Os dejo a continuación un ejemplo sencillo de aplicación de la técnica AHP de toma de decisiones dirigida a la selección de alternativas en la construcción de un puente mixto en cajón. Se trata de un caso que utilizamos con nuestros estudiantes para enseñar la técnica. Tratamos de evitar que, en los estudios de soluciones, los estudiantes recurran siempre a las matrices de valoración ponderada, donde los pesos de cada criterio siempre se ponen de forma más o menos arbitraria, o bien para justificar la solución preferida. Este tipo de problemas también suelen aparecer en los concursos de licitación de obras públicas.
Referencia:
YEPES, V.; MARTÍNEZ-MUÑOZ, D.; ATA-ALI, N.; MARTÍ, J.V. (2019). Multi-criteria decision analysis techniques applied to the construction of a composite box-girder bridge. 13th annual International Technology, Education and Development Conference (INTED 2019), Valencia, 11th, 12th and 13th of March, 2019, 1458-1467. ISBN: 978-84-09-08619-1
Figura 1. Desgraciadamente, no existe comida gratis. https://medium.com/@LeonFedden/the-no-free-lunch-theorem-62ae2c3ed10c
Después de años impartiendo docencia en asignaturas relacionadas con la optimización heurística de estructuras de hormigón, y tras muchos artículos científicos publicados y más aún en los que he sido revisor de artículos de otros grupos de investigación, siempre se plantea la misma pregunta: De todos los algoritmos que utilizamos para optimizar, ¿cuál es el mejor? ¿Por qué dice en su artículo que su algoritmo es el mejor para este problema? ¿Por qué no nos ponemos de acuerdo?
Para resolver esta cuestión, dos investigadores norteamericanos, David Wolpert y William Macready, publicaron en 1997 un artículo en el que establecieron un teorema denominado «No free lunch«, que, traducido, sería algo así como «no hay comida gratis». Dicho teorema establece que, por cada par de algoritmos de búsqueda, hay tantos problemas en los que el primer algoritmo es mejor que el segundo como problemas en los que el segundo algoritmo es mejor que el primero.
Este teorema revolucionó la forma de entender el rendimiento de los algoritmos. Incluso una búsqueda aleatoria en el espacio de soluciones podría dar mejores resultados que cualquier algoritmo de búsqueda. La conclusión es que no existe un algoritmo que sea universalmente mejor que los demás, pues siempre habrá casos en los que funcione peor que otros, lo que significa que todos ellos se comportarán igual de bien (o de mal) en promedio.
De hecho, podría decirse que un experto en algoritmos genéticos podría diseñar un algoritmo genético más eficiente que, por ejemplo, un recocido simulado, y viceversa. Aquí el arte y la experiencia en un problema y en una familia de algoritmos determinados suelen ser decisivos. En la Figura 2 se puede ver cómo un algoritmo muy especializado, que conoce bien el problema, puede mejorar su rendimiento, pero pierde la generalidad para usarse en cualquier tipo de problema de optimización distinto del que se diseñó.
Figura 2. El uso del conocimiento del problema puede mejorar el rendimiento, pero a costa de la generalidad. https://medium.com/@LeonFedden/the-no-free-lunch-theorem-62ae2c3ed10c
¿Qué consecuencias obtenemos de este teorema? Lo primero, una gran decepción, pues hay que abandonar la idea del algoritmo inteligente capaz de optimizar cualquier problema. Lo segundo, que es necesario incorporar en el algoritmo cierto conocimiento específico del problema, lo cual equivale a una «carrera armamentística» para cada problema de optimización. Se escriben y escribirán miles de artículos científicos en los que un investigador demuestre que su algoritmo es mejor que otro para un determinado problema.
Una forma de resolver este asunto de incorporar conocimiento específico del problema es el uso de la inteligencia artificial en apoyo de las metaheurísticas. Nuestro grupo de investigación está abriendo puertas en este sentido, incorporando «deep learning» en el diseño de algoritmos (Yepes et al., 2020; García et al., 2020a; 2020b) o bien redes neuronales (García-Segura et al., 2017). Incluso, en este momento, me encuentro como editor de un número especial de la revista Mathematics (primer decil del JCR) denominado: “Deep Learning and Hybrid-Metaheuristics: Novel Engineering Applications”, al cual os invito a enviar vuestros trabajos de investigación.
Si nos centramos en un tipo de problema determinado, por ejemplo, la optimización de estructuras (puentes, pórticos de edificación, muros, etc.), el teorema nos indica que necesitamos gente formada y creativa para optimizar el problema concreto al que nos enfrentamos. Es por ello que no existen programas comerciales eficientes capaces de adaptarse a cualquier estructura para optimizarla. Tampoco son eficientes las herramientas generales, «tools», que ofrecen algunos programas, como Matlab, para su uso inmediato e indiscriminado.
Por tanto, no se podrá elegir entre dos algoritmos solo basándose en el buen desempeño que obtuvieron anteriormente en un problema determinado, pues en el siguiente problema pueden optimizar de forma deficiente. Por tanto, se exige conocimiento intrínseco de cada problema para optimizarlo. Es por ello que, por ejemplo, un experto matemático o informático no puede, sin más, dedicarse a optimizar puentes atirantados.
Figura 1. https://nationalpost.com/news/toronto/historic-home-perched-five-storeys-above-solid-ground-so-50-storey-condo-can-rise-behind-19th-century-dwelling
Todos los días vemos miles de imágenes en internet. Un buen número de ellas son montajes que buscan llamar la atención para atraer visitas y aumentar los ingresos por publicidad. La ingeniería no se libra de este tipo de fenómenos.
En la Figura 1 podéis observar una imagen que, a priori, resulta espectacular. Pero para un ingeniero supone un rompecabezas, pues resulta muy complicado ejecutar pilotes justo debajo de un edificio. Es la típica fotografía que utilizo para que mis estudiantes piensen un poco en cómo se ha podido realizar este procedimiento constructivo. Muchas veces la respuesta es correcta: es un montaje. Sin embargo, no es este el caso.
En este caso, la pregunta me la hizo Marcos Barjola. La respuesta no es nada fácil a priori. No obstante, al buscar en internet, uno puede encontrar una nota de prensa fechada en Toronto que trata de este caso.
Se trata de una noticia de 2014. El titular decía lo siguiente: «Una casa histórica encaramada a cinco pisos sobre tierra firme para que un condominio de 50 pisos se levante detrás de una vivienda del siglo XIX». Además, se añadía lo siguiente: «Hay pocas posibilidades de que los ocupantes originales de la Casa John Irwin pudieran imaginar lo que pasaría con su vivienda dentro de 141 años».
La solución fue ingeniosa y, ciertamente, costosa. Se desplazó la vivienda, se ejecutaron los pilotes y la viga riostra, y se volvió a situar la vivienda sobre la estructura. Sin embargo, se trataba de salvar un edificio de dos plantas, construido en 1873, único en ser una de las últimas casas del siglo XIX que aún existen en el centro de Toronto.
Este tipo de noticias suele dar pie a muchas reflexiones ingenieriles. Un ejemplo es la Figura 2. ¿Se trata de un montaje? ¿Es posible que la foto sea real? Os dejo la pregunta abierta para que penséis por un rato.
Acaban de publicarnos un artículo en la revista Journal of Civil Engineering and Management, indexada en Q2 del JCR. Se trata de una revisión del estado del arte sobre la toma de decisiones multicriterio en el análisis sostenible del ciclo de vida de los puentes.
El trabajo se enmarca en el proyecto de investigación DIMALIFE, que dirijo como investigador principal en la Universitat Politècnica de València.
El diseño sostenible de las infraestructuras se ha convertido en un tema de estudio importante desde el reciente establecimiento de la Agenda 2030. En este artículo se ofrece una revisión sistemática de la bibliografía sobre el uso de técnicas de toma de decisiones basadas en criterios múltiples aplicadas hasta ahora al proyecto sostenible de puentes. También se presta especial atención a la forma en que los estudios evalúan el comportamiento sostenible de los diseños de los puentes a lo largo de su ciclo de vida desde las perspectivas económicas, ambientales y sociales. Aunque SAW y AHP se utilizan de manera recurrente en la evaluación sostenible de los puentes, el análisis de los artículos más recientes muestra que la aplicación de las técnicas TOPSIS y PROMETHEE está cobrando cada vez más relevancia para tal fin. La mayoría de los estudios se centran en la investigación sobre la construcción y la etapa de mantenimiento de los puentes. Sin embargo, se identifica la necesidad de un análisis más profundo cuando se trata de evaluar los impactos resultantes de la etapa del fin del ciclo vital de los puentes desde un punto de vista sostenible. Se ha detectado el uso de la lógica intuitiva y neutrosófica como alternativas emergentes al enfoque difuso de los problemas de toma de decisiones.
ABSTRACT
Sustainable infrastructure design has become a major area of study since the recent establishment of the Agenda 2030. This paper provides a systematic literature review of the use of multi-criteria decision-making techniques for the sustainable design of bridges. Special attention is also given to how the reviewed studies assess the sustainable performance of bridge designs throughout their life cycles from economic, environmental, and social perspectives. Although SAW and AHP are frequently used in the sustainable assessment of bridges, the analysis of recent articles shows that the application of TOPSIS and PROMETHEE techniques is gaining increasing relevance for this purpose. Most studies focus on the construction and maintenance stages of bridges. However, a need for further analysis is identified in assessing the impacts of bridges’ end-of-life cycle stage from a sustainable perspective. The use of intuitionistic and neutrosophic logic has been detected as an emerging alternative to the fuzzy approach of decision-making problems.
Figura 1. Construcción modular. https://www.draytonfox.com/modern-methods-of-construction/
La construcción modular y la prefabricación son técnicas ya veteranas en el ámbito de la ingeniería civil y la edificación. Desde que en 1936 Eugène Freyssinet construyera el primer puente de hormigón pretensado del mundo, en el que las vigas y los tableros eran prefabricados, la tecnología ha experimentado un avance imparable. Por otra parte, la construcción modular tiene una larga historia en la gestión de la innovación (Simon, 1962). Sin embargo, la auténtica revolución que supone la inteligencia artificial, las tecnologías BIM y los retos de la sostenibilidad está cambiando radicalmente este concepto y lo está llevando a una nueva dimensión. En efecto, estamos ante la revolución de los métodos modernos de construcción. Este es el concepto del que vamos a hablar a continuación.
Los métodos modernos de construcción (Modern Methods of Construction, MMC) , o como algunos llaman «construcción inteligente«, constituyen alternativas a la construcción tradicional. Este concepto de MMC lo utilizó el gobierno del Reino Unido para describir una serie de innovaciones en la construcción de viviendas, la mayoría de las cuales son tecnologías de construcción en fábrica (Gibb, 1999). Es un término que cubre una amplia gama de tecnologías basadas en la fabricación modular, ya sea «in situ» o en otra ubicación, que revolucionan la forma de construir edificios de manera más rápida, rentable y eficiente. También suele llamarse construcción «off-site». Un ejemplo no muy lejano ha sido la construcción de dos hospitales de campaña en Wuhan (China) en tan solo 12 días debido a la epidemia de coronavirus. Por ejemplo, países como Suecia y Japón lideran en la construcción MMC. En Suecia, casi la mitad de las viviendas de nueva construcción utilizan este método, hasta el 80% en el caso de las viviendas unifamiliares. Japón es el país donde se construyen el mayor número de viviendas nuevas con este método, aunque no alcanzan el 20% del total. Incluso podemos leer una noticia de hace unos días en la que el alcalde de Londres apoya decididamente la aplicación del diseño de viviendas modulares.
Los diferentes métodos MMC incluyen el sistema de paneles planos prefabricados, módulos volumétricos 3D (Figuras 1 y 3), construcción con losas planas, paneles de cerramiento prefabricados (Figura 2), muros y forjados de hormigón, tecnología de doble pared (Figura 4), cimientos de hormigón prefabricado, aislamiento de encofrados de hormigón, entre otros. No obstante, la gestión de los sistemas 1D/2D respecto a los volumétricos 3D difiere significativamente (López, 2017).
Tabla 1. Principales diferencias entre los sistemas modulares basados en elementos 1D y 2D frente a celdas 3D (López, 2017)
La reciente norma UNE 127050:2020 trata justamente de los sistemas constructivos industrializados para edificios construidos con elementos prefabricados de hormigón, así como de los requisitos de comportamiento, fabricación, instalación y verificación.
Figura 2. Paneles de cerramiento prefabricados (precast cladding panels). https://www.designingbuildings.co.uk/wiki/Precast_concrete_cladding
Las ventajas de la construcción MMC frente a la tradicional son evidentes. Los módulos permiten un ahorro de tiempo de hasta el 50%, pues se elaboran en fábrica, sin la influencia del clima. Una vez llegan a la obra, se ensamblan, interrumpiendo al mínimo la propia obra, pues el 80% de la actividad de la construcción se ha realizado lejos de ella. Permite el uso de materiales respetuosos con el medio ambiente, reduciendo el desperdicio. Los módulos son de diseño atractivo e innovador, con materiales de elevada calidad, con un diseño a medida del cliente. La construcción en fábrica permite la fabricación con 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 implica costes más elevados que la construcción tradicional. Otras barreras son la falta de mano de obra especializada, la escasez de suministros y la regulación vigente (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 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 (Yepes et al., 2012; Pellicer et al., 2014, 2016).
Figura 3. Módulos volumétricos 3D (3D volumetric modules). http://www.ehu.eus/ehusfera/industrialized-architecture/page/4/
En la siguiente tabla, elaborada por Alejandro López, se pueden ver las diferencias más notables entre la construcción industrializada y la tradicional.
Tabla 2. Diferencias entre la construcción tradicional y la industrializada (Alejandro López).
Construcción tradicional
Construcción industrializada
Definición
Más posibilidades de cambios a lo largo de todo el proceso
Etapas claramente definidas, empezando desde el proyecto
Calidad
Elementos se manufacturan y/o ejecutan en la propia obra, mayor influencia del error humano (más rechazos)
Mayor control (cada pieza tiene su destino), menor influencia del error humano (se sustituyen los albañiles por montadores: la pieza tiene su lugar)
Precisión
Se admiten los errores. Las tolerancias se basan en centímetros
La precisión dimensional y espacial de los elementos es crucial. Las tolerancias se basan en milímetros
Mano de obra
Dependencia casi exclusiva de la capacitación técnica de la mano de obra humana disponible
Procesos más automatizados
Coste
En origen, normalmente menor. Pero mayor riesgo de imprevistos y desviaciones económicas
Precio cerrado en proyecto
Tiempo
El mayor grado de indefinición y la mayor interacción entre los distintos agentes provocan desviaciones en tiempo y, por tanto, en costes
Mayor grado de cumplimiento en la planificación de la obra, rápida apertura de tajos para otros gremios, menor dependencia de las condiciones climatológicas
Materiales
La obra es la fábrica al mismo tiempo. Muchos excedentes de materiales
Menor generación de residuos
Una de las claves que acelerará, sin duda, la adopción de los métodos MMC es la introducción de la metodología BIM en los proyectos de edificación o de infraestructuras. En España, las administraciones públicas ya van dando pasos hacia la exigencia de que los proyectos de edificación o de infraestructura se realicen bajo la metodología BIM. Tanto MMC como BIM mejoran claramente la calidad del producto, la sostenibilidad y el servicio a lo largo del ciclo de vida del activo. A este respecto, recomiendo leer la guía BIM para empresas de prefabricados de hormigón (ANDECE, 2020).
En la feria Construmat de Barcelona (mayo de 2019), McKinsey & Company presentó un informe en el que se detalla cómo la tecnología basada en datos podría ayudar a las empresas españolas de infraestructuras a tomar decisiones más inteligentes, reducir el riesgo y mejorar los resultados de los proyectos. Por tanto, BIM, la automatización de procesos, la inteligencia artificial, el Big Data, las tecnologías en la nube o la interacción con Internet de las Cosas suponen la revolución que lanzará definitivamente la construcción inteligente.
Figura 4. Tecnología de doble pared (twin wall technology). https://www.cornishconcrete.co.uk/products/twin-wall/
Dentro de nuestro grupo de investigación estamos trabajando en la tesis doctoral de Antonio Sánchez Garrido sobre este tipo de aspectos. En una de sus primeras publicaciones en revista indexada en el primer decil de JCR (Sánchez-Garrido y Yepes, 2020), se han aplicado técnicas analíticas de toma de decisiones multicriterio (MCDM) y análisis del ciclo de vida, a una tipología de construcción tradicional de una vivienda unifamiliar, y a dos alternativas diferentes basadas en MMC. Se propone un índice de sostenibilidad que incluye atributos tangibles e intangibles, así como factores de incertidumbre y riesgos, y que permite a los promotores priorizar soluciones que aseguren la sostenibilidad económica, social y medioambiental.
Os dejo algunos vídeos sobre esta nueva tecnología.
https://www.youtube.com/watch?v=fZl9Pd0UU_U
Os dejo, como información complementaria, un artículo de Alejandro López de hace apenas tres años, en el que ya se empezaba a vislumbrar un crecimiento exponencial de la construcción modular.
DOWSETT, R.; GREEN, M.; SEXTON, M.; HARTY, C.,2019. Projecting at the project level: MMC supply chain integration roadmap for small house builders. Construction Innovation-England, 19 (2): 193-211.
PELLICER, E.; YEPES, V.; CORREA, C.L.; ALARCÓN, L.F. (2014). Model for Systematic Innovation in Construction Companies.Journal of Construction Engineering and Management, 140(4):B4014001.
PELLICER, E.; SIERRA, L.A.; YEPES, V. (2016). Appraisal of infrastructure sustainability by graduate students using an active-learning method.Journal of Cleaner Production, 113:884-896.
RAHMAN, M.M. (2014). Barriers of implementing modern methods of construction. Journal of Management in Engineering, 30(1):69-77.
SÁNCHEZ-GARRIDO, A.J.; YEPES, V. (2020). Multi-criteria assessment of alternative sustainable structures for a self-promoted, single-family home.Journal of Cleaner Production, 258: 120556.
SIMON, H.A. (1962). The arquitecture of complexity. Proceedings of the American Philosophical Society, 106(6):467-482.
YEPES, V.; PELLICER, E.; ORTEGA, J.A. (2012). Designing a benchmark indicator for managerial competences in construction at the graduate level. Journal of Professional Issues in Engineering Education and Practice, 138(1): 48-54.
Figura 1. Viga armada de acero. https://www.renedometal.es/
Las vigas armadas son estructuras de acero compuestas por placas soldadas entre sí que conforman sus alas y almas, y se añaden rigidizadores transversales y longitudinales donde sea necesario. El uso de este elemento estructural es habitual en grandes luces o con cargas importantes, donde las vigas laminadas no pueden soportar las tensiones que se generan. Es habitual su empleo en edificación para grandes lucen y también en puentes metálicos para salvar vanos entre 18 y 300 m. En el caso de puentes de ferrocarril o cuando existan grandes cargas, este tipo de vigas compite económicamente por luces entre 15 y 45 m (Marco, 1997).
Un caso muy habitual es la construcción de puentes metálicos mediante técnicas de lanzamiento o de empuje. Durante estos procesos, la viga se encuentra sometida a altos niveles de esfuerzos cortantes y cargas concentradas. Otra fase crítica en la construcción de puentes metálicos mixtos es el vertido de hormigón en los tableros, momento en el que las vigas soportan cargas elevadas hasta que el hormigón endurece y es capaz de soportar sus esfuerzos.
Figura 2. Viga de lanzamiento utilizada en la construcción de un puente sobre el río Colastiné. https://jornadasaie.org.ar/jornadas-aie-anteriores/2014/contenidos/trabajos/005.pdf
La geometría de estas vigas suele hacerse a medida, soldando chapas de acero que dan lugar a secciones en doble T o en cajón. No obstante, la sección doble T suele ser la más habitual, pues normalmente es la más económica al requerir menos soldaduras, lo que permite ejecutarlas de forma automática. No obstante, la sección doble T presenta una menor resistencia a flexiones transversales y a la torsión, en comparación con las secciones en cajón. Además, si las alas son excesivamente esbeltas, se puede presentar una pérdida significativa de su eficacia.
Una forma de reducir el canto de las vigas armadas es emplear aceros de alta resistencia en las partes más solicitadas, que normalmente son las alas en flexión de la viga. En el alma podría utilizarse un acero con un límite elástico menor, pues su misión principal es absorber el cortante. A este tipo de vigas que utilizan diferentes límites elásticas de acero en las chapas de alas y alma, se denominan vigas armadas híbridas.
El uso de aceros de alto o muy alto límite elástico debe cumplir con determinadas características de dureza, ductilidad y soldabilidad para evitar roturas frágiles. En Europa se utilizan aceros de alto límite elástico (HSS) con valores de límite elástico entre 460 y 690 MPa, aunque no son ampliamente utilizados. No obstante, en otros países como Japón, Estados Unidos o Suecia, se utilizan estos aceros HSS desde hace varias décadas.
Según Chacón (2014), la investigación sobre las vigas híbridas comenzó en la década de los 60-70, con foco en la investigación experimental. Durante las décadas de los 80 y 90 bajó el interés en este campo, pero en la década de los 2000 se relanzó la investigación, tanto experimental como numérica.
La ventaja de las vigas armadas híbridas es la disminución del espesor de las chapas de mayor límite elástico, lo que supone una reducción de peso por unidad de longitud de la sección transversal, sin que ello disminuya el canto de la pieza (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.
En el siguiente vídeo podemos observar la fabricación de una viga carrilera de 50 toneladas.
En este otro vídeo podemos ver el resumen de una campaña de ensayos sobre vigas armadas híbridas de acero realizada en la UPC.
Referencias:
CHACÓN, R. (2014). Vigas armadas híbridas de acero. Estado del conocimiento. Revista Ciencia e Ingeniería, 35(2):95-102.
CHACÓN, R.; ROJAS-BLONVAL, J. E. (2015). Evaluación de la resistencia a abolladura por cortante de vigas armadas híbridas de acero según la norma venezolana COVENIN 1618:1998. Informes de la Construcción, 67(538): e075, doi: http://dx.doi.org/10.3989/ic.13.111.
MARCO, J. (1997). Fundamentos para el cálculo y diseño de estructuras metálicas de acero laminado. Comportamiento del material y esfuerzos básicos. McGraw Hill, Madrid.
TERREROS, A. (2014). Estudio de la interacción flector cortante en vigas híbridas de acero. Tesis de máster, Universitat Politècnica de Catalunya.
Figura 1. Colapso del puente I-35W en Minneapolis. https://thestartupgrowth.com/2019/02/21/structural-health-monitoring-market-driven-by-rapid-expansion-in-the-infrastructure-sector-till-2024/
Una noticia publicada el 9 de diciembre de 2018 en El País, con el siguiente titular: “Fomento admite que hay 66 puentes con graves problemas de seguridad”, suscitó cierta inquietud en la opinión pública sobre la seguridad de nuestros puentes. Esta inquietud irrumpió en agosto de ese mismo año con el derrumbe de un puente en Génova (Italia). Pero los ejemplos no quedan aquí. Podríamos hablar de la sustitución de los cables del Puente Fernando Reig, en Alcoy, o del Puente del Centenario, en Sevilla. O del derribo del puente Joaquín Costa, en Madrid. Ejemplos los tenemos en todo el mundo. En cualquier caso, estamos hablando de cifras millonarias, de cortes de tráfico, de pérdidas humanas, por poner algunas consecuencias sobre la mesa.
Los puentes son componentes críticos de la infraestructura, pues su correcto funcionamiento es básico para la resiliencia de nuestros entornos urbanos. Sin embargo, un gran número de infraestructuras están llegando al final de su vida útil al mismo tiempo. De hecho, se espera que la vida útil de muchos puentes sea menor que la proyectada debido al deterioro continuo provocado por el incremento del tráfico y de los impactos ambientales.Esto constituye una auténtica bomba de relojería (Thurlby, 2013), que, junto al reto de la reducción de los impactos ambientales, es razón más que suficiente para preocuparnos de mejorar el mantenimiento de nuestros puentes. De hecho, ya hemos comentado en un artículo anterior un concepto estrechamente relacionado con este: la «crisis de las infraestructuras«. Yo me atrevería a afirmar algo que puede parecer muy duro: el derrumbe de nuestra civilización será paralelo al de las infraestructuras que le dan soporte.
Hoy día los gestores de las infraestructuras tienen ante sí un reto importante consistente en mantenerlas en un estado aceptable con presupuestos muy limitados. De hecho, la inspección de los puentes, su mantenimiento y reparación constituyen tareas rutinarias necesarias para mantener dichas infraestructuras en buenas condiciones (Tong et al., 2019). Sin embargo, el problema se vuelve grave cuando una parte significativa del parque de infraestructuras está próxima 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. Resolver este problema es complicado, pues no se presta fácilmente a la exploración con los instrumentos analíticos y de previsión tradicionales.
El estado o deterioro de una infraestructura sigue un comportamiento similar, pero invertido, al de la llamada «curva de la bañera«, que es una gráfica que representa los fallos durante el periodo de vida útil de un sistema o de una máquina. En este caso, según vemos en la Figura 2, el estado de la infraestructura o las prestaciones de la infraestructura permanecen altos durante un periodo de tiempo, hasta que empiezan a decaer. Para los gestores es necesario conocer el comportamiento de las infraestructuras para tomar decisiones. Sin embargo, muchas veces desconocen en qué posición de la curva se encuentran y, lo que es peor, a qué ritmo se va a deteriorar. Por ejemplo, en la Figura 2 podemos ver que las caídas en las prestaciones de A a B o de B a C son similares, pero la velocidad de deterioro difiere mucho. Y lo que es peor de todo, llega un momento en el que la caída de las prestaciones ocurre de forma muy acelerada, sin capacidad de reacción por parte de los gestores. Por eso se ha utilizado el símil de la «bomba de relojería».
Figura 2. Estado o prestaciones de una infraestructura (Thurlby, 2013)
La gestión y el mantenimiento de los puentes están empezando a ser un problema de magnitud tal que resulta más que preocupante. Algunos datos son un ejemplo de ello: en el año 2019, 47000 puentes 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). Estos son buenos argumentos para prolongar la vida útil de los puentes.
Una de las tecnologías para mejorar la gestión y el mantenimiento de los puentes es la vigilancia de su estado estructural (structural health monitoring, SHM), que busca optimizar el comportamiento de la estructura mediante el aprendizaje de los datos obtenidos a lo largo de su vida útil, a partir de su monitorización (Figura 3). Estos datos sirven para actualizar los modelos y comprobar el estado en que se encuentra la estructura, lo que permite minimizar la incertidumbre de los parámetros empleados en los modelos. Sin embargo, aún no se ha resuelto completamente el paso de la obtención de los datos del puente en tiempo real a la toma de decisiones en la gestión y mantenimiento de los puentes.
Figura 3. Structural health monitoring. https://thestartupgrowth.com/2019/02/21/structural-health-monitoring-market-driven-by-rapid-expansion-in-the-infrastructure-sector-till-2024/
En un artículo anterior se explicó el concepto de gemelos digitales (digital twins). Estos modelos, actualizados constantemente mediante la monitorización del puente, permitirían conocer en tiempo real su estado estructural y predecir su comportamiento ante determinadas circunstancias. Esta información sería clave para tomar decisiones en la gestión y el mantenimiento del puente.
Las preguntas clave que deberíamos responder serían las siguientes: ¿Es el puente seguro? ¿cuánto tiempo durará el puente seguro? ¿cuál es el comportamiento estructural actual del puente? ¿cuándo y cómo deberemos intervenir en el puente?
La respuesta a estas preguntas no es tan evidente como podría parecer a simple vista. Los gestores de infraestructuras deberían ser capaces de comprender y valorar, en su justa medida, los resultados estructurales de los modelos cuyos datos se actualizan en tiempo real. La dificultad radica en conocer no solo los datos, sino también las causas subyacentes a los cambios en el comportamiento estructural. Una ayuda son las técnicas procedentes de la inteligencia artificial, como el aprendizaje profundo, que permiten interpretar ingentes cantidades de datos e identificar patrones y correlaciones entre dichos datos. En un artículo anterior hablamos de este tema. Por otra parte, la actualización de los datos procedentes de la vigilancia de los puentes debería ser automática y en tiempo real. Aquí vuelve a cobrar importancia la inteligencia artificial, aunque nunca debería suplantar el conocimiento ingenieril que permite interpretar los resultados generados por los algoritmos.
Por otra parte, la modelización del riesgo y de la resiliencia es una labor necesaria para comprender la vulnerabilidad de las infraestructuras. De esta forma, seríamos capaces de desarrollar estrategias de mitigación que podrían complementar las estrategias de gestión del deterioro explicadas anteriormente.
Por tanto, existe un auténtico salto entre la investigación dedicada a la monitorización en tiempo real de los puentes y la toma de decisiones para su gestión y mantenimiento. Los gemelos digitales, apoyados en los actuales desarrollos tecnológicos como el «Internet de las cosas«, deberían permitir el paso de la investigación y el desarrollo a la innovación directamente aplicable a la realidad de la gestión de las infraestructuras.
THURLBY, R. (2013). Managing the asset time bomb: a system dynamics approach. Proceedings of the Institution of Civil Engineers – 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.
Os presento la segunda edición ampliada del libro que he publicado sobre procedimientos de construcción de cimentaciones y estructuras de contención. El libro trata de los aspectos relacionados con los procedimientos constructivos, maquinaria y equipos auxiliares empleados en la construcción de cimentaciones superficiales, cimentaciones profundas, pilotes, cajones, estructuras de contención de tierras, muros, pantallas de hormigón, anclajes, entibaciones y tablestacas. Pero se ha ampliado esta edición con tres capítulos nuevos dedicados a los procedimientos de contención y control de las aguas subterráneas. Además, de incluir la bibliografía para ampliar conocimientos, se incluyen cuestiones de autoevaluación con respuestas y un tesauro para el aprendizaje de los conceptos más importantes de estos temas. Este texto tiene como objetivo apoyar los contenidos lectivos de los programas de los estudios de grado relacionados con la ingeniería civil, la edificación y las obras públicas.
El libro tiene 480 páginas, 439 figuras y fotografías, así como 430 cuestiones de autoevaluación resueltas. Los contenidos de esta publicación han sido evaluados mediante el sistema doble ciego, siguiendo el procedimiento que se recoge en: http://www.upv.es/entidades/AEUPV/info/891747normalc.html
Sobre el autor: Víctor Yepes Piqueras. Doctor Ingeniero de Caminos, Canales y Puertos. Catedrático de Universidad del Departamento de Ingeniería de la Construcción y Proyectos de Ingeniería Civil de la Universitat Politècnica de València. Número 1 de su promoción, ha desarrollado su vida profesional en empresas constructoras, en el sector público y en el ámbito universitario. Es director académico del Máster Universitario en Ingeniería del Hormigón (acreditado con el sello EUR-ACE®), investigador del Instituto de Ciencia y Tecnología del Hormigón (ICITECH) y profesor visitante en la Pontificia Universidad Católica de Chile. Imparte docencia en asignaturas de grado y posgrado relacionadas con procedimientos de construcción y gestión de obras, calidad e innovación, modelos predictivos y optimización en la ingeniería. Sus líneas de investigación actuales se centran en la optimización multiobjetivo, la sostenibilidad y el análisis de ciclo de vida de puentes y estructuras de hormigón.
Figura 1. https://www.un.org/sustainabledevelopment/es/2015/09/infraestructura-innovacion-e-industrias-inclusivas-claves-para-el-desarrollo/
La resiliencia es un concepto que viene del mundo de la psicología y representa la capacidad para adaptarse de forma positiva frente a situaciones adversas. Proviene del latín resilio, «volver atrás, volver de un salto, resaltar, rebotar». En el campo de la mecánica, la resiliencia sería la capacidad de un material para recuperar su forma inicial después de haber sido deformado por una fuerza. En la ecología, un sistema es resiliente si puede tolerar una perturbación sin colapsar a un estado completamente distinto, controlado por otro conjunto de procesos. En un entorno tecnológico, este término se relaciona con la capacidad de un sistema de soportar y recuperarse ante desastres y perturbaciones. En este artículo vamos a indagar en el concepto de resiliencia de las infraestructuras.
Así, dentro de los objetivos de desarrollo sostenible de Naciones Unidas (Figura 1), encontramos el Objetivo 9: Construir infraestructuras resilientes, provomer la industrialización sostenible y fomentar la innovación. En efecto, las infraestructuras deben hacer frente al crecimiento de la población, pero también a los crecientes peligros físicos (cinéticos) como el terrorismo, o los asociados al clima extremo y los desastres naturales. La frecuencia y gravedad de estos eventos extremos se prevén crecientes, y, por tanto, es más que previsible un aumento en los costes e impacto humano. Además, debido a la cada vez más informatización y digitalización de las infraestructuras, el riesgo de ataques informáticos a las infraestructuras es más que evidente.
La resiliencia puede asociarse con cuatro atributos: robustez, que es la capacidad para resistir un evento extremo sin que el fracaso en la funcionalidad sea completo; rapidez, que sería la capacidad de recuperarse de forma eficiente y efectiva; la redundancia, que sería la reserva de componentes o de sistemas estructurales sustitutivos; y el ingenio, que sería la eficiencia en la identificación de problemas, priorizando soluciones y movilizando recursos para su solución (Bruneau et al., 2003).
Matemáticamente, se puede evaluar la resiliencia integrando la curva de funcionalidad a lo largo del tiempo (ver Figura 2).
donde Q(t) es la funcionalidad; t0 es el momento en el que ocurre el evento extremo y Tr es el horizonte hasta donde se estudia la funcionalidad.
Figura 2. Valoración de la resiliencia tras un evento extremo (Anwar et al., 2019)
En la Figura 2 se pueden observar los tres estados correspondientes con la funcionalidad. En la situación de fiabilidad, la infraestructura se encuentra con la funcionalidad de referencia, previo al evento extremo. La situación de recuperación comienza tras la ocurrencia del evento extremo, con una pérdida de funcionalidad dependiente de la robustez de la infraestructura, y con una recuperación que depende de los esfuerzos realizados en la reparación, que puede ser rápida o lenta en función del ingenio o la creatividad en las soluciones propuestas, así como de la redundancia de los sistemas previstos. Por último, la situación recuperada es la que ocurre cuando la funcionalidad vuelve a ser la de referencia.
Se comprueba en la Figura 2 cómo una infraestructura pasa de una funcionalidad de referencia a una residual tras el evento extremo. Tras el evento, puede darse una demora en la recuperación de la funcionalidad debido a las tareas de inspección, rediseño, financiación, contratación, permisos, etc.). La recuperación completa de la funcionalidad depende de la forma en la que se han abordado las tareas de reparación. Es fácil verificar que la resiliencia se puede calcular integrando la curva de recuperación de la funcionalidad desde la ocurrencia del evento extremo hasta la completa recuperación, dividiendo dicho valor por el tiempo empleado en dicha recuperación.
Este modelo simplificado permite establecer las pautas para mejorar la resiliencia de una infraestructura:
a) Incrementando la robustez de la infraestructura, es decir, maximizar su funcionalidad residual tras un evento extremo.
b) Acelerando las actividades de recuperación de la funcionalidad de la infraestructura.
En ambos casos, es necesario concebir la infraestructura desde el principio con diseños robustos, con sistemas redundantes y con una previsión de las tareas de reparación necesarias.
Con todo, la capacidad de recuperación comprende cuatro dimensiones interrelacionadas: técnica, organizativa, social y económica (Bruneau et al., 2003). La dimensión técnica de la resiliencia se refiere a la capacidad de los sistemas físicos (incluidos los componentes, sus interconexiones e interacciones, y los sistemas enteros) para funcionar a niveles aceptables o deseables cuando están sujetos a los eventos extremos. La dimensión organizativa de la resiliencia se refiere a la capacidad de las organizaciones que gestionan infraestructuras críticas y tienen la responsabilidad de tomar decisiones y adoptar medidas que contribuyan a lograr la resiliencia descrita anteriormente, es decir, que ayuden a lograr una mayor solidez, redundancia, ingenio y rapidez. La dimensión social de la resiliencia consiste en medidas específicamente diseñadas para disminuir los efectos de los eventos extremos por parte de la población debido a la pérdida de infraestructuras críticas. Análogamente, la dimensión económica de la resiliencia se refiere a la capacidad de reducir tanto las pérdidas directas e indirectas de los eventos extremos.
El problema de estas cuatro dimensiones se pueden sumar de forma homogénea, con interrelaciones entre ellas. El reto consiste en cuantificar y medir la resiliencia en todas sus dimensiones, así como sus interrelaciones. Se trata de un problema de investigación de gran trascendencia y complejidad, que afecta al ciclo de vida de las infraestructuras desde el inicio de la planificación (Salas y Yepes, 2020).
Referencias:
ANWAR, G.A.; DONG, Y.; ZHAI, C. (2020). Performance-based probabilistic framework for seismic risk, resilience, and sustainability assessment of reinforced concrete structures. Advances in Structural Engineering, 23(7):1454-1457.
BRUNEAU, M.; CHANG, S.E.; EGUCHI, R.T. et al. (2003). A framework to quantitatively assess and enhance the seismic resilience of communities. Earthquake Spectra 19(4): 733–752.
Figura 1. Relación de pertenencia entre la inteligencia artificial, el aprendizaje automático y el aprendizaje profundo
En este artículo vamos a esbozar las posibilidades de la inteligencia artificial en la optimización de estructuras, en particular, el uso del aprendizaje profundo. El aprendizaje profundo (deep learning, DL) constituye un subconjunto del aprendizaje automático (machine learning, ML), que a su vez lo es de la inteligencia artificial (ver Figura 1). Si la inteligencia artificial empezó sobre los años 50, el aprendizaje automático surgió sobre los 80, mientras que el aprendizaje profundo nació en este siglo XXI, a partir del 2010, con la aparición de grandes superordenadores y por el aumento de los datos accesibles. Como curiosidad, uno de los grandes hitos del DL se produjo en 2012, cuando Google fue capaz de reconocer un gato entre los más de 10 millones de vídeos de Youtube, utilizando para ello 16000 ordenadores. Ahora serían necesarios muchos menos medios.
En cualquiera de estos tres casos, estamos hablando de sistemas informáticos capaces de analizar grandes cantidades de datos (big data), identificar patrones y tendencias y, por tanto, predecir de forma automática, rápida y precisa. De la inteligencia artificial y su aplicabilidad a la ingeniería civil ya hablamos en un artículo anterior.
Figura 2. Cronología en la aparición de los distintos tipos de algoritmos de inteligencia artificial. https://www.privatewallmag.com/inteligencia-artificial-machine-deep-learning/
Si pensamos en el cálculo estructural, utilizamos modelos, más o menos sofistificados, que permiten, si se conocen con suficiente precisión las acciones, averiguar los esfuerzos a los que se encuentran sometidos cada uno de los elementos en los que hemos dividido una estructura. Con dichos esfuerzos se identifican una serie de estados límite, que son un conjunto de situaciones potencialmente peligrosas para la estructura y comparar si la capacidad estructural del elemento analizado, dependiente de las propiedades geométricas y de sus materiales constituyentes, supera el valor último de la solicitación a la que, bajo cierta probabilidad, puede llegar a alcanzar el elemento estructural analizado.
Estos métodos tradicionales emplean desde hipótesis de elasticidad y comportamiento lineal, a otros modelos con comportamiento plástico o no lineales más complejos. Suele utilizarse, con mayor o menos sofisticación, el método de los elementos finitos (MEF) y el método matricial de la rigidez. En definitiva, en determinados casos, suelen emplearse los ordenadores para resolver de forma aproximada, ecuaciones diferenciales parciales muy complejas, habituales en la ingeniería estructural, pero también en otros campos de la ingeniería y la física. Para que estos sistemas de cálculo resulten precisos, es necesario alimentar los modelos con datos sobre materiales, condiciones de contorno, acciones, etc., lo más reales posibles. Para eso se comprueban y calibran estos modelos en ensayos reales de laboratorio (Friswell y Mottershead, 1995). De alguna forma, estamos retroalimentando de información al modelo, y por tanto «aprende».
Figura 2. Malla 2D de elementos finitos, más densa alrededor de la zona de mayor interés. Wikipedia.
Si analizamos bien lo que hacemos, estamos utilizando un modelo, más o menos complicado, para predecir cómo se va a comportar la estructura. Pues bien, si tuviésemos una cantidad suficiente de datos procedentes de laboratorio y de casos reales, un sistema inteligente extraería información y sería capaz de predecir el resultado final. Mientras que la inteligencia artificial debería alimentarse de una ingente cantidad de datos (big data), el método de los elementos finitos precisa menor cantidad de información bruta (smart data), pues ha habido una labor previa muy concienzuda y rigurosa, para intentar comprender el fenómeno subyacente y modelizarlo adecuadamente. Pero, en definitiva, son dos procedimientos diferentes que nos llevan a un mismo objetivo: diseñar estructuras seguras. Otro tema será si éstas estructuras son óptimas desde algún punto de vista (economía, sostenibilidad, etc.).
La optimización de las estructuras constituye un campo científico donde se ha trabajado intensamente en las últimas décadas. 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.
Una de las características de la optimización mediante metaheurísticas es el elevado número de iteraciones en el espacio de soluciones, lo cual permite generar una inmensa cantidad de datos para el conjunto de estructuras visitadas. 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., 2017) 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). Se trata ahora de dar un paso más allá. Se trata de 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.
Tanto la inteligencia artificial como el aprendizaje automático no son una ciencia nueva. El problema es que sus aplicaciones eran limitadas por la falta de datos y de tecnologías para procesarlas de forma rápida y eficiente. Hoy en día se ha dado un salto cualitativo y se puede utilizar el DL, que como ya hemos dicho es una parte del ML, pero que utiliza algoritmos más sofisticados, construidos a partir del principio de las redes neuronales. Digamos que el DL (redes neuronales) utiliza algoritmos distintos al ML (algoritmos de regresión, árboles de decisión, entre otros). En ambos casos, los algoritmos pueden aprender de forma supervisada o no supervisada. En las no supervisadas se facilitan los datos de entrada, no los de salida. La razón por la que se llama aprendizaje profundo hace referencia a las redes neuronales profundas, que utilizan un número elevado de capas en la red, digamos, por ejemplo, 1000 capas. De hecho, el DL también se le conoce a menudo como «redes neuronales profundas». Esta técnica de redes artificiales de neuronas es una de las técnicas más comunes del DL.
Figura. Esquema explicativo de diferencia entre ML y DL. https://www.privatewallmag.com/inteligencia-artificial-machine-deep-learning/
Una de las redes neuronales utilizadas en DL son las redes neuronales convolucionales, que es una variación del perceptrón multicapa, pero donde su aplicación se realiza en matrices bidimensionales, y por tanto, son muy efectivas en las tareas de visión artificial, como en la clasificación y segmentación de imágenes. En ingeniería, por ejemplo, se puede utilizar para la monitorización de la condición estructural, por ejemplo, para el análisis del deterioro. Habría que imaginar hasta dónde se podría llegar grabando en imágenes digitales la rotura en laboratorio de estructuras de hormigón y ver la capacidad predictiva de este tipo de herramientas si contaran con suficiente cantidad de datos. Todo se andará. Aquí os dejo una aplicación tradicional típica (Antoni Cladera, de la Universitat de les Illes Balears), donde se explica el modelo de rotura de una viga a flexión en la pizarra y luego se rompe la viga en el laboratorio. ¡Cuántos datos estamos perdiendo en la grabación! Un ejemplo muy reciente del uso del DL y Digital Image Correlation (DIC) aplicado a roturas de probetas en laboratorio es el trabajo de Gulgec et al. (2020).
Sin embargo, aquí nos interesa detenernos en 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. Un ejemplo de este camino novedoso en la investigación es la aplicabilidad de algoritmos que hibriden DL y metaheurísticas. Ya hemos publicado algunos artículos en este sentido aplicados a la optimización de muros de contrafuertes (Yepes et al., 2020; García et al., 2020a, 2020b). Además, hemos propuesto como editor invitado, un número especial en la revista Mathematics (indexada en el primer decil del JCR) denominado «Deep learning and hybrid-metaheuristics: novel engineering applications«.
Dejo a continuación un pequeño vídeo explicativo de las diferencias entre la inteligencia artificial, machine learning y deep learning.
Referencias:
FRISWELL, M.; MOTTERSHEAD, J. E. (1995). Finite element model updating in structural dynamics (Vol. 38). Dordrecht, Netherlands: Springer Science & Business Media.
GARCÍA-SEGURA, T.; YEPES, V.; FRANGOPOL, D.M. (2017). Multi-Objective Design of Post-Tensioned Concrete Road Bridges Using Artificial Neural Networks.Structural and Multidisciplinary Optimization, 56(1):139-150. DOI:1007/s00158-017-1653-0
GULGEC, N.S.; TAKAC, M., PAKZAD S.N. (2020). Uncertainty quantification in digital image correlation for experimental evaluation of deep learning based damage diagnostic.Structure and Infrastructure Engineering, https://doi.org/10.1080/15732479.2020.1815224
Os dejo a continuación un ejemplo sencillo de aplicación de la técnica AHP de toma de decisiones dirigida a la selección de alternativas en la construcción de un puente mixto en cajón. Se trata de un caso que utilizamos con nuestros estudiantes para enseñar la técnica. Tratamos de evitar que, en los estudios de soluciones, los estudiantes recurran siempre a las matrices de valoración ponderada, donde los pesos de cada criterio siempre se ponen de forma más o menos arbitraria, o bien para justificar la solución preferida. Este tipo de problemas también suelen aparecer en los concursos de licitación de obras públicas.
