. La ocurrencia del fenómeno natural es una 
especie de detonante, mientras que la vulnerabilidad social es un estado 
permanente en el tiempo, directamente relacionado con los aspectos culturales y el 
grado de desarrollo de las comunidades. 
 
 
1.2.2. Tipos de vulnerabilidad 
Según Anderson y Woodrow (1989), existen varias clases de vulnerabilidad. Una es 
la vulnerabilidad técnica, física o material que se cuantifica en términos físicos y 
14 
UNDRO: United Nations Disaster Relief Organization. 
15 
UNESCO: United Nations Educational, Scientific and Cultural Organization. 
4  
funcionales; otra es la vulnerabilidad social u organizacional que se analiza 
cualitativamente, de manera comparativa y analítica. Sin embargo, se tienen otras 
clases de vulnerabilidad como la educacional, la institucional, la funcional y la 
motivacional. A continuación e explica, según dichos autores, las principales: 
 
 Vulnerabilidad física: se refiere a la vulnerabilidad causada por el pobre nivel de 
infraestructura y la falta de acceso a los recursos. 
 Vulnerabilidad social: causada por las características de la sociedad en sí. 
 Vulnerabilidad motivacional: se refiere a las características intrínsecas de las 
personas como el fatalismo, la ignorancia y el bajo nivel de conciencia. 
 
 
Nos enfocaremos en los primeros dos tipos de vulnerabilidades, ya que como 
veremos a continuación, son las que a menudo reciben mayor atención como 
factores que influyen en los impactos que derivan de los desastres naturales. 
 
 
1.2.2.1. Vulnerabilidad física o material 
La vulnerabilidad física o material se refiere a qué tanto una población es propensa 
a sufrir daños colaterales porque habita o está expuesta de manera constante a 
zonas de riesgo físico. Este tipo de vulnerabilidad surge por la inadecuada 
infraestructura de los edificios y bienes físicos, la localización de estructuras en 
terrenos inapropiados y el incumplimiento de las normas de construcción vigentes. 
La pobreza y la tendencia a la centralización que muestran las poblaciones en 
países en vía de desarrollo son aspectos claves que influyen en el incremento de la 
vulnerabilidad física o material. 
 
 
A continuación presentaremos los elementos de infraestructura específicos que 
deben ser analizados para determinar la vulnerabilidad física o material, según 
Hays, B.Mohammadiouny y J.Mohammadioun (1998): 
 
 Edificios sin refuerzo lateral sísmico. 
 Edificios y viviendas construidos con baja calidad. 
 Puentes y tuberías propensos a colapsar en una situación sísmica. 
 Servicios de salud y hospitalización escasos en casos de emergencia. 
 Falta de información y conocimiento acerca de la construcción antisísmica. 
5  
1.2.2.2. Vulnerabilidad social 
 
1.2.2.2.1. Niveles de vulnerabilidad social 
La pobreza de la población en la zona territorial donde habitan es el factor social 
más significativo para determinar la vulnerabilidad frente a desastres naturales y es 
a su vez la causante principal de la destrucción (Salas, 2007). Este autor también 
afirma que se puede comprobar que no solo la mayoría de los desastres naturales 
ocurren en países en vías de desarrollo, sino también, que la cifra de damnificados 
siempre es significativamente más alta que en los países más desarrollados, como 
se muestra en la tabla 1.1. 
 
Tabla 1.1. Comparación entre Chile y Perú 
 
 
Fecha 
 
País 
Magnitud 
(Escala 
Richter) 
PBI per cápita 
(US$ a precios 
constantes de 2005) 
Número de 
damnificados 
Nivel de 
vulnerabilidad 
social 
27/02/2010 Chile 8 8,610 365 - 
15/08/2012 Perú 9 3,892 514 + 
Fuente: Banco Mundial, NGDC Earthquake Database (2015) 
Elaboración propia 
 
Hay una evidente relación entre los modelos de desarrollo y urbanización y, la 
generación de riesgos y el aumento de la vulnerabilidad. Así, en las zonas de 
menores ingresos económicos se encuentra la mayor cantidad de terrenos 
vulnerables, construcciones informales carentes de supervisión técnica, 
asentamientos humanos precarios sin servicios básicos y viviendas 
estructuralmente deficientes. Más aun, estas zonas generalmente se ubican en 
zonas periféricas de las ciudades. 
 
 
Según Salas (2007) las dos principales causas de los siniestros en términos de 
pérdidas humanas y daños materiales son una geografía física propensa a generar, 
propagar y recibir fenómenos naturales de diversos tipos y, una alta proporción de 
la población en condiciones de pobreza. La mayor parte de la población vulnerable 
a los desastres, principalmente pobre, no tiene acceso a oportunidades de 
mitigación por la falta de recursos y conocimiento de las opciones existentes, lo cual 
aumenta la vulnerabilidad social. La vulnerabilidad social puede explorarse a nivel 
local y a nivel nacional. 
6  
a) Nivel local 
Si bien el nivel individual de vulnerabilidad aumenta la vulnerabilidad en el nivel 
comunitario; las relaciones socioculturales, las familias numerosas,  las 
comunidades organizadas y la interdependencia misma de la comunidad son 
factores comunitarios que, ayudan a disminuir la vulnerabilidad total. Por eso, es 
necesaria la preparación anticipada de la sociedad y la difusión de valores para 
crear una fuerte cultura comunitaria que contribuya a cimentar una comunidad 
resiliente, Salas (2007). 
 
 
b) Nivel nacional 
Un país es vulnerable cuando el gobierno no invierte ni toma acción en planes de 
contingencia, planes de mitigación, preparación educacional de la población y 
preparación de respuesta rápida ante desastres. La falta de comunicación entre el 
gobierno de un país y sus respectivos habitantes es uno de los factores que más 
afecta a la vulnerabilidad. El gobierno debe difundir y educar a los habitantes de 
manera que sepan las características del terreno en el que se encuentran y qué tan 
vulnerable es ante un movimiento telúrico. También debe capacitar a la población 
en cómo actuar y qué hacer en caso de sismo, así como informar a los habitantes 
sobre las políticas o especificaciones mínimas que debe cumplir una vivienda para 
ser considerada antisísmica; entre otros aspectos, Salas (2007). 
 
 
1.2.2.2.2. Vulnerabilidad motivacional o actitudinal 
La vulnerabilidad motivacional se basa en el principio que las personas más 
vulnerables son las que tienen actitudes fatalistas y/o culturas que practican 
religiones con barreras al cambio (Loarche, Pipernoy y Sierra, 2011). Un ejemplo es 
el caso de la ciudad de Artigas en Uruguay, luego de la inundación de diciembre de 
2009 causada por el Fenómeno El Niño. Se entrevistó a un grupo de personas del 
área inundada y el 41% de ellos dijeron que fue un episodio inevitable y “una 
inundación más”, y el 30% afirmó que fue una “fatalidad del destino”.  
Paralelamente, solo un 80% de la zona Puerto considera la posibilidad de mudarse, 
reflejando la poca flexibilidad para el cambio (Piperno y Sierra, 2013). Por tanto, es 
importante fortalecer las actitudes y las habilidades de las personas para poder 
reducir la vulnerabilidad de las poblaciones que son afectadas por desastres 
naturales. 
7  
1.2.3. Factores que afectan a la vulnerabilidad 
La vulnerabilidad de una comunidad se expresa a través de muchos factores: la 
falta de conciencia o conocimiento del comportamiento de las amenazas 
(vulnerabilidad cultural); la desarticulación de la organización social (vulnerabilidad 
social); la falta de acceso a recursos esenciales, incluyendo la tecnología 
(vulnerabilidad económica); y un marco legal, normativo e institucional 
contraproducente (vulnerabilidad institucional) (Maskrey, 2005). Según el Programa 
de las Naciones Unidas (2014), “en el nivel más básico, la vulnerabilidad se define 
como la exposición a una disminución acentuada del nivel de vida. Supone un 
motivo especial de preocupación cuando es prolongada y cuando los niveles de 
vida caen por debajo de umbrales críticos, hasta un punto de escasez”. Es por este 
motivo que nos enfocaremos en tres de los factores principales que afectan y 
determinan la vulnerabilidad, según el ADPC16 . 
 
 La densidad poblacional. 
 La ocupación espacial y actividad económica localizada en las zonas de riesgo 
sísmico. 
 La naturaleza de los bienes físicos, tales como edificios y viviendas. 
 
 
1.2.3.1. Factor de densidad poblacional 
La densidad poblacional es un factor relevante porque mide la concentración de la 
población en un área específica, usualmente determinada por el número de 
personas por metro o kilómetro cuadrado. Este factor es importante ya que 
esclarece el panorama y el ratio de ocupación habitacional de acuerdo con el 
espacio disponible geográficamente (Maskrey, 2005). La correlación entre la 
densidad poblacional y la vulnerabilidad es positiva, ya que mientras mayores sean 
los indicadores de densidad poblacional, más vulnerable es el área. 
 
 
Los índices de densidad poblacional son expresados a nivel nacional y 
departamental, por ejemplo en el Perú, se estima un promedio de 24.8 habitantes 
por km2 en el año 2015. Sin embargo, el indicador a nivel nacional no es el más 
apropiado debido a que hay departamentos que cuentan con áreas extensas 
desocupadas y baja densidad poblacional; por dicha razones, hay que discutir cuál 
es el indicador más apropiado para la zona en estudio. En el caso de Lima, según  
el Instituto Nacional de Estadística e Informática [INEI] (2007), esta metrópoli no 
 
16 
ADPC: Asian Disaster Preparedness Center. 
8  
solo es la ciudad más poblada del Perú, sino también, la que tiene mayor densidad 
poblacional con 242.7 habitantes por km2 en el 2007 y una densidad esperada de 
269.1 habitantes por km2 en el 2015. Dichas características sugieren que esta 
ciudad es altamente vulnerable y es imprescindible evaluar con mayor rigor el factor 
de densidad poblacional. 
 
 
1.2.3.2. Factor de ocupación espacial y actividad económica localizada en las 
zonas de riesgo sísmico 
Para mitigar los efectos de los desastres naturales en América Latina, es preciso 
enfrentar los factores causales que están escondidos tras la vulnerabilidad 
perceptible de la población. Existe una gran relación entre el aumento de la 
vulnerabilidad y el nivel de desarrollo y ocupación espacial presentes en la región 
Maskrey (2005). señala que es evidente que para reducir la vulnerabilidad, es 
necesario cambiar los patrones territoriales de producción. Se deberá impedir que 
las actividades económicas de determinados sectores traten de abarcar áreas 
demasiado limitadas e inadecuadas por el alto grado de densidad que podrían 
provocar. 
 
 
1.2.3.3. Factor inmobiliario de la naturaleza de los bienes físicos 
En el caso de la vulnerabilidad de la vivienda, el alto costo de los materiales de 
construcción y el desconocimiento de las tecnologías que se podrían emplear para 
el uso de materiales antisísmicos, son factores que fácilmente se convierten en 
obstáculos para mitigar su efecto en la vulnerabilidad (Maskrey, 2005). 
 
 
El 75% de las destrucciones causadas por los sismos ocurren debido al colapso de 
estructuras y edificios inmobiliarios mal diseñados o construidos con materiales de 
baja calidad (Maskrey, 2005). En la tabla 1.2, las estadísticas entre 1970 y 2008 
muestran que la mayor cantidad de muertes en el caso de terremotos han sido 
provocadas por el colapso de viviendas y edificios precarios, construidos 
principalmente con adobe y ladrillos sin refuerzos. 
 
 
En el Perú, las normas de construcción antisísmica están detalladas considerando 
la zonificación, las condiciones locales y el factor de amplificación sísmica, entre 
otros. Aun así, la Norma Técnica de Edificación E.030 DISEÑO 
SISMORRESISTENTE,    establece   “las    condiciones    mínimas    para    que las 
9  
edificaciones diseñadas según sus requerimientos tengan un comportamiento 
sísmico acorde con los principios señalados en el artículo °3” (Ministerio de 
Vivienda, Construcción y Saneamiento [MVCS], 2003, p.12). Por lo tanto, la norma 
tiene el propósito de establecer las exigencias que como mínimo deben cumplirse 
(según el artículo °3) para evitar la pérdida de vidas, garantizar la continuidad de los 
servicios básicos y minimizar los daños materiales (MVCS, 2003). 
 
 
Un estudio realizado en el 2008 por el Instituto Peruano de Administración  
Municipal [IPAM] reveló que el 75.5% de las construcciones de vivienda en el Perú 
son informales (La República, 2008); asimismo según el Censo del 2007 en Lima 
hay 17,621 viviendas no adecuadas (INEI, 2009). En tales viviendas  se 
encontrarían las personas de menores ingresos (En el 2009, la incidencia de 
pobreza en la costa rural del Perú era de 40.6% mientras que la de la costa urbana 
era solamente de 21.4% (INEI, 2004-2009)) y las viviendas con los diseños y 
construcciones de las calidades más bajas. Estas cifras sugieren que el 
cumplimiento de las normas para las edificaciones se cumplirían más en las 
ciudades que en las zonas rurales. 
 
 
En países como China y Japón existe un código legal de construcción sísmica que 
debe ser cumplido, mientras que en la mayor parte de Sudamérica estas normas 
solamente son “recomendadas”. Los gobiernos centrales y municipales deberían 
implementar prácticas de prevención y control para contribuir con la cultura de 
concientización. (Coburn y Spence, 1992b). 
 
 
En la tabla 1.3 se muestra la frecuencia de las variables mencionadas como 
relevantes para explicar las causas de la vulnerabilidad según los autores citados  
en el capítulo 1 y también citados en el capítulo 2. 
10  
 
 
 
 
 
Tabla 1.2. Terremotos entre 1970 y 2008 con sus causas principales 
 
Lugar Fecha 
Damnificados 
(Heridos) 
Causa de damnificados 
Tipos de edificaciones que 
colapsaron 
Eventos 
secundarios 
Ancash 
(Perú) 
31/05/1970 
66,794 
(143,331) 
Viviendas vulnerables, avalancha 
que se convirtió en huayco 
Adobe 
Inundaciones, 
avalancha 
Ciudad de Guatemala 
(Guatemala) 
04/02/1976 
22,778 
(76,504) 
Viviendas vulnerables Adobe 
 
Tangshan 
(China) 
 
28/07/1976 
242800 
(7,086) 
 
Viviendas vulnerables 
78% de las edificaciones 
industriales, 93% de las 
edificaciones residenciales 
 
Armenia 
(República de 
Armenia) 
 
07/12/1988 
25,000 
(20,000) 
Colapso estructural de 
edificaciones de nueve pisos de 
alto 
Falla de armaduras de 
concreto 
 
Manjil 
(Irán) 
21/06/1990 
45,000 
(60,000) 
Viviendas vulnerables 
 
Huaycos 
Kocaeli 
(Turquía) 
17/08/1999 
17,439 
(43,953) 
66.6% estructural, 26% no- 
estructural 
  
Bhuj 
(India) 
26/01/2001 
13,805 
(166,836) 
Viviendas vulnerables 
  
Bam 
(Irán) 
26/12/2003 
26,271 
(30,000) 
Viviendas vulnerables 
Debilidad extrema de 
viviendas de adobe 
 
Océano 
Índico 
26/12/2004 227,898 Ahogo, escombros 
 
Tsunami 
Kashmir 
(India) 
08/10/2005 
87,351 
(75,266) 
Viviendas vulnerables, efectos de 
localización 
  
Wenchuan 
(China) 
 
12/05/2008 
69,195 
(374,177) 
Efectos de localización, viviendas 
vulnerables, falla de pendientes 
que conllevan a huaycos masivos 
  
Huaycos 
 
Fuente: Spence y So (2009) 
Elaboración propia 
10  
 
 
 
 
 
Tabla 1.3. Resumen de las variables relacionadas con la vulnerabilidad 
 
 
Variable 
Anbarci 
et al. 
(2004) 
Anderson 
et al. 
(1989) 
Cardona 
(1993) 
Coburn 
(1992a) 
Hays 
et al. 
(1998) 
Maskrey 
(2005) 
Noji 
(1997) 
Salas 
(2007) 
Serrano 
(2007) 
Infraestructura y 
estructuras 
         
Disponibilidad de 
recursos 
        
Nivel de conciencia          
Oportunidad de 
mitigación 
        
Pobreza         
Capacidad de 
respuesta 
         
Densidad 
poblacional 
         
Grado de 
exposición 
         
Organización social          
Urbanización          
Actividad 
económica 
         
Geografía         
Ingresos          
Nivel de 
desigualdad 
         
 
Elaboración propia 
11  
CAPÍTULO 2. FORMULACIÓN DEL MODELO DE 
DETERMINANTES DE LA CANTIDAD DE 
DAMNIFICADOS   
 
2.1. Revisión de la literatura 
A pesar de que la causa de un sismo se relaciona con factores naturales que 
escapan del control del hombre, actualmente se cree que la interacción de las 
instituciones político-económicas con la naturaleza comparte la responsabilidad de 
las pérdidas resultantes de los desastres naturales. El nivel de damnificados que 
resulta de un terremoto al parecer es directamente proporcional al nivel de 
desigualdad que existe en un país, e inversamente proporcional a su nivel de 
ingreso per cápita. Por otro lado, tanto los ingresos como la igualdad, 
incrementarían la probabilidad de ejecución de acciones colectivas y privadas de 
mitigación; estos planes de prevención reducirían los efectos destructivos de los 
sismos (Anbarci, Escaleras y Register, 2004). 
 
 
A continuación se explican los posibles determinantes del nivel de pérdidas 
humanas y físicas causadas por un sismo que en general serían explicativas del 
número de damnificados. Esto es, según varias investigaciones que fueron 
revisadas para esta tesis y cuyos autores e ideas serán progresivamente 
mencionadas a lo largo de esta sección. 
 
 
2.1.1. Magnitud 
La magnitud de un terremoto, ya sea medida según la escala de Richter u otras 
sería una variable relevante para estimar el número de damnificados (Anbarci et al., 
2004 y Raschky y Schwindt, 2009). La magnitud de un sismo se determina según el 
patrón que sigue el movimiento originado por el epicentro; las condiciones locales 
geológicas y sismotectónicas; las fallas naturales en donde se ubica el epicentro o 
área afectada; la atenuación de la tierra del suelo y las características propias del 
terreno en el que ocurre. Se espera que a mayor magnitud, mayor sería el número 
de damnificados. El gráfico 2.1 también apoya esta presunción. 
 
 
2.1.2. Distancia 
Se refiere a la distancia entre el epicentro y la región afectada geográficamente. 
Cabe resaltar, que la intensidad del sismo es la medida del tamaño del terremoto 
12 
 
con base en los efectos que trae como consecuencia. Este indicador depende de la 
magnitud y la distancia al epicentro, así como de otras características de la fuente 
sísmica, los caminos recorridos por las ondas y los lugares a los que llegan 
(Instituto Andaluz de Geofísica, 2012). Por lo tanto, para poder considerar el efecto 
de la intensidad sobre la pérdida humana o damnificados, es importante considerar 
tanto la magnitud como la distancia. Se espera que si la distancia entre el epicentro 
y la región afectada es mayor, el número de damnificados en la región afectada 
sería menor (Anbarci et al., 2004). 
 
Gráfico 2.1. Relación entre número de damnificados y el nivel de intensidad MMI17 
según terremotos ocurridos en Perú (1973-2008) 
Fuente: Jaiswal, Wald y Hearne (2009). 
 
 
2.1.3. Área de la región afectada 
El área afectada está determinada por la superficie terrestre de la provincia o región 
sobre la cual un determinado terremoto ejerce cierto impacto. Es una variable que 
depende de la ubicación del epicentro, su profundidad respecto a la superficie de la 
tierra y la magnitud del terremoto (Anbarci et al., 2004). 
 
El área de la región afectada no muestra causalidad evidente con la variable 
dependiente ya que por sí sola podría ser considerada irrelevante. Es por este 
motivo que es necesario analizar si realmente el aspecto sugerido, es o no una 
característica  determinante  porque  podría  utilizarse  para  precisar  la   población 
 
 
17 
Modified Mercalli Intensity Scale: escala de nivel de intensidad de un sismo basada en la percepción de los 
efectos del movimiento telúrico y no en una escala matemática. Está compuesto de 12 niveles, donde el nivel 1 
describe un temblor no percibido y el 12 corresponde a destrucción total (United States Geological Survey [USGS], 
2013). 
13 
 
presente propensa a sufrir los daños colaterales de un sismo; y así obtener un ratio 
de nivel de damnificados respecto al nivel de expuestos en la región afectada. 
 
 
2.1.4. PBI per cápita 
El nivel de ingreso per cápita limita la capacidad de inversión que la población de un 
país tiene para contrarrestar los efectos de un sismo. Asimismo, define la  
efectividad de la respuesta que tendrá cuando el país se enfrente a una situación  
de emergencia (Anbarci et al., 2004). Para efectos de medición del nivel de ingreso 
per cápita, se considerará el Producto Bruto Interno (PBI) per cápita. 
 
La evidencia de los datos sugiere que terremotos de magnitudes similares ocurridos 
en países con menor PBI per cápita, tienden a tener un mayor número de 
damnificados en comparación con países con mayor PBI per cápita (Asian Disaster 
Preparedness Center [ADPC]). 
 
 
Por ejemplo, un análisis de los terremotos más significativos ocurridos alrededor del 
mundo entre el año 2000 y 2005, elaborado por el United States Geological Survey 
[USGS] sugiere una correlación negativa entre el PBI per cápita de un país y el 
número de damnificados causados por un evento sísmico en ese año. El gráfico 2.2 
ilustra como a menor PBI per cápita, mayor es el número de damnificados 
provocados por un terremoto. Como podemos observar, los países con PBI per 
cápita mayor a US$15,000 tienen una cifra inferior a las 100 muertes por causa de 
terremotos. 
 
 
La tabla 2.1 compara tres sismos de aproximadamente la misma magnitud, que 
ocurrieron en la última década. Como se puede apreciar, se observa una relación 
inversamente proporcional entre el PBI per cápita y el número de damnificados para 
cada uno de los eventos. Por ejemplo, Chile que tiene el PBI per cápita más alto 
registra el menor número de damnificados para el sismo que ocurrió en el año 2010 
y de similar magnitud a los ocurridos en Perú e Indonesia en los años 2007 y 2005, 
respectivamente. 
14 
 
 
Gráfico 2.2. Número de damnificados y PBI per cápita (2000-2005) 
Fuente: Gongol (2009) 
 
 
Tabla 2.1. Comparación de algunos países según PBI per cápita y número de 
damnificados 
 
Año Nombre Magnitud 
Número de 
damnificados 
PBI per cápita (US$) 
 
2010 
Chile: Maule, 
Concepción, 
Talcahuano 
 
8.8 
 
365 - 
 
 
+ 
 
8,610 + 
 
- 
2007 
Perú: Ica, 
Pisco, Lima 
8.0 514 3,054 
 
2005 
Indonesia: 
Sumatera: 
SW 
 
8.6 
 
1,303 
 
1,273 
Fuente: Banco Mundial, NGDC Earthquake Database (2015) 
Elaboración propia 
 
 
2.1.5. Desigualdad 
La medida de desigualdad, es un indicador que refleja la brecha económica, los 
conflictos sociales, y la inestabilidad política del país. Este indicador brinda una idea 
de la distribución económica y social. (Anbarci et al., 2004). 
 
 
Según Anbarci et al., la desigualdad a menudo es vista como consecuencia de la 
economía de un país; sin embargo, también influye directamente el desempeño de 
su economía, principalmente sobre su tasa de crecimiento. El autor sostiene que 
hay menor probabilidad que un país con un alto nivel de desigualdad invierta en 
acciones  colectivas  de  mitigación  por  el  “bien  común”,  es  decir,  que    destine 
15 
 
presupuesto para responder efectivamente ante “shocks externos” como desastres 
naturales (esta idea se desarrollará con mayor detalle en el acápite 2.1.6). Por lo 
tanto, se esperaría que a mayor desigualdad, mayor número de damnificados por 
causa de un sismo. 
 
 
Como podemos observar en la tabla 2.2 que muestra dos casos de terremotos 
ocurridos en la ciudad de Ica, de magnitud igual a 8.0 según la escala de Richter.  
Se observa que a mayor índice de desigualdad, mayor número de heridos y 
muertos. 
 
 
Tabla 2.2. Relación de la desigualdad con el número de muertos y heridos por 
sismos que ocurren en la zona de Ica, Perú 
 
 
Año 
Desigualdad 
(Índice de 
Gini)
18
 
Magnitud 
(Escala de Richter) 
Número de 
muertos 
Número de 
heridos 
2007 51.7 8 514 1,090 
1996 34.8 8 14 560 
Fuente: Banco Mundial, NGDC Earthquake Database (2015) 
Elaboración propia 
 
 
Para medir la desigualdad hay dos índices de Gini que habitualmente se utilizan, 
uno basado en la distribución de ingresos, y el otro en la distribución geográfica. El 
primero mide la distribución de ingresos de las personas o los hogares dentro de 
una economía, y cuantifica su desviación respecto a una distribución perfectamente 
equitativa (The World Bank, 2016). De manera similar, el segundo índice de Gini 
mide la distribución de terrenos agrícolas (Vollrath, 2007). La FAO19 World Census  
of Agriculture definió cada terreno como una unidad económica de producción 
agrícola bajo un solo título propietario, que incluye toda la ganadería y las tierras 
destinadas a la industria agrícola. Se excluye la cantidad real de propietarios de 
cada terreno, así como su conformación legal, su tamaño y su ubicación. 
 
 
En el modelo propuesto para esta tesis, se considerará el Gini geográfico debido a 
tres razones principales, tal como lo explica Anbarci en su trabajo: 
 
 
 
 
18 
El Índice de Gini en este caso mide qué tanto se desvía la distribución de los ingresos de las personas dentro de 
una economía, de una distribución perfectamente equitativa. Un índice de Gini de 0 representa la equidad perfecta 
mientras que un índice de 100 representa la inequidad perfecta (The World Bank, 2016). En este caso se usa el 
índice de Gini del año más cercano al año en el que ocurre el sismo en cuestión. 
19 
FAO: Food and Agricultural Organization. 
16 
 
1. Tiene menos correlación con el PBI per cápita, la cual es una variable 
considerada en el modelo. La presencia de PBI per cápita y el coeficiente de 
Gini basado en la distribución de ingresos significa que podría surgir un caso  
de multicolinealidad entre ambas variables en el modelo. 
2. Las metodologías utilizadas para obtener los coeficientes de Gini basado en los 
niveles de ingresos difieren entre países y presentan inconsistencias. 
3. Se aplica mejor a países con economías con un alto porcentaje de agricultura. 
En estos casos es un mejor indicador de productividad individual y de  
capacidad de inversión. 
 
 
El Gini referido a la distribución geográfica puede considerarse adecuado en el caso 
de Perú ya que el 25% de la población económicamente activa trabaja en el sector 
y; por otro lado, un tercio de la población que vive en zonas rurales tiene el 50% de 
sus ingresos que proviene de la agricultura. 
 
 
2.1.6. Acción colectiva de mitigación 
La acción colectiva de mitigación radica en la imposición de impuestos para 
financiar actividades comunales de preparación que mejore todos los tipos de 
viviendas, tanto de buena como de baja calidad de construcción. En cambio, la 
acción privada de mitigación consiste en que cada hogar de manera individual tome 
las precauciones necesarias de prevención (Anbarci et al., 2004). 
 
 
En el caso de la acción colectiva de mitigación, esta se puede describir como una 
función del ingreso per cápita (con una relación directa), y del grado de desigualdad 
(con una relación inversa). Los planes de preparación comunal ayudan a la 
prevención de un mayor grado de pérdidas al fomentar la implementación de 
códigos estrictos de construcción; el refuerzo de estructuras (edificios, puentes y 
autopistas); la delimitación de las zonas más vulnerables, y la insistencia de la 
necesidad de licencias de construcción para las empresas contratistas. Un edificio 
que no cumple las normas de construcción impone riesgos sobre las estructuras 
adyacentes y, en caso de derrumbe, podría afectarlas negativamente (aun si estas 
cumplen las regularizaciones). Las altas tasas de crecimiento poblacional y la 
urbanización pueden generar tanta demanda por la construcción de viviendas, que 
contribuyen al surgimiento de empresas informales que no cuentan con las 
regulaciones adecuadas (Anbarci et al., 2004). Por otro lado, la baja penetración de 
la   oferta   de   seguros   contra   terremotos   aumenta   la   cifra   de   afectados   y 
17 
 
damnificados, así por ejemplo, en el Perú, solo cinco de cada 100 viviendas están 
aseguradas contra sismo (Alva Pino y Zárate, 2012). 
 
La acción colectiva de un país está limitada por sus ingresos, además del consenso 
entre los habitantes heterogéneos de diferentes niveles socioeconómicos (Alesina y 
Drazen, 1991), quiénes difícilmente logran acordar la manera de distribuir los altos 
gastos de las medidas de prevención (Anbarci et al., 2004), por lo que 
generalmente entran en conflicto. La diferencia entre los totales de damnificados del 
sismo de Armenia en 1988 y el sismo de San Francisco en 1989, se debió a las 
diferencias en los niveles de preparación para los desastres. Anbarci et al. recalca 
que las medidas previamente tomadas en el colectivo “salvaron muchas vidas y 
evitaron que se derrumbaran miles de edificios en San Francisco” (p. 4). 
 
 
Más aun, a nivel individual, los incentivos de cada persona para protegerse contra 
desastres están restringidos por la falta de interés e información. El grado de 
conciencia determinará si una persona se preocupará por sus condiciones de vida, 
y si tomará medidas para minimizar sus riesgos. Además, en general, existe una 
subestimación de la presencia de un riesgo de baja probabilidad y alta pérdida, 
como son los terremotos. Los ciudadanos también se confían en que el Estado 
invertirá en su seguridad, o alguna otra entidad les donará provisiones, permitiendo 
ahorrarse la prima anual de un seguro contra desastres, propiamente dicho (Noji, 
1997 y Lagorio, 1990). 
 
 
2.1.7. Frecuencia 
Esta variable se refiere a la frecuencia de ocurrencia de terremotos de cierta 
intensidad, dentro de un periodo específico y en un país determinado. 
 
 
Anbarci et al. evaluó la frecuencia de sismos ocurridos dentro del periodo de 1900- 
1959 y mayores a 6.0 en la escala de Richter y el número de damnificados. Él 
sostiene que si bien no hay una relación directa entre el número de terremotos 
ocurridos en un país en un periodo de tiempo determinado y la posibilidad de que  
un terremoto vuelva a ocurrir, se propone calcular un ratio que permita estimar una 
tendencia de la frecuencia de los terremotos en un determinado lugar. Sin embargo, 
según el Institute of Geophysics, este ratio no sugiere correlación ya que el hecho 
de que haya ocurrido un mayor número de terremotos en determinada área durante 
periodos de tiempo determinados, no aumenta ni disminuye la probabilidad de   que 
18 
 
ocurran menos o más terremotos con la misma frecuencia después porque la 
predicción de terremotos basados en la frecuencia de los mismos y en otros 
indicadores no es válida. 
 
 
2.1.8. Ayuda internacional 
El nivel de ayuda económica internacional podría tener una relación positiva o 
negativa con respecto al nivel de damnificados que resultan de un terremoto. Por un 
lado, si países extranjeros brindan altos niveles de ayuda económica, entonces 
podría reducirse paralelamente el incentivo de la inversión nacional para la acción 
colectiva de mitigación y las medidas de prevención. Además, un país que ha 
recibido ayuda del extranjero en el pasado, podría tomar esto como una garantía 
que la recibiría nuevamente en el futuro.20 
 
 
Según Anbarci et al., a esto se le conoce como “the crowding-out effect”. Si un país 
se fía en que podrá contar con la caridad de la gente si ocurriese un desastre 
natural, no se promoverá la protección por parte del gobierno de dicho país 
(Buchanan, 1975 y Coate, 1995). Esta situación incrementaría el nivel de posibles 
damnificados por causa de un terremoto. Por otro lado, los países que están más 
expuestos a los desastres naturales, podrían ser beneficiados con un mayor  
número de contribuciones internacionales, lo cual significa que podrían terminar 
estando más preparados ante una situación de emergencia, lo cual a su vez podría 
reducir el número de posibles damnificados. 
 
 
2.1.9. Calidad institucional 
A mayor calidad institucional, se espera menor riesgo de mortalidad como 
consecuencia de desastres naturales (Kaufmann, Kraay y Mastruzzi, 2008). La 
calidad institucional se define a través de seis dimensiones de gobierno: 
 
 Control de la corrupción: el grado de uso del poder político para intereses 
privados. 
 Efectividad gubernamental: la calidad y credibilidad del servicio público y su 
independencia de la autoridad política. 
 Estabilidad política: la probabilidad que el gobierno actual sufra un golpe de 
Estado. 
20 
A partir de estas ideas surge la relación entre el factor “ayuda internacional” y “acción colectiva de mitigación”. Si 
un país recibe, o ha recibido, ayuda internacional, se cree que es menos probable que el gobierno invierta en la 
acción colectiva de mitigación. 
19 
 
 Calidad de regulación: la habilidad del gobierno de diseñar e imponer leyes y 
normativas sensatas, y de promover el desarrollo del sector privado. 
 Poder judicial: el grado de protección de los derechos de propiedad, y el poder 
de los contratos, de la policía y de las cortes. 
 Voz y voto: libre expresión y asociación, así como la posibilidad de participar 
activamente en las elecciones gubernamentales. 
 
 
Por lo tanto, se sugiere que para medir la calidad institucional, se podrían usar 
indicadores de democracia con una escala que va desde “autocrático” hasta 
“democrático.” 
 
 
Finalmente, a continuación se presentan algunas variables específicas que podrían 
ser determinantes del nivel de damnificados en algunos países. 
 
 
2.1.10. Apertura al comercio exterior 
Según Gassebner, Keck y Teh (2009), hay una relación negativa entre la ocurrencia 
de desastres y el volumen de comercio de un país. Según Alesina y Dollar (2000), 
flujos bilaterales de ayuda económica están relacionados de forma positiva con el 
grado de “apertura” al comercio exterior que tiene cierto país. Una manera de medir 
esta “apertura” podría ser mediante los valores FOB de las exportaciones. 
 
 
Para el caso de Perú, el gráfico 2.3 muestra que en los últimos doce años se ha 
visto un aumento en el valor FOB de las exportaciones desde aproximadamente 
US$ 5,000 MM en el año 2000, hasta más de US$ 45,000 MM en el año 2012. De 
esta manera, se observa un incremento de casi 1000% en las exportaciones. Esto 
consecuentemente indica que la apertura del Perú al comercio exterior también se 
ha incrementado significativamente en la última década. Si la tendencia de los  
datos se mantuviese, se presume tener cada vez menos damnificados por causa de 
un terremoto en el Perú. 21 
 
 
2.1.11. Reservas de petróleo y gas natural 
Según Fink y Redaelli (2009), los países que tienen mayores volúmenes de 
exportación de petróleo son más propensos a recibir ayuda económica internacional 
 
 
21 
Ceteris paribus en los demás aspectos. 
20 
 
en caso de emergencia. Por lo tanto, se considera la variable del nivel de reservas 
de petróleo, y la producción de gas natural de un país en particular. 
 
 
50,000 
 
45,000 
 
40,000 
 
35,000 
 
30,000 
 
25,000 
 
20,000 
 
15,000 
 
10,000 
 
5,000 
 
0 
2000  2001  2002  2003  2004  2005  2006  2007  2008  2009  2010   2011        2012 
 
Año 
Gráfico 2.3. Valor FOB de exportaciones en millones de US$ (2000-2012) 
Fuente: Banco Central de Reserva del Perú (2000-2012). 
Elaboración propia 
 
 
2.1.12. Colonia pasada 
Según Alesina y Dollar (2000), las colonias pasadas tienen mayor probabilidad de 
recibir ayuda internacional. 
 
 
2.1.13. Latitud 
De acuerdo con Raschky y Schwindt (2009), la variable “latitud” describe la relación 
que tiene la probabilidad de ocurrencia de los desastres naturales (y la magnitud de 
los mismos) con la distancia a la línea del Ecuador. 
 
 
2.1.14. Altura sobre el nivel del mar 
La altura sobre el nivel del mar promedio también se presenta como una variable 
que determina el nivel de damnificados en un terremoto (Raschky y Schwindt, 
2009). 
E
x
p
o
rt
a
c
io
n
e
s
 F
O
B
 (
m
il
lo
n
e
s
 d
e
 U
S
$
) 
21 
 
2.1.15. Nivel de preparación en infraestructura y estructuras 
Según Anbarci et al., los indicadores de preparación a nivel infraestructura y 
estructura podrían ser determinantes del nivel de damnificados. A continuación se 
explican algunos de los índices que toman en cuenta estos factores: 
 Regulaciones de Diseño Sísmico [RSD]: mide la conformidad de un país de 
acuerdo con los códigos de diseño de terremotos y regulaciones. Toma en 
cuenta factores como criterio de diseño, zonificación y densidad poblacional de 
las zonas. El valor es de 0 (si no cumple con las especificaciones y criterios del 
indicador) o 1 (sí se cumple). 
 International Handbook of Earthquake Engineering [IHEE]: evalúa la 
conformidad y el criterio de los países respecto a los códigos sísmicos, tomando 
en cuenta los desarrollos en el código de actividad sísmica de cada país. 
 Earthquake Disaster Preparedness Index [EDPI]: ofrece una idea del grado de 
preparación de un país, e incluye la opinión de expertos sismólogos asociados 
con el World Seismic Safety Initiative [WSSI]. Ellos analizan criterios cualitativos 
de un grupo de países. También se evalúa el nivel de preparación con una 
escala del 0 al 10, donde 0 es el nivel mínimo de preparación y 10 el máximo. 
 
 
La literatura hasta aquí expuesta se caracteriza porque en buena parte de los 
estudios los autores tomaron muestras de diversos países (cross-country); sin 
embargo, un estudio focalizado en el Perú sobre la estimación del número de 
damnificados provocados por desastres naturales recurrentes en ese país es el de 
Vargas (2015). El autor planteó inicialmente como determinantes de los 
damnificados los siguientes factores: el tamaño de la población, el Índice de 
Desarrollo Humano (IDH), el porcentaje de viviendas conectadas a los sistemas 
públicos de agua, el porcentaje de viviendas conectadas a la red eléctrica, el 
porcentaje de precariedad de las viviendas (vulnerabilidad de la construcción), la 
esperanza de vida al nacer, la tasa de alfabetización, el porcentaje de personas con 
educación secundaria, el porcentaje de éxito en la educación (porcentaje de una 
generación que ha completado un diploma de educación secundaria), el ingreso 
promedio por persona por día, la tasa de inseguridad (número de crímenes y  
delitos) y el índice de calidad de la asistencia social. Con la técnica de análisis de 
factores principales, Vargas finalmente seleccionó las variables IDH y vulnerabilidad 
de la construcción como determinantes de la vulnerabilidad, y por el lado de la 
resiliencia, seleccionó la cantidad de crímenes y delitos. 
22 
 
2.2. Presentación del modelo econométrico 
Luego de explicar los factores que determinan la vulnerabilidad en el acápite 1.2, y 
la revisión de la literatura sobre las posibles determinantes del número de 
damnificados en un terremoto en el acápite 2.1, en esta sección se propone un 
modelo multivariado lineal, para determinar cuáles son las variables explicativas del 
nivel de damnificados. 
 
 
Anbarci et al. (2004) y Raschky y Schwindt (2009) son algunos de los autores que 
han investigado la relación entre algunas variables socioeconómicas, geológicas y 
geográficas que determinan la cantidad de damnificados resultantes de un desastre 
natural. Por un lado, Anbarci et al. exploró la relación entre el nivel de damnificados 
y los ingresos per cápita junto con el grado de desigualdad del país, y cómo estas 
dos variables influyen en la probabilidad de que se tomen medidas de acción 
colectiva para mitigar la destrucción potencial de un terremoto. Por otro lado, 
Raschky y Schwindt (2009) investigaron cómo la ayuda internacional afecta el nivel 
de preparación del país receptor frente a desastres naturales, y cómo estos factores 
alteran las cifras de damnificados de los desastres naturales que ocurren en dicho 
país. 
 
 
La investigación de esta tesis toma como referencia el modelo empírico propuesto 
por Anbarci que estima el número de damnificados de un sismo de una magnitud 
mayor a 6.0 en la escala de Richter y se presenta a continuación: 
 
FATALit = β0 + β1MAGit + β2DISTit + β3SQKMit + β4POPit + β5GDPPCit + β6INEQUALITYit 
+ β7FREQit + εit 
 
 
Donde, FATAL es el número de damnificados 22 causados por un terremoto que 
ocurre en el país i en el tiempo t. En el modelo econométrico de Anbarci et al. se 
distingue dos tipos de variables: las de naturaleza geológica-geográfica y las 
socioeconómicas. Las primeras son MAG, la magnitud del sismo medida en la 
escala de Richter; DIST, la distancia entre las áreas afectadas y el epicentro del 
terremoto, SQKM, el área de estas localidades y POP, la población de las principales 
provincias afectadas por el evento. El segundo tipo de variables incluyen GDPPC, el 
PBI  per  cápita  del  país  e  INEQUALITY,  el  coeficiente  de  Gini  basado  en     la 
 
22 
Entiéndase “damnificados” como el número de muertes resultantes del sismo según Anbarci et al. 
23 
 
distribución geográfica. Finalmente, se tiene la variable FREQ que se refiere a la 
cantidad de sismos (cuya magnitud es mayor a 6.0 en la escala de Richter). La 
frecuencia también podría calificar como una variable geológica-geográfica. La tabla 
2.3 presenta con mayor detalle las variables propuestas en el modelo de Anbarci. 
 
Tabla 2.3. Variables del modelo de Anbarci et al. 
 
Nombre Descripción Tipo Unidad de medición 
FATAL Damnificados del sismo Dependiente Número de habitantes 
MAG Magnitud del sismo Independiente 
Escala de Richter 
[1,10] 
 
DIST 
Distancia de las 
localidades afectadas al 
epicentro 
 
Independiente 
 
km 
SQKM 
Área de las localidades 
afectadas 
Independiente km
2
 
POP 
Población de las 
localidades afectadas 
Independiente Número de habitantes 
 
GDPPC 
Ingresos per cápita del 
país 
 
Independiente 
US$/habitante 
(US$ constantes al 
1995) 
INEQUALITY 
Coeficiente de Gini del 
país 
Independiente Porcentaje 
FREQ 
Frecuencia de ocurrencia 
de un sismo en el país 
Independiente 
Decimal 
[0,1] 
Fuente: Anbarci et al. (2004) 
Elaboración propia 
 
 
Asimismo, luego de la revisión de la literatura y de la investigación de Raschky y 
Schwindt (2009), se propone incorporar dos variables adicionales al modelo inicial 
de Anbarci y limitar las observaciones a países latinoamericanos, cuyas 
características económicas y geográficas son similares a las peruanas.23 Las dos 
variables que se incluyen en el nuevo modelo econométrico son el nivel de 
exportaciones y el nivel de pobreza. De esta manera, el modelo final propuesto para 
esta investigación es: 
 
FATALit = β0 + β1MAGit + β2DISTit + β3SQKMit + β4POPit + β5GDPPCit + β6INEQUALITYit 
+ β7FREQit + β8EXPORTS + β9POVERTY + εit 
 
Donde, EXPORTS se refiere al nivel de exportaciones de bienes y servicios del país 
donde ha ocurrido el sismo24 y POVERTY es el porcentaje de la población del país 
 
 
 
23 
No se pudo construir una base de datos netamente con terremotos ocurridos en el Perú por el reducido número 
de observaciones que esto implicaba. Por el Teorema del Límite Central, se propuso como meta alcanzar al menos 
30 observaciones, por lo que se tuvo que complementar los datos del Perú con otros países latinoamericanos (i.e. 
no han ocurrido más de 20 sismos mayores a 6.0 en la escala de Richter en el Perú entre 1980 y 2002). 
24 
Desde fines del año 2015, el Banco Mundial ha establecido la línea internacional de extrema pobreza en US$ 
1.90 al día. Esta variable se mide como un porcentaje del PBI del país en cuestión. 
24 
 
que vive con menos de US$ 1.90 al día. 25 El resumen de estas variables se 
encuentra en la tabla 2.4. 
 
Tabla 2.4. Variables adicionales 
 
Nombre Descripción Tipo Unidad de medición 
EXPORTS 
Nivel de exportaciones de 
bienes y servicios del país 
Independiente Porcentaje 
 
POVERTY 
Porcentaje de la población 
del país que vive con 
menos de US$ 1.90 al día. 
 
Independiente 
 
Porcentaje 
Elaboración propia 
 
 
A continuación se explica cada variable del modelo, y las hipótesis respecto a la 
causalidad y correlación con el número de damnificados. 
 
 
2.3. Variables del modelo econométrico 
2.3.1. Magnitud 
La magnitud se propone como variable explicativa porque determina la dimensión 
del sismo. La amplitud de las ondas sísmicas rige el grado del movimiento telúrico, 
y por lo tanto, la probabilidad de impacto sobre los bienes materiales y la vida 
humana. Más aun, la magnitud sugiere causalidad y una correlación positiva directa 
con el número de damnificados. 
 
 
2.3.2. Distancia 
Se toma en cuenta la distancia entre el epicentro y el área afectada porque esta 
variable complementa a la magnitud del terremoto para explicar el efecto de la 
dimensión del sismo sobre el área afectada. Las ondas sísmicas van disminuyendo 
sus efectos con la distancia que recorren, por lo tanto, es importante considerar la 
variable “distancia” junto con la “magnitud” para analizar las posibles consecuencias 
que podrían traer sobre la población. 
 
 
La distancia entre el epicentro de un terremoto y la región afectada por el mismo se 
estima determinando los siguientes datos esenciales (Anbarci et al., 2004): 
 
1. Las coordenadas superficiales de la región afectada: la latitud y longitud. 
2. Las coordenadas superficiales del epicentro referentes a la latitud y longitud, 
así como la profundidad. 
 
25 
Esta variable se mide usando como referencia los precios internacionales al 2011. 
25 
 
Finalmente, se calcula la distancia total entre la región con el epicentro como la 
suma de cuadrados de la diferencia de las distancias superficiales y la distancia de 
profundidad del epicentro. Se espera una correlación negativa entre la distancia 
calculada y el número de damnificados. 
 
 
2.3.3. Población 
La población del área afectada por un terremoto se propone como variable 
determinante porque si mayor es el número de personas expuestas dentro del área 
afectada por un sismo, mayor será el número de posibles muertes causadas por el 
mismo. 
 
 
2.3.4. Área 
Se considera el área afectada por un terremoto para estimar el número de 
damnificados porque la variable “población” del modelo está sujeta a los límites 
geográficos del área afectada por el sismo en cuestión. 
 
 
La densidad poblacional no fue propuesta como variable explicativa del número de 
damnificados, pero sí como un factor que influye en el grado de vulnerabilidad, 
según Maskrey. Por lo tanto, las variables “población” y “área” miden en conjunto la 
concentración real de la población en un área específica, y ambas sugieren 
causalidad y una correlación positiva con el número de damnificados. 
 
 
2.3.5. PBI per cápita 
El PBI per cápita permite considerar el nivel de ingresos per cápita, el cual surge 
como un factor determinante en el grado de vulnerabilidad, según Anbarci. Además, 
los ingresos en un país limitan el grado de inversión en un posible plan de 
preparación contra desastres, así como en la capacidad de respuesta del mismo.  
Se espera corroborar causalidad y una correlación negativa entre el PBI per cápita  
y el número de damnificados. 
 
 
2.3.6. Desigualdad 
La desigualdad se propone como una variable determinante, porque es un indicador 
de la brecha económica en el país, de su distribución socioeconómica y de la 
probabilidad  de  inversión  en  la  “acción  colectiva  de  mitigación”  (Anbarci  et al., 
26 
 
2004). La evidencia mostrada en el acápite 2.1.5 sugiere causalidad y una 
correlación positiva directa entre el índice de Gini y el número de damnificados. 
 
 
2.3.7. Frecuencia 
La frecuencia representa la probabilidad que ocurra un sismo de 6.0 o más en la 
escala de Richter, en un periodo determinado de tiempo. Se espera hallar que los 
lugares con una alta probabilidad de ocurrencia de terremotos fuertes sufran 
menores daños materiales y humanos que los que tienen menor frecuencia, gracias 
a las lecciones aprendidas por las experiencias de la población. 
 
 
2.3.8. Apertura al comercio exterior 
La apertura al comercio exterior es una variable que conviene tomar en cuenta para 
el modelo en el caso de Perú, dado el incremento abismal en exportaciones que ha 
sido en casi 1000% del año 2000 al 2012. Esta variable podría ayudar a explicar la 
probabilidad de recibir ayuda internacional para la prevención y mitigación de 
desastres naturales. Se espera encontrar una correlación negativa entre el nivel de 
exportaciones y el número de damnificados. 
 
 
2.3.9. Pobreza 
La pobreza es una variable relevante que será considerada en el modelo porque 
influye en las condiciones de vida de los ciudadanos, y en el incremento de la 
vulnerabilidad física o material. La importancia de este factor fue sugerida por más 
de un autor, entre otros, Hays, Salas y Serrano. Se espera hallar una correlación 
positiva entre el nivel de pobreza y el número de damnificados. 
 
 
2.4. Datos del modelo econométrico 
La base de datos elaborada contiene observaciones para 15 países 
latinoamericanos y 73 terremotos mayores a 6.0 grados en la escala de Richter. Por 
otro lado, los eventos sísmicos observados datan entre 1960 y 2002, lo que genera 
un periodo de observación de 42 años. Asimismo, cabe resaltar que el modelo 
propuesto se construyó según un panel de datos no balanceado, con un promedio 
de cinco terremotos por país, aunque con algunas excepciones, porque algunos 
países solo tienen una observación (como Bolivia), y otros que tienen más de 10 
observaciones (como Perú). Tomando en cuenta la naturaleza de la base de  datos 
27 
 
y las posibles limitaciones existentes, se realizó la estimación usando un modelo 
binomial negativo, considerando estimadores de efectos fijos y efectos aleatorios. 
 
 
Por otra parte, la variable dependiente FATAL cuenta el número de muertos 
causados por un terremoto, y usualmente se modela a través de una distribución 
Poisson (Anbarci et al., 2004). Sin embargo, la distribución Poisson por lo general 
se aplica a bases de datos con varianza pequeña, dado que asume que la media 
condicional es igual que la varianza de la variable dependiente. En este caso, la 
base de datos tiene una varianza que es más de 400 veces la media, por lo que el 
supuesto de media y varianza iguales no parece aplicar.26 Por lo tanto, el modelo   
de regresión binomial negativo se ajusta mejor a los datos, debido a que dicho 
modelo es una generalización de la distribución Poisson, al no estar limitado a 
bases de datos de varianza pequeña. Para ello, el modelo usado presenta un 
parámetro que refleja la heterogeneidad de las observaciones de la muestra 
(Anbarci et al., 2004). 
 
 
Finalmente, es pertinente resaltar que a las variables área de las localidades 
afectadas (SQKM), población (POP), ingresos per cápita (GDPPC) y nivel de 
exportaciones de bienes y servicios del país (EXPORTS), se les aplicó la función de 
logaritmo natural para suavizar los amplios rangos de los datos en cada caso. 
 
 
2.5. Discusión de los resultados 
En el caso del modelo de efectos fijos (Modelo A1), se concluye con un nivel de 
significancia del 5%, que las variables magnitud (MAG) y distancia al epicentro 
(DIST) son significativas. Al nivel de significancia del 10% el nivel de exportaciones 
de bienes y servicios (EXPORTS) también es significativa. La magnitud está 
positivamente relacionada con los damnificados, mientras que la distancia al 
epicentro y el nivel de exportaciones tienen relación negativa con la variable 
dependiente (FATAL); por tanto, los signos esperados para los coeficientes 𝛽𝛽𝑖𝑖 de las 
variables  (MAG),  (DIST)  y  (EXPORTS)  están  de  acuerdo  con  lo  señalado  en la 
revisión de la literatura. 
 
 
Si se estima el modelo incluyendo la variable (POVERTY) (Modelo B1), las 
conclusiones son similares que las del párrafo previo (Modelo A1). 
 
26 
Las características estadísticas de todas las variables se encuentran en el anexo 1. 
28 
 
De igual manera, con el modelo de efectos aleatorios (Modelo B2), se concluye con 
un nivel de significancia al 5% que las variables magnitud (MAG) y distancia al 
epicentro (DIST) son significativas. Al nivel de significancia del 10% el nivel de 
exportaciones de bienes y servicios (EXPORTS) también es significativa. Como en el 
caso del modelo de efectos fijos (Modelo A1 y Modelo B1), la magnitud tiene 
relación positiva con los damnificados (FATAL), mientras que la distancia al 
epicentro y el nivel de exportaciones tienen relación negativa con (FATAL). Una vez 
más, los signos esperados para los coeficientes 𝛽𝛽𝑖𝑖 de las variables (MAG), (DIST) y 
(EXPORTS) están de acuerdo con lo señalado en la revisión de la literatura. 
 
 
Si se estima el modelo excluyendo la variable (POVERTY) (Modelo A2), las 
conclusiones son similares que las del párrafo previo (Modelo B2). Sin embargo, la 
variable (INEQUALITY) también resulta significativa al 10% y presenta una   relación 
positiva con el número de damnificados, es decir, su coeficiente 𝛽𝛽𝑖𝑖 tiene el signo 
esperado según la teoría. En  los  restantes  tres  modelos,  el  signo  de 𝛽𝛽𝑖𝑖 de la 
variable (INEQUALITY) también es positivo pero no es significativa ni al  5%  ni al 
10%. 
 
 
En los cuatro modelos, el coeficiente 𝛽𝛽𝑖𝑖 de la variable (SQKM) tiene signo positivo, el 
marco teórico indicó  que  se  esperaba  tal  signo;  sin  embargo,  la  variable  no es 
significativa ni al 5% ni al 10%. 
 
 
El coeficiente 𝛽𝛽𝑖𝑖 de la variable (GDPPC) tiene signo negativo en los modelos A2 y B2.  
Este  signo  está  de  acuerdo  con  el  marco  teórico;  sin  embargo,  la variable 
tampoco es significativa ni al 5% ni al 10%. 
 
 
El detalle de los resultados discutidos anteriormente se encuentra en la tabla 2.5:27 
 
Tabla 2.5. Regresiones de los damnificados por causa de un terremoto grande en 
Latinoamérica1/ 
Variable Modelo A1 Modelo A2 Modelo B1 Modelo B2 
Constante 
-6.750 
(4.946) 
-6.806** 
(3.531) 
-12.634* 
(7.626) 
-9.269 
(6.241) 
MAG 
1.060** 
(0.307) 
1.200** 
(0.291) 
1.220** 
(0.352) 
1.379** 
(0.347) 
DIST 
-0.002** 
(0.001) 
-0.002** 
(0.001) 
-0.003** 
(0.001) 
-0.003** 
(0.002) 
 
27 
Para resolver el modelo econométrico se usó el software Stata 13.1. El archivo do-file se encuentra en el anexo  
2. 
29 
 
Variable Modelo A1 Modelo A2 Modelo B1 Modelo B2 
SQKM 
0.104 
(0.141) 
0.121 
(0.124) 
0.176 
(0.175) 
0.169 
(0.158) 
POP 
-0.031 
(0.143) 
-0.010 
(0.130) 
-0.186 
(0.195) 
-0.145 
(0.186) 
GDPPC 
0.058 
(0.782) 
-0.342 
(0.433) 
0.841 
(1.154) 
-0.033 
(0.854) 
INEQUALITY 
0.016 
(0.047) 
0.049* 
(0.028) 
0.025 
(0.058) 
0.065 
(0.042) 
FREQ 
-0.181 
(1.205) 
-0.761 
(0.900) 
0.259 
(1.630) 
-1.010 
(1.330) 
EXPORTS 
-1.189* 
(0.645) 
-0.986* 
(0.548) 
-1.665* 
(1.029) 
-1.470* 
(0.815) 
POVERTY - - 
0.008 
(0.015) 
0.015 
(0.014) 
Efectos FIJOS ALEATORIOS FIJOS ALEATORIOS 
 
Wald chi2 14.90 22.33 16.98 18.33 
Observaciones 69 73 53 54 
 
1/ Los errores estándar están entre paréntesis. ** y * denotan significancia al 5% y 10%, respectivamente. 
 
Elaboración propia 
 
Por último, el modelo estudiado presenta una serie de limitaciones. En primer lugar, 
existe la posibilidad de que las características propias de cada país o  región 
influyan en la destrucción y el número de damnificados causados por un terremoto. 
Estas podrían incluir factores geológicos como calidad del suelo, ubicación sobre 
los límites de placas tectónicas, y características locales de construcción de las 
localidades analizadas. Estas variables han sido omitidas del modelo, ya que la 
naturaleza de las mismas es subjetiva. Anbarci recalca la necesidad de incluir en el 
modelo econométrico indicadores de preparación ante terremotos de cada país; 
empero, una base de datos de ese tipo no es posible de obtener aún. Asimismo, 
según la recomendación del Instituto Geofísico del Perú, a la hora de estimar la 
vulnerabilidad de una localidad, pueden considerarse algunas variables adicionales 
como el tipo de suelo, el material predominante de las viviendas y la cercanía a 
lugares que se encuentran en desventaja geológica (aquellos que están cerca a 
ríos, riberas, quebradas, cerros, etc).28 Estas variables tampoco fueron tomadas en 
cuenta en el modelo por la construcción subjetiva que implican, y la dificultad de su 
obtención. 
 
 
 
 
 
 
28 
La información de este tipo es limitada, en particular la calidad de los suelos solo ha sido estudiada y clasificada 
en Lima. 
30 
 
CAPÍTULO 3. DIAGNÓSTICO DE LA SITUACIÓN 
ACTUAL 
En este capítulo 3 se presentará una serie de aspectos geográficos y económicos 
que permitirán configurar la vulnerabilidad de Lima y Callao frente a eventos 
naturales, así como el análisis del Plan Logístico del Instituto Nacional de Defensa 
Civil para Ayuda Humanitaria ante Emergencias y Desastres. El objetivo de este 
análisis es emitir un diagnóstico que justifique la necesidad de elaborar un 
planeamiento de la distribución de bienes de ayuda humanitaria con el apoyo de un 
modelo de la Investigación de Operaciones. 
 
 
3.1. Aspectos geográficos y socioeconómicos 
3.1.1. Sismología 
El Perú se encuentra en el “Cinturón de Fuego del Pacífico” y en el límite de dos 
placas tectónicas: la Sudamericana y la de Nazca. En donde se encuentran ambas 
placas se produce el efecto de subducción el cual ha provocado un gran número de 
sismos destructivos en la parte occidental del país. También se producen sismos 
locales y regionales por causa de fallas geológicas. Estos movimientos son de 
menor magnitud, pero si se producen cerca de la superficie terrestre, tienen un gran 
poder destructivo (INDECI, 2012). 
 
 
La presente investigación se enfoca en la provincia de Lima y la región del Callao 
(en adelante; “Lima y Callao”) porque estas localidades presentan el mayor 
porcentaje de ocurrencia de sismos. En la tabla 3.1, se muestra como ejemplo la 
frecuencia de terremotos en las regiones más sísmicas del Perú durante el año 
2011. 
 
 
Los datos de la tabla 3.1 muestran que un tercio del total de sismos en el 2011 
ocurrieron en la región de Lima y Callao. Por otro lado, en Ica ocurrieron el 17.8% 
de los sismos y en Arequipa el 10.7%. Finalmente, ninguno de los departamentos 
restantes presentó frecuencias mayores a 6%. 
 
 
En el marco de la naturaleza sísmica del país, es importante presentar el 
diagnóstico actual del Sistema Nacional de Gestión del Riesgo de Desastres y de la 
zona en donde se enfocará la investigación: la provincia de Lima y la región del 
Callao. En ese sentido, cabe resaltar que existe un silencio sísmico de casi media 
31 
 
década en la región costa centro del país, donde se ubican Lima y Callao (INDECI, 
2012). En 1974 se produjo el último gran terremoto en la región, con una intensidad 
de 8.0 grados en la escala de Mercalli, y cuya magnitud fue de 6.2 en la escala de 
Richter (Centro de Estudios y Prevención de Desastres [PREDES]). Además, cabe 
resaltar que en 1746 ocurrió el sismo más grande de la historia de Lima y Callao. El 
movimiento telúrico tuvo una magnitud entre 8.5 Mw y 8.6 Mw (Silgado, 1978) y  
dejó menos de 200 sobrevivientes de los 4,000 que vivían cerca al puerto (“Un día 
como hoy”, 2011). 
 
 
Tabla 3.1. Frecuencia de sismos por departamento 
 
Región Frecuencia Porcentual (%) 
Lima y Callao 74 33.3 
Ica 40 17.8 
Arequipa 24 10.7 
Tacna 12 5.3 
Ancash 11 4.9 
Piura 9 4.0 
Cusco 7 3.1 
San Martín 7 3.1 
Ucayali 7 3.1 
Huánuco 5 2.2 
La Libertad 5 2.2 
Ayacucho 4 1.8 
Lambayeque 4 1.8 
Pasco 4 1.8 
Moquegua 3 1.3 
Apurímac 2 0.9 
Junín 2 0.9 
Loreto 2 0.9 
Amazonas 1 0.4 
Puno 1 0.4 
Total 225 100.0 
Fuente: INDECI (2012) 
Elaboración propia 
 
 
Según el Centro Peruano Japonés de Investigaciones Sísmicas y Mitigación de 
Desastres [CISMID] (2014), durante el silencio sísmico vigente se está acumulando 
energía subterránea entre las placas tectónicas y esta podría ser liberada en 
cualquier momento a través de un gran terremoto que podría superar los 8.0 grados 
en la escala de Richter. 
32 
 
3.1.2. Demografía 
En Lima Metropolitana29 vive cerca de 10 millones de personas, lo cual representa 
casi un tercio de la población de todo el Perú (INEI, 2015a). Además, la región del 
Callao alcanza una población de poco más del millón de personas, representando  
el 3.2% del total nacional. Estas cifras se pueden apreciar en la tabla 3.2. 
 
 
Tabla 3.2. Población del Perú, de Lima Metropolitana y de la región del Callao 
(2015) 
 
Región Población Porcentaje 
Perú 31,151,643 100.0% 
Provincia de Lima 9,904,727 31.8% 
Región Callao 1,010,315 3.2% 
Fuente: INEI (2015a) 
Elaboración propia 
 
 
La tabla 3.3 muestra el detalle de la población en los distritos que conforman la 
región del Callao. Los distritos de Ventanilla y el Callao mismo son los de mayor 
tamaño poblacional con 428,284 y 406,889 habitantes, respectivamente. 
 
 
Tabla 3.3. Población de los distritos de la región del Callao (2015) 
 
Distrito Población Porcentaje 
Ventanilla 428,284 42.4% 
Callao 406,889 40.3% 
Bellavista 71,833 7.1% 
La Perla 58,817 5.8% 
Carmen de la Legua Reynoso 41,100 4.1% 
La Punta 3,392 0.3% 
 
Total 1,010,315 100.0% 
Fuente: INEI (2015a) 
Elaboración propia 
 
 
Según el Plan Logístico del INDECI (INDECI, 2015), para el año 2015 se estiman 
642,032 damnificados a nivel nacional como consecuencia de todos los tipos de 
emergencias y daños que podrían surgir en el país. Esto representa el 2.1% de la 
población de todo el Perú. En la sección 3.2.4. se mostrará mayor detalle de esta 
estimación. 
 
 
 
 
29 
“Lima Metropolitana” se refiere a la provincia de Lima y la región del Callao. 
33 
 
3.1.3. Economía 
3.1.3.1. Producto bruto interno de Lima y Callao 
El gráfico 3.1 muestra que casi la mitad del PBI de todo el Perú corresponde a Lima 
y Callao. La mayor parte de las industrias pertenece a los sectores de extracción de 
petróleo, gas y minerales, y servicios de información (i.e. telecomunicaciones). El 
segundo departamento con mayor distribución porcentual del PBI nacional es 
Arequipa con 5.4%, seguido de La Libertad con 4.9%. 
 
Lima y Callao 
Arequipa 
La Libertad 
Cusco 
Piura 
Ica 
Ancash 
Cajamarca 
Junín 
Lambayeque 
Puno 
Loreto 
Moquegua 
Tacna 
Ayacucho 
Huánuco 
San Martín 
Pasco 
Ucayali 
Huancavelica 
Amazonas 
Tumbes 
Apurímac 
Madre de Dios 
0 10 20 30 40 50 60 
 
Gráfico 3.1. Estructura porcentual del PBI por departamento (2014, valores a 
precios corrientes) 
Fuente: INEI (2015b) 
Elaboración propia 
 
 
3.1.3.2. Actividad económica 
En Lima y Callao existen 861,000 empresas, de las cuales 60,913 (7.1%) se 
encuentran en la región del Callao. En Lima y Callao hay 90 empresas por cada mil 
habitantes, mientras que en el Callao hay 62 por cada mil (INEI, 2014). Por lo tanto, 
en el Callao se esperaría un menor grado de actividad económica en comparación 
con el promedio de Lima. 
49.1 
5.4 
4.9 
4.7 
4.5 
3.6 
3.5 
2.9 
2.8 
2.5 
2.3 
2.1 
1.6 
1.3 
1.3 
1.2 
1.2 
1.1 
0.9 
0.8 
0.7 
0.6 
0.6 
0.5 
34 
 
Un factor que incrementa la vulnerabilidad de la región del Callao en cuanto a la 
actividad económica es la presencia de industrias con condiciones o procesos de 
alto riesgo, como por ejemplo las del sector de hidrocarburos, las metalmecánicas y 
las industrias químicas. Si se analizara la facturación acumulada de las empresas 
más grandes de la región, se encontraría que casi la mitad (48.1%) se atribuye a 
empresas de los sectores previamente mencionados. Además, cabe resaltar que 
hay 44 metalmecánicas categorizadas como empresas “grandes” o “medianas” que 
se ubican en la región del Callao (Top Publications S.A.C., 2014). 
 
 
3.1.3.3. Población económicamente activa 
Lima Metropolitana concentra aproximadamente al año 2014 el 31.2% de la 
Población Económicamente Activa (PEA) del Perú. La cantidad de personas así 
como los porcentajes tanto para Lima Metropolitana como para la región del Callao 
se muestran en la tabla 3.4. 
 
 
Tabla 3.4. PEA del Perú, de Lima Metropolitana y de la región del Callao (2014) 
 
Región Población Porcentaje 
Perú 16,396.38 100.0% 
Lima Metropolitana 5,121.39 31.2% 
Región Callao 535.93 3.3% 
Fuente: INEI (2004-2009) 
Elaboración propia 
 
 
3.1.3.4. Nivel socioeconómico y gasto promedio de los hogares 
En Lima Metropolitana, la mayor cantidad de hogares pertenece al Nivel 
Socioeconómico 30 (NSE) C (40.8%) y D (26.2%) (Asociación de Empresas de 
Investigación de Mercados [APEIM], 2014), como se observa en el gráfico 3.2. 
 
 
En cuanto a la región del Callao, se observa una distribución similar a la de Lima 
Metropolitana en el gráfico 3.3: el 43.1% de los hogares pertenecen al NSE C y el 
26.4% al NSE D. 
 
 
Por otro lado, el promedio del gasto familiar mensual en la región del Callao es de 
S/. 2,659, lo cual representa 10.9% menos que el gasto familiar mensual de todo 
Lima Metropolitana que alcanza los S/. 2,985, en promedio (APEIM, 2014). La 
 
30 
El nivel socioeconómico de una persona u hogar se define en función a un grupo de variables definidas a partir  
de estudios realizados por el APEIM (APEIM, 2014). 
35 
 
1 
40.8% 
capacidad de gasto guarda estrecha relación con el grado de pobreza, por lo que la 
población en esta zona podría presentar un mayor nivel de vulnerabilidad 
socioeconómica ante desastres. 
 
9.3% 4.9% 
 
 
8.8% 
 
 
26.2% 
 
 
 
 
 
 
 
 
 
 
NSE A NSE B NSE C NSE D NSE E 
 
Gráfico 3.2. Distribución de hogares según NSE 2014 – Lima Metropolitana 
Fuente: APEIM (2014) 
Elaboración propia 
 
 
 
14.1% 
1.2% 
15.2% 
 
 
 
 
 
26.4% 
 
 
 
43.1% 
 
 
 
 
NSE A NSE B NSE C NSE D NSE E 
 
Gráfico 3.3. Distribución de hogares según NSE 2014 – Región Callao 
Fuente: APEIM (2014) 
Elaboración propia 
 
 
3.1.4. Vulnerabilidad sísmica de la región del Callao 
Según el Proyecto Ciudades Focales (2012), el 28.6% de la población de Lima y 
Callao vive en zonas donde predominan los niveles de riesgo alto y muy alto. Parte 
de la vulnerabilidad se debe a las características del tipo de suelo predominante y a 
la calidad de construcción de las edificaciones. 
36 
 
En el caso de un sismo de gran magnitud, se espera que los daños a las viviendas  
y a la infraestructura en general sean mayores cuando el suelo presente las peores 
condiciones dinámicas (Proyecto INDECI-PNUD31-ECHO32, 2011). Se han definido 
cuatro niveles de peligro sísmico según los cinco tipos de zonas sísmico- 
geotécnicas, como lo indica la tabla 3.5. 
 
Tabla 3.5. Correspondencia entre zonas sísmico-geotécnicas y niveles de peligro 
sísmico 
 
Zonas sísmico- 
geotécnicas 
Suelos correspondientes Peligro sísmico 
Zona I Afloramientos rocosos y estratos de grava Bajo 
Zona II 
Suelos granulares finos y suelos arcillosos 
sobre grava aluvial o coluvial 
Relativamente bajo 
Zona III Arena eólica (sin agua) Alto 
Zona IV Arena eólica (con agua)  
Muy alto 
Zona V Rellenos 
Fuente: Proyecto INDECI-PNUD-ECHO (2011) 
Elaboración propia 
 
 
Los distritos de Ventanilla, el Callao y La Punta tienen zonas sísmico-geotécnicas 
de tipo IV ubicadas mayormente en el litoral y conformadas por depósitos de arenas 
eólicas de gran espesor y sueltas así como por depósitos marinos y pantanosos; 
estas características generan un nivel de peligro sísmico muy alto (PREDES, 2009). 
De igual manera, los distritos de Bellavista y La Perla están constituidos por zonas 
sísmico-geotécnicas de tipo V, que a su vez están conformadas por depósitos de 
rellenos sueltos de desmontes heterogéneos que han sido colocados en 
depresiones naturales o excavaciones realizadas en el pasado. Por lo tanto, dichas 
áreas también tienen un nivel de peligro sísmico muy alto. Las zonas de peligro alto 
y muy alto en la región del Callao, sobre todo en la parte del litoral, se pueden 
observar en el  mapa 3.1. 
 
 
En cuanto al estado de conservación de las viviendas en la región del Callao, la 
mayor parte está consolidada y tiene baja vulnerabilidad. Sin embargo, en el distrito 
del Callao se presentan viviendas deterioradas, por tanto, existe un alto grado de 
vulnerabilidad de la infraestructura y como consecuencia, los habitantes se 
encuentran expuestos a un nivel de riesgo mayor. Por otro lado, en el distrito de 
Ventanilla, hay varias que se encuentran en estado de “consolidación” y muchas de 
31 
PNUD: Programa de las Naciones Unidas para el Desarrollo. 
32 
ECHO: European Commission's Humanitarian Aid and Civil Protection department. 
37 
 
ellas son improvisadas, es decir, han sido construidas sin asesoramiento técnico, 
y/o han sido ocupadas informalmente. Más aun, la infraestructura está conformada 
por varios materiales de construcción y carece de rigidez estructural, por lo que la 
vulnerabilidad en dicho distrito asciende a un nivel medio alto (PREDES, 2009). 
 
Mapa 3.1. Niveles de peligro según la zonificación sísmica de Lima y Callao 
Fuente: Proyecto INDECI-PNUD-ECHO (2011) 
38 
 
3.2. Plan logístico institucional 
En vista que el modelo de logística humanitaria de esta tesis presentará una 
estimación de damnificados, y sugerirá las rutas que los vehículos que distribuyen  
la ayuda humanitaria deberán recorrer para optimizar la entrega de los bienes a los 
afectados, es necesario trazar la línea base del plan de logística actual. Esto se  
hará con el fin de tomarla en cuenta cuando se proponga cualquier reestructuración 
del plan. Por lo tanto, para efectos de esta investigación, se desarrollarán 
propuestas de modelos que se adecúen a la realidad y vigencia del Plan Nacional 
de Gestión del Riesgo de Desastres. Esto se realizará considerando el caso crítico, 
y por lo tanto, se diseñarán propuestas para un nivel de emergencia con una 
calificación de 4 o 5, según el Sistema Nacional de Gestión del Riesgo de  
Desastres [SINAGERD]. Estos niveles corresponden a terremotos de alto impacto, 
mayores a 6.0 en la escala de Richter y que están a una distancia menor a 33 km 
desde la superficie (PREDES, 2009). 
 
 
3.2.1. Sistema Nacional de Gestión del Riesgo de Desastres 
 
3.2.1.1. Estructura organizacional y funcional 
Mediante la Ley N° 29664, se creó el SINAGERD, como un sistema 
interinstitucional, sinérgico, descentralizado, transversal y participativo. El sistema 
tiene la finalidad de identificar y reducir los riesgos asociados a peligros, y gestionar 
acciones de preparación y atención ante situaciones de desastre (INDECI, 2013).  
En mayo del 2011, se aprobó el Decreto Supremo N°048-2011-PCM, Reglamento 
de la Ley Nº 29664, propuesto por el SINAGERD. El objetivo principal de este 
decreto es identificar y reconocer previamente los posibles riesgos en ocasión de  
un desastre y así poder disminuir su impacto a través de una correcta gestión de 
desastres y peligros mediante el desarrollo de procesos y procedimientos a 
ejecutar, así como la definición explícita de los roles de las entidades participantes 
en los mismos. 
 
 
Esta ley está vigente a la fecha (año 2015) y se aplica a todas las entidades, ya 
sean públicas o privadas, al igual que a todos los ciudadanos del Perú. El 
funcionamiento de la gestión de riesgo de desastres se determina también de 
acuerdo con los lineamientos que dicta la Política Nacional de Gestión del Riesgo 
de  Desastre,  para  reducir  los  posibles  riesgos  y  contar  con  una   preparación, 
39 
 
atención y respuesta efectiva ante una situación de desastre (Congreso de la 
República del Perú, 2011). 
 
 
Respecto a la organización, en primer lugar, se establece a la Presidencia del 
Consejo de Ministros [PCM] como líder y ente rector del SINAGERD. En segundo 
lugar, el equipo está conformado por el Consejo Nacional de Gestión del Riesgo de 
Desastres [CONAGERD], el Instituto Nacional de Defensa Civil [INDECI] y el Centro 
Nacional de Estimación, Prevención y Reducción del Riesgo de Desastres 
[CENEPRED]. Finalmente, se cuenta también con el apoyo del Centro Nacional de 
Planeamiento Estratégico [CEPLAN], y gobiernos regionales, locales y municipales 
(Congreso de la República del Perú, 2011). La estructura del SINAGERD se 
muestra en la figura 3.1. 
 
 
 
 
 
Figura 3.1. Sistema Nacional de Gestión del Riesgo de Desastres [SINAGERD] 
Fuente: Cortijo33, (2013) 
Elaboración propia 
 
 
La PCM, como instancia más alta y ente rector del SINAGERD tiene las funciones 
de coordinar, supervisar y fiscalizar el adecuado funcionamiento del sistema. En el 
siguiente nivel jerárquico (vea la figura 3.1) se ubica el CONAGERD, que se regula 
a través de un reglamento interno aprobado por sus propios miembros, y se  
encarga de convocar a las sesiones del Consejo para el acuerdo y seguimiento de 
normas relacionadas a la gestión de desastres. Si ocurriese una emergencia de 
 
 
33 
El Ingeniero Erik Cortijo es el Sub Director de Asistencia Humanitaria y Movilización de la Dirección  de  
Respuesta del INDECI. 
PCM 
Presidencia del Consejo de 
Ministros 
CONAGERD 
Consejo Nacional de Gestión 
de Desastres 
CENEPRED 
Centro Nacional de 
Estimación, Prevención y 
Red ucción del Riesgo de 
Desastres 
 
 
INDECI 
Instituto Nacional de Defensa 
Civil 
Prospectiva Reactiva 
 
Gobiernos regionales y 
locales 
40 
 
nivel 5 (vea el gráfico 3.4) el CONAGERD se convierte en autoridad máxima a nivel 
político y funcional del país. 
 
 
Más aun, las entidades públicas participantes del equipo tienen como función 
principal la gestión de desastres previo y posterior al evento que genere el desastre. 
Por un lado, el CENEPRED es el organismo público del SINAGERD que se enfoca 
en los procesos y procedimientos previos a un desastre. Es decir, tiene como 
objetivo primordial el desarrollo de todos los procedimientos, lineamientos, 
estrategias y planes preventivos ante una posible situación de desastre. Entre otras 
funciones, el CENEPRED promueve a través de la investigación y coordinación con 
entidades académicas y científicas el desarrollo de un plan mejorado de mitigación 
y a la vez promueve a través de la comunicación, difusión y sensibilización de la 
sociedad ante un posible desastre. 
 
 
Por otro lado está el INDECI, la entidad pública ejecutora del SINAGERD, que se 
enfoca en los procesos, procedimientos y acciones de respuestas posteriores a un 
desastre, es decir, tiene como objeto principal la coordinación, supervisión e 
implementación del Plan Nacional de Gestión del Riesgo de Desastres en los 
procesos de preparación, respuesta y rehabilitación. 
 
 
Finalmente, los últimos participantes en el sistema son los gobiernos regionales y 
locales, los cuales deben incorporar individualmente a su gestión, el proceso de 
planificación de gestión del riesgo de desastres. También deben incorporar planes 
de desarrollo, identificar zonas vulnerables y gestionar sus provisiones para atender 
las emergencias por desastres. 
 
 
3.2.1.2. Niveles de emergencia y gestión de la logística 
La gestión de la logística y la capacidad de respuesta de las entidades del 
SINAGERD ante un desastre, depende de la determinación del nivel asignado a  
una emergencia. Con base en la clasificación de la emergencia, desde el nivel 1 
hasta el nivel 5, se determina los entes responsables y ejecutores de los planes 
previstos para una efectiva respuesta, rehabilitación y reconstrucción (INDECI, 
2013). En la tabla 3.6, se describen los niveles. 
41 
 
De la información resumida en la tabla 3.6, se concluye que en los niveles 1 al 3, el 
gobierno regional o local se encarga de la gestión de la emergencia y de las 
acciones de respuesta. En el nivel 4, el INDECI coordina la gestión y acompaña a 
los gobiernos regionales o locales en la conducción de las acciones de respuesta 
para distribuir los bienes de ayuda humanitaria y atender a los afectados y 
damnificados. Finalmente, en el nivel 5, el INDECI coordina y conduce la gestión, 
pero las acciones operativas siguen siendo responsabilidad de los gobiernos 
regionales o locales, por lo que ellos se encargan de la distribución de los bienes de 
ayuda humanitaria y de la atención de los afectados y damnificados a nivel local. En 
general, cada gobierno regional y local tiene su propio plan de operaciones que 
contempla las acciones de respuesta frente a una situación de emergencia, y el 
INDECI ejerce la función de ente rector que coordina el sistema a nivel macro (E. 
Cortijo et al., entrevistas personales y grupales, octubre-diciembre 2015). Si surgen 
conflictos entre los diferentes planes de operaciones a nivel local, regional o 
nacional, el INDECI ayuda en la articulación de los tres niveles de gobierno. Las 
diferencias entre cada nivel de emergencia se contemplan de mejor manera en el 
gráfico 3.4. 
 
Tabla 3.6. Niveles de emergencia según el SINAGERD 
 
Nivel Descripción 
 
1 - 3 
Comprende únicamente la acción de los gobiernos regionales y locales. Es 
decir, si el impacto de un desastre es categorizado en una de estas tres 
escalas, los gobiernos regionales o locales atenderán el desastre con sus 
propios recursos y planes de acción de respuesta. 
 
 
4 
Un desastre alcanza el nivel 4 cuando su magnitud e impacto han 
sobrepasado los límites de capacidad de respuesta de los gobiernos 
regionales y locales. Esta situación sustenta previamente la Declaratoria   de 
Estado de Emergencia
34 
que aprueba la intervención del Gobierno Nacional y 
el INDECI, utilizando los recursos nacionales disponibles. 
 
 
5 
El nivel 5 categoriza a los desastres de gran magnitud cuyos impactos y 
situación superan la capacidad de respuesta y acción a nivel nacional, por lo 
que es necesario el apoyo privado e internacional. Se debe sustentar, al igual 
que en el nivel 4, la Declaratoria de Estado de Emergencia Nacional, y tanto 
el Gobierno Nacional como el INDECI conducen y lideran el plan de 
mitigación, respuesta, rehabilitación y reconstrucción. 
Fuente: INDECI (2013) 
Elaboración propia 
 
 
El Ingeniero Cortijo (E. Cortijo, entrevista personal, 4 de octubre de 2013), comentó 
que el terremoto del año 2007 que afectó a Pisco, fue clasificado con un nivel de 
emergencia de 5. En este desastre se activó el plan logístico en su máximo nivel,  y 
 
34 
El Comité de Defensa Civil del gobierno local canaliza su petición de Declaratoria de Estado de Emergencia a 
través del Comité Regional de Defensa Civil y luego de evaluarla, este último la eleva al INDECI. A continuación, el 
INDECI remite la solicitud a la PCM, y en caso proceda, el Estado de Emergencia se oficializa por el Presidente de 
la República, con el acuerdo del Consejo de Ministros. 
42 
 
debido a la severidad del desastre, se trasladó las provisiones y recursos 
disponibles desde varios almacenes del INDECI y desde los depósitos de los 
gobiernos regionales y locales, ubicados en distintos puntos del país (INDECI, 
2007). Sin embargo, el stock de provisiones no fue suficiente para abastecer a los 
afectados y damnificados 35 , por lo que tuvieron que recurrir tanto a entidades 
internacionales como al apoyo de entidades privadas. 
 
 
3.2.1.3. Proceso de Declaratoria de Estado de Emergencia del nivel 4 y 5 
Uno de los objetivos de esta tesis es proponer una medida de respuesta adecuada 
para atender una emergencia de nivel 4 o 5. A continuación, se describe el proceso 
de Declaratoria de Estado de Emergencia de un desastre de esos niveles, según 
los funcionarios del INDECI que fueron entrevistados entre octubre y diciembre del 
2015, según la página web del INDECI. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Capacidad de respuesta 
 
1/ GL: Gobiernos locales 
2/ GORE: Gobiernos regionales 
 
Gráfico 3.4. Niveles de emergencia según el SINAGERD 
Fuente: INDECI (2013) 
Elaboración propia 
 
 
 
 
 
35 
Según la Resolución Jefetural N° 077 – 2012 – INDECI, el término “damnificado” se refiere a “Persona humana 
que como consecuencia del impacto causado por un desastre, ha sufrido una alteración en sus propiedades o 
bienes, sin que ello implique pérdida de estos y cuya recuperación puede realizarse en un período  corto.” El 
término “afectado” se refiere a “Persona humana que debido al impacto causado por un desastre, ha sufrido daño 
parcial en su integridad física y ha perdido una capacidad vital en su entorno personal, económico, social y de 
medio ambiente.” 
1,2,3: Alcance local y regional con 
sus propios recursos disponibles 
INDECI: 
GORE: conduce 
3 conduce 
GORE2/ : 
5 coordina y conduce 
DE GRAN MAGNITUD 
Sup era la cap acidad de 
respuesta del país y 
sustenta la Declaratoria 
de Estado de Emergencia 
También se recibe ayuda 
internacional 
GL –Provincia: 
4 INDECI: coordina 
Intervención del 
Gobierno Nacional y 
sustenta la Declaratoria 
de Estado de 
Emergencia 
conduce 
2 
1 conduce 
GL    –Distrito: 1/ 
 
 
 
 
 
 
 
Gobiernos locales y regionales Gobierno nacional 
N
iv
e
le
s
 d
e
 e
m
e
rg
e
n
c
ia
 
43 
 
La función de solicitar la Declaratoria de Estado de Emergencia es responsabilidad 
de los Comités de Defensa Civil en sus diferentes niveles territoriales (local o 
regional). Los niveles de emergencia 4 y 5 se declaran tras corroborar que 
efectivamente los gobiernos regionales o locales no tienen la capacidad suficiente 
para atender a los afectados y damnificados. Para ello, las entidades deben 
presentar un informe técnico llamado Evaluación de Daños y Análisis de 
Necesidades [EDAN] en donde detallan los daños que han sufrido 36 y los 
requerimientos para la rehabilitación, como por ejemplo los tipos de bienes que 
necesitan, según el Catálogo de Bienes del INDECI. También deben contar con un 
certificado que sustente que el presupuesto del gobierno local o regional autorizado 
para estas situaciones es insuficiente, así como otros documentos solicitados por el 
INDECI. 
 
 
A continuación, con opinión de los sectores comprometidos a nivel nacional, y si es 
procedente la solicitud, el INDECI remite a la PCM la documentación que detalla las 
acciones a tomar para afrontar la emergencia. El Estado de Emergencia se  
oficializa a través del Presidente de la República, con el acuerdo del Consejo de 
Ministros. Adicionalmente, durante el proceso de abastecimiento de ayuda 
humanitaria, se priorizan las zonas con mayores daños, por lo que el  INDECI 
revisa, evalúa y compara en un periodo de 2 o 3 días todos los EDAN que le llegan. 
El INDECI recibe las solicitudes de bienes de ayuda humanitaria de los gobiernos 
subnacionales, y la Dirección de Respuesta de la entidad se encarga de evaluar y 
aprobar los pedidos. El INDECI luego envía las solicitudes a los almacenes 
nacionales correspondientes (vea el acápite 3.2.2) y estas son recibidas por la 
Oficina de Logística. Esta última se encarga de trasladar los bienes de ayuda 
humanitaria hasta los almacenes de las Direcciones Desconcentradas del INDECI, 
en donde el gobierno regional o local que ha solicitado el requerimiento recibe los 
bienes. 
 
 
Luego, el gobierno regional o local se encarga de distribuir los bienes, según sus 
propios procedimientos, y a través de sus Comités de Defensa Civil. Previo a esto, 
arma los kits que serán entregados a los afectados y damnificados. El 
abastecimiento se realiza principalmente mediante la vía terrestre y  fluvial, 
utilizando  medios  de  transporte  privados  e  institucionales.  En  situaciones     de 
 
36 
En cuanto a infraestructura vital, establecimientos para la respuesta a emergencias, viviendas, centros  
educativos, y centros de abastecimiento alimentario. 
44 
 
emergencia de nivel 4 y 5, también se usa el medio aéreo para brindar apoyo 
logístico con mayor rapidez. 
 
 
A modo de diagnóstico, se observa que hay factores internos del mismo  
SINAGERD que podrían reducir la efectividad del plan de respuesta. Así por 
ejemplo, en el caso de una emergencia de nivel 4 o 5, la Declaratoria de Estado de 
Emergencia debe ser emitida para aprobar la intervención del Gobierno Nacional y 
el INDECI. Hasta que esta declaración no sea aprobada y firmada por el 
CONAGERD, el INDECI no puede actuar. Esto es evidencia de cómo los planes de 
acción de respuesta podrían estar limitados por sus propios reglamentos. 
 
 
3.2.2. Almacenes de bienes de ayuda humanitaria 
Con el Decreto Supremo N° 031-2008-PCM del 20 de abril de 2008, y en el marco 
del proceso de descentralización, se establecieron los criterios de jerarquización y 
clasificación de los almacenes de bienes de ayuda humanitaria en el Perú (INDECI, 
2012). 
 
 
Existen tres categorías de almacenes: los almacenes nacionales, regionales y 
locales. Los almacenes nacionales son gestionados por el INDECI y están 
localizados de manera estratégica alrededor del país, de manera que puedan 
responder rápida y adecuadamente ante una emergencia o desastre. En el 
Reglamento de la Ley N° 29664 del SINAGERD, en el artículo 9°, se especifica que 
las Funciones del INDECI incluyen: “Administrar los Almacenes Nacionales de 
Defensa Civil, proporcionando a través de las autoridades competentes, apoyo a 
personas damnificadas y afectadas, y participar en la respuesta” (Congreso de la 
República del Perú, 2011, p.443208). 
 
 
Las provisiones de los almacenes nacionales son utilizadas en última instancia, 
siempre y cuando se haya superado la capacidad de respuesta de abastecimiento 
de los almacenes locales y regionales, el nivel de emergencia haya sido clasificado 
como 4 o 5 y se haya aprobado la Declaratoria de Estado de Emergencia (vea el 
acápite 3.2.1.3). Estos almacenes funcionan como abastecedores de los almacenes 
regionales. En total, el INDECI cuenta con 17 almacenes nacionales, y la tabla 3.7 
muestra la cantidad y en dónde están ubicados. 
45 
 
Cabe resaltar que los tres almacenes nacionales en la región de Lima y Callao se 
denominan “almacenes generales” y constituyen la base del sistema de almacenes 
de INDECI.37 Ahí ingresan todos los bienes de ayuda humanitaria adquiridos por la 
institución y desde dichos puntos se distribuyen a los demás almacenes. 
 
 
La figura 3.2 ilustra la distribución geográfica de los almacenes nacionales 
administrados por el INDECI. Según el mapa, se concentran mayormente en los 
departamentos de la costa y sierra del país y no hay almacenes nacionales en 
Ancash, Apurímac, Ayacucho, Cajamarca, Huancavelica, Huánuco, Madre de Dios, 
Moquegua, San Martín y Ucayali. 
 
Tabla 3.7. Cantidad de almacenes de ayuda humanitaria por región y por tipo de 
almacén 
 
Región Nacionales Regionales Locales Total 
Amazonas 1 1 6 8 
Ancash  1 4 5 
Apurímac  1 5 6 
Arequipa 1 1 7 9 
Ayacucho  1 3 4 
Cajamarca  1 9 10 
Callao 2 1  2 
Cusco 1 1 5 7 
Huancavelica  1 4 5 
Huánuco  1 8 9 
Ica 1 1 3 5 
Junín 1 1 3 5 
La Libertad 1 1 6 8 
Lambayeque 1 1 6 8 
Lima 1 1 4 7 
Loreto 1 1 10 12 
Madre de Dios  1 3 4 
Moquegua  1 5 6 
Pasco 1 1 3 5 
Piura 1 1 16 18 
Puno 2 1 10 13 
San Martín  1 2 3 
Tacna 1 1 5 7 
Tumbes 1 1 5 7 
Ucayali  1 6 7 
Total 17 25 138 180 
Fuente: INDECI (2012), E. Cortijo, entrevista personal (17 de setiembre de 2015) 
Elaboración propia 
 
37 
En el anexo 3 se muestra el detalle de las características de cada uno de estos almacenes. 
46 
 
Los almacenes regionales están ubicados mayormente en las capitales de los 
departamentos, o donde decida el gobierno regional, para dar una respuesta rápida 
y adecuada cuando ocurra una emergencia en su jurisdicción. Dichos almacenes 
están bajo la gestión del gobierno regional, a través de su Oficina de Defensa Civil. 
Estos almacenes cuentan con provisiones para atender a afectados y damnificados 
si es que los almacenes locales no tienen suficiente capacidad de cobertura. 
Asimismo, alojan bienes de ayuda humanitaria adquiridos por los gobiernos 
regionales y bienes distribuidos por el INDECI a través de sus almacenes 
nacionales. Los almacenes regionales también funcionan como abastecedores de 
los almacenes locales o adelantados. Al año 2015, hay 25 almacenes regionales.  
La tabla 3.7 muestra en qué regiones están ubicados. 
 
 
 
Figura 3.2. Ubicación de almacenes nacionales 
Elaboración propia 
Amazonas 
 
Tumbes Loreto 
Piura 
 
Lambayeque 
La Libertad 
Pasco 
Junín 
Callao 
Lima     Cusco  
Ica Puno 
Arequipa 
Tacna 
47 
 
Finalmente, los almacenes locales o adelantados están a cargo de las 
municipalidades provinciales o distritales, previa suscripción de un convenio 
interinstitucional con el gobierno regional al que corresponden. Estos almacenes se 
usan en primera instancia para satisfacer la demanda local de afectados y 
damnificados. Asimismo, se encuentran ubicados en zonas alejadas de los 
almacenes regionales o en zonas de difícil acceso y abastecimiento en caso de un 
desastre. La tabla 3.7 muestra que al año 2015, hay 138 almacenes locales o 
adelantados. 
 
La tabla 3.8 a continuación muestra un resumen de la información expuesta sobre 
los tipos de almacenes. 
 
Tabla 3.8. Jerarquización y clasificación de almacenes de ayuda humanitaria en el 
Perú 
Tipo de 
almacén 
Cantidad 
en el Perú 
Entidad 
encargada 
Descripción 
 
 
 
Nacional 
 
 
 
17 
 
 
 
INDECI 
Son utilizados cuando concurren los casos 
siguientes: se supera la capacidad de los 
almacenes locales y regionales, el nivel de 
emergencia es 4 o 5, y se ha aprobado la 
Declaratoria de Estado de Emergencia. Los 
almacenes nacionales funcionan como 
abastecedores de los almacenes regionales. 
 
Regional 
 
25 
 
Gobierno 
regional 
Son usados cuando se supera la capacidad  
de los almacenes locales. También funcionan 
como abastecedores de los  almacenes 
locales. 
Local/ 
adelantado 
 
138 
Municipalidades 
provinciales o 
distritales 
 
Son usados en primera instancia. 
Fuente: INDECI (2012) 
Elaboración propia 
 
 
3.2.3. Bienes de ayuda humanitaria 
Las provisiones que albergan los tres tipos de almacenes son bienes de techo, 
abrigo, enseres, herramientas y alimentos (Resolución Jefatural N° 077-2012- 
INDECI). Los almacenes también guardan inventarios de carpas, módulos, triplay y 
calaminas. 
 
 
Respecto a los kits de bienes de ayuda humanitaria, el INDECI cuenta con  
paquetes que contienen baldes, bidones, bobinas de plástico, calamina, camas 
plegables, carpas familiares, colchones, frazadas, herramientas, menaje de  cocina, 
48 
 
etc. Actualmente, también incluyen bienes perecibles como agua (comprada a 
pedido), arroz, avena, azúcar, conservas de pollo y pescado, menestras y sal. 
 
 
Los bienes de ayuda humanitaria que forman parte del kit preparado por el INDECI 
provienen del Catálogo de Bienes de Ayuda Humanitaria de la Dirección Nacional 
de Operaciones del INDECI (INDECI, 2011b). Dichos bienes son los mínimos 
necesarios que los afectados o damnificados por un desastre natural requieren para 
sobrevivir y limpiar sus hogares, de manera que restablezcan sus condiciones de 
vida. 
 
 
Los niveles de stock de bienes de ayuda humanitaria administrados por el INDECI 
guardan relación con el presupuesto de la organización y la disponibilidad de 
espacio en sus almacenes a nivel nacional. Según los funcionarios del INDECI que 
fueron entrevistados a fines del 2015 (E. Cortijo et al., entrevistas personales y 
grupales, octubre-diciembre 2015), la entidad se abastece de suficientes bienes 
como para atender entre el 5% y el 10% de la población damnificada estimada por 
el Plan Logístico del INDECI vigente. 
 
 
Con respecto a la cantidad de alimentos que se almacena, se calcula tomando en 
cuenta las necesidades nutricionales para alimentar a la población damnificada 
durante un periodo de 10 días. La estimación de las necesidades nutricionales se 
realiza según las recomendaciones de la Carta Humanitaria y normas mínimas para 
la respuesta humanitaria de El Proyecto Esfera (2011). También se usa como 
referencia las guías y los manuales internacionales de la Organización 
Panamericana de la Salud [OPS] y del Programa Mundial de Alimentos de las 
Naciones Unidas [PMA]. 
 
 
En total, los 17 almacenes nacionales del INDECI cuentan con capacidad suficiente 
para abastecer aproximadamente a 161,200 personas o 32,240 familias con kits de 
emergencia (INDECI, 2015). Dicha capacidad se incrementa con los bienes de los 
gobiernos regionales y locales, y la ayuda que se recibe de donaciones. 
 
 
En cuanto a la política de inventarios que maneja el INDECI para sus almacenes, 
esta delimita un nivel de stock mínimo y máximo. Según el Plan Logístico (INDECI, 
2015), el nivel mínimo de  provisiones que debe  tener un  almacén, se    determina 
49 
 
asumiendo que ocurrirá un desastre de nivel de emergencia 4 o 5. Asimismo, el 
nivel máximo de provisiones que un almacén podrá albergar, es asumiendo que el 
60% de la población total será afectada. Finalmente, cada almacén nacional no 
cuenta específicamente con las mismas provisiones debido a que los bienes 
necesarios dependerán también de la zona, la región donde se ubica el almacén,  
los factores climáticos, las condiciones de vida, entre otros. 
 
 
3.2.4. Metodología actual para la elaboración del plan logístico 
La formulación del Plan Logístico INDECI AF-2015 para ayuda humanitaria ante 
emergencias o desastres (INDECI, 2015), se basó en la información histórica de 
afectados y damnificados en el periodo del 2006 al 2014 porque se observó una 
correlación entre dichas variables y el tiempo entre los eventos ocurridos, según el 
tipo de fenómeno. Por otro lado, también se consideró las diferentes necesidades 
logísticas de las regiones, según sus ámbitos geográficos y sus climas. Por ello, se 
analizó la distribución porcentual de cada producto, en cada región. 
 
 
La metodología actual de control de inventario de bienes de asistencia humanitaria 
contempla métodos cualitativos y cuantitativos para la estimación de afectados y 
damnificados. Los métodos cualitativos del plan logístico están basados en 
conocimientos acumulados de experiencias pasadas. Son de mayor utilidad cuando 
los datos históricos usados como insumo para los métodos cuantitativos son 
insuficientes, contradictorios, costosos o irrelevantes. Las técnicas que a menudo  
se usan son el consenso de un comité y la aplicación del método Delphi (INDECI, 
2015). 
 
 
Cuando se aplica el consenso de un comité, se forma un pequeño grupo de 
expertos interfuncionales en el tema (asesores, directores, jefes y/o especialistas) 
para interrogarlos y analizar sus opiniones respecto a los valores futuros de los 
aspectos por predecir. Esta técnica es relativamente económica y es la más usada 
para los pronósticos de mediano y largo plazo. Sin embargo, los factores sociales o 
la participación de un miembro influyente podrían impedir que el grupo llegue a un 
verdadero consenso (INDECI, 2015). 
 
 
El método Delphi también reúne a un grupo de expertos que comparten 
información, pero de manera remota y desde el anonimato. Este método reduce   el 
50 
 
1 
efecto de personas influyentes y de la opinión mayoritaria, por lo que el resultado 
suele ser más preciso que el del comité de consenso. Sin embargo, toma más 
tiempo elaborar la predicción a través de dicho método (INDECI, 2015). 
 
 
El segundo tipo de métodos son los cuantitativos, generalmente usados para las 
predicciones a corto plazo. Los modelos de proyección basados en las series de 
tiempo son ampliamente usados para la estimación de la población damnificada y 
afectada por desastres. Para aplicar dicho modelo en el Plan Logístico del año 
2015, se consideró la serie histórica de la población damnificada de los últimos 7 
años que se ilustra en el gráfico 3.5 y que sugiere un ajuste a través de un modelo 
geométrico como el siguiente: 
 
𝑌𝑌𝑖𝑖  =  𝛽𝛽0𝛽𝛽
𝑡𝑡𝑖𝑖 
 
Donde: 
𝑌𝑌𝑖𝑖: población damnificada en el evento 𝑤𝑤. 
𝑡𝑡𝑖𝑖 : variable de ajuste para corregir la población damnificada. Esta representa el 
número de años transcurridos desde el año base (2005) para el evento natural 𝑤𝑤. 
 
 
Luego, tomando logaritmo natural se transforma en el modelo semilogarítmico 
siguiente: 
 
𝑙𝑙𝑙𝑙𝑌𝑌𝑖𝑖  =  𝑙𝑙𝑙𝑙𝛽𝛽0 +  𝑡𝑡𝑖𝑖(𝑙𝑙𝑙𝑙𝛽𝛽1) 
 
Después de ajustar por mínimo cuadrado ordinario el modelo semilogarítmico, se 
tiene la siguiente ecuación geométrica: 
 
𝑌𝑌𝑖𝑖         =    1,614,673 ∗ (0.9119)
𝑡𝑡𝑖𝑖 
 
Este es el modelo de regresión con tendencia decreciente que se usa para estimar 
la población damnificada y afectada por las principales emergencias que ocurren en 
el país (INDECI, 2015). 
 
 
Para estimar el número de afectados y damnificados en el año 2015, se reemplaza 
en la ecuación precedente el valor para 𝑡𝑡𝑖𝑖 = 10: 
𝑌𝑌10 =  1,614,673 ∗ (0.9119)
10 
51 
 
Esto arroja un valor de 642,032 afectados y damnificados a nivel nacional por causa 
de todos los tipos de emergencias y daños. Con este resultado, el INDECI lleva a 
cabo la provisión de bienes de ayuda humanitaria, tomando en cuenta 
adicionalmente los bienes actualmente en stock en los almacenes nacionales 
(INDECI, 2015). 
 
 
2,500,000 
 
2,158,676 
2,000,000 
 
 
 
1,500,000 
 
 
 
1,000,000 
 
 
 
 
 
1,059,429 
 
 
 
1,324,540 
 
 
 
 
1,187,317 
 
 
 
 
500,000 
929,142  
841,994 
879,965 
 
 
777,121 
 
 
 
612,331 
2006 2007 2008 2009 2010 2011 2012 2013 2014 
Año 
 
 
Gráfico 3.5. Población damnificada y afectada por desastres en el Perú (2006- 
2014) 
Fuente: INDECI (2015) 
Elaboración propia 
 
 
3.3. Plan Regional de Operaciones de Emergencia del Callao 
En los últimos años, el incremento de la recurrencia y severidad de los desastres 
naturales es uno de los aspectos de mayor preocupación del Gobierno Regional del 
Callao [GORE-Callao], quien tiene previsto adelantarse a los acontecimientos a 
través de una eficiente y eficaz labor de prevención para reducir las consecuencias 
que podrían ocasionar. 
 
 
Según el estudio del Proyecto INDECI-PNUD-ECHO (2011), el 98% de las  
viviendas evaluadas en la región del Callao tenían un nivel de vulnerabilidad “alto” y 
“muy alto”, por lo que resulta propicio enfrentar el peligro inminente de desastres 
naturales con una actitud preventiva. 
real 
     estimado 
P
o
b
la
c
ió
n
 
52 
 
El Plan Nacional de Operaciones de Emergencia [PNOE] aprobado mediante el D.S 
N° 098-2007-PCM (Ministerio de Salud [MINSA], 2005), permitiría brindar una 
respuesta coordinada y oportuna entre los diversos actores involucrados frente a la 
ocurrencia de una emergencia en el territorio nacional. El PNOE, a su vez, dispone 
que los sectores y los gobiernos regionales y locales formulen y aprueben sus 
propios planes de operaciones en el marco de este plan. 
 
 
Como la región del Callao presenta niveles altos de riesgo, se elaboró el Plan 
Regional de Operaciones de Emergencia del Callao [PROE-Callao] con la 
participación de instituciones públicas y privadas. A continuación se resume dicho 
plan. 
 
 
3.3.1. Proceso de la gestión del riesgo 
El objetivo principal del PROE-Callao es orientar las acciones de respuesta, en  
caso de emergencia o desastre, del gobierno regional, provincial y distrital, y de las 
diferentes instituciones que forman parte del Sistema Regional de Defensa Civil 
[SIREDECI]. De esta manera, busca preservar la vida, y mitigar y reducir los efectos 
adversos sobre los bienes, la economía y el medio ambiente del territorio peruano. 
 
 
Las acciones efectivas que componen el proceso de la gestión del riesgo se pueden 
agrupar en una serie de etapas. Estas fases son las de preparación, respuesta y 
rehabilitación. En la tabla 3.9 se explica en qué consiste cada etapa. 
 
Tabla 3.9. Etapas del proceso de la gestión del riesgo 
 
Etapa Descripción 
 
Preparación 
Actividades que se llevan a cabo antes de que ocurra la situación de 
emergencia. Incluyen la capacitación a la población, el entrenamiento 
del personal involucrado en la atención de la emergencia, y la 
realización de ejercicios de simulación y simulacros. 
 
 
 
Respuesta 
Medidas que se toman ante la inminencia de un desastre o una vez 
que este se ha producido. En esta etapa se convoca a los miembros 
del Centro de Operaciones de Emergencia Regional (COER-Callao) 
para que recolecten la información necesaria y evalúen la afectación 
del desastre. A partir de ello, se definen las prioridades, la capacidad 
de respuesta, el grado de autonomía de los recursos y la necesidad de 
solicitar apoyo al nivel de gobierno superior. 
 
 
Rehabilitación 
Restablecimiento de las condiciones de vida, infraestructura y 
seguridad de las zonas afectadas por un desastre. Incluye el 
restablecimiento del funcionamiento de los servicios básicos, la 
provisión de vivienda temporal, el tratamiento de personas afectadas, 
entre otros. 
Fuente: GORE-Callao (2012) 
Elaboración propia 
53 
 
3.3.2. Sistema Regional de Defensa Civil Callao (SIREDECI Callao) 
El Gobernador del GORE-Callao es la máxima autoridad del SIREDECI Callao y 
debe supervisar y coordinar los sistemas provinciales y distritales bajo su 
jurisdicción. Para ejecutar las actividades, se organizan Grupos de Trabajo de 
Gestión del Riesgo de Desastres, Plataformas de Defensa Civil y Centros de 
Operaciones de Emergencias. Así, se coordinan los procesos de preparación, 
respuesta y rehabilitación del SINAGERD, bajo el Sistema de Seguridad y Defensa 
Nacional (GORE-Callao, 2012). En la figura 3.3 se detalla la conformación y 
funciones del SIREDECI. 
 
 
1/ Centro de Operaciones de Emergencia Local. 
2/ Centro de Operaciones de Emergencia Distrital. 
3/ Centro de Operaciones de Emergencia Provincial. 
4/ Centro de Operaciones de Emergencia Nacional. 
 
Figura 3.3. Conformación del SIREDECI Callao 
Fuente: GORE-Callao (2012) 
Elaboración propia 
 
 
3.3.3. Clasificación de las emergencias en la región del Callao 
La clasificación de las emergencias busca orientar la respuesta y facilitar la 
organización de las entidades operativas del SIREDECI. La clasificación se realiza 
con la información inicial disponible, lo cual significa que su nivel podría variar en el 
tiempo según la dinámica y complejidad del evento. El COER-Callao se encarga 
permanentemente de generar información sobre las necesidades y la evolución  del 
SIREDECI Callao 
Grupo de Trabajo de Gestión del 
Riesgo de Desastres del Gobierno 
Regional del Callao 
Plataforma de Defensa Civil de la Región Centro de Operaciones de Emergencia 
Callao Regional (COER-Callao) 
Integrado por funcionarios de los niveles 
directivos superiores del gobierno regional, 
para la formulación de normas y planes, la 
evaluación, la organización, la supervisión, la 
fiscalización y la ejecución de los procesos 
de Gestión del Riesgo de Desastres. Se 
encarga de articular la gestión reactiva a 
través del SIREDECI, del COER-Callao, de 
los COEL1/, de la Plataforma de Defensa 
Civil de la Región Callao y de las Plataformas 
de Defensa Civil locales. 
Reúne a todas las entidades privadas y 
organizaciones sociales que sirven de apoyo 
para la preparación, respuesta y rehabilitación. 
Se encarga de presentar propuestas para la 
ejecución de los procesos de tal forma que se 
integren las capacidades y acciones de todos 
los actores de la sociedad. Está integrado por 
funcionarios de los niveles directivos 
superiores del gobierno regional, por los 
alcaldes distritales, por representantes de las 
Fuerzas Armadas, del Cuerpo General de 
Bomberos Voluntarios del Perú, y de la Policía 
Nacional del Perú. 
Tiene la responsabilidad de monitorear y 
administrar la información de los peligros 
inminentes, emergencias y desastres, así 
como del intercambio de dicha información de 
manera oportuna para la adecuada toma de 
decisiones por parte de las autoridades. 
Además, está encargado de facilitar la 
coordinación entre las diferentes instituciones 
de respuesta como los COED2/, COEP3/ y 
COEN4/. El COER-Callao es presidido por el 
Gobernador del Gobierno Regional del Callao 
y conformado por directores y funcionarios de 
las áreas operacionales, representantes de las 
Fuerzas Armadas, de la Cruz Roja Peruana, 
del Cuerpo General de Bomberos Voluntarios 
del Perú, y de la Policía Nacional del Perú. 
54 
 
manejo de la emergencia (GORE-Callao, 2012). La tabla 3.10 presenta la 
clasificación de los cinco niveles de emergencia para la región del Callao. 
 
 
3.3.4. Subprocesos para la respuesta en la región del Callao 
Los subprocesos de respuesta para el manejo de una emergencia agrupan una 
serie de tareas que tienen como objetivo brindar una adecuada y coordinada 
atención por parte de las entidades responsables (GORE-Callao, 2012). En la  tabla 
3.11 se muestran los subprocesos para comprender mejor la atención que brinda el 
SIREDECI a los afectados y damnificados en caso ocurra un sismo de alta 
magnitud. 
 
Tabla 3.10. Clasificación de los niveles de emergencia en la región del Callao 
 
Criterios Nivel 1 Nivel 2 Nivel 3 Nivel 4 Nivel 5 
Cobertura 
geográfica 
Un distrito Uno o dos distritos Uno o más distritos Dos o más regiones Dos o más regiones 
Impacto Local Distrital/ provincial Regional Nacional Nacional 
Capacidad 
de respuesta 
COE 
Distrital Provincial Regional Nacional Internacional 
COED COEP COER COEN COEN 
Tiempo de 
atención 
Hasta 4 horas Hasta 8 horas 
Hasta 72 horas 
(3 días) 
Más de 72 horas 
(3 días) 
Más de 72 horas 
(5 días) 
 
 
 
 
 
Descripción 
de eventos 
 
 
 
 
Eventos frecuentes, 
atendidos por una o 
dos entidades 
locales, no alteran 
la funcionalidad del 
distrito 
 
 
 
Eventos frecuentes, 
atendidos por dos o 
más entidades 
locales, distritales o 
provincial, pueden 
alterar la 
funcionalidad del 
distrito 
 
Eventos poco 
frecuentes, 
atendidos por varias 
entidades locales y 
regionales, pueden 
alterar la 
funcionalidad de la 
región. 
Generalmente se 
registran en medios 
de comunicación 
nacional 
Eventos muy poco 
frecuentes, 
atendidos por varias 
entidades locales 
regionales y 
nacionales, pueden 
alterar la 
funcionalidad del 
país. Generalmente 
se registran en 
medios de 
comunicación 
nacional e 
internacional 
 
 
Eventos de gran 
magnitud, pueden 
superar la 
capacidad de 
respuesta del país, 
interviene el 
Gobierno Nacional 
con apoyo 
internacional de ser 
necesario 
Fuente: GORE-Callao (2012) 
Elaboración propia 
 
 
Tabla 3.11. Subprocesos para la respuesta en la región del Callao 
 
a) Subproceso: logística en la respuesta 
Tarea: 
administración de 
almacenes 
Esta tarea consiste en abastecer y distribuir los suministros 
requeridos por las entidades encargadas del manejo de la 
emergencia y por la población afectada. 
Incluye las siguientes actividades: 
 
 Coordinar con el COE para iniciar la atención de los requerimientos 
 Identificar las necesidades a partir de reportes y de la evaluación de la 
disponibilidad de recursos 
 Priorizar y organizar la distribución de los suministros 
 Realizar la adquisición de los suministros 
 Gestionar y controlar los inventarios 
 Almacenar los suministros 
55 
 
a) Subproceso: logística en la respuesta 
 Embalar los suministros para su posterior distribución 
 Distribuir los suministros de acuerdo con las prioridades 
 
Los suministros se entregan a las entidades encargadas del manejo de la 
emergencia y de la distribución de los suministros para atender a los afectados y 
damnificados. 
Tarea: 
coordinación y 
manejo de medios 
de transporte 
(movilidad) 
Esta tarea incluye la organización y coordinación de los 
medios de transporte disponibles, según las necesidades de 
traslado de los recursos que demandan las entidades 
encargadas del manejo de la emergencia. 
Incluye las siguientes actividades: 
 
 Identificar y consolidar el listado de los medios de transporte disponibles 
(terrestres, aéreos, marítimos y ferroviarios) 
 Coordinar y gestionar el transporte de personas, suministros y equipos 
 Hacerle seguimiento a los medios de transporte asignados 
 Entregar la información al COER-Callao sobre la evolución de la respuesta 
 
b) Subproceso: asistencia humanitaria 
 
Tarea: 
empadronamiento 
Esta tarea tiene como objetivo establecer el número de 
afectados y damnificados que requieren techo, abrigo, y 
alimentos, para organizar la logística y entregar la ayuda 
humanitaria. 
Incluye las siguientes actividades: 
 
 Planificar la intervención con la Plataforma de Defensa Civil 
 Preparar, activar y disponer brigadas para el empadronamiento 
 Identificar, caracterizar y cuantificar la población afectada, damnificada, 
desaparecida, fallecida y/o en riesgo, y conocer sus necesidades básicas 
luego de ocurrido el desastre o declarada la emergencia 
 Identificar la existencia de redes y mecanismos sociales en la comunidad 
que podrían asistir a la población 
 Procesar y evaluar la información levantada 
Tarea: 
asistencia no 
alimentaria 
Esta tarea se encarga de suministrar de manera oportuna y 
en buenas condiciones, bienes de abrigo, menaje y de 
limpieza y aseo personal a las personas afectadas por una 
emergencia o desastre. 
Incluye las siguientes actividades: 
 
 Planificar la intervención con la Plataforma de Defensa Civil 
 Conocer el número de familias y personas que requieren asistencia no 
alimentaria 
 Proveer los suministros 
 Activar y designar brigadas para la entrega de los suministros 
 Entregar los suministros en los albergues y zonas de impacto 
 Monitorear y hacerle seguimiento a las actividades 
 
Tarea: 
asistencia 
alimentaria 
Esta tarea se encarga de suministrar de manera oportuna y 
en buenas condiciones, alimentación a las personas 
afectadas por una emergencia o desastre, tomando en 
cuenta las necesidades alimentarias (gestantes, infantes, 
tercera edad, etc.) y las características socioculturales. 
56 
 
b) Subproceso: asistencia humanitaria 
Incluye las siguientes actividades: 
 
 Planificar la intervención con la Plataforma de Defensa Civil 
 Activar la atención de asistencia alimentaria de corto plazo (inicial) 
 Diseñar y aplicar programas de asistencia alimentaria de mediano plazo 
 Identificar las personas afectadas que perdieron su seguridad alimentaria 
(pérdida de bienes, y/o personas que no pueden acceder a la compra y/o 
preparación de alimentos) y determinar la demanda 
 Proveer los bienes 
 
 Entregar los bienes con apoyo de los gobiernos locales y programas  
sociales 
 Controlar la asistencia alimentaria 
 Realizar la preparación comunitaria de los alimentos 
Fuente: GORE-Callao (2012) 
Elaboración propia 
 
 
3.3.5. Implementación y activación del PROE-Callao 
El PROE-Callao se activa luego de declarar el estado de alerta o emergencia, 
cuando ocurre un desastre, o cuando se presenta una situación de inminencia. 
Según el tamaño, el alcance y la magnitud del acontecimiento, serán convocados a 
accionar diferentes niveles de gobierno. Asimismo, las entidades implementan 
procesos de monitoreo continuo para seguir de cerca la ocurrencia y evolución de 
los eventos (GORE-Callao, 2012). El proceso de activación del plan se sintetiza en 
la tabla 3.12: 
 
Tabla 3.12. Niveles de activación del PROE-Callao 
 
Nivel de 
emergencia 
Dependencia Notificación Tipo de activación 
Nivel 1 
Desastre 
distrital 
Plataforma 
Distrital de 
Defensa Civil 
Según protocolos 
distritales e 
institucionales 
Parcial según 
valoración del COED 
Nivel 2 
Desastre 
provincial 
Plataforma 
Provincial de 
Defensa Civil 
Según áreas y 
funciones del 
POE provincial 
Parcial o total, según 
valoración de la 
Plataforma 
Provincial de 
Defensa Civil 
Nivel 3 
Desastre 
regional 
Plataforma 
Regional de 
Defensa Civil 
Según áreas y 
funciones del 
PROE-Callao 
Parcial o tota , 
según valoración de 
la Plataforma 
Regional de 
Defensa Civil Fuente: INDECI (2011a) 
Elaboración propia 
 
 
Cuando se declara el estado de emergencia, ocurre un desastre, o se presenta una 
situación de inminencia, el personal de Defensa Civil a nivel distrital analizará la 
situación e informará a las demás entidades de la Plataforma de Defensa Civil y   al 
57 
 
alcalde distrital, según la magnitud del suceso. Si el desastre tiene un impacto 
medio /alto y rebasa las capacidades a nivel distrital, se procederá a informar a las 
instancias a nivel provincial y regional. Si es necesario, estas entidades se 
encargarán de contactar las que existen a nivel nacional. De esta manera, la Oficina 
de Defensa Civil va evaluando la necesidad de movilizar o inmovilizar recursos, 
según la evolución de la situación de emergencia. Finalmente, la desactivación del 
PROE-Callao se inicia con el retorno de los recursos a sus ubicaciones originales, 
de manera ordenada, segura y eficiente (GORE-Callao, 2012). Para una mejor 
comprensión, la figura 3.4 ilustra el orden en el que los niveles de gobierno se 
activan en caso de desastre. 
 
 
Cabe resaltar que el PROE-Callao está articulado con otros planes operativos como 
el POE Nacional, y los planes sectoriales y distritales. El PROE-Callao también se 
complementa con los planes de contingencia específicos para cada tipo de evento. 
La ejecución del PROE requiere la coordinación estrecha entre instituciones y para 
tal fin existen los COE en sus diferentes niveles de gobierno. 
 
Figura 3.4. Orden en el que los niveles de gobierno entran en acción en caso de 
desastre 
Elaboración propia 
 
 
3.4. Diagnóstico 
La información y el análisis mostrado en el capítulo 3 sirvieron de base para emitir 
el siguiente diagnóstico. 
Nivel nacional 
Nivel regional 
Ubicación 
de desastre 
Nivel distrital 
58 
 
El Perú se encuentra en el límite de la placa Sudamericana y la placa de Nazca, por 
lo que el efecto de subducción entre ambas placas ha provocado un gran número 
de sismos en la parte occidental del país a lo largo de la historia. Actualmente  
existe un silencio sísmico de casi media década en la zona central del país. 
 
 
La región de Lima y Callao representa casi un tercio de la población nacional. La 
mayoría de los hogares en dicha región corresponden a los NSE C y D, y en 
promedio, en la región del Callao una familia gasta mensualmente un aproximado 
de S/. 2,659, casi 11% menos que el gasto familiar promedio mensual de todo Lima 
Metropolitana, lo cual revela que el Callao tiene menor poder adquisitivo. 
 
 
El 28.6% de la población de Lima y Callao vive en zonas con niveles de riesgo alto. 
Parte de la vulnerabilidad se debe a las características del suelo y a la calidad de 
las construcciones. En el distrito del Callao hay muchas viviendas deterioradas y en 
Ventanilla hay varias “en consolidación” e improvisadas, lo cual incrementa el grado 
de vulnerabilidad. 
 
 
Los gobiernos subnacionales son los encargados de la distribución final de los 
bienes de ayuda humanitaria y cada gobierno local o regional realiza estas acciones 
según sus propios planes de operaciones y procedimientos, a través de sus  
Comités de Defensa Civil. Esto revela la oportunidad de diseñar planes de 
distribución a nivel distrital o regional, con la aplicación de  herramientas 
cuantitativas como las de la Investigación de Operaciones. 
 
 
Los planes de acción de respuesta vigentes podrían estar limitados por sus propios 
reglamentos e impediría lograr una respuesta efectiva ante una emergencia. Así, 
por ejemplo, el proceso de Declaratoria de Estado de Emergencia tiene una serie  
de requisitos documentarios que podrían ralentizar la capacidad de respuesta. 
 
 
Los almacenes nacionales en la región de Lima y Callao son “almacenes generales” 
que reciben todos los bienes de ayuda humanitaria adquiridos por el INDECI y  
luego se reparten a los demás almacenes. Por lo tanto, resulta propicio diseñar un 
plan de distribución que parta de dicho almacén. Por otro lado, según las 
disposiciones del SINAGERD, los almacenes regionales están ubicados en las 
capitales de los departamentos, o donde decida el gobierno regional. Sin  embargo, 
59 
 
no se han establecido requisitos y lineamientos para garantizar una localización 
estratégica de los almacenes que permita una respuesta oportuna luego de ocurrido 
un desastre. 
 
 
Los niveles de stock de bienes de ayuda humanitaria gestionados por el INDECI 
dependen del presupuesto y de la disponibilidad de almacenamiento. Según los 
funcionarios de la entidad, se establecen los niveles de inventario como para 
abastecer entre el 5% y el 10% de la población damnificada estimada por el Plan 
Logístico del INDECI. Según dicho Plan, la estimación de afectados y damnificados 
a nivel nacional, por causa de todos los desastres naturales y emergencias en el 
2015 sería de 642,032. No obstante, los niveles de inventario gestionados por la 
institución no guardan relación con estas cifras. 
 
 
Asimismo, cabe resaltar que debido a los efectos devastadores del terremoto de 
Pisco del 2007, se requirió la movilización de las provisiones y recursos de varios 
almacenes nacionales del INDECI y de los depósitos de los gobiernos regionales y 
locales. Sin embargo, aun así, el stock no fue suficiente para abastecer al número 
de afectados y damnificados, por lo que se tuvo que recurrir al apoyo de empresas 
privadas y el apoyo internacional. 
 
 
En conclusión, se puede observar que a pesar de que se cuenta con planes 
logísticos y planes de operaciones de emergencias ante desastres, en la práctica  
no funcionan con efectividad debido a varios factores. 
 
Finalmente, el diagnóstico revela que la región Callao muestra una vulnerabilidad 
significativa; asimismo el análisis del Plan Logístico del Instituto Nacional de 
Defensa Civil para Ayuda Humanitaria ante Emergencias y Desastres no indica un 
procedimiento de distribución de la ayuda humanitaria con sustento científico. Estos 
aspectos justifican la aplicación de una herramienta científica para el planeamiento 
de la distribución de dichos bienes luego de ocurrido un desastre natural. En esta 
tesis, el modelo será uno de programación lineal entera que se explicará en el 
capítulo 4 siguiente y el evento natural es un terremoto. 
60  
CAPÍTULO 4. FORMULACIÓN DEL MODELO DE 
OPTIMIZACIÓN DE RUTEO VEHICULAR 
En este capítulo se formulará el modelo de optimización de ruteo vehicular con 
ventanas de tiempo para encontrar el planeamiento óptimo de la distribución de 
dichos bienes luego de ocurrido un desastre natural. Uno de los objetivos del 
modelo VRPTW formulado será determinar la cantidad de camiones que partirán  
del almacén nacional del INDECI ubicado en la región del Callao, para distribuir los 
kits de emergencia hacia las zonas de refugio establecidas de la región. El objetivo 
será minimizar la distancia recorrida, la cual es una medida relevante en el reparto 
de ayuda humanitaria. Con este objetivo indirectamente se minimiza el tiempo total 
del despacho porque se asumirá que la velocidad de los vehículos es constante. 
Dicho objetivo se sustenta en Schilling, Vaidyanathan y Barkhi (1993) y Marianov y 
ReVelle (1995) quienes afirman que en el caso de ayuda humanitaria uno de los 
objetivos importantes es el tiempo de respuesta a diferencia del sector privado en 
donde a menudo el objetivo es minimizar los costos. 
 
 
4.1. Modelo VRPTW 
A continuación se presenta la notación para el modelo de ruteo vehicular CVRP 
(Capacitated VRP) explicado por Toth y Vigo (2002). 
 
 
Sea  𝐺𝐺 = (𝑉𝑉, 𝐴𝐴)  un  grafo  completo,  donde  𝑉𝑉 =  {0, … , 𝑙𝑙, 𝑙𝑙 + 1}  es  el  conjunto de 
vértices y 𝐴𝐴 es el conjunto de arcos, los vértices 𝑤𝑤 = 1, … 𝑙𝑙 corresponden a las 
zonas de refugio de afectados, mientras que el vértice 0 y 𝑙𝑙 + 1 corresponden al 
almacén. 
 
 
Una distancia no negativa 𝐷𝐷𝑤𝑤𝐷𝐷𝑡𝑡𝑖𝑖𝑖𝑖  está asociada con el arco (𝑤𝑤, 𝑗𝑗) ∈ 𝐴𝐴 y representa la 
distancia del tramo del vértice 𝑤𝑤 hasta el vértice 𝑗𝑗 . 
 
 
Dado  un  vértice 𝑤𝑤 , ∆+(𝑤𝑤) = {𝑗𝑗/(𝑤𝑤, 𝑗𝑗)  ∈ 𝐴𝐴}  es  el  conjunto  de  vértices 𝑗𝑗  alcanzables 
desde 𝑤𝑤  y ∆−(𝑤𝑤) = {j/(i, j)  ∈ A}  es  el  conjunto  de  vértices 𝑗𝑗  desde  los cuales 𝑤𝑤 es 
alcanzable. 
 
 
Cada vértice 𝑤𝑤 está asociado a una zona de refugio de afectados en la región del 
Callao. Cada zona tiene una demanda no negativa 𝑑𝑑𝑖𝑖. El conjunto 𝐾𝐾 corresponde a 
un grupo  de  camiones  idénticos  con  la  misma  capacidad 𝐶𝐶 . Para  garantizar la 
61  
viabilidad del modelo planteado, necesariamente 𝑑𝑑𝑖𝑖 ≤ 𝐶𝐶 para cada zona de refugio 
𝑤𝑤                  =    1, … 𝑙𝑙. 
 
 
Además, cuando las longitudes de los arcos representan tiempos de traslado, un 
tiempo de servicio 𝐷𝐷𝑖𝑖 puede asociarse a cada zona de refugio de afectados 𝑤𝑤 y 
denota el periodo de tiempo durante el cual el vehículo deberá detenerse en  cierta 
zona de refugio para abastecer a los afectaos ubicados en ese refugio. 
 
 
Para esta investigación, se usó el modelo de VRPTW (VRP with Time Windows), el 
cual es una extensión del CVRP. En dicho modelo, cada zona de refugio tiene una 
“ventana de tiempo” asociada, la cual representa un intervalo de tiempo [𝑎𝑎𝑖𝑖, 𝑏𝑏𝑖𝑖] en el 
que el vehículo debe llegar, donde 𝑎𝑎𝑖𝑖 es el tiempo de inicio mas temprano y 𝑏𝑏𝑖𝑖 es el 
tiempo de inicio más tardío en el que el vehículo debiera llegar. El instante de 
tiempo en el que los vehículos salen del almacén, y el tiempo de traslado 𝑡𝑡𝑖𝑖𝑖𝑖  para 
cada arco (𝑤𝑤, 𝑗𝑗) ∈ 𝐴𝐴 también son establecidos. El servicio para cada zona de refugio 
deberá iniciar dentro de la ventana de tiempo correspondiente y el vehículo deberá 
detenerse en dicha zona durante el tiempo de servicio 𝐷𝐷𝑖𝑖. En resumen los conjuntos 
son: 
 
 
𝐴𝐴 = {(𝑤𝑤, 𝑗𝑗)/𝑤𝑤 y 𝑗𝑗 son nodos} 
𝐾𝐾 = {𝑤𝑤  ∈ 𝐾𝐾/1 ≤ 𝑤𝑤 ≤ 𝑚𝑚}; es el conjunto de vehículos, en total son 𝑚𝑚 
𝑉𝑉  =  {0,1,2, … , 𝑙𝑙, 𝑙𝑙 + 1 } 
𝑁𝑁 = 𝑉𝑉/  {0, 𝑙𝑙 + 1 };  el  conjunto 𝑁𝑁  tiene  los  mismos  elementos  que 𝑉𝑉 ,  excepto 
los nodos 0 y 𝑙𝑙 + 1. 
 
 
4.1.1. Variables de decisión 
𝑥𝑥𝑖𝑖𝑖𝑖𝑖𝑖:  decisión  de  que  el  camión 𝑤𝑤  ∈ 𝐾𝐾 circule  desde  el  nodo 𝑤𝑤  ∈ 𝑉𝑉 al  nodo   𝑗𝑗 ∈ 
𝑉𝑉. Será igual a 1 si circula por el arco (𝑤𝑤, 𝑗𝑗) y 0 de lo contrario. 
𝑤𝑤𝑖𝑖𝑖𝑖 : tiempo inicial del abastecimiento de los afectados en el nodo 𝑤𝑤 ∈ 𝑉𝑉 por  el camión 
𝑤𝑤 𝐾𝐾 (en minutos). 
 
 
4.1.2. Parámetros 
𝑀𝑀 = 10,000 
𝑎𝑎𝑖𝑖: tiempo inicial de abastecimiento más temprano (en minutos) en el nodo 𝑤𝑤  ∈ 𝑉𝑉. 
62  
𝑏𝑏𝑖𝑖: tiempo inicial de abastecimiento más tardío (en minutos) en el nodo 𝑤𝑤  ∈ 𝑉𝑉. 
𝐸𝐸 : tiempo  de  salida  más  temprano  (en  minutos)  desde  el  depósito (almacén 
nacional). 
𝐿𝐿 : tiempo de  llegada más  tardío  (en  minutos)  al depósito  en  el  nodo (almacén 
nacional). 
𝑑𝑑𝑖𝑖: demanda de los afectados en el nodo 𝑤𝑤  ∈ 𝑁𝑁 (en cantidad de kits). 
𝐶𝐶: capacidad del camión 𝑤𝑤  ∈ 𝐾𝐾 (en cantidad de kits). 
𝐷𝐷𝑤𝑤𝐷𝐷𝑡𝑡𝑖𝑖𝑖𝑖: distancia entre el nodo 𝑤𝑤  ∈ 𝑉𝑉 y nodo 𝑗𝑗  ∈ 𝑉𝑉 (en metros). 
𝐷𝐷𝑖𝑖: tiempo de abastecimiento de kits de emergencia en el nodo 𝑤𝑤  ∈ 𝑉𝑉 (en minutos). 
𝑡𝑡𝑖𝑖𝑖𝑖 : tiempo de recorrido del nodo 𝑤𝑤 ∈ 𝑉𝑉 al nodo 𝑗𝑗 ∈ 𝑉𝑉 (en minutos). 
 
 
4.1.3. Función objetivo 
La función objetivo busca minimizar la distancia total recorrida por los vehículos que 
abastecen con kits de emergencia a toda la población damnificada de la región 
Callao, luego de ocurrido un terremoto. 
 
 
𝑚𝑚𝑤𝑤𝑙𝑙 𝑧𝑧 =  �   �   𝐷𝐷𝑤𝑤𝐷𝐷𝑡𝑡𝑖𝑖𝑖𝑖  𝑥𝑥𝑖𝑖𝑖𝑖𝑖𝑖 
𝑖𝑖∈𝐾𝐾 (𝑖𝑖,𝑖𝑖)∈𝐴𝐴 
 
 
4.1.4. Restricciones 
Salida del almacén (nodo 0) 
 
 
∑ 𝑖𝑖 ∈ ∆+(0) 𝑥𝑥0𝑖𝑖𝑖𝑖  = 1 …(1) 
∀ 𝑤𝑤   ∈   𝐾𝐾 
 
 
El gráfico 4.1 ilustra la restricción (1). 
 
 
Asignación de una sola ruta para cada nodo 
A cada nodo 𝑤𝑤 ∈ 𝑁𝑁 , se le asigna una única ruta vehicular. 
 
 
∑𝑖∈𝐾𝐾 ∑𝑖 ∈ ∆+(𝑖) 𝑥𝑥𝑖𝑖𝑖 =     1    …(2) 
∀ 𝑤𝑤 ∈ 𝑁𝑁 
 
 
El gráfico 4.2 ilustra la restricción (2). 
63  
 
 
 
 
Camión k 
 
 
Nodo 3 
 
j  = 3 
i  = 0 
 
Almacén 
Nodo 0 
 
 
 
 
Nodo 2 
Nodo 1 
Gráfico 4.1. Ruta del camión 𝑤𝑤 y salida del almacén 
Elaboración propia 
 
 
Balance en los nodos y asignación de una sola ruta para cada nodo 
El camión 𝑤𝑤 que abastece a los afectados en el nodo 𝑤𝑤 es el mismo camión que sale 
de dicho nodo 𝑤𝑤. 
 
∑𝑖𝑖 ∈ ∆−(𝑖) 𝑥𝑥𝑖𝑖𝑖𝑖 − ∑𝑖𝑖 ∈ ∆+(𝑖) 𝑥𝑥𝑖𝑖𝑖𝑖𝑖 
 
=  0 …(3) 
 
∀ 𝑤𝑤 ∈ 𝐾𝐾, 𝑗𝑗 ∈ 𝑁𝑁 
 
 
El gráfico 4.2 también ilustra la restricción (3). 
 
 
Retorno al almacén 
El retorno al almacén luego de que el camión 𝑤𝑤 ha repartido toda su capacidad (en 
kits), se modela con la restricción siguiente. 
 
 
∑𝑖𝑖        ∈      ∆−(𝑛𝑛+1)    𝑥𝑥𝑖𝑖      ,𝑛𝑛+1,𝑖𝑖       =   1 …(4) 
∀ 𝑤𝑤   ∈   𝐾𝐾 
 
 
El gráfico 4.3 ilustra la restricción (4). 
 
j  = 1 
 
j  = 2 
64  
j  = 3 
 
i  = n 
Camión k  
Nodo 3 
 
Nodo n Nodo 5 
 
Camión k 
 
 
 
 
Nodo 8 
Nodo 7 
 
 
Gráfico 4.2. Balance en los nodos y ruta del camión 𝑤𝑤 
Elaboración propia 
 
Gráfico 4.3. Retorno al almacén 
Elaboración propia 
 
 
Orden de abastecimiento 
A la suma del tiempo inicial de servicio 𝑤𝑤𝑖𝑖𝑖𝑖 el tiempo de descarga de los kits de 
emergencia 𝐷𝐷𝑖𝑖,  y  el  tiempo  de  transporte  del  resto  de  kits  a  la  siguiente  zona de 
refugio 𝑡𝑡𝑖𝑖𝑖𝑖 , le restamos el tiempo inicial del siguiente servicio 𝑤𝑤𝑖𝑖𝑖𝑖  .  Al  tiempo 
𝑤𝑤𝑖𝑖𝑖𝑖 + 𝐷𝐷𝑖𝑖 + 𝑡𝑡𝑖𝑖𝑖𝑖 – 𝑤𝑤𝑖𝑖𝑖𝑖 calculado se le multiplica por 𝑥𝑥𝑖𝑖𝑖𝑖𝑖𝑖 y el resultado  debe  ser menor o igual a “0” y así se logra 
que un determinado camión 𝑤𝑤 no puede abastecer una zona de refugio 𝑗𝑗 si los 
afectados de la zona de refugio  anterior 𝑤𝑤,  no  fueron 
abastecidos previamente. En términos matemáticos si 𝑤𝑤𝑖𝑖𝑖𝑖 + 𝐷𝐷𝑖𝑖 + 𝑡𝑡𝑖𝑖𝑖𝑖 – 𝑤𝑤𝑖𝑖𝑖𝑖 > 0 entonces 𝑥𝑥𝑖𝑖𝑖𝑖𝑖𝑖 = 
0, es decir, el camión 𝑤𝑤 no circulará entre 𝑤𝑤  y 𝑗𝑗.  Pero  si, 𝑤𝑤𝑖𝑖𝑖𝑖  + 
 
j  = 7 
j  = n 
Camión k 
Nodo 7 
i   = n + 1 
Almacén 
Nodo n+1 
i   = 7 
Nodo 8 
Nodo n 
i   = 8 
i = 5 
Nodo 4 
 
j  = 4 
Nodo 6 
 
j  = 8 
 
j  = 6 
65  
𝐷𝐷𝑖𝑖 + 𝑡𝑡𝑖𝑖𝑖𝑖 – 𝑤𝑤𝑖𝑖𝑖𝑖 < 0 entonces 𝑥𝑥𝑖𝑖𝑖𝑖𝑖𝑖 podría ser igual a 0 o 1 , y lo  mismo ocurriría cuando 𝑤𝑤𝑖𝑖𝑖𝑖 + 𝐷𝐷𝑖𝑖 + 𝑡𝑡𝑖𝑖𝑖𝑖 – 𝑤𝑤𝑖𝑖𝑖𝑖 = 0. La restricción es la 
siguiente: 
 
𝑥𝑥𝑖𝑖𝑖𝑖𝑖𝑖(𝑤𝑤𝑖𝑖𝑖𝑖  +  𝐷𝐷𝑖𝑖  +  𝑡𝑡𝑖𝑖𝑖𝑖 –  𝑤𝑤𝑖𝑖𝑖𝑖)  ≤ 0 
∀ 𝑤𝑤 ∈ 𝐾𝐾, (𝑤𝑤, 𝑗𝑗) ∈ 𝐴𝐴 
 
 
La restricción anterior no es lineal, en términos lineales es la siguiente: 
 
 
𝑤𝑤𝑖𝑖𝑖𝑖  +  𝐷𝐷𝑖𝑖  +  𝑡𝑡𝑖𝑖𝑖𝑖 –  𝑤𝑤𝑖𝑖𝑖𝑖   ≤ (1 − 𝑥𝑥𝑖𝑖𝑖𝑖𝑖𝑖) 𝑀𝑀𝑖𝑖𝑖𝑖   …(5) 
∀ 𝑤𝑤 ∈ 𝐾𝐾, (𝑤𝑤, 𝑗𝑗) ∈ 𝐴𝐴 
 
 
Donde 𝑀𝑀𝑖𝑖𝑖𝑖 = 10,000 es un parámetro positivo lo suficientemente grande. Una vez más en la 
restricción (5) si 𝑤𝑤𝑖𝑖𝑖𝑖 + 𝐷𝐷𝑖𝑖 + 𝑡𝑡𝑖𝑖𝑖𝑖 – 𝑤𝑤𝑖𝑖𝑖𝑖 > 0 entonces necesariamente 
𝑥𝑥𝑖𝑖𝑖𝑖𝑖𝑖  = 0, es decir, el camión 𝑤𝑤 no circulará entre 𝑤𝑤 y 𝑗𝑗. 
 
 
El abastecimiento está limitado a un rango de tiempo (ventana de tiempo) Para 
cada camión 𝑤𝑤 asignado para abastecer a la zona de refugio 𝑤𝑤, el tiempo inicial de 
servicio 𝑤𝑤𝑖𝑖𝑖𝑖 deberá comenzar dentro del rango de la ventana de tiempo [𝑎𝑎𝑖𝑖, 𝑏𝑏𝑖𝑖]. ai 
representa el tiempo inicial más temprano (TMT) y 𝑏𝑏𝑖𝑖, el tiempo inicial más tardío 
posible (TMP) en el que podría comenzar el abastecimiento de los afectados en la 
zona de refugio 𝑤𝑤. 
 
𝑎𝑎𝑖𝑖 ∑
𝑛𝑛
 𝑥𝑥𝑖𝑖𝑖𝑖𝑖𝑖 𝑖𝑖𝑖𝑖 𝑖𝑖 𝑛𝑛 𝑖𝑖𝑖𝑖𝑖𝑖 
𝑖𝑖 ∈ ∆+(𝑖𝑖) ≤ 
𝑤𝑤 
≤ 𝑏𝑏 ∑𝑖𝑖 ∈ ∆+(𝑖) 𝑥𝑥 …(6) 
∀ 𝑤𝑤 ∈ 𝐾𝐾, 𝑤𝑤 ∈ 𝑁𝑁 
 
 
Salida y llegada de cada camión al almacén está limitada a un rango  de 
tiempo (ventana de tiempo) 
La salida y llegada de cada camión al almacén está limitada a un rango de tiempo, 
en el que su salida más temprana posible es 𝐸𝐸 y su salida más tardía posible es 𝐿𝐿. 
El  servicio  de  transporte  y  distribución  de  kits  del  almacén  a  las  secciones  de 
refugio de afectados deberá comenzar después del tiempo más temprano 𝐸𝐸  y 
deberá  terminar  antes  del  tiempo  más  tardío 𝐿𝐿.  Así  la  ventana  de  tiempo  para  el 
almacén es [𝐸𝐸, 𝐿𝐿]. 
𝐸𝐸     ≤   𝑤𝑤𝑖𝑖𝑖𝑖 ≤   𝐿𝐿  …(7) 
∀ 𝑤𝑤 ∈ 𝐾𝐾, 𝑤𝑤 ∈ {0, 𝑙𝑙 + 1} 
66  
Suma de demandas no deberá exceder la capacidad del camión 
La suma total de las demandas de kits 𝑑𝑑𝑖𝑖 de los afectados en las zonas de refugio 𝑤𝑤 
abastecidos por un determinado camión 𝑤𝑤, deberá ser menor o igual a la capacidad 
del camión respectivo 𝐶𝐶 asignado. 
 
∑𝑖∈𝑁𝑁 𝑑𝑑𝑖𝑖 ∑𝑖∈∆+(𝑖) 𝑥𝑥𝑖𝑖𝑖 
∀ 𝑤𝑤   ∈   𝐾𝐾 
 
 
El gráfico 4.4 ilustra la restricción (8). 
 
≤ 𝐶𝐶 …(8) 
 
 
4.1.5. Rango de existencia 
𝑤𝑤𝑖𝑖𝑖𝑖𝑖𝑖  ≥ 0 ∀ 𝑤𝑤 ∈ 𝐾𝐾, (𝑤𝑤, 𝑗𝑗) ∈ 𝐴𝐴 
𝑥𝑥𝑖𝑖𝑖𝑖𝑖𝑖  ∈  {0,1} ∀ 𝑤𝑤 ∈ 𝐾𝐾, (𝑤𝑤, 𝑗𝑗) ∈ 𝐴𝐴 
 
 
4.2. Datos del modelo 
Almacén nacional INDECI – Gobierno Regional del Callao [GORE-Callao] 
El almacén para el modelo VRPTW es el almacén nacional del INDECI, ubicado en 
la Av. Faucett, en la región Callao (vea el mapa 4.2). Se ha elegido este almacén 
como el centro de reparto por los siguientes motivos: el Callao es una región del 
Perú con alta vulnerabilidad sísmica y riesgo de tsunami, alta densidad poblacional 
y elevada actividad industrial que representa aproximadamente el 80% (POE 
Regional Callao, 2012) de la región de Lima y Callao38. 
 
Asimismo, se eligió este almacén debido a la información facilitada por el INDECI y 
al contacto con los funcionarios del GORE-Callao (L. Reyes, entrevista personal, 
2015) para esta investigación. 
 
 
Zonas de refugio 
Las zonas de refugio descritas en la tabla 4.1 son las zonas designadas por el 
GORE-Callao como las zonas seguras en las cuales deben concentrarse los 
afectados de las zonas cercanas en caso de sismo (L. Reyes, entrevista personal, 
2015). En el modelo, estas zonas son los puntos a los cuales llegarían los bienes  
de ayuda humanitaria. 
 
38 
Estos aspectos fueron discutidos en el capítulo 3. 
67  
 
j  = 8 
 
j  = 5 
 
 
 
 
Camión k 
Capacidad: C 
 
 
 
 
i  = 0 
 
 
 
 
Almacén 
Nodo 0 
 
 
 
 
Nodo 3 
Demanda: d3 
 
j = 3 
 
 
d3 + d5 + d8   C 
 
j  = 8 
Nodo 8 
Demanda: d8 
 
 
 
 
 
j = 5 
 
Nodo 5 
Demanda: d5 
 
Nodo 3 
Demanda: d3 
Nodo 5 
Demanda: d5 
Nodo 8 
Demanda: d8 
Camión k 
Capacidad: C 
 
 
+ + 




Gráfico 4.4. Suma de demandas no deberá exceder la capacidad del camión 
Elaboración propia 
 
 
Tabla 4.1. Zonas de refugio en la región del Callao 
 
Zonas de refugio 
Zona 1 : La Punta 
Zona 2 : Callao Sur 
Zona 3 : Chucuito Callao Centro 
Zona 4 : Callao Monumental 
Zona 5 : Santa Marina 
Zona 6 : Chacaritas 
Zona 7 : Miranaves 
Zona 8 : Bellavista 
Zona 9 : La Perla 
Zona 10 : Sarita Colonia 
Zona 11 : Oquendo 
Zona 12 : Márquez 
Fuente: MINSA (2005) 
Elaboración propia 
 
j  = 3 
68  
Subzonas 
Las 12 zonas de refugio mostradas en la tabla 4.1 están planificadas para alojar 
aproximadamente 982,000 personas. El modelo VRPTW es NP-hard (Toth y Vigo, 
2002), es decir, muestra complejidad computacional para resolverse con métodos 
exactos de optimización. Por esta razón, se dividirán las zonas de refugio en 
subzonas según su ubicación geográfica y la cantidad real de kits de ayuda 
humanitaria con las que cuenta el INDECI actualmente asignadas para la región del 
Callao. El detalle y número de subzonas por cada zona de refugio se muestran en  
la tabla 4.2. 
 
 
Mapa 4.2. Zonas de refugio 
Fuente: Google Maps 
 
 
Tabla 4.2. Cantidad de subzonas por zona de refugio 
 
Zonas de 
refugio 
Cantidad de 
subzonas 
Subzonas 
Zona 1 1 Zona 1. 
Zona 2 6 Zonas 2.1, 2.2, 2.3, 2.4, 2.5 y 2.6. 
Zona 3 3 Zonas 3.1, 3.2 y 3.3. 
Zona 4 6 Zonas 4.1, 4.2, 4.3, 4.4, 4.5 y 4.6. 
Zona 5 2 Zonas 5.1 y 5.2. 
Zona 6 2 Zonas 6.1 y 6.2. 
Zona 7 1 Zona 7 
Zona 8 8 Zonas 8.1, 8.2, 8.3, 8.4, 8.5, 8.6, 8.7 y 8.8. 
Zona 9 7 Zonas 9.1, 9.2, 9.3, 9.4, 9.5, 9.6 y 9.7. 
Zona 10 2 Zonas 10.1 y 10.2. 
Zona 11 2 Zonas 11.1 y 11.2. 
69  
Zonas de 
refugio 
Cantidad de 
subzonas 
Subzonas 
Zona 12 2 Zonas 12.1 y 12.2. 
Total 42 - 
Elaboración propia 
 
Clusters 
Una vez más, debido a que el modelo VRPTW es NP-hard, las zonas de refugio  
con sus subzonas se agruparán en clusters de acuerdo con su cercanía como se 
muestra en la tabla 4.3. 
 
Tabla 4.3. Descripción de cluster y zonas de refugio asociadas 
 
Cluster Zonas de refugio 
Cantidad 
de nodos 
Demanda 
(kits) 
A 1,3 y 9 13 752 
B 2 y 8 16 1,008 
C 4, 7, 10, 11 y 12 15 810 
D 5 y 6 6 222 
Total 50 2,792 
Elaboración propia 
 
 
Distancias entre cada subzona 
Las distancias, 𝐷𝐷𝑤𝑤𝐷𝐷𝑡𝑡𝑖𝑖𝑖𝑖  en metros, representan la distancia que debe recorrerse entre 
cada nodo o subzona, así como las distancias entre cada subzona de    refugio y el 
almacén  nacional  del  INDECI  ubicado  en  la  región  Callao.  Estas se calcularon 
utilizando la aplicación web de Google Maps, con base en las ubicaciones reales de 
las zonas de refugio y el almacén del INDECI. La tabla 4.4 muestra las distancias 
entre  el  almacén  nacional  del  INDECI  ubicado  en  el Callao y las subzonas en 
la zona de refugio 1 (La Punta) y en la zona de refugio 2 (Callao Sur). 
 
Tabla 4.4. Distancias entre nodos (en metros) 
 
 Almacén 
INDECI 
Zona 1 Zona 2.1 Zona 2.2 Zona 2.3 Zona 2.4 Zona 2.5 Zona 2.6 
Almacén 
INDECI 
- 11,000 11,000 11,050 11,100 11,150 11,200 11,250 
Zona 1 11,000 - 600 650 700 750 800 850 
Zona 2.1 11,000 600 - 50 50 50 50 50 
Zona 2.2 11,050 650 50 - 50 50 50 50 
Zona 2.3 11,100 700 50 50 - 50 50 50 
Zona 2.4 11,150 750 50 50 50 - 50 50 
Zona 2.5 11,200 800 50 50 50 50 - 50 
Zona 2.6 11,250 850 50 50 50 50 50 - 
Fuente: Google Maps (2016) 
Elaboración propia 
70  
En el anexo 4 se muestra las distancias entre nodos y desde el almacén (en  
metros) del cluster A. Asimismo, en los anexos 11 y 21 se muestran las distancias 
entre nodos y desde el almacén nacional del INDECI en el Callao de los clusters B  
y D, respectivamente. 
 
 
Tiempo de recorrido 
Los tiempos de desplazamiento, 𝒕𝒕𝒊𝒊𝒊𝒊 en minutos, entre el nodo 𝒊𝒊 y el nodo 𝒊𝒊 y se calcularon 
utilizando una velocidad constante de 30 km/h. La tabla 4.5 muestra los tiempos de 
recorrido entre el almacén nacional del INDECI ubicado    en el Callao y las 
subzonas en la zona de refugio 1 (La Punta) y en la zona de refugio 2 (Callao Sur). 
 
Tabla 4.5. Tiempos de desplazamiento entre nodos (en minutos) 
 
 Almacén 
INDECI 
Zona 1 Zona 2.1 Zona 2.2 Zona 2.3 Zona 2.4 Zona 2.5 Zona 2.6 
Almacén 
INDECI 
- 22 23 23.10 23.21 23.31 23.42 23.52 
Zona 1 22 - 1.25 1.36 1.46 1.56 1.67 1.77 
Zona 2.1 23 1.25 - 0.10 0.10 0.10 0.10 0.10 
Zona 2.2 23.10 1.36 0.10 - 0.10 0.10 0.10 0.10 
Zona 2.3 23.21 1.46 0.10 0.10 - 0.10 0.10 0.10 
Zona 2.4 23.31 1.56 0.10 0.10 0.10 - 0.10 0.10 
Zona 2.5 23.42 1.67 0.10 0.10 0.10 0.10 - 0.10 
Fuente: Google Maps (2016) 
Elaboración propia 
 
 
Los anexos 5, 12 y 22 muestran los tiempos de desplazamiento entre los nodos de 
los clusters A, B y D, respectivamente. 
 
 
Tiempo de servicio 
El tiempo de abastecimiento de kits de emergencia por cada nodo, 𝐷𝐷𝑖𝑖 en minutos, 
es directamente proporcional a la demanda establecida de la subzona. Este tiempo 
de descarga ha sido calculado según el tiempo promedio (en minutos) que toma la 
descarga de un camión estándar con carga a  granel  de  75  m3 (Empresa ABC, 
2015) Con esta cifra, se calculó el tiempo promedio por descarga por metro cúbico 
y se determinó el ratio de 2.05 minutos por descarga de cada kit de ayuda 
humanitaria para una persona afectada. Este ratio tomó en cuenta el volumen del  
kit igual a 0.64 m3. 
71  
Los  anexos  6,  13 y 23 muestran los tiempos de servicio para     los  nodos  de  los 
clusters A, B y D, respectivamente. 
 
 
Tiempo de arribo más temprano (TMP) y tiempo de arribo más tardío (TMT) 
Los tiempos iniciales de arribo más temprano por cada subzona, 𝑎𝑎𝑖𝑖 en minutos, 
tienen el valor de  “0”  para  indicar  al  modelo  que  los  camiones  partirán 
simultáneamente desde el almacén. Esta decisión es apropiada para un escenario 
crítico de emergencia, definido en el capítulo 2 como un terremoto de 6.0 a más en 
la escala de Richter. 
 
 
Asimismo, los tiempos iniciales de abastecimiento más tardíos, 𝑏𝑏𝑖𝑖 en minutos, 
priorizan las zonas del Callao con mayor riesgo sísmico determinadas según el plan 
de evacuación “Callao 2005” (MINSA, 2005), de manera que si el camión debe 
atender varios puntos en diferentes zonas, atenderá primero a la zona más 
vulnerable. Por ejemplo, como se muestra en la tabla 4.6, en el cluster A, los nodos 
denominados como zona 3.3, en Chucuito, y zona 9.7, en La Perla, tienen un valor 
de 𝑏𝑏𝑖𝑖 de 1,000 y 28.6 minutos, respectivamente. Ambos nodos cuentan con una 
demanda menor a la capacidad del camión, por lo que tienen alta probabilidad de 
ser parte de una de las rutas vehiculares propuestas. Por este motivo, se debe 
asegurar que a las zonas más vulnerables se les asigne la prioridad según su 
zonificación de riesgo. En este caso, como La Perla está categorizada como zona 
de alto riesgo sísmico, según el mapa de zonificación de Región Lima y Callao (vea 
el mapa 4.3) y como Chucuito está ubicada en una zona de peligro bajo, entonces 
se priorizará la zona de refugio ubicada en La Perla. 
 
Tabla 4.6. TMP y TMT por subzonas del cluster A (en minutos) 
 
Zona de refugio Subzona TMP TMT 
La Punta Zona 1 0 22.0 
 
Chucuito 
Callao Centro 
Zona 3.1 0 9.0 
Zona 3.2 0 9.1 
Zona 3.3 0 1,000.0 
 
 
 
 
La Perla 
Zona 9.1 0 28.0 
Zona 9.2 0 28.1 
Zona 9.3 0 28.2 
Zona 9.4 0 28.3 
Zona 9.5 0 28.4 
Zona 9.6 0 28.5 
Zona 9.7 0 28.6 
Elaboración propia 
72  
En los anexos 15, 18 y 25 se muestran los TMP y TMT de los clusters B, C y D, 
respectivamente, en el escenario 1 que se definirá más adelante en este capítulo. 
 
 
Kit de ayuda humanitaria 
El kit de ayuda humanitaria se definió con base en los artículos considerados 
necesarios para proveer personas afectadas luego de ocurrido un desastre natural. 
Cada kit de ayuda humanitaria tiene un volumen de 0.64 m3 y tiene un peso de 4.10 
kg. En la tabla 4.7 se muestra los artículos considerados en el kit. 
 
 
En los anexos 7, 14 y 24 se muestran las demandas (en kits) por subzona y por 
cluster A, B y D respectivamente. 
 
 
Características del camión 
El vehículo utilizado para el desarrollo del modelo está denominado en el mercado 
de transportes de Lima y Callao como el “PE21”. La capacidad neta volumétrica del 
camión es de 50 m3 y puede soportar un peso de hasta 13 toneladas. Se eligió este 
tipo y tamaño de vehículo porque es el camión de mayor capacidad que puede 
recorrer calles y avenidas dentro de la ciudad Lima y Callao. La capacidad de 
traslado de kits de ayuda humanitaria se ha determinado según los 50 m3 volumen 
del vehículo y no según el peso porque el volumen en este caso es la variable 
limitante dado la capacidad del camión en volumen y peso. La tabla 4.8. resume la 
capacidad, tiempo de descarga y velocidad del camión. 
 
Tabla 4.7. Artículos considerados en el kit de ayuda humanitaria 
 
Artículos 
Volumen 
total (m
3
) 
Peso total 
(kg) 
Abrigo 0.50 1.79 
Frazada polar (1 ½ plaza) 0.34 0.77 
Colcha (1 ½ plaza) 0.17 1.00 
Sábana (1 ½ plaza) 0.00 0.01 
Enseres 0.09 1.31 
Balde de plástico de 15 litros 0.00 0.08 
Bidón de plástico con tapa (131 litros) 0.03 0.72 
Cuchara para sopa 0.00 0.02 
Cucharón de aluminio 0.00 0.41 
Cuchillo para cocina 0.03 0.00 
Vaso de plástico 0.03 0.02 
Plato hondo de plástico 0.00 0.05 
Kit de higiene 0.01 0.26 
Toalla de mano 0.01 0.08 
73  
Artículos 
Volumen 
total (m
3
) 
Peso total 
(kg) 
Pasta dental 0.00 0.09 
Cepillo de dientes 0.00 0.00 
Jabón de tocador 0.00 0.09 
Techo 0.03 0.75 
Carpa familiar para seis personas 0.03 0.75 
 
Kit de ayuda humanitaria 0.64 4.10 
Fuente: MINSA (2005) 
Elaboración propia 
 
 
Mapa 4.3. Zonificación sísmica de Lima y Callao del cluster A 
Fuente: Google Maps (2016) 
 
 
Tabla 4.8. Resumen de capacidad, tiempo de descarga y velocidad del camión 
 
Concepto Valor Unidad 
Volumen de cada kit 0.64 m
3
/kit 
Capacidad del camión 50 m3 
Capacidad del camión 78 Kit 
Tiempo de descarga 3.20 minutos/m
3
 
Leyenda 
Zona de alto riesgo sísmico 
Zona de riesgo sísmico medio 
Zona de bajo riesgo sísmico 
74  
Concepto Valor Unidad 
Tiempo de descarga 2.05 minutos/kit 
Velocidad 30 km/h 
Fuente: Empresa ABC (2015) 
Elaboración propia 
 
 
Nivel de inventario de kits de ayuda humanitaria 
Escenario 1: modelo VRPTW con la capacidad actual del INDECI para abastecer a 
los afectados de la región del Callao. 
 
 
A la fecha (año 2015-2016), el INDECI cuenta con kits de ayuda humanitaria para 
abastecer al 10% del estimado total de afectados por desastres naturales a nivel 
Perú. En la tabla 4.9 se muestra el número estimado de afectados por INDECI en el 
2015 y el 10% correspondiente. 
 
Tabla 4.9. Inventario de kits del INDECI 
 
Nivel de inventario Cantidad de kits 
Estimación de los afectados 2015 642,032 
Capacidad actual INDECI (10%) 64,203 
Fuente: INDECI (2015) 
Elaboración propia 
 
 
Por otro lado, según el INDECI, los kits de ayuda humanitaria se repartirían según 
la población relativa de cada región. En la tabla 4.10, se calculó la cantidad de  
2,792 kits correspondientes al Callao según la población relativa de cada región, y 
en la tabla 4.11 se muestra la asignación de kits correspondiente a cada zona de 
refugio en el Callao. 
 
Tabla 4.10. Cantidad de kits de ayuda humanitaria asignados a cada región 
 
Región 
Población 
relativa 
Cantidad 
de kits 
Lima 0.42 27,186 
La Libertad 0.08 5,139 
Piura 0.08 5,096 
Junín 0.06 3,733 
Arequipa 0.06 3,852 
Puno 0.06 3,912 
Cusco 0.06 3,638 
Callao 0.04 2,792 
Loreto 0.04 2,872 
Ica 0.03 2,175 
75  
Región 
Población 
relativa 
Cantidad 
de kits 
Lambayeque 0.01 820 
Tumbes 0.01 657 
Tacna 0.01 945 
Amazonas 0.01 332 
Pasco 0.01 840 
Total 1.00 64,203 
Elaboración propia 
 
 
Tabla 4.11. Cantidad de kits de ayuda humanitaria asignados por zona de refugio 
según la proporción de habitantes por zona de refugio en la región del Callao 
 
Zona de refugio 
Descripción de 
establecimiento 
Población 
relativa 
Cantidad 
de kits 
Zona 1 : La Punta Club Tiro Bellavista 0.02 53 
Zona 2 : Callao Sur Estadio Telmo Carbajo 0.15 410 
Zona 3 : Chucuito Callao Centro Estadio Miguel Grau 0.06 172 
Zona 4 : Callao Monumental Parque Yahuar Huaca 0.15 405 
Zona 5 : Santa Marina 
Explanada de la Municipalidad 
Provincial del Callao 
0.03 93 
Zona 6 : Chacaritas 
Institución educativa 
República de Venezuela 
0.05 129 
Zona 7 : Miranaves Parque Mariscal Ramón Castilla 0.02 56 
 
Zona 8 : Bellavista 
Plaza de Armas Isabel la 
Católica y Estadio Telmo 
Carbajo 
 
0.21 
 
598 
Zona 9 : La Perla Colegio Militar “Leoncio Prado” 0.19 527 
Zona 10 : Sarita Colonia Hacienda San Agustín 0.04 117 
Zona 11 : Oquendo Elevaciones de la jurisdicción 0.04 108 
Zona 12 : Márquez Zona agrícola y elevaciones 0.04 123 
Total 1.00 2,791 
Fuente: MINSA (2015) 
Elaboración propia 
 
 
Escenario 2: modelo VRPTW con la capacidad actual del INDECI para todo el Perú 
para abastecer a los afectados de la región del Callao. 
 
 
El INDECI cuenta con 17 almacenes nacionales alrededor del Perú que contienen 
64,203 kits de ayuda humanitaria para abastecer al 10% del estimado total de 
afectados de todo el país, como se mostró en la tabla 4.9. El escenario considera 
que si ocurriese un sismo nivel de emergencia 5, los kits de emergencia alojados en 
todos los almacenes regionales del Perú serían destinados a abastecer la zona de 
Lima Metropolitana y Callao. Como se indicó en el capítulo 3, este escenario tiene 
un precedente cuando ocurrió el sismo del año 2007 en Pisco: debido a que la 
76  
cantidad de kits en Ica no fue suficiente para abastecer a los afectados, se envió a 
Pisco los kits desde varios de los almacenes nacionales del Perú. 
 
 
La cantidad total de 64,203 kits se dividiría proporcionalmente entre la población de 
Lima Metropolitana y Callao. Por tanto, según el nivel de inventario actual de bienes 
de ayuda humanitaria, se podría abastecer solamente a 6,927 del escenario 2 más 
un adicional igual a 57,276 personas afectadas en el Callao y Lima  
respectivamente, como se indica en la tabla 4.12. 
 
 
Escenario 3: modelo VRPTW para abastecer a los afectados de la región  del 
Callao según la cantidad estimada de afectados por el GORE-Callao. 
 
 
En este escenario el nivel de inventario está definido por la estimación de afectados 
según el área de defensa civil del GORE-Callao. La estimación propuesta asciende 
al 50% de la población actual del Callao (L. Reyes, entrevista personal, 2015) que 
es igual a 1,013,936 habitantes, por tanto, el modelo se desarrollará para abastecer 
a 506,968 personas afectadas, como se muestra en la tabla 4.12. 
 
 
Tabla 4.12. Escenarios según estimación de número de kits para personas 
afectadas 
Zona de refugio 
Población 
relativa 
Demanda (kits) 
Escenario 1 Escenario 2 Escenario 3 
Zona 1 : La Punta 0.02 53 132 9,627 
Zona 2 : Callao Sur 0.15 410 1,017 74,449 
Zona 3 : Chucuito Callao Centro 0.06 172 427 31,220 
Zona 4 : Callao Monumental 0.15 405 1,005 73,539 
Zona 5 : Santa Marina 0.03 93 232 16,956 
Zona 6 : Chacaritas 0.05 129 320 23,434 
Zona 7 : Miranaves 0.02 56 140 10,253 
Zona 8 : Bellavista 0.21 598 1,483 108,521 
Zona 9 : La Perla 0.19 527 1,308 95,748 
Zona 10 : Sarita Colonia 0.04 117 291 21,294 
Zona 11 : Oquendo 0.04 108 269 19,653 
Zona 12 : Márquez 0.04 123 304 22,273 
Total 1.00 2,792 6,927 506,967 
Elaboración propia 
77  
Supuestos del modelo 
El modelo VRPTW descrito previamente está sujeto a los siguientes supuestos: 
 El modelo es determinístico; por tanto las rutas estarán operativas para la 
circulación de vehículos. De esta manera se evita la naturaleza aleatoria del 
estado de las vías y de los almacenes por causa del terremoto, situación  
que está fuera del alcance de esta tesis. 
 Los almacenes nacionales del INDECI en las demás provincias del Perú 
permanecen operativos después de ocurrido el sismo. 
 En los tres escenarios, los TMT y TMP priorizan el abastecimiento de las 
zonas de refugio más críticas en el Callao según su ubicación geográfica y 
vulnerabilidad física de acuerdo con el mapa de zonificación sísmica de  
Lima Metropolitana y Callao (vea el mapa 4.3). Al priorizar estas zonas, nos 
aseguramos que cuando el modelo proponga una ruta con paradas múltiples 
para un camión específico, siempre priorice la zona de refugio en donde se 
encuentren los afectados en zonas sísmicas más vulnerables a pesar de  
que la distancia entre la zona y el almacén sea mayor que la de otra zona. 
 El sismo es de magnitud 6.0 a más en la escala de Richter y nivel de 
emergencia 5 según la clasificación del INDECI, por lo que se declara el 
estado de emergencia. 
 No se genera un tsunami después del sismo, por tanto, las zonas de refugio 
1, 9 y 12 definidas por el GORE-Callao y próximas al litoral, no serán 
afectadas. 
 Las fábricas en zona industrial del Callao no colapsan ni emiten sustancias 
tóxicas ocasionadas por daños en su infraestructura por causa del 
movimiento telúrico; por tanto, las rutas estarían disponibles para la 
circulación de los vehículos. 
 El escenario 1 solo considera la distribución de la cantidad actual disponible 
de kits de ayuda humanitaria en el almacén nacional del Callao. 
 Los escenarios 2 y 3 contempla la cantidad de kits de ayuda humanitaria 
desde los almacenes nacionales del resto del país hacia el almacén general 
del Callao y su distribución hacia las zonas de refugio. 
 El escenario 3 considera que aproximadamente el 90% de kits de ayuda 
humanitaria para abastecer a los afectados y damnificados según la 
estimación del GORE-Callao proviene de entidades públicas y privadas, y  
de la ayuda internacional. 
78  
 El puerto del Callao y el aeropuerto internacional Jorge Chávez se 
mantienen operativos después de ocurrido el terremoto para que sea factible 
la recepción de la ayuda humanitaria desde el exterior contemplada en el 
escenario 3. 
 Las personas afectadas se concentran en las zonas de refugio asignadas y 
comunicadas previamente por el área de defensa del GORE-Callao. 
 
 
4.3. El modelo VRPTW en el lenguaje de modelado en LINGO 
El modelo VRPTW se codificó en el lenguaje de modelado en LINGO versión 11. 
Dada la cantidad de parámetros, variables de decisión y nodos del VRPTW, el 
modelo en LINGO permite modificar los datos y parámetros sin necesidad de alterar 
sustancialmente el código y generar las soluciones óptimas del modelo en los tres 
escenarios definidos en la sección 4.2. 
 
El modelo en el lenguaje de modelado en LINGO es el siguiente: 
 
MODEL: 
SETS: 
CLIENTES/1..14/:S,TMP,TMT,DEMANDA; !1:es el depósito 0 ; 
!14:es el depósito n+1; 
CAMIONES/1..14/; 
SETD1(CLIENTES,CLIENTES):DISTANCIA,T; 
SETD2(CLIENTES,CLIENTES,CAMIONES):X; 
SETD3(CLIENTES,CAMIONES):W; 
 
ENDSETS 
DATA: 
M=1000000; 
S,TMP,TMT,DEMANDA,DISTANCIA,T,CAPACIDAD,E,L= 
@OLE('C:\Escenario 1 - Modelo remanentes.xlsx') ; 
@OLE ('C:\Escenario 1 – Modelo Remanentes.xlsx')= W; 
ENDDATA 
!Función objetivo; 
MIN=@SUM(SETD1(I,J):DISTANCIA(I,J)*@SUM(SETD2(I,J,K):X(I,J,K))); 
 
!Restricciones; 
 
!Restricción (1) modelo VRPTW; 
 
@FOR(CAMIONES(K):@SUM(SETD2(I,J,K)|I#EQ#1#AND#I#NE#J:X(I,J,K))=1); 
79  
!Restricción (2) modelo VRPTW; 
 
@FOR(CLIENTES(I)|I#GT#1#AND#I#LT#@SIZE(CLIENTES): 
@SUM(SETD2(I,J,K)|J#GT#1#AND#I#NE#J:X(I,J,K))=1); 
 
!Restricción (3) modelo VRPTW; 
 
@FOR(SETD3(J,K)|J#GT#1#AND#J#LT#@SIZE(CLIENTES): 
@SUM(SETD2(I,J,K)|I#NE#J:X(I,J,K))- 
@SUM(SETD2(U,R,K)|U#EQ#J#AND#U#NE#R:X(U,R,K))=0); 
 
!Restricción (4) modelo VRPTW; 
 
@FOR(CAMIONES(K):@SUM(SETD2(I,J,K)|J#EQ#@SIZE(CLIENTES)#AND#I#NE#J: 
X(I,J,K))=1); 
 
!Restricción (5) modelo VRPTW; 
 
@FOR(SETD2(I,J,K)|I#NE#J: 
W(I,K)+S(I)+T(I,J)-W(J,K)<= M*(1- X(I,J,K))); 
 
!Restricción (6) modelo VRPTW; 
 
@FOR(SETD3(I,K)|I#GT#1#AND#I#LT#@SIZE(CLIENTES): 
TMP(I)*@SUM(SETD2(I,J,K)|I#NE#J:X(I,J,K))<=W(I,K)); 
@FOR(SETD3(I,K)|I#GT#1#AND#I#LT#@SIZE(CLIENTES): 
TMT(I)*@SUM(SETD2(I,J,K)|I#NE#J:X(I,J,K))>=W(I,K)); 
 
!Restricción (7) modelo VRPTW; 
 
@FOR(SETD3(I,K)|I#EQ#1#OR#I#EQ#@SIZE(CLIENTES):W(I,K)>=E); 
@FOR(SETD3(I,K)|I#EQ#1#OR#I#EQ#@SIZE(CLIENTES):W(I,K)<=L); 
 
!Restricción (8) modelo VRPTW; 
@FOR(CAMIONES(K):@SUM(CLIENTES(I)|I#GT#1#AND#I#LT#@SIZE(CLIENTES): 
@SUM(SETD2(U,J,K)|U#EQ#I#AND#U#NE#J: 
DEMANDA(U)*X(U,J,K)))<=CAPACIDAD); 
 
!Rango de existencia; 
@FOR(SETD2(I,J,K):@BIN(X(I,J,K)));@FOR(SETD2(I,J,K)| 
I#EQ#J#AND#I#GT#1#AND#I#LT#@SIZE(CLIENTES):X(I,J,K)=0); 
80  
CAPÍTULO 5. RESULTADOS DEL MODELO VRPTW 
 
5.1. Resultados del escenario 1 
 
Escenario 1: modelo VRPTW con capacidad actual del INDECI para abastecer a 
los afectados de la región Callao. 
 
 
En el escenario 1 se optimizó el modelo VRPTW en cada uno de los clusters A, B, 
C y D. A continuación se muestra el detalle de los parámetros y resultados del 
cluster C. 
 
 
Cluster C 
El cluster C está compuesto por el mayor número de zonas de refugio, razón por la 
cual se ha decidido explicar como ejemplo. Dicho cluster incluye las siguientes 
zonas de refugio: 4, 7, 10, 11 y 12. Las tablas a continuación muestran los 
parámetros del modelo en el escenario 1 para el cluster C: 
 
 
La tabla 5.1 muestra las distancias en metros entre los nodos o subzonas del 
cluster C. Estas distancias se tomaron de Google Maps (2016). 
 
 
La tabla 5.2 muestra los tiempos de desplazamiento en minutos, cuando un  
vehículo se traslada de un nodo o subzona a otro, ubicados en el mismo cluster C a 
una velocidad promedio de 30 km/h. En el anexo 18 se muestra el resto de datos 
del cluster C. 
 
 
Luego de resolver el modelo VRPTW durante más de 540 minutos y después de 
56,076, 865 iteraciones se obtuvo lo siguiente:39 en el cluster C la distancia mínima 
recorrida para abastecer a las 810 personas afectadas es 132 km, y se requiere 11 
camiones de 50 m3 que salen simultáneamente del almacén para repartir los 810 
kits de ayuda humanitaria. Los resultados explicados se resumen en las tablas 5.3 y 
5.4. El gráfico 5.1 ilustra el ruteo propuesto de los nodos con demandas  
remanentes y los mapas 5.1 y 5.2 representan dicho ruteo en el plano geográfico. 
 
 
 
39 
En los anexos 19 y 20 se muestra el modelo en LINGO para el cluster C en el escenario 1 y la solución del 
modelo, respectivamente. 
81  
 
 
 
 
 
Tabla 5.1. Distancias entre nodos del cluster C (en metros) 
 
 Almacén 
INDECI 
Zona 4.1 Zona 4.2 Zona 4.3 Zona 4.4 Zona 4.5 Zona 4.6 Zona 7 Zona10.1 Zona 10.2 Zona 11.1 Zona 11.2 Zona 12.1 Zona 12.2 
Almacén 
INDECI 
Almacén 
INDECI 
- 4,000 4,050 4,100 4,150 4,200 4,250 7,000 7,000 7,050 5,000 5,050 10,000 10,050 - 
Zona 4.1 4,000 - 50 50 50 50 50 2,400 4,000 4,050 4,600 4,650 9,000 9,050 4,000 
Zona 4.2 4,050 50 - 50 50 50 50 2,450 8,400 8,450 4,650 4,700 9,050 9,100 4,050 
Zona 4.3 4,100 50 50 - 50 50 50 2,500 8,450 8,500 4,700 4,750 9,100 9,150 4,100 
Zona 4.4 4,150 50 50 50 - 50 50 2,550 8,500 8,550 4,750 4,800 9,150 9,200 4,150 
Zona 4.5 4,200 50 50 50 50 - 50 2,600 8,550 8,600 4,800 4,850 9,200 9,250 4,200 
Zona 4.6 4,250 50 50 50 50 50 - 2,650 8,600 8,650 4,850 4,900 9,250 9,300 4,250 
Zona 7 7,000 4,000 2,450 2,500 2,550 2,600 2,650 - 6,200 6,250 6,000 6,050 9,900 9,950 7,000 
Zona 10.1 7,000 4,000 4,050 4,100 4,150 4,200 4,250 6,200 - 50 11,000 11,050 6,000 6,050 7,000 
Zona 4.2 7,050 4,050 4,100 4,150 4,200 4,250 4,300 6,250 50 - 11,050 11,100 6,050 6,100 7,050 
Zona 11.1 5,000 4,000 4,050 4,100 4,150 4,200 4,250 6,000 11,000 11,050 - 50 4,000 4,050 5,000 
Zona 11.2 5,050 4,050 4,100 4,150 4,200 4,250 4,300 6,050 11,050 11,100 50 - 4,050 4,100 5,200 
Zona 12.1 10,000 4,000 4,050 4,100 4,150 4,200 4,250 9,900 6,000 6,050 4,000 4,050 - 50 10,000 
Zona 12.2 10,050 4,050 4,100 4,150 4,200 4,250 4,300 9,950 6,050 6,100 4,050 4,100 50 - 10,050 
Almacén 
INDECI 
- 4,000 4,050 4,100 4,150 4,200 4,250 7,000 7,000 7,050 5,000 5,050 10,000 10,050 - 
 
Fuente: Google Maps (2016) 
Elaboración propia 
82  
 
 
 
 
 
Tabla 5.2. Tiempos de desplazamiento entre nodos del cluster C (en minutos) 
 
 Almacén 
INDECI 
Zona 4.1 Zona 4.2 Zona 4.3 Zona 4.4 Zona 4.5 Zona 4.6 Zona 7 Zona10.1 Zona 10.2 Zona 11.1 Zona 11.2 Zona 12.1 Zona 12.2 
Almacén 
INDECI 
Almacén 
INDECI 
- 9.00 9.10 9.21 9.31 9.42 9.52 17.00 14.00 14.10 13.00 13.10 17.00 17.10 - 
Zona 4.1 9.00 - 0.10 0.10 0.10 0.10 0.10 5.01 8.34 8.45 9.60 9.70 18.78 18.88 8.34 
Zona 4.2 9.10 0.10 - 0.10 0.10 0.10 0.10 5.11 8.45 8.55 9.70 9.81 18.88 18.98 8.45 
Zona 4.3 9.21 0.10 0.10 - 0.10 0.10 0.10 5.22 8.55 8.66 9.81 9.91 18.98 19.09 8.55 
Zona 4.4 9.31 0.10 0.10 0.10 - 0.10 0.10 5.32 8.66 8.76 9.91 10.01 19.09 19.19 8.66 
Zona 4.5 9.42 0.10 0.10 0.10 0.10 - 0.10 5.42 8.76 8.87 10.01 10.12 19.19 19.30 8.76 
Zona 4.6 9.52 0.10 0.10 0.10 0.10 0.10 - 5.53 8.87 8.97 10.12 10.22 19.30 19.40 8.87 
Zona 7 17.00 5.01 5.11 5.22 5.32 5.42 5.53 - 12.93 13.04 12.52 12.62 20.65 20.76 14.60 
Zona 10.1 14.00 8.34 8.45 8.55 8.66 8.76 8.87 12.93 - 0.10 22.95 23.05 12.52 12.62 14.60 
Zona 4.2 14.10 8.45 8.55 8.66 8.76 8.87 8.97 13.04 0.10 - 23.05 23.16 12.62 12.73 14.71 
Zona 11.1 13.00 9.60 9.70 9.81 9.91 10.01 10.12 12.52 22.95 23.05 - 0.10 8.34 8.45 10.43 
Zona 11.2 13.10 9.70 9.81 9.91 10.01 10.12 10.22 12.62 23.05 23.16 0.10 - 8.45 8.55 10.54 
Zona 12.1 17.00 18.78 18.88 18.98 19.09 19.19 19.30 20.65 12.52 12.62 8.34 8.45 - 0.10 20.86 
Zona 12.2 17.10 18.88 18.98 19.09 19.19 19.30 19.40 20.76 12.62 12.73 8.45 8.55 0.10 - 20.97 
Almacén 
INDECI 
- 8.34 8.45 8.55 8.66 8.76 8.87 14.60 14.60 14.71 10.43 10.54 20.86 20.97 - 
 
Fuente: Google Maps (2016) 
Elaboración propia 
 Tabla 5.3. Resultados del cluster C 
 
Cluster C 
Zonas de refugio 4, 7, 10, 11 y 12 
Cantidad de nodos 15 
Demanda (kits) 810 
Cantidad de iteraciones 56,076,865 
Cantidad de camiones utilizados 11 
Distancia total recorrida (km) 132 
Elaboración propia 
 
 
Tabla 5.4. Rutas vehiculares propuestas en el cluster C 
 
Cluster Ruteo Ruta Ruta (subzona) 
C 
C.1.1 1 - 8 - 7 – 15 Almacén – Zona 7 – Zona 4.6 – Almacén 
C.1.2 1 - 12 - 14 – 15 Almacén – Zona 11.2 – Zona 12.2 – Almacén 
Elaboración propia 
 
 
Cluster A 
Los datos del cluster A se muestran desde el anexo 4 hasta el anexo 8. En el 
cluster A también se optimizó el modelo VRPTW pero el tiempo para generar la 
solución fue apreciablemente menor:40 50 minutos, y encontró la solución después 
de 983 iteraciones. En el cluster A la distancia mínima recorrida para abastecer a 
las 752 personas afectadas es 228 km y se requiere 10 camiones de 50 m3 que 
salen simultáneamente del almacén para repartir los 752 kits de ayuda humanitaria. 
 
 
Los resultados explicados y las rutas propuestas para los nodos con demandas 
remanentes se resumen en las tablas 5.5 y 5.6, respectivamente. El gráfico 5.2 
ilustra el ruteo propuesto para dichos nodos y el mapa 5.3 representa dicho ruteo  
en el plano geográfico. 
 
 
Cluster B 
Los datos del cluster B se muestran desde el anexo 11 hasta el anexo 15. En el 
cluster B también se optimizó el modelo VRPTW y el tiempo para obtener el óptimo 
fue menor que en los clusters A y C:41 15 minutos, y generó la solución después de 
256 iteraciones. En el cluster B la distancia mínima recorrida para abastecer a las 
1,008 personas afectadas es 263 km y se requiere 13 camiones de 50 m3 que salen 
simultáneamente del almacén para repartir los 1,008 kits de ayuda humanitaria. 
 
40 
En los anexos 9 y 10 se muestra el modelo en LINGO para el cluster A en el escenario 1 y la solución del  
modelo, respectivamente. 
41 
En los anexos 16 y 17 se muestra el modelo en LINGO para el cluster B en el escenario 1 y la solución del 
modelo, respectivamente. 
 
83 
84  
Los resultados explicados y las rutas propuestas para los nodos con demandas 
remanentes también se resumen en las tablas 5.5 y 5.6, respectivamente. El gráfico 
5.3 ilustra el ruteo propuesto para dichos nodos y el mapa 5.4 representa dicho 
ruteo en el plano geográfico. 
 
 
Cluster D 
Los datos del cluster D se muestran desde el anexo 21 hasta el anexo 25. En el 
cluster D, el tiempo para obtener el óptimo del modelo VRPTW42 fue 30 minutos, y 
encontró la solución después de 557 iteraciones. En el cluster D la distancia mínima 
recorrida para abastecer a las 222 personas afectadas es 99 km y se requiere tres 
camiones de 50 m3 que salen simultáneamente del almacén para repartir los 222 
kits de ayuda humanitaria. 
 
 
Los resultados explicados y las rutas propuestas para los nodos se resumen en las 
tablas 5.5 y 5.6, respectivamente. El gráfico 5.4 ilustra el ruteo propuesto para 
dichos nodos y el mapa 5.5 representa dicho ruteo en el plano geográfico. 
 
Tabla 5.5. Resultados de los nodos por cluster – Escenario 1 
 
 
Cluster 
Zonas de 
refugio 
Cantidad 
de nodos 
Demanda 
(kits) 
Cantidad total 
de camiones 
utilizados 
Distancia 
recorrida 
(km) 
Tiempo 
transcurrid
o (horas) 
Max 
W(i,k) 
(minutos) 
A 1,3 y 9 13 752 10 228 8 168 
B 2 y 8 16 1,008 13 263 9 81 
C 4, 7, 10, 11 y 12 15 810 11 132 5 152 
D 5 y 6 6 222 3 99 3 74 
Total 50 2,792 37 721 25 168 
Elaboración propia 
 
 
Tabla 5.6. Rutas vehiculares propuestas – Escenario 1 
 
Cluster Ruteo Ruta 
A A.1.1 Almacén – Zona 9.7 – Zona 3.3 – Almacén 
B B.1.1 Almacén – Zona 2.6 – Zona 8.8 – Almacén 
C 
C.1.1 Almacén – Zona 7 – Zona 4.6 – Almacén 
C.1.2 Almacén – Zona 11.2 – Zona 12.2 – Almacén 
D D.1.1 Almacén – Zona 5.2 – Zona 6.2 – Almacén 
Elaboración propia 
 
 
 
 
 
42 
En los anexos 26 y 27 se muestra el modelo en LINGO para el cluster D en el escenario 1 y la solución del 
modelo, respectivamente. 
85  
 
 
 
 
 
 
 
 
Zona 12: Márquez 
 
Zona 10: Sarita Colonia 
 
Gráfico 5.1. Ruteo vehicular del cluster C – Escenario 1 – Zonas de refugio 4, 7, 
10, 11 y 12 
Elaboración propia 
12 
Ruta C.1.2 
Zona 11: Oquendo 
 
 
11 
Ruta C.1.1 
Zona 7: Miranaves 
 
 
7 
Almacén 
4 
 
 
Zona 4: Callao Monumental 
10 
 
i   = 0 
  
 
 
 
 
 
 
 
 
 
Mapa 5.1. Ruteo vehicular cluster C – Escenario 1 - Ruta C.1.1 
Fuente: Google Maps (2016) 
 
 
 
 
 
 
 
86 
Zona 7: Miranaves 
Almacén Zona 4: Callao 
Monumental 
  
 
Mapa 5.2. Ruteo vehicular cluster C – Ruta C.1.2 
Fuente: Google Maps (2016) 
 
87 
Zona 12: 
Márquez 
Zona 11: 
Oquendo 
Almacén 
88  
 
 
 
 
 
 
 
 
Almacén 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Zona 1: La Punta 
 
 
 
 
 
 
 
 
 
 
 
Zona 9: La Perla 
 
Gráfico 5.2. Ruteo vehicular del cluster A – Escenario 1 – Zonas de refugio 1, 3 y 9 
Elaboración propia 
Ruta A.1.1 
1 
3 
Zona 3: Chucuito 
9 
 
i   = 0 
89  
 
 
 
Mapa 5.3. Ruteo vehicular cluster A – Ruta A.1.1 
Fuente: Google Maps (2016) 
Almacén 
Zona 3: 
Chucuito 
Zona 9: 
La Perla 
90  
 
 
 
 
 
 
 
 
 
 
 
Almacén 
 
 
Ruta B.1.1 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Zona 2: Callao Sur 2 
8 
Zona 8: Bellavista 
Gráfico 5.3. Ruteo vehicular del cluster B – Escenario 1 – Zonas de refugio 2 y 8 
Elaboración propia 
 
i  =  0 
91  
 
 
 
Mapa 5.4. Ruteo vehicular cluster B – Ruta B.1.1 
Fuente: Google Maps (2016) 
Almacén 
Zona 2: 
Callao Sur 
Zona 8: Bellavista 
92  
 
 
 
 
 
 
 
 
Almacén 
 
Zona 5: Santa Marina 
 
Gráfico 5.4. Ruteo vehicular del cluster D – Escenario 1 – Zonas de refugio 5 y 6 
Elaboración propia 
Ruta D.1.1 
6 
Zona 6: Chacaritas 
5 
 
i   = 0 
93  
 
 
 
 
Mapa 5.5. Ruteo vehicular cluster D – Ruta D.1.1 
Fuente: Google Maps (2016) 
Almacén 
Zona 6: Chacaritas 
Zona 5: Santa Marina 
94  
5.2. Resultados del escenario 2 
 
Escenario 2: modelo VRPTW con la capacidad actual del INDECI para todo el Perú 
para abastecer a los afectados de la región del Callao. 
 
 
En el escenario 2 se optimizó el modelo VRPTW en cada uno de los clusters A, B, 
C y D y la solución del modelo considerando camiones hacia nodos regulares y 
remanentes indica que la distancia mínima recorrida es de 1,314 km. Dada la 
complejidad computacional del modelo en LINGO, el escenario 2 se resolvió 
utilizando únicamente los nodos “remanentes” como puntos de reparto. Los nodos 
“remanentes”, se refieren a los nodos 𝑤𝑤 (relativamente alejados) de cada zona de 
refugio, los cuales tienen como demandai la cantidad restante de kits por subzona 
que debe abastecer el camión ya que su demanda es menor que la capacidad del 
camión de 78 kits. 
 
 
Cluster A 
Los datos del cluster A se muestran en el anexo 28. En el cluster A se optimizó el 
modelo VRPTW y la solución óptima indica que la distancia mínima recorrida de 
ruteo es 58 km. Asimismo, para abastecer a las 1,866 personas afectadas; se 
requiere 24 camiones de 50 m3 que salen simultáneamente del almacén  para 
repartir los 1,866 kits de ayuda humanitaria. Los resultados explicados se resumen 
en la tabla 5.7.43 
 
Cluster B 
Los datos del cluster B se muestran en el anexo 30. En el cluster B se optimizó el 
modelo VRPTW y la solución óptima indica que la distancia mínima recorrida es  
262 km. Asimismo, para abastecer a las 2,500 personas afectadas; se requiere 33 
camiones de 50 m3 que salen simultáneamente del almacén para repartir los 2,500 
kits de ayuda humanitaria. Los resultados explicados se resumen en la tabla 5.7.44 
 
Cluster C 
Los datos del cluster C se muestran en el anexo 32. En el cluster C se optimizó el 
modelo VRPTW y la solución óptima indica que la distancia mínima recorrida es 66 
km.  Asimismo,  para  abastecer  a  las  2,009  personas  afectadas;  se  requiere 26 
43 
En el anexo 29 se muestra la solución del modelo en LINGO para el cluster A en el escenario 2. 
44 
En el anexo 31 se muestra la solución del modelo en LINGO para el cluster B en el escenario 2 
95  
camiones de 50 m3 que salen simultáneamente del almacén para repartir los  2,009 
kits de ayuda humanitaria. Los resultados explicados se resumen en la tabla 5.7.45 
 
Cluster D 
Los datos del cluster D se muestran en el anexo 34. En el cluster D se optimizó el 
modelo VRPTW y la solución óptima indica que la distancia mínima recorrida es 64 
km para abastecer a las 552 personas afectadas; se requiere 8 camiones de 50 m3 
que salen simultáneamente del almacén para repartir los 552 kits de ayuda 
humanitaria. Los resultados explicados se resumen en la tabla 5.7.46 
 
Tabla 5.7. Resultados de los nodos por cluster – Escenario 2 
 
 
Cluster 
 
Cantidad 
de nodos 
 
Demanda 
(kits) 
Cantidad total 
de camiones 
utilizados 
Distancia 
recorrida 
(km) 
Tiempo 
transcurrido 
en LINGO 
(horas) 
 
Max W(i,k) 
(minutos) 
A 25 1,866 24 58 2 28 
B 34 2,500 33 262 3 23 
C 27 2,009 26 66 3 17 
D 8 552 8 64 4 44 
Total 94 6,927 91 450 12 44 
Elaboración propia 
 
 
5.3. Resultados del escenario 3 
 
Escenario 3: modelo VRPTW para abastecer a los afectados de la región del  
Callao según la cantidad estimada de afectados por el GORE-Callao. 
 
 
En el escenario 3 se optimizó el modelo VRPTW en cada uno de los clusters A, B, 
C y D y la solución del modelo considerando camiones hacia nodos regulares y 
remanentes indica que la distancia mínima recorrida es de 135,423 km. Dada la 
complejidad computacional del modelo en LINGO, el escenario 3 se resolvió 
utilizando únicamente los nodos “remanentes” como puntos de reparto. Los nodos 
“remanentes”, se refieren a los nodos 𝑤𝑤 (relativamente alejados) de cada zona de 
refugio, los cuales tienen como demandai la cantidad restante de kits por subzona 
que debe abastecer el camión ya que su demanda es menor que la capacidad del 
camión de 78 kits. 
 
 
 
 
45 
En el anexo 33 se muestra la solución del modelo en LINGO para el cluster C en el escenario 2. 
46 
En el anexo 35 se muestra la solución del modelo en LINGO para el cluster D en el escenario 2. 
96  
Cluster A 
Los datos del cluster A se muestran en el anexo 36. En el cluster A se optimizó el 
modelo VRPTW y la solución óptima indica que la distancia mínima recorrida es 58 
km. Asimismo para abastecer a las 136,595 personas afectadas; se requiere 1,753 
camiones de 50 m3 que salen simultáneamente del almacén para repartir los kits de 
ayuda humanitaria. Los resultados explicados y las rutas propuestas para los nodos 
se resumen en las tablas 5.8 y 5.9, respectivamente.47 
 
Cluster B 
Los datos del cluster B se muestran en el anexo 38. En el cluster B también se 
optimizó el modelo VRPTW, y la solución óptima indica que la distancia mínima 
recorrida es 40 km. Asimismo para abastecer a las 182,970 personas afectadas; se 
requiere 2,347 camiones de 50 m3 que salen simultáneamente del almacén para 
repartir los kits de ayuda humanitaria. Los resultados explicados y las rutas 
propuestas para los nodos con demandas remanentes se resumen en las tablas 5.8 
y 5.9, respectivamente.48 
 
Cluster C 
Los datos del cluster C se muestran en el anexo 40. En el cluster C se optimizó el 
modelo VRPTW y la solución óptima indica que la distancia mínima recorrida es 55 
km. Asimismo para abastecer a las 147,012 personas afectadas; se requiere 1,886 
camiones de 50 m3 que salen simultáneamente del almacén para repartir los kits de 
ayuda humanitaria. Los resultados explicados y las rutas propuestas para los nodos 
con demandas remanentes se resumen en las tablas 5.8 y 5.9, respectivamente.49  
El gráfico 5.5 ilustra el ruteo propuesto para los nodos remanentes y el mapa 5.6 
representa dicho ruteo en el plano geográfico. 
 
 
Cluster D 
Los datos del cluster D se muestran en el anexo 42. En el cluster D se optimizó el 
modelo VRPTW y la solución óptima indica que la distancia mínima recorrida es 34 
km. Asimismo para abastecer a las 40,390 personas afectadas; se requiere 518 
camiones de 50 m3 que salen simultáneamente del almacén para repartir los kits de 
ayuda humanitaria. Los resultados explicados y las rutas propuestas para los nodos 
 
 
47 
En el anexo 37 se muestra la solución del modelo en LINGO para el cluster A en el escenario 3. 
48 
En el anexo 39 se muestra la solución del modelo en LINGO para el cluster B en el escenario 3. 
49 
En el anexo 41 se muestra la solución del modelo en LINGO para el cluster C en el escenario 3. 
97  
con demandas remanentes se resumen en las tablas 5.8 y 5.9, respectivamente.50  
El gráfico 5.6 ilustra el ruteo propuesto para los nodos remanentes y el mapa 5.7 
representa dicho ruteo en el plano geográfico. 
 
 
Tabla 5.8. Resultados de los nodos por cluster – Escenario 3 
 
 
Cluster 
 
Cantidad 
de nodos 
 
Demanda 
(kits) 
Cantidad total 
de camiones 
utilizados 
Distancia 
recorrida 
(km) 
Tiempo 
transcurrid
o en LINGO 
(horas) 
 
Max W(i,k) 
(minutos) 
A 1,753 136,595 1,753 58 2 28 
B 2,347 182,970 2,347 40 2 23 
C 1,887 147,012 1,886 55 2 10,000 
D 519 40,390 518 34 2 1,000 
Total 6,506 506,967 6,504 187 8 10,000 
Elaboración propia 
 
 
Tabla 5.9. Rutas vehiculares propuestas – Escenario 3 
 
Ruteo Ruta 
C.3.1 Almacén - Zona 12.1 - Zona 10.1 – Almacén 
D.3.1 Almacén - Zona 5.1 - Zona 6.1 – Almacén 
Elaboración propia 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
50 
En el anexo 43 se muestra la solución del modelo en LINGO para el cluster D en el escenario 3. 
98  
 
 
 
 
 
 
 
Zona 12: Márquez 
 
Zona 10: Sarita Colonia 
 
Gráfico 5.5. Ruteo vehicular del cluster C – Escenario 3 – Nodos con demandas 
remanentes – Zonas de refugio 4, 7, 10, 11 y 12 
Elaboración propia 
12 
Ruta C.3.1 
Zona 11: Oquendo 
 
 
11 
Zona 7: Miranaves 
 
 
7 
Almacén   i  =  0 
4 
 
 
Zona 4: Callao Monumental 
10 
99  
 
 
 
Mapa 5.6. Ruteo vehicular cluster C – Nodos con demandas remanentes - 
Ruta C.3.1 
Fuente: Google Maps (2016) 
Zona 12: 
Márquez 
Almacén 
Zona 10: 
Sarita Colonia 
100  
 
 
 
 
 
 
 
 
 
 
 
Almacén 
 
Zona 5: Santa Marina 
 
Gráfico 5.6. Ruteo vehicular del cluster D – Escenario 3 – Nodos con demandas 
remanentes – Zonas de refugio 5 y 6 
Elaboración propia 
Ruta D.3.1 
6 
Zona 6: Chacaritas 
5 
 
i  =  0 
101  
 
 
Mapa 5.7. Ruteo vehicular cluster D – Nodos con demandas remanentes - Ruta 
D.3.1 
Fuente: Google Maps (2016) 
Almacén 
Zona 6: Chacaritas 
Zona 5: Santa Marina 
102  
5.4. Evaluación de los costos y comparación de los tres 
escenarios 
 
5.4.1. Evaluación de los costos de los tres escenarios 
La evaluación de costos se efectuará comparando el costo total de transporte que 
tiene la siguiente estructura: 
 
 
Escenario 1: 
 
Costo total = Costo del flete 1 
 
Escenarios 2 y 3: 
 
Costo total = Costo del flete 1 + Costo de flete 2 
A continuación se explica cada uno de estos costos. 
 
Costo del flete 1 
El costo del flete 1 es el importe del costo (en soles) de la distribución de los kits de 
ayuda humanitaria desde el almacén nacional del INDECI en el Callao hacia las 
zonas de refugio en esa región. Se obtiene de la siguiente manera: 
 
Cantidad total de camiones requeridos en el escenario i * Costo por flete de camión 
desde el almacén hacia cada zona de refugio en la región del Callao 
 
Donde: 
Cantidad total de camiones requeridos en el escenario 𝑤𝑤 (𝑤𝑤  = 1, 2, 3): se obtuvo de 
la optimización del  modelo  VRPTW  (vea  las  tablas  5.5,  5.7  y  5.8)  cuando se 
traslada los kits desde el almacén nacional en el Callao hasta los nodos (zonas de 
refugio). 
 
 
El costo por flete del camión es S/. 1,045 y es costo fijo porque es la tarifa promedio 
para trasladar bienes en el Callao al margen de la distancia recorrida (Empresa 
ABC, 2015). La capacidad de dicho vehículo es de 50m3 o 78 kits. 
103  
Costo del flete 2 
Es el costo de traslado de los bienes de ayuda humanitaria desde un local externo 
hacia el almacén nacional de INDECI en el Callao. Esta presunción se asume por 
dos razones: la primera es que la demanda de kits tanto en el escenario 2 (6,927 
kits) como en el escenario 3 (506,967 kits) supera ampliamente la cantidad actual 
de kits disponibles en el almacén del Callao. Por lo tanto, se asume que se tendría 
que trasladar un mayor número de bienes de otros lugares. La segunda razón se 
mencionó en el capítulo 4, cuando en el año 2007 ocurrió el terremoto de Pisco, la 
severidad del desastre provocó 1,435 damnificados, lo cual superó la capacidad de 
los almacenes en Ica y el INDECI decidió enviar los bienes de ayuda humanitaria 
desde los almacenes nacionales de otras regiones del Perú hacia la región afectada 
de Ica. Por tanto, es un precedente sobre las decisiones que podría tomar el  
INDECI si es que ocurriese un desastre de características similares. En la tabla 
5.10 se muestra el cálculo del “costo del flete 2” que cuantifica, en soles, el importe 
total de transportar los kits de ayuda humanitaria desde los almacenes en cada 
región del Perú hacia el almacén nacional del Callao. 
 
 
Por otro lado, el “costo del flete 2” no se incurriría en el escenario 1 porque dicho 
plan de distribución solo contempla la cantidad de kits actuales que INDECI 
almacena en los almacén nacional que se ubica en el Callao, mientras que en el 
escenarios 2 y 3 sí se considera el inventario de bienes de ayuda humanitaria de  
los almacenes regionales del INDECI ubicados fuera de la región Callao. 
 
Tabla 5.10. Cálculo del costo del flete 2 
 
Región 
Tarifa por 
ruta (S/.) 
Cantidad 
de kits 
Cantidad de 
camiones 
Costo 
total (S/.) 
Lima 1,200 27,186 349 418,800 
Loreto 9,500 2,872 37 351,500 
Puno 6,048 4,067 53 320,544 
Cusco 6,240 3,638 47 293,280 
Piura 4,000 5,096 66 264,000 
Arequipa 4,800 4,067 53 254,400 
La Libertad 3,150 5,139 66 207,900 
Junin 2,900 3,733 48 139,200 
Tacna 5,600 945 13 72,800 
Ica 2,450 2,175 28 68,600 
Tumbes 6,000 657 9 54,000 
Amazonas 9,200 332 5 46,000 
Callao 1,045 2,792 36 37,620 
Lambayeque 3,025 820 11 33,275 
104  
Región 
Tarifa por 
ruta (S/.) 
Cantidad 
de kits 
Cantidad de 
camiones 
Costo 
total (S/.) 
Pasco 2,874 840 11 31,613 
Total 64,359 832 2,593,532 
Fuente: Empresa ABC (2015) 
Elaboración propia 
 
 
La primera conclusión que podemos obtener de los resultados es que a mayor 
demanda de kits, mayor número de camiones son necesarios, la distancia recorrida 
se incrementa y también el costo de distribución. 
 
 
En el escenario 1, el “costo de flete 1” o costo total de distribución de los 2,792   kits 
desde el almacén nacional del Callao hacia las zonas de refugio es de S/. 38,665. 
 
 
Por otro lado, en el escenario 2, el “costo de flete 1” es de S/. 96,140, sin embargo, 
dado que el 60% del volumen de los kits de ayuda humanitaria viene de los 
almacenes regionales del INDECI fuera del Callao, debe considerarse el “costo de 
flete 2”. Esto significa que el costo total de distribución de los 6,927 kits sería de 
S/.2,689,672 en el escenario 2. 
 
 
Finalmente, en el escenario 3, el “costo de flete 1” es de S/.6,796,680, dado que 
contempla el traslado de todos los kits de ayuda humanitaria desde el puerto y el 
“costo de flete 2” es el mismo que en el escenario 2. Por lo tanto, el costo total de 
flete es de S/. 9,390, 212. En las tablas 5.11 y 5.12 se muestran los resultados y el 
detalle de los costos y tiempos por tipo de flete y por cada escenario. 
 
Tabla 5.11. Resultados por cada escenario 
 
Escenario 
Demanda 
(kits) 
Tiempo máximo 
Wik (horas) 
Cantidad de camiones 
almacén – ZR
1/
 
Rutas 
(2 nodos o más) 
Distancia recorrida 
almacén – ZR (km) 
1 2,792 2.8 37 5 721 
2 6,927 0.7 92 0 258 
3 506,968 166.7 6,504 2 187 
 
1/ ZR: Zona de refugio 
 
Elaboración propia 
 
 
Tabla 5.12. Costo total de traslado de kits de ayuda humanitaria por escenario 
 
 Escenario 1 Escenario 2 Escenario 3 
Demanda (kits) 2,792 6,927 506,967 
Tiempo flete 1 (horas) 2.8 0.7 166.7 
105  
 Escenario 1 Escenario 2 Escenario 3 
Tiempo flete 2 (horas) 0 288 288 
Tiempo total (horas) 2.8 288.7 454.7 
Cantidad de camiones 37 92 6,504 
Rutas (más de una parada) 5 0 2 
Costo flete 1 (S/.) 38,665 96,140 6,796,680 
Costo flete 2 (S/.) - 2,593,532 2,593,532 
Costo total (S/.) 38,665 2,689,672 9,390,212 
Elaboración propia 
 
 
5.4.2. Comparación de los costos de los tres escenarios 
Al comparar los escenarios 1 y 2, podemos observar que si bien el primero debe 
abastecer un número menor de afectados, el tiempo de respuesta es menor en el 
segundo escenario. Al analizar los resultados de la variable 𝑤𝑤𝑖𝑖𝑖𝑖 en ambos 
escenarios,  encontramos  que  en  el  escenario  1  se  proponen  cinco  rutas para 
abastecer los nodos remanentes, mientras que en el escenario 2 no se propone 
ninguna. Asimismo, el tiempo máximo 𝑤𝑤𝑖𝑖𝑖𝑖 igual a 168.2 minutos del escenario  1, 
coincide con el tiempo 𝑤𝑤511 correspondiente al nodo 5 y camión 11 del cluster  A, 
ambos pertenecientes a uno de los ruteos propuestos como se muestra en la  tabla 
5.13. Por lo tanto, se puede concluir que si el modelo priorizara el tiempo de 
respuesta únicamente, no propondría rutas con más de una parada en un nodo y 
sólo se enviaría camiones directos a las zonas de refugio, al margen de que la 
distancia recorrida y que el precio se incremente. Sin embargo, en una situación de 
nivel de emergencia 5, la cantidad de camiones es limitada y también el 
presupuesto de S/. 3,356,980 (INDECI, 2014) del INDECI, ya que está destinado 
tanto para la adquisición como para la gestión de la entrega de bienes de ayuda 
humanitaria a la población damnificada. Por lo tanto, no aplicaría a un escenario  
real considerar estos supuestos en el modelo. 
 
Tabla 5.13. Tiempo máximo 𝑤𝑤𝑖𝑖𝑖𝑖 en minutos en el escenario 1 
Escenario Ruta 
Tiempo de arribo Wik 
(minutos) 
1 Almacén – Zona 9.7 – Zona 3.3 – Almacén 168.2 
Elaboración propia 
 
 
Kits de ayuda humanitaria 
En el escenario 1 es pertinente resaltar que si bien se cumple con llegar a las zonas 
de refugio para abastecer a los afectados dentro de las 72 horas establecidas por el 
INDECI, la cantidad de kits que actualmente esta institución dispone es  insuficiente 
106  
para abastecer al total de afectados. Sin embargo, el objetivo del escenario 1 es 
proveer al INDECI y al área de defensa civil del GORE-Callao, un plan de 
distribución detallado y aplicable a la situación actual. 
 
 
Por otro lado, en los escenarios 2 y 3 partiendo del almacén nacional del INDECI en 
el Callao, el tiempo de llegada objetivo no se cumpliría con el parámetro de 72  
horas en todos los puntos de demanda, dado que el tiempo de tránsito desde los 
almacenes regionales del INDECI excede las 72 horas en las provincias de Puno, 
Cusco, Amazonas y Loreto, como se muestra en la tabla 5.14. Asimismo, en el 
escenario 3, dado que la cantidad actual de kits de ayuda humanitaria disponible en 
todos los almacenes nacionales del INDECI en el Perú no sería suficiente, 
aproximadamente el 90% se cubriría a través de bienes de ayuda humanitaria 
internacional que llegarían al almacén nacional del Callao desde provincias o desde 
el aeropuerto internacional Jorge Chávez. Por lo tanto, al igual que en el escenario 
2, el tiempo de arribo máximo de cada camión sería de 454.7 horas por lo que 
excede el objetivo. 
 
 
Tabla 5.14. Tiempo de tránsito en horas desde las regiones donde se ubican los 
almacenes nacionales del INDECI hasta el almacén nacional en el Callao 
Región 
Tiempo de 
tránsito (horas) 
Callao 0 
Lima 1 
Lambayeque 24 
La Libertad 24 
Tumbes 72 
Piura 72 
Ica 3 
Junín 24 
Tacna 72 
Arequipa 48 
Puno 96 
Cusco 216 
Amazonas 96 
Pasco 48 
Loreto 288 
Fuente: Empresa ABC (2015) 
Elaboración propia 
107  
CAPÍTULO 6. CONCLUSIONES Y RECOMENDACIONES 
6.1. Conclusiones 
Capítulo 1 
 
 Los desastres son fenómenos “socionaturales”, producto de los riesgos 
existentes que al ser gestionados incorrectamente, generan las condiciones 
de vulnerabilidad. 
 El nivel de riesgo o de probabilidad que se manifiesten ciertas 
consecuencias a raíz de un desastre, depende de la probabilidad de 
ocurrencia de los fenómenos y los elementos expuestos a los fenómenos 
(i.e. población, construcciones, actividades económicas, entre otros). 
 Las condiciones de vulnerabilidad tienen diversos factores explicativos que 
definen su nivel: actividad económica en las zonas de riesgo, densidad 
poblacional, la naturaleza de las construcciones y la ocupación espacial. Por 
otro lado, el resultado de la vulnerabilidad, luego de ocurrido un evento 
natural, tiene estrecha relación con la determinación del nivel de pérdida 
humana y/o material causada por el desastre. 
 En países en desarrollo como el Perú, la vulnerabilidad social muchas veces 
genera las condiciones de vulnerabilidad física y está relacionada a factores 
culturales como el nivel de conciencia, la pobreza y los niveles de desarrollo 
logrados en la comunidad. 
 Según la literatura revisada, la infraestructura y las estructuras son las 
variables que se mencionaron con mayor frecuencia como factores que 
afectan la vulnerabilidad. 
 
 
Capítulo 2 
 
 En la literatura revisada, hay una amplia propuesta de determinantes del 
nivel de pérdidas humanas que se pueden clasificar según su naturaleza, en 
particular, determinantes geológicas y socioeconómicas: 
o Las determinantes de naturaleza geológica propuestas por los 
investigadores son la magnitud del sismo, distancia entre el epicentro y 
el área afectada por el sismo, área de la región afectada, población de 
las localidades afectadas, frecuencia de sismos en la zona, latitud y 
altura sobre el nivel del mar de la localidad afectada. 
o Las determinantes de naturaleza socioeconómica propuestas por los 
investigadores son el PBI  per cápita,  desigualdad,  acción colectiva  de 
108  
mitigación, ayuda internacional recibida, calidad institucional, apertura al 
comercio exterior, característica de colonia pasada, y nivel de 
preparación en infraestructura y estructuras. 
 Con respecto a los resultados del modelo multivariado: 
o En el caso de los modelos de efectos fijos y efectos aleatorios, con un 
nivel de significancia del 10%, las siguientes variables geográficas son 
significativas para la estimación del número de damnificados: la 
magnitud del sismo y la distancia al epicentro del área afectada. Sin 
embargo, la distancia al epicentro no tiene una significancia apreciable 
con el número de damnificados. 
o Respecto a las variables socioeconómicas en el modelo de efectos fijos 
y efectos aleatorios, el nivel de exportaciones de bienes y servicios es 
significativo en la determinación del número de damnificados, con un 
nivel de significancia del 10%. Asimismo, la desigualdad del país en 
donde ocurrió el sismo es significativa para uno de los modelos de 
efectos aleatorios. No obstante, dicha variable no tiene una significancia 
apreciable con el número de damnificados. 
 
 
Capítulo 3 
 
 El Perú se encuentra en el límite de la placa Sudamericana y la placa de 
Nazca, por lo que el efecto de subducción entre ambas placas ha provocado 
un gran número de sismos en la parte occidental del país a lo largo de la 
historia. Sin embargo, al año 2015 se acumuló 41 años de silencio sísmico 
en la región de Lima y Callao. 
 El análisis de la provincia de Lima y la región del Callao revela las siguientes 
condiciones que configuran su vulnerabilidad: 
o Densidad poblacional: 
La región de Lima y Callao tiene 9,904,727 habitantes, lo  cual 
representa casi un tercio de la población nacional concentrada en un 
área de 2,811.65 km2. Esto genera una densidad poblacional de 3,522 
habitantes/km2, y es la cifra de densidad poblacional más elevada de 
todo el Perú. 
o Pobreza: 
El 67% de los hogares de Lima Metropolitana corresponde a los NSE C 
y D, y en promedio, en el año 2014, en la región del Callao una familia 
109  
gastaba mensualmente un aproximado de S/. 2,659, casi 11% menos 
que el gasto familiar promedio mensual de todo Lima Metropolitana. 
o Naturaleza de las construcciones: 
 El 28.6% de la población de Lima y Callao vive en zonas con niveles 
de riesgo alto, definidos por las características del suelo y por la 
calidad de las construcciones. 
 En particular, en el distrito del Callao hay muchas viviendas 
deterioradas y en Ventanilla hay varias “en consolidación” e 
improvisadas. 
o Calidad de los suelos: 
Los distritos de la región del Callao tienen suelos con niveles de peligro 
sísmico alto y muy alto, sobre todo en la parte del litoral. 
o Actividad económica en la zona de riesgo: 
El PBI de Lima y Callao corresponde al 49.1% del total nacional y 
representa casi la mitad del PBI de todo el Perú. Además, la actividad 
industrial de la región del Callao es aproximadamente el 80% de Lima 
Metropolitana. 
 A pesar de que el Perú cuenta con planes logísticos y planes de 
operaciones de emergencias, en las situaciones de desastres la efectividad 
de los planes tiene, entre otras, limitaciones económicas e institucionales- 
organizacionales: 
o Las limitaciones económicas se reflejan, entre otros aspectos, en: 
 Los niveles de stock de bienes de ayuda humanitaria que se 
almacenan, los cuales dependen del presupuesto y de la 
disponibilidad de almacenamiento. Según los funcionarios de la 
entidad, se establecen los niveles de inventario para abastecer entre 
el 5% y el 10% de la población damnificada estimada por el Plan 
Logístico del INDECI. Dicho plan refiere que la estimación de 
afectados y damnificados a nivel nacional, por causa de todos los 
desastres naturales y emergencias en el 2015 sería de 642,032. No 
obstante, los niveles de inventario gestionados por la institución son 
significativamente menores a los que requeriría esa cifra  de 
afectados y damnificados. 
 La movilización de bienes y recursos de varios almacenes nacionales 
del INDECI y de los depósitos de los gobiernos regionales y locales a 
raíz del terremoto de Pisco del 2007, no fue suficiente para abastecer 
110  
al número de afectados y damnificados y se tuvo que recurrir al 
apoyo de empresas privadas y entidades internacionales. 
o Las limitaciones institucionales-organizacionales se observan en: 
 Los planes de acción vigentes definidos en los reglamentos podrían 
reducir la respuesta eficiente ante una emergencia. Así, por ejemplo, 
el proceso de Declaratoria de Estado de Emergencia tiene una serie 
de requisitos documentarios que podrían ralentizar la velocidad de 
respuesta para atender a los afectados y damnificados. 
 Los gobiernos subnacionales son los encargados de la distribución 
final de los bienes de ayuda humanitaria y lo realizan según sus 
propios planes de operaciones y procedimientos, a través de sus 
Comités de Defensa Civil. La lectura detenida de dichos planes y 
procedimientos no revelan una distribución con sustento científico. 
 Los almacenes nacionales en la región de Lima y Callao son 
“almacenes generales” que reciben todos los bienes de ayuda 
humanitaria adquiridos por el INDECI y luego se reparten a los 
demás almacenes. Por otro lado, según las disposiciones del 
SINAGERD, los almacenes regionales están ubicados en  las 
capitales de los departamentos, o donde decida el gobierno regional. 
Sin embargo, no se han establecido lineamientos para la localización 
estratégica de los almacenes que permita una respuesta oportuna 
luego de ocurrido un desastre. 
 
 
Capítulo 4 
 
 En la logística humanitaria uno de los objetivos más relevantes es el tiempo 
de respuesta a diferencia del sector privado en donde a menudo el objetivo 
principal es minimizar los costos. 
 La selección del modelo VRPTW (VRP with Time Windows), explicado por 
Vigo y Toth (2002) se sustentó en el interés de determinar lo siguiente: 
o Si la capacidad de respuesta y atención a las personas afectadas en la 
región del Callao es realizable dentro de las 72 horas después de 
ocurrido el desastre natural, condición definida por el INDECI. 
o La cantidad de vehículos requerida para atender en el Callao, la 
estimación de los afectados provocados por un terremoto cuya  
magnitud es de grado 6.0 (o más) en la escala de Richter en un plazo  
de 72 horas. 
111  
o Las rutas de los vehículos a través de las zonas de refugio definidas por 
el GORE-Callao. 
 Varios de los supuestos del modelo de VPRTW de esta tesis, se definieron 
según la información que publica de INDECI y el área de defensa civil del 
GORE-Callao. 
 
 
Capítulo 5 
 
 La distancia total mínima recorrida en el escenario 1 es 721 km y  se 
requiere 37 vehículos o viajes que salen simultáneamente del almacén, con 
una velocidad constante de 30 km/h, para lograr atender en máximo 9 horas 
a los 2,792 afectados de este escenario. Asimismo, se concluye que el 
número mínimo de camiones para cumplir con el objetivo debería de ser 25 
vehículos que realizarían los 37 viajes, sin embargo esto aumentaría el 
tiempo de respuesta en las zonas de refugio. El INDECI establece un plazo 
ideal máximo de 72 horas para atender a los afectados y damnificados, por 
tanto, los resultados del modelo presentan un tiempo apreciablemente 
menor. 
 Tomando en cuenta solo el tiempo de respuesta desde el almacén nacional 
del INDECI y asumiendo que los vehículos salen en paralelo, se concluye 
que si bien en el escenario 1 se debe abastecer un número menor de 
afectados, el tiempo de respuesta es menor en el escenario 2. Al analizar   
los resultados de la variable 𝑤𝑤𝑖𝑖𝑖𝑖en ambos escenarios, encontramos que en 
el   escenario   1   se   proponen   cinco   rutas   para   abastecer   los  nodos 
remanentes, mientras que en el escenario 2 se envía camiones a las zonas 
de refugio y no hay un ruteo para los nodos remanentes. 
 Por tanto, se concluye que si el modelo priorizara tiempo de respuesta 
únicamente, no propondría rutas con más de una parada en un nodo y solo 
se enviaría camiones directos a las zonas de refugio y a los nodos 
remanentes, al margen de que el costo total de distribución se incremente al 
aumentar la cantidad de camiones enviadas. 
 En los escenarios 2 y 3, partiendo del almacén nacional del INDECI en el 
Callao, el tiempo de llegada no es menor a 72 horas porque el tiempo de 
tránsito desde los almacenes regionales del INDECI excede las 72 horas en 
las provincias de Puno, Cusco, Amazonas y Loreto, como se muestra en la 
tabla 5.14. 
112  
 En el escenario 2 y 3, dado que la mayor cantidad de kits de ayuda 
humanitaria provienen de los almacenes nacionales del INDECI (ubicados 
en provincias) o de países extranjeros, el tiempo máximo de abastecimiento 
excede el objetivo de abastecer a los afectados en un periodo de 72 horas 
posteriores al evento del desastre. 
 
6.2. Recomendaciones 
 Es importante mejorar la articulación entre los almacenes del INDECI, los 
almacenes de los gobiernos regionales y los almacenes de los gobiernos 
locales, para poder saber los niveles de inventario de ayuda humanitaria que 
maneja cada uno, y la demanda máxima que podrían atender con esos 
niveles. Actualmente, el INDECI no tiene una estimación a partir de qué 
momento se rebasa la capacidad de cada nivel de gobierno, y el punto de 
quiebre en el cual deberá presidir el Sistema Nacional de Gestión del Riesgo 
de Desastres. Debido al conocimiento incompleto sobre los niveles de 
inventario de ayuda humanitaria en los almacenes mencionados, el INDECI 
depende en buena medida de las Evaluaciones de Daños y Necesidades 
que se realizan luego de ocurrido el desastre. 
 El INDECI y los gobiernos regionales y locales debieran desarrollar 
cotizaciones con un mayor número de transportistas, para mejorar sus 
capacidades de respuesta dentro del marco del SINAGERD, y para reducir 
sus tiempos y costos de transporte. 
 Algunos trabajos futuros: 
o En las conclusiones se indicó que según las normas vigentes la gestión 
de los almacenes nacionales es responsabilidad del INDECI.  Si bien 
hay informes del CISMID sobre la calidad del suelo en Lima y Callao, la 
localización de los almacenes podría mejorarse contemplando otros 
criterios; así por ejemplo, el almacén ubicado en el Callao corre el  
riesgo de inundación en caso ocurra un tsunami. El almacén del 
Cercado de Lima cuenta con restricciones de espacio porque comparte 
instalaciones con el PRONAA51. El almacén de Lurín es relativamente 
pequeño para que cumpla un rol importante de abastecimiento en la 
zona sur de Lima caracterizada en buena parte, por la precariedad de 
sus viviendas y alta densidad poblacional. Las restricciones y 
necesidades de mejora de los almacenes nacionales del INDECI en    la 
 
51 
Programa Nacional de Asistencia Alimentaria. 
113  
región de Lima y Callao presentan una oportunidad para determinar las 
ubicaciones óptimas a través de técnicas de la Investigación de 
Operaciones. 
o Según las normas vigentes, la distribución de la ayuda humanitaria es 
responsabilidad de los gobiernos locales y de los gobiernos regionales. 
Es evidente en los planes logísticos de dichas entidades la falta de 
procedimientos con sustento científico para el reparto de la ayuda 
humanitaria. Es importante extender la investigación de la distribución 
de bienes a nivel de todo Lima Metropolitana, dicho plan logístico se 
podría también diseñar, como en esta tesis, con técnicas de la 
Investigación de Operaciones. 
114  
REFERENCIAS BIBLIOGRÁFICAS 
 
LIBROS 
 
 
Anderson, M., Woodrow, P. (1989). Rising from the Ashes: Development Strategies 
in Times of Disaster. Boulder y San Francisco: Westview Press. 
 
Buchanan, J. M. (1975). The Samaritan’s Dilemma, Altruism, Morality and Economic 
Theory. Russell Sage Foundation. 71–85. 
 
Lagorio H. J. (1990). Earthquakes: An Architect’s Guide to Nonstructural Seismic 
Hazards. John Wiley & Sons. 
 
Noji, E. K. (1997). The Public Health Consequences of Disasters. Oxford University 
Press. 
 
Silgado, E. (1978). Historia de los sismos más notables ocurridos en el Perú (1513- 
1974). Lima: INGEMMET. 
 
Smith, K. (1992). Environmental Hazards. Londres y Nueva York: Routledge. 
Toth, P., Vigo, D. (2002), The Vehicle Routing Problem. Philadelphia: SIAM. 
ARTÍCULOS CIENTÍFICOS 
 
 
Anbarci, N., Escaleras, M., Register, C.A. (2004). Earthquake Fatalities: The 
Interaction of Nature and Political Economy. Journal of Public Economics. 
(89), 1907–1930. Obtenido el 05/05/2013 de 
http://econpapers.repec.org/paper/fiuwpaper/0415.htm 
 
Alesina, A., Drazen, A. (1991). Why are Stabilizations Delayed. American Economic 
Review. (81), 1170–1188. 
 
Alesina, A. F., Dollar, D. (2000). Who Gives Foreign Aid to Whom and Why? Journal 
of Economic Growth. (5), 33–63. Obtenido el 25/08/2013 de 
http://www.nber.org/papers/w6612.pdf 
115  
Aneas de Castro, S.D. (2000). Riesgos y peligros: una visión desde la geografía. 
Revista Electrónica de Geografía y Ciencias Sociales. (60). Obtenido el 
05/05/2013 de 
http://www.avizora.com/atajo/informes_varios/catastrofes/0005_riesgos_peli 
gros_geografia.htm 
 
Cardona, O. D. (1993). Evaluación de la amenaza, la vulnerabilidad y el riesgo, 
Elementos para el Ordenamiento y la Planeación del Desarrollo. Revista 
Desastre y Sociedad. (6). Obtenido el 05/05/2013 de 
http://www.cardique.gov.co/public/userFiles/Articulo%20Evaluacion%20de% 
20la%20amenaza(1).pdf 
 
Coate, S. (1995). Altruism, the Samaritan’s Dilemma, and Government Transfer 
Policy. American Economic Review. (85)1, 46–57. 
 
Gassebner, M., Keck, A., Teh, R. (2009). Shaken, Not Stirred: The Impact of 
Disasters on International Trade. Review of International Economics. (18), 
351–368. Obtenido el 25/08/2013 de 
http://www.etsg.org/ETSG2008/Papers/Gassebner.pdf 
 
Jaiswal, K.S., Wald, D.J., Hearne, M. (2009). Estimating Casualties for Large 
Earthquakes Worldwide Using an Empirical Approach. U.S. Geological 
Survey Open-File Report OF 2009–1136. (78). Obtenido el 18/06/2016 de 
https://pubs.usgs.gov/of/2009/1136/pdf/OF09-1136.pdf 
 
Kaufmann, D., Kraay, A. y Mastruzzi, M. (2008). Governance Matters VII: Aggregate 
and Individual Governance Indicators 1996-2007. The World Bank (World 
Bank Policy Research Paper 4654). 
 
Loarche, G., Piperno, A., Sierra, P. (2011). Vulnerabilidad de las áreas inundables 
de la ciudad de Artigas. Impacto del evento de diciembre de 2009. Revista 
de la Facultad de Psicología, Universidad de la República, Uruguay. 
Obtenido el 15/06/2013 de 
http://revista.psico.edu.uy/index.php/revpsicologia/article/view/70/30 
 
Marianov, V., ReVelle, C. (1995). Siting Emergency Services. In Facility Location: A 
Survey of Applications and Methods. (1), 199-223. 
116  
Piperno, A., Sierra, P. (2013). Estrategias de intervención en áreas urbanas 
inundables: el caso Bella Unión, Uruguay. EURE. (39), 221-241. Obtenido el 
15/06/2013 de 
http://www.scielo.cl/scielo.php?pid=S0250- 
71612013000100009&script=sci_arttext 
 
Salas Serrano, J. (2007). Vulnerabilidad, pobreza y desastres ‘socionaturales’ en 
Centroamérica y El Caribe. Informes de la Construcción. (59). Obtenido el 
05/05/2013 de 
http://informesdelaconstruccion.revistas.csic.es/index.php/informesdelaconst 
ruccion/article/viewArticle/580 
 
Schilling, D., Vaidyanathan, D.A., Barkhi L.R. (1993). A Review of Covering 
Problems in Facility Location. Location Science. (1), 1, 25-55. 
 
Tavares, J. (2004). The Open Society Assesses its Enemies: Shocks, Disasters and 
Terrorist Attacks. Journal of Monetary Economics. (51), 1039–1070. 
 
Vollrath, D. (2007). Land Distribution and International Agricultural Productivity. 
American Journal of Agricultural Economics. (89), 202–216. Obtenido el 
18/09/2013 de 
http://www.econbiz.de/en/search/detailed- 
view/doc/all/Land%20distribution%20and%20international%20agricultural%2 
0productivity/10003448824/?no_cache=1 
 
 
PUBLICACIONES E INFORMES DE INSTITUCIONES 
 
 
El Proyecto Esfera (2011). Carta Humanitaria y normas mínimas para la respuesta 
humanitaria. Obtenido el 24/04/2016 de 
http://www.predes.org.pe/predes/images/manual_esfera_ver2.pdf 
 
España, Instituto Andaluz de Geofísica (2012). Información y Divulgación. Obtenido 
el 16/09/2013 de 
http://www.ugr.es/~iag/divulgacion/div_m.html 
117  
Estados Unidos (2013). U.S. Geological Survey, Earthquake Hazards Program, The 
Modified Mercalli Intensity Scale. Obtenido el 31/08/2014 de 
http://earthquake.usgs.gov/learn/topics/mercalli.php 
 
Perú,  Asociación  Peruana  de  Empresas  de  Investigación  de  Mercados  (2014). 
Niveles socioeconómicos. Obtenida el 24/04/2016 de 
http://www.apeim.com.pe/wp-content/themes/apeim/docs/nse/APEIM-NSE- 
2014.pdf 
 
Perú, Banco Central de Reserva del Perú (2000-2012). Exportaciones FOB, por 
grupo de productos. 
 
Perú, Centro de Estudios y Prevención de Desastres52 (2009). Diseño de Escenario 
Sobre el Impacto de un Sismo de Gran Magnitud en Lima Metropolitana y 
Callao, Perú. Lima. Obtenido el 24/04/2016 de 
http://www.predes.org.pe/archivos/publicaciones/d_esc_sis_lima.pdf 
 
Perú,  Centro  de  Estudios  y  Prevención  de   Desastres.   Terremotos  en    Lima. 
Obtenido el 24/04/2016 de 
http://www.cesvi.org.pe/cms_images/1225553373_Sismos%20en%20Lima.p 
df 
 
Perú, Centro Nacional de Estimación, Prevención y Reducción del Riesgo de 
Desastres. Presentación. Obtenido el 10/10/2013 de 
http://www.cenepred.gob.pe/es/presentacion.html 
 
Perú, Centro Peruano Japonés de Investigaciones Sísmicas y Mitigación de 
Desastres (2014). Terremoto de 8° podría ocurrir en el sur del país o en 
Lima. 
 
Perú,  Gobierno  Regional  del  Callao  (2008).  Plan  de  evacuación  Callao   2005. 
Callao. Obtenido el 13/05/2016 de 
http://seguridad.regioncallao.gob.pe/contenidos/planeamiento/planes_seguri 
dad/Plan_Operaciones_de_Emergencia_callao.pdf 
 
 
 
52 
PREDES 
118  
Perú, Gobierno Regional del Callao (2012). Plan Regional de Operaciones de 
Emergencia del Callao. Callao. Obtenido el 24/04/2016 de 
http://www.indeci.gob.pe/planes_proy_prg/p_operativos/p_oper_emerg/2008 
/04_planes_regionales/01_poe_callao.pdf 
 
 
Perú, Instituto Nacional de Defensa Civil (2007). Lecciones aprendidas del sur – 
Sismo de Pisco. Lima. Obtenido el 23/05/2016 de 
http://www.indeci.gob.pe/publicaciones/lecciones_aprendidas/contenido.swf 
 
Perú, Instituto Nacional de Defensa Civil (2011a). Plan de Operaciones de 
Emergencia Para el Área Metropolitana de Lima y la Región del Callao. 
Obtenido el 08/10/2013 de 
http://bvpad.indeci.gob.pe/doc/pdf/esp/doc1752/doc1752-contenido.pdf 
 
Perú, Instituto Nacional de Defensa Civil (2011b). Catálogo de Bienes de Ayuda 
Humanitaria. Obtenido el 24/04/2016 de 
http://www.indeci.gob.pe/objetos/secciones/Mw==/MjM=/lista/NjE2/12011060 
80900031.pdf 
 
Perú, Instituto Nacional de Defensa Civil (2012). CD Interactivo Estadístico del 
INDECI. 
 
Perú, Instituto Nacional de Defensa Civil (2013). Cartilla de Gestión Reactiva de 
Riesgo. Obtenido el 10/10/2013 de 
http://www.indeci.gob.pe/info_inst/c_grr.pdf 
 
Perú, Instituto Nacional de Defensa Civil (2014). Plan Operativo Institucional   2015. 
Obtenido el 24/04/2016 de 
http://www.indeci.gob.pe/objetos/secciones/MQ==/NQ==/lista/Ng==/MTU=/M 
Tg=/NzY5/201501201706311.pdf 
 
Perú, Instituto Nacional de Defensa Civil (2015). Plan Logístico INDECI AF-2015, 
para ayuda humanitaria ante emergencias o desastres. 
 
Perú, Instituto Nacional de Estadística e Informática (2007). Censo Nacional,  2007. 
Lima. Obtenido el 28/04/2013 de 
http://censos.inei.gob.pe/censos2007/indPobreza/ 
119  
Perú, Instituto Nacional de Estadística e Informática (2004-2009). Encuesta 
Nacional de Hogares, Anual 2004-2009. Lima. Obtenido el 05/05/2013 de 
http://www.inei.gob.pe/Sisd/index.asp 
 
Perú, Instituto Nacional de Estadística e Informática (2009). Perú: Mapa del Déficit 
Habitacional a Nivel Distrital, 2007. Lima. Obtenido el 16/06/2013 de 
http://www.inei.gob.pe/biblioineipub/bancopub/Est/Lib0868/libro.pdf 
 
Perú, Instituto Nacional de Estadística e Informática (2014). Directorio Central de 
Empresas y Establecimientos, 2014. Lima. 
 
Perú, Instituto Nacional de Estadística e Informática (2015a). Población total al 30 
de junio, por grupos quinquenales de edad, según departamento, provincia y 
distrito, 2015. Lima. Obtenido el 24/04/2016 de 
https://www.inei.gob.pe/estadisticas/indice-tematico/poblacion-y-vivienda/ 
 
Perú, Instituto Nacional de Estadística e Informática (2015b). Producto bruto interno 
por departamentos, 2015. Lima. Obtenido el 24/04/2016 de 
https://www.inei.gob.pe/media/MenuRecursivo/boletines/pbi-dep-2014.pdf 
 
Perú, Ministerio de Salud (2005). Plan Regional de Operaciones de Emergencia del 
Callao. Callao. Obtenido el 14/04/2016 de 
http://www.minsa.gob.pe/ogdn/cd1/pdf/pli_09/contenido.pdf 
 
Perú, Ministerio de Vivienda, Construcción y Saneamiento (2003). Norma Técnica 
de Edificación E.030 Diseño Sismorresistente. Lima. 
 
Programa de las Naciones Unidas (2014). Informe sobre Desarrollo Sostener el 
Progreso Humano 2014: Reducir vulnerabilidades y construir resiliencia. 92. 
Obtenido el 22/06/2016 de 
http://www.undp.org/content/dam/undp/library/corporate/HDR/2014HDR/HD 
R-2014-Spanish.pdf 
 
Proyecto Ciudades Focales (2012). Una Aproximación al Estudio de Vulnerabilidad 
ante Desastres en Lima Metropolitana. Lima. Obtenido el 24/04/2016 de 
https://ciudadesfocalesmirrlima.files.wordpress.com/2012/08/una- 
aproximacion-al-estudio-de-vulnerabiliad1.pdf 
120  
Proyecto INDECI-PNUD-ECHO Preparación ante Desastre Sísmico y/o Tsunami y 
Recuperación Temprana en Lima y Callao (2011). Recursos de Respuesta 
Inmediata y de Recuperación Temprana ante la Ocurrencia de un Sismo y/o 
Tsunami en Lima Metropolitana y Callao. Lima. Obtenido el 24/04/2016 de 
http://www.indeci.gob.pe/proyecto58530/objetos/archivos/20110606145516. 
pdf 
 
Suiza, Institute of Geophysics. Earthquake Statistics and Earthquake Prediction 
Research. Zurich. Obtenido el 10/06/2013 de 
http://www.earthquake.ethz.ch/education/NDK/NDK 
 
Tailandia, Asian Disaster Preparedness Center. Earthquake Vulnerability Reduction 
for Cities, Earthquake Vulnerability Concepts. Obtenido el 28/04/2013 de 
http://www.adpc.net/casita/Course%20Modules/Earthquake%20vulnerability 
%20reduction%20for%20cities/EVRC0301A_Earthquake_Vulnerability.pdf 
 
 
The World Bank (2016). Data Catalog. Obtenido el 18/06/2016 de 
http://datos.bancomundial.org/indicador/SI.POV.GINI 
 
Top Publications S.A.C. (2014). Top 10,000 2014. 
 
 
United Nations Disaster Relief Organization (1979). Natural Disasters and 
Vulnerability Analysis: Report of Expert Group Meeting. Obtenido el 
19/06/2016 de 
file:///C:/Users/Carola/Downloads/6115.pdf 
 
 
DOCUMENTOS INTERNOS 
 
 
Empresa ABC (2015). Licitación empresas transportistas TTN. Documento interno 
no publicado. Lima, Perú. 
 
Rodríguez Avellaneda, A.H. (2011, 13 de octubre). Análisis y evaluación de riesgo 
sísmico en líneas vitales, Caso de estudio Bogotá D.C. Documento interno 
no publicado. Universidad Nacional de Colombia. Obtenido el 05/05/2013 de 
http://www.bdigital.unal.edu.co/4879/11/795032.2011.parte11.pdf 
121  
Spence, R., So, E. (2009). Estimating Shaking-induced Casualties and Building 
Damage for Global Earthquake Events. Cambridge Architectural Research 
Ltd, 7–8. Obtenido el 10/06/2013 de 
http://earthquake.usgs.gov/research/external/reports/08HQGR0102.pdf 
 
 
PERIÓDICOS 
 
 
Alva Pino, M., Zarate, H. (2012, 16 de agosto). Cinco de cada 100 viviendas están 
aseguradas contra terremotos. Gestión. Obtenido el 05/05/2013 de 
http://gestion.pe/2012/08/16/tu-dinero/cinco-cada-100-viviendas-estan- 
aseguradas-contra-terremotos-2010206 
 
El 70% de casas de Lima carece de garantías frente a un sismo (2014, 8 de   abril). 
El Comercio. Obtenido el 05/05/2013 de 
http://elcomercio.pe/lima/ciudad/70-casas-lima-carece-garantias-frente- 
sismo-noticia-1721174 
 
Gobierno Regional del Callao lanza campaña de solidaridad a favor de Chosica 
(2015, 26 de marzo). Radio Nacional. Obtenido el 15/05/2016 de 
http://www.radionacional.com.pe/informa/locales/gobierno-regional-del- 
callao-lanz-campa-de-solidaridad-favor-de-chosica 
 
Obras sin licencia podrán ser regularizadas en 180 días (2008, 18 de diciembre). La 
República. Obtenido el 05/05/2013 de 
http://www.larepublica.pe/18-12-2008/obras-sin-licencia-podran-ser- 
regularizadas-en-180-dias 
 
Un día como hoy Lima y Callao sufrieron el peor sismo de su historia, en 1746 
(2011, 28 de octubre). El Comercio. Obtenido el 24/04/2016 de 
http://elcomercio.pe/peru/lima/dia-como-hoy-lima-callao-sufrieron-peor- 
sismo-su-historia-1746-noticia-1324967 
122  
FUENTES ELECTRÓNICAS 
 
 
Bothara, J. K., Parajuli, Y. K., Arya, A. S., Sharpe, R. D. (2000). Seismic Safety In 
Owner-Built Buildings. Obtenida el 13/05/2016 de 
http://www.iitk.ac.in/nicee/wcee/article/2130.pdf 
 
Fink, G., Redaelli, S. (2009). Determinants of International Emergency Aid – 
Humanitarian Need Only? World Development. (39), 741-757. Obtenida el 
25/08/2013 de 
http://www.wds.worldbank.org/servlet/WDSContentServer/WDSP/IB/2009/02 
/18/000158349_20090218082527/Rendered/PDF/WPS4839.pdf 
 
 
Gongol, B. (2009). Lifesaving through Economic Growth. Obtenida el 24/05/2013 de 
http://www.gongol.com/research/economics/lifesaving/ 
 
Jaiswal, K., Wald, D.J., Hearne, M. (2009). Estimating Casualties for Large 
Earthquakes Worldwide Using an Empirical Approach. Obtenida el 20/05/13 
de 
http://pubs.usgs.gov/of/2009/1136/pdf/OF09-1136.pdf 
 
 
Maskrey, A. (2005). Manejo de emergencias y acción contra desastres. Obtenida el 
05/05/2013 de 
http://content91.wuala.com/rawcontent/w-9QlI_ttrFrvohLmJ3- 
N0IpRZFlx7pqKo8pnf0gUp8DThZ4Acw7tDjb4E43Qd0Rz8JNNo8R3qtA5zx2l 
Hp9jDaswg6Vb- 
AnN_WvZspmUjYgtITwn3qOvXgJCpYaLrh_BH3F8uVBKzNu4JJdiAwG- 
XzJt6L_wcAQxM5- 
chKTvzftVhAmL3xQBTPnpmhfhRXKUlIQNEeoFBPCrWOAwzlVp2h9w- 
6FJz15MVkLoRBhfRA/Vulnerabilidad%2520y%2520Mitigaci%C3%B3n%252 
0de%2520Desastres.pdf 
 
National  Geophysical  Data  Center  (2015). The Significant  Earthquake Database. 
Obtenida el 22/02/2016 de 
https://www.ngdc.noaa.gov/ 
123  
Perú, Instituto Nacional de Defensa Civil (2016). Declaratoria de Estado de 
Emergencia 2016. Obtenida el 24/04/2016 de 
http://www.indeci.gob.pe/contenido.php?item=MjI= 
 
Raschky, P., Schwindt, M. (2009). Aid, Natural Disasters and the Samaritan’s 
Dilemma. The World Bank. Obtenido el 28/06/2013 de 
http://elibrary.worldbank.org/content/workingpaper/10.1596/1813-9450-4952 
 
Thomas, A. (1993). Ciencias Sociales y Desastres Naturales en América Latina: Un 
encuentro inconcluso. Obtenida el 02/05/2013 de 
http://www.desenredando.org/public/libros/1993/ldnsn/html/cap7.htm 
 
 
MONOGRAFÍAS 
 
 
Coburn, A., Spence, R. J. S., Pomonis, A. (1992a). Factors Determining Human 
Casualty Levels in Earthquakes: Mortality Prediction in Building Collapse. 
Proceedings of the First International Forum on Earthquake-Related 
Casualties. 
 
Coburn, A., Spence, R. J. S. (1992b). Earthquake Protection. Chichester, John 
Wiley and Sons Ltd. 74-80, 277- 285. 
 
Hays, W., Mohammadioun, B., Mohammadioun, J. (1998). Seismic Zonation: A 
Framework for Linking Earthquake Risk Assessment and Earthquake Risk 
Management. 
 
Rodríguez, A. H. (2011). Análisis y Evaluación de Riesgo Sísmico en Líneas Vitales. 
Caso de Estudio Bogotá D.C. Obtenida el 26/08/2013 de 
http://www.bdigital.unal.edu.co/4879/11/795032.2011.parte11.pdf 
 
Vargas, J. (2015). Aide à la conception de chaînes logistiques humanitaires 
efficientes et résilientes: application au cas des crises récurrentes 
péruviennes. Business administration. Ecole des Mines d’Albi-Carmaux. 
124  
DOCUMENTOS LEGISLATIVOS 
 
 
Perú, Congreso de la República del Perú (2011). Reglamento de la Ley Nº 29664 – 
Ley que crea el Sistema Nacional de Gestión del Riesgo de Desastres 
(SINAGERD). 18 de febrero. Obtenido el 10/10/2013 de 
http://www.indeci.gob.pe/norma_leg/reg_sinagerd.pdf 
Perú, Instituto Nacional de Defensa Civil (2012). Resolución Jefatural N° 077 – 2012 
– INDECI. 12 de abril. Obtenido el 08/10/2013 de 
http://www.indeci.gob.pe/objetos/secciones/MQ==/NQ==/lista/Ng==/MTU=/N 
jg1/3201204201724391.pdf