Cómo agregar juicios individuales de grupos de expertos en la toma de decisiones AHP

Figura 1. Toma de decisiones en grupo. https://conectia-psicologia.es/

Cuando se utiliza un modelo de toma de decisiones multicriterio tal y como el AHP (Proceso Analítico Jerárquico), una de las dudas que surgen es saber cómo agregar los juicios de todos los expertos de una forma razonable. Una solución sería la de buscar un consenso de grupo mediante un proceso interactivo con varias rondas de negociación entre los expertos. En este caso, un moderador que no participa en la discusión, sugiere a los responsables de la toma de decisiones que actualicen sus juicios. Sin embargo, a veces es difícil llegar a un acuerdo consensuado (Dong y Saaty, 2014).

En el caso de tener un grupo de expertos homogéneos (coincidencias en formación, trabajo profesional, finalidad de su trabajo, etc.), vamos a basarnos en la media geométrica para agregar los juicios. A pesar de que esta media es menos intuitiva que la aritmética, es una medida menos sensible a los valores extremos que la media de una muestra estadística. Además, la media geométrica es adecuada para calcular variables en porcentaje o índices. Los juicios de las comparaciones pareadas en AHP son ratios, sus valores siempre son positivos, mayores que cero, y algo no menos importante, la media geométrica cumple con satisfacción la propiedad recíproca de las matrices de comparación.

Un ejemplo muy sencillo permite comprobar la reciprocidad con la media geométrica, frente a la media aritmética. Supongamos que con la media aritmética la media de dos juicios con valores de 7 y 9 resultaría en 8, cuyo valor reciproco es 1/8, pero en el otro lado de la matriz obtendríamos un valor de (1/7 + 1/9)/2 = 8/63 lo que difiere del valor esperado de 1/8 para mantener la matriz recíproca. Dejamos al lector la comprobación de que con la media geométrica se mantiene la reciprocidad.

Existen dos formas de agregar los juicios individuales de un grupo de expertos homogéneos:

a) Agregación de prioridades individuales, que transforma vectores de prioridad individuales en un vector de prioridad del grupo (Figura 2).

Figura 2. Agregación de prioridades individuales (Bernal y Niño, 2014)

b) Agregación de juicios individuales, que transforma las matrices comparación por pares individuales en una grupal (Figura 3). En este caso, si las matrices individuales tienen una consistencia aceptable, la grupal también suele serlo (Dong y Saaty, 2014).

Figura 3. Agregación de juicios individuales (Bernal y Niño, 2014)

En ambos casos, hay que tener en cuenta que el vector propio resultante del grupo se debe normalizar.

Otro problema sería el de grupos heterogéneos de expertos, que pueden llegar a producir resultados bastante divergentes. En este caso, se suele resolver el problema mediante la Programación por metas extendida (Linares y Romero, 2002). Aunque también es posible acudir a otro tipo de métodos, como la lógica neutrosófica (Navarro et al., 2020; 2021).

A continuación ponemos un ejemplo de tres expertos homogéneos. En primer lugar vamos a agregar los juicios individuales de tres expertos (Figura 4) y, como método alternativo, agregaremos los vectores propios de cada experto (Figura 5), llegando, en este caso, a un vector propio normalizado que coincide en ambos casos.

Figura 4. Agregación de juicios individuales de tres expertos homogéneos

 

Figura 5. Agregación de prioridades individuales de tres expertos homogéneos

Referencias:

AZNAR, J.; GUIJARRO, F. (2012). Nuevos métodos de valoración: modelos multicriterio. Editorial Universitat Politècnica de València.

BERNAL, S.; NIÑO, D.A. (2018). Modelo multicriterio aplicado a la toma de decisiones representables en diagramas de Ishikawa. Universidad Distrital Francisco José de Caldas, Bogotá D.C., 137 pp.

DONG, Q.; SAATY, T. L. (2014). An analytic hierarchy process model of group consensus. Journal of Systems Science and Systems Engineering, 23(3), 362–374. https://doi.org/10.1007/s11518-014-5247-8

LINARES, P., ROMERO, C. (2002). Aggregation of preferences in an environmental economics context: A goal-programming approach. Omega, 30(2), 89–95. https://doi.org/10.1016/S0305-0483(01)00059-7

NAVARRO, I.J.; YEPES, V.; MARTÍ, J.V. (2020). Sustainability assessment of concrete bridge deck designs in coastal environments using neutrosophic criteria weights. Structure and Infrastructure Engineering, 16(7): 949-967. DOI:10.1080/15732479.2019.1676791

NAVARRO, I.J.; MARTÍ, J.V.; YEPES, V. (2021). Neutrosophic completion technique for incomplete higher-order AHP comparison matrices. Mathematics, 9(5):496. DOI:10.3390/math9050496

Método de entropía para la toma de decisión multicriterio

Figura 1. Entropía. https://concepto.de/leyes-de-la-termodinamica/

Un procedimiento algo similar al método CRITIC que vimos en un artículo anterior, es el método de la entropía. Es un procedimiento propuesto por Zeleny en 1982 para calcular de forma objetiva el peso de cada uno de los criterios empleados en la toma de decisiones.

En este caso, la importancia de un criterio se supone que es proporcional a la cantidad de información intrísecamente aportada por el conjunto de alternativas respecto a dicho criterio. Se trata de dar mayor peso a aquel criterio que es capaz de discriminar mejor a las alternativas, es decir, aquel criterio que presente mayor diversidad en las valoraciones de las alternativas. La diversidad es menor cuanto mayor es la entropía, y por tanto, esta es la base del método.

El método de entropía se puede resumir en los siguientes pasos:

  1. Crear la matriz de decisión
  2. Normalizar por la suma los valores de cada uno de los criterios
  3. Calcular la entropía de cada criterio (se usan logaritmos en base 10)
  4. Calcular la diversidad de cada criterio
  5. Calcular el peso de cada criterio

En la Figura 2 se puede ver un esquema de cálculo con este método (Bernal y Niño, 2018).

Figura 2. Método de entropía (Bernal y Niño, 2018)

Para normalizar la valoración de cada alternativa respecto a cada criterio respecto a la suma, hay que distinguir si se trata de un valor que quiere interesa ser incrementado (por ejemplo, un beneficio), o bien se trata de un valor que se desea que sea el más bajo posible (por ejemplo, un coste). En la Figura 3 se puede ver cómo se podría realizar dicha normalización para el caso de valores que se incrementan. En caso de que disminuyan, se utiliza la inversa de dicho valor. Si hubieran valores negativos en los valores de las alternativas, antes de normalizar por suma, se añade una constante a cada una de las evaluaciones, de forma que sean mayores o iguales que cero.

Figura 3. Normalización por la suma (Bernal y Niño, 2018)

Supongamos que tenemos 5 alternativas para una estructura de hormigón que se va a evaluar respecto a 4 criterios: coste, beneficio, emisiones de CO2 y durabilidad. Si la matriz de decisión es la siguiente, invito al lector a calcular la mejor alternativa:

Coste Beneficio Emisiones Durabilidad
Alternativa 1 346 623 67 32
Alternativa 2 623 665 44 44
Alternativa 3 823 1000 98 26
Alternativa 4 556 344 33 33
Alternativa 5 234 666 23 53

Los pesos calculados con la metodología anterior serían los siguientes: Coste: 0,342; Beneficio: 0,168; Emisiones: 0,384 y Durabilidad: 0,106.

La valoración normalizada de cada alternativa sería la siguiente: Alternativa 1: 0,181; Alternativa 2: 0,177; Alternativa 3: 0,133; Alternativa 4: 0,184 y Alternativa 5: 0,325.

Por tanto, la Alternativa 5 sería la primera en ser seleccionada, mientras que la Alternativa 3 sería la última. Se invita al lector a comprobar los resultados respecto al método CRITIC, visto en un artículo anterior. La mejor alternativa se mantiene, pero la peor cambia.

A continuación os dejo un vídeo explicativo del método realizado por el profesor Jerónimo Aznar Bellver, que espero que os sea de interés.

https://media.upv.es/player/?id=a55342df-a14d-e547-875d-29329de4ba8d

En este otro vídeo, se da un ejemplo de valoración de una finca urbana.

https://media.upv.es/player/?id=83770294-668d-3b42-96f5-7438116b0faa

Referencias:

AZNAR, J.; GUIJARRO, F. (2012). Nuevos métodos de valoración: modelos multicriterio. Editorial Universitat Politècnica de València.

BERNAL, S.; NIÑO, D.A. (2018). Modelo multicriterio aplicado a la toma de decisiones representables en diagramas de Ishikawa. Universidad Distrital Francisco José de Caldas, Bogotá D.C., 137 pp.

ZELENY, M. (1982). Multiple Criteria Decision Making. Mc Graw Hill, New York, NY.

 

Método CRITIC de toma de decisión multicriterio

Figura 1. Indecisión en la toma de decisiones

Dentro de los procedimientos de toma de decisiones multicriterio encontramos el método CRITIC (CRiteria Importance Through Intercriteria Correlation) propuesto por Diakoulaki, Mavrotas y Papayannakis en 1995. Se puede clasificar CRITIC dentro de los métodos comparativos. Con este método se obtienen pesos para cada uno de los criterios de forma que el peso es tanto mayor cuanta mayor sea su varianza (mayor desviación típica), y cuanta mayor información diferente a la de los otros criterios aporte (menor coeficiente de correlación entre criterios). Este método de ponderación de criterios se ha utilizado en diversos ámbitos como la valoración de empresas, inmuebles o jugadores de fútbol.

La metodología de CRITIC se puede resumir en los siguientes pasos:

  1. Crear la matriz de decisión
  2. Normalizar por el rango los valores de cada uno de los criterios
  3. Calcular la desviación típica de cada criterio
  4. Calcular la correlación entre cada par de criterios
  5. Calcular el peso de cada criterio

En la Figura 2 se puede ver un esquema de cálculo con este método (Bernal y Niño, 2018).

Figura 2. Método CRITIC (Bernal y Niño, 2018)

Para normalizar la valoración de cada alternativa respecto a cada criterio respecto al rango, hay que distinguir si se trata de un valor que quiere interesa ser incrementado (por ejemplo, un beneficio), o bien se trata de un valor que se desea que sea el más bajo posible (por ejemplo, un coste). En la Figura 3 se puede ver cómo se podría realizar dicha normalización.

Figura 3. Normalización por el rango (Bernal y Niño, 2018)

Supongamos que tenemos 5 alternativas para una estructura de hormigón que se va a evaluar respecto a 4 criterios: coste, beneficio, emisiones de CO2 y durabilidad. Si la matriz de decisión es la siguiente, invito al lector a calcular la mejor alternativa:

Coste Beneficio Emisiones Durabilidad
Alternativa 1 346 623 67 32
Alternativa 2 623 665 44 44
Alternativa 3 823 1000 98 26
Alternativa 4 556 344 33 33
Alternativa 5 234 666 23 53

Los pesos calculados con la metodología anterior serían los siguientes: Coste: 0,849; Beneficio: 1,565; Emisiones: 0,921 y Durabilidad: 0,710.

La valoración normalizada de cada alternativa sería la siguiente: Alternativa 1: 0,184; Alternativa 2: 0,213; Alternativa 3: 0,153; Alternativa 4: 0,133 y Alternativa 5: 0,316.

Por tanto, la Alternativa 5 sería la primera en ser seleccionada, mientras que la Alternativa 4 sería la última.

A continuación os dejo un vídeo explicativo del método realizado por el profesor Jerónimo Aznar Bellver, que espero que os sea de interés.

En este otro video se da un ejemplo de aplicación para valorar, en este caso, un apartamento.

Referencias:

AZNAR, J. (2020). Curso de valoración de activos por métodos multicriterio AHP, ANP y CRITIC. Editorial Universitat Politècnica de València. Ref. 264.

BERNAL, S.; NIÑO, D.A. (2018). Modelo multicriterio aplicado a la toma de decisiones representables en diagramas de Ishikawa. Universidad Distrital Francisco José de Caldas, Bogotá D.C., 137 pp.

DIAKOULAKI, D.; MAVROTAS, G.; PAPAYANNAKIS, L. (1995). Determining objective weights in multiple criteria problems – The CRITIC method. Computers & Operations Research, 22(7):763-770.

 

Lógica neutrosófica aplicada a la evaluación multicriterio de alternativas sostenibles de muros de contención de tierras

Alternativas de diseño para muros de contención de tierras

El diseño sostenible de infraestructuras es uno de los aspectos clave para alcanzar los Objetivos de Desarrollo Sostenible, debido a los impactos tanto económicos como ambientales del sector de la construcción. Las metodologías de decisión multicriterio permiten abordar el diseño sostenible de infraestructuras considerando simultáneamente el impacto de un diseño en las diferentes dimensiones de la sostenibilidad. Este artículo propone el uso de la lógica neutrosófica para resolver uno de los principales problemas asociados a la toma de decisiones: la subjetividad de los expertos implicados. Mediante el enfoque neutrosófico de la metodología AHP multicriterio y el uso de la técnica VIKOR, se analizan los impactos económicos y ambientales asociados a cuatro diseños de muros de contención de tierras.

Referencia:

SÁNCHEZ-GARRIDO, A.J.; MARTÍNEZ-MUÑOZ, D.; NAVARRO, I.J.; YEPES, V. (2021). Neutrosophic logic applied to the multi-criteria evaluation of sustainable alternatives for earth-retaining walls. 6th International Conference on Mechanical Models in Structural Engineering, CMMoST 2021, 1-3 December, Valladolid, Spain, pp. 188-203. ISNB: 978-84-09-39323-7

Descargar (PDF, 2.01MB)

 

 

Métodos de decisión para definir la mejor producción en la industria de la maquinaria agrícola

Acaban de publicarnos un artículo en la revista Sustainability, revista indexada en el JCR. En este caso se ha realizado un análisis comparativo de la producción de la maquinaria agrícola considerando la sostenibilidad en la toma de decisión multicriterio. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.

Este trabajo presenta la aplicación de métodos de decisión para definir la mejor producción en la industria de la maquinaria agrícola. Con este objetivo, se identificó la programación actual de la línea de producción, así como el flujo de producción, realizando un análisis de inventario y un estudio de impacto ambiental. Se definieron siete alternativas para el mix de producción de remolques de grano, considerando diferentes materiales y procesos de producción. La selección de la mejor programación según los diferentes criterios se realizó mediante el proceso de jerarquía analítica (AHP) y el análisis envolvente de datos (DEA) para evaluar las implicaciones gerenciales en la toma de decisiones. Los resultados obtenidos mediante el AHP identificaron una única alternativa como la mejor, lo que facilita la toma de decisiones. El método DEA identificó dos alternativas como las más eficientes, y en este caso el gestor puede elegir entre una combinación de productos que genere un menor impacto ambiental o una mayor rentabilidad. Aunque se aplica a la industria agrícola, la metodología presentada puede adaptarse fácilmente a otras actividades relacionadas con el entorno construido, como la industria de la construcción.

Abstract:

Competition among companies is growing globally, with the need to increase productivity and efficiency in the product sector. However, there is also a growing concern about global warming and the depletion of natural resources, as well as their effects on human health. In this context, all human activities that involve intense usage of resources must take into account sustainability as one of the decision criteria. This work presents the application of decision-making methods to define the best product mix in the agricultural machinery industry. With this objective, the current schedule of the production line was identified, along with the production flow, by performing an inventory analysis and an environmental impact study (endpoint). A total of seven alternatives for the production mix of grain trailers were defined, considering different materials and production processes. The selection of the best schedule according to the different criteria was performed through the analytic hierarchy process (AHP) and data envelopment analysis (DEA) to evaluate the managerial implications for decision making. The results obtained through AHP identified a single alternative as being the best, which facilitates the decision making. The DEA method identified two alternatives as the most efficient, and in this case the manager can choose between a product mix that generates lesser environmental impact or greater profitability. Although applied to agricultural industry, the presented methodology can be easily adapted to other activities related to the built environment, such as construction industry.

Keywords:

Analytic hierarchy process (AHP); data envelopment analysis (DEA); sustainability; product mix; agricultural industry; decision making

Reference:

HOOSE, A.; YEPES, V.; KRIPKA, M. (2021). Selection of Production Mix in the Agricultural Machinery Industry considering Sustainability in Decision Making. Sustainability, 13(16), 9110; DOI:10.3390/su13169110

Descargar (PDF, 441KB)

Salto cualitativo en el proyecto de investigación HYDELIFE

ICITECH (Instituto de Ciencia y Tecnología del Hormigón). Universitat Politècnica de València

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 (HORSOST, BRIDLIFE, DIMALIFE) afrontados por nuestro grupo 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. También se emplearon metamodelos y el diseño óptimo robusto y basado en fiabilidad para obtener diseños automáticos de puentes e infraestructuras 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, y otros que se estudiaban a lo largo del ciclo de vida de las estructuras, en especial en puentes de hormigón pretensado, tanto prefabricados, como construidos “in situ”. 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 estos proyectos fue significativa. Se ha abordado la optimización multiobjetivo (coste, CO2 y energía) de puentes con vigas artesa (Martí et al., 2015; Martí et al., 2016; Yepes et al., 2015;2017), de puentes cajón (García-Segura et al., 2016;2017a;b). Se ha abordado la optimización del mantenimiento de puentes en ambiente marino (Navarro et al., 2017;2018), del mantenimiento de redes de pavimento (Yepes et al., 2016; Torres-Machí, 2017). Se ha analizado la sostenibilidad social de las infraestructuras (Sierra et al., 2017a;b). Se han utilizado metodologías emergentes en la toma de decisiones como la lógica neutrosófica (Navarro et al., 2020) o redes bayesianas (Sierra et al., 2018). Se han utilizado en la optimización metamodelos de redes neuronales (García-Segura et al., 2017b), modelos kriging (Penadés-Plà et al., 2019), el análisis de fiabilidad (García-Segura et al., 2017a). Se han propuesto sistemas de indicadores de sostenibilidad social y medioambiental (Milani et al., 2020; Sánchez-Garrido y Yepes, 2020). Se ha aplicado el diseño robusto a los puentes (Penadés-Plà et al., 2020). Se ha analizado la resiliencia de las infraestructuras (Salas et al., 2020). Se han realizado análisis del ciclo de vida de estructuras e infraestructuras óptimas (Penadés-Plà et al. 2017; Zastrow et al., 2017; Pons et al., 2018;2020; Navarro et al. 2018; Zhou et al., 2020). También se encuentra en fase de evaluación la patente “Viga en cajón mixta acero-hormigón, P202030530” (Alcalá y Navarro, 2020), autor que forma parte del equipo de investigación.

Sin embargo, con el fin de poder dar un paso adelante, es necesario abordar las limitaciones y el alcance de estos proyectos previos. El proyecto HYDELIFE busca un salto cualitativo en nuestra línea de investigación que pretende superar algunas limitaciones en cuanto al alcance planteado hasta ahora. En primer lugar, no se puede perder la oportunidad de incorporar las técnicas emergentes procedentes del DL en la hibridación de las metaheurísticas, pues sería renunciar a la potencia predictiva de la inteligencia artificial y a la eficiencia de esta nueva generación de algoritmos. En segundo lugar, debe abordarse la construcción industrializada modular tanto en edificación como en obra civil, estudiando en detalle y confrontando los puentes mixtos y estructuras híbridas con las soluciones de hormigón en un análisis completo de ciclo de vida que incluya la sostenibilidad social y medioambiental. Para ello se pretende profundizar en las técnicas de decisión multicriterio emergentes como la lógica neutrosófica y otras como las redes bayesianas. En este contexto, a pesar de que se ha avanzado en la optimización multiobjetivo de las estructuras, en el mundo real existen incertidumbres, imperfecciones o desviaciones respecto a los parámetros utilizados en los códigos (propiedades del material, geometría, cargas, etc.). Una estructura óptima se encuentra cercana a la región de infactibilidad, por lo que es necesario incorporar las incertidumbres para proporcionar diseños más robustos y fiables (Martínez-Frutos et al., 2014), tanto desde el diseño basado en fiabilidad como en el diseño óptimo robusto.

El gran problema de la optimización multiobjetivo de estructuras al incorporar las incertidumbres es su muy elevado coste computacional. Tal y como hemos visto en algunos de nuestros trabajos, este problema lo hemos abordado con metamodelos que proporcionan una relación funcional aproximada de las variables de diseño respecto a sus respuestas con un número moderado de análisis completos. Sin embargo, las metaheurísticas híbridas basadas en DL emergen como técnicas que pueden mejorar estos planteamientos previos.

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 a lo largo del ciclo de vida, sin embargo, existen una serie de limitaciones que este HYDELIFE tiene intención de superar:

  • Ampliación del análisis del ciclo de vida no solo a los puentes de hormigón, sino a otras tipologías como puentes mixtos y estructuras híbridas, además de estructuras industrializadas modulares.
  • Utilizar metaheurísticas híbridas basadas en la inteligencia artificial con un doble objetivo: mejorar la calidad de las soluciones al incorporar el aprendizaje profundo en la base de datos generadas en la búsqueda de los algoritmos y reducir los tiempos de cálculo.
  • 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.
  • Profundización en las funciones de distribución de los impactos sociales y ambientales en las construcciones modulares y mixtas.
  • Profundización en la investigación dirigida a la fase de mantenimiento, centrando más el problema social que plantean las estructuras modulares y mixtas en servicio.
  • 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.
  • Profundización en los costes de mantenimiento y los esperados en caso de fallo. Además, las incertidumbres asociadas con el deterioro requieren métodos probabilísticos.
  • Profundizar en el análisis de ciclo de vida la inclusión de la demolición y reutilización de los materiales de las infraestructuras, siendo una de las variables de diseño la durabilidad.

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. Los estudios realizados estaban basados en la optimización multiobjetivo, la toma de decisiones a lo largo del ciclo de vida y el diseño robusto y basado en fiabilidad de puentes pretensados. El objetivo es dar un salto al incorporar en las metaheurísticas el aprendizaje profundo y ampliar el alcance a otro tipo de construcciones industrializadas modulares y puentes mixtos e híbridos.

Referencias

  • AFZAL, M.; LIU, Y.H.; CHENG, J.C.P.; GAN, V.J.L. (2020). Reinforced concrete structural design optimization: A critical review. Clean. Prod., 260:120623.
  • 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.
  • ALCALÁ, J.; NAVARRO, F. (2020). Viga en cajón mixta acero-hormigón. Patente P202030530, 4 junio 2020.
  • AMERICAN ROAD & TRANSPORTATION BUILDERS ASSOCIATION (2019). 2019 Bridge Report. https://artbabridgereport.org/
  • BIONDINI, F., FRANGOPOL, D. M. (2016). Life-Cycle of Deteriorating Structural Systems under Uncertainty: Review. J Struct Eng ASCE, 142(9), F4016001.
  • CHACÓN, R. (2014). Vigas armadas híbridas de acero. Estado del conocimiento. Revista Ciencia e Ingeniería, 35(2):95-102.
  • 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.
  • GARCÍA, J.; MARTÍ, J.V.; YEPES, V. (2020b). The buttressed walls problem: An application of a hybrid clustering particle swarm optimization algorithm. Mathematics, 8(6), 862.
  • GARCÍA, J.; YEPES, V.; MARTÍ, J.V. (2020a). A hybrid k-means cuckoo search algorithm applied to the counterfort retaining walls problem. Mathematics, 8(4), 555.
  • GARCÍA-SEGURA, T.; YEPES, V. (2016). Multiobjective optimization of post-tensioned concrete box-girder road bridges considering cost, CO2 emissions, and safety. Struct., 125:325-336.
  • GARCÍA-SEGURA, T.; YEPES, V.; FRANGOPOL, D.M. (2017a). Multi-Objective Design of Post-Tensioned Concrete Road Bridges Using Artificial Neural Networks. Multidiscip. Optim., 56(1):139-150.
  • GARCÍA-SEGURA, T.; YEPES, V.; FRANGOPOL, D.M.; YANG, D.Y. (2017b). Lifetime Reliability-Based Optimization of Post-Tensioned Box-Girder Bridges. Struct., 145:381-391.
  • GOBIERNO DE ESPAÑA (2020). Estrategia Nacional de Inteligencia Artificial. https://www.lamoncloa.gob.es/presidente/actividades/Documents/2020/021220-ENIA.pdf
  • 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.
  • MARTÍ, J.V.; GARCÍA-SEGURA, T.; YEPES, V. (2016). Structural design of precast-prestressed concrete U-beam road bridges based on embodied energy. Clean. Prod., 120:231-240.
  • MARTÍ, J.V.; YEPES, V.; GONZÁLEZ-VIDOSA, F. (2015). Memetic algorithm approach to designing of precast-prestressed concrete road bridges with steel fiber-reinforcement. J. Struct. Eng., 141(2): 04014114.
  • 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.
  • MARTÍNEZ-MUÑOZ, D.; MARTÍ, J.V.; YEPES, V. (2020). Steel-concrete composite bridges: design, life cycle assessment, maintenance and decision making. Civ. Eng., 2020, 8823370.
  • MILANI, C.J.; YEPES, V.; KRIPKA, M. (2020). Proposal of sustainability indicators for the design of small-span bridges. J. Environ. Res. Public Health, 17(12):4488.
  • NAVARRO, I.J.; YEPES, V.; MARTÍ, J.V. (2018a). Life cycle cost assessment of preventive strategies applied to prestressed concrete bridges exposed to chlorides. Sustainability, 10(3):845.
  • NAVARRO, I.J.; YEPES, V.; MARTÍ, J.V. (2018b). Social life cycle assessment of concrete bridge decks exposed to aggressive environments. Impact Assess. Rev., 72:50-63.
  • NAVARRO, I.J.; YEPES, V.; MARTÍ, J.V.; GONZÁLEZ-VIDOSA, F. (2018c). Life cycle impact assessment of corrosion preventive designs applied to prestressed concrete bridge decks. Clean. Prod., 196: 698-713.
  • NAVARRO, I.J.; MARTÍ, J.V.; YEPES, V. (2019). Reliability-based maintenance optimization of corrosion preventive designs under a life cycle perspective. Impact Assess. Rev., 74:23-34.
  • NAVARRO, I.J.; YEPES, V.; MARTÍ, J.V. (2020). Sustainability assessment of concrete bridge deck designs in coastal environments using neutrosophic criteria weights. Struct Infrast Eng, 16(7): 949-967.
  • 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.
  • PENADÉS-PLÀ, V.; GARCÍA-SEGURA, T.; YEPES, V. (2019). Accelerated optimization method for low-embodied energy concrete box-girder bridge design. Struct., 179:556-565.
  • PENADÉS-PLÀ, V.; MARTÍNEZ-MUÑOZ, D.; GARCÍA-SEGURA, T.; NAVARRO, I.J.; YEPES, V. (2020). Environmental and social impact assessment of optimized post-tensioned concrete road bridges. Sustainability, 12(10), 4265.
  • PONS, J.J.; PENADÉS-PLÀ, V.; YEPES, V.; MARTÍ, J.V. (2018). Life cycle assessment of earth-retaining walls: An environmental comparison. Clean. Prod., 192:411-420.
  • RAC Foundation. (2019). Bridge maintenance table – GB local authorities. https://www.racfoundation.org/media-centre/bridge-maintenance-backlog-grows
  • RAHMAN, M.M. (2014). Barriers of implementing modern methods of construction. Manage. Eng., 30(1):69-77.
  • SALAS, J.; YEPES, V. (2020). Enhancing sustainability and resilience through multi-level infrastructure planning. J. Environ. Res. Public Health, 17(3): 962.
  • SALEHI, H.; BURGUEÑO, R. (2018). Emerging artificial intelligence methods in structural engineering. Struct., 171:170-189.
  • SÁNCHEZ-GARRIDO, A.J.; YEPES, V. (2020). Multi-criteria assessment of alternative sustainable structures for a self-promoted, single-family home. Clean. Prod., 258: 120556.
  • SARMA, K.C.; ADELI, H. (1998). Cost optimization of concrete structures. J Struct Eng ASCE, 124(5): 570-578.
  • SIERRA, L.A.; YEPES, V.; PELLICER, E. (2017a). Assessing the social sustainability contribution of an infrastructure project under conditions of uncertainty. Impact Assess. Rev., 67:61-72.
  • SIERRA, L.A.; PELLICER, E.; YEPES, V. (2017b). Method for estimating the social sustainability of infrastructure projects. Impact Assess. Rev., 65:41-53.
  • SIERRA, L.A.; YEPES, V.; GARCÍA-SEGURA, T.; PELLICER, E. (2018). Bayesian network method for decision-making about the social sustainability of infrastructure projects. Clean. Prod., 176:521-534.
  • TAFFESE, W.Z.; SISTONEN, E. (2017). Machine learning for durability and service-life assessment of reinforced concrete structures: Recent advances and future directions. Constr., 77:1-14.
  • THURLBY, R. (2013). Managing the asset time bomb: a system dynamics approach. Inst. Civ. Eng. – Forensic Engineering, 166(3):134-142.
  • TONG, X.; YANG, H.; WANG, L.; MIAO, Y. (2019). The development and field evaluation of an IoT system of low-power vibration for bridge health monitoring. Sensors, 19(5):1222.
  • TORRES-MACHI, C.; PELLICER, E.; YEPES, V.; CHAMORRO, A. (2017). Towards a sustainable optimization of pavement maintenance programs under budgetary restrictions. Clean. Prod., 148:90-102.
  • YEPES, V.; MARTÍ, J.V.; GARCÍA-SEGURA, T. (2015). Cost and CO2 emission optimization of precast-prestressed concrete U-beam road bridges by a hybrid glowworm swarm algorithm. Constr., 49:123-134.
  • YEPES, V.; TORRES-MACHÍ, C.; CHAMORRO, A.; PELLICER, E. (2016). Optimal pavement maintenance programs based on a hybrid greedy randomized adaptive search procedure algorithm. Civ. Eng. Manage., 22(4):540-550.
  • YEPES, V.; MARTÍ, J.V.; GARCÍA-SEGURA, T.; GONZÁLEZ-VIDOSA, F. (2017). Heuristics in optimal detailed design of precast road bridges. Civ. Mech. Eng., 17(4):738-749.
  • YEPES, V.; DASÍ-GIL, M.; MARTÍNEZ-MUÑOZ, D.; LÓPEZ-DESFILÍS, V.J.; MARTÍ, J.V. (2019). Heuristic techniques for the design of steel-concrete composite pedestrian bridges. Sci., 9(16), 3253.
  • YEPES, V.; MARTÍ, J.V.; GARCÍA, J. (2020). Black hole algorithm for sustainable design of counterfort retaining walls. Sustainability, 12(7), 2767.
  • 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. Clean. Prod., 140:1037-1048.
  • ZHOU, Z.; ALCALÁ, J.; YEPES, V. (2020). Bridge Carbon Emissions and Driving Factors Based on a Life-Cycle Assessment Case Study: Cable-Stayed Bridge over Hun He River in Liaoning, China. J. Environ. Res. Public Health, 17(16):5953.

Proyecto de Investigación:

  • Optimización híbrida del ciclo de vida de puentes y estructuras mixtas y modulares de alta eficiencia social y medioambiental bajo presupuestos restrictivos. (HYDELIFE). [Hybrid life cycle optimization of bridges and mixed and modular structures with high social and environmental efficiency under restrictive budgets]. PID2020-117056RB-I00. Financiado por el Ministerio de Ciencia e Innovación con fondos FEDER. Investigador Principal: Víctor Yepes.

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

Entrega de premios a las mejores tesis doctorales en decisión multicriterio 2020

En el marco de la XIII Reunión del Grupo Español de Decisión Multicriterio, que se celebró en San Sebastián, se entregó ayer, 23 de julio del 2021, los premios a las mejores tesis doctorales en decisión multicriterio 2020. Este grupo se creó en 1999 dentro de la Sociedad Española de Estadística e Investigación Operativa (SEIO).

El premio a la mejor tesis doctoral la recibió Ignacio Javier Navarro Martínez, tesis doctoral que tuve el placer de dirigir junto con el profesor José V. Martí. En este enlace podéis encontrar detalles de este premio.

Las tesis doctorales premiadas son las siguientes:

PRIMER PREMIO

Título: Life cycle assessment applied to the sustainable design of prestressed bridges in coastal environments
Autor: Ignacio Javier Navarro Martínez
Directores: Víctor Yepes Piqueras y José V. Martí Albiñana
Universidad: Universidad Politécnica de Valencia
Año: 2019

SEGUNDO PREMIO “EX AEQUO”

Título: Building composite indicators from a multicriteria approach: an empirical application for the performance appraisal and efficiency of the Spanish Public Higher Education System
Autora: Samira El Gibari Ben Said
Directores: Trinidad Gómez Núñez y Francisco Ruiz de la Rúa
Universidad: Universidad de Málaga
Año: 2020

Título: Ordinal treatment of ordered qualitative scales: analysis, methods and applications
Autora: Raquel González del Pozo
Director: José Luis García Lapresta
Universidad: Universidad de Valladolid
Año: 2020

Entrega del Primer Premio, con Ignacio junto a los miembros del jurado

 

Ignacio, primer premiado, junto con Samira y Raquel, segundo premio “ex aequo”
Ignacio explicando su tesis doctoral

Os paso a continuación la relación de artículos científicos indexados que han sido fruto de la tesis doctoral de Ignacio J. Navarro, y otras que han sido desarrolladas tras la defensa de su tesis.

Referencias:

  1. SÁNCHEZ-GARRIDO, A.J.; NAVARRO, I.J.; YEPES, V. (2021). Neutrosophic multi-criteria evaluation of sustainable alternatives for the structure of single-family homesEnvironmental Impact Assessment Review, 89:106572. DOI:10.1016/j.eiar.2021.106572
  2. NAVARRO, I.J.; MARTÍ, J.V.; YEPES, V. (2021). Neutrosophic completion technique for incomplete higher-order AHP comparison matrices. Mathematics, 9(5):496. DOI:10.3390/math9050496
  3. NAVARRO, I.J.; PENADÉS-PLÀ, V.; MARTÍNEZ-MUÑOZ, D.; REMPLING, R.; YEPES, V. (2020). Life cycle sustainability assessment for multi-criteria decision making in bridge design: A review. Journal of Civil Engineering and Management, 26(7):690-704. DOI:10.3846/jcem.2020.13598
  4. PENADÉS-PLÀ, V.; MARTÍNEZ-MUÑOZ, D.; GARCÍA-SEGURA, T.; NAVARRO, I.J.; YEPES, V. (2020). Environmental and social impact assessment of optimized post-tensioned concrete road bridges. Sustainability, 12(10), 4265. DOI:10.3390/su12104265
  5. NAVARRO, I.J.; YEPES, V.; MARTÍ, J.V. (2020). Sustainability assessment of concrete bridge deck designs in coastal environments using neutrosophic criteria weights. Structure and Infrastructure Engineering, 16(7): 949-967. DOI:10.1080/15732479.2019.1676791
  6. NAVARRO, I.J.; YEPES, V.; MARTÍ, J.V. (2019). A review of multi-criteria assessment techniques applied to sustainable infrastructures design. Advances in Civil Engineering, 2019: 6134803. DOI:10.1155/2019/6134803
  7. NAVARRO, I.J.; MARTÍ, J.V.; YEPES, V. (2019). Reliability-based maintenance optimization of corrosion preventive designs under a life cycle perspective. Environmental Impact Assessment Review, 74:23-34. DOI:10.1016/j.eiar.2018.10.001
  8. NAVARRO, I.J.; YEPES, V.; MARTÍ, J.V.; GONZÁLEZ-VIDOSA, F. (2018). Life cycle impact assessment of corrosion preventive designs applied to prestressed concrete bridge decks. Journal of Cleaner Production, 196: 698-713. DOI:10.1016/j.jclepro.2018.06.110
  9. NAVARRO, I.J.; YEPES, V.; MARTÍ, J.V. (2018). Social life cycle assessment of concrete bridge decks exposed to aggressive environments. Environmental Impact Assessment Review, 72:50-63. DOI:10.1016/j.eiar.2018.05.003
  10. NAVARRO, I.J.; YEPES, V.; MARTÍ, J.V. (2018). Life cycle cost assessment of preventive strategies applied to prestressed concrete bridges exposed to chlorides. Sustainability, 10(3):845. DOI:10.3390/su10030845

 

Hipótesis de partida del proyecto HYDELIFE

Instituto de Ciencia y Tecnología del Hormigón (ICITECH). http://congress.cimne.com/SAHC2020/frontal/JoseM.Adam.asp

En varios artículos anteriores detallamos los antecedentes, la motivación, así como la trascendencia del proyecto de investigación HYDELIFE. Ahora vamos a explicar las hipótesis e partida sobre las que se basa este proyecto.

La hipótesis principal de partida es que las emergentes metaheurísticas híbridas son capaces de extraer información no trivial de las inmensas bases de datos procedentes de la optimización y mejorar la calidad y el tiempo de cálculo tanto en el diseño como en el mantenimiento óptimo de puentes y estructuras. Con esta propuesta metodológica se pretende abordar las incertidumbres del mundo real planteando el diseño y el mantenimiento óptimo basándose en la fiabilidad y en diseños robustos. Esta hipótesis debe extenderse a los procesos de toma de decisión multicriterio que atienda a la sostenibilidad social y ambiental del ciclo de vida completo que contemple las fluctuaciones tanto de los parámetros como de los escenarios posibles, especialmente en el caso de fuertes restricciones presupuestarias. Esta metodología presenta, no obstante, serias dificultades, por lo que se deben explorar metamodelos y DL capaces de acelerar los complejos procesos de cálculo.

Para la consecución de los objetivos del proyecto, es necesario alcanzar una serie de objetivos específicos que, a su vez, se basan en unas determinadas hipótesis:

  • Hipótesis 1: Las metaheurísticas mejoran la calidad y reducen el tiempo de cálculo cuando se hibridan con el aprendizaje profundo (DL).
  • Hipótesis 2: El análisis del ciclo de vida de la construcción industrializada modular presenta mejores indicadores medioambientales y sociales que la construcción tradicional.
  • Hipótesis 3: La optimización multiobjetivo de los puentes mixtos de hormigón y acero y las estructuras híbridas de acero reduce los impactos sociales y ambientales a lo largo del ciclo de vida.
  • Hipótesis 4: La optimización multiobjetivo puede llevar a soluciones que pueden ser infactibles con pequeñas variaciones en los parámetros o en las restricciones.
  • Hipótesis 5: Tanto el diseño óptimo basado en fiabilidad como el diseño óptimo robusto conducen a soluciones menos sensibles a la variabilidad y a los cambios en los escenarios (especialmente presupuestarios), pero se basan en funciones de probabilidad poco realistas por falta de datos.
  • Hipótesis 6: Es posible utilizar metamodelos y DL en el diseño óptimo robusto y en el diseño basado en fiabilidad para el proyecto y para el mantenimiento de puentes mixtos y estructuras modulares.
  • Hipótesis 7: Las soluciones de mantenimiento óptimo de puentes mixtos y estructuras modulares son diferentes si el análisis del ciclo de vida se incluye o no en la fase de proyecto.
  • Hipótesis 8: Incluso considerando la variabilidad innata al mundo real, es posible integrar múltiples actores, escenarios y criterios (tangibles e intangibles) en técnicas analíticas que asistan en la toma de decisiones complejas que incluyan aspectos de sostenibilidad social y ambiental mediante herramientas colaborativas.
  • Hipótesis 9: Las decisiones públicas (instituciones) y privadas (empresas) adecuadas pueden mejorar la sostenibilidad, las prestaciones a largo plazo y la durabilidad de las estructuras incluso con escenarios presupuestarios muy restrictivos.
  • Hipótesis 10: Dado un horizonte temporal para una estructura, es posible encontrar un diseño y una gestión posterior de dicho activo que mejore otras alternativas, incluso con presupuestos restrictivos.
  • Hipótesis 11: Las medidas estratégicas, de proyecto y preventivas derivadas de un sistema de apoyo a la toma de decisiones multicriterio son preferibles por su menor coste social y ambiental a la reparación severa de los puentes y estructuras modulares.
  • Hipótesis 12: Es posible encontrar buenas prácticas en el diseño, conservación, mantenimiento y desmantelamiento de los puentes y estructuras modulares que sean robustas a cambios en los escenarios presupuestarios.

Proyecto de Investigación:

  • Optimización híbrida del ciclo de vida de puentes y estructuras mixtas y modulares de alta eficiencia social y medioambiental bajo presupuestos restrictivos. (HYDELIFE). [Hybrid life cycle optimization of bridges and mixed and modular structures with high social and environmental efficiency under restrictive budgets]. PID2020-117056RB-I00. Financiado por el Ministerio de Ciencia e Innovación con fondos FEDER. Investigador Principal: Víctor Yepes.

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

Trascendencia del proyecto de investigación HYDELIFE en su ámbito temático

Instituto de Ciencia y Tecnología del Hormigón (ICITECH)

En un artículo anterior detallamos los antecedentes y la motivación del proyecto de investigación HYDELIFE. Ahora vamos a explicar la relevancia de la propuesta, que se centra tanto en la utilización de una metodología emergente y novedosa en el ámbito de las estructuras, como es la hibridación de las metaheurísticas con la inteligencia artificial, en especial con el aprendizaje profundo (Deep Learning, DL), como en el objeto de estudio, que es la construcción industrializada modular, tanto en edificación, como en puentes mixtos de hormigón y acero y en estructuras híbridas de acero. Justificamos a continuación la importancia de esta propuesta.

La Inteligencia Artificial (IA) se ha usado en estas últimas décadas de forma intensiva en las investigaciones relacionadas con la ingeniería civil, especialmente en el ámbito de las estructuras y las infraestructuras (Taffese et al., 2017). Sin embargo, los métodos más recientes como el reconocimiento de patrones (Pattern Recognition, PR), el aprendizaje automático (Machine Learning, ML) y el aprendizaje profundo (DL) son métodos emergentes en este ámbito de la ingeniería (Salehi et al., 2018). Éstas técnicas emergentes tienen la capacidad de aprender complicadas interrelaciones entre los parámetros y las variables, y así permiten resolver una diversidad de problemas que son difíciles, o no son posibles, de resolver con los métodos tradicionales. Son capaces de descubrir información oculta, no trivial, sobre el rendimiento de una estructura al aprender la influencia de diversos mecanismos de daño o degradación y los datos recogidos de los sensores. Además, ML y DL tienen una elevada potencialidad en el dominio de la mecánica computacional, como, por ejemplo, para optimizar los procesos en el método de elementos finitos para mejorar la eficiencia de los cálculos.

La optimización de las estructuras constituye un campo científico donde se ha trabajado intensamente en las últimas décadas (Afzal et al., 2020). Debido a que los problemas reales requieren un número elevado de variables, la resolución exacta del problema de optimización asociado es inabordable. Se trata de problemas NP-hard, de elevada complejidad computacional, que requiere de metaheurísticas para llegar a soluciones satisfactorias en tiempos de cálculo razonables. La idea es aprovechar la inmensa cantidad de datos generados por el elevado número de iteraciones que requiere la optimización estructural mediante metaheurísticas. Es el campo ideal para la inteligencia artificial, pues permite extraer información para acelerar y afinar la búsqueda de la solución óptima. Un ejemplo de este tipo es nuestro trabajo (García-Segura et al., 2017a) de optimización multiobjetivo de puentes cajón, donde una red neuronal aprendía de los datos intermedios de la búsqueda y luego predecía con una extraordinaria exactitud el cálculo del puente, sin necesidad de calcularlo. Ello permitía reducir considerablemente el tiempo final de computación. Sin embargo, este tipo de aplicación es muy sencilla, pues solo ha reducido el tiempo de cálculo (cada comprobación completa de un puente por el método de los elementos finitos es mucho más lenta que una predicción con una red neuronal). HYDELIFE trata de dar un paso más allá. Se pretende que la metaheurística sea capaz de aprender de los datos recogidos utilizando la inteligencia artificial para ser mucho más efectiva, y no solo más rápida.

Concretando, la propuesta se centra en el aprendizaje profundo (DL) que, dentro del ML, utiliza algoritmos más sofisticados, construidos a partir del principio de las redes neuronales. El foco metodológico del proyecto es la exploración de la integración específica del DL en las metaheurísticas con el objeto de mejorar la calidad de las soluciones o los tiempos de convergencia cuando se trata de optimizar estructuras. Nuestro grupo ha tenido ocasión de comprobar la eficacia de este hibridaje en estructuras sencillas, como son los muros de contrafuertes (García et al., 2020a, 2020b; Yepes et al., 2020). Además, hemos lanzado al respecto un número especial en la revista Mathematics (indexada en el primer decil del JCR) denominado “Deep learning and hybrid-metaheuristics: novel engineering applications“ (https://www.mdpi.com/journal/mathematics/special_issues/Deep_Learning_Hybrid-Metaheuristics_Novel_Engineering_Applications).

Modern methods of construction. https://www.lancashirebusinessview.co.uk/latest-news-and-features/let-s-talk-modern-methods-of-construction

En cuanto al objeto del proyecto, la construcción industrializada modular, tanto en edificación, como en puentes mixtos de hormigón y acero y en estructuras híbridas de acero, su justificación deriva de su importancia creciente y los huecos en la investigación encontrados. En efecto, la construcción modular y la prefabricación son técnicas ya veteranas desde que en 1936 Eugène Freyssinet construyera el primer puente de hormigón pretensado del mundo, en el que las vigas y tableros eran prefabricados. Sin embargo, la auténtica revolución que supone la IA, las tecnologías BIM y los retos de la sostenibilidad están cambiando radicalmente este concepto y lo está llevando a una nueva dimensión. La reciente norma UNE 127050:2020 trata de los sistemas constructivos industrializados para edificios construidos a partir de elementos prefabricados de hormigón, así como de los requisitos de comportamiento, fabricación, instalación y verificación. Los métodos modernos de construcción (Modern Methods of Construction, MMC), o como algunos llaman “construcción inteligente”, constituyen alternativas a la construcción tradicional. Es un término que cubre una amplia gama de tecnologías basada en la fabricación modular, ya sea “in situ” o “off-site”, que está revolucionando la forma de construir de forma más rápida, rentable y eficiente. Un ejemplo no muy lejano ha sido la construcción de dos hospitales de campaña en Wuhan (China) en solo 12 días debido a la crisis sanitaria. Países como Suecia y Japón lideran la construcción MMC. En Suecia, casi la mitad de las viviendas de nueva construcción utilizan este método, llegando al 80% en el caso de viviendas unifamiliares. Japón, es el país donde se construye mayor número de viviendas nuevas con este método, aunque no llegan al 20% del total. La construcción MMC permite un ahorro de tiempo de hasta el 50%, permite el uso de materiales sostenibles, reduciéndose el desperdicio. La construcción en fábrica permite tolerancias estrictas, la reducción de los errores, promueve la seguridad, no estando los materiales a la intemperie durante la construcción. Además, permite el uso de materiales durables, que mejoran el aislamiento acústico, la protección contra incendios y la eficiencia energética. Sin embargo, en algunos países el uso de las MMC presenta costes más elevados que la construcción tradicional. Otras barreras son la falta de mano de obra especializada, la escasez de suministros o la regulación existente (Rahman, 2014). Con todo, la actual crisis del Covid-19 puede acelerar los cambios necesarios. De todos modos, los métodos MMC constituyen un producto diferente al del mercado de la construcción tradicional. La construcción modular, al tratarse de un producto alternativo, en lugar de competir, complementará el mercado tradicional. El objetivo es aumentar la productividad de los recursos disponibles mejorando la calidad, la eficiencia empresarial, la satisfacción del cliente, el rendimiento ambiental, el índice de sostenibilidad y el control de los plazos de entrega. Nuestro grupo de investigación (Sánchez-Garrido y Yepes, 2020) ha empezado a aplicar técnicas analíticas de toma de decisiones multicriterio (MCDM) y análisis del ciclo de vida, comparando la construcción tradicional de una vivienda unifamiliar con dos alternativas basadas en MMC. Propusimos un índice de sostenibilidad, que incluye atributos tangibles e intangibles, así como factores de incertidumbre y riesgos, que permite a los promotores priorizar soluciones que aseguren la sostenibilidad económica, social y medioambiental. HYDELIFE pretende profundizar en esta vía con la optimización multiobjetivo híbrida de este tipo de construcción modular.


Constructalia – ArcelorMittal. Puente mixto Wirkowice: El primer puente de carretera en Europa con vigas de acero autopatinable Arcorox® 460 – Constructalia

Otro de los huecos detectados por nuestro grupo en este ámbito son los puentes mixtos (Martínez-Muñoz et al., 2020). El análisis del estado del arte indica que la investigación se ha centrado en el diseño preliminar de puentes con un enfoque principalmente económico (Yepes et al., 2019) sin abordar la optimización multiobjetivo social y ambiental de su ciclo de vida completo que permitan aplicar técnicas de decisión desde el diseño. mientras que a nivel mundial la preocupación se dirige a la búsqueda de soluciones sostenibles. También se ha detectado un vacío en los puentes ejecutados con vigas armadas híbridas. En este tipo de estructuras se utilizan diferentes límites elásticos de acero en las chapas de alas y alma para disminuir el espesor de las chapas de mayor límite elástico, lo cual supone una reducción de peso por unidad de longitud de la sección transversal (Chacón, 2014). Sin embargo, la reducción del espesor puede acarrear la disminución de la capacidad de la sección ante otros fenómenos, como es el caso de la inestabilidad. Se debe garantizar un buen comportamiento de las vigas a cortante, estudiando su inestabilidad, a cargas concentradas y a pandeo lateral. Por tanto, nos encontramos ante un caso de optimización de gran interés donde, además, no se ha abordado hasta ahora su optimización completa a lo largo de su ciclo de vida. Asimismo, en nuestro equipo de investigación se ha desarrollado una patente sobre vigas en cajón mixtas (Alcalá y Navarro, 2020) que permiten resolver el problema de las vigas descolgadas en forjados de elementos prefabricados y que consiste en un cajón metálico que formará parte de un sistema de forjados slim-floor. HYDELIFE aplicará la metodología híbrida antes descrita para cubrir este vacío en el ámbito de la investigación de las estructuras.

Proyecto de Investigación:

  • Optimización híbrida del ciclo de vida de puentes y estructuras mixtas y modulares de alta eficiencia social y medioambiental bajo presupuestos restrictivos. (HYDELIFE). [Hybrid life cycle optimization of bridges and mixed and modular structures with high social and environmental efficiency under restrictive budgets]. PID2020-117056RB-I00. Financiado por el Ministerio de Ciencia e Innovación con fondos FEDER. Investigador Principal: Víctor Yepes.

Referencias:

AFZAL, M.; LIU, Y.H.; CHENG, J.C.P.; GAN, V.J.L. (2020). Reinforced concrete structural design optimization: A critical review. J. Clean. Prod., 260:120623.

ALCALÁ, J.; NAVARRO, F. (2020). Viga en cajón mixta acero-hormigón. Patente P202030530, 4 junio 2020.

CHACÓN, R. (2014). Vigas armadas híbridas de acero. Estado del conocimiento. Revista Ciencia e Ingeniería, 35(2):95-102.

GARCÍA, J.; YEPES, V.; MARTÍ, J.V. (2020a). A hybrid k-means cuckoo search algorithm applied to the counterfort retaining walls problem. Mathematics, 8(4), 555.

GARCÍA, J.; MARTÍ, J.V.; YEPES, V. (2020b). The buttressed walls problem: An application of a hybrid clustering particle swarm optimization algorithm. Mathematics, 8(6), 862.

GARCÍA-SEGURA, T.; YEPES, V.; FRANGOPOL, D.M. (2017a). Multi-Objective Design of Post-Tensioned Concrete Road Bridges Using Artificial Neural Networks. Struct. Multidiscip. Optim., 56(1):139-150.

MARTÍNEZ-MUÑOZ, D.; MARTÍ, J.V.; YEPES, V. (2020). Steel-concrete composite bridges: design, life cycle assessment, maintenance and decision making. Adv. Civ. Eng., 2020, 8823370.

RAHMAN, M.M. (2014). Barriers of implementing modern methods of construction. J. Manage. Eng., 30(1):69-77.

SALEHI, H.; BURGUEÑO, R. (2018). Emerging artificial intelligence methods in structural engineering. Eng. Struct., 171:170-189.

SÁNCHEZ-GARRIDO, A.J.; YEPES, V. (2020). Multi-criteria assessment of alternative sustainable structures for a self-promoted, single-family home. J. Clean. Prod., 258: 120556.

TAFFESE, W.Z.; SISTONEN, E. (2017). Machine learning for durability and service-life assessment of reinforced concrete structures: Recent advances and future directions. Autom. Constr., 77:1-14.

YEPES, V.; DASÍ-GIL, M.; MARTÍNEZ-MUÑOZ, D.; LÓPEZ-DESFILÍS, V.J.; MARTÍ, J.V. (2019). Heuristic techniques for the design of steel-concrete composite pedestrian bridges. App. Sci., 9(16), 3253.

YEPES, V.; MARTÍ, J.V.; GARCÍA, J. (2020). Black hole algorithm for sustainable design of counterfort retaining walls. Sustainability, 12(7), 2767.

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

Antecedentes y motivación del proyecto de investigación HYDELIFE (2021-2023)

Laboratorio de materiales del Instituto de Ciencia y Tecnología del Hormigón (ICITECH)

El proyecto HYDELIFE aborda directamente el reto de la sostenibilidad social y medioambiental de las estructuras a lo largo de su ciclo de vida, desde el proyecto hasta la demolición. Para ello se propone una metodología híbrida emergente entre el aprendizaje profundo (Deep Learning, DL) procedente de la inteligencia artificial (IA), metamodelos y metaheurísticas de optimización multiobjetivo y técnicas de toma de decisión multicriterio. El foco del proyecto se centra en el diseño robusto y resiliente aplicado a la construcción industrializada modular, tanto en edificación, como en puentes mixtos de hormigón y acero y en estructuras híbridas de acero. El proyecto se apoya en los avances realizados en los proyectos de investigación anteriores (HORSOST, BRIDLIFE y DIMALIFE), donde se desarrollaron metodologías que se aplicaron a puentes e infraestructuras viarias, pero con una propuesta metodológica y un foco de atención innovador respecto a los anteriores. El proyecto se orienta hacia el objetivo 9 de desarrollo sostenible (ODS): construir infraestructuras resilientes, promover la industrialización sostenible y fomentar la innovación. También se alinea con la Estrategia Nacional de Inteligencia Artificial-ENIA (Gobierno de España, 2020). A continuación, se justifica la propuesta en función de los antecedentes y el estado actual.

La sostenibilidad económica y el desarrollo social de la mayoría de los países dependen, entre otros, del comportamiento fiable y duradero de sus infraestructuras (Frangopol, 2011). La construcción y el mantenimiento de las infraestructuras influyen en la actividad económica, el crecimiento y el empleo. Sin embargo, estas actividades impactan significativamente en el medio ambiente, presentan efectos irreversibles y pueden comprometer 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).

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 (Biondini y Frangopol, 2016). Esto constituye una auténtica bomba de relojería (Thurlby, 2013) que, junto al reto de la reducción de los impactos ambientales, son razones más que suficientes para mejorar el mantenimiento de nuestros puentes. Hoy día los gestores de las infraestructuras tienen ante sí un reto importante consistente en mantenerlas en un estado aceptable con presupuestos muy limitados. Si a ello añadimos la profunda crisis financiera y sanitaria que ha afectado la economía de nuestro país y que ha provocado el declive 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. 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 2019-2020” 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 7.500 millones de euros. Sin embargo, este problema es común a otros países desarrollados. En el año 2019, 47000 puentes del total de los puentes en Estados Unidos, (más del 20% del total) presentan deficiencias estructurales (American Road & Transportation Builders Association, 2019); en Reino Unido, más de 3000 puentes estaban por debajo de los estándares y requerían reparación (RAC Foundation, 2019). Además, el problema pasa a ser grave cuando una parte significativa del parque de infraestructuras se encuentra cercano al final de su vida útil. Y lo que aún es peor, cuando existen riesgos de alto impacto y de baja probabilidad que pueden afectar gravemente a las infraestructuras. Estos son buenos argumentos para aumentar la vida útil de los puentes. 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, incluyendo la dimensión de género. 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, pues no se presta fácilmente a la exploración con los instrumentos analíticos y de previsión tradicionales.

Proyecto de Investigación:

  • Optimización híbrida del ciclo de vida de puentes y estructuras mixtas y modulares de alta eficiencia social y medioambiental bajo presupuestos restrictivos. (HYDELIFE). [Hybrid life cycle optimization of bridges and mixed and modular structures with high social and environmental efficiency under restrictive budgets]. PID2020-117056RB-I00. Financiado por el Ministerio de Ciencia e Innovación con fondos FEDER. Investigador Principal: Víctor Yepes.

Referencias:

  • 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.
  • AMERICAN ROAD & TRANSPORTATION BUILDERS ASSOCIATION (2019). 2019 Bridge Report. https://artbabridgereport.org/
  • BIONDINI, F., FRANGOPOL, D. M. (2016). Life-Cycle of Deteriorating Structural Systems under Uncertainty: Review. J Struct Eng ASCE, 142(9), F4016001.
  • 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.
  • GOBIERNO DE ESPAÑA (2020). Estrategia Nacional de Inteligencia Artificial. https://www.lamoncloa.gob.es/presidente/actividades/Documents/2020/021220-ENIA.pdf
  • RAC Foundation. (2019). Bridge maintenance table – GB local authorities. https://www.racfoundation.org/media-centre/bridge-maintenance-backlog-grows
  • THURLBY, R. (2013). Managing the asset time bomb: a system dynamics approach. Proc. Inst. Civ. Eng. – Forensic Engineering, 166(3):134-142.

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