Categoría: investigación

La sostenibilidad en el ámbito de la construcción

La Comisión Mundial sobre el Medio Ambiente y el Desarrollo “World Commission on Environment and Development” (WCED) propuso mantener a largo plazo los recursos necesarios para satisfacer las necesidades futuras (Butlin, 1989). Además, se señaló que para conseguir un desarrollo sostenible se debía mantener un equilibrio entre los pilares económicos, ambientales y sociales. Desde entonces, los desafíos para conseguir un desarrollo sostenible se han llevado al campo de la construcción en diferentes líneas de investigación. La construcción constituye uno de los principales sectores emisores de gases de efecto invernadero (Liu et al., 2013). La industria de la construcción, junto con sus industrias auxiliares, pasa por ser uno de los mayores consumidores de recursos naturales, tanto renovables como no renovables, que está alterando negativamente el medio ambiente. Agota 2/5 partes de los áridos y 1/4 de la madera, y consume el 40 % de la energía total y el 16 % de agua al año (Lippiatt, 1999; Chong et al., 2009). El consumo de materiales crece constantemente, con más de 23 mil millones de toneladas de hormigón producido anualmente (Schokker, 2010; WBCSD, 2006). En 2010, de acuerdo con la International Cement Review, la producción mundial de cemento se elevó a alrededor de 3,3 millones de toneladas/año, lo que significa un aumento más del 100% en casi 10 años. La fabricación de cemento Portland genera grandes cantidades de CO2 debido a las altas demandas de energía necesarias para la fabricación y calcinación de la piedra caliza. La producción mundial de cemento llegó a 1,6 mil millones de toneladas/año en 2001, lo que corresponde a aproximadamente el 7 % de la cantidad mundial de dióxido de carbono liberado a la atmósfera (Bremner, 2001). Otros estudios indican que la contribución de la industria cementera a las emisiones de gases de efecto invernadero supera el 5% del total (Worrell et al., 2001). En Australia, para mantener la demanda en la construcción, se necesitan cada año aproximadamente 30 millones de toneladas de productos, más del 56 % de esta cantidad es hormigón, y el 6%, acero (Walker-Morison et al., 2007). En 2001, España tuvo la mayor tasa de consumo de hormigón en Europa, con 1,76 m3 de hormigón per cápita por año (ECO-SERVE, 2004). En 2007, la producción de clinker alcanzó alrededor de 55 millones de toneladas en España. Sin embargo, este número se redujo a 14,1 millones de toneladas en 2013 como consecuencia de la crisis financiera (Oficemen, 2016).

Existen recomendaciones para reducir el impacto ambiental de las estructuras de hormigón (fib, 2012). La citada guía considera el ciclo completo de las fases del ciclo de vida, de la cuna a la tumba. La correcta selección de las materias primas, así como los aditivos y adiciones, constituye una de las claves para reducir el impacto ambiental. Otra forma de reducir los impactos pasa por el uso de procesos más respetuosos con el medio ambiente en la producción y el transporte del hormigón. En esta guía también se habla de optimizar estructuras basándose en indicadores ambientales y de desempeño. Por último, concluye que las estructuras deben optimizarse comparando diferentes alternativas y teniendo en cuenta los indicadores ambientales, especialmente las emisiones de CO2, pues pasa por ser uno de los factores más importantes para evaluar el impacto ambiental. Además, fib (2012) indica cómo la consideración del ciclo de vida completo de una estructura antes de iniciar su construcción puede conseguir reducciones significativas de CO2.

Por tanto, la sostenibilidad en el ámbito de la construcción constituye una línea de trabajo importante en este momento. Las investigaciones se centran en proporcionar recomendaciones para seleccionar materiales estructurales basados en indicadores económicos, ambientales y de constructibilidad (Zhong & Wu, 2015), utilizando hormigón y acero reciclado (Collins, 2010, Yellishetty et al., 2011), empleando materiales novedosos como cementos con baja huella de carbono y adiciones como substitutos del clínker (García-Segura et al., 2014a; Gartner, 2004), evaluando las emisiones del ciclo de vida de las estructuras de hormigón (Barandica et al., 2013; Tae et al., 2011), reduciendo las emisiones de CO2 de la construcción (2003), optimizando el proceso de producción de cemento (Castañón et al., 2015), estimando la energía consumida en los proyectos de construcción (Wang y Shen, 2013; Wang et al., 2012) e identificando la mejor planificación del mantenimiento (Liu y Frangopol, 2005, Yang et al., 2006), entre otros. En las referencias también hemos dejado alguno de nuestros trabajos en este sentido.

Referencias:

  • Barandica, J.M.; Fernández-Sánchez, G.; Berzosa, Á.; Delgado, J.A.; Acosta, F.J. (2013). Applying life cycle thinking to reduce greenhouse gas emissions from road projects. Journal of Cleaner Production, 57, 79–91.
  • Bremner, T.W. (2001). Environmental aspects of concrete: problems and solutions. In: Proceedings of first all-Russian conference on concrete and reinforced concrete, Moscow, Russia.
  • Butlin, J. (1989). Our common future. By World commission on environment and development. (London, Oxford University Press, 1987, pp.383). Journal of International Development, 1(2), 284–287.
  • Castañón, A.M.; García-Granda, S.; Guerrero, A.; Lorenzo, M.P.; Angulo, S. (2015). Energy and environmental savings via optimisation of the production process at a Spanish cement factory. Journal of Cleaner Production, 98, 47–52.
  • Chong, W.K.; Kumar, S.; Haas, C.T.; Beheiry, S.M.A.; Coplen, L.; Oey, M. (2009). Understanding and interpreting baseline perceptions of sustainability in construction among civil engineers in the United States. Journal of Management in Engineering, 25(3):143–154.
  • Collins, F. (2010). Inclusion of carbonation during the life cycle of built and recycled concrete: influence on their carbon footprint. The International Journal of Life Cycle Assessment, 15(6), 549–556.
  • ECO-SERVE. (2004). Baseline report on sustainable aggregate and concrete industries in Europe. European Commission, Hellerup.
  • fib. International Federation for Structural Concrete. Task Group 3.8, T. for green concrete structures. (2012). Guidelines for green concrete structures. International Federation for Structural Concrete. Task Group 3.8, Technologies for green concrete structures.
  • García-Segura, T.; Yepes, V. (2016). Multiobjective optimization of post-tensioned concrete box-girder road bridges considering cost, CO2 emissions, and safety. Engineering Structures, 125, 325–336.
  • García-Segura, T.; Yepes, V.; Alcalá, J. (2014a). Life cycle greenhouse gas emissions of blended cement concrete including carbonation and durability. The International Journal of Life Cycle Assessment, 19(1), 3–12.
  • García-Segura, T.; Yepes, V.; Alcalá, J.; Pérez-López, E. (2015). Hybrid harmony search for sustainable design of post-tensioned concrete box-girder pedestrian bridges. Engineering Structures, 92, 112–122.
  • García-Segura, T.; Yepes, V.; Frangopol, D.M. (2017a). Multi-objective design of post-tensioned concrete road bridges using artificial neural networks. Structural and Multidisciplinary Optimization, 56(1):139-150.,
  • García-Segura, T.; Yepes, V.; Frangopol, D.M.; Yang, D. Y. (2017b). Lifetime reliability-based optimization of post-tensioned box-girder bridges. Engineering Structures, 145, 381-391.
  • García-Segura, T.; Yepes, V.; Martí, J.V.; Alcalá, J. (2014b). Optimization of concrete I-beams using a new hybrid glowworm swarm algorithm. Latin American Journal of Solids and Structures, 11(7), 1190–1205.
  • Gartner, E. (2004). Industrially interesting approaches to “low-CO2” cements. Cement and Concrete Research, 34(9), 1489–1498.
  • Lippiatt, B.C. (1999). Selecting cost effective green building products: BEES approach. Journal of Construction Engineering and Management, 125:448–455.
  • Liu, M.; Frangopol, D. M. (2005). Multiobjective maintenance planning optimization for deteriorating bridges considering condition, safety, and life-cycle cost. Journal of Structural Engineering, 131(5), 833–842.
  • Liu, S.; Tao, R.; Tam, C.M. (2013). Optimizing cost and CO2 emission for construction projects using particle swarm optimization. Habitat International, 37:155–162.
  • Martí, J.V.; García-Segura, T.; Yepes, V. (2016). Structural design of precast-prestressed concrete U-beam road bridges based on embodied energy. Journal of Cleaner Production, 120, 231–240.
  • Oficemen. (2012). Annual report of Spanish cement sector 2016. Annual report of Spanish cement sector 2016. Retrieved from https://www.oficemen.com/reportajePag.asp?id_rep=1619
  • Schokker A.J. (2010). The sustainable concrete guide: strategies and examples. 1 ed. U.S.G.C. Council; 2010. Michigan: U.S. Green Concrete Council.
  • Sierra, L.A.; Pellicer, E.; Yepes, V. (2016). Social sustainability in the life cycle of Chilean public infrastructure. Journal of Construction Engineering and Management ASCE, 142(5), 05015020.
  • Sierra, L.A.; Pellicer, E.; Yepes, V. (2017a). Method for estimating the social sustainability of infrastructure projects. Environmental Impact Assessment Review, 65, 41-53.
  • Sierra, L.A.; Yepes, V.; Pellicer, E. (2017b). Assessing the social sustainability contribution of an infrastructure project under conditions of uncertainty. Environmental Impact Assessment Review ,67:61-72. .
  • Tae, S.; Baek, C.; Shin, S. (2011). Life cycle CO2 evaluation on reinforced concrete structures with high-strength concrete. Environmental Impact Assessment Review, 31(3), 253–260.
  • Walker-Morison, A.; Grant, T.; McAlister, S. (2007). The environmental impact of building materials. Environment design guide. PRO 7.
  • Wang, E.; Shen, Z. (2013). A hybrid Data Quality Indicator and statistical method for improving uncertainty analysis in LCA of complex system – application to the whole-building embodied energy analysis. Journal of Cleaner Production, 43, 166–173.
  • World Business Council for Sustainable Development (WBCSD) (2006). Cement Industry Energy and CO2 Performance: Getting the Numbers Right; Geneva: World Business Council for Sustainable Development, (WBCSD).
  • Worrell, E.; Price, L.; Martin, N.; Hendriks, C.; Meida, L.O. (2001). Carbon dioxide emissions from the global cement industry. Annual Review of Energy and the Environment, 26, 303–329.
  • Yang, S.I.; Frangopol, D.M.; Kawakami, Y.; Neves, L. C. (2006). The use of lifetime functions in the optimization of interventions on existing bridges considering maintenance and failure costs. Reliability Engineering & System Safety, 91(6), 698–705.
  • Yellishetty, M.; Mudd, G.M.; Ranjith, P.G.; Tharumarajah, A. (2011). Environmental life-cycle comparisons of steel production and recycling: sustainability issues, problems and prospects. Environmental Science & Policy, 14(6), 650–663.
  • Yepes, V. (2017). Trabajo de investigación. Concurso de Acceso al Cuerpo de Catedráticos de Universidad. Universitat Politècnica de València, 110 pp.
  • Yepes, V.; García-Segura, T.; Moreno-Jiménez, J.M. (2015a). A cognitive approach for the multi-objective optimization of RC structural problems. Archives of Civil and Mechanical Engineering, 15(4), 1024–1036.
  • Yepes, V.; González-Vidosa, F.; Alcalá, J.; Villalba, P. (2012). CO2-optimization design of reinforced concrete retaining walls based on a VNS-threshold acceptance strategy. Journal of Computing in Civil Engineering, 26(3), 378–386.
  • Yepes, V.; Martí, J.V.; García-Segura, T. (2015b). Cost and CO2 emission optimization of precast–prestressed concrete U-beam road bridges by a hybrid glowworm swarm algorithm. Automation in Construction, 49, 123–134.
  • Yepes, V.; Martí, J.V.; García-Segura, T.; González-Vidosa, F. (2017). Heuristics in optimal detailed design of precast road bridges. Archives of Civil and Mechanical Engineering, 17(4), 738-749.
  • 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.
  • Zamarrón-Mieza, I.; Yepes, V.; Moreno-Jiménez, J.M. (2017). A systematic review of application of multi-criteria decision analysis for aging-dam management. Journal of Cleaner Production, 147:217-230.
  • Zastrow, P.; Molina-Moreno, F.; García-Segura, T.; Martí, J.V.; Yepes, V. (2017). Life cycle assessment of cost-optimized buttress earth-retaining walls: a parametric study. Journal of Cleaner Production, 140, 1037-1048.
  • Zhong, Y.; Wu, P. (2015). Economic sustainability, environmental sustainability and constructability indicators related to concrete- and steel-projects. Journal of Cleaner Production, 108, 748–756.

 

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

Más de 10 años investigando la optimización de estructuras de hormigón

Parece que fue ayer, pero este 2018 cumplimos 10 años desde que nos publicaron el primer artículo internacional relacionado con la optimización heurística de estructuras de hormigón. Sin embargo, todo empezó un poco antes, en el 2002, año en que defendí mi tesis doctoral denominada «Optimización heurística económica aplicada a las redes de transporte del tipo VRPTW». Con ella pude ponerme al día con los procedimientos de optimización heurística más prometedores en ese momento. Sin embargo, pronto me dí cuenta de las posibilidades que tenía aplicar estos algoritmos a la optimización de problemas reales de ingeniería, en particular las estructuras de hormigón.

Por tanto, en septiembre del año 2002 fue el inicio del Grupo de Investigación de Procedimientos de Construcción, Optimización y Análisis de Estructuras. La iniciativa de creación del grupo correspondió a los profesores González-Vidosa y Yepes Piqueras. El primero de ellos, con una amplia experiencia en la investigación y la práctica profesional de las estructuras de hormigón armado y pretensado; y el segundo, con una experiencia reciente en el campo de la optimización heurística en la ingeniería. A partir de ese momento empezaron a gestarse las primeras tesis doctorales, las primeras de las cuales se defendieron en el año 2007, correspondientes a Cristian Perea de Dios y a Ignacio Javier Payá Zaforteza. En el año 2008 se publicaron nuestros tres primeros artículos: Perea et al. (2008), Payá et al. (2008) y Yepes et al. (2008).

En aquellos momentos, las preguntas a las que pretendíamos dar una solución fueron las siguientes:

  • ¿Es capaz la inteligencia artificial de diseñar automáticamente las estructuras?
  • ¿La inteligencia artificial podrá suplantar la experiencia del ingeniero en el prediseño de las estructuras?
  • ¿Se pueden utilizar técnicas procedentes del campo de la Investigación Operativa en la optimización de las estructuras?
  • ¿Puede alcanzarse una economía importante en los costes de construcción de las estructuras sin merma de la calidad?
  • ¿Aparecerán nuevas patologías si los módulos de optimización automática empiezan a implantarse de forma habitual en los paquetes de cálculo comerciales?
  • ¿Deberían revisarse las normas de cálculo si se extiende el cálculo optimizado de estructuras?
  • ¿Deberán tenerse en cuenta estados límites no considerados hasta ahora en la comprobación de las estructuras optimizadas?
  • ¿Pueden optimizarse varios criterios a la vez? ¿Cómo son las estructuras de bajo coste y alta seguridad?
  • ¿Es posible valorar el coste de la seguridad integral de una estructura?
  • ¿Podemos diseñar estructuras de bajo coste y que a la vez consuman poco CO2 y energía para hacer una ingeniería sostenible?
  • ¿Se puede aplicar el concepto de “huella ecológica” al diseño de las estructuras?

 

Fueron nuestros tres primeros artículos internacionales, pero a fecha de hoy ya se han publicado más de 60 y dirigido una quincena de tesis doctorales, así como una decena de proyectos de investigación. La lista la podéis ver en el blog: http://victoryepes.blogs.upv.es/publicaciones/articulos-jcr/

Referencias:

PEREA, C.; ALCALÁ, J.; YEPES, V.; GONZÁLEZ-VIDOSA, F.; HOSPITALER, A. (2008). Design of Reinforced Concrete Bridge Frames by Heuristic Optimization. Advances in Engineering Software, 39(8): 676-688.

PAYÁ, I.; YEPES, V.; GONZÁLEZ-VIDOSA, F.; HOSPITALER, A. (2008). Multiobjective Optimization of Reinforced Concrete Building Frames by Simulated Annealing. Computer-Aided Civil and Infrastructure Engineering, 23(8): 596-610.

YEPES, V.; ALCALÁ, J.; PEREA, C.; GONZÁLEZ-VIDOSA, F. (2008). A Parametric Study of Optimum Earth Retaining Walls by Simulated Annealing. Engineering Structures, 30(3): 821-830.

 

El profesor universitario como investigador

Los objetivos que los poderes públicos deberían asignar a la Universidad, están en consonancia con las ideas enunciadas, ya hace años, por Ortega y Gasset cuando afirmó que las tres misiones fundamentales de la Universidad son:

  1. Formar a los profesionales facultativos que la sociedad demanda.
  2. Ser depositaria y difusora de la cultura de la época, y,
  3. Producir nueva ciencia y formar científicos.

A estas misiones habría que añadir algunos planteamientos recogidos en nuestra legislación como la Ley Orgánica 4/2007 de Universidades, donde se indica que “las universidades, además de un motor para el avance del conocimiento, deben ser un motor para el desarrollo social y económico del país. Junto a la investigación básica, la universidad deberá impulsar la transferencia al sector productivo de los resultados de su investigación en coordinación y complementariedad con los demás agentes del sistema de ciencia y tecnología”. Esta misma Ley indica que “la investigación científica es fundamento esencial de la docencia y una herramienta primordial para el desarrollo social a través de la transferencia de sus resultados a la sociedad”.

La investigación, en consecuencia, debe estar presente en las actividades que se realicen en la Universidad. En cuanto a su necesidad para formar a los profesionales facultativos que la sociedad demanda es importante remarcar la relación entre la docencia y la investigación. Si los planteamientos sobre la importancia de la investigación para la docencia son válidos para la enseñanza de primer y segundo ciclo, cobran una especial relevancia para el tercer ciclo y los cursos de postgrado. Dado que una de las misiones del tercer ciclo es formar científicos, poco cabe decir si el profesor no investiga. Con respecto a los cursos de postgrado cabe indicar dos aspectos: en primer lugar, en un contexto de praxis y medios tecnológicos con una rápida evolución en el tiempo, el profesional deberá reciclarse varias veces a lo largo de su vida; por tanto, si la Universidad asume el reto de que ese reciclaje pase por sus aulas, deberá tener un profesorado que conozca la ciencia y la tecnología que se produce en su tiempo, y ello solo se logra con la investigación; en segundo lugar, el nivel de especialización de los contenidos docentes de este tipo de cursos, obliga al docente que los imparta a practicar la investigación. Respecto a la segunda de las misiones, ser depositaria y difusora de la cultura de la época, la labor de la Universidad consiste en la generación y captación de las nuevas ideas y conocimientos, su incorporación a la cultura propia y su difusión a la sociedad. Ello exige grupos de investigación y profesorado de primer nivel que estén en contacto con la ciencia y la tecnología de la época. Para la asimilación de la cultura, los grupos de investigación presentan cualidades idóneas al conocer la ciencia y practicar sus métodos, la difusión va implícita en la docencia.

Lo anteriormente comentado viene a remarcar la idea de que la docencia y la investigación no pueden ser actividades antagónicas para el profesor universitario. Todo lo contrario, son complementarias entre sí y, por ello, conviene potenciar y racionalizar ambos aspectos inherentes a la propia misión de la Universidad. La investigación científica constituye una actividad intelectual que requiere determinadas aptitudes. Así, el profesor universitario, en su papel de investigador, debería disponer de ciertas aptitudes básicas como haber alcanzado una formación adecuada en el campo que desea investigar, tener ciertas cualidades morales, curiosidad y capacidad de asombro y disponer de los medios e instrumentos necesarios para desarrollar su trabajo.

La función investigadora del profesor debería canalizarse dentro de algún proyecto que marcara claramente la línea de investigación. Estos proyectos, evidentemente, precisan recursos, cuya consecución resulta en ocasiones muy complicada en situaciones, como la actual, de fuertes restricciones presupuestarias y caída muy importante de la actividad en el sector de la construcción.

Los resultados más relevantes de la actividad investigadora deben publicarse y transferirse, en la medida de lo posible, al sector empresarial. La difusión de los resultados de mayor relevancia es en revistas científicas de impacto, aunque también destacan los libros y capítulos de libro, y, en menor medida, la publicación en congresos, conferencias y seminarios. Los resultados, además, influyen fuertemente en la acreditación de la calidad investigadora, por lo que la elección de revistas de prestigio e impacto resulta muy importante. El Journal Citation Report (JCR), elaborado por el Institute for Scientific Information (ISI), publica el factor de impacto de la mayoría de las revistas de reconocido prestigio, siendo un indicador de calidad muy aceptado en la actualidad.

La explotación de los resultados de investigación y su transferencia a las empresas constituye un aspecto significativo de la actividad investigadora. Normalmente, la solicitud y explotación de patentes y productos con registro de propiedad intelectual acreditan dicha actividad. Por otra parte, también debe plantearse la posibilidad de creación y apoyo a empresas spin-off, pues supone una vía de promoción y salto al sector productivo por parte de los investigadores. En este sentido, la dirección de ejercicios final de máster y, especialmente, tesis doctorales contribuye a la formación de nuevo personal de investigación, completando así el ciclo de generación de recursos humanos dedicados a la investigación y desarrollo.

Todo lo anteriormente expuesto forma parte de los criterios actuales que guían a la Agencia Nacional de Evaluación de la Calidad y Acreditación (ANECA) en la evaluación del profesorado. Estos criterios, de alguna forma están definiendo un modelo de profesor tipo al cual se deben acercar todos aquellos que pretendan seguir la carrera de docente universitario. Con todo, en mi opinión, en el caso del profesor de los futuros ingenieros civiles, se deberían incluir ciertas exigencias que deberían modificar ligeramente las presentadas por ANECA. Fundamentalmente una Universidad que forme buenos ingenieros deberá contar como docentes también a buenos ingenieros, que además deberán tener capacidad docente e investigadora. En este sentido, siguiendo a Murcia (2005), “sería muy conveniente que los profesores de tecnologías, más que los investigadores no docentes, deberían tener actividad profesional en su campo. En la medida en que esto se aceptara, lo primero sería admitirlo, reconociendo el interés para la docencia de esta tarea profesional (que legalmente la universidad se ve en gran dificultad para asumir entre sus actividades), e incluso incentivar después de su realización adecuando mecanismos existentes o creando otros; pero no cubrirla bajo el epígrafe de investigación”.

Referencias:

Murcia, J. (2005). En el camino de una investigación más potente para la construcción de obra civil. I Jornadas de Investigación en Construcción. Instituto de CC. “E. Torroja”. CSIC. Vol. I, pp. 305-318. Ed. AMIET. Madrid, 2, 3 y 4 de junio de 2005.

Yepes, V. (2017). Proyecto de investigación. Concurso de Acceso al Cuerpo de Catedráticos de Universidad. Universitat Politècnica de València, 538 pp.

 

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

 

 

Motivos para renovar la metodología de diseño de las estructuras

https://construblogspain.wordpress.com/

Los métodos tradicionales empleados para el proyecto de un puente se basan en procedimientos de prueba y error que sirven para mejorar los diseños (Figura 1). Si bien la experiencia del proyectista permite definir “a priori” la geometría de la estructura, el resto de variables se determinan atendiendo al cumplimiento de los diferentes estados límite exigidos por los reglamentos para las situaciones de proyecto consideradas. De esta forma, la solución propuesta, si bien es funcionalmente correcta, no tiene porque ser la óptima. Los métodos de optimización, como pueden ser los algoritmos metaheurísticos o estocásticos, proporcionan una alternativa eficaz a los diseños estructurales basados en la experiencia. Estos algoritmos se caracterizan porque combinan unas reglas de decisión y la aleatoriedad para buscar de forma eficaz soluciones de alta calidad en espacios de soluciones de gran tamaño, tal y como son los originados por los problemas estructurales reales. Además, al explorar una gran cantidad de posibles combinaciones, encuentra soluciones que pueden estar alejadas de las reglas de diseño habituales empleadas por los proyectistas.

Figura 1. Diseño por prueba y error de las estructuras (Yepes, 2017)

Así, por ejemplo, los puentes de sección en cajón constituyen uno de las tipologías más habituales en los puentes continuos, pues presentan ventajas tanto desde la perspectiva de su eficiencia resistente como por su bajo peso propio. Sin embargo, las normas de diseño actuales no siempre contemplan los objetivos y las prioridades de una sociedad cambiante. El informe Brundtland (WCED, 1987) propone una visión a largo plazo para mantener los recursos, que serán necesarios para las necesidades futuras. El desarrollo sostenible requiere una triple visión que equilibre el desarrollo económico y las necesidades ambientales y sociales. Por lo tanto, las preocupaciones por construir un futuro más sostenible obligan a considerar aspectos como el impacto ambiental, la durabilidad y el nivel de seguridad, entre otros. Esto ha llevado al desarrollo de materiales de baja emisión de carbono, la búsqueda de nuevos diseños que reduzcan el impacto ambiental, la planificación de mantenimiento para prolongar la vida útil de las estructuras y la evaluación de su ciclo de vida para contemplar su impacto en su conjunto.

Esta nueva visión implica renovar la metodología de diseño de estructuras de modo que se consideren los criterios de sostenibilidad, que permita el uso de nuevos materiales y que, además, garantice un análisis estructural preciso. En este sentido, la optimización multiobjetivo encuentra soluciones óptimas con respecto a distintos objetivos, algunos de ellos contradictorios entre sí. Los actuales procedimientos de optimización heurística han permitido el diseño automatizado de estructuras óptimas. Sin embargo, existe una tendencia a considerar el diseño inicial y las operaciones de mantenimiento de la estructura como objetivos separados. Es decir, por una parte se estudia el diseño óptimo de una estructura para cumplir con los estados límite últimos y de servicio, y por otra parte, se considera la optimización de las operaciones de mantenimiento del puente durante su vida útil como un objetivo diferente, partiendo de una estructura ya construida, con un determinado estado de seguridad conocido. Como el mantenimiento depende del estado, el diseño inicial debe considerar los aspectos del ciclo de vida que también minimizan el mantenimiento futuro. Por lo tanto, es importante considerar la durabilidad con el fin de diseñar estructuras longevas y reducir los impactos a largo plazo. Es decir, se debe proyectar una estructura considerando todos los aspectos relacionados con su ciclo de vida.

La optimización multiobjetivo (MOO) de las estructuras reales requiere tiempos de cálculo elevados, incluso con la potencia de los actuales ordenadores, debido a la existencia de muchas variables de decisión, al procedimiento de análisis con métodos como el de los elementos finitos y al número de funciones objetivo consideradas. El uso de modelos predictivos tales como las redes neuronales artificiales (Artificial Neural Networks, ANNs) permite reducir el número necesario de evaluaciones exactas de la estructura y sustituir dicho cálculo por predicciones aproximadas. ANN aprende de los datos disponibles y permite predicciones incluso cuando las relaciones son altamente no lineales. Esta característica reduce el elevado coste computacional de las interaciones necesarias en los algoritmos de optimización heurística, al sustituir en dicho proceso una parte de los cálculos exactos por otros aproximados.

MOO conduce a una gama de soluciones óptimas, que se consideran igualmente buenas en función de los mútiples objetivos –la denominada frontera de Pareto-. El proceso de toma de decisiones para elegir la mejor de las opciones tiene lugar a posteriori, donde los expertos eligen la mejor solución en función de sus preferencias utilizando técnicas de toma de decisiones. Sin embargo, la asignación de pesos a cada uno de los objetivos del problema puede estar sujeta a incertidumbres o falta de objetividad. Sobre esta base, este trabajo sugiere una metodología capaz de introducir la información de selección (preferencia) en un proceso de toma de decisiones multicriterio en el que existen incertidumbres asociadas a la comparación de criterios.

Referencias:

  • García-Segura, T.; Yepes, V.; Alcalá, J.; Pérez-López, E. (2015). Hybrid harmony search for sustainable design of post-tensioned concrete box-girder pedestrian bridges. Engineering Structures, 92, 112–122.
  • García-Segura, T.; Yepes, V. (2016). Multiobjective optimization of post-tensioned concrete box-girder road bridges considering cost, CO2 emissions, and safety. Engineering Structures, 125, 325–336.
  • García-Segura, T.; Yepes, V.; Frangopol, D.M. (2017a). Multi-objective design of post-tensioned concrete road bridges using artificial neural networks. Structural and Multidisciplinary Optimization, 56(1):139-150.,
  • García-Segura, T.; Yepes, V.; Frangopol, D.M.; Yang, D. Y. (2017b). Lifetime reliability-based optimization of post-tensioned box-girder bridges. Engineering Structures, 145, 381-391.
  • Martí, J.V.; García-Segura, T.; Yepes, V. (2016). Structural design of precast-prestressed concrete U-beam road bridges based on embodied energy. Journal of Cleaner Production, 120, 231–240.
  • Martí, J.V.; González-Vidosa, F.; Yepes, V.; Alcalá, J. (2013). Design of prestressed concrete precast road bridges with hybrid simulated annealing. Engineering Structures, 48, 342–352.
  • Martí, J.V.; Yepes, V.; González-Vidosa, F. (2015). Memetic algorithm approach to designing precast-prestressed concrete road bridges with steel fiber reinforcement. Journal of Structural Engineering, 141(2), 04014114.
  • Penadés-Plà, V.; García-Segura, T.; Martí, J.V.; Yepes, V. (2016). A review of multi-criteria decision making methods applied to the sustainable bridge design. Sustainability, 8(12), 1295.
  • Penadés-Plà, V.; Martí, J.V.; García-Segura, T.;  Yepes, V.(2017). Life-cycle assessment: A comparison between two optimal post-tensioned concrete box-girder road bridges. Sustainability, 9(10):1864.
  • Yepes, V. (2017). Trabajo de investigación. Concurso de Acceso al Cuerpo de Catedráticos de Universidad. Universitat Politècnica de València, 110 pp.
  • Yepes, V.; García-Segura, T.; Moreno-Jiménez, J.M. (2015a). A cognitive approach for the multi-objective optimization of RC structural problems. Archives of Civil and Mechanical Engineering, 15(4), 1024–1036.
  • Yepes, V.; Martí, J.V.; García-Segura, T. (2015). Cost and CO2 emission optimization of precast–prestressed concrete U-beam road bridges by a hybrid glowworm swarm algorithm. Automation in Construction, 49, 123–134.
  • Yepes, V.; Martí, J.V.; García-Segura, T.; González-Vidosa, F. (2017). Heuristics in optimal detailed design of precast road bridges. Archives of Civil and Mechanical Engineering, 17(4), 738-749.

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

 

 

Evaluación de la vulnerabilidad urbana: avances desde la perspectiva de la planificación estratégica

Acaban de publicarnos un artículo en la revista Journal of Cleaner Production (indexada en el JCR en el primer decil) sobre un estado del arte realizado sobre la evaluación de la vulnerabilidad urbana desde la perspectiva de la planificación estratégica. Os dejo a continuación el resumen, la referencia y el enlace al artículo.

Elsevier os permite la descarga gratuita del artículo hasta el 19 de marzo de 2018. Para ello os lo podéis descargar en el siguiente enlace: https://authors.elsevier.com/a/1WTR93QCo9Q~vf

ABSTRACT:

Urban strategic planning and urban vulnerability assessment have increasingly become important issues in both policy agenda and academia. However, a comprehensive review of the advances made in urban vulnerability, emphasizing their shared aspects, has yet to be performed. The aiming of this paper is to addresses the latter by conducting an evaluation on assessment methods disclosed in this decade. Once their common evolutive pathway is traced, the review follows an analytical framework, based on the above, evaluating the research requirements from both a quantitative and qualitative point of view. Our findings indicate that the robustness, cognitive and participatory research lines are those in which most advancement has been made, while those of urban dynamics and multi-scale progressed the least. Our analysis also demonstrates that methods integrating more lines of research, as well as the employment of comprehensive approaches, promotes advancing the developmental stage. We conclude that the focusing of research lines should be shifted, in order to bridge the qualitative gap identified without demanding an improbable, quantitative increase.

KEYWORDS:

  • Urban vulnerability;
  • Urban strategic planning;
  • Vulnerability assessment;
  • Current trend

REFERENCE:

SALAS, J.; YEPES, V. (2018). Urban vulnerability assessment: Advances from the strategic planning outlook. Journal of Cleaner Production, 179:544-558. https://doi.org/10.1016/j.jclepro.2018.01.088

 

¿Qué se estudia en la asignatura Modelos Predictivos y de Optimización de Estructuras de Hormigón?

El programa de la asignatura “Modelos Predictivos y de Optimización de Estructuras de Hormigón” se ha diseñado basándose en el programa presentado en el departamento de Ingeniería de la Construcción y Proyectos de Ingeniería Civil por parte de la unidad docente de “Procedimientos de Construcción y Gestión de Obras”, al que está adscrita en la actualidad la asignatura, y aprobado por el Consejo del Departamento. Las líneas maestras de los contenidos se definieron previamente en la Memoria de Verificación del título oficial de “Máster Universitario en Ingeniería del Hormigón por la Universitat Politècnica de València”. Se trata de una de las asignaturas de la materia “Análisis de estructuras de hormigón”, siendo obligatoria para todos los alumnos de esta titulación y se imparte en el primer cuatrimestre del primer curso. La asignación de créditos ECTS es de 5,0, repartidos en 3,0 créditos de teoría y 2,0 de prácticas, de acuerdo con el Plan de Estudios actualmente en vigor en el Departamento de Ingeniería de la Construcción y Proyectos de Ingeniería Civil.

Resultados de aprendizaje

Los resultados de aprendizaje de la asignatura se definen a partir de las competencias y de los contenidos (Yepes, 2017). Como resultado de aprendizaje general, al terminar con éxito esta asignatura, los estudiantes serán capaces de “comprender los diferentes métodos predictivos y procedimientos de optimización de estructuras de hormigón de modo que dispongan de las herramientas necesarias para la toma de decisiones en el ámbito del proyecto, construcción y mantenimiento de estas estructuras considerando los aspectos de sostenibilidad económica, social y ambiental”.

En relación con los resultados específicos de aprendizaje de la asignatura, tenemos los siguientes:

  • RA1    Seleccionar y aplicar las distintas técnicas procedentes de la estadística, de la investigación operativa y de la minería de datos en la toma de decisiones en el ámbito del hormigón
  • RA2    Modelizar un problema de optimización de una estructura de hormigón y resolverlo mediante algoritmos heurísticos secuenciales y poblacionales
  • RA3    Aplicar la inferencia estadística multidimensional para interpretar el comportamiento de las variables cualitativas y cuantitativas en el ámbito del hormigón
  • RA4    Formular modelos lineales de regresión múltiple e interpretar su validez límites predictivos
  • RA5    Emplear técnicas de diseño de experimentos para conocer los efectos principales y las interacciones entre los distintos factores que afectan a una variable de respuesta en el ámbito del hormigón
  • RA6    Optimizar el comportamiento de una estructura de hormigón utilizando la metodología de la superficie de respuesta
  • RA7    Aplicar redes neuronales artificiales en la predicción de sistemas altamente no lineales en el ámbito del hormigón
  • RA8    Aplicar técnicas de decisión multicriterio en la selección de la mejor tipología estructural considerando aspectos económicos, ambientales y sociales
  • RA9    Elegir la mejor opción de una frontera de Pareto tras aplicar técnicas de decisión multicriterio
  • RA10 Aplicar programas estadísticos avanzados, tales como SPSS o Minitab, y otros como Matlab, Sap y Excel en la predicción de variables de respuesta y en problemas de optimización en el ámbito del hormigón

 

Conocimientos previos

Los alumnos que cursan esta asignatura, tienen diversas procedencias: Ingeniería de Caminos, Canales y Puertos, Ingeniería Industrial, Arquitectura, Ingeniería Agronómica, Licenciado en Químicas, Ingeniería Geológica, Ingeniería Técnica de Obras Públicas, Ingeniería Técnica Industrial, o los actuales grados en ingeniería civil, de obras públicas o máster en ingeniería de caminos, canales y puertos, entre otros. Además los alumnos, en un porcentaje significativo, proceden de universidades latinoamericanas o europeas. Como es fácil de comprender, los alumnos tienen formaciones muy diferentes, habiendo estudiado las asignaturas relacionadas con el hormigón, con los métodos numéricos o la estadística de forma muy diversa, con niveles de adquisición de conocimientos descompensados. Esta situación implica cierta nivelación en cada uno de los temas, de forma que se adquieran los niveles básicos de comprensión de los contenidos de forma progresiva con el objetivo que todos los alumnos adquieran las competencias y los resultados de aprendizaje previstos.

Según la Guía Docente de la asignatura, los conocimientos recomendados versarían sobre estadística y sobre lenguajes de programación (MATLAB, SPSS, MINITAB, SAP, etc.), aunque no son imprescindibles.  Además, resultan necesarios unos conocimientos básicos sobre el hormigón y su análisis como material estructural. Ello obliga al profesor a sintetizar el contenido previo para la correcta comprensión de la asignatura.

 

Programa resumido de la asignatura

La asignatura se desarrolla siguiendo un programa que tiene en cuenta los resultados de aprendizaje antes definidos, las actividades formativas y el sistema propuesto para la evaluación. Ello permite organizar la asignatura en 25 temas y sus prácticas de informática asociadas.

  • Tema 1. La investigación operativa y la toma de decisiones
  • Tema 2. La modelización de un problema estructural de hormigón
  • Tema 3. Algoritmos y problemas de decisión
  • Tema 4. Optimización y programación matemática
  • Tema 5. Optimización combinatoria y algoritmos heurísticos
  • Tema 6. Clasificación y uso de heurísticas y metaheurísticas
  • Tema 7. Búsqueda local de máximo gradiente
  • Tema 8. Recocido simulado, aceptación por umbrales y búsqueda tabú
  • Tema 9. Sistemas de inteligencia de enjambre
  • Tema 10. Programación evolutiva y estrategias evolutivas
  • Tema 11. Algoritmos genéticos y meméticos
  • Tema 12. GRASP, búsqueda dispersa y búsqueda de la armonía
  • Tema 13. Heurísticas de optimización multiobjetivo
  • Tema 14. Inferencia estadística bidimensional
  • Tema 15. Inferencia estadística multidimensional
  • Tema 16. Modelos lineales de regresión múltiple
  • Tema 17. Modelos de ecuaciones estructurales
  • Tema 18. Diseño de experimentos
  • Tema 19. Optimización mediante la metodología de superficie de respuesta
  • Tema 20. Modelos Kriging y diseños robustos
  • Tema 21. Redes neuronales artificiales
  • Tema 22. Programación genética y lógica difusa
  • Tema 23. La toma de decisiones en el ciclo de vida de una estructura de hormigón
  • Tema 24. Técnicas de decisión multicriterio continua
  • Tema 25. Técnicas de decisión multicriterio discreta

 

 

Los 25 temas se encuentran agrupados en 4 bloques temáticos. El primero de los bloques es introductorio. Consta de 5 temas que presentan al alumno la aplicación de las técnicas de la investigación científica en el ámbito de la toma de decisiones en las empresas a través de lo que se conoce como investigación operativa. Se introduce al alumno en la forma de abordar los problemas reales en el ámbito de las estructuras de hormigón a través de modelos de distinto tipo. Se describen los componentes básicos de un problema de optimización: función objetivo, variables de decisión, parámetros y restricciones. A continuación se describe el concepto de algoritmo y complejidad algorítmica para explicar las limitaciones de la programación matemática en la resolución de problemas reales, lo cual da paso a la introducción de los algoritmos heurísticos como aproximaciones en la búsqueda de óptimos locales de calidad en tiempos de cálculo razonables.

El segundo de los bloques se centra en la descripción y aplicación de la optimización heurística en las estructuras de hormigón. Se describe paso a paso tanto las técnicas de búsqueda secuencial de máximo gradiente y de “hill-climbing” como otras técnicas poblacionales basadas en los algoritmos genéticos o en la inteligencia de partículas. Este bloque termina con una explicación de la optimización multiobjetivo y la construcción de fronteras de Pareto de calidad en el caso de confluencia de funciones objetivo contrapuestas.

El bloque tercero se centra específicamente en los modelos predictivos de las estructuras de hormigón. Se hace un repaso de las técnicas de inferencia bidimensional y multidimensional para pasar a los modelos predictivos lineales, tanto los basados en regresiones múltiples como en los modelos de ecuaciones estructurales. Posteriormente se aborda el diseño de experimentos como técnicas estadísticas básicas en la predicción de los efectos principales y las interacciones de los distintos factores que afectan a un problema de hormigón. El estudio de los diseños factoriales lleva directamente al planteamiento de la metodología de la superficie de respuesta, que permite realizar la optimización de la respuesta. Tanto la metodología de la superficie de respuesta como los modelos Kriging o las redes neuronales, constituyen metamodelos que se explican como herramientas muy útiles para simplificar el espacio de soluciones de los problemas reales del hormigón estructural. En particular, los modelos Kriging permiten el diseño robusto óptimo, es decir, aquel que se comporta bien incluso ante cambios en las variables o en las condiciones de contorno. Para los sistemas altamente complejos, se explican las redes neuronales artificiales que, además, permiten su uso como metamodelos o como parte de un algoritmo heurístico de optimización. La programación genética y la lógica difusa también se explican en una lección como herramientas posibles en el ámbito de los modelos predictivos y cuando los parámetros o restricciones del problema no son determinísticos.

El cuarto bloque se dedica a la toma de decisión multicriterio en las estructuras de hormigón. A los alumnos se les explica cómo, antes de realizar una optimización multiobjetivo, es necesario seleccionar la mejor tipología estructural con base en criterios que no siempre son objetivos: economía, plazo, estética, medioambiente, aspectos sociales, durabilidad, etc. Se introducen las distintas técnicas de toma de decisión multicriterio y se comentan su empleo, incluso, para la obtención de pesos objetivos de criterios que pueden ser incluso subjetivo, o bien para la selección de la mejor opción dentro de una frontera de Pareto tras una optimización multiobjetivo.

En la Tabla siguiente se muestra el programa resumido de la asignatura “Modelos Predictivos y de Optimización de Estructuras de Hormigón” (T, Teoría; P, Prácticas informáticas), indicándose el número de horas asignadas a cada tema.

Referencias:

YEPES, V. (2017). Proyecto docente. Concurso de Acceso al Cuerpo de Catedráticos de Universidad. Universitat Politècnica de València, 642 pp.

 

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

 

 

Programación de proyectos aplicando lógica difusa y la teoría del valor ganado

A continuación os paso un artículo publicado en abierto sobre la programación de proyectos aplicando lógica difusa y la teoría del valor ganado. Espero que sea de vuestro interés.

ABSTRACT:

This paper aims to present a comprehensive proposal for project scheduling and control by applying fuzzy earned value. It goes a step further than the existing literature: in the formulation of the fuzzy earned value we consider not only its duration, but also cost and production, and alternatives in the scheduling between the earliest and latest times. The mathematical model is implemented in a prototypical construction project with all the estimated values taken as fuzzy numbers. Our findings suggest that different possible schedules and the fuzzy arithmetic provide more objective results in uncertain environments than the traditional methodology. The proposed model allows for controlling the vagueness of the environment through the adjustment of the α-cut, adapting it to the specific circumstances of the project.

KEY WORDS:

Construction, Earned value method (EVM), Fuzzy logic, Fuzzy set, Project management, Scheduling

Reference:

PONZ-TIENDA, J.L.; PELLICER, E.; YEPES, V. (2012). Complete fuzzy scheduling and fuzzy earned value management in construction projects. Journal of Zhejiang University-SCIENCE A (Applied Physics & Engineering, 13(1):56-68. DOI:10.1631/jzus.A1100160.

Pincha aquí para descargar

 

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

Hoy 2 de enero de 2018 empezamos oficialmente el proyecto de investigación DIMALIFE (BIA2017-85098-R): «Diseño y mantenimiento óptimo robusto y basado en fiabilidad de puentes e infraestructuras viarias de alta eficiencia social y medioambiental bajo presupuestos restrictivos». Se trata de un proyecto trianual (2018-2020) financiado por el Ministerio de Economía, Industria y Competitividad, así como por el Fondo Europeo de Desarrollo Regional (FEDER). La entidad solicitante es la Universitat Politècnica de València y el Centro el ICITECH (Instituto de Ciencia y Tecnología del Hormigón). Los investigadores principales son Víctor Yepes (IP1) y Eugenio Pellicer (IP2). Al proyecto también se le ha asignado un Contrato Predoctoral, que sacaremos a concurso próximamente. Con las restricciones presupuestarias tan fuertes en materia de I+D+i y con la alta competencia existente por conseguir proyectos de investigación, lo cierto es que estamos muy satisfechos por haber conseguido financiación. Además, estamos abiertos a cualquier tipo de colaboración tanto desde el mundo empresarial o universitario para reforzar este reto. Por tanto, lo primero que vamos a hacer es explicar los antecedentes y la motivación del proyecto.

La sostenibilidad económica y el desarrollo social de la mayoría de los países dependen directamente del comportamiento fiable y duradero de sus infraestructuras (Frangopol, 2011). Las infraestructuras del transporte presentan una especial relevancia, especialmente sus infraestructuras viarias y puentes, cuya construcción y mantenimiento influyen fuertemente en la actividad económica, el crecimiento y el empleo. Sin embargo, tal y como indica Marí (2007), estas actividades impactan significativamente en el medio ambiente, presentan efectos irreversibles y pueden comprometer el presente y el futuro de la sociedad. El gran reto, por tanto, será disponer de infraestructuras capaces de maximizar su beneficio social sin comprometer su sostenibilidad (Aguado et al., 2012). La sostenibilidad, de hecho, constituye un enfoque que ha dado un giro radical a la forma de afrontar nuestra existencia. El calentamiento global, las tensiones sociales derivadas de la presión demográfica y del reparto desequilibrado de la riqueza son, entre otros, los grandes retos que debe afrontar esta generación. Continue reading «Antecedentes y motivación del proyecto de investigación DIMALIFE (2018-2020)» →

Balance personal de 2017 en el ámbito docente e investigador

El 31 de diciembre de cualquier año es un buen día para hacer balance del año. Este 2017 ha sido uno de los años de mayor productividad docente e investigadora desde que me dedico en exclusiva a la Universidad. Quizá lo más destacable sea la obtención de la Cátedra de Universidad en el Área de Ingeniería de la Construcción. Han sido muchos años de espera desde obtener la acreditación, pero al fin todo llega. En cuanto a Proyectos de Investigación, se acaba este año BRIDLIFE y, justo hace unas horas, me comunican la aprobación provisional de un nuevo proyecto trianual, DIMALIFE, con el aliciente de adjudicarse también un contrato predoctoral. En lo referido a la gestión, este año pasé el testigo de la Dirección del Máster en Ingeniería del Hormigón a la profesora Carmen Castro, después de nueve años, con la obtención de la acreditación EUR-ACE para el título. Por otra parte, pasé a ocupar la Subdirección del Departamento de Ingeniería de la Construcción y Proyectos de Ingeniería Civil. La labor docente se ha complementado con la dirección de cuatro trabajos fin de máster, dos proyectos final de carrera y cuatro trabajos fin de grado. A ello se suma la labor divulgadora en Twitter, Facebook, en los blogs de las asignaturas y en la elaboración de material audiovisual, con ocho Polimedias.

La labor investigadora la he realizado, igual que en estos últimos años, en el ICITECH (Instituto de Ciencia y Tecnología del Hormigón), que desde septiembre ha pasado a ser oficialmente un Instituto Universitario. En cuanto a la producción investigadora del 2017, destacan 12 artículos indexados en el JCR publicados este año y 2 más que ya han sido aceptados y publicados para el 2018. A ello habría que sumar tres artículos en otras revistas, la edición de un libro y 18 comunicaciones en congresos. También debería añadir la labor como miembro del comité editorial de siete revistas, tres de ellas del JCR. Esta labor hace que mi indicador H sea de 17, según la Web of Science. Recordar la lectura de la tesis doctoral de Leonardo Sierra, con la máxima calificación y mención internacional. Destaca este la estancia este año del profesor Terje Haukaas, de la British Columbia University, de Vancouver (Canadá), trabajando en nuestro grupo de investigación. Este estancia enlaza con la que el profesor Dan Frangopol realizó el año pasado y la que previsiblemente realizará el profesor Moacir Kripka el próximo curso. También este año, nuestra becaria FPI, Tatiana García Segura, ha podido incorporarse como Profesora Ayudante Doctor en nuestro Departamento, una vez se terminó su beca. Asimismo, me gustaría resaltar mi pertenencia este año en el Comité Científico de tres congresos internacionales: VII Congreso Internacional de la Asociación Científico-Técnica del Hormigón Estructural (ACHE 2017), XX Congreso Internacional de Turismo, Universidad-Empresa y 9th International Structural Engineering and Construction Conference (ISEC-9). En éste último, también participé como Editor de las Actas y en el Comité Organizador. También he sido editor de dos números especiales, uno de ellos en revista JCR. Asimismo, he participado en varios tribunales de tesis doctorales, tesinas de máster y trabajos final de grado.

En definitiva, 2017 se puede calificar de un buen año en estos aspectos universitarios. Espero que 2018 siga siendo al menos, la mitad de bueno que éste. Ese año celebraremos el 50 aniversario de nuestra Escuela de Ingenieros de Caminos de Valencia. A continuación paso un listado de alguna de las cosas que he podido terminar este año.

Continue reading «Balance personal de 2017 en el ámbito docente e investigador» →

Método de redes bayesianas para la toma de decisiones respecto a la sostenibilidad social de los proyectos de infraestructura

Acaban de publicarnos en la revista Journal of Cleaner Production un artículo donde aplicamos el método de las redes bayesianas aplicado a la toma de decisiones relacionadas con la sostenibilidad social de los proyectos. El Journal of Cleaner Production es revista de fuerte impacto, pues se encuentra en el primer decil en el ámbito ENVIRONMENTAL SCIENCES de la Web of Science. Os dejo a continuación el resumen y el enlace al artículo por si os resulta de interés: https://www.sciencedirect.com/science/article/pii/S0959652617330998 

ABSTRACT:

Nowadays, sustainability assessment tends to focus on the biophysical and economic aspects of the built environment. The social aspects are generally overestimated during an infrastructure evaluation. This study proposes a method to optimize infrastructure projects by assessing their social contribution. This proposal takes into account the infrastructure’s interactions with the local environment in terms of its potential contribution in the short and long term. The method is structured in three stages: (1) preparation of a decision-making model, (2) formulation of the model, and (3) implementation of the model through optimization of infrastructure projects from the social sustainability viewpoint. The theory of Bayesian reasoning and a harmony search optimization algorithm are used to carry out the research. The paper presents the application to a case study of a set of alternatives for road infrastructure projects in El Salvador. This approach creates a model of participative decision-making. The results show that the method can distinguish socially efficient alternatives from the short and long-term contributions. In addition, the results suggest that some variables are less sensitive to the short and long-term maximization, while others vary their values to improve one objective or the other. The findings are directly applied to a real case. The method can be employed in the infrastructure formulation and prioritization phases and complemented with economic and environmental sustainability assessments.

KEYWORDS:

Bayesian networks, Infrastructure, Multiple criteria, Optimization algorithm, Social sustainability

Reference:

SIERRA, L.A.; YEPES, V.; GARCÍA-SEGURA, T.; PELLICER, E. (2018). Bayesian network method for decision-making about the social sustainability of infrastructure projects.  Journal of Cleaner Production, 176:521-534. https://doi.org/10.1016/j.jclepro.2017.12.140

A continuación os dejo la versión autor:

Pincha aquí para descargar