Aprendizaje no supervisado en la ingeniería civil

El aprendizaje no supervisado es una rama del aprendizaje automático (Machine Learning) que se centra en analizar y estructurar datos sin etiquetas ni categorías predefinidas. A diferencia del aprendizaje supervisado, en el que los modelos se entrenan con datos etiquetados, en el aprendizaje no supervisado los algoritmos deben identificar de manera autónoma patrones, relaciones o estructuras ocultas dentro de los datos. Se trata de una herramienta poderosa para explorar y entender datos complejos sin la necesidad de etiquetas predefinidas, descubriendo patrones y estructuras ocultas que pueden ser de gran valor en diversas aplicaciones prácticas.

El aprendizaje no supervisado permite analizar datos sin un objetivo definido o sin conocimiento previo de su estructura. Este enfoque es ideal para explorar patrones latentes y reducir la dimensionalidad de grandes conjuntos de datos, lo que facilita una mejor comprensión de su estructura. Además, al no depender de etiquetas previamente asignadas, permite adaptarse de manera flexible a diversos tipos de datos, incluidos aquellos cuya estructura subyacente no es evidente. Esta característica lo hace especialmente valioso en ámbitos como la exploración científica y el análisis de datos de mercado, donde los datos pueden ser abundantes, pero carecer de categorías predefinidas.

A pesar de sus ventajas, el aprendizaje no supervisado plantea desafíos como la interpretación de los resultados, ya que sin etiquetas predefinidas puede ser difícil evaluar la precisión de los modelos. Además, la elección del número óptimo de grupos o la validación de las reglas de asociación descubiertas puede requerir la intervención de expertos y métodos adicionales de validación.

El aprendizaje no supervisado incluye diversas técnicas que permiten analizar y extraer patrones de grandes conjuntos de datos sin necesidad de etiquetas. Una de las principales técnicas es el agrupamiento (clustering), que busca dividir los datos en grupos basados en similitudes inherentes. Existen dos tipos de algoritmos de agrupamiento: el agrupamiento duro, que asigna un dato a un único grupo, y el agrupamiento suave, que permite que un dato pertenezca a varios grupos con diferentes grados de pertenencia. Técnicas como k-means y k-medoids se utilizan mucho en este contexto. Mientras que k-means busca minimizar la distancia entre los datos y los centros de los grupos, k-medoids es más robusto frente a valores atípicos y adecuado para datos categóricos. Por otro lado, el agrupamiento jerárquico genera un dendrograma que permite explorar relaciones jerárquicas en los datos. Los mapas autoorganizados, que emplean redes neuronales, se utilizan para reducir la dimensionalidad de los datos sin perder su estructura y facilitar su interpretación en campos como la bioinformática y la economía.

En situaciones donde los datos tienen relaciones difusas, el agrupamiento suave, como el fuzzy c-means, asigna grados de pertenencia a cada dato, lo que resulta útil en áreas como la biomedicina. Los modelos de mezcla gaussiana, que utilizan distribuciones normales multivariadas, también se aplican a problemas complejos como la segmentación de mercado o la detección de anomalías. Además, el aprendizaje no supervisado incluye técnicas de asociación que buscan descubrir relaciones entre variables en grandes bases de datos, como el análisis de la cesta de la compra, donde se identifican productos que suelen comprarse juntos. También se utilizan técnicas de reducción de la dimensionalidad, que simplifican los datos de alta dimensionalidad sin perder mucha variabilidad. El análisis de componentes principales (PCA) es una técnica común en este ámbito, ya que transforma los datos en combinaciones lineales que facilitan su visualización y análisis, especialmente en casos de datos ruidosos, como los procedentes de sensores industriales o dispositivos médicos. Otras técnicas, como el análisis factorial y la factorización matricial no negativa, también se utilizan para reducir la complejidad de los datos y hacerlos más manejables, y son útiles en áreas como la bioinformática, el procesamiento de imágenes y el análisis de textos.

El aprendizaje no supervisado tiene diversas aplicaciones, como el análisis de clientes, que permite identificar segmentos con características o comportamientos similares, lo que optimiza las estrategias de marketing y la personalización de los servicios. También se utiliza en la detección de anomalías, ya que ayuda a identificar datos atípicos que pueden indicar fraudes, fallos en los sistemas o comportamientos inusuales en áreas industriales y financieras; en este campo, el análisis factorial revela dinámicas compartidas entre sectores económicos, lo que mejora la predicción de tendencias de mercado. En el procesamiento de imágenes, facilita tareas como la segmentación, que consiste en agrupar píxeles con características similares para identificar objetos o regiones dentro de una imagen. Además, en el análisis de textos, técnicas como la factorización matricial no negativa permiten descubrir temas latentes en grandes colecciones de documentos, mejorando los sistemas de recomendación y el análisis de sentimientos. En la investigación genómica, el clustering suave ha permitido identificar genes implicados en el desarrollo de enfermedades, lo que ha contribuido a avanzar en la medicina personalizada. Esta capacidad para analizar patrones complejos en datos biológicos ha acelerado el descubrimiento de biomarcadores y posibles dianas terapéuticas. Este enfoque también permite identificar correlaciones entre variables macroeconómicas que de otra manera podrían pasar desapercibidas. Por otro lado, el PCA se ha aplicado con éxito en la monitorización de sistemas industriales, ya que permite predecir fallos y reducir costes operativos mediante el análisis de variaciones en múltiples sensores. En el ámbito de la minería de textos, la factorización no negativa permite descubrir temas latentes, lo que mejora los sistemas de recomendación y análisis de sentimiento. Esto resulta particularmente valioso en aplicaciones de marketing digital, donde la segmentación precisa del contenido puede aumentar la eficacia de las campañas.

El aprendizaje no supervisado ha encontrado diversas aplicaciones en el ámbito de la ingeniería civil, ya que permite optimizar procesos y mejorar la toma de decisiones. A continuación, se destacan algunas de ellas:

Clasificación de suelos y materiales de construcción: Mediante técnicas de agrupación (clustering), es posible agrupar muestras de suelo o materiales de construcción según sus propiedades físicas y mecánicas. Esto facilita la selección adecuada de materiales para proyectos específicos y optimiza el diseño de cimentaciones y estructuras.
Análisis de patrones de tráfico: El aprendizaje automático permite identificar patrones en los flujos de tráfico, detectando comportamientos anómalos o recurrentes. Esta información es esencial para diseñar infraestructuras viales más eficientes y aplicar medidas de control de tráfico.
Monitorización de estructuras: Mediante la reducción dimensional y el análisis de datos procedentes de sensores instalados en puentes, edificios y otras infraestructuras, se pueden detectar anomalías o cambios en el comportamiento estructural. Esto contribuye a la prevención de fallos y al mantenimiento predictivo.
Optimización de rutas para maquinaria pesada: En proyectos de construcción a gran escala, el aprendizaje no supervisado ayuda a determinar las rutas más eficientes para la maquinaria, considerando factores como el terreno, el consumo de combustible y la seguridad, lo que se traduce en una mayor productividad y reducción de costes.
Segmentación de imágenes por satélite y aéreas: Las técnicas de aprendizaje no supervisado permiten clasificar y segmentar imágenes obtenidas de satélites o drones, identificando áreas urbanas, vegetación, cuerpos de agua y otros elementos. Esto es útil para la planificación urbana y la gestión de recursos naturales.
Análisis de datos de sensores en tiempo real: En la construcción de túneles y excavaciones, el análisis en tiempo real de datos de sensores puede realizarse mediante algoritmos no supervisados para detectar condiciones peligrosas, como deslizamientos de tierra o acumulación de gases, lo que mejora la seguridad en las obras.

En conclusión, el aprendizaje no supervisado es una herramienta versátil y potente para abordar problemas complejos y descubrir patrones ocultos en datos sin etiquetar. Su aplicación trasciende sectores, ya que ofrece soluciones prácticas para la investigación, la industria y el análisis de datos. En un mundo impulsado por el crecimiento exponencial de la información, el dominio de estas técnicas se presenta como una ventaja competitiva fundamental. La capacidad para analizar grandes volúmenes de datos y extraer información útil sigue siendo un motor clave de innovación y progreso.

Os dejo un mapa mental acerca del aprendizaje no supervisado.

Para profundizar en este tema, puedes consultar la siguiente conferencia:

Descargar (PDF, 1.18MB)

Referencia:

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. Automation in Construction, 142:104532. DOI:10.1016/j.autcon.2022.104532

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

Diseño optimizado de edificios de pórticos de hormigón armado frente al colapso progresivo mediante metamodelos

El diseño estructural de los edificios plantea importantes retos para garantizar su seguridad y sostenibilidad. El colapso progresivo, provocado por eventos extremos como terremotos o explosiones, puede ocasionar daños catastróficos. Para reducir este riesgo, se propone una metodología de diseño apoyada en metamodelos que combina optimización estructural y criterios de seguridad, y que tiene en cuenta elementos que a menudo se pasan por alto, como los forjados, las pantallas de arriostramiento y la interacción suelo-estructura (SSI, por sus siglas en inglés).

El trabajo se enmarca dentro del proyecto de investigación RESILIFE que dirijo como investigador principal en la Universitat Politècnica de València. También es fruto de la colaboración con investigadores de Brasil y Cuba.

Metodología

Descripción del problema

Se estudiaron cinco edificios de pórticos de hormigón armado con diferentes configuraciones de plantas y luces. Las estructuras incluyen vigas, columnas, forjados y pantallas de arriostramiento. Además, se incorporó el diseño optimizado de cimentaciones, considerando la interacción con el suelo mediante modelos de elasticidad lineal. Las dimensiones de los elementos estructurales se ajustaron siguiendo las normas internacionales de diseño y se consideraron distintas combinaciones de carga para evaluar escenarios críticos.

Se realizaron simulaciones numéricas avanzadas que tuvieron en cuenta escenarios de carga extremos, incluyendo la pérdida de columnas críticas en diversas posiciones. En el análisis se tuvieron en cuenta factores de seguridad, límites de servicio y fallos estructurales para determinar los diseños óptimos. También se tuvieron en cuenta criterios de sostenibilidad y se midieron las emisiones de CO₂ asociadas a cada solución.

Optimización basada en un diseño robusto frente al colapso progresivo (ObRDPC)

La metodología ObRDPC se centra en minimizar las emisiones de CO₂ como función objetivo, garantizando simultáneamente la robustez estructural mediante restricciones de seguridad. Para evaluar el colapso progresivo y simular la pérdida de columnas críticas, así como analizar la redistribución de cargas, se empleó el método de camino alternativo (AP). La metodología incluye la verificación de estados límite últimos y de servicio, lo que garantiza el cumplimiento de los requisitos normativos.

El proceso de optimización incluye la definición precisa de las variables de diseño, como las dimensiones de las vigas, columnas y cimentaciones, así como el tipo de hormigón utilizado. Para maximizar la eficiencia estructural y minimizar los costos ambientales, se aplican técnicas de programación matemática.

Modelización de forjados y pantallas de arriostramiento

Forjados: se modelaron como elementos tipo placa de 12 cm de espesor y se conectaron a las vigas mediante nodos rígidos para asegurar la continuidad estructural. Se realizó una discretización adecuada para representar su comportamiento realista ante cargas verticales y horizontales. El análisis incluyó el comportamiento a flexión, los efectos de cargas concentradas y la interacción con los elementos perimetrales. Se consideraron diferentes configuraciones de refuerzo para maximizar la resistencia y minimizar las deformaciones.
Pantallas de arriostramiento: representadas mediante diagonales equivalentes elásticas, según las especificaciones normativas. Se definieron sus propiedades mecánicas mediante modelos experimentales previos, incluyendo el módulo de elasticidad y la resistencia a compresión. Se estudiaron distintos tipos de mampostería y su influencia en la resistencia general. Las pantallas de arriostramiento también se evaluaron como elementos activos en la redistribución de cargas después de eventos que provocan la pérdida de soporte, lo que mejora la estabilidad global del sistema estructural.

Interacción suelo-estructura (SSI)

Se consideró el asentamiento diferencial de las cimentaciones mediante coeficientes de rigidez calculados según modelos elásticos. El suelo se modeló como un medio elástico semiespacial. En el análisis se incluyó la interacción entre la superestructura y el terreno para capturar los efectos de asentamientos desiguales y su impacto en el estado de esfuerzos y deformaciones.

En el análisis se tuvieron en cuenta diferentes tipos de suelos, desde arcillas de baja resistencia hasta suelos granulares compactados. Se realizaron estudios paramétricos para evaluar la sensibilidad del sistema a variaciones en la rigidez del terreno y el módulo de elasticidad del hormigón.

Cinco estudios de casos que consideran la modelización de cimientos, forjados y pantallas de arriostramiento.

Optimización asistida por metamodelos

Se utilizaron técnicas avanzadas de optimización asistida por metamodelos para reducir la carga computacional. El proceso incluyó un muestreo inicial mediante muestreo hipercúbico latino para cubrir eficientemente el espacio de diseño, seguido de la construcción del metamodelo a través de técnicas de interpolación Kriging para aproximar las respuestas estructurales, evaluando múltiples configuraciones para garantizar la precisión. Posteriormente, se aplicó una optimización global utilizando algoritmos evolutivos, como la Biogeography-based Optimization (BBO), para explorar soluciones factibles y un método iterativo para refinar las soluciones y garantizar su viabilidad en condiciones críticas.

Resultados

Impacto de forjados y pantallas de arriostramiento

La inclusión de forjados y pantallas de arriostramiento mejoró significativamente la redistribución de cargas y la resistencia al colapso progresivo. El análisis mostró una reducción del 11 % en el impacto ambiental para diseños resistentes al colapso, en comparación con modelos que solo consideran vigas y columnas.

Se observó una mejora notable en la capacidad de redistribución de cargas después de la pérdida de columnas críticas. Las pantallas de arriostramiento actuaron como elementos resistentes adicionales, mitigando fallos en los elementos primarios y reduciendo los desplazamientos globales.

Comparación de enfoques de diseño

Se observó que aumentar el número de niveles incrementa la robustez estructural debido a la mayor redundancia de elementos. Sin embargo, el incremento de la longitud de las luces de las vigas reduce esta capacidad, por lo que es necesario utilizar secciones más robustas y aplicar mayores refuerzos.

Los modelos con luces de 8 m presentaron un aumento del 50 % en las emisiones de CO₂ cuando no se incluyeron forjados ni pantallas de arriostramiento. Al incorporarlos, se consiguió reducir este incremento a la mitad.

Recomendaciones prácticas para el diseño estructural

Incluir forjados y pantallas de arriostramiento: Su integración mejora significativamente la resistencia al colapso progresivo, particularmente en edificios con luces amplias.
Optimizar secciones estructurales: Diseñar secciones de vigas y columnas equilibrando rigidez y eficiencia económica.
Evaluar diferentes tipos de cimentaciones: Incorporar análisis de interacción suelo-estructura para definir bases óptimas.
Aplicar análisis paramétricos: Evaluar la sensibilidad de los diseños a variaciones en la resistencia del hormigón y las condiciones geotécnicas.
Considerar combinaciones de carga extremas: Simular múltiples fallos para garantizar diseños robustos y seguros.

Conclusión

La optimización basada en un diseño robusto frente al colapso progresivo (ObRDPC) permite diseñar estructuras resistentes al colapso progresivo con menor impacto medioambiental. El uso de metamodelos y la consideración de forjados, pantallas de arriostramiento y la interacción suelo-estructura mejoran significativamente la seguridad estructural y la sostenibilidad del diseño. Se recomienda ampliar esta investigación a otros tipos de estructuras y condiciones geotécnicas complejas para validar y perfeccionar la metodología propuesta.

Referencia:

NEGRÍN, I.; KRIPKA, M.; YEPES, V. (2025). Metamodel-assisted design optimization of robust-to-progressive-collapse RC frame buildings considering the impact of floor slabs, infill walls, and SSI implementation. Engineering Structures, 325:119487. DOI:10.1016/j.engstruct.2024.119487

El artículo os lo podéis descargar gratuitamente, hasta el 1 de febrero de 2025, en el siguiente enlace: https://authors.elsevier.com/c/1kFtRW4G4f7uC

Optimización de programas de mantenimiento vial: eficiencia y estrategias a largo plazo con algoritmos heurísticos.

El artículo, titulado «Optimal pavement maintenance programs based on a hybrid Greedy Randomized Adaptive Search Procedure Algorithm», escrito por Víctor Yepes, Cristina Torres-Machí, Alondra Chamorro y Eugenio Pellicer, y publicado en el Journal of Civil Engineering and Management, presenta una innovadora herramienta para la gestión eficiente del mantenimiento vial. Este trabajo aborda cómo diseñar programas que maximicen la efectividad a largo plazo (Long-Term Effectiveness, LTE) en redes viales, superando las limitaciones presupuestarias y el desgaste progresivo de las infraestructuras. Para ello, se desarrolla un enfoque híbrido que combina los algoritmos Greedy Randomized Adaptive Search Procedure (GRASP) y Threshold Accepting (TA), lo que permite optimizar la asignación de recursos y cumplir con restricciones técnicas y económicas. Entre los resultados más destacados, se encuentra una mejora del 40 % en la LTE en comparación con estrategias reactivas, que también subraya la importancia de priorizar inversiones tempranas y de implementar tratamientos preventivos como la opción más eficiente a largo plazo.

Introducción

La infraestructura vial es uno de los activos más valiosos de cualquier nación, ya que tiene un impacto directo en el desarrollo económico y social al facilitar el transporte de bienes y personas, por lo que es necesario realizar un mantenimiento adecuado para evitar el deterioro y el incremento de los costes futuros de rehabilitación. Sin embargo, los presupuestos de las agencias públicas son limitados y no alcanzan a cubrir las necesidades de conservación, lo que genera una brecha cada vez mayor entre el estado actual de las infraestructuras y los niveles de inversión requeridos. En Estados Unidos, un tercio de las carreteras están en condiciones mediocres o deficientes, y uno de cada nueve puentes presenta deficiencias estructurales. En España, las necesidades de mantenimiento vial superan los 5500 millones de euros, pero los presupuestos se redujeron un 20 % en 2012, lo que agravó aún más la situación. Este mantenimiento tardío no solo incrementa los riesgos estructurales, sino que también triplica los costes de rehabilitación y los gastos operativos de los vehículos, lo que plantea un problema central: decidir cómo asignar los fondos disponibles de forma óptima para maximizar el rendimiento a largo plazo de las infraestructuras, respetando restricciones técnicas y económicas, y considerando los beneficios acumulados para los usuarios.

Metodología

Formulación del problema de optimización

El problema se define como la maximización de la LTE, un indicador que mide los beneficios acumulados derivados de una infraestructura bien mantenida durante su ciclo de vida.

Función objetivo:
- Maximizar el área bajo la curva de rendimiento de las infraestructuras (Area Bounded by the Performance Curve, ABPC). Este área refleja la calidad y el nivel de servicio de la infraestructura a lo largo del tiempo.
Restricciones:
- Presupuestaria: Garantizar que los costos anuales de mantenimiento no excedan el presupuesto disponible en cada año del periodo de planificación.
- Técnica: Mantener las secciones de la red en una condición mínima aceptable. Esto se evalúa mediante indicadores como el Urban Pavement Condition Index (UPCI, Índice de Condición del Pavimento Urbano), que clasifica la calidad del pavimento en una escala del 1 (peor) al 10 (mejor).
Variables de diseño:
- Determinar qué secciones de la red deben tratarse, qué tratamiento aplicar y en qué momento realizarlo durante el horizonte de planificación.
Parámetros:
- Inventario: Datos sobre el tipo de pavimento, su longitud y ancho, condiciones climáticas y características del tráfico.
- Técnicos: Condición inicial del pavimento, modelos de deterioro a lo largo del tiempo y el conjunto de tratamientos disponibles.
- Económicos: Costos unitarios de mantenimiento para cada tratamiento.
- Estratégicos: Periodo de planificación, tasa de descuento y estándares mínimos requeridos.

Las actividades de mantenimiento conllevan un aumento de la vida útil del firme (ΔSL) y, por tanto, una mejora inmediata de su estado (ΔUPCI) en el momento de su aplicación

Algoritmo GRASP-TA

El enfoque híbrido combina dos estrategias complementarias:

GRASP (Procedimiento de Búsqueda Aleatoria Codiciosa Adaptativa):
- Genera una población inicial de soluciones viables considerando una relajación controlada de las restricciones presupuestarias.
- Utiliza funciones de priorización para evaluar el impacto de cada posible tratamiento en la LTE y seleccionar las mejores alternativas mediante un proceso probabilístico.
TA (Aceptación de Umbral):
- Realiza una optimización local a las soluciones generadas por GRASP.
- Permite aceptar soluciones ligeramente peores en las primeras iteraciones para evitar quedarse atrapado en óptimos locales.
- Ajusta iterativamente las restricciones presupuestarias relajadas en GRASP para cumplir con las condiciones originales.

Efecto del tratamiento *s_n* para construir la solución en el año t con el algoritmo GRASP

Caso de estudio: red urbana en Santiago, Chile

La red analizada se encuentra en Santiago de Chile. Está compuesta por 20 secciones con pavimentos flexibles (asfálticos) y rígidos (hormigón). El clima de la región es mediterráneo, lo que influye en los patrones de deterioro del pavimento. La condición inicial media de la red es 6,8, según el Índice de Condición del Pavimento Urbano (UPCI), lo que indica una calidad intermedia.

Para los pavimentos asfálticos, los tratamientos evaluados incluyeron opciones de preservación, mantenimiento y rehabilitación. En preservación, el sellado de fisuras aumenta la vida útil en 2 años y tiene un coste de 0,99 USD/m². En el mantenimiento, el fresado y la repavimentación funcional ofrecen 10 años de vida útil por 23,24 USD/m². En rehabilitación, la rehabilitación en frío alcanza los 13 años con un coste de 36,50 USD/m².

Para los pavimentos de hormigón, los tratamientos incluyeron preservación y rehabilitación. El pulido con diamante aumenta la vida útil en 10 años y tiene un coste de 15,39 USD/m². La reconstrucción completa proporciona 25 años de servicio por un coste de 134,60 USD/m². Estos tratamientos representan opciones para diferentes niveles de deterioro y requisitos estructurales.

El programa optimizado mostró un impacto significativo en la efectividad a largo plazo (LTE). Se logró una mejora del 40 % en la LTE en comparación con las estrategias reactivas. Los tratamientos preventivos dominaron las decisiones, seleccionándose en el 80 % de los casos, lo que evidencia su mayor efectividad frente a opciones correctivas o de rehabilitación.

En términos de coste-eficacia, no se seleccionaron los tratamientos reciclados. Aunque ofrecen beneficios similares en términos de vida útil, su alto coste los hace menos competitivos frente a alternativas más económicas, lo que destaca la importancia de equilibrar costes y beneficios en el diseño de programas de mantenimiento.

Análisis de escenarios

1. Escenarios de inventario:

Se analizaron redes con diferentes proporciones de pavimentos asfálticos y de hormigón, con configuraciones del 25 %, 50 % y 75 % para cada tipo. También se estudiaron tres condiciones iniciales de las redes: buenas, intermedias y deficientes. Este análisis permitió evaluar la influencia de las características estructurales y del estado inicial en la optimización de los programas de mantenimiento.

En todos los casos, los resultados mostraron que la optimización mediante el algoritmo GRASP-TA era superior a las estrategias reactivas tradicionales. Esto demostró que el método es altamente adaptable a diversas configuraciones de red y capaz de ofrecer soluciones efectivas en términos de LTE, independientemente de las características de la red o de su estado inicial.

2. Escenarios presupuestarios:

El análisis incluyó variaciones en el presupuesto total, con incrementos y reducciones de hasta el 20 %, así como cambios en la distribución de los fondos a lo largo del tiempo. Se evaluaron dos configuraciones principales para entender su impacto en el rendimiento a largo plazo.

El escenario con mayor inversión en los primeros años mostró un aumento significativo de la LTE. Esto puso de manifiesto que la asignación temprana de fondos mejora sustancialmente los resultados del mantenimiento. Por el contrario, los aumentos progresivos anuales redujeron la LTE en un 15 % respecto al caso base, lo que indica que posponer la inversión perjudica el rendimiento de la red.

Conclusiones

Asignar más recursos durante los primeros años de un programa de mantenimiento es fundamental para optimizar el rendimiento a largo plazo de las infraestructuras. Este análisis pone de manifiesto la importancia de una planificación presupuestaria estratégica, ya que señala que el momento en que se invierten los recursos tiene un impacto considerable en los beneficios acumulados de la red.

Eficiencia del método GRASP-TA: Diseña programas que maximizan la LTE bajo restricciones técnicas y económicas reales.
Importancia de la prevención: Las actividades preventivas son significativamente más rentables a largo plazo.
Estrategias presupuestarias: Es esencial priorizar mayores inversiones en los primeros años del programa para maximizar su impacto.
Limitaciones de los tratamientos reciclados: Aunque presentan beneficios ambientales, su alto costo relativo limita su inclusión en las soluciones optimizadas cuando solo se consideran aspectos técnicos y económicos.

Como recomendaciones futuras habría que integrar criterios de sostenibilidad, como impactos ambientales y sociales, y extender el análisis a redes más grandes y diversas.

Referencia:

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. DOI:10.3846/13923730.2015.1120770

Aquí os dejo el artículo por si os resulta de interés.

Descargar (PDF, 1.2MB)

Tesis doctoral: Optimización social y ambiental de estructuras prefabricadas de hormigón armado bajo presupuestos restrictivos

De izquierda a derecha: Julián Alcalá, Tatiana García, Andrés Ruiz, Salvador Ivorra, Antonio Tomás y Víctor Yepes

Ayer, 4 de diciembre de 2024, tuvo lugar la defensa de la tesis doctoral de D. Andrés Ruiz Vélez, titulada “Optimal design of socially and environmentally efficient reinforced concrete precast modular road frames under constrained budgets”, dirigida por los profesores Víctor Yepes Piqueras y Julián Alcalá González. La tesis recibió la calificación de sobresaliente «cum laude». A continuación, presentamos un pequeño resumen de la misma.

Resumen:

La infraestructura de transporte es esencial para el desarrollo humano, ya que impulsa el crecimiento industrial y promueve la evolución social al mejorar la interacción y la conectividad. Su construcción actúa como un catalizador de transformaciones socioeconómicas, puesto que fomenta las economías locales y facilita el flujo de recursos y de la fuerza laboral. Sin embargo, la creciente concienciación sobre los impactos negativos de las prácticas insostenibles en la ingeniería de la construcción exige una transición hacia métodos más responsables. Históricamente, la viabilidad económica ha sido el enfoque principal en ingeniería estructural. No obstante, en la actualidad se otorga mayor relevancia a la evaluación de los impactos a lo largo del ciclo de vida de los proyectos. Aunque este enfoque supone un avance en la integración del diseño estructural con los objetivos de desarrollo sostenible, todavía no abarca plenamente la complejidad y diversidad que implica la sostenibilidad a lo largo de todo el ciclo de vida de las infraestructuras.

Esta tesis doctoral desarrolla de manera sistemática un marco de diseño que integra la sostenibilidad en la construcción de infraestructuras de transporte. Se propone un enfoque modular y prefabricado para proyectos de estructuras viales, que se posiciona como una alternativa más eficiente y atractiva frente a los métodos tradicionales de hormigonado in situ. El diseño estructural, junto con los procesos ambientales y sociales asociados al ciclo de vida de la estructura, se modela mediante un enfoque matemático avanzado. Este modelo permite aplicar técnicas de optimización monoobjetivo y multiobjetivo, combinadas con algoritmos multicriterio de toma de decisiones. Dada la complejidad y la diversidad de variables involucradas, el uso de métodos exactos de optimización no es viable. Por ello, la investigación adopta metaheurísticas híbridas y basadas en entornos para minimizar el coste final de la estructura desde una perspectiva monoobjetivo. Entre las técnicas evaluadas, las metaheurísticas de recocido simulado y aceptación por umbrales, calibradas con cadenas de mayor longitud, ofrecen resultados de alta calidad, aunque con un considerable esfuerzo computacional. En contraste, una versión híbrida del recocido simulado enriquecida con un operador de mutación común en algoritmos basados en poblaciones alcanza soluciones de calidad comparable con un menor esfuerzo computacional. La hibridación de metaheurísticas se presenta como una estrategia eficaz para ampliar las capacidades exploratorias de estos algoritmos, optimizando el equilibrio entre la calidad de los resultados y la eficiencia computacional.

El análisis del ciclo de vida de diferentes configuraciones de marcos con un coste óptimo revela claras ventajas ambientales del enfoque modular prefabricado en comparación con la construcción convencional in situ. Sin embargo, las implicaciones sociales son más complejas y destacan la relevancia de incorporar los impactos del ciclo de vida como funciones objetivo en el proceso de optimización. Este hallazgo subraya la necesidad de emplear técnicas multicriterio para evaluar y clasificar eficazmente las alternativas. De este modo, se garantiza un equilibrio adecuado entre los impactos ambientales y sociales, y se asegura una toma de decisiones más integral y sostenible dentro del marco del diseño y la planificación.

Esta investigación desarrolla operadores de cruce, mutación y reparación diseñados para discretizar eficazmente el problema de optimización, dotando así a los algoritmos genéticos y evolutivos de la capacidad necesaria para abordar la complejidad del proceso de optimización multiobjetivo. En particular, el operador de reparación estadístico muestra un buen rendimiento cuando se combina con los algoritmos genéticos NSGA-II y NSGA-III, así como con el algoritmo evolutivo RVEA. Aunque existen diferencias metodológicas entre estas técnicas, la herramienta de toma de decisiones FUCA produce clasificaciones equivalentes a las obtenidas mediante el método de ponderación aditiva simple. Esta coherencia también se observa con técnicas como TOPSIS, PROMETHEE y VIKOR. Para garantizar la imparcialidad en la ponderación de criterios, se aplica un proceso de cálculo basado en la teoría de la entropía, lo que proporciona un enfoque metódico a las técnicas de decisión multicriterio. La integración de algoritmos de optimización multiobjetivo con herramientas de decisión multicriterio en un marco de diseño fundamentado en modelos matemáticos permite identificar y clasificar diseños óptimos no dominados. Estos diseños logran un equilibrio integral entre las dimensiones económica, ambiental y social, y promueven la sostenibilidad del ciclo de vida de la estructura.

Referencias:

RUIZ-VÉLEZ, A.; GARCÍA, J.; PARTSKHALADZE, G.; ALCALÁ, J.; YEPES, V. (2024). Enhanced Structural Design of Prestressed Arched Trusses through Multi-Objective Optimization and MCDM. Mathematics, 12(16), 2567. DOI:10.3390/math12162567

RUIZ-VÉLEZ, A.; GARCÍA, J.; ALCALÁ, J.; YEPES, V. (2024). Enhancing Robustness in Precast Modular Frame Optimization: Integrating NSGA-II, NSGA-III, and RVEA for Sustainable Infrastructure. Mathematics, 12(10):1478. DOI:10.3390/math12101478

RUIZ-VÉLEZ, A.; GARCÍA, J.; ALCALÁ, J.; YEPES, V. (2024). Sustainable Road Infrastructure Decision-Making: Custom NSGA-II with Repair Operators for Multi-objective Optimization. Mathematics, 12(5):730. DOI:10.3390/math12050730

RUIZ-VÉLEZ, A.; ALCALÁ, J.; YEPES, V. (2023). A parametric study of optimum road modular hinged frames by hybrid metaheuristics. Materials, 16(3):931. DOI:10.3390/ma16030931

RUIZ-VÉLEZ, A.; ALCALÁ, J.; YEPES, V. (2023). Optimal design of sustainable reinforced concrete precast hinged frames. Materials, 16(1):204. DOI:10.3390/ma16010204

RUIZ-VÉLEZ, A.; ALCALÁ, J.; KRIPKA, M.; YEPES, V. (2023). Perspectiva social de un marco modular óptimo: Análisis integral del ciclo de vida. Revista CIATEC-UPF, 15(1):1-19. DOI:10.5335/ciatec.v15i1.14974

RUIZ-VÉLEZ, A.; ALCALÁ, J.; KRIPKA, M.; YEPES, V. (2022). Optimización de marcos articulados prefabricados de hormigón armado mediante recocido simulado. Revista CIATEC-UPF, 14(3):41-55. DOI:10.5335/ciatec.v14i3.14079

Investigación reciente muestra cómo la inteligencia artificial optimiza la gestión del agua

En un estudio pionero, investigadores de la Universitat Politècnica de València y la Pontificia Universidad Católica de Valparaíso (Chile) han revelado el enorme potencial del aprendizaje automático (Machine Learning, ML) en la mejora de la integridad y calidad de las infraestructuras hídricas.

Publicado en la Applied Sciences, revista del primer cuartil del JCR, el estudio analiza en profundidad la literatura científica reciente sobre el tema, para lo cual revisa 1087 artículos con el fin de identificar las áreas más prometedoras en la aplicación de estas tecnologías a la gestión del agua. Esta revisión va más allá de lo convencional al aplicar modelos avanzados de procesamiento del lenguaje natural (NLP), específicamente BERTopic, que permiten comprender el contexto y los temas emergentes en esta área de investigación.

Contexto y relevancia del estudio

El mantenimiento de infraestructuras de agua seguras y eficientes es un desafío global, especialmente en un contexto de cambio climático, urbanización creciente y escasez de recursos hídricos. A medida que aumentan los eventos climáticos extremos, las infraestructuras se ven sometidas a un estrés adicional. Estas condiciones afectan al acceso y a la distribución de agua de calidad, clave para la salud pública, el medio ambiente y sectores estratégicos como la agricultura, la industria y la energía.

En este contexto, el aprendizaje automático se presenta como una herramienta potente para gestionar y optimizar la calidad y el suministro del agua. Los algoritmos de ML pueden procesar grandes volúmenes de datos de sensores y otras fuentes para mejorar las predicciones y la toma de decisiones en tiempo real. Además, permiten diseñar protocolos de tratamiento del agua más eficientes, reducir las pérdidas en las redes de distribución y anticiparse a los problemas antes de que se conviertan en fallos significativos.

Metodología y clasificación de temas

Para explorar el uso del ML en la gestión de infraestructuras hídricas, el equipo realizó una búsqueda sistemática en la base de datos Scopus, centrada en artículos en inglés publicados desde 2015. Los investigadores aplicaron el modelo BERTopic, una técnica de NLP que utiliza redes neuronales (transformers) entrenadas para identificar y organizar los principales temas en la literatura. Esto permitió clasificar con precisión los estudios en cuatro grandes áreas de aplicación:

Detección de contaminantes y erosión del suelo: El uso de ML en esta área permite la detección avanzada de contaminantes como los nitratos y los metales pesados en las aguas subterráneas. Mediante imágenes satelitales y sensores en campo, estos modelos analizan factores ambientales y condiciones del suelo para predecir y mapear zonas de riesgo de contaminación y erosión.
Predicción de niveles de agua: El estudio destaca cómo las técnicas de aprendizaje automático, incluidas las redes neuronales y los modelos de series temporales, pueden prever las fluctuaciones en los niveles de agua de ríos, lagos y acuíferos. Esto resulta crucial para la gestión de los recursos hídricos en situaciones climáticas extremas, como las inundaciones y las sequías, y también para optimizar el uso del agua en la agricultura y la industria.
Detección de fugas en redes de agua: Las pérdidas de agua suponen un problema significativo en las redes de distribución, especialmente en las zonas urbanas. El estudio descubrió que el ML, junto con tecnologías de sensores IoT, permite la detección precisa de fugas mediante el análisis de patrones de flujo y presión en las tuberías. Los algoritmos pueden identificar y localizar fugas, lo que reduce el desperdicio y mejora la eficiencia de la distribución.
Evaluación de la potabilidad y calidad del agua: Garantizar el acceso a agua potable es fundamental para la salud pública, y el estudio subraya la utilidad del aprendizaje profundo en el control de la calidad del agua. Los algoritmos analizan parámetros de calidad como la turbidez, el pH y la presencia de sustancias químicas nocivas, con el fin de asegurar la potabilidad. Estos modelos también permiten automatizar los sistemas de alerta temprana en zonas con infraestructuras hídricas vulnerables.

Implicaciones y futuros pasos

Este estudio concluye que el uso de aprendizaje automático en la gestión del agua permite una mayor eficiencia y sostenibilidad, y supone un paso adelante en la administración de los recursos hídricos frente a los desafíos ambientales en aumento. Los autores señalan que la combinación de ML con sistemas de monitoreo avanzado puede transformar la forma en que gestionamos las infraestructuras hídricas, permitiendo predicciones precisas y decisiones basadas en datos en tiempo real.

En el futuro, se centrarán en mejorar la precisión de los modelos para áreas específicas, así como en implementar estos sistemas a gran escala. Además, se abren nuevas oportunidades para optimizar las redes de distribución mediante sistemas automatizados, algo vital en un contexto donde el agua es un recurso cada vez más valioso y escaso.

Este estudio no solo aporta conocimiento a la comunidad científica, sino que también proporciona una base sólida para que gestores y responsables de políticas públicas integren el aprendizaje automático en sus prácticas de gestión del agua, avanzando así hacia una gestión hídrica más sostenible y resiliente.

Referencia:

GARCÍA, J.; LEIVA-ARAOS, A.; DÍAZ-SAAVEDRA, E.; MORAGA, P.; PINTO, H.; YEPES, V. (2023). Relevance of Machine Learning Techniques in Water Infrastructure Integrity and Quality: A Review Powered by Natural Language Processing. Applied Sciences, 13(22):12497. DOI:10.3390/app132212497

Descargar (PDF, 23.87MB)

Técnica innovadora optimiza estructuras de hormigón y reduce emisiones de CO₂ al considerar la interacción suelo-estructura

El artículo científico, titulado «Metamodel-assisted meta-heuristic design optimization of reinforced concrete frame structures considering soil-structure interaction» y publicado recientemente en Engineering Structures, una de las revistas de mayor impacto en ingeniería civil, aborda un desafío clave en la ingeniería estructural: cómo optimizar el diseño de estructuras de hormigón armado para minimizar su impacto ambiental, con especial atención a la reducción de las emisiones de CO₂.

Esta investigación es el resultado de una colaboración internacional realizada en el marco de los proyectos HYDELIFE y RESILIFE, cuyo investigador principal es Víctor Yepes, y es fruto de una colaboración internacional entre investigadores de Cuba, Brasil y España.

Contexto de la investigación

La optimización estructural ha sido ampliamente explorada en las últimas décadas debido a la creciente necesidad de reducir los costes de construcción y el uso de materiales, todo ello mientras se minimiza el impacto ambiental. En el caso de las estructuras de hormigón armado, que son esenciales en la construcción de edificios y obras de infraestructura, optimizar su diseño conlleva implicaciones significativas en cuanto al ahorro de recursos y la reducción de las emisiones de CO₂.

Los problemas de optimización estructural pueden resolverse mediante métodos exactos, como la programación matemática, o mediante métodos heurísticos que imitan procesos naturales (como la evolución genética o el comportamiento de enjambres). Aunque los métodos heurísticos son más eficientes para problemas complejos y no lineales, como los que involucran grandes estructuras tridimensionales, requieren un alto coste computacional. Para abordar este problema, los autores proponen el uso de metamodelos, que son modelos simplificados que permiten realizar simulaciones con un consumo computacional mucho menor sin sacrificar demasiada precisión. En este estudio, se utiliza un metamodelo basado en Kriging, una técnica que permite aproximar el comportamiento de estructuras complejas.

Además, el estudio introduce una novedad crucial: la inclusión de la interacción suelo-estructura (SSI, por sus siglas en inglés) durante el modelado. Esta interacción, que muchas veces se ignora en los modelos tradicionales, afecta significativamente al comportamiento de la superestructura (el marco de hormigón). Ignorarla puede dar lugar a diseños menos precisos que no tienen en cuenta los asentamientos diferenciales del suelo, lo que puede provocar tensiones adicionales y un mayor deterioro de las estructuras con el tiempo.

Metodología

La investigación emplea un enfoque combinado de optimización heurística convencional y una estrategia basada en Kriging para optimizar marcos espaciales de hormigón armado. El objetivo es reducir las emisiones de CO₂ de las estructuras optimizadas, en línea con los esfuerzos para disminuir el impacto ambiental del sector de la construcción. El estudio incluye tres estudios de caso, cada uno con diferentes configuraciones estructurales (variando la longitud de los vanos y el número de niveles de las estructuras) para generalizar los resultados.

El elemento clave en esta investigación es la inclusión de la interacción suelo-estructura, que afecta al comportamiento global del sistema. Los autores utilizan un modelo de Winkler, que representa el suelo como un conjunto de resortes con rigidez variable en función de las características del suelo, y lo implementan en dos tipos de suelos: uno cohesivo y otro granular. Esta diferenciación es importante porque cada tipo de suelo responde de manera distinta a las cargas, lo que provoca asentamientos que, en última instancia, influyen en las tensiones de la superestructura. La plataforma CSi-SAP2000 se utilizó como motor de cálculo, mientras que el análisis geotécnico y estructural se integró mediante MATLAB.

Resultados

Uno de los hallazgos más destacados del estudio es que la inclusión de la interacción suelo-estructura modifica significativamente los diseños estructurales. En general, las estructuras diseñadas teniendo en cuenta la interacción suelo-estructura requieren más material (mayores cantidades de hormigón y acero), lo que refleja el aumento de tensiones debido a los asentamientos diferenciales. Por ejemplo, en comparación con un modelo con soportes rígidos ideales, las estructuras que consideran la inclusión de la interacción suelo-estructura muestran un aumento del 12,03 % en las emisiones de CO₂ en suelos cohesivos y hasta un 18,81 % en suelos friccionales.

Los elementos estructurales más afectados por la interacción suelo-estructura son las columnas. Esto se debe a que los asentamientos diferenciales incrementan los momentos flectores en las columnas, lo que requiere un refuerzo adicional y secciones más grandes para resistir las nuevas tensiones. En algunos casos, las emisiones de CO₂ asociadas a las columnas aumentaron más del 60 % al considerar la interacción con el suelo. Los resultados son especialmente marcados en suelos granulares, donde los asentamientos diferenciales son más pronunciados.

Además, la metodología basada en metamodelos, asistida por la técnica de Kriging, demostró ser eficaz para lograr optimizaciones con un alto grado de precisión (hasta un 98,24 % en suelos cohesivos y un 98,10 % en suelos granulares), todo ello reduciendo el tiempo de cálculo en aproximadamente un 90 % en comparación con los métodos heurísticos convencionales.

Implicaciones

Este estudio tiene importantes implicaciones prácticas para el diseño de estructuras de hormigón armado. La inclusión de la interacción suelo-estructura permite obtener diseños más robustos y precisos, lo que reduce el riesgo de fallos prematuros y la necesidad de costosos trabajos de mantenimiento a largo plazo. Los modelos que no tienen en cuenta la interacción suelo-estructura pueden dar como resultado estructuras que inicialmente parecen eficientes, pero que con el tiempo se deterioran más rápidamente debido a las tensiones adicionales no previstas. Por tanto, incluir esta interacción desde el inicio del diseño mejora significativamente la durabilidad y la fiabilidad de las estructuras.

Desde el punto de vista ambiental, el uso de metamodelos para optimizar estructuras de hormigón supone un importante avance. Al reducir el material necesario y mejorar la eficiencia estructural, se contribuye a la reducción de las emisiones de CO₂, un objetivo clave en la lucha contra el cambio climático. Además, la metodología propuesta ofrece un enfoque más sostenible al disminuir los recursos computacionales necesarios para realizar simulaciones complejas.

En conclusión, la inclusión de la interacción suelo-estructura y el uso de metamodelos basados en Kriging suponen una contribución innovadora al campo de la ingeniería estructural. Esta investigación no solo proporciona mejores resultados de diseño, sino que también tiene el potencial de reducir el impacto ambiental de las estructuras de hormigón armado, lo que hace que el sector de la construcción sea más sostenible y eficiente.

Referencia:

NEGRÍN, I.; KRIPKA, M.; YEPES, V. (2023). Metamodel-assisted meta-heuristic design optimization of reinforced concrete frame structures considering soil-structure interaction. Engineering Structures, 293:116657. DOI:10.1016/j.engstruct.2023.116657

Este artículo está publicado en abierto, por lo que puedes descargar aquí mismo:

Descargar (PDF, 8.18MB)

Mejora del diseño estructural de cerchas metálicas pretensadas mediante optimización multiobjetivo y toma de decisión multicriterio

Acaban de publicarnos un artículo en Mathematics, revista indexada en el primer decil del JCR. El documento Mejora del diseño estructural de cerchas metálicas pretensadas mediante optimización multiobjetivo y MCDM. El trabajo se enmarca dentro del proyecto de investigación RESILIFE que dirijo como investigador principal en la Universitat Politècnica de València.

Estas son las principales contribuciones descritas en el artículo:

Marco integrado para la optimización: La investigación presenta un marco integral que integra algoritmos de optimización multiobjetivo (MOO) y técnicas de toma de decisiones multicriterio (MCDM). Este marco no solo es aplicable a las cerchas pretensadas, sino también a varios diseños estructurales, lo que mejora la toma de decisiones en ingeniería estructural.
Algoritmos de optimización avanzados: el estudio emplea tres algoritmos MOO avanzados (NSGA-III, CTAEA y SMS-EMAO) para optimizar el diseño estructural de las cerchas arqueadas pretensadas. Este enfoque permite evaluar de forma sólida los diferentes objetivos del diseño, como la minimización del peso, el rendimiento de carga y la capacidad de construcción.
Métricas de evaluación integrales: el documento incorpora una serie de visualizaciones analíticas y métricas de evaluación exhaustivas para comprender la variabilidad de las diferentes variables en el contexto de Pareto. Esto ayuda a ilustrar las ventajas y desventajas que conllevan las distintas estrategias de optimización y proporciona una visión más clara del proceso de diseño.
Evaluación del rendimiento de los algoritmos: la investigación evalúa el rendimiento de los algoritmos de optimización utilizando métricas de distancia generacional (GD) y distancia generacional invertida (IGD). Los resultados indican que el NSGA-III supera a los demás algoritmos en términos de convergencia con respecto a Pareto, lo que proporciona información valiosa sobre la eficacia de cada algoritmo.
Validación estadística de los resultados: el artículo emplea la prueba de Kruskal-Wallis para validar las diferencias de rendimiento entre los algoritmos. Esto añade credibilidad a los hallazgos y resalta las ventajas y limitaciones de cada enfoque de optimización, que es crucial para las futuras aplicaciones de optimización estructural.
Implicaciones prácticas para la construcción: Las innovaciones presentadas en el documento mejoran el rendimiento estructural, reducen el consumo de recursos y mejoran la capacidad de construcción y la seguridad. Estas contribuciones demuestran las implicaciones prácticas para unas prácticas de construcción más eficientes y sostenibles, y abordan la complejidad de los métodos de diseño tradicionales.

En resumen, este documento promueve significativamente la comprensión y la aplicación de las cerchas pretensadas al proporcionar un marco sólido para la optimización y la toma de decisiones, junto con información práctica para mejorar las prácticas de construcción.

Abstract:

The structural design of prestressed arched trusses presents a complex challenge due to the need to balance multiple conflicting objectives such as structural performance, weight, and constructability. This complexity is further compounded by the interdependent nature of the structural elements, which necessitates a comprehensive optimization approach. Addressing this challenge is crucial for advancing construction practices and improving the efficiency and safety of structural designs. The integration of advanced optimization algorithms and decision-making techniques offers a promising avenue for enhancing the design process of prestressed arched trusses. This study proposes the use of three advanced multi-objective optimization algorithms: NSGA-III, CTAEA, and SMS-EMOA, to optimize the structural design of prestressed arched trusses. The performance of these algorithms was evaluated using Generational Distance and Inverted Generational Distance metrics. Additionally, the non-dominated optimal designs generated by these algorithms were assessed and ranked using multiple Multi-Criteria Decision-Making techniques, including SAW, FUCA, TOPSIS, PROMETHEE, and VIKOR. This approach allowed for a robust comparison of the algorithms and provided insights into their effectiveness in balancing the different design objectives. The results of the study indicate that NSGA-III exhibited superior performance with a GD value of 0.215, reflecting a closer proximity of its solutions to the Pareto front, and an IGD value of 0.329, indicating a well-distributed set of solutions across the Pareto front. In comparison, CTAEA and SMS-EMOA showed higher GD values of 0.326 and 0.436, respectively, suggesting less convergence to the Pareto front. However, SMS-EMOA demonstrated a balanced performance in terms of constructability and structural weight, with an IGD value of 0.434. The statistical significance of these differences was confirmed by the Kruskal-Wallis test, with p-values of 2.50×10−15 for GD and 5.15×10−06 for IGD. These findings underscore the advantages and limitations of each algorithm, providing valuable insights for future applications in structural optimization.

Keywords:

Multi-objective optimization; multi-criteria decision-making; NSGA-III; CTAEA; SMS-EMOA; SAW; FUCA; TOPSIS; PROMETHEE; VIKOR

Reference:

Descargar (PDF, 2.8MB)

Comunicaciones presentadas al 28th International Congress on Project Management and Engineering AEIPRO 2024

Durante los días 3-4 de julio de 2024 tiene lugar en Jaén (Spain) el 28th International Congress on Project Management and Engineering AEIPRO 2024. Es una buena oportunidad para debatir y conocer propuestas sobre dirección e ingeniería de proyectos. Nuestro grupo de investigación, dentro del proyecto de investigación HYDELIFE, presenta varias comunicaciones. A continuación os paso los resúmenes.

SÁNCHEZ-GARRIDO, A.; GUAYGUA, B.; VILLALBA, P.; YEPES, V. (2024). Ingeniería de proyectos basada en modelos de análisis multivariante. Aplicación al dimensionamiento de losas planas aligeradas. 28th International Congress on Project Management and Engineering, AEIPRO, 3-4 de julio, Jaén (Spain)

Esta investigación propone una metodología para dimensionar losas innovadoras de hormigón armado sin vigas, que permiten el uso eficiente de materiales. Utilizando un enfoque estadístico y modelos de regresión lineal, se proporcionan criterios para calcular el espesor de la losa aligerada con esferas o discos plásticos presurizados, minimizando el número de variables. Este espesor puede estimarse a partir de la luz principal entre apoyos, la altura del disco o el diámetro de la esfera, así como el uso previsto del edificio. El modelo final ajustado logra explicar el 98% de la variabilidad en el espesor de la losa para luces comprendidas entre 5 m y 16 m. Este tipo de forjado contribuye a la reducción del consumo de hormigón y acero, lo que resulta en una disminución del peso y las cargas aplicadas. Esto impacta directamente en los costos y mejora los indicadores ambientales en comparación con los sistemas tradicionales. Se presenta como una alternativa eficiente para edificaciones, permitiendo la combinación de parámetros estructurales, constructivos y sostenibles.

SÁNCHEZ-GARRIDO, A.; YEPES-BELLVER, L.; SAIZ, D.; YEPES, V. (2024). Ingeniería de proyectos en Modernos Métodos de Construcción: El caso de edificios con losas planas mediante elementos aligerantes multiaxiales. 28th International Congress on Project Management and Engineering, AEIPRO, 3-4 de julio, Jaén (Spain)

Los métodos modernos de construcción (Modern Methods of Construction, MMC), o como algunos llaman “construcción inteligente“, constituyen alternativas a la construcción tradicional. Esta nueva forma de construir implica, necesariamente, un cambio en la forma de dirigir los proyectos, que pasan a ser industrializados, donde la eficiencia estructural, constructiva y la sostenibilidad ambiental y social son protagonistas. El objetivo del artículo es identificar los aspectos característicos de estas construcciones innovadoras que influyen en la ingeniería de proyectos, integrando a grupos multidisciplinares como arquitectos, ingenieros estructurales y empresas constructoras. Para ello se realizará un estudio para el caso de edificios construidos con losas planas aligeradas mediante elementos aligerantes multiaxiales. Los resultados muestran que estos diseños permiten integrar el proyecto, la fabricación de elementos y el procedimiento constructivo. El proyecto de estas construcciones permite aligerar y reducir las cuantías de hormigón y acero en aquellas zonas de las losas donde la capacidad portante es insignificante. Además, se ha comparado este diseño con otros tradicionales, destacando una reducción de costes y un aumento de la sostenibilidad a lo largo del ciclo de vida.

YEPES-BELLVER, L.; MARTÍNEZ-PAGÁN, P.; ALCALÁ, J.; YEPES, V. (2024). Análisis del predimensionamiento de tableros óptimos de puentes losa pretensados aligerados y su incidencia en el proyecto estructural. 28th International Congress on Project Management and Engineering, AEIPRO, 3-4 de julio, Jaén (Spain)

El proyecto estructural normalmente se basa en la experiencia del proyectista. En ocasiones, dicha experiencia se plasma en fórmulas de predimensionamiento que, si bien ofrecen buenos resultados, en ocasiones arrastran ineficiencias cuando se comparan con técnicas actuales de optimización que tenga en cuenta las dimensiones económicas y ambientales. En este artículo se comparan reglas de dimensionamiento previo de estructuras basadas en la experiencia con técnicas de optimización. Se aplica al caso del proyecto de tableros de puentes tipo losa pretensados aligerados. El resultado de la investigación resalta la importancia de aplicar métodos basados en la optimización heurística y en metamodelos para actualizar la experiencia de los proyectistas y proponer nuevas fórmulas de predimensionamiento más ajustadas a la optimización económica y ambiental. Además, en el trabajo se ofrecen nomogramas de predimensionamiento, con el mínimo número de datos posible, que pueden ser de utilidad al proyectista en sus diseños previos.

Os paso el vídeo de presentación del congreso.

Special Issue: “Multi-objective Optimization and Applications”

Mathematics is a peer-reviewed, open-access journal that provides an advanced forum for studies related to mathematics. It is published semimonthly online by MDPI. The European Society for Fuzzy Logic and Technology (EUSFLAT) and International Society for the Study of Information (IS4SI) are affiliated with Mathematics, and their members receive a discount on article processing charges.

Open Access— free for readers, with article processing charges (APC) paid by authors or their institutions.
High Visibility: indexed within Scopus, SCIE (Web of Science), RePEc, and other databases.
Journal Rank: JCR – Q1 (Mathematics) / CiteScore – Q1 (General Mathematics)
Rapid Publication: manuscripts are peer-reviewed, and a first decision is provided to authors approximately 16.9 days after submission; acceptance to publication is undertaken in 2.6 days (median values for papers published in this journal in the second half of 2023).
Recognition of Reviewers: reviewers who provide timely, thorough peer-review reports receive vouchers entitling them to a discount on the APC of their next publication in any MDPI journal in appreciation of the work done.
Sections: published in 13 topical sections.
Companion journals for Mathematics include: Foundations, AppliedMath, Analytics, International Journal of Topology, Geometry and Logics.

Impact Factor: 2.4 (2022); 5-Year Impact Factor: 2.3 (2022) (First decile JCR journal) JCR – Q1 (Mathematics) / CiteScore – Q1 (General Mathematics)

Special Issue “Multi-objective Optimization and Applications”

A special issue of Mathematics (ISSN 2227-7390). This special issue belongs to the section “Computational and Applied Mathematics.”

Deadline for manuscript submissions: 31 March 2025

Special Issue Editors

Prof. Dr. Víctor Yepes E-Mail Website Guest Editor

Institute of Concrete Science and Technology (ICITECH), Construction Engineering Department, Universitat Politècnica de València, 46022 València, Spain
Interests: multiobjective optimization; structures optimization; lifecycle assessment; social sustainability of infrastructures; reliability-based maintenance optimization; optimization and decision-making under uncertainty
Special Issues, Collections and Topics in MDPI journals

Prof. Dr. Moacir Kripka E-Mail Website Guest Editor

Civil and Environmental Engineering Graduate Program (PPGEng), University of Passo Fundo, Passo Fundo CEP 99052-900, Brazil
Interests: structural analysis; optimization; engineering optimization; linear programming; mathematical programming; heuristics; structural optimization; concrete; combinatorial optimization; structural engineering; multiobjective optimization; reinforced concrete; optimization methods; discrete optimization; optimization theory; optimization software
Special Issues, Collections and Topics in MDPI journals

Dr. José Antonio García E-Mail Website Guest Editor

Escuela de Ingeniería en Construcción, Pontificia Universidad Católica de Valparaíso, Avenida Brasil 2147, Valparaíso 2362804, Chile
Interests: optimization; deep learning; operations research; artificial intelligence applications to industrial problems
Special Issues, Collections and Topics in MDPI journals

Special Issue Information

Dear Colleagues,

Optimization techniques have become frequent in recent decades due to the growing competitiveness brought about by globalization. With the development of new methods and the greater availability of computer resources, applications in the most diverse fields of knowledge have spread from academic banks to the day-to-day running of companies. However, a more realistic approach can be achieved if several objectives are integrated into the process. Thus, an exciting strategy cannot only meet cost requirements, for example, but it also concerns itself with durability, efficiency, reliability, and sustainability. Given that numerous objectives are involved, which are usually in conflict, new strategies are needed, while new and more complete applications are envisioned. In this sense, the Special Issue, “Multi-objective Optimization and Applications,” aims to provide a platform for disseminating knowledge related to multi-objective optimization. Research articles involving efficient and innovative optimization methods and new applications related to diverse areas of expertise are sought, promoting an exchange of new ideas and trends concerning the subject.

Prof. Dr. Víctor Yepes
Prof. Dr. Moacir Kripka
Dr. José Antonio García
Guest Editors

Manuscript Submission Information

Manuscripts should be submitted online at www.mdpi.com by registering and logging in to this website. Once you are registered, click here to go to the submission form. Manuscripts can be submitted until the deadline. All submissions that pass pre-check are peer-reviewed. Accepted papers will be published continuously in the journal (as soon as accepted) and listed together on the special issue website. Research articles, review articles, and short communications are invited. For planned papers, a title and short abstract (about 100 words) can be sent to the Editorial Office for announcement on this website.

Submitted manuscripts should not have been published previously nor be under consideration for publication elsewhere (except conference proceedings papers). All manuscripts are thoroughly refereed through a single-blind peer-review process. A guide for authors and other relevant information for submission of manuscripts is available on the Instructions for Authors page. Mathematics is an international peer-reviewed open-access semimonthly journal published by MDPI.

Please visit the Instructions for Authors page before submitting a manuscript. The Article Processing Charge (APC) for publication in this open-access journal is 2600 CHF (Swiss Francs). Submitted papers should be well formatted and use good English. Authors may use MDPI’s English editing service before publication or during author revisions.

Keywords

multi-objective optimization
optimization methods
optimization applications
innovative methods and algorithms

Published Papers

This special issue is now open for submission.

Descargar (PDF, 126KB)

Mejora de la robustez en la optimización de estructuras modulares prefabricadas: Integración de NSGA-II, NSGA-III y RVEA para una infraestructura sostenible

Acaban de publicarnos un artículo en Mathematics, revista indexada en el primer decil del JCR. El documento explora el diseño de estructuras modulares prefabricadas sostenibles utilizando la optimización multiobjetivo (MOO) y la toma de decisión multicriterio (MCDM) con algoritmos avanzados como NSGA-II, NSGA-III y RVEA. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.

El artículo destaca la importancia de integrar la sostenibilidad del ciclo de vida en los proyectos de infraestructura de transporte para estimular la innovación y la colaboración entre las partes interesadas. Además, presenta una estrategia de diseño novedosa que se centra en la optimización del ciclo de vida de los marcos modulares prefabricados de hormigón armado (RCPMF). Por último, amplía la comprensión de la aplicabilidad de los algoritmos avanzados de MOO y las técnicas de MCDM para mejorar el desarrollo sostenible de la infraestructura.

Las conclusiones más importantes de este trabajo son las siguientes:

El estudio evalúa el rendimiento de optimización del ciclo de vida de los algoritmos NSGA-II, NSGA-III y RVEA dentro de una estructura prefabricada tipo marco de diseño coherente para una infraestructura de transporte sostenible.
El NSGA-III se identifica como el algoritmo con mejor rendimiento, lo que demuestra su potencial para facilitar enfoques de diseño sostenibles.
El problema del MCDM se evalúa rigurosamente y se abordan nueve soluciones no dominantes generadas por los algoritmos de optimización, lo que demuestra la eficiencia y la fiabilidad del marco integrado de MOO y MCDM.
Los resultados abogan por un enfoque transformador del desarrollo de infraestructuras, orientado hacia soluciones de ingeniería más avanzadas y sostenibles.

Abstract:

The advancement toward sustainable infrastructure presents complex multi-objective optimization (MOO) challenges. This paper expands the current understanding of design frameworks that balance cost, environmental impacts, social factors, and structural integrity. Integrating MOO with multi-criteria decision-making (MCDM), the study targets enhancements in life cycle sustainability for complex engineering projects using precast modular road frames. Three advanced evolutionary algorithms—NSGA-II, NSGA-III, and RVEA—are optimized and deployed to address sustainability objectives under performance constraints. The efficacy of these algorithms is gauged through a comparative analysis, and a robust MCDM approach is applied to nine non-dominated solutions, employing SAW, FUCA, TOPSIS, PROMETHEE, and VIKOR decision-making techniques. An entropy theory-based method ensures systematic, unbiased criteria weighting, augmenting the framework’s capacity to pinpoint designs, balancing life cycle sustainability. The results reveal that NSGA-III is the algorithm converging towards the most cost-effective solutions, surpassing NSGA-II and RVEA by 21.11% and 10.07%, respectively, while maintaining balanced environmental and social impacts. The RVEA achieves up to 15.94% greater environmental efficiency than its counterparts. The analysis of non-dominated solutions identifies the $A_{4}$ design, utilizing 35 MPa concrete and B500S steel, as the most sustainable alternative across 80% of decision-making algorithms. The ranking correlation coefficients above 0.94 demonstrate consistency among decision-making techniques, underscoring the robustness of the integrated MOO and MCDM framework. The results in this paper expand the understanding of the applicability of novel techniques for enhancing engineering practices and advocate for a comprehensive strategy that employs advanced MOO algorithms and MCDM to enhance sustainable infrastructure development.

Keywords:

Multi-objective optimization; multi-criteria decision-making; NSGA-II; NSGA-III; RVEA; SAW; FUCA; TOPSIS; PROMETHEE; VIKOR

Reference:

Os paso el artículo para su descarga, pues se ha publicado en abierto:

Descargar (PDF, 1001KB)