La unidad experimental (UE) es el elemento central en el diseño y el análisis de experimentos comparativos. Se define como la entidad a la que se le puede asignar un tratamiento de forma independiente y sobre la cual se realizan las mediciones. La identificación correcta de la UE es fundamental, ya que la estimación de la variabilidad natural, conocida como error experimental, depende exclusivamente de la comparación entre unidades experimentales idénticas que reciben el mismo tratamiento.
Una unidad experimental puede contener múltiples unidades muestrales, subelementos que reciben obligatoriamente el mismo tratamiento que la UE a la que pertenecen. Por esta razón, la variabilidad entre estas unidades muestrales internas no resulta útil para estimar el efecto del tratamiento. Un diseño experimental sólido se basa en la capacidad de distinguir los efectos reales de los tratamientos del «ruido» natural del sistema, una distinción que solo es posible mediante la correcta cuantificación de la variabilidad entre las unidades experimentales completas.
Definiciones fundamentales
El marco de un experimento se define a través de sus componentes básicos, en los que la unidad experimental y la unidad muestral desempeñan funciones distintas, aunque interconectadas.
1. La unidad experimental (UE)
La unidad experimental es el pilar de cualquier ensayo comparativo. Su definición formal es la siguiente:
«El elemento sobre el que se realizan las mediciones y al que se puede asignar un tratamiento de forma independiente».
El conjunto de todas las unidades experimentales disponibles para un estudio se denomina material experimental. La definición de una UE es flexible y se adapta a los objetivos de la investigación.
Ejemplos prácticos:
Ensayo de resistencia del hormigón: la unidad experimental puede ser un bloque o un cilindro de hormigón elaborado con una mezcla específica. Las unidades muestrales serían las probetas o las muestras extraídas del mismo bloque para realizar ensayos de compresión o de flexión.
Prueba de rendimiento de pavimentos: la unidad experimental puede ser un tramo de vía construido con un diseño o material específico (por ejemplo, un segmento de 50 metros). Las unidades muestrales serían los puntos de medición dentro del tramo, por ejemplo, las deflexiones o la rugosidad.
Ensayo de estructuras a escala en laboratorio: la unidad experimental puede ser una viga o una columna, construida según un diseño específico. Las unidades muestrales serían los puntos de medición (deformaciones, desplazamientos o tensiones) registrados por sensores a lo largo de la estructura.
El criterio esencial para definir una UE es que sea capaz de recibir diferentes tratamientos de manera independiente de las demás unidades.
2. La unidad muestral.
Dentro de una unidad experimental pueden existir subelementos en los que se aplican las condiciones experimentales. A estos se les conoce como unidades muestrales.
La regla fundamental que las rige es que todas las unidades muestrales de una misma unidad experimental deben recibir el mismo tratamiento. Como consecuencia directa, la asignación del tratamiento a estas subunidades no es independiente entre sí, lo que tiene implicaciones críticas para el análisis estadístico.
El papel de la estimación en la variabilidad.
La distinción entre unidades experimentales y muestrales es crucial para inferir correctamente los efectos de un tratamiento, ya que incide directamente en la medición de la variabilidad del sistema.
a. El error experimental
Para evaluar si un tratamiento tiene un efecto real, es necesario conocer la variabilidad natural del material experimental. Esta variabilidad inherente se conoce como error experimental. Es la base contra la que se comparan las diferencias observadas entre los tratamientos.
b. Metodología de estimación
La estimación correcta del error experimental solo se logra a partir de las diferencias observadas entre unidades experimentales que, en principio, son idénticas y han recibido el mismo tratamiento.
Fuente de estimación válida: la variación entre unidades experimentales es la única que permite estimar correctamente el error experimental.
Fuente de estimación no válida: la variación entre las unidades muestrales dentro de una misma unidad experimental es, por lo general, muy pequeña y no proporciona información útil para estimar el efecto del tratamiento ni el error experimental.
La observación clave es que «solo la unidad experimental completa permite estimar correctamente el error experimental».
Tipología de variables en un experimento.
Los datos recopilados en un experimento se organizan en dos categorías principales de variables:
Tipo de variable
Descripción
Variables de respuesta
Son las mediciones obtenidas de las unidades experimentales. Sus valores reflejan tanto los efectos de los tratamientos como la variabilidad natural del sistema.
Variables explicativas (factores)
Son las variables que se manipulan o controlan porque se cree que influyen en las variables de respuesta. Incluyen los factores de clasificación, que definen los niveles o categorías sobre los cuales se realizan las inferencias estadísticas.
Conclusión: el fundamento de un diseño sólido.
La estructura de un diseño experimental robusto se basa en comparar unidades experimentales similares. Este enfoque permite a los investigadores distinguir de manera fiable el efecto real de los tratamientos aplicados del «ruido» o de la variabilidad natural inherente al sistema experimental. Por tanto, la identificación precisa y la gestión adecuada de la unidad experimental no son meros detalles técnicos, sino requisitos indispensables para que las conclusiones científicas derivadas del experimento sean válidas y fiables.
En este documento tenéis un resumen de las ideas más importantes.
Cuando pensamos en un experimento, solemos imaginar una prueba simple para ver qué opción es “mejor”. Sin embargo, esta visión apenas roza la superficie de una disciplina profunda y estratégica. Existen principios sorprendentes que rigen el diseño experimental y son cruciales no solo para la ciencia, sino también para cualquier toma de decisiones informada. A continuación, se describen brevemente los tipos de experimentos que pueden utilizarse en la investigación científica.
El diseño experimental se clasifica en dos categorías principales, según la propuesta de Anscombe (1947): el experimento absoluto y el experimento comparativo. El experimento absoluto se enfoca en la medición de propiedades físicas constantes para ampliar el conocimiento científico, utilizando un modelo estadístico de efectos aleatorios (Modelo II de Eisenhart), ya que los tratamientos se seleccionan al azar de una población más amplia. Por el contrario, el experimento comparativo está orientado a la toma de decisiones en ciencias aplicadas, con el fin de determinar cuál de varios tratamientos predefinidos es “mejor”. Este enfoque utiliza un modelo de efectos fijos (Modelo I de Eisenhart) y exige una definición precisa del problema para garantizar su validez.
El éxito de un experimento, especialmente el comparativo, depende del cumplimiento de cinco principios fundamentales: simplicidad, nivel de precisión adecuado, ausencia de error sistemático, amplio rango de validez de las conclusiones y una correcta cuantificación de la incertidumbre. La elección del diseño y el modelo estadístico asociado (fijo, aleatorio o mixto) determinan directamente el alcance y la naturaleza de las inferencias que pueden extraerse, vinculando de manera inseparable la planificación experimental con las conclusiones científicas y las decisiones de gestión.
La clasificación propuesta por Anscombe distingue los experimentos en dos grandes tipos según su objetivo fundamental: la adquisición de conocimiento puro o la fundamentación de decisiones prácticas.
Uno de ellos es el llamado experimento absoluto. En este tipo de experimento, el interés principal es medir y conocer las propiedades físicas de una población. Se asume que dichas propiedades permanecen constantes, lo que justifica el uso del término absoluto. El objetivo no es comparar alternativas concretas, sino ampliar el conocimiento científico sobre el fenómeno estudiado.
Los experimentos absolutos suelen centrarse en un solo factor y consideran un número limitado de tratamientos o niveles de ese factor. Estos tratamientos suelen elegirse de forma aleatoria. Por esta razón, si el experimento se repite, no es obligatorio utilizar exactamente los mismos tratamientos en cada ocasión.
Debido a esta forma de selección, los tratamientos se consideran variables aleatorias. En consecuencia, el análisis se basa en un modelo de efectos aleatorios, también conocido como el Modelo II de Eisenhart (1947). Este tipo de modelo permite identificar y estimar los distintos componentes de la variación aleatoria presentes en una población compuesta, lo que constituye un enfoque especialmente útil para muchos problemas de ingeniería.
El experimento comparativo es el segundo tipo de experimento descrito por Anscombe. Este enfoque se utiliza cuando se analizan varios tratamientos y se observa que, aunque los valores absolutos de los resultados pueden fluctuar de forma irregular, las comparaciones relativas entre tratamientos suelen mantenerse estables. En este contexto, es posible concluir que, bajo condiciones similares, algunos tratamientos ofrecen resultados claramente mejores que otros.
Brownlee (1957) sitúa este tipo de experimentos en el ámbito de las ciencias aplicadas, y no es casualidad: la teoría estadística del diseño de experimentos se desarrolló originalmente para responder a las necesidades de este tipo de estudios.
En un experimento comparativo, los tratamientos se evalúan según su efecto promedio sobre una variable de respuesta, con el objetivo principal de determinar cuál es “mejor” según un criterio definido. A diferencia de los experimentos orientados al conocimiento fundamental, aquí el propósito central es apoyar la toma de decisiones prácticas, especialmente las administrativas o de gestión.
Una característica fundamental de los experimentos comparativos es que todos los tratamientos de interés están incluidos explícitamente en el estudio. Por esta razón, el análisis se basa en un modelo de efectos fijos, también conocido como el Modelo I de Eisenhart (1947). Si el experimento se repite, se utilizan exactamente los mismos tratamientos, ya que no se considera una muestra aleatoria. El interés principal radica en detectar y estimar relaciones constantes entre las medias de los tratamientos, lo que conduce naturalmente a la evaluación de hipótesis estadísticas sobre dichas medias.
Para que un experimento comparativo sea válido, debe comenzar con una definición clara y precisa del problema. No basta con plantear de manera general la idea de “comparar tratamientos”. Es imprescindible especificar con detalle los objetivos del estudio y formular con precisión las hipótesis que se probarán. Esta definición inicial determina la población a la que se aplicarán las conclusiones, identifica los factores, los tratamientos y sus niveles, establece las variables de respuesta que se medirán y define qué diferencias entre tratamientos se consideran relevantes. Sin estas especificaciones, no es posible diseñar un experimento adecuado.
Finalmente, una consecuencia natural de los experimentos comparativos es que casi siempre conducen a decisiones concretas. Dado un nivel suficiente de recursos, la hipótesis nula de igualdad entre tratamientos puede rechazarse, lo que obliga a actuar: mantener la situación actual o cambiar a un nuevo tratamiento. Este proceso de decisión consta de dos etapas bien definidas:
Análisis estadístico de los datos, en el que se evalúan las probabilidades asociadas a los resultados y se extraen conclusiones técnicas.
Decisión de gestión en la que, con base en esas conclusiones, se define la acción a realizar.
Esta conexión directa entre el análisis estadístico y la toma de decisiones explica por qué los experimentos comparativos son una herramienta central en la divulgación y la práctica de la ingeniería y de las ciencias aplicadas.
El estadístico cumple un rol clave en el proceso experimental: su responsabilidad es presentar, con la mayor precisión posible, las probabilidades obtenidas en la etapa de análisis, de manera que se reduzca al mínimo la posibilidad de tomar decisiones equivocadas cuando llegue el momento de actuar.
Dado que las decisiones sobre las hipótesis dependen directamente de experimentos cuidadosamente planificados, es esencial que dichos ensayos cumplan con una serie de principios básicos. A continuación se resumen los más importantes, con un enfoque práctico para la ingeniería:
Simplicidad: Tanto la selección de los tratamientos como la organización del experimento deben ser lo más simples posible. Un diseño sencillo facilita el análisis estadístico y la interpretación de los resultados y reduce el riesgo de errores innecesarios.
Nivel de precisión: El experimento debe permitir detectar diferencias entre tratamientos con el grado de precisión que el investigador considere relevante. Para lograrlo, se requiere un diseño experimental adecuado y un número suficiente de repeticiones que garanticen mediciones confiables.
Ausencia de error sistemático: El experimento debe planearse de modo que las unidades experimentales que reciben distintos tratamientos no difieran sistemáticamente entre sí antes de aplicarlos. Este cuidado es fundamental para obtener estimaciones insesgadas del efecto real de cada tratamiento, evitando que factores externos distorsionen los resultados.
Rango de validez de las conclusiones: Las conclusiones del experimento deben ser aplicables a un rango de situaciones lo más amplio posible. Los experimentos replicados y los diseños factoriales ayudan a ampliar este rango de validez, ya que permiten evaluar la consistencia de los resultados bajo diferentes condiciones.
Cuantificación de la incertidumbre: Todo experimento conlleva cierto grado de incertidumbre. Por ello, el diseño debe permitir calcular la probabilidad de que los resultados observados se deban únicamente al azar. Esta cuantificación es esencial para evaluar la solidez de las conclusiones.
Estos principios conducen a una clasificación clásica de los modelos estadísticos, propuesta por Eisenhart (1947), que conecta el diseño del experimento con el tipo de inferencia que se desea realizar:
Modelo de efectos fijos: se utiliza cuando las conclusiones se formulan sobre un conjunto específico y previamente definido de tratamientos. En este caso, el interés estadístico se centra en comparar los efectos medios de dichos tratamientos.
Modelo de efectos aleatorios: se aplica cuando los tratamientos evaluados representan una muestra aleatoria de una población más amplia de tratamientos. Aquí, las conclusiones se extienden más allá de los tratamientos observados y la inferencia se centra en las varianzas asociadas a dichos tratamientos.
Modelo de efectos mixtos: surge cuando el experimento combina tratamientos de efectos fijos y aleatorios en un mismo estudio.
Esta clasificación permite comprender cómo las decisiones sobre el diseño experimental influyen directamente en el tipo de conclusiones que pueden extraerse, un aspecto fundamental tanto en la práctica como en la divulgación de la ingeniería.
En este archivo de audio puedes escuchar una conversación sobre los tipos de experimentos.
En este vídeo se resumen las ideas más importantes sobre este tema.
Referencias:
Anscombe, F. J. (1947). The validity of comparative experiments. Journal of the Royal Statistical Society, 61, 181–211.
Brownlee, K. A. (1957). The principles of experimental design. Industrial Quality Control, 13, 1–9.
Eisenhart, C. (1947). The assumptions underlying the analysis of variance. Biometrics, 3, 1–21.
Melo, O. O., López, L. A., & Melo, S. E. (2007). Diseño de experimentos: métodos y aplicaciones. Universidad Nacional de Colombia. Facultad de Ciencias.
La ingeniería actual ha evolucionado más allá de lo técnico para integrar la responsabilidad social como un pilar fundamental de la ética profesional. En este artículo, destacamos la importancia de la Evaluación del Ciclo de Vida Social (SLCA), una herramienta esencial para medir el impacto en los derechos humanos y las condiciones laborales de cada proyecto. A continuación, ofrecemos una síntesis de las ideas clave de la revisión sistemática presentada en el artículo “Social life cycle assessment: a systematic review from the engineering perspective”, de Yagmur Atescan Yuksel y colaboradores. Exploraremos cómo esta metodología está cobrando importancia en sectores como el de la energía y el de la mecánica, y analizaremos sus principales tendencias y desafíos metodológicos. Al final, en las referencias, podéis ver también algunos de los trabajos que hemos realizado en nuestro grupo de investigación al respecto.
Introducción: El lado oculto de la sostenibilidad.
Cuando pensamos en «sostenibilidad» en el ámbito de la ingeniería, solemos imaginar paneles solares, turbinas eólicas y procesos de producción extremadamente eficientes. Hablamos de reducir emisiones, optimizar el uso de recursos y minimizar el impacto ambiental. Sin embargo, esta visión, aunque correcta, es incompleta. La sostenibilidad tiene una tercera dimensión crucial que a menudo se pasa por alto en los cálculos técnicos: el impacto social y humano.
Para medir esta dimensión, se desarrolló una herramienta específica conocida como Análisis del Ciclo de Vida Social (ACVS) o Social Life Cycle Assessment (SLCA), impulsada por organizaciones de referencia como el Programa de las Naciones Unidas para el Medio Ambiente (PNUMA) y la Sociedad de Toxicología y Química Ambiental (SETAC). El objetivo del ACVS es sencillo, pero profundo: evaluar cómo los productos y procesos afectan a las personas a lo largo de toda su vida útil. En este artículo se presenta una revisión sistemática de 196 estudios de ACVS en ingeniería, que revela los hallazgos más impactantes sobre el verdadero coste humano de la innovación.
1. El foco universal: la seguridad y el bienestar del trabajador.
A pesar de la enorme diversidad de campos de la ingeniería —desde la energía y la automoción hasta la construcción y la química—, el análisis de casi doscientos estudios revela una preocupación principal y constante: el impacto en los trabajadores. Antes de analizar las complejas dinámicas comunitarias o el bienestar del consumidor, la atención se centra abrumadoramente en las personas que hacen posible la producción. Las subcategorías que se han evaluado de forma más consistente en todas las disciplinas son salud y seguridad, salario justo, horas de trabajo, trabajo infantil y trabajo forzoso.
Si bien estas preocupaciones son universales, el análisis muestra matices: la ingeniería mecánica, por ejemplo, pone un énfasis particular en la «formación y educación» de los trabajadores, reconociendo el valor del capital humano en la fabricación avanzada.
Este resultado es fundamental. No se trata de un enfoque arbitrario, sino de una consecuencia directa de dónde se materializan los impactos de la ingeniería. La mayoría de los estudios se centran en la extracción de materias primas, la fabricación y la cadena de suministro, ámbitos en los que los efectos sobre los trabajadores y las comunidades cercanas son más pronunciados. Esto subraya que la base de una ingeniería socialmente responsable consiste en garantizar la dignidad y la seguridad de todas las personas a lo largo de la cadena de producción, antes de aspirar a impactos más abstractos.
2. La transición energética tiene su propia carga social.
Resulta sorprendente que el sector de la energía, con un 30 % del total, sea el campo de la ingeniería en el que más se aplica el análisis de ciclo de vida social. Esto resulta sorprendente, ya que instintivamente asociamos la producción de energía con debates ambientales sobre las emisiones de carbono y el agotamiento de los recursos.
Sin embargo, los estudios demuestran que, además de las preocupaciones laborales comunes, el sector energético presenta impactos únicos que van desde el consumidor hasta la sociedad en su conjunto. Entre ellos, destacan los siguientes: — La desigualdad en el coste de la electricidad (un impacto directo en el consumidor), así como la seguridad energética y el agotamiento de las reservas de combustibles fósiles (impactos que afectan a la sociedad en general).
Esto supone una advertencia crítica para los líderes políticos e industriales. Debido al papel fundamental que desempeña el sector en la infraestructura nacional y en la transición hacia la sostenibilidad, una mala gestión de sus aspectos sociales no solo afecta a un producto, sino que también puede poner en peligro la seguridad energética de un país y aumentar la desigualdad social. La carrera hacia la energía limpia no es solo un desafío técnico, sino también un complejo problema de justicia y equidad.
3. El gran desafío: medir lo social sin una «regla» estándar.
A diferencia de las evaluaciones ambientales (ACV), que cuentan con metodologías más estandarizadas, la evaluación del ciclo de vida social (ACVS) enfrenta un obstáculo considerable: la falta de un marco universalmente aceptado. La revisión de estudios concluye que esta falta de estandarización dificulta enormemente la comparación de resultados entre diferentes proyectos, tecnologías e incluso países.
Un ejemplo perfecto de este problema es la inconsistencia en el uso de la «unidad funcional» (UF). En un análisis ambiental, la UF es fundamental (por ejemplo, «el impacto por cada 1000 kilómetros recorridos por un coche»). Sin embargo, muchos estudios de ACVS no la definen ni la aplican de manera consistente. La razón es simple, pero crucial: mientras que las emisiones pueden medirse por producto (por ejemplo, por coche), los impactos sociales, como las «condiciones laborales», se extienden a toda una organización o a un sector, por lo que resulta casi imposible atribuirlos a una sola «unidad» de producción.
Este desafío nos enseña una lección valiosa: medir el impacto humano es inherentemente más complejo y depende del contexto en el que se miden las emisiones de CO₂. Esta flexibilidad metodológica no solo supone un reto académico, sino que también plantea un segundo obstáculo más práctico: la lucha persistente por obtener datos fiables.
4. La falta de datos fiables: el talón de Aquiles del análisis social.
Una de las mayores limitaciones para realizar un ACVS preciso es la disponibilidad y la calidad de los datos. A diferencia de los datos económicos o medioambientales, que suelen ser cuantitativos y estar bien documentados, los datos sociales tienden a ser cualitativos, difíciles de verificar, incompletos o desactualizados, sobre todo en cadenas de suministro globales y opacas.
Para mitigar este problema, han surgido bases de datos especializadas como la Social Hotspots Database (SHDB) y la Product Social Impact Life Cycle Assessment (PSILCA). Su función no es proporcionar datos exactos de un proveedor concreto, sino evaluar el nivel de riesgo social (desde bajo hasta muy alto) en combinaciones específicas de país y sector industrial, con el fin de identificar los denominados «puntos calientes» en la cadena de suministro. Por ejemplo, pueden alertar sobre un alto riesgo de trabajo infantil en el sector textil de un país determinado, y así guiar a las empresas sobre dónde deben enfocar sus auditorías.
No obstante, la calidad de los datos sigue siendo un desafío sistémico. Como concluye el estudio, los datos sociales a menudo están desactualizados, incompletos o sesgados, lo que puede dar lugar a evaluaciones imprecisas o engañosas.
5. El futuro es inteligente: cómo la tecnología podría resolver el problema.
A pesar de los desafíos, el futuro del ACVS parece prometedor y la solución podría provenir de la propia ingeniería. Para superar los obstáculos metodológicos y de datos, la investigación futura se centra en la integración de tecnologías avanzadas capaces de transformar el análisis social.
Entre las soluciones propuestas se incluye el uso de herramientas de la Industria 4.0 para lograr la trazabilidad de datos sociales en tiempo real. También se plantea el uso del análisis de datos impulsado por inteligencia artificial para validar y verificar la información recopilada. Asimismo, se sugieren modelos de dinámica de sistemas para comprender las relaciones de causa y efecto entre distintos factores sociales. Por último, se consideran los modelos basados en agentes (ABM) para simular la influencia de las decisiones individuales en los resultados sociales.
En resumen, el futuro de la evaluación social podría dejar de ser un análisis retrospectivo y estático para convertirse en una herramienta dinámica y predictiva. En lugar de ser un informe que se elabora al final, podría convertirse en un panel de control en tiempo real, integrado directamente en los procesos de toma de decisiones de los ingenieros, para guiar el diseño hacia resultados verdaderamente sostenibles.
Conclusión: ¿Estamos haciendo las preguntas correctas?
La ingeniería se encuentra en medio de una profunda transformación. Su enfoque se está ampliando, pasando del «qué» y el «cuánto» al «cómo» y al «para quién». El análisis del ciclo de vida social es una manifestación de esta evolución, ya que busca dar voz y establecer métricas de los impactos humanos de la tecnología.
Aunque los desafíos metodológicos y de disponibilidad de datos siguen siendo significativos, el campo avanza a gran velocidad. La creciente aplicación del ACVS en sectores clave y la exploración de soluciones tecnológicas demuestran un compromiso real con una visión más integral de la sostenibilidad.
Así surge una pregunta final que no solo interpela a quienes trabajan en ingeniería, sino también a toda la sociedad: ¿se está diseñando el futuro teniendo en cuenta no solo qué construir, sino también cómo y para quién? Al proyectar el futuro, ¿se están incorporando de manera consciente estas mismas preguntas?
Esta conversación nos permite conocer este tema de manera entretenida y clara.
En este vídeo se presenta una síntesis de las ideas más interesantes del tema.
Aquí os dejo una presentación que resume lo más interesante del artículo.
Luque Castillo, X., & Yepes, V. (2025). Multi-criteria decision methods in the evaluation of social housing projects. Journal of Civil Engineering and Management, 31(6), 608–630. https://doi.org/10.3846/jcem.2025.24425
Luque Castillo, X., & Yepes, V. (2025). Life cycle assessment of social housing construction: A multicriteria approach. Building and Environment, 282, Article 113294. https://doi.org/10.1016/j.buildenv.2025.113294
Navarro, I. J., Martí, J. V., & Yepes, V. (2023). DEMATEL-based completion technique applied for the sustainability assessment of bridges near shore. International Journal of Computational Methods and Experimental Measurements, 11(2). https://doi.org/10.18280/ijcmem.110206
Navarro, I. J., Villalba, I., Yepes-Bellver, L., & Alcalá, J. (2024). Social life cycle assessment of railway track substructure alternatives. Journal of Cleaner Production, 450, Article 142008. https://doi.org/10.1016/j.jclepro.2024.142008
Martínez-Muñoz, D., Martí, J. V., & Yepes, V. (2025). Game theory-based multi-objective optimization for enhancing environmental and social life cycle assessment in steel-concrete composite bridges. Mathematics, 13(2), Article 273. https://doi.org/10.3390/math13020273
Martínez-Muñoz, D., Martí, J. V., & Yepes, V. (2022). Social impact assessment comparison of composite and concrete bridge alternatives. Sustainability, 14(9), Article 5186. https://doi.org/10.3390/su14095186
Salas, J., & Yepes, V. (2024). Improved delivery of social benefits through the maintenance planning of public assets. Structure and Infrastructure Engineering, 20(5), 699–714. https://doi.org/10.1080/15732479.2022.2121844
Sánchez-Garrido, A. J., Navarro, I. J., & Yepes, V. (2026). Multivariate environmental and social life cycle assessment of circular recycled-plastic voided slabs for data-driven sustainable construction. Environmental Impact Assessment Review, 118, Article 108297. https://doi.org/10.1016/j.eiar.2025.108297
Sierra, L. A., Yepes, V., & Pellicer, E. (2018). A review of multi-criteria assessment of the social sustainability of infrastructures. Journal of Cleaner Production, 187, 496–513. https://doi.org/10.1016/j.jclepro.2018.03.022
Sierra-Varela, L., Calabi-Floody, A., Valdés-Vidal, G., Yepes, V., & Filun-Santana, A. (2025). Determination of the social contribution of sustainable additives for asphalt mixes through fuzzy cognitive mapping. Applied Sciences, 15(7), Article 3994. https://doi.org/10.3390/app15073994
Yüksek, Y. A., Haddad, Y., Cox, R., & Salonitis, K. (2026). Social life cycle assessment: A systematic review from the engineering perspective. International Journal of Sustainable Engineering, 19(1), Article 2605864. https://doi.org/10.1080/19397038.2025.2605864
Existe una creencia muy extendida en el mundo empresarial: para innovar, se necesita un líder transformador. Alguien carismático, visionario y capaz de inspirar a sus equipos para alcanzar nuevas metas. Y, en muchos casos, es cierto. Sin embargo, ¿qué sucede cuando intentamos aplicar esta fórmula a sectores más tradicionales, conservadores y reacios al cambio, como el de la construcción?
La realidad, como suele suceder, es mucho más compleja y sorprendente. Un estudio reciente, realizado en 60 empresas de construcción y consultoría en España, ha puesto de relieve algunas verdades incómodas sobre lo que realmente impulsa la innovación. Los resultados desafían las ideas preconcebidas y nos obligan a replantearnos el papel del liderazgo en sectores altamente regulados.
Este artículo desglosa los cuatro hallazgos más impactantes y prácticos de esta investigación. Descubre por qué el carisma no siempre es la solución y por qué, a veces, un buen sistema es más efectivo que un gran discurso.
Primer hallazgo: el liderazgo inspira productos, pero no mejora los procesos.
Este es, quizás, el descubrimiento más sorprendente. El estudio ha descubierto que el liderazgo transformacional tiene un impacto directo, fuerte y positivo en la innovación de productos. En otras palabras, los líderes inspiradores son excelentes motivadores de sus equipos para que estos desarrollen nuevos materiales, diseños o servicios.
Los datos son claros: el efecto del liderazgo sobre la innovación de productos fue muy alto (β = 0,548, p < 0,001). Sin embargo, y aquí viene la sorpresa, ese mismo estilo de liderazgo no mostró un efecto significativo en la innovación de procesos, es decir, en la mejora de la eficiencia de las operaciones internas (β = 0,102).
Esto no implica un fracaso del liderazgo, sino una colisión entre la visión inspiradora y la realidad inamovible de un sector atado por contratos, regulaciones e infraestructuras físicas. La innovación de procesos en industrias como la construcción es de naturaleza operativa y rutinaria. Su mejora depende menos de la motivación y más de la inversión tecnológica, la estandarización y la superación de las barreras burocráticas. Como señala el estudio, los equipos de proyecto suelen ser temporales y tienen una autonomía limitada para modificar los procesos definidos en el contrato.
En sectores altamente regulados, como el de la construcción, la capacidad de un líder para alterar procesos establecidos está limitada por la burocracia, las infraestructuras existentes y la naturaleza temporal de los equipos de proyecto, que tienen poca autonomía para modificar los procesos definidos por contrato.
En resumen, puedes ser el líder más inspirador del mundo, pero eso no te servirá de mucho para cambiar un procedimiento operativo anclado en la rutina y la regulación.
Segundo hallazgo: el héroe anónimo de la eficiencia es el sistema, no el carisma.
Si el liderazgo carismático no es la clave para mejorar los procesos, ¿qué lo es? La respuesta del estudio es contundente: los sistemas.
El concepto clave aquí es la gobernanza del conocimiento (Knowledge Governance). Se trata de los mecanismos y estructuras formales que una organización utiliza para capturar, organizar y aplicar el conocimiento. Piensa en repositorios de lecciones aprendidas, manuales de buenas prácticas o puestos dedicados a la gestión de la información.
El hallazgo fue revelador: la gobernanza del conocimiento es el factor que más influye, con diferencia, en la innovación de procesos. Su impacto fue muy potente (β = 0,508, p < 0,001), mucho mayor que el efecto sobre la innovación de productos (β = 0,241, p < 0,05).
La implicación práctica es directa: si tu objetivo es mejorar la eficiencia, optimizar las operaciones y hacer las cosas mejor, más rápido o con menos coste, debes centrarte menos en el carisma y más en ser un arquitecto de sistemas. Construir estructuras robustas para gestionar el conocimiento es la verdadera palanca del cambio operativo en las industrias tradicionales.
Tercer hallazgo: el clima de innovación es un amplificador, no un motor.
Muchas empresas invierten grandes sumas de dinero en crear un «clima de innovación»: oficinas abiertas, post-its de colores, sesiones de lluvia de ideas… La idea es que un entorno que fomenta la creatividad impulsará la innovación por sí solo. Sin embargo, el estudio demuestra que esto es solo medio cierto.
Por sí solo, un clima de innovación positivo no tuvo un efecto directo significativo sobre el intercambio de conocimientos ni sobre la innovación. Es decir, tener un ambiente «guay» no garantiza que la gente colabore más ni que surjan mejores ideas.
La clave está en que el clima de innovación actúa como un amplificador. Cuando se combina con un liderazgo transformacional activo, potencia significativamente la capacidad del líder para que la gente comparta conocimientos (el estudio detectó un efecto de interacción β = 0,141, p < 0,1).
La conclusión es clara: crear un clima innovador no sirve de nada si no va acompañado de un liderazgo que sepa aprovecharlo. Es como tener un coche de carreras (el clima), pero sin un piloto que sepa conducirlo (el líder). La combinación de un buen entorno y un buen líder es lo que realmente desbloquea el potencial colaborativo de un equipo.
Cuarto hallazgo: ¿colaboración o estructura? Depende de lo que quieras innovar.
Dado que el impacto de un líder se ve amplificado por el entorno, es crucial saber qué entorno construir. El estudio revela dos planos distintos: uno para crear nuevos productos y otro para perfeccionar los procesos existentes. No existe una única «receta para innovar».
La vía hacia la innovación de productos se logra principalmente mediante el intercambio de conocimientos. Para desarrollar nuevos productos, servicios o soluciones, es fundamental que las personas hablen, colaboren e intercambien ideas con fluidez. El estudio demuestra que el liderazgo transformacional impulsa la innovación de productos de forma indirecta a través de este intercambio (efecto indirecto: β = 0,089, p < 0,001).
La innovación de procesos se logra mediante la gobernanza del conocimiento. Para optimizar las operaciones, estandarizar las buenas prácticas y mejorar la eficiencia, son necesarios sistemas y estructuras formales. La investigación muestra que el liderazgo transformacional influye en la innovación de procesos de manera indirecta a través de estos sistemas de gobernanza (efecto indirecto: β = 0,136, p < 0,001).
En resumen, la innovación de productos surge de las conversaciones informales; la innovación de procesos se plasma en los manuales de la empresa. Una es social y la otra, estructural.
Si quieres desarrollar nuevos productos, fomenta una cultura de colaboración y comunicación abierta. Si quieres mejorar tus procesos internos, invierte en sistemas y estructuras que organicen el conocimiento de la empresa.
Conclusión: liderar la innovación es más que inspirar.
En sectores tradicionales como la construcción, la innovación no es un concepto monolítico. Pensar que un liderazgo inspirador lo soluciona todo es un error que puede salir muy caro. Este estudio nos demuestra que la estrategia debe ser dual: se requieren palancas distintas para la innovación de productos y de procesos.
El liderazgo transformacional no es una solución universal. Su efectividad depende del contexto y de si se apoya en sistemas robustos y en un clima adecuado que lo potencie.
La inspiración sin sistemas da lugar a productos nuevos y emocionantes, pero construidos sobre procesos ineficientes y frágiles. Los sistemas sin inspiración conducen a mejoras incrementales que no logran crear los productos disruptivos necesarios para capturar nuevos mercados. Un camino crea valor y el otro lo protege. El verdadero liderazgo industrial requiere dominar ambos.
La pregunta final es para ti. Como líder en tu sector, ¿en qué estás invirtiendo tu energía: en ser una fuente de inspiración o en ser un arquitecto de sistemas? Este estudio sugiere que necesitas ser ambas cosas.
En esta conversación se profundiza en las ideas del trabajo. Espero que te resulte interesante.
Aquí tienes un vídeo en el que se sintetizan las ideas comentadas en este artículo.
En este documento se explican las ideas más importantes.
LOPEZ, S.; YEPES, V. (2026). Innovation in construction: Assessing the role of transformational leadership and knowledge governance.Journal of Civil Engineering and Management, (accepted, in press)
Cada 31 de diciembre siento que el tiempo nos invita a hacer una pausa. No porque el mundo cambie de un día para otro, sino porque hemos aprendido a ver este día como el cierre de una etapa y el comienzo de otra. Tal vez haya sido un solsticio o un equinoccio, pero esta es la fecha que nos lleva a mirar hacia atrás. Y eso es justo lo que hago ahora: repasar lo vivido en 2025. Un año intenso, de esos que dejan huella y que, estoy seguro, no olvidaremos fácilmente.
En 2025, hemos vivido un año marcado por retos que van mucho más allá de la ingeniería, pero que nos afectan de lleno: el regreso de Trump a la presidencia de Estados Unidos ha vuelto a influir en la política mundial y en decisiones estratégicas que repercuten en las infraestructuras críticas, mientras que la elección del papa León XIV, simbolizó un momento de transformación institucional. Las tensiones geopolíticas siguieron en aumento: la guerra en Ucrania no ha terminado y sigue afectando a ciudades e infraestructuras clave, con ataques continuos y enormes necesidades de reconstrucción y resiliencia civil. La tragedia en Gaza ha sacudido a la comunidad internacional, con miles de víctimas y un conflicto humanitario que no cesa, incluso después de las protestas internas contra Hamás y de los prolongados ataques en la franja. En nuestro entorno, España sufrió un gran apagón que puso de manifiesto la importancia de contar con redes eléctricas robustas y evidenció cómo la desinformación puede agravar las crisis técnicas, con bulos que provocaron pánico y confusión entre la población. Los incendios del verano y la reconstrucción de Valencia tras la DANA han servido de laboratorio real para mejorar el diseño urbano y la gestión de riesgos ante eventos extremos. Al mismo tiempo, las tensiones en el Caribe aumentaron con operaciones militares y bloqueos contra Venezuela, lo que complica aún más la estabilidad regional y nos recuerda que, en un mundo saturado de información —y de desinformación—, los ingenieros no solo construyen, sino que también interpretan y comunican hechos técnicos en medio de narrativas polarizadas y extremismos crecientes.
El pasado 21 de julio se conmemoró el bicentenario del nacimiento de Práxedes Mateo Sagasta, una de las figuras cumbre del liberalismo decimonónico y referente de la Restauración. Como ingeniero de Caminos y estadista, Sagasta fue clave en la modernización de nuestras infraestructuras y de nuestras libertades. Lamentablemente, este año de celebraciones también ha estado marcado por la pérdida de ingenieros ilustres como Javier Ruiz-Wamba Martija. Tuve el honor de recordar su legado participando en una de las mesas redondas del homenaje que se le rindió en el Colegio de Ingenieros de Caminos de Madrid.
Pero ya voy a centrarme en el balance personal que suelo hacer cada año en estas fechas. Este año estamos trabajando en nuestro nuevo proyecto de investigación RESILIFE, con una duración de tres años. En este momento, mi índice H es de 47 en la Web of Science, de 48 en Scopus y de 66 en Google Académico, y cuento con 206 artículos publicados en revistas indexadas en el JCR. Además de los 24 artículos científicos que he publicado en revistas indexadas en el JCR, ya hemos publicado tres en 2026 y nos han aceptado uno más. Nunca me cansaré de elogiar a los integrantes del grupo de investigación. Mejoran cada día. Destaco la defensa de tres tesis doctorales este año, que he dirigido dentro del proyecto RESILIFE, y mención especial la de Lorena Yepes Bellver, mi hija, dirigida por Julián Alcalá.
Este año sigo ejerciendo como Consejero en el Sector 4: docencia e investigación del Colegio de Ingenieros de Caminos, Canales y Puertos. También participé como secretario en la Comisión de Acreditación 15 de Ingeniería Civil de la ANECA. Asimismo, he participado en numerosas evaluaciones de proyectos de I+D+i con AENOR. Especial ha sido el reconocimiento que me otorgó la Universitat Politècnica de València por mi compromiso con la divulgación científica y con la atención a los medios de comunicación en la cobertura periodística vinculada a la DANA. Además, quiero destacar el Premio al mejor proyecto en la categoría «AI for Sustainable Development» de la European Universities Competition on Artificial Intelligence, organizada por la HAW Hamburg. También el premio recibido por mi antiguo doctorando, Zhiwu Zhu, por su excelencia en investigación, otorgado por la Escuela de Ingeniería Civil y Ambiental de la Universidad de Ciencias e Ingeniería de Hunan, China.
Demos un pequeño repaso de lo que ha sido este 2025. El 12 de febrero se defendió la tesis doctoral de Mehrdad Hadizadeh Bazaz, el 6 de mayo la tesis doctoral de Ashwani Kumar Malviya y el 19 de diciembre la tesis doctoral de Iván Antonio Negrín Díaz. Todas las tesis doctorales que he dirigido este año son de estudiantes internacionales, de Irán, India y Cuba, respectivamente. He participado en varios congresos, como el XI Congreso de Innovación Educativa y Docencia en Red (IN-RED 2025), el Congreso Nacional de Áridos, el IX Congreso Internacional de Estructuras (ACHE 2025), la International Conference on High Performance and Optimum Design of Structures and Materials (HPSM/OPTI 2025) y el 29th International Congress on Project Management and Engineering (AEIPRO 2025). También he tenido la oportunidad de dar una conferencia plenaria en el XLVI Ibero-Latin American Congress on Computational Methods in Engineering (CILAMCE 2025), que se celebró en Vitória, Espírito Santo, Brasil, del 24 al 27 de noviembre.
Este post es el número 205 de los que he escrito este año, lo cual no está nada mal. Ya he publicado 2243 artículos en mi blog desde que inicié esta andadura el 5 de marzo de 2012, por lo que este año se cumple una década de esta aventura. Sin darme cuenta, he tocado muchos temas relacionados con la ingeniería civil y la construcción en todos sus aspectos. Además, tengo una presencia cada vez mayor en las redes sociales. Tengo más de 35 000 seguidores en X (antes Twitter) y casi 26 000 en LinkedIn.
Por último, a continuación, os dejo algunas referencias sobre los artículos, congresos, libros y vídeos educativos que he realizado durante este año 2025. Cada año es más difícil mejorar los resultados del año anterior, pero haremos todo lo posible para 2026.
INVESTIGADOR PRINCIPAL EN PROYECTOS DE INVESTIGACIÓN COMPETITIVOS:
Optimización resiliente del ciclo de vida de estructuras híbridas y modulares de alta eficiencia social y medioambiental bajo condiciones extremas. (RESILIFE). [Resilient life-cycle optimization of socially and environmentally efficient hybrid and modular structures under extreme conditions]. PID2023-150003OB-I00.
YEPES, V. (2025). Puentes y ciudades. El puente del Mar sobre el viejo cauce del Turia. Una aproximación histórica, estética y constructiva.Hasta el tuétano. Revista cultural, 19:139-149.
TRES JUNIOR, F.L., YEPES, V., DE MEDEIROS, G.F., KRIPKA, M. (2025). Practical Application of LCA to Optimize Environmental Impacts of Steel–concrete Footbridges. In: Brandli, L., Rosa, F.D., Petrorius, R., Veiga Avila, L., Filho, W.L. (eds) The Contribution of Life Cycle Analyses and Circular Economy to the Sustainable Development Goals. World Sustainability Series. Springer, Cham. https://doi.org/10.1007/978-3-031-85300-5_22
MARTÍNEZ-PAGÁN, P.; YEPES, V.; ROSCHIER, L.; BLIGHT, T.; BOULET, D.; PERALES, A. (2025). Elaboración y uso de nomogramas para el ámbito de las explotaciones de áridos. Introducción de los códigos abiertos Pynomo y Nomogen. Actas del VII Congreso Nacional de Áridos, Córdoba, pp. 1085-1100. ISBN 978-84-125559-2-9.
YEPES, V. (2025). Pensamiento lateral para mejorar la resolución de problemas complejos en estudios de máster. En libro de actas: XI Congreso de Innovación Educativa y Docencia en Red. Valencia, 17 – 18 de julio de 2025.
YEPES, V.; YEPES-BELLVER, L.; MARTÍNEZ-PAGÁN, P. (2025). Impacto de la diversidad cultural en la resolución colaborativa de problemas en la docencia universitaria de ingeniería. En libro de actas: XI Congreso de Innovación Educativa y Docencia en Red. Valencia, 17 – 18 de julio de 2025.
SÁNCHEZ-GARRIDO, A.; NAVARRO, I.J.; YEPES, V. (2025). Resiliencia para la sostenibilidad de las estructuras de edificación mediante forjados con losas aligeradas biaxiales.IX Congreso Internacional de Estructuras, 25-27 de junio, Granada (Spain).
YEPES-BELLVER, L.; NAVARRO, I.J.; ALCALÁ, J.; YEPES, V. (2025). Redes neuronales y Kriging para la optimización de la huella de carbono de puentes losa pretensados.IX Congreso Internacional de Estructuras, 25-27 de junio, Granada (Spain).
YEPES, V.; ALCALÁ, J.; GARCÍA, J.A.; KRIPKA, J. (2025). Optimización resiliente del ciclo de vida de estructuras híbridas y modulares de alta eficiencia social y medioambiental bajo condiciones extremas.IX Congreso Internacional de Estructuras, 25-27 de junio, Granada (Spain).
YEPES-BELLVER, L.; ALCALÁ, J.; YEPES, V. (2025). Multi-objective optimization of prestressed slab bridges using the CRITIC-MCDM approach.29th International Congress on Project Management and Engineering, AEIPRO, 16-17 de julio, Ferrol (Spain). https://doi.org/10.61547/2502015
YEPES-BELLVER, L.; MARTÍNEZ-PAGÁN, P.; YEPES, V. (2025). Nomograms for the economic pre-design of earth retaining walls.29th International Congress on Project Management and Engineering, AEIPRO, 16-17 de julio, Ferrol (Spain). https://doi.org/10.61547/2502019
Acaban de publicar un artículo nuestro en Environmental Impact Assessment Review, una de las revistas de mayor impacto científico, dentro del primer decil del JCR. En este trabajo se sintetizan los resultados de un estudio exhaustivo sobre un sistema constructivo innovador: las losas biaxiales de hormigón armado aligeradas con esferas o discos de plástico 100 % reciclado (Losa Aligerada, VS). 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.
La investigación aborda la necesidad crítica de reducir el impacto ambiental del sector de la construcción, responsable de casi la mitad del consumo mundial de materias primas y de más de un tercio del consumo de energía. El estudio integra un análisis estadístico multivariado basado en datos empíricos de 67 edificios reales, así como una evaluación del ciclo de vida ambiental (E-LCA) y una evaluación del ciclo de vida social (S-LCA), para ofrecer una valoración multidimensional completa.
Hallazgos clave:
Modelo predictivo robusto: se desarrolló un modelo estadístico de alta precisión (R² ajustado = 98,26 %) para el predimensionamiento del espesor de las losas aligeradas, utilizando como variables clave el canto del aligerante, la sobrecarga de uso y el cuadrado de la luz. Este modelo ofrece una herramienta práctica para optimizar el diseño en las etapas iniciales.
Ahorro sustancial de materiales: en comparación con un sistema de losa reticular convencional con bloques de EPS (losas convencionales), el sistema VS reduce el consumo de hormigón entre un 23 % y un 33 % y el de acero de refuerzo hasta un 29 %.
Beneficios ambientales cuantificados: el sistema VS demuestra una reducción media del 25 % en el impacto ambiental total a nivel de punto final. El potencial de calentamiento global (PCG) se reduce en media en un 24 %, alcanzando un 30 % en luces de seis metros. El hormigón sigue siendo el principal contribuyente de emisiones en ambos sistemas.
Mejoras en el desempeño social: la S-LCA revela que el sistema VS disminuye los riesgos sociales hasta en un 20 % en la categoría de «Comunidad local» y en un 19 % en la de «Trabajadores». Estas mejoras se deben a una menor demanda de mano de obra en obra, a la reducción de los movimientos de materiales pesados y a una mayor seguridad laboral.
En conclusión, el estudio demuestra empíricamente que el sistema de losas aligeradas con plástico reciclado es una alternativa materialmente eficiente y sostenible que promueve los principios de la economía circular. Los resultados proporcionan una base de pruebas sólida que respalda la adopción de esta tecnología, informa sobre el desarrollo de códigos de construcción y guía las políticas públicas hacia prácticas constructivas más resilientes y con bajas emisiones de carbono.
1. Contexto: El desafío de la sostenibilidad en la construcción.
El sector de la construcción es un importante motor económico a nivel mundial, pero también uno de los principales contribuyentes al cambio climático y al agotamiento de los recursos. Es responsable de aproximadamente el 50 % del uso de materiales y del 36 % del consumo total de energía a nivel mundial. Solo la producción de cemento representa entre un 5 % y un 7 % de las emisiones globales de CO₂. Se prevé que la demanda de materiales superará los 90 mil millones de toneladas para 2050, por lo que resulta imperativo alinear las prácticas constructivas con los Objetivos de Desarrollo Sostenible (ODS) en el marco de la Economía Circular (EC).
Dentro de los edificios, los forjados y las losas estructurales son los elementos que más impacto ambiental tienen debido a la gran cantidad de hormigón y acero que se emplea en su fabricación. Las innovaciones en los sistemas de losas, como los métodos modernos de construcción (MMC), son fundamentales para la descarbonización. Sin embargo, la adopción de estas tecnologías se ve obstaculizada por la falta de marcos de evaluación estandarizados que integren de manera coherente las tres dimensiones de la sostenibilidad: ambiental, social y económica. En particular, la dimensión social a menudo se pasa por alto.
2. Análisis de sistemas constructivos.
El estudio realiza una evaluación comparativa entre un sistema de losa innovador (VS) y otro convencional (CS) desde un enfoque de ciclo de vida integral.
Sistema innovador: losa aligerada biaxial (VS).
Descripción: consiste en una losa plana de hormigón armado bidireccional y sin vigas, aligerada mediante la inclusión de elementos huecos. Dichos aligerantes son esferas o discos fabricados con polietileno de alta densidad (HDPE) reciclado al 100 %. El sistema está diseñado para ser totalmente reciclable al final de su vida útil.
Configuración: Los discos se utilizan en losas de entre 16 y 28 cm de espesor, mientras que las esferas se emplean en losas de entre 28 y 42 cm de espesor. Al eliminar el hormigón no estructural del núcleo de la losa, el peso propio se reduce hasta un 35 % respecto a una losa maciza.
Ventajas: permite luces más largas, reduce las cargas sísmicas, simplifica los encofrados, acelera la ejecución y puede disminuir la altura total del edificio.
Losa aligerada biaxial (VS) mediante la inclusión de elementos huecos.
Sistema de referencia: losa convencional (CS).
Descripción: se define como una losa reticular bidireccional (también llamada «waffle») de hormigón armado, aligerada con bloques de poliestireno expandido (EPS).
Configuración: Este sistema se apoya sobre vigas y presenta nervios visibles en su cara inferior (intradós), ya que los bloques de EPS que conforman dichos nervios quedan expuestos.
3. Metodología de evaluación integrada.
El estudio emplea un marco metodológico triple para evaluar y comparar exhaustivamente los sistemas de losas. El análisis abarca «de la cuna a la tumba» y la unidad funcional se define como 1 m² de losa diseñada para 50 años de servicio.
3.1. Análisis estadístico multivariado.
Para compensar la ausencia de códigos de diseño estandarizados para el sistema VS, se ha desarrollado un modelo predictivo para dimensionar su espesor.
Base de datos: El análisis se basa en datos empíricos de 75 tipos de losas procedentes de 67 edificios reales construidos principalmente en Argentina. El conjunto de datos abarca luces de entre 5,2 y 15 metros y espesores de entre 16 y 42 centímetros.
Proceso: se realizó un análisis de regresión multivariado en tres etapas, comenzando por una regresión lineal simple y avanzando hasta un modelo más complejo que considera múltiples variables predictoras.
Validación: La solidez del modelo final se verificó mediante pruebas estadísticas, como la prueba de Durbin-Watson (para detectar autocorrelación), el análisis de residuos estudiantados (para detectar valores atípicos) y la comprobación de la homocedasticidad y la normalidad de los residuos.
3.2. Evaluación del ciclo de vida ambiental (E-LCA)
Metodología: se utilizó el método ReCiPe 2016 con una perspectiva jerárquica (H), evaluando los impactos a nivel de punto medio (18 categorías específicas) y de punto final (agrupados en tres áreas de daño: salud humana, ecosistemas y disponibilidad de recursos).
Bases de datos y software: el inventario del ciclo de vida se modeló con el programa informático OpenLCA, utilizando la base de datos Ecoinvent v3.2.
Asignación de cargas: para el plástico reciclado, se aplicó el método de asignación «cut-off», según la norma ISO 14044. Esto significa que los aligerantes de HDPE reciclado solo heredan las cargas ambientales de su propio proceso de reciclaje y no las de la producción de plástico virgen.
3.3. Evaluación del ciclo de vida social (S-LCA).
Metodología: el análisis se realizó siguiendo las directrices de UNEP/SETAC y utilizando un modelo coherente con el de la E-LCA.
Bases de datos y software: se utilizó la base de datos SOCA v2, una ampliación de Ecoinvent que adapta el marco de PSILCA (Evaluación del ciclo de vida del impacto social de los productos).
Indicadores y grupos de interés: los riesgos sociales se cuantificaron mediante el indicador de Riesgo Medio por Hora (MRH). Se evaluaron cuatro grupos de interés (trabajadores, comunidades locales, sociedad y actores de la cadena de valor) mediante veinte subcategorías relevantes para el sector de la construcción.
4. Resultados clave y hallazgos
4.1. Modelo predictivo para el predimensionamiento de losas VS.
El análisis estadístico culminó en un modelo de regresión múltiple robusto y preciso para estimar el espesor de la losa (t).
Precisión del modelo: el modelo final (ecuación 3) alcanzó un coeficiente de determinación ajustado (R²) del 98,26 %, lo que indica un poder explicativo excepcional.
Variables significativas: las variables con mayor influencia estadística en el espesor de la losa fueron las siguientes:
– Canto del aligerante de plástico (He).
– Cuadrado de la luz principal (L²).
– Sobrecarga de uso característica (Q₁).
Fórmula simplificada: para facilitar su aplicación práctica en el diseño preliminar, se derivó una fórmula simplificada (ecuación 4) que reemplaza los coeficientes decimales por fracciones simples, manteniendo una alta precisión con un margen conservador.
4.2. Resultados de la evaluación ambiental (E-LCA)
La E-LCA demuestra claras ventajas ambientales del sistema VS frente al CS.
Indicador clave
Reducción lograda por el sistema VS
Observaciones
Ahorro de hormigón
23 % – 33 %
La mayor reducción se observa en luces más cortas (6 m).
Ahorro de acero
Hasta 29 %
La mayor reducción se observa en luces de 6 m.
Potencial de calentamiento global (PCG)
24 % (promedio), hasta 30 % (luz de 6 m)
El hormigón es el principal contribuyente (53,5 % en VS, 55,8 % en CS).
Impacto ambiental total (punto final)
25 % (promedio)
Reducciones de hasta el 29 % en salud humana y del 31% en recursos.
Etapa del ciclo de vida dominante
Fabricación
Representa el 89 % del impacto total en ambos sistemas.
Análisis de punto medio: el sistema VS muestra un mejor rendimiento en 17 de las 18 categorías de impacto evaluadas. La única excepción es la categoría «Ocupación de suelo agrícola», ya que la base de datos Ecoinvent atribuye el uso del suelo a los plásticos (incluidos los reciclados). Las reducciones más notables se observan en el agotamiento de fósiles (29 %) y en la formación de oxidantes fotoquímicos (28 %).
4.3. Resultados de la evaluación social (S-LCA)
El sistema VS también genera beneficios sociales cuantificables, principalmente gracias a su eficiencia en el uso de materiales y a la simplificación de los procesos de construcción.
Principales reducciones del riesgo social:
Comunidad local: reducción de hasta un 20 % (para una luz de 6 m).
Trabajadores: reducción de hasta un 19 % a una altura de 6 m.
Causas de las mejoras: estas reducciones se deben a la disminución de las horas de trabajo en obra, a la reducción del transporte y del movimiento de materiales pesados y a una menor exposición a riesgos laborales.
Focos de riesgo del sector: para ambos sistemas, las categorías con mayor riesgo social son:
Trabajadores: factores relacionados con la carga de trabajo, como las contribuciones a la Seguridad Social, los riesgos de trabajo infantil y los gastos sindicales (77 % del impacto en el VS).
Sociedad: la falta de educación es el factor predominante (76 % del impacto en ambos casos)
5. Implicaciones, limitaciones y conclusiones
Este estudio aporta una validación empírica rigurosa que demuestra que el sistema de losas aligeradas con plástico reciclado constituye un avance significativo hacia una construcción circular y de bajo carbono.
Implicaciones clave:
Para diseñadores e ingenieros, el modelo de predimensionamiento ofrece una herramienta fiable para acelerar la toma de decisiones en las primeras fases del diseño, optimizar el uso de materiales sin comprometer la seguridad.
Para la industria y los reguladores, los datos cuantitativos sobre los beneficios ambientales y sociales pueden informar la creación de nuevos códigos de construcción, guías de diseño y políticas de compra pública verde que incentiven la adopción de la construcción modular.
Contribución a la economía circular: el sistema no solo reduce el consumo de materiales vírgenes, sino que también otorga un uso de alto valor a los residuos de plástico HDPE, inmovilizándolos de forma segura en la estructura del edificio durante décadas y evitando que contaminen los ecosistemas.
Limitaciones reconocidas:
Análisis económico: no se realizó una evaluación del coste del ciclo de vida (LCCA) debido a la falta de datos económicos detallados, lo cual es crucial para su adopción en el mercado.
Contexto geográfico: la mayoría de los casos de estudio (63 de 67) provienen de Argentina, por lo que los resultados reflejan las prácticas constructivas y la combinación energética de este país. Para extrapolar los resultados a otras regiones, sería necesario validarlos con datos locales.
Alcance del análisis: el estudio se centra en el componente (1 m² de losa) y no cuantifica los impactos per cápita según la tipología de vivienda.
Conclusión final:
El sistema de losas aligeradas (VS) con plástico reciclado es una tecnología superior en términos de sostenibilidad multidimensional en comparación con un sistema convencional. Al combinar un análisis estructural empírico con una evaluación medioambiental y social exhaustiva, esta investigación aporta las pruebas necesarias para superar las barreras normativas y acelerar la transición hacia un entorno construido más eficiente en el uso de los recursos, socialmente responsable y alineado con los objetivos de sostenibilidad global.
La tesis doctoral leída recientemente por Lorena Yepes Bellver se centra en la optimización del diseño de puentes de losa de hormigón pretensado para pasos elevados con el fin de mejorar la sostenibilidad económica y ambiental mediante la minimización de costes, energía incorporada y emisiones de CO₂. Con el fin de reducir la elevada carga computacional del análisis estructural, la metodología emplea un marco de optimización de dos fases asistido por modelos sustitutos, en el que se destaca el uso de Kriging y redes neuronales artificiales (RNA).
En concreto, la optimización basada en Kriging condujo a una reducción de costes del 6,54 % al disminuir significativamente el consumo de hormigón y acero activo sin comprometer la integridad estructural. Si bien las redes neuronales demostraron una mayor precisión predictiva global, el modelo Kriging resultó más eficaz para identificar los óptimos locales durante el proceso de búsqueda. El estudio concluye que las configuraciones de diseño óptimas priorizan el uso de altos coeficientes de esbeltez y suponen una reducción del hormigón y del acero activo en favor del acero pasivo, con el fin de mejorar la eficiencia energética. Finalmente, la investigación integra la toma de decisiones multicriterio (MCDM, por sus siglas en inglés) para evaluar de manera integral los diseños en función de sus objetivos económicos, estructurales y ambientales.
Cuando pensamos en la construcción de grandes infraestructuras, como los puentes, suele venirnos a la mente la imagen de proyectos masivos, increíblemente caros y con un gran impacto ambiental. Son gigantes de hormigón y acero que, aunque necesarios, parecen irrenunciablemente vinculados a un alto coste económico y ecológico.
Sin embargo, ¿y si la inteligencia artificial nos estuviera mostrando un camino para que estos gigantes de hormigón fueran más ligeros, económicos y respetuosos con el planeta? Una reciente tesis doctoral sobre la optimización de puentes está desvelando hallazgos impactantes y, en muchos casos, sorprendentes. Este artículo resume esa compleja investigación en cinco lecciones clave y a menudo sorprendentes que no solo se aplican a los puentes, sino que anuncian una nueva era en el diseño de infraestructuras.
1. La sostenibilidad cuesta mucho menos de lo que crees.
Uno de los descubrimientos más importantes de la investigación es que la idea de que la sostenibilidad siempre implica un alto sobrecoste es, en gran medida, un mito. La optimización computacional demuestra que la viabilidad económica y la reducción del impacto ambiental no son objetivos opuestos.
La tesis doctoral lo cuantifica con precisión: un modesto aumento de los costes de construcción (inferior al 1 %) puede reducir sustancialmente las emisiones de CO₂ (en más de un 2 %). Este dato es muy relevante, ya que demuestra que con un diseño inteligente asistido por modelos predictivos se puede conseguir un beneficio medioambiental significativo con una inversión mínima. La sostenibilidad y la rentabilidad pueden y deben coexistir en el diseño de las infraestructuras del futuro.
2. El secreto está en la esbeltez: cuanto más fino, más eficiente.
En el diseño de un puente, la «relación de esbeltez» es un concepto clave que define la proporción entre la altura del tablero (su grosor) y la longitud del vano principal. Tradicionalmente, podríamos pensar que «más robusto es más seguro», pero la investigación demuestra lo contrario.
El estudio identificó una relación de esbeltez óptima para minimizar el impacto ambiental. Concretamente, el estudio halló una relación de esbeltez de aproximadamente 1/30 para optimizar las emisiones de CO₂ y de aproximadamente 1/28 para optimizar la energía incorporada. Esto significa que, en lugar de construir puentes masivos por defecto, los modelos de IA demuestran que un diseño más esbelto y afinado no solo es estructuralmente sólido, sino también mucho más eficiente en el uso de materiales. Este diseño más esbelto se logra no solo usando menos material en general, sino también mediante un sorprendente reequilibrio entre los componentes clave de la estructura, como veremos a continuación.
3. El equilibrio de materiales: menos hormigón, más acero (pasivo).
Quizás uno de los descubrimientos más sorprendentes es que el diseño más sostenible no consiste simplemente en utilizar menos cantidad de todos los materiales. La solución óptima es más un reequilibrio inteligente que una simple reducción general.
La investigación revela que los diseños optimizados lograron reducir el uso de hormigón en un 14,8 % y de acero activo (el acero de pretensado que tensa la estructura) en un 11,25 %. Sin embargo, este descenso se compensa con un aumento de la armadura pasiva (el acero convencional que refuerza el hormigón). Esto resulta contraintuitivo, ya que la intuición ingenieril a menudo favorece una reducción uniforme de los materiales. Sin embargo, los modelos computacionales identifican un complejo intercambio —sacrificar un material más barato (hormigón) por otro más caro (acero pasivo)— para alcanzar un diseño globalmente óptimo en términos de coste y emisiones de CO₂, un equilibrio que sería extremadamente difícil de lograr con métodos de diseño tradicionales.
4. Precisión frente a dirección: El verdadero poder de los modelos predictivos.
Al comparar diferentes modelos de IA, como las redes neuronales artificiales y los modelos Kriging, la tesis doctoral reveló una lección fundamental sobre su verdadero propósito en ingeniería.
El estudio reveló que, si bien las redes neuronales ofrecían predicciones absolutas más precisas, el modelo Kriging era más eficaz para identificar las regiones de diseño óptimas. Esto pone de manifiesto un aspecto crucial sobre el uso de la IA en el diseño: su mayor potencial no radica en predecir un valor exacto, como si fuera una bola de cristal, sino en guiar al ingeniero hacia la «región» del diseño donde se encuentran las mejores soluciones posibles. La IA es una herramienta de exploración y dirección que permite navegar por un universo de posibilidades para encontrar de forma eficiente los diseños más prometedores.
5. La optimización va directo al bolsillo: reducción de costes superior al 6 %.
Más allá de los objetivos medioambientales, la investigación demuestra que estos modelos de IA son herramientas muy potentes para la optimización económica directa. Este descubrimiento no se refiere al equilibrio entre coste y sostenibilidad, sino a la reducción pura y dura de los costes del proyecto.
La tesis doctoral muestra que el método de optimización basado en Kriging consigue una reducción de costes del 6,54 %. Esta importante reducción se consigue principalmente minimizando el uso de materiales: un 14,8 % menos de hormigón y un 11,25 % menos de acero activo, el acero de pretensado más especializado y costoso. Esto demuestra de forma contundente que los modelos sustitutivos no solo sirven para alcanzar metas ecológicas, sino que también son una herramienta de gran impacto para la optimización económica en proyectos a gran escala.
Conclusión: Diseñando el futuro, un puente a la vez.
La inteligencia artificial y los modelos de optimización han dejado de ser conceptos abstractos para convertirse en herramientas prácticas que permiten descubrir formas novedosas y eficientes de construir la infraestructura del futuro. Los resultados de esta investigación demuestran que es posible diseñar y construir puentes que sean más económicos y sostenibles al mismo tiempo.
Estos descubrimientos no solo se aplican a los puentes, sino que abren la puerta a una nueva forma de entender la ingeniería. Si la IA puede rediseñar algo tan grande como un puente para hacerlo más sostenible, ¿qué otras grandes industrias están a punto de transformarse con un enfoque similar?
En este audio podéis escuchar una conversación sobre este tema.
Este vídeo resume las ideas principales.
Aquí tenéis un documento resumen de las ideas básicas.
De izquierda a derecha: Fermín Navarrina, Víctor Yepes, Iván Negrín, Tatiana García y Rasmus Rempling.
Hoy, 19 de diciembre de 2025, ha tenido lugar la defensa de la tesis doctoral de D. Iván Antonio Negrín Díaz, titulada “Metaheuristic optimization for the sustainable and resilient design of hybrid and composite frame building structures with advanced integrated modeling”, dirigida por los profesores Víctor Yepes y Moacir Kripka. La tesis ha obtenido la máxima calificación de sobresaliente «cum laude». A continuación, presentamos un breve resumen de la misma.
El cambio climático y la rápida expansión de las áreas urbanas han intensificado el impacto ambiental del sector de la construcción, responsable de cerca del 37 % de las emisiones globales de CO₂ y de más de un tercio del consumo energético mundial. Por tanto, mejorar la sostenibilidad y la resiliencia de las estructuras de edificios se ha convertido en una prioridad esencial, plenamente alineada con los Objetivos de Desarrollo Sostenible de las Naciones Unidas. Esta tesis doctoral aborda este reto mediante el desarrollo de un marco de diseño optimizado que permite obtener soluciones innovadoras, sostenibles y resilientes para estructuras porticadas.
El objetivo principal de la investigación es crear y validar metodologías avanzadas que integren tipologías estructurales híbridas y mixtas con estrategias de optimización de vanguardia apoyadas en modelos estructurales de alta fiabilidad. Para ello, se formulan problemas de optimización que consideran conjuntamente criterios económicos, ambientales, constructivos, de durabilidad y de seguridad estructural, e incorporan, además, aspectos frecuentemente ignorados, como la interacción suelo-estructura, la robustez frente al colapso progresivo y el desempeño ambiental a lo largo del ciclo de vida de la estructura. Entre los objetivos específicos, destacan los siguientes: evaluar metaheurísticas avanzadas y técnicas de optimización asistida por metamodelos; cuantificar los riesgos de modelos estructurales simplificados; integrar la resiliencia como restricción de diseño; valorar los beneficios de tipologías híbridas y mixtas; explorar estrategias de optimización multiobjetivo; y comparar enfoques de diseño basados en fases iniciales y en el ciclo de vida.
Los resultados muestran que las estrategias metaheurísticas avanzadas y asistidas por metamodelos (como BBO-CINS, enfoques basados en Kriging y Optimización Escalarizada de Pareto) superan claramente a los algoritmos tradicionales, ya que logran reducciones de hasta el 90 % en el coste computacional en problemas de un solo objetivo y mejoras de hasta el 140 % en la calidad del frente de Pareto en problemas de varios objetivos. Asimismo, se evidencia el riesgo de simplificar en exceso los modelos estructurales: omitir aspectos críticos, como la interacción suelo-estructura o los elementos secundarios (forjados, muros), puede distorsionar el diseño, comprometer la seguridad (por ejemplo, al subestimar la resistencia al colapso) y aumentar los impactos ambientales a largo plazo, debido al deterioro acelerado y a las mayores necesidades de mantenimiento. También se demuestra que, al incorporar la resiliencia como restricción de diseño en lugar de tratarla como un objetivo de optimización, es posible mejorar la robustez frente al colapso progresivo sin perjudicar la sostenibilidad y reducir la carga ambiental del diseño robusto en torno al 11 % al considerar elementos estructurales secundarios.
A nivel de componentes estructurales, la optimización de las vigas de acero soldadas confirmó las ventajas de la hibridación y de las geometrías variables, lo que dio lugar a la tipología Transversely Hybrid Variable Section (THVS), que reduce los costes de fabricación hasta en un 70 % respecto a las vigas I convencionales. Su integración en pórticos compuestos de hormigón armado y elementos THVS proporcionó mejoras adicionales en sostenibilidad, con reducciones del 16 % en emisiones y del 11 % en energía incorporada en las fases iniciales de diseño, y hasta un 30 % en emisiones de ciclo de vida en comparación con los sistemas tradicionales de hormigón armado. La inclusión de forjados y muros estructurales amplificó estos beneficios, reduciendo los impactos del ciclo de vida hasta en un 42 % respecto a configuraciones de pórticos en las que solo el esqueleto trabaja estructuralmente (omitiendo forjados y muros).
En conjunto, esta tesis demuestra que las metodologías de diseño basadas en la optimización, apoyadas en modelos estructurales realistas y en estrategias computacionales avanzadas, permiten concebir edificios que, al mismo tiempo, son más sostenibles y resilientes. Al resaltar las ventajas de las tipologías híbridas y mixtas e integrar la resiliencia sin comprometer la sostenibilidad, la investigación establece un marco claro para el diseño contemporáneo. Además, al enfatizar la optimización a lo largo de todo el ciclo de vida, ofrece una base metodológica sólida para impulsar una nueva generación de edificaciones alineadas con los objetivos globales de sostenibilidad y de acción climática.
Acaban de publicar un artículo nuestro en Results in Engineering, una de las revistas de mayor impacto científico, ubicada en el primer decil del JCR. Este trabajo trata sobre un sistema avanzado para el seguimiento de la salud estructural (SHM, por sus siglas en inglés) y la optimización de puentes de gran envergadura y estáticamente indeterminados (hiperestáticos).
La investigación se enmarca en el proyecto RESILIFE, que dirijo como investigador principal en la Universitat Politècnica de València. Además, muestra la internacionalización de nuestro grupo de investigación, en este caso, con China. A continuación, se presenta un resumen del trabajo y de la información de contexto.
El problema central que se aborda en este trabajo es la insuficiencia de los métodos de supervisión tradicionales, ya que no permiten una vigilancia continua, en tiempo real y a distancia, crucial para garantizar la seguridad, la longevidad y el mantenimiento rentable de estas complejas infraestructuras.
La solución propuesta es una plataforma inteligente en la nube para el control y la alerta temprana que integra la informática, la ingeniería de comunicaciones, el control y la automatización y la mecánica de ingeniería. Este sistema combina los datos de supervisión en tiempo real, obtenidos mediante la tecnología de Internet de las Cosas (IoT), con modelos de elementos finitos (FEM) para evaluar con precisión el estado de la estructura.
Su eficacia se demostró mediante un estudio de caso del Puente del Río Amarillo en China (LZYB). El análisis de los datos de seguimiento y las simulaciones por elementos finitos revelaron que el diseño original del puente era excesivamente conservador, ya que la deflexión vertical real bajo cargas operativas representaba entre el 26,5 % y el 33,9 % del valor predicho en el diseño.
Con base en este hallazgo, se optimizó el diseño de la viga principal del puente, lo que permitió reducir el volumen de hormigón de la losa de fondo en un 15 %. Un análisis posterior del ciclo de vida (LCA) cuantificó los beneficios de esta optimización, que incluyen una reducción de 2009,65 toneladas de emisiones de CO₂ y un ahorro económico de 2 694 189,55 CNY, sin comprometer la seguridad ni el rendimiento estructural. Este enfoque representa un nuevo paradigma para el mantenimiento seguro, económico y sostenible de infraestructuras críticas.
1. Introducción y desafíos de la auscultación estructural.
Los puentes de gran envergadura y estáticamente indeterminados están sometidos a múltiples factores que pueden afectar a su integridad, como la respuesta dinámica de la estructura y el daño por fatiga acumulada debido a la interacción de cargas múltiples y condiciones ambientales complejas. Las microfisuras internas pueden propagarse hasta convertirse en fisuras macroscópicas y provocar la inestabilidad y el fallo de la estructura.
1.1. Limitaciones de los métodos tradicionales.
Inspección visual: los métodos iniciales, basados en la inspección visual realizada por personal cualificado para detectar defectos superficiales, como las grietas por fatiga, son imprecisos y propensos a errores.
Supervisión de la salud estructural (SHM) convencional: ha mejorado la precisión, pero enfrenta desafíos como la falta de sensores adecuados para el monitoreo autónomo a largo plazo y de algoritmos eficaces para predecir y diagnosticar daños locales por fatiga.
Enfoques basados en algoritmos: existen dos métodos principales: los basados en modelos, que utilizan un modelo de elementos finitos preciso, pero que consumen mucho tiempo, y los basados en datos, que analizan series temporales continuas, pero que pueden verse limitados por las bajas tasas de transmisión de datos de las redes inalámbricas.
El estudio aborda estas limitaciones combinando las ventajas de ambos enfoques e integrando algoritmos innovadores de alta eficiencia para avanzar en la monitorización continua de la salud estructural.
2. Marco teórico e innovación del sistema.
El trabajo establece un modelo teórico complejo y una plataforma inteligente que integra múltiples disciplinas para superar las barreras técnicas del seguimiento tradicional.
2.1. Puntos clave de la innovación.
Modelo interdisciplinario: se desarrolló un modelo teórico modal complejo, multifactorial y de múltiples fuentes que combina la ciencia de la computación, la ingeniería de comunicaciones, el control y la automatización y la mecánica de ingeniería. Este modelo analiza el impacto de múltiples factores en las estructuras de los puentes y permite realizar un seguimiento de alertas tempranas en una plataforma en la nube.
Supervisión basada en IoT: se adopta un monitoreo en línea, automatizado y en tiempo real basado en el Internet de las cosas (IoT). De este modo, se soluciona la incapacidad de la tecnología tradicional para lograr un seguimiento espaciotemporal continuo y a gran distancia, y se transforma el seguimiento de un «basado en puntos, indirecto y de ajuste de curvas» a otro «espacial, directo y continuo».
Sistema de alerta temprana: proporciona un modelo eficaz de control y de alerta temprana para diversos tipos de deterioro, como grietas, deformaciones, envejecimiento y vibración dinámica. Valida la viabilidad de la estructura en términos de integridad, seguridad, durabilidad y control de la resistencia.
2.2. Componentes del modelo teórico.
El modelo matemático integra varios análisis para evaluar el estado de la estructura:
Daño por fatiga estructural: utiliza un modelo de daño por fatiga acumulativa no lineal para analizar la propagación de las fisuras y la degradación continua del módulo de elasticidad del hormigón.
Daño por fatiga del acero: se considera que la vida útil del puente está determinada principalmente por la fatiga de las barras de acero. El modelo calcula la profundidad crítica de la fisura y la tensión residual del acero.
Efecto de cargas múltiples: se aplica un modelo de mezcla gaussiana para analizar los datos de monitorización, que presentan una distribución de picos múltiples, y se calcula la deflexión total considerando la carga viva, la tensión térmica, la pérdida de pretensado y la retracción y la fluencia del hormigón.
Acoplamiento vehículo-puente: Construye una ecuación de un sistema de movimiento acoplado para analizar las interacciones mecánicas entre los vehículos y el puente.
Optimización dinámica estructural: utiliza un modelo matemático basado en la función lagrangiana para realizar un diseño de optimización dinámica con un ritmo de convergencia rápido.
3. Estudio de caso: el puente del río Amarillo (LZYB)
La metodología se aplicó a esta estructura atirantada, con un vano principal de 360 metros, ubicada en China.
3.1. Descripción del puente y sistema de control
Especificaciones: El LZYB es un puente extragrande para autopista de cuatro carriles con torres romboidales de hormigón armado (C50), una altura de torre de hasta 151 metros y cables atirantados de haces de alambre de acero paralelos galvanizados.
Sistema de monitorización: se instalaron 374 dispositivos de 10 tipos diferentes, incluidos sensores de temperatura y de humedad, acelerómetros, extensómetros y sensores de fibra óptica, entre otros. Estos dispositivos se ubicaron en puntos críticos de momento flector y de fuerza cortante, determinados mediante principios de mecánica y el modelo FEM. Los datos se transmiten en tiempo real a una plataforma en la nube basada en internet de las cosas (IoT, por sus siglas en inglés) para su análisis y alerta temprana.
Número
Elementos de control
Indicadores de alerta
Método de adquisición
1
Análisis del modelo de vehículo
Identificación de carga nominal (nº de ejes, longitud)
Videovigilancia
2
Análisis del flujo de tráfico
Autopista de 4 carriles (ADT 2 500-55 000 vehículos)
Videovigilancia; captura de video
3
Análisis de sobrepeso
Límite de 49 toneladas (se detectaron 82.5; 110 ton)
Frecuencia natural inferior al valor teórico calculado
Equipo de monitorización de fibra óptica
3.2. Análisis de los datos de monitorización en tiempo real (abril-julio).
Cargas de tráfico: se observó un crecimiento mensual significativo en el volumen total de tráfico, en el número de vehículos con sobrepeso y en el de vehículos que circulaban a exceso de velocidad. El tráfico medio diario osciló entre 7319 y 14 431 vehículos, con picos en junio y julio.
Respuesta estructural (deformación): la respuesta de deformación bajo cargas de vehículos mostró una distribución de picos múltiples. El análisis identificó que dicha respuesta se concentraba en la sección de 3.50 L a 5.50 L del lado oeste.
Acoplamiento temperatura-deflexión: se halló una fuerte correlación positiva entre la temperatura ambiental y la deflexión de la viga principal (R² = 0,6953). La deflexión máxima registrada fue de 628,9 mm. El análisis identificó las zonas de la viga principal en las que la influencia de la temperatura sobre la deflexión era más marcada.
3.3. Acoplamiento y análisis mediante el modelo de elementos finitos (MEF).
Se creó un modelo 3D del LZYB en Abaqus/CAE 2021 para simular su comportamiento bajo cargas de diseño. Los resultados de la simulación fueron los siguientes:
Energía: la energía máxima se concentró en la losa de fondo de la viga principal, entre los vanos 2 y 3.
Deformación: la máxima deformación (0,004813 µε) se observó en la parte media de los cables atirantados.
Tensión: La tensión máxima (991,175 MPa) se localizó también en los cables atirantados, concretamente en el cable 3-1.
Desplazamiento: El desplazamiento vertical máximo calculado fue de 0,002267 metros en el centro del vano principal (sección 6L/12 de la viga).
4. Discusión: optimización y evaluación de la sostenibilidad.
La comparación entre los datos de supervisión en tiempo real y los resultados del FEM sirvió de base para optimizar el diseño.
4.1. Redundancia estructural identificada.
El análisis comparativo reveló una discrepancia significativa: la deflexión vertical global del puente durante su funcionamiento (entre 0,0021 y 0,5944 m) representaba entre el 26,50 % y el 33,90 % del valor máximo predicho por el modelo FEM con cargas de diseño (hasta 2,2434 m). Este hecho indica que el diseño estructural es significativamente conservador o «redundante».
4.2. Optimización del diseño de la viga principal.
Aprovechando la redundancia identificada, se llevó a cabo un proceso de optimización del diseño acoplado de la viga principal. Se analizó el impacto de reducir el volumen de hormigón de la viga de forma iterativa.
Resultado de la optimización: se determinó que era posible reducir el volumen de hormigón de la losa de fondo de la viga principal en un 15 % (es decir, reducir su espesor a 70 mm) sin comprometer el cumplimiento de los requisitos de rendimiento bajo las cargas de diseño originales.
4.3. Evaluación del ciclo de vida (LCA) y de los beneficios.
Se realizó una evaluación del ciclo de vida (LCA) para cuantificar los beneficios ambientales y económicos del diseño optimizado.
Beneficios ambientales y económicos: la reducción del 15 % del hormigón utilizado en la viga principal se traduce en un ahorro significativo a lo largo de todo el ciclo de vida del proyecto.
Indicador de evaluación
Reducción
Calentamiento global (GWP100a)
2009,65 toneladas de CO2 eq.
Acidificación (AP)
8,86 toneladas de SO2 eq.
Eutrofización (FEP)
7,12 toneladas de PO4 eq.
Polvo en suspensión (PMFP)
79,63 toneladas
Ahorro económico (coste de material)
2 694 189,55 CNY
5. Conclusiones y hallazgos clave
La investigación demuestra con éxito la viabilidad de un sistema inteligente de supervisión en la nube, acoplado a un modelado FEM, para analizar la seguridad y optimizar el diseño de puentes de gran envergadura.
Resultados clave:
Fallo de cables: el fallo de los cables es un factor crítico para la estabilidad de los puentes atirantados y debe ser un objetivo principal del seguimiento.
Ubicación de la tensión máxima: la tensión más alta se concentra en los cables más largos (en este caso, el cable n.º 10), específicamente en la zona situada a menos de 2 metros de la parte superior de la torre principal.
Diseño del sistema de monitorización subóptimo: el diseño actual de los puntos de control resulta ineficiente. No hay sensores en la parte superior de la torre, donde la tensión es máxima, mientras que hay demasiados en la viga principal.
Enfoque del mantenimiento: el mantenimiento rutinario de los cables atirantados debe centrarse en las zonas de conexión de la parte superior de la torre y de la viga principal.
Innovación y limitaciones: La principal innovación del estudio consiste en aplicar de manera sistemática datos medidos y el modelado FEM 3D para resolver problemas de seguridad y optimización en puentes complejos. Esto ofrece un ejemplo práctico de supervisión en tiempo real y de análisis de la solidez de los datos. Una limitación reconocida es la falta de un estudio en profundidad sobre los efectos destructivos de las sobrecargas de peso y de velocidad, lo que sugiere una línea de investigación para el futuro.
Acaban de publicar un artículo nuestro en Structural Engineering and Mechanics, una de las revistas de referencia del JCR. Este trabajo sintetiza los resultados de un estudio en el que se presenta un marco de optimización multiobjetivo innovador para el diseño de pasarelas peatonales con estructuras mixtas de acero y hormigón.
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 contextual.
El objetivo principal de esta investigación ha sido equilibrar la eficiencia económica y medioambiental con la seguridad estructural y el confort del usuario, integrando de manera única la resiliencia ante incendios. A diferencia de investigaciones previas, este trabajo incorpora seis escenarios distintos de exposición al fuego, desde 320 hasta 720 segundos, para evaluar el rendimiento de la estructura en condiciones extremas.
Los resultados revelan una relación directa y lineal entre el coste y las emisiones de CO₂, lo que demuestra que por cada dólar estadounidense (1 USD) ahorrado en el coste por metro de la estructura, se reduce la emisión de 0,7727 kg de CO₂. Este descubrimiento posiciona la optimización de costes como una estrategia que favorece la sostenibilidad económica y medioambiental.
Un descubrimiento clave es que se pueden lograr mejoras sustanciales en la seguridad contra incendios con inversiones moderadas. Un aumento del 23 % en el coste permite que la estructura resista casi 8 minutos (460 segundos) de exposición al fuego antes de colapsar, mientras que incrementos menores, del 3,91 % y 15,06 %, aseguran la estabilidad durante 320 y 400 segundos, respectivamente. El estudio también pone de manifiesto un cambio fundamental en la configuración del diseño óptimo: mientras que los diseños esbeltos son más eficientes en términos de coste y emisiones en condiciones normales, las configuraciones más compactas son necesarias para garantizar la seguridad en caso de exposición prolongada al fuego. Estos resultados ofrecen directrices prácticas para el desarrollo de infraestructuras urbanas más seguras, resilientes y sostenibles.
1. Marco de optimización multiobjetivo.
El estudio aborda una brecha crítica en ingeniería estructural: la falta de investigaciones que apliquen métodos de optimización a infraestructuras reales, integrando simultáneamente criterios de sostenibilidad (económicos, medioambientales y sociales) y de seguridad, especialmente en condiciones extremas, como la exposición al fuego.
1.1. Metodología aplicada
El análisis se centra en una pasarela peatonal de estructura mixta de acero y hormigón, con una luz de 17,5 metros, ubicada en el sur de Brasil. Con el fin de hallar las soluciones óptimas, se empleó un algoritmo de Búsqueda de Armonía Multiobjetivo (MOHS, por sus siglas en inglés), desarrollado a medida en Python. El proceso de optimización busca minimizar simultáneamente tres funciones objetivo:
Coste: coste de los materiales necesarios para construir la estructura, basado en los precios del mercado brasileño.
Emisiones de CO₂: el impacto ambiental, medido por las emisiones de CO₂ asociadas a la producción de los materiales, para lo que se han utilizado indicadores específicos de la región objeto de estudio.
Aceleración vertical máxima: medida del confort de los peatones, calculada a partir de las vibraciones inducidas por su movimiento.
El modelo tiene en cuenta ocho variables de diseño discretas, como el espesor de la losa de hormigón y las dimensiones de las vigas de acero, lo que da como resultado un espacio de búsqueda de 7×10¹¹ soluciones posibles.
Ilustración de la pasarela mixta
1.2. Escenarios de exposición al fuego.
Una de las innovaciones centrales del estudio es incorporar la resiliencia al fuego en el proceso de optimización. Se ha simulado un escenario de incendio de un vehículo debajo de una pasarela utilizando una curva tiempo-temperatura específica, desarrollada a partir de pruebas experimentales realizadas en puentes no confinados. Además de la condición a temperatura ambiente (0 segundos), se analizaron seis periodos de exposición al fuego que provocaron una degradación significativa de las propiedades mecánicas del acero.
Periodo de exposición al fuego (s)
Temperatura del acero (°C)
Factor de reducción (límite elástico)
Factor de reducción (módulo de elasticidad)
0
20
1,00
1,00
320
200
1,00
0,90
400
300
1,00
0,80
460
400
1,00
0,70
510
500
0,78
0,60
560
600
0,47
0,31
720
700
0,23
0,13
2. Hallazgos clave y análisis de resultados.
El proceso de optimización generó un frente de Pareto tridimensional que muestra los equilibrios entre coste, emisiones y confort en los distintos escenarios de incendio.
2.1. Relación lineal entre el coste y las emisiones de CO₂.
Se identificó una relación directa y consistente entre el coste de fabricación y las emisiones de CO₂ en todos los escenarios analizados. Los datos demuestran que cada real brasileño (R$) ahorrado mediante la optimización equivale a una reducción de 0,1358 kg de CO₂. Convertido a dólares estadounidenses, esto equivale a una reducción de 0,7727 kg de CO₂ por cada dólar estadounidense ahorrado por metro de pasarela.
Esta correlación confirma que la optimización económica es una herramienta eficaz para promover la sostenibilidad medioambiental, especialmente en regiones que necesitan desarrollar infraestructuras sin sacrificar la eficiencia económica.
2.2. Intercambio entre la resistencia al fuego y el coste.
Como era de esperar, aumentar la resistencia de la estructura al fuego implica un mayor coste y, por tanto, más emisiones. Sin embargo, el estudio demuestra que es posible lograr mejoras significativas en la seguridad con incrementos de coste relativamente bajos o moderados.
Un incremento del 3,91 % en el coste permite que la estructura resista durante 320 segundos (5 minutos) de fuego.
Un incremento del 15,06 % extiende la resistencia a 400 segundos (6,5 minutos).
Un incremento moderado del 23 % evita el colapso durante casi ocho minutos (460 segundos), lo que proporciona un tiempo valioso para la evacuación.
Diseñar para resistir un incendio de 12 minutos (720 segundos) incrementa el coste en más del 400 %, por lo que resulta inviable en la mayoría de los casos.
2.3. Impacto en el confort de los peatones.
Los objetivos de coste y confort son conflictivos: un mayor confort (menor aceleración vertical) exige una mayor rigidez estructural, lo que se traduce en un mayor consumo de materiales.
Pasar de un nivel de confort «mínimo» a «medio» implica un aumento del coste promedio del 44 %.
Mejorar el nivel de confort de «medio» a «máximo» solo requiere un aumento promedio del 6 % en el coste, lo que sugiere que es una inversión factible en la mayoría de los escenarios.
La excepción es el escenario de 12 minutos de fuego, en el que alcanzar el nivel de confort «máximo» supone un 68 % más que el «medio», debido a la grave degradación del rendimiento del acero.
3. Implicaciones prácticas y configuraciones óptimas de diseño.
El análisis de las variables de diseño de las soluciones óptimas revela patrones claros y ofrece implicaciones prácticas para la ingeniería.
3.1. Evolución del diseño en función de la exposición al fuego.
La configuración geométrica óptima de la pasarela varía drásticamente según el tiempo de exposición al fuego considerado.
En ausencia de fuego o con una exposición breve, la solución más eficiente es un diseño de alta esbeltez, con vigas de acero altas y delgadas que se acercan a los límites normativos. Así se minimiza el consumo de material, lo que reduce costes y emisiones.
Con una exposición prolongada al fuego (es decir, superior a 510 segundos), la solución óptima se desplaza hacia configuraciones más compactas y menos esbeltas. Se observa un aumento considerable del espesor del alma y de las alas de las vigas de acero.
Este cambio se debe a que, a altas temperaturas, el límite de esbeltez (que depende del módulo de elasticidad y del límite elástico del acero) disminuye considerablemente. En los escenarios más extremos, el límite de esbeltez deja de ser una restricción activa y el algoritmo prioriza la robustez geométrica para cumplir con otros requisitos de diseño.
Periodo de exposición (s)
Esbeltez óptima / Límite de esbeltez
0
99,17 %
460
99,54 %
560
68,45 %
720
46,98 %
3.2. Estrategias de materiales.
Preferencia por el acero: el estudio revela que, para aumentar la seguridad contra incendios, es más rentable y sostenible incrementar el consumo de acero (a pesar de la degradación de sus propiedades) que aumentar la rigidez mediante una losa de hormigón más gruesa.
Interacción total: en todas las soluciones óptimas de menor coste, el grado de interacción entre la viga de acero y la losa de hormigón es del 100 % (α = 1,0), lo que indica que el comportamiento compuesto completo es la opción más eficiente.
4. Conclusiones principales
El estudio presenta un marco sólido para el diseño de pasarelas mixtas de acero y hormigón y demuestra que es posible equilibrar sostenibilidad, economía y seguridad. Las conclusiones más relevantes son las siguientes:
Sostenibilidad y coste vinculados: existe una relación lineal y cuantificable entre la reducción de costes y la disminución de las emisiones de CO₂, por lo que la optimización económica puede utilizarse como herramienta para la sostenibilidad ambiental.
Seguridad contra incendios asequible: es posible mejorar significativamente la seguridad de una pasarela ante un incendio con incrementos de coste moderados y económicamente viables.
El diseño se adapta al riesgo: la configuración óptima de una estructura no es universal; los diseños esbeltos son ideales para condiciones normales, pero las configuraciones compactas son cruciales para la resiliencia en escenarios de incendio prolongados.
Implicaciones para el diseño: los resultados subrayan la importancia de incorporar escenarios de riesgo extremo en las primeras fases del diseño estructural para crear infraestructuras más seguras y resilientes sin comprometer desproporcionadamente los recursos.
Estas conclusiones se aplican únicamente a la tipología de estructura y al escenario de incendio estudiados, así como a los costes y a los factores de emisión regionales. Por tanto, se requieren más investigaciones para validar y extender estos resultados a otros contextos.
La unidad experimental (UE) es el elemento central en el diseño y el análisis de experimentos comparativos. Se define como la entidad a la que se le puede asignar un tratamiento de forma independiente y sobre la cual se realizan las mediciones. La identificación correcta de la UE es fundamental, ya que la estimación de la variabilidad natural, conocida como error experimental, depende exclusivamente de la comparación entre unidades experimentales idénticas que reciben el mismo tratamiento.
