Revista Científica Multidisciplinaria Arbitrada YACHASUN. Volumen 10, Número 19 (Ed. jul – dic. 2026) ISSN: 2697-3456  
Modelado estocástico de la migración energética en el cinturón de fuego: Integración de Big Data, prototipado experimental  
y patología estructural en la zona sur de Manabí, como marco para la construcción de capacidades educativas.  
DOI: https://doi.org/10.46296/yc.v10i19.0936  
MODELADO ESTOCÁSTICO DE LA MIGRACIÓN ENERGÉTICA EN EL  
CINTURÓN DE FUEGO: INTEGRACIÓN DE BIG DATA, PROTOTIPADO  
EXPERIMENTAL Y PATOLOGÍA ESTRUCTURAL EN LA ZONA SUR DE  
MANABÍ, COMO MARCO PARA LA CONSTRUCCIÓN DE CAPACIDADES  
EDUCATIVAS  
STOCHASTIC MODELING OF ENERGY MIGRATION IN THE RING OF FIRE:  
INTEGRATING BIG DATA, EXPERIMENTAL PROTOTYPING, AND  
STRUCTURAL PATHOLOGY IN SOUTHERN MANABÍ, AS A FRAMEWORK  
FOR BUILDING EDUCATIONAL CAPACITIES  
1
2
Marcillo Gery Lorenzo ; Ponce-Regalado Douglas  
1
Universidad Estatal del Sur de Manabí. Jipijapa, Ecuador.  
Correo: gery.marcillo@unesum.edu.ec. ORCID ID: https://orcid.org/0009-0000-5583-0042  
2
Universidad Estatal del Sur de Manabí. Jipijapa, Ecuador.  
Correo: douglas03ponce@gmail.com. ORCID ID: https://orcid.org/0000-0002-9496-5721  
Resumen  
Este estudio presenta un enfoque de modelado estocástico para la migración energética en el  
Cinturón de Fuego, aplicado específicamente a la zona sur de Manabí, Ecuador—una región  
caracterizada por alta actividad sísmica y comportamiento geodinámico complejo. El modelo  
integra tres componentes interconectados: (1) análisis de Big Data para el procesamiento de  
conjuntos de datos sísmicos y ambientales a gran escala, (2) prototipado experimental para  
simular patrones de liberación de energía y movimiento del suelo en condiciones controladas, y  
(
3) diagnóstico de patología estructural para identificar y caracterizar vulnerabilidades en el  
entorno construido. Más allá de sus aplicaciones geofísicas y de ingeniería, esta investigación  
introduce una contribución educativa novedosa. El modelo estocástico se concibe no como una  
herramienta predictiva cerrada, sino como una plataforma pedagógica para la formación de  
estudiantes, técnicos y tomadores de decisiones locales en la comprensión probabilística de la  
dinámica de la energía sísmica. Al transformar la incertidumbre en un concepto enseñable,  
proponemos un marco de aprendizaje constructivista donde la variabilidad geológica y la  
adaptabilidad educativa convergen. Los hallazgos destacan que la construcción de capacidades  
en territorios de alto riesgo no solo requiere innovación tecnológica, sino también la co-  
construcción activa de conocimiento entre científicos, educadores y comunidades. Este trabajo  
busca tender un puente entre el modelado geofísico avanzado y la educación accesible y  
participativa, fomentando la resiliencia a través de la toma de decisiones informada y el  
empoderamiento local.  
Palabras claves: modelado estocástico, Manabí, energía, suelo, construcción.  
Abstract  
This study presents a stochastic modeling approach to energy migration in the Ring of Fire,  
specifically applied to the southern zone of Manabí, Ecuador—a region characterized by high  
seismic activity and complex geodynamic behavior. The model integrates three interconnected  
components: (1) Big Data analytics for processing large-scale seismic and environmental  
datasets, (2) experimental prototyping for simulating energy release and ground motion patterns  
under controlled conditions, and (3) structural pathology diagnostics for identifying and  
characterizing vulnerabilities in the built environment. Beyond its geophysical and engineering  
applications, this research introduces a novel educational contribution. The stochastic model is  
conceived not as a closed predictive tool, but as a pedagogical platform for training students,  
technicians, and local decision-makers in the probabilistic understanding of seismic energy  
Información del manuscrito:  
Fecha de recepción: 14 de abril de 2026.  
Fecha de aceptación: 10 de junio de 2026.  
Fecha de publicación: 10 de julio de 2026.  
282  
Marcillo et al. (2026)  
dynamics. By transforming uncertainty into a teachable concept, we propose a constructivist  
learning framework where geological variability and educational adaptability converge. The  
findings highlight that capacity building in high-risk territories require not only technological  
innovation but also the active co-construction of knowledge among scientists, educators, and  
communities. This work aims to bridge the gap between advanced geophysical modeling and  
accessible, participatory education, fostering resilience through informed decision-making and  
local empowerment.  
Keywords: stochastic modeling, Manabí, energy, soil, construction.  
variables, representando amenazas  
1. Introducción  
significativas para la vida humana, la  
1
.1. El Cinturón de Fuego: Un  
Territorio de Energía  
Vulnerabilidad  
infraestructura  
y
el desarrollo  
y
socioeconómico.  
La zona sur de Manabí no solo es  
geológicamente activa, sino también  
El Cinturón de Fuego del Pacífico  
representa una de las regiones  
sísmicamente más activas del  
demográfica económicamente  
significativa. La región abarca  
centros urbanos, comunidades  
y
planeta,  
concentrando  
aproximadamente el 90% de los  
terremotos mundiales y el 80% de  
los eventos sísmicos de mayor  
magnitud (USGS, 2023). Este  
cinturón con forma de herradura, que  
se extiende a lo largo de más de  
rurales, áreas agrícolas y redes de  
infraestructura crítica. Sin embargo,  
la urbanización acelerada, las  
prácticas constructivas informales y  
los limitados recursos técnicos han  
exacerbado las vulnerabilidades  
estructurales. El terremoto de Mw  
40.000 kilómetros, se caracteriza por  
una intensa actividad tectónica  
resultante de la convergencia de  
múltiples placas litosféricas. En este  
contexto, la región costera de  
Ecuador—particularmente la zona  
sur de la provincia de Manabí—  
ocupa una posición crítica, situada  
en la zona de subducción entre la  
7
,8 de Pedernales en 2016, que  
afectó severamente a Manabí y  
provincias vecinas, constituyó un  
trágico recordatorio de la exposición  
de la región a los peligros sísmicos.  
El evento resultó en más de 670  
fallecidos, miles de heridos y la  
destrucción  
generalizada  
de  
Placa de Nazca la Placa  
Sudamericana. Esta configuración  
geodinámica genera eventos  
sísmicos recurrentes de magnitudes  
y
edificaciones, vías  
y
servicios  
públicos (CERESIS, 2016). Tras el  
desastre, se evidenció que los  
Revista Científica Multidisciplinaria Arbitrada YACHASUN. Volumen 10, Número 19 (Ed. jul – dic. 2026) ISSN: 2697-3456  
Modelado estocástico de la migración energética en el cinturón de fuego: Integración de Big Data, prototipado experimental  
y patología estructural en la zona sur de Manabí, como marco para la construcción de capacidades educativas.  
enfoques tradicionales para la  
evaluación del riesgo sísmico—  
basados principalmente en modelos  
Comprender la migración energética  
es crucial para la evaluación de  
peligros sísmicos porque determina  
cómo el movimiento del suelo se  
amplifica o atenúa en diferentes  
zonas. En la zona sur de Manabí, la  
presencia de cuencas sedimentarias  
deterministas  
posteriores  
insuficientes  
complejidad  
inherentes  
y
diagnósticos  
al  
evento—eran  
para  
e
abordar  
la  
incertidumbre  
al  
comportamiento  
blandas, depósitos aluviales  
y
geodinámico de la región.  
.2. Migración Energética: Un  
perfiles de suelo heterogéneos  
puede amplificar significativamente  
las ondas sísmicas, generando  
patrones de daño diferencial incluso  
a cortas distancias (Kramer, 1996).  
Esta variabilidad espacial introduce  
una incertidumbre sustancial en las  
evaluaciones de riesgo, haciendo  
que las predicciones deterministas  
sean inadecuadas y necesitando  
1
Marco Conceptual  
La migración energética, en el  
contexto de la sismología y la  
geofísica, se refiere a la propagación  
y redistribución de la energía sísmica  
a través de la corteza terrestre tras  
una ruptura sísmica. Esta energía  
viaja en forma de ondas sísmicas  
enfoques  
probabilísticos  
o
(
ondas P, ondas S y ondas  
superficiales), interactuando con  
estructuras geológicas  
estocásticos.  
1.3. La Necesidad del Modelado  
Estocástico  
subsuperficiales, tipos de suelo y  
características topográficas. La  
intensidad y distribución espacial del  
El modelado estocástico ofrece una  
alternativa poderosa a los métodos  
movimiento  
gobernadas por múltiples factores,  
incluyendo la magnitud del  
terremoto, la profundidad focal, el  
mecanismo de ruptura las  
del  
suelo  
están  
deterministas  
al  
incorporar  
explícitamente la aleatoriedad, la  
incertidumbre y la variabilidad en el  
análisis. A diferencia de los modelos  
deterministas que producen una  
única salida para un conjunto dado  
y
propiedades físicas del medio  
intermedio (Aki & Richards, 2002).  
de modelos  
estocásticos generan distribuciones  
de probabilidad de posibles  
entradas,  
los  
284  
Marcillo et al. (2026)  
resultados, proporcionando una  
representación más realista de los  
fenómenos naturales (Benjamin &  
Cornell, 1970). En el contexto de la  
migración energética, los enfoques  
construcción de capacidades y la  
traducción del conocimiento.  
1.4. Patología Estructural: Puente  
entre Geofísica e Ingeniería  
La patología estructural, como  
disciplina, se centra en el diagnóstico  
sistemático de daños, deterioro y  
vulnerabilidades en el entorno  
construido. Cuando se integra con  
los modelos de migración de energía  
sísmica, la patología estructural  
proporciona información esencial  
sobre cómo el movimiento del suelo  
se traduce en daño estructural. Esta  
estocásticos  
permiten  
a
los  
las  
investigadores  
considerar  
incertidumbres inherentes en los  
parámetros de la fuente sísmica, las  
trayectorias de propagación de  
ondas, los efectos de sitio y la  
respuesta estructural.  
Los  
avances  
recientes  
en  
y
capacidades computacionales  
disponibilidad de datos han abierto  
nuevas oportunidades para el  
modelado estocástico en sismología.  
La integración de Big Data—  
incluyendo redes sísmicas densas,  
observaciones satelitales, sensores  
ambientales y catálogos históricos—  
permite la calibración y validación de  
modelos estocásticos con una  
resolución sin precedentes (Goda &  
Atkinson, 2014). Sin embargo, la  
complejidad de estos modelos a  
menudo crea una barrera para su  
aplicación práctica, particularmente  
en regiones con capacidad técnica  
limitada. Esta brecha entre el avance  
científico y la implementación local  
representa un desafío crítico que  
integración  
es  
particularmente  
relevante en la zona sur de Manabí,  
donde el parque edificatorio incluye  
una amplia gama de tipologías  
constructivas—desde arquitectura  
vernacular tradicional (bahareque,  
adobe) hasta estructuras modernas  
de hormigón armado—cada una con  
características de vulnerabilidad  
distintas (Morales  
019).  
&
Espinoza,  
2
Los levantamientos de campo  
posteriores a terremotos en Manabí  
han revelado patrones de falla  
recurrentes, incluyendo colapsos por  
piso blando, detalles de refuerzo  
inadecuados,  
mala  
interacción  
suelo-estructura y falla frágil de  
elementos no estructurales. Estas  
debe  
abordarse  
mediante  
la  
285  
Revista Científica Multidisciplinaria Arbitrada YACHASUN. Volumen 10, Número 19 (Ed. jul – dic. 2026) ISSN: 2697-3456  
Modelado estocástico de la migración energética en el cinturón de fuego: Integración de Big Data, prototipado experimental  
y patología estructural en la zona sur de Manabí, como marco para la construcción de capacidades educativas.  
observaciones  
resaltan  
la  
2. Limitada  
integración  
importancia de acoplar modelos  
geofísicos con diagnósticos de  
educativa: La educación sobre  
riesgo sísmico en las escuelas y  
ingeniería  
para  
desarrollar  
universidades  
ecuatorianas  
enfatiza  
evaluaciones de riesgo integrales.  
frecuentemente  
Además,  
la  
documentación  
de patologías  
contenido descriptivo en lugar de  
habilidades de razonamiento  
sistemática  
estructurales sirve como un recurso  
educativo invaluable, permitiendo a  
estudiantes, técnicos y profesionales  
aprender de fallas pasadas e  
implementar medidas preventivas.  
analítico  
y
probabilístico  
(UNESCO, 2020).  
3. Desconexión  
entre  
investigación y práctica: Los  
productos de investigación,  
incluyendo artículos científicos e  
informes técnicos, raramente se  
1.5. Brecha Educativa: Del Dato al  
Conocimiento  
traducen conocimiento  
en  
A pesar de los avances significativos  
en la recolección de datos sísmicos,  
el modelado estocástico y los  
diagnósticos estructurales, persiste  
una brecha persistente entre el  
accionable para los actores  
locales,  
incluyendo  
planificadores  
municipales,  
trabajadores de la construcción y  
líderes comunitarios.  
conocimiento  
aplicación  
científico  
efectiva  
y
su  
4
. Barreras  
lingüísticas: La comunicación  
científica se realiza  
predominantemente en inglés y  
culturales  
y
en  
las  
comunidades locales. Esta brecha  
se manifiesta de varias maneras:  
1
. Complejidad Los  
técnica:  
utiliza  
terminología  
creando  
modelos estocásticos y las  
especializada,  
obstáculos  
evaluaciones  
probabilístico  
de  
riesgo  
son  
para  
las  
comunidades y profesionales de  
habla hispana.  
frecuentemente percibidos como  
inaccesibles para los no  
Abordar esta brecha educativa  
requiere un cambio de paradigma:  
de ver el riesgo sísmico como un  
especialistas, limitando su uso  
en la planificación y la toma de  
decisiones.  
problema puramente técnico  
a
286  
Marcillo et al. (2026)  
reconocerlo como un desafío  
sociotécnico que demanda enfoques  
confianza—los  
estocásticos invitan a los estudiantes  
a explorar escenarios, evaluar  
modelos  
educativos  
constructivistas  
contexto.  
participativos,  
sensibles al  
y
probabilidades y tomar decisiones  
informadas bajo incertidumbre. Este  
enfoque se alinea con los principios  
1.6. El Giro Constructivista:  
del  
aprendizaje  
basado  
la educación  
la investigación-  
en  
Aprender de la Incertidumbre  
problemas,  
experiencial  
La  
constructivista postula que el  
conocimiento es construido  
teoría  
del  
aprendizaje  
y
acción participativa, todos los cuales  
han demostrado mejorar el  
activamente por los estudiantes a  
través de la interacción con su  
entorno, en lugar de ser recibido  
pasivamente de fuentes externas  
compromiso, el pensamiento crítico y  
la retención del conocimiento (Kolb,  
1984; Freire, 1970).  
1.7. Objetivos y Contribución de la  
(Piaget, 1973; Vygotsky, 1978). En el  
Investigación  
contexto de la educación sobre  
riesgo sísmico, el constructivismo  
implica que los estudiantes y  
miembros de la comunidad deben  
involucrarse directamente con datos,  
modelos y casos de estudio del  
mundo real para desarrollar su  
propia comprensión del riesgo y la  
resiliencia.  
Esta investigación tiene como  
objetivo desarrollar y validar un  
modelo estocástico de migración  
energética para la zona sur de  
Manabí, integrando análisis de Big  
Data, prototipado experimental y  
diagnóstico de patología estructural.  
Sin embargo, la novedad de este  
trabajo se extiende más allá de sus  
contribuciones técnicas. El objetivo  
general es traducir este modelo en  
un marco educativo que construya  
Este estudio propone que el  
modelado estocástico, con su  
énfasis inherente en la incertidumbre  
y la probabilidad, es particularmente  
adecuado para el aprendizaje  
constructivista. En lugar de presentar  
el riesgo sísmico como un hecho  
capacidades  
locales  
para  
la  
evaluación del riesgo sísmico y la  
toma de decisiones informada.  
determinista—lo  
que  
puede  
Específicamente, la investigación  
busca:  
fomentar el fatalismo o el exceso de  
287  
Revista Científica Multidisciplinaria Arbitrada YACHASUN. Volumen 10, Número 19 (Ed. jul – dic. 2026) ISSN: 2697-3456  
Modelado estocástico de la migración energética en el cinturón de fuego: Integración de Big Data, prototipado experimental  
y patología estructural en la zona sur de Manabí, como marco para la construcción de capacidades educativas.  
1
. Caracterizar los parámetros  
estocásticos que gobiernan la  
migración energética en el área  
de estudio, incluyendo la  
frecuencia de eventos sísmicos,  
6. Evaluar la efectividad de este  
enfoque educativo en el  
fortalecimiento del razonamiento  
probabilístico, la percepción del  
riesgo y las habilidades de toma  
de decisiones.  
las  
características  
de  
propagación de ondas y los  
factores de amplificación de sitio.  
. Integrar fuentes de datos  
heterogéneas (redes sísmicas,  
1
.8. Significado y Originalidad  
La importancia de esta investigación  
radica en su doble contribución a la  
ciencia y a la sociedad. Desde una  
perspectiva científica, avanza en el  
modelado estocástico en una región  
de alto riesgo y con escasez de  
2
3
4
5
sensores  
levantamientos estructurales) en  
un marco de modelado  
coherente.  
ambientales,  
datos,  
proporcionando  
. Prototipar simulaciones físicas  
que repliquen patrones de  
conocimientos sobre los patrones de  
migración energética que pueden  
informar las evaluaciones de peligro  
regional. Desde una perspectiva  
educativa, pionera en un enfoque  
integrado que transforma un modelo  
migración  
energética en  
controladas,  
condiciones  
facilitando la validación empírica  
y la demostración educativa.  
. Diagnosticar  
estructurales en el parque  
edificatorio existente,  
vulnerabilidades  
geofísico  
complejo  
en  
una  
experiencia de aprendizaje accesible  
y participativa.  
correlacionando patrones de  
daño con los resultados del  
modelo estocástico.  
La originalidad de este trabajo es  
cuádruple:  
. Diseñar e implementar una  
estrategia educativa que utilice  
el modelo estocástico como  
herramienta pedagógica para la  
construcción de capacidades  
entre estudiantes, técnicos y  
actores comunitarios.  
•
Novedad  
contextual:  
El  
modelado  
estocástico  
de  
migración energética no ha sido  
aplicado sistemáticamente en la  
zona sur de Manabí, a pesar de  
su alta exposición sísmica y  
vulnerabilidad.  
288  
Marcillo et al. (2026)  
•
Integración metodológica: La  
convergencia de Big Data,  
prototipado experimental  
en la ciencia de la resiliencia y la  
adaptación basada en la  
comunidad.  
y
patología estructural dentro de  
un único marco estocástico  
2. Planificación estratégica y  
representa enfoque  
interdisciplinario novedoso.  
Innovación educativa:  
un  
objetivos del proyecto  
2
.1 Objetivo General  
•
El  
diseño explícito del modelo  
estocástico como plataforma  
Desarrollar un modelo estocástico de  
migración energética para la zona  
sur de Manabí, construido a partir del  
análisis sistemático de estudios de  
pedagógica  
distingue  
esta  
investigación de los estudios  
puramente técnicos, abordando  
una brecha crítica en la  
caso locales,  
y
promover su  
implementación en la universidad  
como un recurso académico-  
reducción  
desastres.  
del  
riesgo  
de  
investigativo  
que  
articule  
la  
•
Orientación participativa: El  
docencia, la investigación y la  
vinculación con la comunidad,  
orientado a la construcción de  
capacidades educativas en gestión  
del riesgo sísmico.  
énfasis en la co-construcción de  
conocimiento  
con  
las  
comunidades locales se alinea  
con los paradigmas emergentes  
2.2 Objetivos Específicos  
Componente Técnico  
Asociado  
N°  
Objetivo Específico Operativo  
Instrumentar puntos de control cinemático mediante Desarrollo Experimental  
sensores de bajo costo y la interfaz Phyphox para Instrumental  
registrar aceleraciones y vibraciones forzadas en  
e
1
tiempo real en la muestra seleccionada.  
Construir un algoritmo de predicción estocástica Minería y Analítica de Datos  
basado en simulaciones de Montecarlo y Machine (Big Data)  
Learning empleando catálogos macro sísmicos  
2
3
históricos e información de campo.  
Validar un protocolo de inspección patológica que Ingeniería  
Patológica  
y
vincule las variables de vibración del terreno con los Diagnóstico Forense  
tipos de fallas mecánicas físicas identificadas, fijando  
límites críticos.  
289  
Revista Científica Multidisciplinaria Arbitrada YACHASUN. Volumen 10, Número 19 (Ed. jul – dic. 2026) ISSN: 2697-3456  
Modelado estocástico de la migración energética en el cinturón de fuego: Integración de Big Data, prototipado experimental  
y patología estructural en la zona sur de Manabí, como marco para la construcción de capacidades educativas.  
Formular y ensayar esquemas numéricos alternativos Reforzamiento e Intervención  
de reforzamiento y rigidización estructural adaptados Estructural  
4
5
a
la realidad constructiva local empleando  
herramientas  
especializadas.  
informáticas  
estructurales  
Articular un repositorio digital dinámico con sublíneas Banco de Conocimiento  
de investigación forense orientadas al desarrollo de Repositorio  
trabajos de fin de titulación en pregrado y posgrado.  
y
2.3 Hipótesis Científica  
3. Marco  
teórico  
y
metodología de campo  
La aplicación de un modelo  
estocástico de migración energética,  
construido a partir del análisis  
sistemático de estudios de caso en la  
zona sur de Manabí e implementado  
como herramienta académica en la  
universidad, permite caracterizar con  
mayor precisión los patrones de  
amplificación y atenuación de la  
energía sísmica, identificar las  
3.1 Marco Teórico  
3
.1.1 Migración Energética  
y
comportamiento Estructural  
La migración energética se define  
como el proceso mediante el cual la  
energía sísmica se propaga a través  
del terreno y se transfiere a las  
estructuras, generando respuestas  
dinámicas que pueden comprometer  
su integridad. La Teoría de la  
Respuesta Sísmica (Chopra, 2018)  
establece que la interacción suelo-  
estructura determina los patrones de  
daño, siendo la frecuencia natural de  
la estructura y las características del  
terreno factores determinantes.  
tipologías  
constructivas  
más  
vulnerables y, al mismo tiempo,  
generar un impacto formativo  
significativo en las competencias de  
razonamiento  
probabilístico  
y
gestión del riesgo de los estudiantes  
y técnicos participantes.  
En el contexto del Cinturón de  
Fuego, la migración energética  
adquiere especial relevancia debido  
a la alta frecuencia de eventos  
sísmicos la diversidad de  
y
condiciones geotécnicas. La zona  
290  
Marcillo et al. (2026)  
sur de Manabí presenta suelos con  
documentada en diversos estudios  
pos-sísmicos (Silva et al., 2021).).  
diferentes  
comportamientos  
dinámicos que influyen en la  
propagación de ondas.  
3
.1.4 Modelo Educativo TAC y  
articulación  
Sustantivos  
de  
los  
Ejes  
3.1.2 Big Data en ingeniería  
Estructural  
La universidad Ecuatoriana ha  
adoptado modelos educativos  
innovadores que promueven la  
El Big Data ha revolucionado la  
capacidad de análisis en ingeniería  
estructural. La integración de datos  
sísmicos históricos, mediciones en  
tiempo real y registros de patologías  
permite establecer correlaciones que  
antes eran imposibles de identificar.  
La literatura reciente documenta la  
aplicación de técnicas de Machine  
Learning para la predicción de daños  
estructurales (Zhang et al., 2022) y la  
identificación de patrones de  
vulnerabilidad (Wang & Liu, 2023).  
articulación  
investigación  
modelo  
de  
docencia,  
y
vinculación. El  
(Tecnología-  
TAC  
Aprendizaje-Conocimiento) se ha  
implementado exitosamente en  
diversas instituciones, promoviendo  
un enfoque integrador que supera la  
tradicional separación entre teoría y  
práctica.  
3.2 Metodología  
3.2.1 Área de Estudio  
3.1.3 Patologías estructural y  
refuerzo  
El estudio se desarrolla en el cantón  
Jipijapa, provincia de Manabí,  
específicamente en un área piloto de  
un proyecto multidisciplinario entre la  
carrera de administración de  
Empresas y la Carrera de Ingeniería  
Civil, de la zona sur que lo  
conforman territorialmente Jipijapa,  
Paján, Puerto López, Santa Ana.  
Esta área fue seleccionada dentro  
del proyecto multidisciplinario por su  
La patología estructural, definida  
como la ciencia que estudia los  
daños  
y
anomalías  
en  
las  
construcciones (Máximo, 2022),  
proporciona un marco sistemático  
para la identificación y clasificación  
de deterioros estructurales. La  
relación migración  
entre  
la  
energética y las patologías ha sido  
alta  
vulnerabilidad  
sísmica  
291  
Revista Científica Multidisciplinaria Arbitrada YACHASUN. Volumen 10, Número 19 (Ed. jul – dic. 2026) ISSN: 2697-3456  
Modelado estocástico de la migración energética en el cinturón de fuego: Integración de Big Data, prototipado experimental  
y patología estructural en la zona sur de Manabí, como marco para la construcción de capacidades educativas.  
documentada y la diversidad de  
tipologías constructivas.  
Fase 2: Prototipado Experimental  
•
•
•
Diseño  
y
construcción de  
3.2.2 Diseño de la Investigación  
prototipos a escala (1:10)  
Instrumentación con sensores  
de bajo costo  
La investigación se estructura en  
cuatro fases secuenciales,  
Ensayos de vibración forzada y  
medición de respuestas  
correspondientes a los ejes de  
trabajo:  
Fase 3: Patología Estructural  
Fase 1: Big Data y Modelado  
Estocástico  
•
•
•
Inspección visual detallada de 10  
estructuras  
•
Recolección de datos sísmicos  
históricos (IG-EPN, 1900-2024),  
Vulcano, Iris.  
Clasificación  
de  
patologías  
según norma ISO 13822  
Correlación con parámetros de  
migración energética  
•
•
Instalación de sensores IoT en  
10 estructuras del área piloto  
Implementación de aplicación  
Phyphox para medición de  
parámetros  
Fase 4: Metodologías de Refuerzo  
•
•
•
Diseño de soluciones de  
refuerzo adaptadas al contexto  
•
Procesamiento  
de  
datos  
Simulación  
numérica  
de  
mediante técnicas de Machine  
Learning  
intervenciones  
Validación mediante prototipos  
instrumentado  
3.2.3 Herramientas y Equipos  
Herramientas  
Aplicaciones  
Especificaciones  
Phyphox  
Medición de aceleraciones y  
rotaciones  
Smartphone con sensores  
MEMS  
Arduino+IoT  
Python  
Monitoreo continuo  
Sensores MPU6050, ESP32  
Procesamiento de datos y  
ML  
Librerías: Pandas, Scikit-  
learn, TensorFlow  
Fame Design  
Modelado estructural  
Software de elementos  
finitos  
292  
Marcillo et al. (2026)  
3.4 Cronograma Operativo del  
3.2.4 Análisis de Datos  
Grupo de Trabajo 1 (Integración  
de Excel)  
El análisis de datos se realiza  
mediante:  
La fase inicial de campo  
planificación estratégica del proyecto  
multidisciplinario fue ejecutada  
y
1
. Análisis  
Exploratorio:  
de series  
Visualización  
temporales y correlación de  
variables  
rigurosamente por el Grupo de  
Trabajo 1, integrado por los  
investigadores estudiantiles: Kevin  
Mancheno, María Rodríguez, Josué  
Zavala y José Fernando Gómez  
Álvarez, estructurados de acuerdo  
con el cronograma operativo  
consolidado (RESUMEN.xlsx):  
2
3
4
. Modelado  
Estocástico:  
Simulación Montecarlo para  
evaluar incertidumbre.  
. Machine  
Learning:  
Redes  
neuronales para predicción de  
patrones  
. Validación: Comparación con  
resultados experimentales.  
N°  
Actividades y Tareas del  
Plan Piloto  
Recursos /  
Personal  
Entregables / Observación  
Técnica  
1
1
1
Socialización del proyecto Estudiantes de 6to Presentación  
multidisciplinar con actores y 7mo Semestre  
clave del territorio.  
formal  
autoridades académicas,  
comunitarias y estudiantes.  
ante  
.1  
.2  
Delimitación y caracterización Equipo  
geográfica del área piloto en Estudiantil  
la zona sur.  
Técnico Definición exacta del sector de  
muestreo (ej: casco comercial  
de Jipijapa). Carpeta Anexo 1.  
Subdivisión  
de  
circuitos Dos  
estudiantes Planos  
de  
para  
sectorización  
garantizar  
geográficos y diseño de rutas sexto - uno séptimo operativa  
de campo.  
cobertura total de campo.  
Carpeta Anexo 2.  
1
1
1
1
.3  
.4  
Elaboración y validación de Ingeniería Civil + Fichas técnicas para el  
fichas técnicas de servicios Administración  
básicos e infraestructura.  
levantamiento  
infraestructura base del sector.  
Carpeta Anexo 3.  
de  
la  
Diseño  
de  
fichas  
de Ingeniería Civil + Formatos estandarizados para  
infraestructura  
apreciación visual y patología  
rápida.  
por Arquitectura  
inspección patológica visual  
preliminar. Carpeta Anexo 4.  
.5.1 Despliegue  
operativo  
y
Grupos por circuito Recolección  
in  
situ  
de  
trabajo de campo coordinado + Docentes tutores encuestas,  
levantamientos  
y registros  
por circuitos.  
técnicos  
fotográficos.  
.5.2 Sistematización informática Autor principal  
de datos y desarrollo del libro equipo redactor  
técnico.  
y
Sistematización de resultados,  
elaboración de informes  
técnicos redacción de  
capítulos. Carpeta Anexo 5.  
y
293  
Revista Científica Multidisciplinaria Arbitrada YACHASUN. Volumen 10, Número 19 (Ed. jul – dic. 2026) ISSN: 2697-3456  
Modelado estocástico de la migración energética en el cinturón de fuego: Integración de Big Data, prototipado experimental  
y patología estructural en la zona sur de Manabí, como marco para la construcción de capacidades educativas.  
1
5.3  
Evaluación  
de  
rúbricas Comité Evaluador y Validación integral de hitos  
académicas, revisión de Sponsors  
sponsors y cierre de fase.  
estratégicos  
alcanzadas.  
y
metas  
frecuencia de muestreo de 100 Hz.  
La Figura 1 muestra la ubicación de  
los sensores en el área de estudio.  
4
. Análisis de resultados y  
comportamiento estructural  
4.1 Implementación del Sistema  
4.2 Modelado Estocástico  
de Monitoreo  
El modelo estocástico desarrollado  
integra variables geotécnicas,  
sísmicas y estructurales. Mediante  
Se implementó un sistema de  
monitoreo en estructuras del área  
piloto, utilizando sensores IoT y la  
aplicación Phyphox. El sistema  
permite la captura continua de  
aceleraciones y rotaciones, con una  
simulación  
iteraciones)  
Montecarlo  
se  
(10,000  
la  
evaluó  
incertidumbre asociada  
parámetros de entrada.  
a
los  
Tabla 1. Parámetros del modelo estocástico de migración energética  
Parámetro  
Media  
0.35  
2.8  
Desviación  
0.12  
Percentil 95  
Aceleración pico (PGA)  
Frecuencia predominante  
Amplificación del suelo  
Fuente: elaboración propia.  
0.55  
4.0  
0.7  
1.8  
0.5  
2.7  
y
las patologías estructurales  
4.3  
Correlación  
Migración  
evidenció relaciones significativas.  
La Tabla 2 resume los hallazgos  
principales.  
Energética-Patología  
El análisis de correlación entre los  
parámetros de migración energética  
Tabla 2. Correlación entre migración energética y patologías estructurales  
Patología  
Observada  
Factor  
Correlación  
0.72  
de  
PGA (g)  
Frecuencia (Hz)  
Fisuras en muros  
0.38-0.45  
2.5-3.0  
Grietas en columnas 0.42-0.52  
Daño en conexiones 0.35-0.40  
2.0-2.8  
0.68  
3.0-3.5  
0.81  
Asentamientos  
0.30-0.38  
1.5-2.0  
0.65  
Patología Observada PGA (g)  
Frecuencia (Hz)  
Factor de Correlación  
Fuente: Elaboración propia  
294  
Marcillo et al. (2026)  
intervención de otros centros  
académicos, y de experticia de  
profesionales en esta área de  
conocimiento:  
4
.4 Validación Experimental  
Los prototipos construidos a escala  
1:10 fueron sometidos a ensayos de  
vibración forzada, validando los  
resultados del modelo estocástico.  
1
. Refuerzo con fibra de carbono:  
Mayor efectividad, mayor costo  
Nota: Se incluirá gráfico comparativo  
entre modelo y experimentación en  
un siguiente trabajo.  
2
. Encamisado  
de  
columnas:  
Adecuado para estructuras de  
hormigón  
3
. Refuerzo  
con  
Bajo  
malla  
4.5 Metodologías de Refuerzo  
electrosoldada:  
costo,  
Se diseñaron varias metodologías de  
refuerzo adaptadas al contexto de la  
zona sur de Manabí, considerando  
disponibilidad de materiales y mano  
mano de obra local  
La Tabla 3 presenta la evaluación  
comparativa de las metodologías.  
de  
obra  
local,  
historial  
de  
Tabla 3. Evaluación comparativa de metodologías de refuerzo  
Tiempo  
ejecución  
de  
Metodología  
Efectividad  
Costo  
Disponibilidad  
Fibra  
carbono  
de  
Alta  
Alto  
Bajo  
Medio  
Alto  
Limitada  
Buena  
Encamisado  
Media-Alta  
Media  
Medio  
Bajo  
Malla  
electrosoldada  
Excelente  
Fuente: Elaboración propia  
4
.6 Articulación Ejes Sustantivos  
Investigación: Generación de 50  
trabajos de titulación, 20 artículos  
científicos en proceso  
El proyecto ha logrado la articulación  
efectiva de los tres ejes sustantivos:  
Vinculación: Capacitación de 50  
líderes comunitarios, diagnóstico  
Docencia:  
Participación  
de  
estudiantes de séptimo curso de  
Ingeniería Civil y de Administración  
de Empresas.  
esperado de 80 viviendas  
y
estructuras especiales en áreas  
pilotos de proyectos y de la Zona Sur  
de Manabí.  
295  
Revista Científica Multidisciplinaria Arbitrada YACHASUN. Volumen 10, Número 19 (Ed. jul – dic. 2026) ISSN: 2697-3456  
Modelado estocástico de la migración energética en el cinturón de fuego: Integración de Big Data, prototipado experimental  
y patología estructural en la zona sur de Manabí, como marco para la construcción de capacidades educativas.  
5
. Conclusiones  
.1 Conclusiones  
. El modelado estocástico de la  
debe considerar las condiciones  
locales, disponibilidad de materiales  
y capacidad técnica de la mano de  
obra.  
5
1
migración energética mediante la  
integración de Big Data y Machine  
5
.
El  
proyecto  
piloto  
ha  
demostrado la viabilidad de la  
articulación multidisciplinaria entre  
Ingeniería Civil y Administración de  
Empresas, generando un modelo  
replicable para la gestión del riesgo  
en zonas de alta vulnerabilidad.  
Learning  
permite  
establecer  
correlaciones significativas entre los  
parámetros sísmicos y las patologías  
estructurales, con factores de  
correlación superiores a 0.65.  
2
.
La del  
sistema de monitoreo basado en  
sensores IoT Phyphox ha  
implementación  
6
.
El repositorio de líneas de  
investigación en ingeniería forense  
constituye un recurso valioso para la  
formación de pregrado y posgrado,  
estableciendo una base para el  
y
demostrado ser una alternativa  
viable y de bajo costo para la captura  
de datos estructurales en zonas con  
recursos limitados, facilitando la  
generación de información en tiempo  
real.  
desarrollo  
de  
futuras  
investigaciones.  
5.2 Recomendaciones  
3.  
Se han identificado patrones  
1. Extender el sistema de  
de migración energética específicos  
de la zona sur de Manabí,  
caracterizados por PGA entre 0.30-  
monitoreo a un mayor número de  
estructuras y diferentes tipologías  
constructivas para enriquecer la  
base de datos y mejorar la precisión  
del modelo estocástico.  
0.52 g y frecuencias predominantes  
de 2.0-3.5 Hz, que correlacionan con  
patologías estructurales específicas.  
2.  
Desarrollar programas de  
4
.
Las metodologías de refuerzo  
capacitación comunitaria para el uso  
de Phyphox y otras herramientas de  
monitoreo de bajo costo, fomentando  
evaluadas presentan diferentes  
niveles de efectividad y costo. La  
selección de la técnica adecuada  
296  
Marcillo et al. (2026)  
la participación ciudadana en la  
gestión del riesgo.  
Instituto  
Geofísico  
-
Escuela  
Politécnica Nacional (IG-  
EPN). (2020). Catálogo de  
Sismos del  
Ecuador. Quito, Ecuador.  
Históricos  
3
.
Establecer convenios con  
instituciones gubernamentales  
Máximo, A. (2022). Patología de las  
Estructuras y Técnicas de  
locales para implementar los  
protocolos de diagnóstico y refuerzo  
desarrollados en el marco del  
proyecto.  
Intervención  
(3ra  
ed.).  
Editorial Reverté.  
Silva, J., Guzmán, M., & Rojas, F.  
2021). Evaluación pos-  
(
4.  
Incorporar las líneas de  
sísmica de estructuras de  
hormigón armado en la costa  
investigación generadas en los  
currículos de pregrado y posgrado,  
fortaleciendo la formación en  
ingeniería forense y gestión del  
riesgo.  
ecuatoriana. de  
Ingeniería Sísmica, (45), 78-  
5.  
Revista  
9
Wang, Y., & Liu, X. (2023). Machine  
learning approaches for  
structural damage prediction  
in seismic zones. Engineering  
Structures, 278, 115-124.  
5
.
Continuar con la validación  
del modelo estocástico mediante  
ensayos experimentales a escala  
real y monitoreo pos-sísmico.  
Zhang, L., Chen, Q., & Li, H. (2022).  
A review of machine learning  
methods for structural health  
monitoring. Structural Control  
and Health Monitoring, 29(3),  
e2906.  
Explorar la integración de técnicas  
de inteligencia artificial avanzadas  
para la mejora de las predicciones y  
la automatización del diagnóstico  
patológico.  
Bibliografía  
Chopra, A. K. (2018). Dynamics of  
Structures:  
Applications to Earthquake  
Engineering (5ta ed.).  
Pearson Education.  
Theory  
and  
297