UPV



enero 2018


Publicada By  V铆ctor Yepes Piqueras - Docencia, estructuras, hormig贸n, ingenier铆a civil, innovaci贸n, investigaci贸n, modelo matem谩tico, optimizaci贸n, ordenadores, sostenibilidad, toma de decisiones, universidad    

El programa de la asignatura Modelos Predictivos y de Optimizaci贸n de Estructuras de Hormig贸n se ha dise帽ado bas谩ndose en el programa presentado en el departamento de Ingenier铆a de la Construcci贸n y Proyectos de Ingenier铆a Civil por parte de la unidad docente de 鈥Procedimientos de Construcci贸n y Gesti贸n de Obras鈥, al que est谩 adscrita en la actualidad la asignatura, y aprobado por el Consejo del Departamento. Las l铆neas maestras de los contenidos se definieron previamente en la Memoria de Verificaci贸n del t铆tulo oficial de 鈥M谩ster Universitario en Ingenier铆a del Hormig贸n por la Universitat Polit猫cnica de Val猫ncia鈥.聽Se trata de una de las asignaturas de la materia 鈥淎n谩lisis de estructuras de hormig贸n鈥, siendo obligatoria para todos los alumnos de esta titulaci贸n y se imparte en el primer cuatrimestre del primer curso. La asignaci贸n de cr茅ditos ECTS es de 5,0, repartidos en 3,0 cr茅ditos de teor铆a y 2,0 de pr谩cticas, de acuerdo con el Plan de Estudios actualmente en vigor en el Departamento de Ingenier铆a de la Construcci贸n y Proyectos de Ingenier铆a Civil.

Resultados de aprendizaje

Los resultados de aprendizaje de la asignatura se definen a partir de las competencias y de los contenidos (Yepes, 2017). Como resultado de aprendizaje general, al terminar con 茅xito esta asignatura, los estudiantes ser谩n capaces de 鈥comprender los diferentes m茅todos predictivos y procedimientos de optimizaci贸n de estructuras de hormig贸n de modo que dispongan de las herramientas necesarias para la toma de decisiones en el 谩mbito del proyecto, construcci贸n y mantenimiento de estas estructuras considerando los aspectos de sostenibilidad econ贸mica, social y ambiental鈥.

En relaci贸n con los resultados espec铆ficos de aprendizaje de la asignatura, tenemos los siguientes:

  • RA1聽聽聽 Seleccionar y aplicar las distintas t茅cnicas procedentes de la estad铆stica, de la investigaci贸n operativa y de la miner铆a de datos en la toma de decisiones en el 谩mbito del hormig贸n
  • RA2聽聽聽 Modelizar un problema de optimizaci贸n de una estructura de hormig贸n y resolverlo mediante algoritmos heur铆sticos secuenciales y poblacionales
  • RA3聽聽聽 Aplicar la inferencia estad铆stica multidimensional para interpretar el comportamiento de las variables cualitativas y cuantitativas en el 谩mbito del hormig贸n
  • RA4聽聽聽 Formular modelos lineales de regresi贸n m煤ltiple e interpretar su validez l铆mites predictivos
  • RA5聽聽聽 Emplear t茅cnicas de dise帽o de experimentos para conocer los efectos principales y las interacciones entre los distintos factores que afectan a una variable de respuesta en el 谩mbito del hormig贸n
  • RA6聽聽聽 Optimizar el comportamiento de una estructura de hormig贸n utilizando la metodolog铆a de la superficie de respuesta
  • RA7聽聽聽 Aplicar redes neuronales artificiales en la predicci贸n de sistemas altamente no lineales en el 谩mbito del hormig贸n
  • RA8聽聽聽 Aplicar t茅cnicas de decisi贸n multicriterio en la selecci贸n de la mejor tipolog铆a estructural considerando aspectos econ贸micos, ambientales y sociales
  • RA9聽聽聽 Elegir la mejor opci贸n de una frontera de Pareto tras aplicar t茅cnicas de decisi贸n multicriterio
  • RA10 Aplicar programas estad铆sticos avanzados, tales como SPSS o Minitab, y otros como Matlab, Sap y Excel en la predicci贸n de variables de respuesta y en problemas de optimizaci贸n en el 谩mbito del hormig贸n

 

Conocimientos previos

Los alumnos que cursan esta asignatura, tienen diversas procedencias: Ingenier铆a de Caminos, Canales y Puertos, Ingenier铆a Industrial, Arquitectura, Ingenier铆a Agron贸mica, Licenciado en Qu铆micas, Ingenier铆a Geol贸gica, Ingenier铆a T茅cnica de Obras P煤blicas, Ingenier铆a T茅cnica Industrial, o los actuales grados en ingenier铆a civil, de obras p煤blicas o m谩ster en ingenier铆a de caminos, canales y puertos, entre otros. Adem谩s los alumnos, en un porcentaje significativo, proceden de universidades latinoamericanas o europeas. Como es f谩cil de comprender, los alumnos tienen formaciones muy diferentes, habiendo estudiado las asignaturas relacionadas con el hormig贸n, con los m茅todos num茅ricos o la estad铆stica de forma muy diversa, con niveles de adquisici贸n de conocimientos descompensados. Esta situaci贸n implica cierta nivelaci贸n en cada uno de los temas, de forma que se adquieran los niveles b谩sicos de comprensi贸n de los contenidos de forma progresiva con el objetivo que todos los alumnos adquieran las competencias y los resultados de aprendizaje previstos.

Seg煤n la Gu铆a Docente de la asignatura, los conocimientos recomendados versar铆an sobre estad铆stica y sobre lenguajes de programaci贸n (MATLAB, SPSS, MINITAB, SAP, etc.), aunque no son imprescindibles.聽 Adem谩s, resultan necesarios unos conocimientos b谩sicos sobre el hormig贸n y su an谩lisis como material estructural. Ello obliga al profesor a sintetizar el contenido previo para la correcta comprensi贸n de la asignatura.

 

Programa resumido de la asignatura

La asignatura se desarrolla siguiendo un programa que tiene en cuenta los resultados de aprendizaje antes definidos, las actividades formativas y el sistema propuesto para la evaluaci贸n. Ello permite organizar la asignatura en 25 temas y sus pr谩cticas de inform谩tica asociadas.

  • Tema 1. La investigaci贸n operativa y la toma de decisiones
  • Tema 2. La modelizaci贸n de un problema estructural de hormig贸n
  • Tema 3. Algoritmos y problemas de decisi贸n
  • Tema 4. Optimizaci贸n y programaci贸n matem谩tica
  • Tema 5. Optimizaci贸n combinatoria y algoritmos heur铆sticos
  • Tema 6. Clasificaci贸n y uso de heur铆sticas y metaheur铆sticas
  • Tema 7. B煤squeda local de m谩ximo gradiente
  • Tema 8. Recocido simulado, aceptaci贸n por umbrales y b煤squeda tab煤
  • Tema 9. Sistemas de inteligencia de enjambre
  • Tema 10. Programaci贸n evolutiva y estrategias evolutivas
  • Tema 11. Algoritmos gen茅ticos y mem茅ticos
  • Tema 12. GRASP, b煤squeda dispersa y b煤squeda de la armon铆a
  • Tema 13. Heur铆sticas de optimizaci贸n multiobjetivo
  • Tema 14. Inferencia estad铆stica bidimensional
  • Tema 15. Inferencia estad铆stica multidimensional
  • Tema 16. Modelos lineales de regresi贸n m煤ltiple
  • Tema 17. Modelos de ecuaciones estructurales
  • Tema 18. Dise帽o de experimentos
  • Tema 19. Optimizaci贸n mediante la metodolog铆a de superficie de respuesta
  • Tema 20. Modelos Kriging y dise帽os robustos
  • Tema 21. Redes neuronales artificiales
  • Tema 22. Programaci贸n gen茅tica y l贸gica difusa
  • Tema 23. La toma de decisiones en el ciclo de vida de una estructura de hormig贸n
  • Tema 24. T茅cnicas de decisi贸n multicriterio continua
  • Tema 25. T茅cnicas de decisi贸n multicriterio discreta

 

 

Los 25 temas se encuentran agrupados en 4 bloques tem谩ticos. El primero de los bloques es introductorio. Consta de 5 temas que presentan al alumno la aplicaci贸n de las t茅cnicas de la investigaci贸n cient铆fica en el 谩mbito de la toma de decisiones en las empresas a trav茅s de lo que se conoce como investigaci贸n operativa. Se introduce al alumno en la forma de abordar los problemas reales en el 谩mbito de las estructuras de hormig贸n a trav茅s de modelos de distinto tipo. Se describen los componentes b谩sicos de un problema de optimizaci贸n: funci贸n objetivo, variables de decisi贸n, par谩metros y restricciones. A continuaci贸n se describe el concepto de algoritmo y complejidad algor铆tmica para explicar las limitaciones de la programaci贸n matem谩tica en la resoluci贸n de problemas reales, lo cual da paso a la introducci贸n de los algoritmos heur铆sticos como aproximaciones en la b煤squeda de 贸ptimos locales de calidad en tiempos de c谩lculo razonables.

El segundo de los bloques se centra en la descripci贸n y aplicaci贸n de la optimizaci贸n heur铆stica en las estructuras de hormig贸n. Se describe paso a paso tanto las t茅cnicas de b煤squeda secuencial de m谩ximo gradiente y de 鈥hill-climbing鈥 como otras t茅cnicas poblacionales basadas en los algoritmos gen茅ticos o en la inteligencia de part铆culas. Este bloque termina con una explicaci贸n de la optimizaci贸n multiobjetivo y la construcci贸n de fronteras de Pareto de calidad en el caso de confluencia de funciones objetivo contrapuestas.

El bloque tercero se centra espec铆ficamente en los modelos predictivos de las estructuras de hormig贸n. Se hace un repaso de las t茅cnicas de inferencia bidimensional y multidimensional para pasar a los modelos predictivos lineales, tanto los basados en regresiones m煤ltiples como en los modelos de ecuaciones estructurales. Posteriormente se aborda el dise帽o de experimentos como t茅cnicas estad铆sticas b谩sicas en la predicci贸n de los efectos principales y las interacciones de los distintos factores que afectan a un problema de hormig贸n. El estudio de los dise帽os factoriales lleva directamente al planteamiento de la metodolog铆a de la superficie de respuesta, que permite realizar la optimizaci贸n de la respuesta. Tanto la metodolog铆a de la superficie de respuesta como los modelos Kriging o las redes neuronales, constituyen metamodelos que se explican como herramientas muy 煤tiles para simplificar el espacio de soluciones de los problemas reales del hormig贸n estructural. En particular, los modelos Kriging permiten el dise帽o robusto 贸ptimo, es decir, aquel que se comporta bien incluso ante cambios en las variables o en las condiciones de contorno. Para los sistemas altamente complejos, se explican las redes neuronales artificiales que, adem谩s, permiten su uso como metamodelos o como parte de un algoritmo heur铆stico de optimizaci贸n. La programaci贸n gen茅tica y la l贸gica difusa tambi茅n se explican en una lecci贸n como herramientas posibles en el 谩mbito de los modelos predictivos y cuando los par谩metros o restricciones del problema no son determin铆sticos.

El cuarto bloque se dedica a la toma de decisi贸n multicriterio en las estructuras de hormig贸n. A los alumnos se les explica c贸mo, antes de realizar una optimizaci贸n multiobjetivo, es necesario seleccionar la mejor tipolog铆a estructural con base en criterios que no siempre son objetivos: econom铆a, plazo, est茅tica, medioambiente, aspectos sociales, durabilidad, etc. Se introducen las distintas t茅cnicas de toma de decisi贸n multicriterio y se comentan su empleo, incluso, para la obtenci贸n de pesos objetivos de criterios que pueden ser incluso subjetivo, o bien para la selecci贸n de la mejor opci贸n dentro de una frontera de Pareto tras una optimizaci贸n multiobjetivo.

En la Tabla siguiente se muestra el programa resumido de la asignatura 鈥Modelos Predictivos y de Optimizaci贸n de Estructuras de Hormig贸n鈥 (T, Teor铆a; P, Pr谩cticas inform谩ticas), indic谩ndose el n煤mero de horas asignadas a cada tema.

Referencias:

YEPES, V. (2017). Proyecto docente. Concurso de Acceso al Cuerpo de Catedr谩ticos de Universidad. Universitat Polit猫cnica de Val猫ncia, 642 pp.

 

Licencia de Creative Commons
Este obra est谩 bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.

 

 

Publicada By  V铆ctor Yepes Piqueras - Docencia, ingenier铆a civil, procedimientos de construcci贸n, universidad    

En posts anteriores se comentaron las competencias en el Grado de Ingenier铆a Civil de la Universitat Polit猫cnica de Val猫ncia y las dificultades que exist铆an en definir, a partir de ellas, los resultados de aprendizaje en el 谩mbito universitario. Pues bien, ahora explicitamos los resultados de aprendizaje de las asignaturas “Procedimientos de Construcci贸n (I)” y “Procedimientos de Construcci贸n (II)” de dicho grado.

 

 

 

Propuesta de resultados de aprendizaje de la asignatura 鈥Procedimientos de Construcci贸n I

Los resultados de aprendizaje propuestos para 鈥Procedimientos de Construcci贸n I鈥 se han formulado considerando las competencias y los contenidos de la asignatura, influyendo los criterios de evaluaci贸n seguidos para su consecuci贸n. En la Tabla 1 se recogen las relaciones entre los resultados de aprendizaje y las competencias asociadas. A modo de resumen, al terminar con 茅xito esta asignatura los estudiantes ser谩n capaces de 鈥comprender los diferentes procedimientos constructivos y aplicar la maquinaria y los medios auxiliares necesarios para realizar dichos trabajos, especialmente en lo relativo a los sondeos y mejora de terrenos, las excavaciones y voladuras y a la ejecuci贸n de firmes, as铆 como entender el funcionamiento de las instalaciones de fabricaci贸n de 谩ridos y de aglomerado asf谩ltico鈥.

Tabla 1. Resultados de aprendizaje de la asignatura 鈥淧rocedimientos de Construcci贸n I鈥

 

Donde:

A01 – Analizar cr铆ticamente los procesos propios de la Ingenier铆a Civil.

A04 – Comprender y utilizar el lenguaje propio de la ingenier铆a as铆 como la terminolog铆a propia de la Ingenier铆a Civil.

A10 – Tener la capacidad para organizar y gestionar t茅cnica, econ贸mica y administrativamente los distintos medios de producci贸n propios de la Ingenier铆a Civil.

A12 – Comprender los condicionamientos de car谩cter t茅cnico y legal que se plantean en la construcci贸n de una obra p煤blica, y capacitaci贸n para emplear m茅todos contrastados y tecnolog铆as acreditadas, para de conseguir la mayor eficacia de la construcci贸n respetando el medio ambiente y la protecci贸n de la seguridad y salud de los trabajadores y usuarios de la obra.

C09 – Analizar la problem谩tica de la seguridad y salud en las obras de construcci贸n.

C12 – Comprender los procedimientos constructivos, la maquinar铆a de construcci贸n y las t茅cnicas de organizaci贸n, medici贸n y valoraci贸n de obras.

 

Propuesta de resultados de aprendizaje de la asignatura 鈥Procedimientos de Construcci贸n II

Los resultados de aprendizaje propuestos para la asignatura 鈥Procedimientos de Construcci贸n II鈥 se han formulado considerando las competencias y los contenidos de la asignatura, influyendo asimismo los criterios de evaluaci贸n seguidos para su consecuci贸n. En la Tabla 2 se recogen las relaciones entre los resultados de aprendizaje y las competencias asociadas.

A modo de resumen, al terminar con 茅xito esta asignatura los estudiantes ser谩n capaces de 鈥comprender los diferentes procedimientos constructivos y aplicar la maquinaria y los medios auxiliares necesarios para realizar dichos trabajos, especialmente en lo relativo a la ejecuci贸n de cimentaciones y estructuras, as铆 como entender el funcionamiento de las instalaciones de fabricaci贸n de hormig贸n y de prefabricados, evaluar los costes y la producci贸n de los equipos y organizar y planificar las obras鈥.

Tabla 2. Resultados de aprendizaje de la asignatura 鈥淧rocedimientos de Construcci贸n II鈥

 

Donde:

A01 – Analizar cr铆ticamente los procesos propios de la Ingenier铆a Civil.

A02. – Aprender de manera aut贸noma nuevos conocimientos y t茅cnicas adecuados para la Ingenier铆a Civil.

A04 – Comprender y utilizar el lenguaje propio de la ingenier铆a as铆 como la terminolog铆a propia de la Ingenier铆a Civil.

A07 – Conocer y comprender las ciencias y las tecnolog铆as correspondientes para la planificaci贸n, proyecto, construcci贸n y explotaci贸n de las obras propias del Sector de la Ingenier铆a Civil.

A08 – Dirigir y coordinar grupos de trabajo en el 谩mbito de la Ingenier铆a Civil, proponiendo m茅todos de trabajo est谩ndar y herramientas a utilizar.

A10 – Tener la capacidad para organizar y gestionar t茅cnica, econ贸mica y administrativamente los distintos medios de producci贸n propios de la Ingenier铆a Civil.

A11 – Capacitar cient铆fica y t茅cnicamente para el ejercicio de la profesi贸n de Ingeniero T茅cnico de Obras P煤blicas con conocimiento de las funciones de asesor铆a, an谩lisis, dise帽o, c谩lculo, proyecto, construcci贸n, mantenimiento conservaci贸n y explotaci贸n.

C09 – Analizar la problem谩tica de la seguridad y salud en las obras de construcci贸n.

C12 – Comprender los procedimientos constructivos, la maquinar铆a de construcci贸n y las t茅cnicas de organizaci贸n, medici贸n y valoraci贸n de obras.

Referencias

Yepes, V. (2017). Proyecto Docente. Concurso de Acceso a Plaza de Catedr谩tico de Universidad. Universitat Polit猫cnica de Val猫ncia.

 

Licencia de Creative Commons
Este obra est谩 bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.

 

 

Publicada By  V铆ctor Yepes Piqueras - Docencia, ingenier铆a civil, universidad    

En el laboratorio de estructuras. Escuela de Ingenieros de Caminos de Valencia. Imagen: V. Yepes

Las metodolog铆as did谩cticas conforman uno de los pilares b谩sicos e indispensables de los proyectos formativos. 脡stas han evolucionado con los a帽os y son muchas las recopilaciones que se hacen de ellas. La expresi贸n m茅todo constituye un t茅rmino excesivamente amplio y heterog茅neo que se ha empleado como caj贸n de sastre en el que cabe desde la forma de afrontar los contenidos, los estilos de organizaci贸n del grupo de alumnos, el tipo de tareas o actividades de aprendizaje o el estilo de relaci贸n entre las personas, entre otros componentes.

 

 

 

 

En lo que sigue se utilizar谩 el concepto de m茅todo docente en su sentido m谩s amplio. 脡stos pueden clasificarse de diversas formas, atendiendo a determinadas caracter铆sticas no excluyentes. As铆, Garc铆a-Garc铆a (2002) los clasifica:

  • Por la forma de razonamiento: deductivos, inductivos, anal贸gicos o comparativos.
  • Por la coordinaci贸n de la materia: l贸gicos o psicol贸gicos.
  • Por la concretizaci贸n de la ense帽anza: simb贸licos o verbal铆sticos e intuitivos.
  • Por la sistematizaci贸n de la materia: r铆gida o semirr铆gida y ocasionales.
  • Por la actividad del alumnado: activos y pasivos.
  • Por la globalizaci贸n de los conocimientos: globalizados o especializados.
  • Por la relaci贸n entre profesor y alumno: individuales, rec铆procos y colectivos.
  • Por el trabajo del alumno: individual, colectivo o mixto.
  • Por la aceptaci贸n de lo ense帽ado: dogm谩ticos o heur铆sticos.

 

En clase de Gesti贸n de la Innovaci贸n. Imagen: V. Yepes

(m谩s…)

Publicada By  V铆ctor Yepes Piqueras - algoritmo, econom铆a, gesti贸n, investigaci贸n, Planificaci贸n, programaci贸n, proyectos    

A continuaci贸n os paso un art铆culo publicado en abierto sobre la programaci贸n de proyectos aplicando l贸gica difusa y la teor铆a del valor ganado. Espero que sea de vuestro inter茅s.

ABSTRACT:

This paper aims to present a comprehensive proposal for project scheduling and control by applying fuzzy earned value. It goes a step further than the existing literature: in the formulation of the fuzzy earned value we consider not only its duration, but also cost and production, and alternatives in the scheduling between the earliest and latest times. The mathematical model is implemented in a prototypical construction project with all the estimated values taken as fuzzy numbers. Our findings suggest that different possible schedules and the fuzzy arithmetic provide more objective results in uncertain environments than the traditional methodology. The proposed model allows for controlling the vagueness of the environment through the adjustment of the 伪-cut, adapting it to the specific circumstances of the project.

KEY WORDS:

Construction, Earned value method (EVM), Fuzzy logic, Fuzzy set, Project management, Scheduling

Reference:

PONZ-TIENDA, J.L.; PELLICER, E.; YEPES, V. (2012).聽Complete聽fuzzy scheduling and fuzzy earned value management in construction projects.Journal of Zhejiang University-SCIENCE A (Applied Physics & Engineering, 13(1):56-68. DOI:10.1631/jzus.A1100160.

Descargar (PDF, 2.02MB)

 

9 enero, 2018
 

Publicada By  V铆ctor Yepes Piqueras - algoritmo, carreteras, ciclo de vida, competitividad, econom铆a, empresas constructoras, estructuras, gesti贸n, hormig贸n, ingenier铆a civil, innovaci贸n, investigaci贸n, modelo matem谩tico, optimizaci贸n, Planificaci贸n, prefabricaci贸n, procedimientos de construcci贸n, proyectos, Puentes, riesgos, seguridad, sostenibilidad, toma de decisiones, universidad    

Hoy 2 de enero de 2018 empezamos oficialmente el proyecto de investigaci贸n DIMALIFE (BIA2017-85098-R): “Dise帽o y mantenimiento 贸ptimo robusto y basado en fiabilidad de puentes e infraestructuras viarias de alta eficiencia social y medioambiental bajo presupuestos restrictivos”. Se trata de un proyecto trianual (2018-2020) financiado por el Ministerio de Econom铆a, Industria y Competitividad, as铆 como por el Fondo Europeo de Desarrollo Regional (FEDER). La entidad solicitante es la Universitat Polit猫cnica de Val猫ncia y el Centro el ICITECH (Instituto de Ciencia y Tecnolog铆a del Hormig贸n). Los investigadores principales son V铆ctor Yepes聽(IP1) y Eugenio Pellicer聽(IP2). Al proyecto tambi茅n se le ha asignado un Contrato Predoctoral, que sacaremos a concurso pr贸ximamente. Con las restricciones presupuestarias tan fuertes en materia de I+D+i y con la alta competencia existente por conseguir proyectos de investigaci贸n, lo cierto es que estamos muy satisfechos por haber conseguido financiaci贸n. Adem谩s, estamos abiertos a cualquier tipo de colaboraci贸n tanto desde el mundo empresarial o universitario para reforzar este reto. Por tanto, lo primero que vamos a hacer es explicar los antecedentes y la motivaci贸n del proyecto.

La sostenibilidad econ贸mica y el desarrollo social de la mayor铆a de los pa铆ses dependen directamente del comportamiento fiable y duradero de sus infraestructuras (Frangopol, 2011). Las infraestructuras del transporte presentan una especial relevancia, especialmente sus infraestructuras viarias y puentes, cuya construcci贸n y mantenimiento influyen fuertemente en la actividad econ贸mica, el crecimiento y el empleo. Sin embargo, tal y como indica Mar铆 (2007), estas actividades impactan significativamente en el medio ambiente, presentan efectos irreversibles y pueden comprometer el presente y el futuro de la sociedad. El gran reto, por tanto, ser谩 disponer de infraestructuras capaces de maximizar su beneficio social sin comprometer su sostenibilidad (Aguado et al., 2012). La sostenibilidad, de hecho, constituye un enfoque que ha dado un giro radical a la forma de afrontar nuestra existencia. El calentamiento global, las tensiones sociales derivadas de la presi贸n demogr谩fica y del reparto desequilibrado de la riqueza son, entre otros, los grandes retos que debe afrontar esta generaci贸n. (m谩s…)

Universidad Politécnica de Valencia