Salto cualitativo del proyecto de investigación RESILIFE respecto a resultados previos

En varios artículos anteriores ya presentamos muchos de los aspectos que justifican el proyecto de investigación RESILIFE: Optimización resiliente del ciclo de vida de estructuras híbridas y modulares de alta eficiencia social y medioambiental bajo condiciones extremas, del cual soy investigador principal junto con el profesor Julián Alcalá. En este artículo queremos resaltar la línea de trabajo del grupo de investigación y las razones por las cuales este proyecto supone un salto cualitativo.

El equipo de investigación presenta una trayectoria que respalda su capacidad para abordar este nuevo reto, con experiencia en proyectos previos. En efecto, el IP1 del proyecto RESILIFE también fue IP en los 4 proyectos anteriores y dirigió 17 tesis doctorales relacionadas. El IP2 participó en todos estos proyectos. Los resultados obtenidos han sido consistentemente significativos y progresivos. El proyecto HORSOST (BIA2011-23602) generó 15 artículos JCR, 5 Q1, y de ellos, 2 D1. BRIDLIFE (BIA2014-56574-R) produjo 20 artículos JCR, 15 de ellos en la categoría Q1 y, de estos, 7 en la categoría D1. DIMALIFE (BIA2017-85098-R) produjo 33 artículos JCR, 20 de ellos Q1 y, de estos, 12 D1. HYDELIFE (PID2020-117056RB-I00) ha producido hasta ahora 42 artículos JCR, 26 de ellos Q1 y 15 D1. En estos proyectos se concedieron cuatro contratos predoctorales, tres de los cuales culminaron con éxito y el último está en ejecución. También existe una patente (Alcalá y Navarro, 2020) sobre vigas en cajón mixtas de acero y hormigón.

Objetivos y resultados ya alcanzados en proyectos previos

Antes de resumir los resultados de proyectos previos, queremos destacar que nuestra línea de investigación va más allá de la simple optimización económica del hormigón estructural, un objetivo atractivo a corto plazo para las empresas constructoras o de prefabricados. En proyectos anteriores, se abordó el diseño eficiente de estructuras con hormigones no convencionales, utilizando criterios sostenibles multiobjetivo y técnicas de minería de datos. También se analizó la toma de decisiones en la gestión del ciclo de vida de puentes pretensados, priorizando la eficiencia social y medioambiental con presupuestos ajustados. Para ello, se emplearon metamodelos, diseño óptimo robusto y fiabilidad para generar diseños automáticos de puentes e infraestructuras, considerando hormigones con baja huella de carbono y abordando aspectos de durabilidad, consumo energético, huella de carbono y seguridad a lo largo del ciclo de vida. Se utilizaron técnicas de decisión multicriterio para elegir la mejor tipología constructiva de un puente y decidir entre las opciones resultantes de la frontera de Pareto. Se incorporaron técnicas emergentes de aprendizaje profundo (DL) en la hibridación de metaheurísticas y se exploró la construcción industrializada modular en edificación y obra civil. Además, se analizaron en detalle puentes mixtos y estructuras híbridas frente a soluciones de hormigón en un análisis de ciclo de vida completo que incluye la sostenibilidad social y medioambiental.

La producción científica de estos proyectos fue significativa (ver algunos artículos en las referencias aportadas). Se abordó la optimización multiobjetivo (coste, CO₂ y energía) en puentes con vigas artesa y cajón, así como en el mantenimiento de puentes y redes de pavimento. También se exploró la sostenibilidad social de las infraestructuras y se aplicaron metodologías innovadoras, como la lógica neutrosófica y las redes bayesianas en la toma de decisiones. La optimización se respaldó en metamodelos de redes neuronales, modelos kriging y análisis de fiabilidad. Se propusieron indicadores para evaluar la sostenibilidad social y ambiental. Además, se aplicó diseño robusto a puentes, se analizó la resiliencia de las infraestructuras y se realizaron análisis del ciclo de vida para estructuras óptimas. Se obtuvo la patente «Viga en cajón mixta de acero y hormigón, P202030530».

Sin embargo, para avanzar es necesario abordar las limitaciones y el alcance de estos proyectos. El proyecto RESILIFE busca dar un salto cualitativo en nuestra línea de investigación y superar algunas de las limitaciones actuales en cuanto al alcance. Para respaldar la innovación propuesta y plantear este nuevo proyecto, nuestro grupo llevó a cabo seis estudios sobre el estado del arte en relación con BIM en estructuras (Fernández-Mora et al., 2022), la aplicación de la inteligencia artificial a la construcción (García et al., 2022), sobre estructuras modulares (Sánchez-Garrido et al., 2023), sobre estructuras prefabricadas frente a sismo (Guaygua et al., 2023), sobre estructuras híbridas de acero (Terreros-Bedoya et al., 2023) y sobre metamodelos (Negrín et al., 2023). Esto ha permitido detectar la oportunidad de optimizar el ciclo de vida de las estructuras incorporando, desde el diseño, la ocurrencia de eventos extremos, de forma que dichas estructuras pudieran recuperar su funcionalidad en el menor tiempo posible y con el menor coste social y ambiental. Tanto las estructuras híbridas de acero como las basadas en MMC tienen el potencial de mejorar la resiliencia estructural, siendo estos campos de investigación fecundos y de gran repercusión social. Además, el uso de la inteligencia artificial, la toma de decisiones multicriterio que consideran incertidumbres, el uso de metamodelos, la incorporación de la teoría de juegos en la optimización multiobjetivo y el empleo del BIM y la realidad virtual en la modelización suponen barreras que superar en la investigación de estas estructuras. A ello hay que añadir el uso de técnicas no destructivas para detectar daños en dichas estructuras (Hadizadeh-Bazaz et al., 2023), así como tecnologías de reparación eficiente de estructuras (Ortega et al., 2018).

Por tanto, RESILIFE pretende superar una serie de limitaciones en la investigación:

• Análisis del ciclo de vida de estructuras híbridas de acero basadas en Modernos Métodos de Construcción (MMC) ante situaciones extremas (aumento de temperatura, explosiones, seísmos, etc.), de forma que aumente la resiliencia.
• En el diseño óptimo, prever la reparación y el mantenimiento de las MMC ante eventos extremos, de forma que los elementos estructurales no se dañen o se puedan reparar de manera eficiente y rápida, centrándose en los problemas sociales y ambientales.
• Utilizar metaheurísticas híbridas basadas en la inteligencia artificial, metamodelos y la teoría de juegos para mejorar la calidad de las soluciones al incorporar el aprendizaje profundo en la base de datos generada 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 resiliente y basado en fiabilidad para evitar que los proyectos reales optimizados sean infactibles ante pequeños cambios.
• Profundizar en el estudio de la distribución de los impactos sociales y ambientales en las estructuras MMC.
• Analizar la sensibilidad de las políticas presupuestarias poco sensibles a la realidad del sector en la gestión de las estructuras.

Lo indicado hasta ahora se podría sintetizar en los siguientes aspectos:

1. El tema de la investigación se ha ido profundizando en cada uno de los proyectos realizados, de acuerdo con los objetivos previstos.
2. Los estudios anteriores se basaban en la optimización multiobjetivo, la toma de decisiones a lo largo del ciclo de vida, el diseño robusto y basado en la fiabilidad y la incorporación del aprendizaje profundo. Ahora es el momento de ampliar la investigación a nuevas construcciones industrializadas modulares y estructuras híbridas optimizando su resiliencia ante eventos extremos.

Referencias

• ADAM, J.M.; PARISI, F.; SAGASETA, J.; LU, X. (2018). Research and practice on progressive collapse and robustness of building structures in the 21st century. Struct., 173:122-149.
• ALCALÁ, J.; NAVARRO, F. (2020). Viga en cajón mixta acero-hormigón. Patente P202030530, 4 junio 2020.
• BORGHESE, V.; CONTIGUGLIA, C.P.; LAVORATO, D.; SANTINI, S.; BRISEGHELLA, B. (2023). Sustainable retrofits on reinforced concrete infrastructures. Bulletin of Geophysics and Oceanography, https://doi.org/10.4430/bgo00436
• CAREDDA, G.; MAKOOND, N.; BUITRAGO, M.; SAGASETA, J.; CHRYSSANTHOPOULOS, M.; ADAM, J.M. (2023). Learning from the progressive collapse of buildings. Built Environ., 15:100194.
• DONG, H.; HAN, Q.; DU, X.; ZHOU, Y. (2022). Review on seismic resilient bridge structures. Struct. Eng., 25(7):1565-1582.
• FANG, C.; WANG, W.; QIU, C.; HU, S.; MacRAE, G.A.; EARTHERTON, M.R. (2022). Seismic resilient steel structures: A review of research, practice, challenges and opportunities. J Constr Steel Res, 191,107172.
• FERNÁNDEZ-MORA, V.; NAVARRO, I.J.; YEPES, V. (2022). Integration of the structural project into the BIM paradigm: a literature review. Build. Eng., 53:104318.
• GARCÍA, J.; VILLAVICENCIO, G.; ALTIMIRAS, F.; CRAWFORD, B.; SOTO, R.; MINTATOGAWA, V.; FRANCO, M.; MARTÍNEZ-MUÑOZ, D.; YEPES, V. (2022). Machine learning techniques applied to construction: A hybrid bibliometric analysis of advances and future directions. Constr., 142:104532.
• GARCÍA-SEGURA, T.; YEPES, V.; FRANGOPOL, D.M. (2017). Multi-Objective Design of Post-Tensioned Concrete Road Bridges Using Artificial Neural Networks. Multidiscip. Optim., 56(1):139-150.
• GUAYGUA, B.; SÁNCHEZ-GARRIDO, A.; YEPES, V. (2023). A systematic review of seismic-resistant precast concrete buildings. Structures, 58; 105598.
• HADIZADEH-BAZAZ, M.; NAVARRO, I.J.; YEPES, V. (2023). Power Spectral Density method performance in detecting damages by chloride attack on coastal RC bridge. Eng. Mech., 85(2):197-206.
• HAO, H.; BI, K.; CHEN, W.; PHAM, T.M.; LI, J. (2023). Towards next generation design of sustainable, durable, multi-hazard resistant, resilient, and smart civil engineering structures. Struct., 277:115477.
• HAO, H.; LI, J. (2019). Sustainable High-Performance Resilient Structures. Engineering, 5(2):197-198.
• KELES, M.; ARTAR, M.; ERGÜN, M. (2024). Investigation of temperature effect on the optimal weight design of steel truss bridges using Cuckoo Search Algorithm. Structures, 59:105819.
• KHALOO, A.; MOBINI, M. (2016). Towards resilient structures. Iran., 23(5), 2077-2080.
• MARTÍNEZ-MUÑOZ, D.; GARCÍA, J.; MARTÍ, J.V.; YEPES, V. (2022). Discrete swarm intelligence optimization algorithms applied to steel-concrete composite bridges. Struct., 266:114607.
• MARTÍNEZ-MUÑOZ, D.; GARCÍA, J.; MARTÍ, J.V.; YEPES, V. (2022). Optimal design of steel-concrete composite bridge based on a transfer function discrete swarm intelligence algorithm. Multidiscip. Optim., 65:312
• MATHERN, A.; PENADÉS-PLÀ, V.; ARMESTO BARROS, J.; YEPES, V. (2022). Practical metamodel-assisted multi-objective design optimization for improved sustainability and buildability of wind turbine foundations. Multidiscip. Optim., 65:46.
• MAUREIRA, C.; PINTO, H.; YEPES, V.; GARCÍA, J. (2021). Towards an AEC-AI industry optimization algorithmic knowledge mapping. IEEE Access, 9:110842-110879.
• MORENO, J.D.; PELLICER, T.M.; ADAM, J.M.; BONILLA, M. (2018). Exposure of RC building structures to the marine environment of the Valencia coast. Build. Eng., 15: 109-121.
• 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.
• NEGRÍN, I.; KRIPKA, M.; YEPES, V. (2023a). Design optimization of welded steel plate girders configured as a hybrid structure. J Constr Steel Res, 211:108131.
• NEGRÍN, I.; KRIPKA, M.; YEPES, V. (2023b). Metamodel-assisted design optimization in the field of structural engineering: a literature review. Structures, 52:609-631.
• NEGRÍN, I.; KRIPKA, M.; YEPES, V. (2023c). Metamodel-assisted meta-heuristic design optimization of reinforced concrete frame structures considering soil-structure interaction. Struct., 293:116657
• ORTEGA, A.I.; PELLICER, T.M.; CALDERÓN, P.A.; ADAM, J.M. (2018). Cement-based mortar patch repair of RC columns. Comparison with all-four-sides and one-side repair. Constr Build Mater., 186: 338-350.
• PENADÉS-PLÀ, V.; YEPES, V.; GARCÍA-SEGURA, T. (2020). Robust decision-making design for sustainable pedestrian concrete bridges. Struct., 209: 109968.
• SALAS, J.; YEPES, V. (2022). Improved delivery of social benefits through the maintenance planning of public assets. Infrastruct. Eng., DOI:10.1080/15732479.2022.2121844
• SÁNCHEZ-GARRIDO, A.J.; NAVARRO, I.J.; GARCÍA, J.; YEPES, V. (2023). A systematic literature review on Modern Methods of Construction in building: an integrated approach using machine learning. Build. Eng., 73:106725.
• SÁNCHEZ-GARRIDO, A.J.; NAVARRO, I.J.; YEPES, V. (2022). Multi-criteria decision-making applied to the sustainability of building structures based on Modern Methods of Construction. Clean. Prod., 330:129724.
• 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.
• SOJOBI, A.O.; LIEW, K.M. (2023). Multi-objective optimization of high performance concrete columns under compressive loading with potential applications for sustainable earthquake-resilient structures and infrastructures. Struct., 315:117007.
• TANG, Y.; WANG, Y.; WU, D.; CHEN, M.; PANG, L.; SUN, J.; FENG, W.; WANG, X. (2023). Exploring temperature-resilient recycled aggregate concrete with waste rubber: An experimental and multi-objective optimization analysis. Adv. Mater. Sci., 62(1):20230347.
• TERREROS-BEDOYA, A.; NEGRÍN, I.; PAYÁ-ZAFORTEZA, I.; YEPES, V. (2023). Hybrid steel girders: review, advantages and new horizons in research and applications. J Constr Steel Res, 207:107976.
• 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.; 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.
• YUAN, W.; WANG, J.; QIU, F.; CHEN, C.; KANG, C.; ZENG, B. (2016). Robust Optimization-Based Resilient Distribution Network Planning Against Natural Disasters. IEEE Trans Smart Grid, 7(6):2817-2826.
• ZHOU, Z.; ALCALÁ, J.; YEPES, V. (2023). Carbon impact assessment of bridge construction based on resilience theory. Civ. Eng. Manag., 29(6):561-576.
• ZHOU, Z.; ZHOU, J.; ALCALÁ, J.; YEPES, V. (2024). Thermal coupling optimization of bridge environmental impact under natural conditions. Impact Assess. Rev., 104:107316.

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