Estudio de ubicación de las unidades básicas operativas del cuerpo general de bomberos voluntarios del Perú: caso Lima Metropolitana y Callao

Abstract

La presente investigación tiene como objetivo reducir el tiempo de respuesta a emergencias (TRE) del Cuerpo General de Bomberos Voluntarios del Perú (CGBVP) en Lima Metropolitana y Callao. Para ello, se describe la problemática actual del CGBVP y la Intendencia Nacional de Bomberos del Perú, institución encargada del manejo de recursos para la operatividad del CGBVP. En esta problemática, se identifica que la distribución de recursos es un factor que afecta el TRE en el que el 90% de los incidentes son atendidos en menos de 19.5 minutos. Al desarrollar un diagnóstico a la ubicación de recursos del CGBVP, se observa que el comportamiento del TRE es afectado por elementos externos tales como el crecimiento del parque automotor, la velocidad promedio de viaje y el crecimiento de emergencias atendidas. Adicionalmente, se desarrolla un diagnóstico a la cobertura actual y a las zonas de demanda por tipo de emergencia. En base a esta información, se elabora un modelo de optimización por límite de cobertura y un modelo de optimización por metas. En cada modelo, se consideran dos escenarios de evaluación en una región de análisis basada en la distancia de Manhattan. El primero consiste en determinar la configuración de estaciones en condiciones ideales, es decir, sin considerar las estaciones existentes en la región evaluada. El segundo escenario, consiste en evaluar la configuración de las estaciones que se deberán agregar o reubicar a las estaciones existentes. Luego, el resultado de cada modelo en ambos escenarios es evaluado en base al cumplimiento del estándar internacional NFPA 1720, considerando que el 90% de los incidentes sean atendidos en menos de 9 minutos. Finalmente, se concluye que ambos modelos presentan resultados óptimos en el diseño y en el análisis de sensibilidad en ambos escenarios. Además, se evidenció que el modelo de optimización por metas permite incluir variables políticas, económicas y sociales para obtener un modelo con un resultado holístico.