Optimización paramétrica de vigas alveolares mixtas para minimizar la huella de carbono

Nuestras ciudades crecen a un ritmo vertiginoso, pero este progreso esconde una crisis climática silenciosa en sus cimientos. Según el reciente informe Global Status Report for Buildings and Construction 2024/2025, el sector de la edificación es responsable del 32 % del consumo mundial de energía y del alarmante 34 % de las emisiones de CO₂. En este contexto, el acero y el cemento se perfilan como los principales responsables, ya que representan por sí solos el 18 % de la huella de carbono total del sector.

Ante la urgencia climática, la ingeniería estructural se enfrenta a un desafío técnico fascinante: ¿podemos diseñar edificios más ligeros y sostenibles sin comprometer la seguridad estructural? Y, más específicamente, ¿cómo podemos romper el «paradigma del catálogo» cuando las soluciones comerciales estándar alcanzan sus límites físicos y medioambientales?

Al final de este post, en la referencia, tienes un enlace directo para descargar gratuitamente el artículo científico completo, ya que está publicado en abierto.

El poder de la optimización: Rompiendo los límites del catálogo

Las vigas alveolares son perfiles de acero con aberturas circulares en su interior que permiten aumentar la altura de la viga y, por tanto, su eficiencia, sin añadir masa. Sin embargo, la práctica tradicional se ha limitado a replicar soluciones de los catálogos de los fabricantes, que suelen ser restrictivos.

Un hallazgo clave del estudio paramétrico actual revela que, para luces de 4 metros, los catálogos a menudo alcanzan su límite máximo permitido y dejan de ofrecer soluciones factibles bajo cargas elevadas. La verdadera innovación surge al dejar de considerar la losa colaborante como un elemento estático de catálogo. Al tratar variables como el espesor de la chapa y, sobre todo, la tasa de refuerzo de la losa como componentes activos del diseño, la ingeniería supera las barreras de los fabricantes tradicionales.

Algoritmos que imitan a la naturaleza: El «Particle Swarm Optimization» (PSO)

Para navegar por este complejo mar de posibilidades, se ha recurrido a la inteligencia colectiva del algoritmo de optimización por enjambre de partículas (PSO). No se trata de un simple ejercicio de búsqueda, sino de resolver un problema de objetivo único, restringido y con variables discretas.

El algoritmo funciona como un enjambre que explora un amplio espacio de búsqueda (identificado en la tabla 1 del estudio), evaluando simultáneamente 201 perfiles de acero diferentes, diversas resistencias de hormigón y geometrías de alvéolos, con el objetivo de encontrar la configuración que genere la menor huella de carbono posible.

«El algoritmo PSO ha demostrado ser eficaz para identificar soluciones óptimas, ya que permite que la introducción de refuerzo en la losa, combinada con un diseño optimizado, genere un impacto significativo en el diseño estructural».

El dato impactante: una reducción del 25% en emisiones de CO2

La precisión algorítmica no es solo un alarde tecnológico, sino que se traduce en un impacto medioambiental significativo. El análisis paramétrico demuestra que, especialmente en niveles de carga altos (6 kN/m²) y luces de gran tamaño, la optimización integrada del sistema viga-losa puede reducir las emisiones de CO₂ hasta un 25 %.

Este logro ecológico no se debe a un solo cambio, sino a una redistribución holística de los materiales. Al añadir refuerzo estratégico en la losa, el sistema permite reducir simultáneamente el espesor del steel deck y el volumen de hormigón superior, lo que disminuye directamente la masa de los materiales base que más contribuyen al calentamiento global.

 

Análisis de materiales: Por qué lo «más fuerte» no siempre es «más verde»

Es fundamental desmitificar la idea de que los materiales de alta resistencia siempre son la mejor opción sostenible. Al analizar las soluciones óptimas, los «ganadores» constantes fueron:

  • Acero: ASTM A572 Gr. 50 (con un factor de emisión de CO2 de 2.04 kgCO2/kg).
  • Hormigón: 25 MPa (con un factor de emisión de 374,00 kg de CO2/m³).

La clave del diseño inteligente radica en que estos materiales presentan factores de emisión inferiores a los de sus equivalentes de alta resistencia. Por ejemplo, el acero A913 Gr. 65 tiene una mayor huella de carbono (2,13 kg CO2/kg) que el A572 Gr. 50. Por tanto, la eficiencia no depende de la potencia bruta del material, sino de una combinación inteligente y precisa dictada por el algoritmo.

Desmitificando el proceso: el peso de la masa frente al fuego industrial

A menudo se cuestiona si el proceso de fabricación de una viga con agujeros (corte y soldadura) compensa el ahorro de material. Los datos del estudio son contundentes y desmienten este mito:

  • Corte y soldadura insignificantes: Estos procesos industriales representan habitualmente menos del 1% de las emisiones totales de la estructura.
  • El dominio de la masa: El factor crítico sigue siendo la masa del perfil de acero original, que puede representar hasta el 70% del CO2 en escenarios optimizados.
  • El papel de la losa: El steel deck tiene un impacto considerable, oscilando entre el 11% y el 39% de las emisiones totales según la luz de la estructura.

En definitiva, el «coste» ambiental de perforar la viga es un precio mínimo frente al gran ahorro de material que permite su nueva geometría.

Conclusión: Hacia una ingeniería de precisión ambiental

Estamos dejando atrás la era de la construcción basada en la sobreespecificación y en el uso de catálogos estáticos. El futuro es la Ingeniería de Precisión Ambiental, donde cada componente, desde el diámetro del alvéolo hasta el milímetro de refuerzo en la losa, se trata como una variable viva.

La inteligencia artificial y el diseño paramétrico nos proporcionan las herramientas necesarias para reducir en una cuarta parte la huella de carbono de nuestras estructuras. Ante la actual crisis climática, la pregunta para los diseñadores ya no es si estos métodos funcionan, sino: ¿podemos permitirnos seguir construyendo con los ojos cerrados y con los catálogos del siglo pasado? El diseño integrado es nuestra herramienta más poderosa para redefinir el impacto de nuestro entorno construido.

En esta conversación puedes escuchar un debate sobre estas ideas.

En este vídeo se resumen bien las ideas más interesantes.

Referencia:

Brandão, M.C.L.; Yepes-Bellver, L.; Kripka, M.; Alves, É.C. Parametric Analysis in the Optimization Design of Composite Cellular Beams. Infrastructures 2026, 11, 135. https://doi.org/10.3390/infrastructures11040135

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

El centinela digital del hormigón: Hacia una «rehabilitación científica» de nuestras ciudades

Acaban de publicar un artículo en el Journal of Information Technology in Construction, una de las revistas ubicadas en el primer decil del JCR. Este documento sintetiza los hallazgos del desarrollo y la validación de Endurify 2.0, un sistema de programación automatizada basado en el Modelado de Información de Construcción (BIM) para el mantenimiento estructural.

Nuestro equipo ha centrado sus esfuerzos en el uso de modelos analíticos, el sistema evalúa la vida útil remanente de los elementos constructivos basándose en indicadores de degradación como la carbonatación y la fisuración. Los datos obtenidos se procesan mediante algoritmos de decisión multicriterio para generar planes de mantenimiento automatizados que equilibran la seguridad estructural con la eficiencia económica. Esta metodología busca reducir en un 15% los costes de intervención y mitigar el impacto social negativo sobre los residentes. La investigación se enmarca en el proyecto RESILIFE, que dirijo como investigador principal en la Universitat Politècnica de València. A continuación, se presenta un resumen del trabajo y de la información de contexto.

¿Puede un algoritmo predecir el «infarto» estructural de un edificio antes de que aparezca la primera fisura visible? Nuestro equipo ha desarrollado Endurify 2.0, una inteligencia clínica integrada en modelos 3D que convierte la experiencia de los expertos en una disciplina matemática exacta. Esta innovación no solo ahorra un 15 % en costes, sino que también utiliza el big data para decidir cuándo y cómo intervenir en un edificio para prolongar su vida útil en décadas, minimizando el trauma social que suponen las obras en las comunidades de vecinos.

Esta investigación ha sido dirigida por investigadores del Instituto de Ciencia y Tecnología del Hormigón (ICITECH) de la Universitat Politècnica de València (UPV). Su trabajo propone un cambio de paradigma: dejar de considerar los edificios como objetos estáticos y empezar a gestionarlos como organismos vivos cuyos «órganos» (vigas y pilares) envejecen a ritmos distintos debido a la acción constante de la química y la física.

La situación es urgente. La industria de la construcción consume el 50 % de los recursos extraídos en todo el mundo y es responsable del 35 % de las emisiones de gases de efecto invernadero. En España, el problema es estructural: más del 57 % de las viviendas se construyeron antes de 1980, en una época en la que las normativas sobre durabilidad casi no existían. Nos enfrentamos a millones de toneladas de hormigón que han superado su vida útil teórica de 50 años y requieren una intervención de rehabilitación, no de demolición, como exige la economía circular.

La pregunta de investigación: ¿Cómo optimizar el «corazón» del edificio?

El equipo de la UPV se planteó un reto ambicioso: ¿es posible automatizar la toma de decisiones en materia de rehabilitación para que sea más eficiente que la de un experto humano? El objetivo era crear una herramienta capaz de procesar la degradación invisible y generar planes de obra multietapa que equilibraran el ahorro económico con la comodidad de los residentes.

Metodología: Los cuatro «jinetes» de la degradación

Para crear Endurify 2.0, los investigadores integraron un motor de cálculo en Autodesk Revit® (el estándar de modelado BIM). La metodología analiza cada elemento estructural mediante cuatro indicadores críticos:

  1. Fisuración transversal: las primeras heridas que aceleran el daño.
  2. Carbonatación: un proceso químico que reduce la alcalinidad del hormigón, dejando las armaduras de acero indefensas frente a la corrosión (según el modelo de Tuitti).
  3. Fluencia: la deformación silenciosa que sufre el hormigón bajo una carga sostenida a lo largo de los años.
  4. Deflexión: pérdida de rigidez que compromete la seguridad y la percepción del usuario.

El sistema utiliza una «lógica del peor de los casos»: la vida útil remanente (RUL) de una viga se determina por el primer indicador que supera el umbral de seguridad. Una vez detectados los elementos de riesgo, el algoritmo TOPSIS (una técnica de decisión multicriterio) evalúa miles de combinaciones posibles para agrupar las reparaciones de manera lógica y eficiente desde el punto de vista espacial.

Resultados: Superando al ojo humano

La validación se realizó en un modelo de 191 vigas de hormigón armado. Los resultados son reveladores: en comparación con un plan de rehabilitación diseñado manualmente por un ingeniero experto, el sistema automatizado consiguió:

  • Reducir el coste total en un 15,16 %.
  • Disminuir el impacto social (proximidad de las obras a las viviendas) en un 10,46 %.
  • Optimizar la logística de obra, agrupando las intervenciones en fases que reducen la necesidad de montar y desmontar andamios o instalaciones de obra repetidamente.

Aplicabilidad: El semáforo de la salud estructural

La gran innovación de Endurify 2.0 es la persistencia de los datos. Al devolver los resultados al modelo BIM mediante «parámetros compartidos», cualquier gestor puede visualizar el edificio mediante un código de colores (como un semáforo) que indica qué piezas necesitan «cirugía» inmediata y cuáles pueden esperar. Esto permite a los propietarios de grandes carteras inmobiliarias planificar inversiones a 20 años con base científica, en lugar de recurrir a soluciones reactivas cuando el daño ya es crítico.

Conclusiones y el futuro: Hacia el «Gemelo Digital» total

El estudio concluye que la rehabilitación científica es la única forma de cumplir con el Pacto Verde Europeo y de transformar el mantenimiento en una estrategia proactiva.

Las futuras líneas de investigación se centran en la automatización total de la inspección mediante visión artificial y drones para alimentar el modelo BIM sin intervención humana, y en la integración de sensores en tiempo real para crear verdaderos gemelos digitales que avisen al móvil del gestor cuando una viga sufra un estrés inesperado. Con Endurify 2.0, el futuro de la arquitectura no consiste en construir más, sino en cuidar con inteligencia matemática lo que ya tenemos.

Como el artículo se ha publicado en abierto, os lo podéis descargar en el siguiente enlace:

2026_18-ITcon-Fernández-Mora

Referencia:

FERNÁNDEZ-MORA, V.; NAVARRO, I.J.; YEPES, V. (2026). Extending Building Lifespan: Integrating BIM and MCDM for Strategic Rehabilitation. Journal of Information Technology in Construction, 31:398-419. DOI:10.36680/j.itcon.2026.018

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

ASG, Alto Almanzora Consultoría Geológica e ICITECH-UPV galardonados con el Premio FTI 2025 por innovación en geotecnia sostenible

Acto de entrega de premios, el 27 de marzo de 2026. De izquierda a derecha: José Antonio Galdón Ruiz, Antonio Sánchez Garrido y José Manuel Prieto Barrio.

El hito de la innovación en cimentaciones sostenibles.

La transferencia tecnológica impulsada desde nuestro grupo de investigación sigue dando sus frutos. En el marco de la tesis doctoral de Antonio Sánchez Garrido —doctorando al que tengo el placer de codirigir junto con el profesor Ignacio Navarro—, la alianza estratégica entre las empresas ASG y Alto Almanzora Consultoría Geológica, y el grupo de investigación ICITECH de la Universitat Politècnica de València (UPV), ha sido reconocida con un accésit en el Premio FTI 2025, otorgado por la Fundación Técnica Industrial.

El galardón distingue el proyecto SM-KsDirect Method y el software SM-KsDirect® , una solución disruptiva que establece un método de cálculo directo y riguroso del coeficiente de balasto (Ks). Esta innovación supera la «incertidumbre conservadora» que ha condicionado la práctica geotécnica durante más de cien años y abre la puerta a una nueva forma de trabajar: en lugar de recurrir al sobredimensionamiento estructural —que históricamente ha supuesto un lastre económico y un consumo innecesario de recursos—, profesionales y organizaciones disponen ahora de una herramienta de precisión matemática que garantiza simultáneamente la seguridad estructural y la descarbonización real en la edificación.

El prestigio detrás del galardón: la Fundación Técnica Industrial.

La Fundación Técnica Industrial (FTI) es un actor clave en la investigación científica e industrial en España, cuya misión es fomentar la excelencia técnica como base del progreso económico. En la IV edición del Premio a la Innovación Tecnológica, Empresarial y de Sostenibilidad, se han reconocido específicamente aquellas iniciativas que aplican la innovación para mejorar los procesos industriales y alcanzar los objetivos de descarbonización. La rigurosidad del jurado al otorgar este galardón subraya que el proyecto liderado por ASG e ICITECH no solo supone una mejora incremental, sino que también responde a la necesidad de cerrar el vacío normativo internacional en el cálculo de cimentaciones superficiales.

Galardonados en la IV edición del Premio a la Innovación Tecnológica, Empresarial y de Sostenibilidad de la Fundación Técnica Industrial

Alianza científico-industrial: liderazgo y validación a nivel máximo.

El éxito de esta propuesta radica en un ecosistema de colaboración en el que la academia y la industria convergen para resolver problemas estructurales complejos.

  • Liderazgo científico: el proyecto cuenta con el respaldo del profesor Víctor Yepes, doctor ingeniero de caminos, catedrático de la UPV.
  • Socio tecnológico industrial: es fundamental destacar la participación de Alto Almanzora Consultoría Geológica, S. L., liderada por José F. Moreno Serrano, cuya experiencia en geotecnia aplicada ha sido clave para la conceptualización y el desarrollo del software junto con el autor principal, Antonio J. Sánchez Garrido (ASG Architecture).
  • Rigor académico global: el método se ha validado mediante su publicación en la revista Environmental Impact Assessment Review (2026), situada en el primer cuartil del ranking científico mundial. Esta revisión por pares garantiza que el software SM-KsDirect® es una herramienta de ingeniería calibrada y no una «caja negra» de cálculo.

De la incertidumbre a la objetividad: el factor de seguridad.

Durante décadas, el parámetro «Ks» (que regula la interacción suelo-estructura) se ha definido mediante fórmulas subjetivas o ensayos de placa a pequeña escala, que suelen dar lugar a errores. El método SM-KsDirect rompe con esta dinámica al introducir un procedimiento de puntuación para el factor de seguridad (FS). Este sistema permite al ingeniero asignar un rango de FS entre 1,2 y 2,5 basado en una evaluación objetiva de la incertidumbre de los datos geotécnicos frente a la ignorancia subjetiva del proyectista.

El impacto de pasar del empirismo a la cuantificación objetiva se refleja en los siguientes indicadores clave de rendimiento (KPI), derivados del estudio comparativo de la metodología:

KPI clave Métodos convencionales SM−KsDirect® Impacto / mejora
Capacidad portante utilizable Base 100 180 +80% de optimización
Consumo de hormigón Base 100 92 -8% de ahorro directo
Consumo de acero Base 100 82 -18% de ahorro directo
Huella ambiental (CO2, agua, áridos) Base 100 80-85 -15% a -20% de reducción
Resiliencia y seguridad de usuarios Base 100 130 +30% de control estructural

Validación en el mundo real: el caso del hotel DAIA y la proyección industrial.

La viabilidad del método se ha contrastado en escenarios de alta complejidad técnica, como en la ejecución del Hotel DAIA, en La Herradura (Granada). En este proyecto, el método SM-KsDirect permitió optimizar una losa de cimentación parcialmente compensada en un entorno de suelos granulares estratificados con intercalaciones débiles. Mediante el uso de una losa tipo «Unidome» (formador de huecos multiaxiales de PE), se consiguió un equilibrio físico-matemático que redujo los costes de construcción inicial en un 12 % y prevé una reducción del 24 % en los gastos de mantenimiento durante los próximos 50 años.

Esta eficiencia se puede escalar fácilmente al ámbito industrial:

  • En naves logísticas de 20 000 m², la aplicación del software SM-KsDirect® puede generar ahorros directos de entre 200 000 y 400 000 euros al ajustar los espesores de la losa y las cuantías de acero.
  • Resiliencia industrial: el control de los asientos diferenciales evita paradas productivas y reparaciones costosas en suelos industriales sometidos a cargas pesadas.

Compromiso con el futuro: democratización y sostenibilidad.

El proyecto trasciende la rentabilidad comercial y se alinea con los Objetivos de Desarrollo Sostenible (ODS 9, 11, 12 y 13). Un pilar fundamental de esta iniciativa es su dimensión educativa: el software se distribuirá mediante un modelo freemium para universidades, lo que permitirá democratizar el acceso a la geotecnia de alto nivel para las futuras generaciones de ingenieros.

Acto de entrega de premios: La ceremonia oficial de entrega tendrá lugar el 27 de marzo de 2026 a las 10:30 h en la sede del Colegio de Madrid (C/ Jordán, 14).

Este accésit en el Premio FTI 2025 confirma que el SM-KsDirect Method es el nuevo estándar para una ingeniería geotécnica digitalizada, transparente y, sobre todo, responsable con el entorno y la seguridad de la sociedad.

En esta conversación puedes escuchar las ideas más interesantes de este nuevo método.

El vídeo resume bien el contenido de este artículo.

Sustainable_Foundation_Innovation

Referencia:

SÁNCHEZ-GARRIDO, A.J.; MORENO-SERRANO, J.F.; NAVARRO, I.J.; YEPES, V. (2026). Innovative safety framework and direct load–settlement method to optimize vertical subgrade modulus in sustainable mat foundations. Environmental Impact Assessment Review, 118, 108191. DOI:10.1016/j.eiar.2025.108191

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

El dilema de la hiperespecialización en el conocimiento moderno

La paradoja de saberlo todo y no entender nada: el espejismo de la pirámide académica.

Existe la creencia, casi romántica, de que el avance del conocimiento es un ascenso hacia una visión panorámica. Imaginamos que el experto, al alcanzar la cima de su disciplina, domina un horizonte total. Sin embargo, la realidad de la ciencia contemporánea nos muestra una imagen diferente: la pirámide académica no culmina en una meseta de sabiduría global, sino en un desfiladero de hiperespecialización.

A medida que un investigador se acerca a la excelencia, el aire se vuelve más fino y el aislamiento aumenta. En la cúspide, la especialización es tan extrema que los expertos a menudo se vuelven incapaces de comunicarse incluso con sus colegas más cercanos. Se crean «submundos» de lógica privada, catedrales del pensamiento construidas sobre cimientos que solo su arquitecto puede ver, donde el conocimiento deja de ser un puente para convertirse en una isla.

La muerte del «matemático total»: un mal necesario.

Hubo un tiempo en que mentes como la de Leonardo da Vinci podían abarcar la totalidad del saber humano. Incluso en el siglo XX, figuras como Henri Poincaré o David Hilbert fueron los últimos «matemáticos totales», capaces de comprender y fertilizar prácticamente todas las ramas de su disciplina. Hoy en día, este ideal es una imposibilidad física, ya que el volumen de información crece con tal voracidad que desborda cualquier cerebro biológico.

Esta fragmentación nos obliga a ser más humildes. Como se suele decir en los círculos académicos, existe el riesgo de convertirse en lo que Rafael Tesoro describió como un «koala que solo se alimenta de caña de bambú»: un especialista que sabe cada vez más sobre menos cosas, hasta el punto de que, en el límite, parece saberlo todo sobre nada. No obstante, esta deriva también es un mal necesario. La especialización nos permite ahorrar esfuerzos que, de otro modo, dedicaríamos a tareas imposibles y profundizar donde otros solo pueden patinar sobre la superficie. Como bien reflexionaba el físico teórico citado por Josejuan:

«Es importante adquirir la sensación de humildad que nos aporta reconocer que uno es el mayor experto del mundo en nada y no entiende casi nada de lo que cuentan los demás expertos en nada».

La conjetura ABC: el abismo entre sumar y multiplicar.

En este contexto de fragmentación, destaca la conjetura ABC, formulada en 1985. Su enunciado es de una sencillez engañosa, casi infantil: a + b = c. Sin embargo, tras esta sencilla ecuación se esconde un misterio fundamental sobre la interacción entre las estructuras aditiva y multiplicativa de los números.

Para visualizar el «abismo», consideremos la siguiente suma: 25·318+56·710·232=119·691+1433. Se puede observar que los números a y b están formados por potencias de factores primos muy pequeños (2, 3, 5, 7 y 23). La conjetura sugiere que, en tales casos, el resultado c debe contener necesariamente un factor primo sorprendentemente grande, como el 1433 en este ejemplo.

Si se lograra dominar esta relación, se podrían resolver ecuaciones diofánticas (problemas con soluciones enteras) de forma sistemática, convirtiendo hitos como el último teorema de Fermat en simples ejercicios de cálculo manual. Por ello, la comunidad consideraba que su demostración sería una tarea colosal, un Everest matemático que parecía ir más allá del alcance de las herramientas actuales.

Shinichi Mochizuki y la matemática del «espacio exterior».

En 2012, el matemático japonés anunció que había alcanzado esa cima. Mochizuki no era un desconocido: con un talento precoz, ingresó en la Universidad de Princeton a los dieciséis años, regresó a Japón a los veinticinco y, con tan solo veintisiete años, resolvió una conjetura fundamental de Alexander Grothendieck. Sin embargo, su propuesta para la conjetura ABC era completamente diferente de todo lo visto hasta la fecha.

Mochizuki presentó la teoría de Teichmüller inter-universal (IUT) en cuatro artículos que sumaban 500 páginas, respaldados por otras 1500 páginas de trabajo previo. No se trataba de matemáticas convencionales, sino de una arquitectura barroca, poblada de neologismos que funcionaban como etiquetas de realidades paralelas. Términos como «Frobenioides» o «Teatros de Hodge» sumieron a los expertos en desconcierto. Jordan S. Ellenberg captó esa sensación de extrañeza:

«Al mirarlo, te sientes un poco como si estuvieras leyendo un artículo del futuro o del espacio exterior».

El corolario 3.12: El choque de los titanes.

El aislamiento de Mochizuki fue tanto intelectual como metodológico. Calculó que un experto necesitaría 500 horas de estudio intensivo solo para empezar a comprender su lógica. Esta opacidad provocó un conflicto inevitable cuando Peter Scholze —que ganó la medalla Fields a los 30 años y es considerado un máximo experto en la materia— decidió intervenir.

Scholze y su colega Jakob Stix viajaron a Kioto en 2018 para un encuentro que la prensa científica calificó de «choque de titanes». Tras analizar el manuscrito, señalaron un punto de ruptura específico: el corolario 3.12. Según Scholze, la lógica se desmorona en ese paso crucial, lo que deja la demostración herida de muerte. Mochizuki, imperturbable, afirmó que el error no estaba en sus cálculos, sino en la incapacidad de sus críticos para comprender conceptos tan abstractos. Este desencuentro recordó la sentencia de Gerd Faltings, mentor de Mochizuki:

«En matemáticas no basta con tener una buena idea: también hay que poder explicársela a los demás».

La paradoja de Kioto: la verdad depende de la geografía.

La controversia alcanzó tintes surrealistas cuando la revista RIMS decidió publicar la demostración sin corregir el polémico corolario 3.12. El hecho de que el propio Mochizuki sea el editor jefe de dicha publicación y que el RIMS sea su propia institución ha suscitado serias sospechas en la comunidad internacional. Como señala el autor del blog Gaussianos, la situación «huele mal» por varios motivos:

  • Conflicto de intereses flagrante: el autor valida su propio trabajo desde la cúpula de la revista que lo publica.
  • Inmovilidad dogmática: no se han realizado cambios sustanciales para responder a las objeciones técnicas de Scholze y Stix.
  • Fragmentación de la verdad: la aceptación de la prueba se limita a un círculo estrecho de colaboradores en Japón.

Esto nos sitúa ante una anomalía histórica: hoy en día, la conjetura ABC es un teorema en Kioto, pero sigue siendo una conjetura en el resto del mundo. La verdad matemática ha dejado de ser universal para convertirse en geográfica.

Conclusión: El riesgo del feudalismo matemático

El caso de Mochizuki es una advertencia sobre el futuro del conocimiento. Nos recuerda que la ciencia no es solo el destello de un genio solitario, sino también un esfuerzo colectivo de comunicación. Cuando el lenguaje se vuelve tan privado que ni siquiera los mayores expertos del mundo pueden descifrarlo, el progreso se estanca.

Podríamos estar entrando en una era de feudalismo matemático, donde diferentes escuelas de pensamiento habitan submundos incomprensibles entre sí, protegidas por murallas de terminología esotérica. El desafío de nuestra era no es solo descubrir lo desconocido, sino también construir puentes. Al final, el destino de la ciencia no dependerá de genios que hablen idiomas espaciales, sino de nuestra voluntad de volver a explicarnos el mundo con humildad y claridad.

En esta conversación puedes escuchar algunas de las ideas más interesantes sobre este tema.

Este vídeo resume bien las ideas más importantes.

The_ABC_Schism

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

El arte de medir lo subjetivo: las escalas Likert

Medir la temperatura de un fluido o la resistencia de un material es una tarea técnica que emplea parámetros físicos tangibles. Sin embargo, cuando el objeto de estudio es la mente humana (opiniones, actitudes o rasgos de personalidad), entramos en el terreno de las variables no observables, también conocidas como constructos latentes.

Aunque las encuestas son la herramienta universal para capturar esta subjetividad, la mayoría falla no por la tecnología empleada, sino por errores de diseño psicométrico que invalidan el dato desde su origen.

Desde que Rensis Likert introdujo su escala en 1932, esta se ha convertido en el estándar para convertir percepciones en métricas. No obstante, su uso profesional exige una rigurosidad que trasciende la mera formulación de preguntas al azar. Debemos comprender que una escala es un instrumento de precisión diseñado para capturar la esencia de lo inobservable. A continuación, presentamos cinco aspectos fundamentales para garantizar que sus mediciones sean científicamente válidas.

1. Lo subjetivo es el reino, no el dato objetivo.

La base de una escala Likert es la medición de una valoración personal, no de una competencia. Un error metodológico frecuente consiste en incluir preguntas que miden conocimientos factuales en lugar de preguntas que miden actitudes. Si un ítem tiene una respuesta técnicamente «correcta», deja de ser una escala de opinión para convertirse en un examen.

Para garantizar la pureza del constructo, la formulación debe seguir tres reglas de oro:

  • Enfoque: centrarse exclusivamente en opiniones o conductas.
  • Unidimensionalidad: incluir una sola idea por ítem para evitar el ruido en la medición.
  • Claridad gramatical: evitar expresiones negativas que puedan confundir al sujeto.

Como bien señala la norma psicométrica:

«Nunca en forma de datos objetivos que impliquen una valoración personal (conocimientos)».

2. La regla del 40-20: supervivencia de ítems y validez de las subescalas.

En el diseño de cuestionarios, la cantidad es el filtro de la calidad. No existe un número óptimo de ítems a priori, pero sí una metodología de «supervivencia»: para obtener un instrumento robusto, se recomienda partir de unos 40 ítems iniciales y retener finalmente entre 20 y 30.

¿Por qué este excedente? El uso de ítems repetitivos (expresar la misma idea de diversas formas) permite aumentar la discriminación y aislar la señal real del error de medida. Durante la fase de pretest, debemos descartar los ítems que no discriminan, es decir, aquellos que son aceptados o rechazados por casi todos los sujetos, para fortalecer la consistencia interna.

Además, hay pruebas que sugieren que el orden y la estructura son importantes: agrupar los ítems por temas o subescalas, en lugar de mezclarlos aleatoriamente, aumenta la validez convergente y divergente y facilita una interpretación más precisa de los factores medidos.

3. El dilema del número impar y la capacidad de discriminación.

La controversia sobre si se debe ofrecer una «salida neutral» (como la clásica opción «Indiferente») sigue vigente. El estándar oscila entre tres y siete opciones de respuesta, siendo cinco el número más habitual. Un número impar permite la ambivalencia, mientras que uno par obliga a decantarse por una opción.

Desde el punto de vista psicométrico, no existe un consenso definitivo sobre cuál es la mejor opción, lo que otorga libertad al investigador. Sin embargo, existe un límite técnico infranqueable: la capacidad de discriminación del sujeto. Aumentar el número de respuestas puede mejorar la fiabilidad de la escala, pero solo hasta el punto en que el encuestado sea capaz de distinguir entre los matices. Superar ese umbral solo introduce fatiga y errores aleatorios en la matriz de datos.

4. El mito del tamaño: por qué una muestra gigantesca no elimina el sesgo.

Es un error común pensar que una muestra muy grande garantiza precisión. En psicometría, el nivel de confianza o riesgo de primera especie (z) gestiona el riesgo de equivocarnos al generalizar, pero no elimina el sesgo de selección. Una muestra de 10 000 personas puede ser menos precisa que una de 500 si la primera está sesgada.

Para poblaciones extensas, la estrategia más adecuada es la estratificación. Al segmentar la población en estratos, garantizamos la representatividad de los grupos críticos y obtenemos una interpretación más precisa de los resultados. Debemos recordar siempre que:

«Una muestra de gran tamaño no garantiza que el margen de error sea pequeño, pues puede estar sesgada hacia segmentos de la población que están representados en exceso o poco representados».

5. La barrera de 5 puntos: ¿es un dato cuantitativo o una etiqueta ordinal?

Esta es, quizá, la distinción técnica más trascendental en el análisis de datos. La naturaleza de su escala determina qué operaciones matemáticas pueden realizarse legalmente.

  • Variable de escala (cuantitativa): solo si la escala tiene 5 o más puntos de respuesta. En este caso, es estadísticamente lícito calcular la media y la desviación típica, considerando la opinión como un continuo numérico.
  • Variable ordinal: si la escala tiene menos de cinco puntos. En este caso, no tiene sentido calcular diferencias entre categorías; el análisis se limita estrictamente a tablas de frecuencias (absolutas y relativas).

Ignorar esta distinción es un error grave en la comunicación de resultados: intentar presentar como promedio el resultado de una escala de tres puntos es una aberración estadística que distorsiona la realidad del constructo.

Reflexión final.

El cuestionario no es una simple lista de preguntas, sino un conjunto articulado y coherente de ítems diseñado para traducir la complejidad humana en datos operables. El éxito de su investigación depende de la arquitectura psicométrica subyacente, no del software que procese las respuestas.

Cuando finalice su próximo diseño, tómese un momento para evaluar si sus resultados serán estadísticamente operativos o meramente decorativos. La diferencia radica en el respeto a las leyes fundamentales de la medición.

En esta conversación puedes escuchar algunas de las ideas más interesantes sobre este tipo de encuestas.

El vídeo resume bien las ideas más importantes.

Likert_Analysis_Playbook

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

Diseño de experimentos: La brújula que guía el método científico

¿Te has detenido alguna vez a considerar por qué dos estudios sobre el mismo fenómeno pueden llegar a conclusiones diametralmente opuestas?

A menudo, la respuesta no se encuentra en un error de cálculo ni en la mala fe del investigador, sino en la estructura invisible que sustenta los datos. La estadística, lejos de ser un frío ejercicio de «contar» o promediar, es en realidad la aplicación de una lógica rigurosa y elegante conocida como diseño de experimentos.

Como guía, mi objetivo es mostrarte que un experimento no es solo una observación, sino una prueba controlada en la que introducimos cambios deliberados para revelar verdades ocultas. Sin un diseño robusto, los números son solo ruido; con uno, se convierten en una herramienta de predicción capaz de silenciar la incertidumbre. Permíteme compartir contigo cinco pilares fundamentales que transformarán tu manera de interpretar la ciencia.

El conocimiento no es una línea recta, sino un círculo.

Tanto en la academia como en la industria, tendemos a ver el conocimiento como un monolito estático. Sin embargo, el método científico es circular e iterativo. Según Kempthorne (1952), la investigación es un ciclo perpetuo que se retroalimenta para aumentar la precisión.

Este proceso consta de cuatro etapas: la observación del fenómeno, la formulación de una teoría lógica, la predicción de eventos futuros y, por último, la toma de decisiones basada en pruebas. Pero aquí reside el secreto: el ciclo no termina ahí. Los resultados de la decisión modifican nuestras conjeturas originales y nos obligan a reiniciar el proceso. El objetivo no es solo repetir el experimento, sino aumentar nuestra capacidad de discriminación para distinguir con mayor claridad qué teorías son válidas y cuáles deben ser desechadas.

«El método científico no es estático; es de naturaleza circulante».

¿Por qué tu género no es un «tratamiento» (y por qué importa)?

Uno de los conceptos más sutiles y cruciales que enseño a mis estudiantes es la distinción entre factores de tratamiento y de clasificación. Para que algo sea un «tratamiento», el investigador debe tener soberanía absoluta para asignar aleatoriamente dicho factor a las unidades de estudio.

Por ejemplo, un fármaco es un tratamiento porque el investigador decide quién lo recibe. En cambio, el género, el tipo de suelo o la especie de una madera son propiedades intrínsecas, denominadas factores de clasificación. No se puede «asignar» el género a un sujeto. Esta distinción es vital, ya que los factores de clasificación suelen actuar como fuentes extrañas de variación que, si no se identifican, pueden sesgar los resultados. Comprender que el género no es algo que «probamos», sino el contexto en el que lo probamos, es el primer paso hacia una inferencia honesta.

 

La unidad experimental: el arte de no medir lo que no debes.

Existe un «espejismo estadístico» muy común: creer que medir muchas veces lo mismo aumenta la validez de un experimento. Para evitar este error, debemos distinguir entre la unidad experimental (UE) y la unidad muestral (UO).

  • En el ámbito clínico, el paciente es la unidad experimental a la que se le asigna el tratamiento de forma independiente.
  • En agricultura, una parcela completa es la UE, mientras que las plantas individuales dentro de ella son simples UO.
  • En entomología, la UE puede referirse a un insecto, pero a menudo se refiere a la colonia entera como objeto de estudio.
  • En estructuras, una viga de hormigón es la UE a la que se le aplica un método de curado específico, mientras que los diferentes sensores de deformación colocados en distintos puntos de esa misma viga actúan como unidades observacionales

El riesgo técnico consiste en confundir el error experimental (la variación entre distintas unidades experimentales) con el error de muestreo (la variación dentro de una misma unidad experimental). Si mide 50 plantas en una sola parcela, solo está reduciendo el error de muestreo. Para validar realmente un tratamiento y reducir el error experimental, se necesitan más parcelas independientes, no más plantas en la misma parcela. Medir lo que no debe solo aumenta artificialmente su confianza en un resultado que podría ser puramente aleatorio.

¿Busca conocimiento absoluto o quiere tomar una decisión?

No toda la ciencia busca lo mismo, por lo que saber qué tipo de experimento tiene delante cambiará su criterio. Anscombe (1947) nos legó una distinción fundamental:

  • Experimentos absolutos: buscan determinar propiedades físicas constantes, como la velocidad de la luz. Se asocian a la ciencia pura y se rigen por el modelo II (efectos aleatorios), en el que los tratamientos se consideran una muestra de un universo infinito.
  • Experimentos comparativos: son el corazón de las ciencias aplicadas y de la ingeniería. En estos casos, los valores absolutos pueden variar según el entorno, pero la relación entre los tratamientos permanece estable. Se rigen por el modelo I (efectos fijos), ya que el interés radica en determinar cuál de los tratamientos específicos es «mejor».

En el mundo de la gestión, casi siempre estamos ante experimentos comparativos. No buscamos una verdad universal e inmutable, sino la información necesaria para tomar una decisión administrativa acertada.

El «testigo»: el héroe invisible del control de variación.

A menudo se piensa que el tratamiento de control o de testigo es solo un requisito burocrático. Sin embargo, su función es lógica y profunda: es la única herramienta capaz de revelar si el entorno está «enmascarando» la realidad.

Imagine que intenta escuchar un susurro (el efecto de un nuevo fertilizante) en una habitación donde alguien está gritando (la alta fertilidad natural del suelo). Sin un testigo —una zona sin fertilizante—, se atribuiría el crecimiento de las plantas al producto, cuando en realidad sería el suelo quien haría todo el trabajo. El testigo es esencial cuando se desconoce la eficacia de lo que se prueba; es el punto de referencia que permite eliminar las interferencias del entorno y detectar la señal del tratamiento.

Conclusión: el diseño antes que el dato.

El diseño experimental es, en última instancia, el cálculo del grado de incertidumbre. Esto permite que la estadística trascienda la mera descripción de lo ocurrido y se convierta en una brújula predictiva. Un diseño robusto garantiza que las conclusiones tengan un rango de validez real y que los recursos, siempre limitados, no se malgasten en espejismos.

La próxima vez que te encuentres ante un informe con gráficos deslumbrantes, detente y reflexiona: ¿estos datos provienen de un diseño válido que controla la incertidumbre o son solo una colección de números que intentan ocultar la ausencia de una estructura lógica? Recuerda que, en ciencia, la calidad de tu respuesta nunca superará la del diseño de tu pregunta.

En esta conversación puedes escuchar una buena explicación sobre este tema.

El vídeo resume bien las ideas más importantes sobre el diseño de experimentos.

Experimental_Design_Foundations

Referencias:

Anscombe, F. J. (1947). The validity of comparative experiments. Journal of the Royal Statistical Society, 61, 181–211.

Box, G. E. P. (1952). Multi-factor designs of first order. Biometrika, 39(1), 49–57.

Fisher, R. A. (1935). The design of experiments. Oliver & Boyd.

Kempthorne, O. (1952). The design and analysis of experiments. John Wiley & Sons.

Melo, O. O., López, L. A., & Melo, S. E. (2007). Diseño de experimentos: métodos y aplicaciones. Universidad Nacional de Colombia, Facultad de Ciencias.

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

El código secreto de la naturaleza: algoritmos metaheurísticos para resolver lo imposible.

Introducción: El genio oculto en el caos natural.

En el vasto universo de la gestión de situaciones complejas, nos enfrentamos a desafíos que cuestionan la lógica convencional: los problemas NP-difíciles.

Estos enigmas se caracterizan por que, a medida que el tamaño del problema aumenta, el tiempo necesario para resolverlo mediante fuerza bruta crece de manera exponencial. Esto hace que una búsqueda exhaustiva sea prácticamente imposible, incluso para las supercomputadoras más potentes. De este modo, cuando los métodos deterministas fallan y no hay garantía de hallar la solución perfecta, los expertos recurren a las metaheurísticas.

Al observar cómo la naturaleza optimiza los recursos para la supervivencia, hemos descubierto que el ensayo y el error no son fruto del azar, sino de un diseño refinado a lo largo de milenios de evolución. Los investigadores han dejado de mirar exclusivamente las pizarras para descifrar el genio oculto en los sistemas biológicos, físicos y químicos y han traducido procesos naturales en ecuaciones de optimización asombrosamente eficientes.

La inteligencia de enjambre: el poder de la multitud «sin inteligencia».

Uno de los pilares más fascinantes de esta disciplina es la inteligencia de enjambre (SI, por sus siglas en inglés). Este concepto se basa en el comportamiento colectivo emergente de múltiples agentes que interactúan según reglas muy sencillas. Ya sea en colonias de hormigas, enjambres de abejas o destellos de luciérnagas, el sistema logra una autorganización compleja sin necesidad de un mando central.

Lo más sorprendente es cómo la capacidad del colectivo trasciende las limitaciones del individuo. Un solo agente puede ser limitado, pero el enjambre, como unidad, exhibe una gran capacidad para resolver problemas. Como señala la literatura académica sobre este fenómeno:

«Aunque cada agente puede ser considerado como ininteligente, el sistema completo de múltiples agentes puede mostrar un comportamiento de autoorganización y, por lo tanto, puede comportarse como una suerte de inteligencia colectiva».

Más allá de la biología: la optimización se encuentra con la física y la música.

Aunque la biología es una fuente muy rica, la informática inspirada en la naturaleza trasciende mucho más. Para un especialista, la clasificación de estos algoritmos no se limita a su «musa», sino a su comportamiento matemático. Podemos categorizarlos según su trayectoria de búsqueda (como el Simulated Annealing) o según si se basan en poblaciones (como el Particle Swarm Optimization o el Firefly Algorithm).

Existen sistemas basados en leyes físicas y químicas, como los algoritmos que imitan la fuerza de la gravedad, las cargas eléctricas o la dinámica de formación de ríos. Incluso el arte tiene su lugar en el algoritmo Harmony Search (Búsqueda Armónica), que imita el proceso estético de un músico que persigue el «estado de armonía» o el acorde perfecto. Esta universalidad demuestra que los conceptos de disciplinas tan dispares pueden traducirse en reglas de actualización precisas para hallar soluciones casi óptimas en ingeniería y logística.

La trampa de las 28 000 especies: el desafío de la verdadera novedad.

A pesar del auge de estas técnicas, la comunidad científica se enfrenta a una realidad crítica: la proliferación de algoritmos que carecen de innovación real. Aunque en el mundo existen aproximadamente 28 000 especies de peces, esto no justifica la creación de 28 000 variantes algorítmicas (por ejemplo, el algoritmo del tiburón, de la trucha, etc.) que solo cambian los nombres de las variables sin aportar una mejora sustancial al motor de búsqueda.

En los últimos años, el mundo de la optimización ha experimentado una auténtica explosión de metaheurísticas. Nuevos algoritmos “inspirados en la naturaleza” están apareciendo como setas tras la lluvia. Solo en el último lustro, la comunidad científica se ha encontrado con miles de propuestas que se presentan como completamente originales.

El problema es que, en muchos casos, esas supuestas “novedades” no aportan ideas realmente nuevas. Son simplemente variantes, más o menos ingeniosas, de algoritmos ya conocidos y consolidados. Cambia el nombre, cambia la metáfora biológica o social, pero el mecanismo interno apenas difiere del de otros modelos existentes.

La situación ha llegado a tal punto que varias revistas científicas de alto impacto han decidido poner freno a esta tendencia. Muchas de ellas ya no aceptan trabajos que presenten una “nueva metaheurística” si no demuestran aportaciones metodológicas auténticas y verificables.

Esto supone una llamada a la acción para priorizar el rigor por encima de la «marca» comercial del algoritmo. Los expertos advierten sobre el peligro de la «pseudoinnovación» con fines de publicación:

No basta con bautizar un algoritmo con un nombre llamativo; tiene que resolver mejor los problemas reales.

La receta del éxito: mezcla, diversidad y paralelismo.

¿Por qué algoritmos como Cuckoo Search o el Firefly Algorithm triunfan, mientras que otros caen en el olvido? El éxito de un metaheurístico radica en su capacidad para equilibrar dos fuerzas opuestas:

  • Diversidad (búsqueda global/exploración): es la capacidad del algoritmo para explorar exhaustivamente el amplio espacio de búsqueda y evitar quedar atrapado en soluciones locales que parecen buenas, pero no lo son.
  • Mezcla (búsqueda local/explotación): es el proceso de recombinación e interacción entre soluciones que permite al algoritmo converger rápidamente hacia el punto óptimo una vez identificada una región prometedora.

Además, una ventaja competitiva de los algoritmos de inteligencia de enjambre es su facilidad de paralelización. Al basarse en múltiples agentes independientes, estos procesos pueden ejecutarse simultáneamente en hardware moderno, lo que permite optimizar problemas a gran escala en el mundo real por primera vez de forma práctica y eficiente.

Conclusión: hacia una nueva era de resolución de problemas.

Los algoritmos inspirados en la naturaleza han dejado de ser una mera curiosidad para convertirse en el estándar de oro para los problemas de alta complejidad. Es por ello que el futuro de esta disciplina no radica en buscar «más especies» que imitar, sino en profundizar en el marco matemático que permite que la diversidad y la mezcla funcionen en armonía. Solo a través de la comprensión real de estos mecanismos podremos hacer frente a los enormes desafíos de la tecnología moderna.

Al observar la elegancia con la que un enjambre encuentra su camino o un sistema físico alcanza el equilibrio, surge una pregunta inevitable: ¿existe algún límite a lo que podemos aprender sobre la eficiencia de la naturaleza o apenas estamos empezando a descifrar su código más fundamental?

En esta conversación puedes escuchar algunas de las ideas más interesantes sobre este tema.

En este vídeo se resumen algunos de los conceptos más importantes abordados.

Fister

Nature_Inspired_Optimization

Referencias:

FISTER JR, I.; YANG, X. S.; FISTER, I.; BREST, J.; FISTER, D. (2013). A brief review of nature‑inspired algorithms for optimization. arXiv preprint arXiv:1307.4186.

GARCÍA, J.; YEPES, V.; MARTÍ, J.V. (2020). A hybrid k-means cuckoo search algorithm applied to the counterfort retaining walls problem. Mathematics,  8(4), 555. DOI:10.3390/math8040555

GARCÍA, J.; MARTÍ, J.V.; YEPES, V. (2020). The buttressed  walls problem: An application of a hybrid clustering particle swarm optimization algorithm. Mathematics,  8(6):862. DOI:10.3390/math8060862

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. DOI:10.1016/j.engstruct.2015.03.015

GARCÍA-SEGURA, T.; YEPES, V.; MARTÍ, J.V.; ALCALÁ, J. (2014). Optimization of concrete I-beams using a new hybrid glow-worm swarm algorithm. Latin American Journal of Solids and Structures, 11(7):1190 – 1205. DOI:10.1590/S1679-78252014000700007

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. DOI:10.1016/j.engstruct.2007.05.023

YEPES, V. (2026). Heuristic Optimization Using Simulated Annealing. In: Kulkarni, A.J., Mezura-Montes, E., Bonakdari, H. (eds) Encyclopedia of Engineering Optimization and Heuristics. Springer, Singapore. https://doi.org/10.1007/978-981-96-8165-5_48-1

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

El algoritmo de la naturaleza: El secreto de las hormigas para resolver problemas imposibles

¿Cómo es posible que insectos con capacidades individuales sumamente limitadas resuelvan problemas geométricos y logísticos que a la humanidad le han llevado décadas de estudio formal para dominar?

En el rincón más sencillo de un jardín tiene lugar un fenómeno asombroso: una comunidad de diminutos seres encuentra, sin mapas, líderes jerárquicos ni tecnología GPS, el camino más corto entre un hormiguero y una fuente de alimento.

Este prodigio de la naturaleza no es solo una curiosidad biológica, sino la piedra angular de la optimización mediante colonias de hormigas (ACO), una potente metaheurística computacional que actúa como puente entre la eficiencia orgánica y los algoritmos más avanzados de la actualidad.

A continuación, exploramos cinco lecciones fundamentales que estos optimizadores naturales nos enseñan sobre la resolución de problemas complejos.

La inteligencia no reside en el individuo, sino en el colectivo.

En el mundo de las hormigas, la genialidad no es una cualidad de un «líder» con una visión superior, sino que surge del grupo. Así, el comportamiento inteligente surge de la masa, lo que desafía nuestras nociones tradicionales de gestión jerárquica. La ciencia ha comprobado que la brillantez del sistema no radica en sus componentes aislados, sino en la red de interacciones entre ellos.

Como se describe en los fundamentos de la inteligencia colectiva:

«En la naturaleza existen ejemplos de colectivos de individuos cuyo comportamiento es aparentemente inteligente, sin que esta característica se manifieste en sus componentes individuales».

Esta realidad nos invita a reflexionar sobre un cambio de paradigma: frente al liderazgo humano centralizado, la naturaleza propone una lógica bottom-up, en la que la suma de acciones simples y coordinadas supera la capacidad de cualquier genio individual.

El «Universo» como herramienta de comunicación dinámica.

Para que una colonia resuelva un problema, no es necesario que todas las hormigas conozcan el mapa completo del entorno. De hecho, ningún agente posee un conocimiento global. El éxito depende de la interacción con su «universo», que actúa como depositario físico de la información.

Según el contexto científico, deben cumplirse tres condiciones esenciales para que se produzca este comportamiento:

  • Existencia de un objetivo prioritario: una meta clara (como la locomoción o la alimentación) que proporciona un norte y, crucialmente, dicta el comportamiento de los agentes incluso en ausencia de información local.
  • Reglas de interacción local: si existe información local, el agente la utiliza para tomar decisiones que le permitan alcanzar el objetivo más rápidamente. Los agentes independientes depositan y modifican datos en el entorno, comunicando indirectamente los resultados de sus esfuerzos.
  • Un universo donde actuar: el entorno es la «geografía» por la que transitan. Es el medio que proporciona los datos necesarios y en el que se encuentra la memoria colectiva del sistema.

Feromonas: el rastro que se convierte en memoria adaptativa.

El proceso mediante el cual las hormigas optimizan sus rutas es un fascinante ciclo químico-digital. Todo comienza con una exploración aleatoria del entorno. Tan pronto como un individuo encuentra una fuente de alimento, evalúa su cantidad y calidad. Al regresar al hormiguero, deposita una sustancia química llamada feromona.

Este rastro oloroso sirve de señal para las demás hormigas. El camino más corto acaba ganando por una cuestión de frecuencia: las hormigas que viajan por la ruta más breve regresan antes y con mayor frecuencia, por lo que refuerzan ese rastro más rápido que en las rutas largas.

Sin embargo, la clave del éxito radica en la fragilidad del rastro: la feromona es dinámica y se evapora con el tiempo. Si un camino deja de usarse, la señal desaparece. Esta capacidad de «olvido» o plasticidad es vital, ya que permite que el sistema sea flexible y evita la «estagnación», impidiendo que la colonia se quede atrapada en soluciones locales, ya sean mediocres u óptimas, que ya no resultan eficientes ante un entorno cambiante.

De la biología al código: el espejo de la optimización.

La informática ha logrado traducir estos comportamientos biológicos en algoritmos de búsqueda altamente sofisticados. Para comprender esta transición del mundo natural al ámbito del procesador, es necesario observar cómo cada elemento biológico encuentra su contraparte matemática.

Esta estructura permite a los programadores utilizar la lógica de la colonia para explorar enormes espacios de soluciones, donde encontrar la respuesta perfecta sería inviable con métodos tradicionales.

No estamos solos: el club de los optimizadores naturales.

Las hormigas no son las únicas maestras del arte de la economía de recursos. La naturaleza es un club exclusivo de optimizadores en el que la eficiencia es una ley universal de supervivencia, no una invención humana. Otros ejemplos destacados son:

  • Los cisnes: al volar en formación de V, calculan una distribución espacial precisa para minimizar el esfuerzo total que debe realizar la bandada para desplazarse de un punto A a otro B.
  • Los depredadores y los peces: los patrones de ataque de los primeros y las formaciones de los segundos buscan la máxima efectividad con el mínimo riesgo energético.
  • Los ciclistas: apelotonándose instintivamente en una carrera para reducir la resistencia al viento, emulan estos patrones de optimización colectiva.

Conclusión: un futuro inspirado en lo pequeño.

En 1991, los investigadores Corloni, Dorigo y Maniezzo abrieron una puerta trascendental al sugerir que podíamos imitar el comportamiento de los insectos para resolver problemas de optimización combinatoria. Esa semilla científica nos permite hoy en día gestionar redes de tráfico complejas, diseñar ciudades más habitables y optimizar las cadenas logísticas globales que sustentan nuestra economía.

Si aprendiéramos a «escuchar» y a observar con mayor detenimiento los rastros y la información que fluyen en nuestro propio universo, quizá descubriríamos soluciones a problemas que hoy consideramos irresolubles.

En definitiva, nos queda una reflexión provocadora: si una hormiga no sabe que está resolviendo un algoritmo, ¿qué problemas estamos resolviendo colectivamente sin darnos cuenta?

En esta conversación puedes escuchar algunas de las ideas más interesantes sobre el tema.

Este vídeo resume bien los conceptos básicos de la optimización mediante la colonia de hormigas.

Ant_Colony_Optimization Ant_Colony_Optimization

Referencias:

COLORNI, A.; DORIGO, M.; MANIEZZO, V. (1991). Distributed optimization by ant colonies, in VARELA, F.J.; BOURGINE, P. (eds.) Proceedings of the First European Conference on Artificial Life (ECAL-91). The MIT Press: Cambrige, MA, 134-142.

MARTÍNEZ, F.; PEREA, C.; YEPES, V.; HOSPITALER, A.; GONZÁLEZ-VIDOSA, F. (2007). Optimización heurística de pilas rectangulares huecas de hormigón armado. Hormigón y Acero, 244: 67-80. ISBN: 0439-5689. (link)

MARTÍNEZ, F.J.; GONZÁLEZ-VIDOSA, F.; HOSPITALER, A.; YEPES, V. (2010). Heuristic Optimization of RC Bridge Piers with Rectangular Hollow Sections. Computers & Structures, 88: 375-386. ISSN: 0045-7949.  (link)

YEPES, V. (2003). Apuntes de optimización heurística en ingeniería. Editorial de la Universidad Politécnica de Valencia. Ref. 2003.249. Valencia, 266 pp. Depósito legal: V-2720-2003.

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

Por qué «no existe la comida gratis» en el mundo de los algoritmos

El mito del algoritmo universal: una humillación necesaria.

Durante décadas, la comunidad científica persiguió con arrogancia el «santo grial»: el algoritmo de optimización universal. Se soñaba con una «caja negra», ya fuera basada en elegantes procesos evolutivos o en redes neuronales profundas, capaz de resolver cualquier problema, desde el diseño de un puente atirantado hasta la logística del viajante, con una eficiencia superior.

Sin embargo, esta búsqueda no solo era ambiciosa, sino que también era fundamentalmente errónea. La revelación de que no existe una inteligencia algorítmica absoluta supuso un golpe de humildad para quienes creían haber capturado la esencia del aprendizaje, cuando en realidad solo habían logrado un ajuste estadístico fortuito.

La revelación matemática: todos los algoritmos son, en promedio, iguales.

Este mito fue desmentido en 1997 por David Wolpert y William Macready. Sus teoremas «No Free Lunch» (NFL) establecieron una igualdad matemática absoluta que rompe el ego de cualquier programador: si promediamos el rendimiento sobre el conjunto de todos los problemas posibles, cualquier algoritmo sofisticado es idéntico a una búsqueda aleatoria.

Lo que un algoritmo gana en un tipo de problemas, lo paga inevitablemente con un fracaso estrepitoso en otro. No hay «comida gratis»: la superioridad de un algoritmo genético de última generación frente a un proceso de búsqueda ciega es una ilusión que solo se sostiene cuando ignoramos la inmensidad del espacio de funciones posibles.

El teorema uno nos muestra que el uso del conocimiento del dominio puede mejorar el rendimiento, a costa de la generalidad.

La geometría del éxito: el problema de la «alineación».

Para comprender la optimización del éxito, debemos abandonar la idea de la «fuerza bruta» y abrazar la geometría. Imagine el espacio de todas las funciones posibles como una esfera gigantesca. En este espacio, cada algoritmo es un vector v y la distribución de los problemas que deseamos resolver es otro vector p.

Estar «bien adaptado» a un problema significa que el vector del algoritmo apunta en la misma dirección que el del problema.

  • Alineación geométrica: que el vector del algoritmo apunte en la misma dirección que el del problema. El rendimiento es, en esencia, el producto interno de ambos vectores.
  • Sacrificio de la generalidad: un algoritmo «generalista» apunta hacia todas partes y, por tanto, su proyección (su éxito) en un punto concreto es nula.
  • Curvatura del conocimiento: el éxito no reside en el código, sino en cómo este «se dobla» para encajar con la estructura lógica y física del problema.

Los investigadores del problema del viajante no han creado algoritmos «mejores» en términos absolutos, sino que han esculpido herramientas íntimamente alineadas con la geometría específica de las rutas y las distancias.

El golpe al ego: el algoritmo aleatorio como juez de paz.

Los teoremas 5 y 6 de Wolpert y Macready introducen un estándar de rigor que actúa como un «mínimo ético» para la ciencia. Si un algoritmo no consigue que el coste disminuya más rápido que con una búsqueda aleatoria, el investigador habrá fracasado.

Esta métrica es el antídoto contra el fraude intelectual del ajuste fino o manual. Muchos de los éxitos que se describen en la literatura no son más que el resultado de forzar un algoritmo a un puñado de problemas específicos sin superar el umbral de una búsqueda ciega. Superar al «juez de paz» aleatorio es la única prueba de que el algoritmo ha logrado capturar alguna estructura real del problema.

Consecuencias prácticas: el fin del experto generalista.

En ingeniería civil, las implicaciones del NFL son tajantes. No existen programas comerciales que puedan optimizar cualquier estructura de forma indiscriminada. Las herramientas generales (como las toolboxes estándar de Matlab) suelen ser ineficaces porque carecen del «conocimiento del hormigón».

Esta realidad ha provocado una «carrera armamentística» hacia la especialización.

  • Hibridación: La respuesta de la ingeniería moderna consiste en combinar metaheurísticas con técnicas de deep learning y redes neuronales para «aprender» la estructura del dominio.
  • Alineación estructural: un matemático brillante fracasará al optimizar un puente atirantado si no comprende la resistencia de los materiales. No se trata de falta de cálculo, sino de que su algoritmo no está alineado con la «curvatura» física del problema. El conocimiento experto es lo que permite al algoritmo encontrar el camino en un espacio de búsqueda que, de otro modo, sería un desierto uniforme.

El dilema del observador: la ceguera del éxito pasado.

Incluso cuando un algoritmo ha funcionado bien hasta ahora, el teorema 10 (sección VII) nos da un jarro de agua fría: observar el rendimiento pasado no garantiza el éxito futuro sin un conocimiento adicional sobre la función de coste. Sin conocer la estructura, no vemos el siguiente paso.

En este estado de «oscuridad estructural», un procedimiento de elección «irracional» (cambiar un algoritmo que ha funcionado bien por otro que ha funcionado mal) es tan válido como uno «racional». Sin suposiciones sobre la relación entre el algoritmo y la función, el comportamiento pasado es un predictor pobre. La lógica solo surge cuando el observador aporta información que no está presente en los datos.

Conclusión: hacia una optimización consciente.

Debemos aceptar una verdad incómoda: nuestra inteligencia artificial es un reflejo limitado del conocimiento que somos capaces de codificar en ella. La ciencia de la optimización ya no debe buscar el «algoritmo perfecto», sino métodos más profundos para transferir el conocimiento del dominio al proceso de búsqueda.

Si el rendimiento de nuestras máquinas depende por completo de lo que ya sabemos sobre el mundo, ¿no será que la «inteligencia artificial general» es un mito termodinámico, similar a la máquina de movimiento perpetuo? Quizás el mayor descubrimiento de Wolpert y Macready no fue matemático, sino filosófico: la inteligencia no es más que el conocimiento del problema disfrazado de código.

En esta conversación puedes escuchar las ideas más interesantes sobre este tema.

Este vídeo resume bien los conceptos más importantes tratados.

The_Universal_Algorithm_Myth

Referencias:

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

MARTÍNEZ-MUÑOZ, D.; GARCÍA, J.; MARTÍ, J.V.; YEPES, V. (2022). Optimal design of steel-concrete composite bridge based on a transfer function discrete swarm intelligence algorithm. Structural and Multidisciplinary Optimization, 65:312. DOI:10.1007/s00158-022-03393-9

NEGRÍN, I.; CHAGOYÉN, E.; KRIPKA, M.; YEPES, V. (2025). An integrated framework for Optimization-based Robust Design to Progressive Collapse of RC skeleton buildings incorporating Soil-Structure Interaction effects. Innovative Infrastructure Solutions, 10:446. DOI:10.1007/s41062-025-02243-z

WOLPERT, D.H.; MACREADY, W.G. (1997). No Free Lunch Theorems for Optimization. IEEE Transactions on Evolutionary Computation, 1(1):67-82.

YEPES-BELLVER, L.; BRUN-IZQUIERDO, A.; ALCALÁ, J.; YEPES, V. (2025). Surrogate-assisted cost optimization for post-tensioned concrete slab bridges. Infrastructures, 10(2): 43. DOI:10.3390/infrastructures10020043.

A continuación os dejo el artículo original «No Free Lunch Theorems for Optimization». Se ha convertido en un clásico de optimización heurística.

Pincha aquí para descargar

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

Optimización del impacto ambiental en el ciclo de vida de estructuras híbridas

Este documento sintetiza los resultados de un estudio sobre la optimización del impacto ambiental del ciclo de vida (LCEIO) en ingeniería estructural, centrado en una tipología de estructura compuesta innovadora de hormigón armado y acero (RC-THVS) como alternativa sostenible para la construcción de edificios porticados. El sistema RC-THVS integra columnas de hormigón armado con vigas de acero híbridas de sección transversal variable (THVS).

Los resultados clave demuestran que la aplicación de la LCEIO reduce significativamente el impacto ambiental, ya que se logra una disminución de hasta un 32 % en las emisiones de potencial de calentamiento global (GWP) en comparación con los edificios diseñados tradicionalmente. La mejora más sustancial se observa en la fase de fabricación, puesto que las vigas THVS reducen las emisiones hasta en un 70 % en comparación con los perfiles I convencionales. Además, los impactos del mantenimiento se reducen en un 45 % gracias a la geometría optimizada de las vigas.

Al comparar las soluciones optimizadas, la tipología compuesta con uniones rígidas (Comp F) supera sistemáticamente a los sistemas de hormigón armado (RC) en entornos de baja agresividad, con una reducción de aproximadamente el 30 % en las emisiones del ciclo de vida. En entornos altamente agresivos, la ventaja se mantiene, aunque disminuye al 21 % debido al mayor impacto del mantenimiento del acero. Otra ventaja del sistema RC-THVS es que reduce el peso estructural, lo que disminuye las cargas axiales en las columnas y en las cimentaciones. Cuando se integran elementos rigidizadores, como losas y muros, en la superestructura, la eficiencia del sistema aumenta y se pueden reducir las emisiones hasta en un 42 %, lo que posiciona la configuración con uniones articuladas (Comp P) como la opción óptima para grandes luces. El estudio concluye que la combinación de LCEIO y las configuraciones compuestas RC-THVS ofrece una estrategia escalable y eficiente para diseñar soluciones edificatorias más sostenibles y respetuosas con el medio ambiente.

Introducción y contexto

La industria de la construcción es una de las principales causantes de la degradación medioambiental, por lo que es necesario transformarla para que adopte prácticas más sostenibles. La optimización estructural surge como una herramienta esencial para este propósito, ya que automatiza el diseño, controla el tipo y la cantidad de material utilizado y fomenta tipologías innovadoras. Aunque la investigación se ha centrado tradicionalmente en la optimización de estructuras convencionales de hormigón armado, existe una necesidad creciente de integrar tipologías compuestas e híbridas en marcos de evaluación del ciclo de vida completo.

Las estructuras compuestas, que combinan materiales como el acero y el hormigón, ofrecen un mejor rendimiento estructural y una mayor sostenibilidad. Sin embargo, su integración con técnicas de optimización ha sido limitada, centrándose a menudo en componentes aislados y obviando el rendimiento a largo plazo. Este estudio aborda estas limitaciones aplicando un marco LCEIO a la nueva tipología RC-THVS y comparándola directamente con un sistema de hormigón armado convencional. La investigación tiene en cuenta factores críticos como la interacción suelo-estructura (SSI), el envejecimiento de los materiales y los escenarios de mantenimiento en diversas condiciones ambientales, y utiliza un algoritmo de optimización eficiente (LHS-CINS) para superar los altos costes computacionales asociados a las simulaciones de alta fidelidad.

Metodología de optimización

Sistemas estructurales y casos de estudio

El estudio evalúa una tipología compuesta (RC-THVS) y otra tradicional de hormigón armado (RC).

  • Tipología RC tradicional: compuesta por vigas, columnas y cimentaciones de hormigón armado con uniones rígidas.
  • Tipología Compuesta RC-THVS: Integra columnas y cimentaciones de RC con vigas de acero THVS. Se analizan dos variantes de conexión viga-columna:
    • Comp F: Conexiones rígidas.
    • Comp P: Conexiones articuladas.

El rendimiento de estas tipologías se evalúa en tres casos de estudio de edificios porticados que varían en altura y en dimensiones del vano, como se muestra en la Figura 1 del documento fuente. El modelado, el análisis y el diseño se han realizado con el programa informático SAP2000 y las verificaciones de las vigas THVS se han procesado mediante una rutina personalizada en MATLAB.

Cargas consideradas Valor
Carga muerta en plantas inferiores 4,80 kN/m²
Carga muerta en cubierta 5,40 kN/m²
Carga viva en plantas inferiores (oficinas) 3,00 kN/m²
Carga viva en cubierta 0,80 kN/m²
Carga de viento extrema Presión positiva variable de 0,92 a 1,50 kN/m², presión negativa variable de 0,50 a 0,83 kN/m².

Formulación del problema de optimización

Función objetivo: impacto ambiental del ciclo de vida

La función objetivo a minimizar es el potencial de calentamiento global (GWP), medido en kg de CO₂ equivalente (kg CO₂ eq), evaluado a lo largo de un ciclo de vida de 100 años. Se consideran dos escenarios de exposición ambiental: baja agresividad y alta agresividad (marina).

GWP = Σ (elcaj × mj)

Donde elcaj es el impacto ambiental unitario de cada proceso j en cada etapa del ciclo de vida i, y mj es la medida que cuantifica dicho proceso.

Análisis del ciclo de vida (ACV)

El ACV incluye cuatro etapas principales, modeladas con el software OpenLCA y datos de Ecoinvent v3.7.1 y BEDEC (2016):

  1. Fabricación: Incluye la producción de hormigón, acero de refuerzo y vigas THVS. Para estas últimas, se consideran los procesos de corte, soldadura y pintura (pintura alquídica).
  2. Construcción: Abarca el transporte de materiales (100 km) y el consumo de energía de la maquinaria para la manipulación, el montaje y los trabajos de cimentación (excavación y relleno).
  3. Uso y mantenimiento:
    • Elementos RC: La vida útil se calcula con el modelo de Tuutti (1982), considerando la carbonatación y la penetración de cloruros. Las reparaciones (46,58 kg CO₂ eq/m²) se realizan si la vida útil es inferior a 100 años. Se contabiliza la absorción de CO₂ mediante la carbonatación.
    • Vigas THVS: El mantenimiento se realiza conforme a la norma ISO 12944:2018. El ciclo de mantenimiento del sistema de recubrimiento protector se extiende por 18 años en entornos de baja agresividad y por 9 años en entornos de alta agresividad e incluye retoques, repintado completo y reemplazo total del recubrimiento.
  4. Fin de vida: Incluye la demolición, el desmontaje, la trituración del hormigón y el reciclaje. Se asume una tasa de reutilización/reciclaje del 93 %/7 % para el acero estructural y del 42 %/58 % para los elementos de RC.

Variables de diseño

El problema de optimización utiliza variables discretas.

  • Tipología RC (19 variables): dimensiones de vigas (4), dimensiones de columnas (8), rectangularidad de las cimentaciones (4) y tipo de hormigón (3).
  • Tipología Compuesta (30 variables): se reemplazan las 5 variables de las vigas RC por 16 variables para las vigas THVS, que definen:
    • Alturas de la sección central y de los extremos (hw1, hw2).
    • Espesor del alma (tw) y de las alas (tf).
    • Ancho del ala (bf).
    • Posición del punto de transición (TP).
    • Calidad del acero para el alma (fyw) y las alas (fyf), con 8 grados de calidad disponibles (S235 a S600).

Algoritmo de solución: LHS-CINS

Para abordar el alto coste computacional de las Simulaciones de Alta Fidelidad (HFS), se utiliza un método híbrido:

  1. Muestreo de Hipercubo Latino (LHS): Genera un conjunto inicial de 100 soluciones bien distribuidas en el espacio de diseño.
  2. Muestreo Iterativo de Vecindad Restringido (CINS): Un algoritmo de búsqueda local mejorado basado en la mejor solución encontrada mediante LHS. CINS explora el vecindario de la solución actual y combina inteligentemente las mejoras para acelerar la convergencia y escapar de óptimos locales.

Esta estrategia LHS-CINS demostró ser significativamente más rápida, requiriendo un 53 % menos de HFS que los algoritmos heurísticos tradicionales, como el Biogeography-Based Optimization (BBO), para alcanzar una solución de alta calidad.

Resultados clave y análisis

Impacto de la LCEIO en el diseño

La optimización estructural reduce drásticamente el impacto ambiental en comparación con un enfoque de diseño tradicional.

  • Diseños RC: La LCEIO reduce el impacto en un ~15 %.
  • Sistemas compuestos: La LCEIO reduce el impacto en más del 30 % (hasta un 32 % en la configuración con uniones rígidas, Comp F).
  • A nivel de elementos: Las vigas THVS optimizadas muestran una reducción del impacto entre el 47 % y el 55 % en comparación con los perfiles W de acero utilizados en el diseño tradicional.

La mayor ventaja de las vigas THVS se observa en las fases de fabricación (reducciones de hasta el 74 %) y de mantenimiento (~45 %), gracias a su eficiencia en materiales y a su geometría cónica.

Ventajas de la tipología compuesta optimizada

Entornos de baja agresividad

  • Rendimiento global: La tipología Comp F es la más eficiente, reduciendo el GWP total en un 30,50 % (CS-1), un 27,17 % (CS-2) y un 27,49 % (CS-3) en comparación con la tipología RC optimizada.
  • Rendimiento de las vigas: Las vigas THVS superan a las de RC, con reducciones de emisiones de ~56 % en vanos de 4 m y de ~44 % en vanos de 8 m.
  • Beneficios sistémicos: La reducción del peso de las vigas THVS disminuye las emisiones de columnas (hasta un 16,31 %) y de cimentaciones (hasta un 12,12 %).

La tipología Comp P, a pesar del buen rendimiento individual de sus vigas, presenta un impacto global mayor debido a su menor rigidez, lo que se traduce en mayores solicitaciones en las columnas.

Entornos de alta agresividad

  • Rendimiento global: La tipología Comp F sigue siendo superior a la RC, pero su ventaja se reduce a un promedio del 21 % (por ejemplo, un 19,65 % en CS-1 y un 14,55 % en CS-3).
  • Impacto del mantenimiento: El principal factor de esta reducción es el fuerte aumento de las emisiones de mantenimiento de los elementos de acero. Para la tipología compuesta, el impacto de la fase de uso y mantenimiento pasa del 7 % al 28 % del de la fase de fabricación.

A pesar de ello, los beneficios fundamentales, como la reducción de la carga axial en las columnas (hasta un 17 %), se mantienen.

Estudio paramétrico de diseños óptimos

  • Vigas THVS:
    • Geometría: Las soluciones optimizadas presentan geometrías cónicas eficientes. En entornos de alta agresividad, las secciones tienden a ser más robustas para reducir la superficie expuesta y, por tanto, el impacto del mantenimiento.
    • Material: Predominan las configuraciones híbridas (Rh > 1,0). Se observa una tendencia al uso de acero de menor grado (S235) para las almas de las vigas exteriores, combinado con aceros de mayor resistencia para las alas.
  • Columnas y Cimentaciones:
    • Columnas: Se observa una rectangularidad estratégica para mejorar la rigidez frente a las cargas de gravedad. Las columnas exteriores se diseñan con mayores dimensiones en el eje principal de flexión. Se favorece el uso de hormigón de alta resistencia (35-40 MPa) para mejorar la capacidad portante y la durabilidad.
    • Cimentaciones: La mayoría de las zapatas tienden a ser cuadradas o de baja rectangularidad. Se prefiere el uso de hormigón de menor impacto ambiental (25 MPa), ya que no está expuesto a la carbonatación y sus solicitaciones son principalmente de flexión.

Influencia de elementos rigidizadores adicionales

La inclusión de losas de 12 cm y muros de mampostería en el modelo estructural mejora significativamente el rendimiento de las tipologías compuestas, mitigando la desventaja de la menor rigidez del pórtico.

  • Tipología Comp P: Se beneficia enormemente, con una reducción del impacto total de casi el 42 % en CS-2. Para edificios de grandes vanos (CS-3), la tipología Comp P resulta la solución óptima, con una reducción del GWP superior al 30 %.
  • Tipología Comp F: Mantiene su ventaja en edificios de vanos pequeños, aunque con mejoras más modestas.

Estos resultados indican que, para pórticos desnudos, las tipologías compuestas pueden ser un 25-30 % menos contaminantes, y esta cifra puede aumentar al 40-50 % en edificios donde todos los componentes contribuyen a la rigidez global.

Discusión y perspectivas futuras

El estudio confirma que el uso de algoritmos de inteligencia artificial como herramientas de diseño supera a los enfoques tradicionales, logrando reducciones globales de impacto de más del 30 %. La tipología compuesta RC-THVS con uniones rígidas se establece como una solución superior en la mayoría de los escenarios, no solo por la eficiencia de las vigas, sino también por los beneficios en cascada en las columnas y las cimentaciones.

El análisis paramétrico revela cómo el algoritmo de optimización equilibra el rendimiento inicial con la durabilidad a largo plazo, por ejemplo, seleccionando aceros de mayor calidad en el alma para reducir el área de superficie expuesta y las futuras demandas de mantenimiento.

Líneas de investigación futuras:

  • Robustez estructural: Aplicar la optimización para mejorar la resistencia al colapso progresivo o al fuego.
  • Configuraciones complejas: Extender el marco a edificios de gran altura o con plantas irregulares y evaluar el comportamiento bajo escenarios multi-riesgo (sismos, fuego).
  • Soluciones alternativas: Utilizar la plataforma de optimización para explorar otros sistemas, como vigas híbridas con aberturas en el alma o sistemas de madera de ingeniería.
  • Precisión del modelo ACV: Incorporar enfoques basados en la incertidumbre (p. ej., optimización basada en la fiabilidad) para modelar la variabilidad de las tasas de degradación, las propiedades de los materiales y los intervalos de mantenimiento.
  • Optimización multiobjetivo: Formular problemas que aborden simultáneamente la constructibilidad, la seguridad y el impacto ambiental.

Conclusiones finales

La aplicación de la Optimización del Impacto Ambiental del Ciclo de Vida (LCEIO) a la tipología compuesta RC-THVS aporta beneficios sustanciales para la construcción sostenible de edificios porticados.

  1. Reducción significativa del impacto: Los sistemas compuestos optimizados reducen el impacto del ciclo de vida hasta en un 32 % en comparación con diseños convencionales, con reducciones de hasta el 70 % en la fase de fabricación y del 45 % en la de mantenimiento.
  2. Superioridad sobre el hormigón armado: En comparación con los sistemas de RC optimizados, la configuración compuesta con uniones rígidas logra una reducción de emisiones del 30 % en entornos de baja agresividad y mantiene una ventaja del 21 % en entornos de alta agresividad.
  3. Eficiencia sistémica: Las vigas THVS, al reducir el peso estructural, disminuyen las solicitaciones y el impacto ambiental de las columnas y las cimentaciones.
  4. Flexibilidad de diseño: La inclusión de elementos rigidizadores, como losas y muros, puede hacer que la configuración con uniones articuladas sea la más sostenible para edificios de grandes vanos, lo que demuestra la adaptabilidad del sistema.

En conjunto, los hallazgos confirman que la combinación de LCEIO con la tipología RC-THVS representa una alternativa altamente sostenible y eficiente frente a los pórticos tradicionales de hormigón armado.

Referencia:

NEGRÍN, I.; KRIPKA, M.; YEPES, V. (2025). Life-cycle environmental impact optimization of an RC-THVS composite frame for sustainable construction. Engineering Structures, 345, 121461. DOI:10.1016/j.engstruct.2025.121461 Featured Paper Award

Como se trata de un artículo publicado en abierto, os dejo un enlace para su descarga.

1-s2.0-S0141029625018528-main (3)

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