Antecedentes y motivación del proyecto de investigación DIMALIFE (2018-2020)

Hoy 2 de enero de 2018 empezamos oficialmente el proyecto de investigación DIMALIFE (BIA2017-85098-R): “Diseño y mantenimiento óptimo 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 Economía, Industria y Competitividad, así como por el Fondo Europeo de Desarrollo Regional (FEDER). La entidad solicitante es la Universitat Politècnica de València y el Centro el ICITECH (Instituto de Ciencia y Tecnología del Hormigón). Los investigadores principales son Víctor Yepes (IP1) y Eugenio Pellicer (IP2). Al proyecto también se le ha asignado un Contrato Predoctoral, que sacaremos a concurso próximamente. Con las restricciones presupuestarias tan fuertes en materia de I+D+i y con la alta competencia existente por conseguir proyectos de investigación, lo cierto es que estamos muy satisfechos por haber conseguido financiación. Además, estamos abiertos a cualquier tipo de colaboración 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 motivación del proyecto.

La sostenibilidad económica y el desarrollo social de la mayoría de los países 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 construcción y mantenimiento influyen fuertemente en la actividad económica, el crecimiento y el empleo. Sin embargo, tal y como indica Marí (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, será 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 presión demográfica y del reparto desequilibrado de la riqueza son, entre otros, los grandes retos que debe afrontar esta generación.

Por otra parte, el envejecimiento de las infraestructuras, la mayor demanda en su desempeño (aumento de tráfico, por ejemplo) o los riesgos naturales extremos como los terremotos, huracanes o inundaciones afectan al rendimiento previsto de estas infraestructuras a lo largo de su ciclo de vida (Biondini y Frangopol, 2016). Si a ello añadimos la profunda crisis financiera que ha afectado fuertemente la economía de nuestro país y que ha provocado el hundimiento de la actividad constructora, el panorama se complica. Las infraestructuras que se crearon con una financiación a largo plazo presentan actualmente déficits de conservación y es posible que las generaciones futuras tengan que hacer un esfuerzo adicional para actualizar los requisitos de seguridad y funcionalidad a su nivel de servicio previsto (Nishijima et al., 2007). Esta situación puede provocar una alarma social puntual, sobre todo con la interrupción de grandes vías de comunicación debidas a un excesivo deterioro. Un estudio sobre “Necesidades de Inversión en Conservación 2015-2016” de la Asociación Española de Carreteras, centrado en los firmes y la señalización, estima que el deterioro del patrimonio viario presenta un déficit acumulado de 6.617 millones de euros. Sin embargo, este problema es común a otros países desarrollados. El 9,1% de los puentes de Estados Unidos son estructuralmente deficientes, presentando casi cuatro de cada diez de ellos una edad superior a los 50 años. La American Society of Civil Engineers (ASCE, 2017) estima en 123.000 millones de dólares el coste para rehabilitar los puentes de este país. Se trata de una verdadera crisis en las infraestructuras. El reto social consistirá en aplicar unos presupuestos muy restrictivos que minimicen los impactos ambientales y los riesgos a las personas, y que la gestión sea socialmente sostenible dentro de una política de conservación del patrimonio. Por lo tanto, nos encontramos antes un problema de optimización muy complejo, con muchas restricciones y sometido a grandes incertidumbres, lo cual representa un reto científico importante.

Por otra parte, los aspectos sociales y medioambientales contradictorios a corto y largo plazo complican la toma de decisiones en el ámbito de las infraestructuras. Ello se enmaraña cuando el deterioro inevitable de las estructuras dependen de parámetros difíciles de estimar (Mahsuli y Haukaas, 2013) que requieren herramientas de identificación que complementen las inspecciones (Structural System Identification, SSI) (ASCE, 2011). La extracción del conocimiento derivado de la resolución de los problemas planteados en el ámbito de las decisiones públicas y privadas constituye uno de los aspectos punteros en la investigación (Moreno-Jiménez et al., 2012). De hecho, el concepto de infraestructura sostenible requiere una visión amplia a todos los niveles: ambientales, económicos, sociales, de seguridad, de prevención de riesgos, funcionales e incluso estéticos (San José y Garrucho, 2010). Existe una gran labor de investigación pendiente en el estudio de la sostenibilidad social de las infraestructuras, que debería mejorar la calidad de vida, proteger y promover la salud, buscar una distribución equitativa de los costes sociales de la construcción y buscar la equidad intergeneracional. Rodríguez-García y Martínez-González (2017) han propuesto un modelo para la estimación de la contribución de la sostenibilidad de las estructuras. Sin embargo, este planteamiento no contempla aspectos como la optimización o la variabilidad contemplados en este proyecto. De hecho, Rackwitz et al. (2005) plantean, en este sentido, una optimización socio-económica de las infraestructuras como un punto de arranque a la solución de este problema complejo. La norma ISO/DIS 21929-2 “Draft on Sustainability in buildings and civil Engineering Works – Sutainability indicators – Part 2: Framework for the development of indicators for civil Engineering works” se encuentra aún en fase de tramitación; en cualquier caso la diversidad de tipologías de las infraestructuras hace necesario adaptar nuevos enfoques y metodologías (Pacheco-Torres et al., 2017).

Existen dificultades cuando se emprende un análisis de ciclo de vida de una infraestructura debido a las incertidumbres presentes en la definición de las entradas y salidas del sistema (Jato-Espino et al., 2014), que incluye la tecnología empleada en la elaboración de las materias primas, la procedencia de los materiales y su transporte, la definición de los procesos constructivos y de demolición y reutilización de los materiales (Knoeri et al., 2011; Zastrow et al., 2017). El reto implica un proceso de toma de decisiones que minimice los impactos sociales y medioambientales al coste más bajo posible. En este sentido, trabajos como los de Kim et al. (2013) proponen procesos de toma de decisión eco-amigables basados en AHP (Saaty, 1980) que aplican al caso de dos tipologías de puentes. Un reciente estado del arte reciente sobre este tema se puede consultar en Penadés-Plà et al. (2016). Sin embargo, uno de los inconvenientes más importantes que encuentran es la gran dependencia de los resultados en función de los pesos asignados a cada uno de los factores. Trabajos como los de Moreno-Jimenez et al. (2016) tratan de superar estas deficiencias. Spencer et al. (2012) han tratado de cuantificar la sostenibilidad en los proyectos de puentes, contribuyendo también nuestro grupo a aportar soluciones en este tema (Yepes et al., 2015b; Sierra et al., 2017a, 2017b, 2018; Salas y Yepes, 2018).

La labor básica del ingeniero durante el desarrollo de cualquier sistema estructural, consiste en mejorar su rendimiento, tanto en términos constructivos como de coste de ciclo de vida. Estas mejoras se pueden alcanzar usando reglas de diseño basadas en la experiencia del ingeniero o bien de forma automática usando métodos de optimización que lleven al óptimo estructural (Yepes et al., 2008). Teniendo en cuenta la complejidad del problema estructural real, resulta evidente que no es una tarea fácil. La disponibilidad de ordenadores de elevada potencia de cálculo y bajo coste, junto con el desarrollo de técnicas de análisis inteligente y minería de datos, ha permitido que en las últimas décadas haya crecido de forma importante el diseño de estructuras óptimas. Sarma y Adeli (1998) aportan una extensa revisión de artículos sobre la optimización económica de estructuras de hormigón, insistiendo en la necesidad de optimizar estructuras reales de interés, tal y como ya apuntaron Cohn y Dinovitzer (1994), constatando la escasez en la aplicación de la optimización al hormigón estructural frente a las estructuras metálicas. Además de los métodos basados en la programación matemática, el problema de la optimización se puede abordar mediante técnicas metaheurísticas y bioinspiradas. La presencia de grupos de investigación europeos en optimización de estructuras de hormigón gravitan en la República Checa (Leps y Sejnoha), Grecia (Kousmousis y Arsenis), y Reino Unido (Topping, Leite, Rafiq, Southcomb, Ashad, Baines). En América destaca el grupo de Coello, en México, Haukaas en Canadá y en Estados Unidos los grupos de Camp, Adeli y Frangopol. En la India destacan Ramasamy, Ramanjaneyulu y Krishnamoorthy. También se conocen trabajos en los Emiratos Árabes (Altoubat) y en Irán (Kaveh y Sahab). Han existido contactos con estos grupos a través de congresos, revistas y dirección de ejercicios final de carrera (el caso del profesor Leps, con el programa ERASMUS). Destaca muy especialmente la estancia que realizó el Profesor Dan M. Frangopol (Lehigh University) entre los meses de mayo y junio de 2016 para trabajar con nuestro grupo de investigación, y cuyo resultado fue la publicación con nosotros de dos artículos de gran impacto (García-Segura et al. 2017a; 2017b). También la del Profesor Terje Haukaas (University of British Columbia, Vancouver, Canadá), que estará desde julio de 2017 trabajando con nosotros en su año sabático. La optimización heurística del hormigón estructural presenta pocos grupos de investigación en España; destaca el dirigido por Hernández en A Coruña, y el de Martí y Tomás, en la U.P. de Cartagena, con estudios sobre la optimización de forma y armado de estructuras laminares. Habría que añadir los trabajos encabezados por F. Navarrina y M. Casteleiro, también en A Coruña, en relación con aspectos topológicos, los de la UPM de Utrilla y Samartín sobre optimización de puentes y estructuras bidimensionales y la del grupo de la UPC (Aparicio, Casas y Ramos) con software de diseño automático para mejorar la elección en proyectos estructurales. En relación con los indicadores de contribución de las estructuras a la sostenibilidad, destacan los grupos de la UPC (Aguado), los de A Coruña (del Caño) los grupos de la UPM (Rodríguez y Fernández) o del IECA (Burón). También hay que resaltar el trabajo realizado por los profesores Castillo, Turmo Nogal, Lozano-Galant y colaboradores respecto a la identificación estructural mediante técnicas de observabilidad (Lozano-Galant et al., 2013), o bien la del profesor Astiz, de la UPM, en relación con la optimización de las estrategias de mantenimiento de puentes.

En relación con la optimización de puentes, la revisión mencionada de Cohn y Dinovitzer (1994) ya apuntaba la gran escasez de artículos publicados en esta materia. El diseño óptimo de vigas pre-tensadas, en especial la disposición de los tendones, es un problema clásico planteado desde hace años. Aparicio et al. (1996) presentaron un sistema de diseño asistido por ordenador de puentes de hormigón pretensado para carreteras, identificando cuáles eran las tipologías estructurales más eficaces. Hassanain y Loov (2003) presentan una revisión de las técnicas de optimización de puentes de hormigón. Sin embargo, tal y como apuntan Hernández et al. (2010), existe cierto vacío en la investigación que se ocupe específicamente de la optimización y el diseño de los puentes reales.

Con todo, la línea de investigación emprendida por nuestro grupo no puede quedarse en la mera optimización económica del hormigón estructural, que podría ser un objetivo a corto plazo de interés evidente para las empresas constructoras o de prefabricados. En anteriores proyectos afrontados por nuestro grupo de investigación (BIA2011-23602 y BIA2014-56574-R) se abordó tanto el diseño eficiente de estructuras con hormigones no convencionales basados en criterios sostenibles multiobjetivo mediante el empleo de técnicas de minería de datos, como la toma de decisiones en la gestión del ciclo de vida de puentes pretensados de alta eficiencia social y medioambiental bajo presupuestos restrictivos. En ambos casos se emplearon técnicas de optimización multiobjetivo para obtener diseños automáticos de estructuras que consideraban hormigones con baja huella de carbono, donde se incluían los aspectos de durabilidad, de consumo energético y de emisiones de CO2, de seguridad (García-Segura y Yepes, 2016; García-Segura et al., 2017a), y otros que se estudiaban a lo largo del ciclo de vida de las estructuras, en especial en puentes de hormigón pretensado, tanto prefabricados (Martí et al. 2016; Yepes et al., 2015b), como construidos “in situ” (García-Segura et al., 2017b). Además, se emplearon técnicas de decisión multicriterio para abordar, en primer lugar, la decisión de la mejor tipología constructiva de un puente, y posteriormente, para decidir la mejor de las opciones resultantes de la frontera de Pareto. La producción científica de ambos proyectos fue notable, con más de una treintena de artículos indexados en el JCR y la terminación de cinco tesis doctorales. Sin embargo, con el fin de poder dar un paso adelante, es necesario abordar las limitaciones y el alcance de ambos proyectos.

El proyecto DIMALIFE busca un salto cualitativo en nuestra línea de investigación que pretende superar algunas limitaciones en cuanto al alcance planteado hasta ahora. En primer lugar, los proyectos anteriores se centraban en la fase de diseño (Martí et al., 2015; García-Segura et al., 2017a; Yepes et al., 2017). Sin embargo, este es un aspecto muy específico, siendo necesario abordar en mayor profundidad el análisis dual sobre la necesidad de nuevas infraestructuras o la mejora de las existentes para el mejor aprovechamiento del parque actual. En efecto, todo parece indicar que en una situación de restricción presupuestaria como la actual va a ser difícil que el grueso del presupuesto se dedique a nueva construcción, siendo razonable su empleo en el mantenimiento y rehabilitación (Sánchez-Silva et al, 2016). En segundo lugar, las infraestructuras viarias incluyen no sólo puentes pretensados: el abanico estructural es más amplio, incluyendo incluso el mantenimiento del pavimento; en este sentido, algunos trabajos afrontados recientemente por el grupo (Yepes et al, 2016; Torres-Machí et al., 2017) han abordado el mantenimiento de pavimentos con restricciones presupuestarias. En tercer lugar, y aunque se han utilizado técnicas de decisión multicriterio para tratar aspectos complejos de sostenibilidad social y medioambiental (Penadés-Plà et al, 2016,2017; Sierra et al., 2017a,2017b) en el ámbito de las infraestructuras, existen limitaciones que se deben superar. Éstas tienen que ver con la sensibilidad que presentan las soluciones óptimas respecto a la variabilidad intrínseca de las variables y parámetros de los problemas estructurales, así como la influencia que presenta esta variabilidad en los resultados de los procesos de toma de decisiones. Por último, la toma de decisiones y la optimización multiobjetivo de los problemas reales conlleva un trabajo muy laborioso de programación de software propio que, en ocasiones, presenta tiempos de cálculo elevados que obliga a replantear las metodologías empleadas hasta el momento, a pesar de que las capacidades de cálculo de los ordenadores son cada vez mayores. Es el campo propicio para integrar metamodelos en los procesos de optimización, tal y como se ha empezado a realizar en algunos trabajos muy recientes del grupo en el caso de las redes neuronales (García-Segura et al., 2017a).

En efecto, a pesar de que se ha avanzado fuertemente en la optimización multiobjetivo de las estructuras, en el mundo real existen incertidumbres, imperfecciones o desviaciones respecto a los valores de los parámetros utilizados en los códigos (propiedades del material, geometría, cargas, etc.). De hecho, los códigos estructurales consideran las incertidumbres de forma simplificada definiendo los valores característicos para las variables aleatorias como percentiles de sus distribuciones y especifican unos coeficientes parciales de seguridad. Una estructura óptima se encuentra cercana a la región de infactibilidad, por lo que cualquier pequeña variación puede hacer que la estructura no cumpla con algunos de los estados límites previstos. La necesidad de incorporar las incertidumbres ha estimulado el interés por procedimientos capaces de proporcionar diseños más robustos y fiables (Martínez-Frutos y Martí, 2014). En efecto, se diferencian dos enfoques que consideran la respuesta probabilista en el proceso de diseño óptimo: el diseño basado en fiabilidad (Reliability-Based Design Optimization, RBDO) y el diseño óptimo robusto (Robust Design Optimization, RDO). En el primero se incluyen los efectos de la incertidumbre por medio de probabilidades de fallo y de valores esperados (Huang et al., 2017), mientras que el segundo trata de determinar un diseño menos sensible a las incertidumbres de las variables y de los parámetros que intervienen en la respuesta estructural (Doltsinis et al., 2004; Beyer et al., 2007). Muy recientes son los trabajos que han aplicado las técnicas de optimización multiobjetivo basado en fiabilidad a estructuras complejas como las turbinas en los aviones (Song et al., 2017).

El gran problema de la optimización multiobjetivo al incorporar las incertidumbres es su muy elevado coste computacional. Este problema ya se detectó por nuestro grupo de investigación en el caso de la optimización multiobjetivo basada en fiabilidad del mantenimiento de puentes (García-Segura et al., 2017b) donde se tuvieron que emplear redes neuronales como metamodelos (García-Segura et al, 2017a). Los metamodelos, también llamados modelos subrogados (surrogate models) proporcionan una relación funcional aproximada de las variables de diseño respecto a sus respuestas con un número moderado de análisis completos. Este tipo de aproximaciones se utilizan para reemplazar los análisis informáticos costosos facilitando la optimización multiobjetivo. Entre otros, podemos distinguir el diseño de experimentos, la metodología de la superficie de respuesta, los métodos Taguchi, las redes neuronales, las funciones de base radial o los modelos Kriging (Simpson et al., 2001; Kleijnen, 2017).

Por último, un aspecto no tratado que se desea incorporar al proyecto es aprovechar las conclusiones de los análisis de optimización para incluir criterios y recomendaciones que mejoren la contratación pública sostenible de las infraestructuras viarias, dado que se considera que este aspecto posee el potencial de influir fuertemente en las políticas futuras (Sourani y Sohail, 2011). Es por ello que DIMALIFE pretende determinar, dentro de sus objetivos, criterios e indicadores clave para garantizar una efectiva integración de la sostenibilidad en la licitación de proyectos de infraestructuras viarias. Dichos desarrollos pretenden ser la base para la definición de una guía que facilite a las Administraciones incorporar la sostenibilidad en los procedimientos de licitación de una manera efectiva; de modo que se influya sobre las tres etapas clave del procedimiento de licitación: definición de criterios de selección, definición de criterios de adjudicación y definición de especificaciones técnicas y cláusulas de desempeño.

Conviene remarcar, además, que nuestro equipo investigador ha llevado a cabo estudios de optimización heurística de estructuras de hormigón desde hace una década en una trayectoria de profundización de esta disciplina. Como resultado de lo anterior, los investigadores principales han dirigido 7 tesis doctorales, 15 tesinas de máster y se han publicado una cincuentena de artículos indexados JCR directamente relacionados con estos proyectos:

  • Proyecto 80016/A04: Optimización heurística económica de marcos de paso de carretera y ferrocarril. Se aplicó a la optimización en fase de diseño. Se detectó la necesidad de incluir estados límite no habituales en el cálculo de estas estructuras (fatiga, deformación, vibraciones).
  • Proyecto BIA2006-01444: Diseño óptimo sostenible de tableros de puentes losa pretensados. En este proyecto se optimizó tanto la economía como las emisiones de CO2 y el consumo energético en la fase de diseño de puentes losa postesados.
  • Proyecto BIA2011-23602: Diseño eficiente de estructuras con hormigones no convencionales basados en criterios sostenibles multiobjetivo mediante el empleo de técnicas de minería de datos (HORSOST). Con este proyecto se aplicó la optimización multiobjetivo considerando aspectos económicos y ambientales en fase de proyecto y de construcción. Se estudió asimismo el uso de hormigones con fibras, de alta resistencia y autocompactantes.
  • Proyecto BIA2014-56574-R: Toma de decisiones en la gestión del ciclo de vida de puentes pretensados de alta eficiencia social y medioambiental bajo presupuestos restrictivos (BRIDLIFE). Con este proyecto se analizaron puentes prefabricados y puentes construidos “in situ” considerando en la toma de decisiones aspectos sociales y ambientales, profundizando en la incorporación de hormigones con baja huella de carbono y el análisis completo del ciclo de vida.
  • Proyecto GV/2010/086 (Generalitat Valenciana). Criterios económicos y medioambientales para el diseño óptimo de pasos superiores mediante técnicas de inteligencia artificial y minería de datos. También dos proyectos financiados por la Universitat Politècnica de València centrados en el diseño óptimo de puentes prefabricados pretensados y con fibras.

 

Los trabajos desarrollados hasta el momento por nuestro grupo de investigación han permitido avances importantes en el diseño automatizado y óptimo de las estructuras de hormigón con múltiples criterios, sin embargo existen una serie de limitaciones que este proyecto tiene intención de superar:

  • Ampliación del análisis completo del ciclo de vida no sólo a los puentes, sino a otras estructuras asociadas a la infraestructura viaria (entre otras, diversas tipologías de muros, marcos, bóvedas de paso inferior).
  • Explorar el efecto de la aleatoriedad de los parámetros con la incorporación del diseño óptimo robusto y del diseño óptimo basado en fiabilidad para evitar que los proyectos reales optimizados sean infactibles ante pequeños cambios.
  • Utilizar metamodelos para reducir los tiempos de cálculo empleados en la optimización heurística multiobjetivo.
  • Profundización en las funciones de distribución de los impactos sociales y ambientales en las infraestructuras viarias.
  • Profundización en la investigación dirigida a la fase de mantenimiento, centrando más el problema social que plantean los puentes e infraestructuras viarias en servicio.
  • Incluir dentro de la sostenibilidad social aspectos relacionados con la seguridad de las personas (Fortunato III et al., 2012), o la influencia de la contratación de las obras (Molenaar et al., 2010).
  • Analizar la sensibilidad que existe en las políticas presupuestarias poco sensibles a la realidad del sector en la gestión de las estructuras. Ello supone modelar distintos escenarios económicos y analizar las soluciones eficientes derivadas, especialmente en épocas de crisis.
  • Profundización en la determinación de los factores determinantes en la toma de decisión multicriterio. Constituye un proceso altamente complejo que requiere de la participación de expertos multidisciplinares y un control sobre el sesgo (Hallowell y Gambatase, 2010).
  • Profundización en los costes de mantenimiento y los esperados en caso de fallo. Además, las incertidumbres asociadas con el deterioro requieren métodos probabilísticos (Osaka y Frangopol, 2009; Orcesi y Frangopol, 2011).
  • Profundizar en el análisis de ciclo de vida la inclusión de la demolición y reutilización de los materiales de las infraestructuras. Una variable de diseño debe ser la durabilidad y la incorporación de la recarbonatación del hormigón (García-Segura et al., 2014).

 

Lo indicado hasta ahora, que resume los antecedentes y las realizaciones del grupo, se podría sintetizar en los siguientes aspectos:

  1. La temática a investigar se ha ido profundizando en cada uno de los proyectos realizados, acorde a los objetivos previstos.
  2. Todos los estudios realizados hasta ahora estaban basados en la optimización multiobjetivo y la toma de decisiones a lo largo del ciclo de vida en el proyecto puentes pretensados. El objetivo es dar un salto al incorporar la respuesta probabilista, tanto en el diseño robusto como en el mantenimiento basándose en la fiabilidad introduciendo metamodelos. Se amplía el alcance a otras estructuras que forman parte de las infraestructuras viarias.

 

El motivo de este planteamiento no solo es un desafío científico, sino también una necesidad social. En efecto, las incertidumbres relacionadas con la toma de decisiones, no solo en el diseño de nuevas infraestructuras, sino especialmente en el mantenimiento, que contemplen aspectos de sostenibilidad social y ambiental en situaciones extremas de restricciones presupuestarias, es un problema que afecta directamente a las infraestructuras viarias. El problema es altamente complejo cuando se realizan análisis basados en la fiabilidad. Se hace necesario profundizar en el diseño robusto y el uso de metamodelos para asegurar que las soluciones optimizadas sean poco sensibles ante la variabilidad intrínseca de los parámetros. Se debe incorporar la contratación pública sostenible, tanto de nuevas infraestructuras viarias como de su mantenimiento, debido a su elevada influencia en el sector, no sólo en la actualidad sino también a medio plazo, con el fin de proponer políticas de actuación: las exigencias de las administraciones públicas serán de gran importancia futura para el diseño, construcción y mantenimiento de las infraestructuras, teniendo en cuenta las restricciones presupuestarias existentes. A continuación se relacionan los artículos JCR relacionados con el proyecto, fruto de proyectos anteriores.

BIBLIOGRAFÍA DEL GRUPO RELACIONADA CON EL PROYECTO

  1. CARBONELL, A.; GONZÁLEZ-VIDOSA, F.; YEPES, V. (2011). Heuristic optimization of reinforced concrete road vault underpasses. Adv Eng Softw, 42(4): 151-159.
  2. CARBONELL, A.; YEPES, V.; GONZÁLEZ-VIDOSA, F. (2012). Automatic design of concrete vaults using iterated local search and extreme value estimation. Lat Am J Solids Struct, 9:675-689.
  3. GARCÍA-SEGURA, T.; YEPES, V.; ALCALÁ, J. (2014a). Life-cycle greenhouse gas emissions of blended cement concrete including carbonation and durability. Int J Life Cycle Assess, 19(1):3-12.
  4. GARCÍA-SEGURA, T.; YEPES, V.; MARTÍ, J.V.; ALCALÁ, J. (2014b). Optimization of concrete I-beams using a new hybrid glowworm swarm algorithm. Lat Am J Solids Struct, 11:1190 – 1205.
  5. GARCÍA-SEGURA, T.; YEPES, V.; ALCALÁ, J.; PÉREZ-LÓPEZ, E. (2015). Hybrid harmony search for sustainable design of post-tensioned concrete box-girder pedestrian bridges. Eng Struct, 92:112-122.
  6. GARCÍA-SEGURA, T.; YEPES, V. (2016). Multiobjective optimization of post-tensioned concrete box-girder road bridges considering cost, CO2 emissions, and safety. Eng Struct, 125:325-336.
  7. GARCÍA-SEGURA, T.; YEPES, V.; FRANGOPOL, D.M. (2017a). Multi-Objective Design of Post-Tensioned Concrete Road Bridges Using Artificial Neural Networks. Struct Multidiscip O, 56(1):139-150.
  8. GARCÍA-SEGURA, T.; YEPES, V.; FRANGOPOL, D.M.; YANG, D.Y. (2017b). Lifetime Reliability-Based Optimization of Post-Tensioned Box-Girder Bridges. Eng Struct, 145:381-391.
  9. MARTÍ, J.V.; GARCÍA-SEGURA, T.; YEPES, V. (2016). Structural design of precast-prestressed concrete U-beam road bridges based on embodied energy. J Clean Prod, 120:231-240.
  10. MARTÍ, J.V.; GONZÁLEZ-VIDOSA, F. (2010). Design of prestressed concrete precast pedestrian bridges by heuristic optimization. Adv Eng Softw, 41:916-922.
  11. MARTÍ, J.V.; GONZÁLEZ-VIDOSA, F.; YEPES, V.; ALCALÁ, J. (2013). Design of prestressed concrete precast road bridges with hybrid simulated annealing. Eng Struct, 48:342-352.
  12. MARTÍ, J.V.; YEPES, V.; GONZÁLEZ-VIDOSA, F. (2014). A memetic algorithm approach to designing of precast-prestressed concrete road bridges with steel fiber-reinforcement. J Struct Eng ASCE, 04014114.
  13. MARTÍNEZ, F.J.; GONZÁLEZ-VIDOSA, F.; HOSPITALER, A.; YEPES, V. (2010). Heuristic Optimization of RC Bridge Piers with Rectangular Hollow Sections. Comput Struct, 88: 375-386.
  14. MARTÍNEZ. F.J.; GONZÁLEZ-VIDOSA, F.; HOSPITALER, A.; ALCALÁ, J. (2011). Design of tall bridge piers by ant colony optimization. Eng Struc, 33:2320-2329.
  15. MARTÍNEZ-MARTÍN, F.; GONZÁLEZ-VIDOSA, F.; HOSPITALER, A.; YEPES, V. (2013). A parametric study of optimum tall piers for railway bridge viaducts. Struct Eng Mech, 45: 723-740.
  16. MARTINEZ-MARTIN, F.J.; GONZALEZ-VIDOSA, F.; HOSPITALER, A.; YEPES, V. (2012). Multi-objective optimization design of bridge piers with hybrid heuristic algorithms. J Zhejiang Univ-SCI A, 13(6):420-432.
  17. MARTÍ-VARGAS, J.R.; FERRI, F.J.; YEPES, V. (2013). Prediction of the transfer length of prestressing strands with neural networks. Comput Concr, 12(2):187-209.
  18. MOLINA-MORENO, F.; GARCÍA-SEGURA; MARTÍ, J.V.; YEPES, V. (2017). Optimization of Buttressed Earth-Retaining Walls using Hybrid Harmony Search Algorithms. Eng Struct, 134:205-216.
  19. MOLINA-MORENO, F.; MARTÍ, J.V.; YEPES, V. (2017). Carbon embodied optimization for buttressed earth-retaining walls: implications for low-carbon conceptual designs. J Clean Prod, DOI:10.1016/j.jclepro.2017.06.246
  20. PAYÁ, I.; YEPES, V.; GONZÁLEZ-VIDOSA, F.; HOSPITALER, A. (2008). Multiobjective Optimization of Reinforced Concrete Building Frames by Simulated Annealing. Comput Aided Civ Infrastruct Eng, 23(8): 596-610.
  21. PAYÁ-ZAFORTEZA, I.; YEPES, V.; GONZÁLEZ-VIDOSA, F.; HOSPITALER, A. (2010). On the Weibull cost estimation of building frames designed by simulated annealing. Meccanica, 45(5): 693-704.
  22. PAYÁ-ZAFORTEZA, I.; YEPES, V.; HOSPITALER, A.; GONZÁLEZ-VIDOSA, F. (2009). CO2-Optimization of Reinforced Concrete Frames by Simulated Annealing. Eng Struct, 31(7): 1501-1508.
  23. PELLICER, E.; SIERRA, L.A.; YEPES, V. (2016). Appraisal of infrastructure sustainability by graduate students using an active-learning method. J Clean Prod, 113:884-896.
  24. PELLICER, E.; SANZ, M.A., ESMAEILI, B., MOLENAAR, K.R. (2016) Exploration of team integration in Spanish multi-family residential building construction. J Manag Eng, 32(5), 05016012
  25. PENADÉS-PLÀ, V.; GARCÍA-SEGURA, T.; MARTÍ, J.V.; YEPES, V. (2016). A review of multi-criteria decision making methods applied to the sustainable bridge design. Sustainability, 8(12):1295.
  26. PENADÉS-PLÀ, V.; MARTÍ, J.V.; GARCÍA-SEGURA, T.;  YEPES, V. (2017). Life-cycle assessment: A comparison between two optimal post-tensioned concrete box-girder road bridges. Sustainability, 9(10):1864.
  27. PEREA, C.; ALCALÁ, J.; YEPES, V.; GONZÁLEZ-VIDOSA, F.; HOSPITALER, A. (2008). Design of Reinforced Concrete Bridge Frames by Heuristic Optimization. Adv Eng Softw, 39(8): 676-688.
  28. PICORNELL, M., PELLICER, E., TORRES-MACHÍ, C., SUTRISNA, M. (2017). Implementation of Earned Value Management in unit-price payment contracts. Manag Eng, 33(3), 06016001.
  29. PONZ-TIENDA, J.L.; YEPES, V.; PELLICER, E.; MORENO-FLORES, J. (2013). The resource leveling problem with multiple resources using an adaptive genetic algorithm. Autom Constr, 29(1):161-172.
  30. PONZ-TIENDA, J.L.; SALCEDO-BERNAL, A.; PELLICER, E., (2017). A parallel branch and bound algorithm for the resource leveling problem with minimal lags. Comput Aided Civ Infrastruct Eng, 32(6): 474–498.
  31. PONZ-TIENDA, J.L.; SALCEDO-BERNAL, A., BENLLOCH-MARCO, J.; PELLICER, E. (2017) Improved Adaptive Harmony Search algorithm for the resource levelling problem with minimal lags. Autom Constr, 77: 82-92.
  32. SALAS, J.; YEPES, V. (2018). A discursive, many-objective approach for selecting more-evolved urban vulnerability assessment models. J Clean Prod, (accepted, in press).
  33. SIERRA, L.A.; PELLICER, E.; YEPES, V. (2016). Social sustainability in the life cycle of Chilean public infrastructure. J Constr Eng M ASCE, 142(5): 05015020.
  34. SIERRA, L.A.; PELLICER, E.; YEPES, V. (2017). Method for estimating the social sustainability of infrastructure projects. Environ Impact Asses, 65:41-53.
  35. SIERRA, L.A.; YEPES, V.; PELLICER, E. (2017). Assessing the social sustainability contribution of an infrastructure project under conditions of uncertainty. Environ Impact Asses, 67:61-72.
  36. SIERRA, L.A.; YEPES, V.; GARCÍA-SEGURA, T.; PELLICER, E. (2018). Bayesian network method for decision-making about the social sustainability of infrastructure projects.  J Clean Prod, 176:521-534.
  37. TORRES-MACHÍ, C.; CHAMORRO, A.; PELLICER, E.; YEPES, V.; VIDELA, C. (2015). Sustainable pavement management: Integrating economic, technical, and environmental aspects in decision making. Transport Res Rec, 2523:56-63.
  38. TORRES-MACHÍ, C.; CHAMORRO, A.; YEPES, V.; PELLICER, E.; (2014). Models and actual practices in the economic and environmental evaluation for the sustainable management of pavements networks. Rev Constr 13(2): 49-56.
  39. TORRES-MACHI, C.; PELLICER, E.; YEPES, V.; CHAMORRO, A. (2017). Towards a sustainable optimization of pavement maintenance programs under budgetary restrictions. J Clean Prod, 148:90-102.
  40. TORRES-MACHÍ, C.; YEPES, V.; ALCALA, J.; PELLICER, E. (2013). Optimization of high-performance concrete structures by variable neighborhood search. International Journal of Civil Engineering, 11(2):90-99.
  41. YEPES, V.; ALCALÁ, J.; PEREA, C.; GONZÁLEZ-VIDOSA, F. (2008). A Parametric Study of Optimum Earth Retaining Walls by Simulated Annealing. Eng Struct, 30(3): 821-830.
  42. YEPES, V.; DÍAZ, J.; GONZÁLEZ-VIDOSA, F.; ALCALÁ, J. (2009). Caracterización estadística de tableros pretensados para carreteras. Rev Constr, 8(2):95-109.
  43. YEPES, V.; GONZÁLEZ-VIDOSA, F.; ALCALÁ, J.; VILLALBA, P. (2012). CO2-Optimization Design of Reinforced Concrete Retaining Walls based on a VNS-Threshold Acceptance Strategy. J Comput Civ Eng ASCE, 26 (3):378-386.
  44. YEPES, V.; GARCÍA-SEGURA, T.; MORENO-JIMÉNEZ, J.M. (2015a). A cognitive approach for the multi-objective optimization of RC structural problems. Archives of Civil and Mechanical Engineering, 15(4):1024-1036.
  45. YEPES, V.; MARTÍ, J.V.; GARCÍA-SEGURA, T. (2015b). Cost and CO2 emission optimization of precast-prestressed concrete U-beam road bridges by a hybrid glowworm swarm algorithm. Autom Constr, 49:123-134.
  46. YEPES, V.; MARTÍ, J.V.; GARCÍA-SEGURA, T.; GONZÁLEZ-VIDOSA, F. (2017). Heuristics in optimal detailed design of precast road bridges. Archives of Civil and Mechanical Engineering, 17(4):738-749.
  47. YEPES, V.; MEDINA, J.R. (2006). Economic Heuristic Optimization for Heterogeneous Fleet VRPHESTW. J Transp Eng ASCE, 132(4): 303-311.
  48. YEPES, V.; TORRES-MACHÍ, C.; CHAMORRO, A.; PELLICER, E. (2016). Optimal pavement maintenance programs based on a hybrid greedy randomized adaptive search procedure algorithm. Journal of Civil Engineering and Management, 22(4):540-550.
  49. ZAMARRÓN-MIEZA, I.; YEPES, V.; MORENO-JIMÉNEZ, J.M. (2017). A systematic review of application of multi-criteria decision analysis for aging-dam management. J Clean Prod, 147:217-230.
  50. ZASTROW, P.; MOLINA-MORENO, F.; GARCÍA-SEGURA, T.; MARTÍ, J.V.; YEPES, V. (2017). Life cycle assessment of cost-optimized buttress earth-retaining walls: a parametric study. J Clean Prod, 140:1037-1048.

BIBLIOGRAFÍA GENERAL

  • AGUADO, A. et al. (2012). Sustainability Assessment of Concrete Structures within the Spanish Structural Concrete Code. J Constr Eng Manage ASCE, 138(2):268-276.
  • APARICIO, A.C.; CASAS, J.R.; RAMOS, G. (1996). Computer aided design of prestressed concrete highway bridges. Comput Struct, 60:957–969.
  • ASCE (2011). Structural identification (St-Id) of constructed facilities. Technical report, ASCE SEI Committee on Structural Identification of Constructed Systems.
  • ASCE (2017). Report card for America’s infrastructure, 2017 progress report, Washington DC.
  • ASOCIACIÓN ESPAÑOLA DE LA CARRETERA (2016). Necesidades de inversión en conservación 2015-2016, Madrid.
  • BEYER, H.; SENDHOFF, B. (2007). Robust optimization – A comprehensive survey. Computer Methods in Applied Mechanics and Engineering, 196(33-34), 3190-3218.
  • BIONDINI, F., FRANGOPOL, D. M. (2016). Life-Cycle of Deteriorating Structural Systems under Uncertainty: Review. J Struct Eng ASCE, 142(9), F4016001.
  • COHN, M.Z. (1994). Application of structural optimization. J Struct Eng ASCE, 120(2):617-649.
  • DOLTSINIS, I.; KANG, Z., (2004). Robust design of structures using optimization methods. Computer methods in applied mechanics and engineering, 193(23-26), 2221-2237.
  • FORTUNATO III, B.R. et al. (2012). Identification of safety risks for high performance sustainable construction projects. J Constr Eng Manage ASCE, 138(4): 499-508.
  • FRANGOPOL, D. M. (2011). Life-cycle performance, management, and optimisation of structural systems under uncertainty: accomplishments and challenges. Struct Infrast Eng, 7(6), 389-413.
  • HALLOWELL, M.R.; GAMBATASE, J.A. (2010). Qualitative research: application of the Delphi method to CEM research. J Constr Eng Manage ASCE, 136(1): 99-107.
  • HASSANAIN, M.A.; LOOV, R.E. (2003). Cost optimization of concrete bridge infrastructure. Canadian J Civ Eng, 30:841-849.
  • HERNÁNDEZ, S.; FONTAN, A.; DÍAZ, J.; MARCOS, D. (2010). An improved software for design optimization of prestressed concrete beams, Adv Eng Softw, 41:415–421.
  • HUANG, Z. L. et al. (2017). Reliability-based design optimization for problems with interval distribution parameters. Struct Multidiscip O, 55(2), 513-528.
  • JATO-ESPINO, D. et al. (2014). A fuzzy stochastic multi-criteria model for the selection of urban pervious pavements. Expert Syst Appl, 41:6807-6817.
  • KIM, S.H. et al. (2013). Environmental impact assessment and eco-friendly decision-making in civil structures. J Env Manag, 126:105-112.
  • KLEIJNEN, J.P.C. (2017). Regression and Kriging metamodels with their experimental designs in simulation: A review. Eur J Op Res, 256(1):1-16.
  • KNOERI, C. et al. (2011). Decisions on recycling: Construction stakeholders’ decisions regarding recycled mineral construction materials. Resources, Conservation and Recycling, 55:1039-1050.
  • LOZANO-GALANT, J.A.; NOGAL, M.; CASTILLO, J.; TURMO, J. (2013). Application of observability techniques to structural system identification. Comput Aided Civ Infrastruct Eng, 28(6):434-450.
  • MARI, A. (2007). Educar para la sostenibilidad en el ámbito de la ingeniería. Conferencia de clausura. II Jornadas de enseñanza del hormigón estructural. ACHE, Madrid, pp. 33-49.
  • MARTÍNEZ-FRUTOS, J.; MARTÍ, P. (2014). Diseño óptimo robusto utilizando modelos Kriging: aplicación al diseño óptimo robusto de estructuras articuladas. Rev Int Metod Numer., 30(2):97-105.
  • MAHSULI, M.; HAUKAAS, T. (2013). Sensitivity measures for optimal mitigation of risk and reduction of model uncertainty. Reliability Engineering and System Safety, 117:9-20.
  • MOLEENAR, K.R.; SOBIN, N.; ANTILLON, E.I. (2010). A synthesis of best-value procurement practices for sustainable design-build projects in the public sector. J Green Build, 5(4):148-157.
  • MORENO-JIMÉNEZ, J.M. et al. (2012). A collaborative platform for cognitive decision making in the Knowledge Society. Computers in Human Behavior, 28:1921-1928.
  • NISHIJIMA, K. et al. (2007). Inter-generational distribution of the life-cycle cost of an engineering facility. J Reliab Struct Mat, 1(3):33-46.
  • ORCESI, A.D.; FRANGOPOL, D.M. (2011). Probability-based multiple-criteria optimization of bridge maintenance using monitoring and expected error in the decision process. Struct Multidisc Optim 44:137-148.
  • OSAKA, N.M.; FRANGOPOL, D.M. (2009). Lifetime-oriented multi-objective optimization of structural maintenance considering system reliability, redundancy and life-cycle cost using GA. Structural Safety, 31:460-474.
  • PACHECO-TORRES et al. (2017). Nuevo indicador de sostenibilidad en infraestructuras de puentes de carreteras. Aplicación del método de decisión multicriterio. Congreso ACHE 17, 10 pp.
  • RACKWITZ, R. et al. (2005). Socio-economically sustainable civil engineering infrastructures by optimization. Structural Safety, 27(3):187-229.
  • RODRÍGUEZ-GARCÍA, F.; MARTÍNEZ-GONZÁLEZ, J. (2017). Nuevo modelo para la estimación de la contribución a la sostenibilidad de las estructuras. Congreso ACHE 17, 10 pp.
  • SAATY, T.L. (1980). The analytic hierarchy process, McGraw-Hill, New York.
  • SÁNCHEZ-SILVA, M., FRANGOPOL, D. M., PADGETT, J., SOLIMAN, M. (2016). Maintenance and Operation of Infrastructure Systems: Review. J Struct Eng ASCE, 142(9), F4016004.
  • SAN-JOSÉ, J.T.; GARRUCHO, I. (2010). A system approach to the environmental analysis of industrial buildings. Building and Environment, 45:673-683.
  • SAYDAM, D.; FRANGOPOL, D.M.; DONG, Y. (2013). Assessment of risk using bridge element condition ratings. J Infrast Syst, 19:252-265.
  • SARMA, K.C.; ADELI, H. (1998). Cost optimization of concrete structures. J Struct Eng ASCE, 124(5): 570-578.
  • SIMPSON, T.W. et al. (2001). Metamodels for Computer-based Engineering Design: Survey and recommendations. Engineering with Computers, 17(2), 129-150.
  • SONG, L. et al. (2017). Multi-objective reliability-based design optimization approach of complex structure with multi-failure modes. Aerospace Science and Technology, 64, 52-62.
  • SOURANI, A., SOHAIL, M. (2011). Barriers to addressing sustainable construction in public procurement strategies. Engineering Sustainability, ES4(2010), 229–237.
  • SPENCER, P.C. et al. (2012). Quantification of sustainability principles in bridge projects. Proc Inst Civ Eng 165:81-89.

 

 

Licencia de Creative Commons
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.