Un artículo reciente en Sustainable Cities and Society revista del primer decil del JCR, explora un innovador modelo de evaluación de la sostenibilidad en la industria de la construcción, con aplicaciones de gran impacto a nivel global.
Esta investigación, llevada a cabo por un equipo de expertos de la Universidad de Ciencia e Ingeniería de Hunan (China) y de la Universitat Politècnica de València (España), introduce el «modelo de acoplamiento multidisciplinar», una metodología que integra conocimientos avanzados de matemáticas, ingeniería, ciencias ambientales y sociología económica para analizar, de manera más precisa, los efectos de la construcción sobre la sostenibilidad a largo plazo. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.
Objetivos y contexto de la investigación
El trabajo parte de un desafío global urgente: reducir las emisiones de carbono en la industria de la construcción, que representa un porcentaje significativo del consumo energético y de las emisiones contaminantes a nivel mundial. Según estimaciones previas, esta industria generará más del 50 % de las emisiones de carbono para 2050 si no se implementan políticas de mitigación eficaces. En este contexto, el equipo de investigación plantea un enfoque innovador para analizar el ciclo de vida completo de las construcciones, desde la selección de materiales y el diseño, hasta la construcción, el mantenimiento y el desmantelamiento, conocido como evaluación del ciclo de vida (LCA, por sus siglas en inglés).
Además, para obtener una visión integrada que abarque el impacto ambiental, social y económico de cada proyecto, se emplea la evaluación social del ciclo de vida (SIA), que permite analizar los efectos en la sociedad y en la economía. El objetivo principal de la investigación es ofrecer un marco más robusto que ayude a los gobiernos y a las empresas del sector a tomar decisiones informadas que favorezcan el desarrollo urbano sostenible.
Metodología y desarrollo del modelo
Para desarrollar este modelo, los investigadores implementaron una técnica de «acoplamiento multidisciplinar» novedosa que incorpora algoritmos avanzados y teorías de optimización de estructuras en tres dimensiones. Este enfoque se basa en el uso de algoritmos de interpolación y ajuste de datos, capaces de proyectar los impactos de la construcción de manera más precisa. Además, el modelo emplea herramientas de software de análisis ambiental, como OpenLCA, que permite integrar datos económicos y medioambientales para evaluar la sostenibilidad.
El equipo realizó pruebas del modelo en cuatro regiones económicas clave de China: las provincias de Hubei, Jiangsu, Henan y Guangdong, seleccionando puentes de gran escala en cada una como ejemplos de estudio. A través de análisis finitos y optimización de topología de estas estructuras, lograron proyectar cómo variará el impacto ambiental y social a lo largo de los próximos cien años.
Resultados más destacados y proyecciones futuras
Los resultados obtenidos indican que la industria de la construcción en China alcanzará su máximo de emisiones en el año 2030, con un estimado de 2,73 giga toneladas (GT) de CO₂. Tras este pico, se proyecta una significativa reducción de las emisiones, con niveles de -2,78 GT anuales entre 2061 y 2098, debido a la implementación de técnicas de construcción más eficientes y al uso de materiales más sostenibles. A nivel social, la evaluación SIA prevé un pico de impacto en 2048, con 4,26 GT de CO₂ equivalente en afectaciones sociales, seguido también de una reducción en las décadas posteriores.
Para obtener estas cifras, el estudio utilizó un algoritmo de optimización de la estructura en las distintas fases del ciclo de vida, con el que identificó puntos de mejora y áreas críticas de impacto. Así, el modelo no solo ofrece una herramienta para la proyección de emisiones, sino que también permite evaluar el desempeño de cada estructura en términos de durabilidad, coste y adaptabilidad a cambios estructurales, lo cual podría ser crucial en regiones urbanas que experimentan un crecimiento acelerado.
Conclusiones y aplicación global
Este trabajo es una contribución pionera en la investigación sobre sostenibilidad en construcción, ya que ofrece un marco metodológico con potencial para ser replicado en otros países y sectores de la construcción. Su aplicación no solo está dirigida a la reducción de emisiones, sino también a la mejora de la resiliencia estructural y a la reducción de costes a largo plazo mediante un diseño optimizado. Los investigadores destacan que este modelo podría adaptarse a otros países que, como China, se enfrentan a grandes desafíos en la gestión de la sostenibilidad urbana y que buscan avanzar hacia economías bajas en carbono.
En conclusión, el modelo de acoplamiento multidisciplinar de esta investigación establece un estándar robusto para el análisis de sostenibilidad en construcciones complejas. Con este enfoque, gobiernos y empresas de construcción podrían optimizar sus prácticas para reducir los impactos negativos, no solo ambientales, sino también sociales y económicos, en sintonía con las metas de desarrollo sostenible. Este estudio ofrece, además, una guía para que la industria de la construcción pueda abordar sus desafíos actuales y proyectar una trayectoria sostenible para las próximas décadas.
Acaban de publicarnos un artículo en la revista Sustainability, revista indexada en el JCR. El artículo de investigación se centra en la optimización de las funciones de coste del ciclo de vida (LCC) e impacto ambiental (LCA) de las baterías de níquel-zinc (NiZn) mediante el algoritmo de optimización por enjambres de partículas multiobjetivo (MOPSO). El proceso de optimización se centra en las fases de adquisición de materias primas y de fin de vida útil de las baterías de NiZn para mejorar sus indicadores clave de rendimiento (KPI) de sostenibilidad. La metodología, implementada en MATLAB, utiliza un modelo de formulación de LCC y LCA ambiental, e incorpora datos de la base de datos Ecoinvent, el software OpenLCA y otras bases de datos públicas. Los resultados obtenidos gracias a la optimización proporcionan información sobre las combinaciones de países más eficaces para obtener materias primas para la producción de baterías de NiZn y gestionar los residuos de las baterías que no se pueden reciclar. Los KPI de sostenibilidad, como el impacto del calentamiento global y los costes de capital, se vinculan automáticamente a los resultados, lo que garantiza su reproducibilidad en caso de actualizaciones de datos o cambios en las ubicaciones de producción y reciclaje establecidas inicialmente en París (Francia) y Krefeld (Alemania). El proceso de validación implica un análisis de sensibilidad para garantizar la solidez de los parámetros matemáticos y tener en cuenta las futuras variaciones del mercado, junto con el uso del proceso jerárquico analítico (AHP) para validar los resultados con interacciones humanas. En el futuro, se sugiere incluir las fases de fabricación y uso en el modelo de optimización para mejorar aún más la sostenibilidad y la eficiencia de las baterías de NiZn.
Como conclusiones más importantes de este trabajo, se pueden señalar las siguientes:
El estudio optimizó el ciclo de vida, el impacto ambiental y el costr de las baterías de NiZn, utilizando los datos más recientes disponibles de los principales productores y centros de tratamiento de residuos.
La optimización por enjambres de partículas multiobjetivo (MOPSO) se consideró más adecuada que el algoritmo genético (GA) para la optimización multiobjetivo, debido a su eficiencia y eficacia.
El análisis tuvo en cuenta 14 flujos de materiales, una línea de eliminación de residuos y varias ubicaciones del mundo con diferentes costes e impactos ambientales, lo que puso de relieve la complejidad del proceso de optimización.
Mediante el MOPSO, se identificaron las ubicaciones óptimas de los proveedores de materias primas con un coste e impacto medioambiental mínimos, así como las ubicaciones de eliminación de residuos de materiales no reciclables.
Se recomendaron países proveedores óptimos específicos para los diferentes materiales, haciendo hincapié en la importancia de tomar decisiones estratégicas de abastecimiento para reducir el impacto ambiental y los costes.
El modelo de IA demostró su solidez al alinearse con los resultados del proceso jerárquico analítico (AHP) y mostrar su resiliencia a las fluctuaciones del mercado en el análisis de sensibilidad.
El estudio hizo hincapié en la necesidad de contar con módulos de programación dinámicos para estimar los indicadores clave de rendimiento (KPI) de sostenibilidad y validar los resultados de la optimización, especialmente en las fases de adquisición de materias primas y eliminación de residuos.
La validación mediante el AHP reveló similitudes y diferencias entre la IA y los resultados de las encuestas de un panel de expertos, lo que puso de manifiesto la eficacia del modelo de IA en la toma de decisiones estratégicas para el abastecimiento y la gestión de residuos.
El documento concluyó destacando la importancia de incorporar las fases de fabricación y uso en los futuros modelos de optimización para mejorar aún más la sostenibilidad y la eficiencia de las baterías de NiZn.
Abstract:
This study aims to optimize the Environmental Life Cycle Assessment (LCA) and Life Cycle Cost (LCC) of NiZn batteries using Pareto Optimization (PO) and Multi-objective Particle Swarm Optimization (MOPSO), which combine Pareto optimization and genetic algorithms (GA). The optimization focuses on the raw material acquisition and end-of-life phases of NiZn batteries to improve their sustainability Key Performance Indicators (KPIs). The optimization methodology, programmed in MATLAB, is based on a formulation model of LCC and the environmental LCA, using data from the Ecoinvent database, the OpenLCA software (V1.11.0), and other public databases. Results provide insights about the best combination of countries for acquiring raw materials to manufacture NiZn and for disposing of the waste of NiZn batteries that cannot be recycled. These results were automatically linked to some sustainability KPIs, such as global warming and capital costs, being replicable in case of data updates or changes in production or recycling locations, which were initially considered at Paris (France) and Krefeld (Germany), respectively. These results provided by an AI model were validated by using a sensitivity analysis and the Analytical Hierarchy Process (AHP) through an expert panel. The sensitivity analysis ensures the robustness of mathematical parameters and future variations in the market; on the other hand, the AHP validates the Artificial Intelligence (AI) results with interactions of human factors. Further developments should also consider the manufacturing and use phases in the optimization model.
Acaban de publicarnos un artículo en la revista Energies, revista indexada en el JCR. El artículo analiza los impactos ambientales de las baterías de níquel-zinc utilizando modelos matemáticos basados en las normas ISO y el método ReCiPe 2016. Asimismo, compara los impactos ambientales de las baterías de NiZn con los de otras tecnologías y sugiere formas de reducir su impacto mediante la energía renovable y la tecnología de recuperación ecológica. El documento sigue las normas ISO 14040 e ISO 14044 para la metodología de evaluación del ciclo de vida (LCA) y compara la batería de NiZn con las baterías de plomo-ácido y de iones de litio. También recopila los datos principales del inventario del ciclo de vida (LCI) de una producción a escala piloto en China para la fase inicial, centrándose en el consumo de electricidad y excluyendo determinadas evaluaciones de impacto ambiental. Utiliza el método ReCiPe 2016 para la evaluación del impacto, teniendo en cuenta las categorías de impacto intermedio y final, como el potencial de calentamiento global y los daños a la salud humana y los ecosistemas. Por último, aplica el software OpenLCA para modelar los impactos e incorpora los métodos de demanda energética acumulada (CED) y ReCiE 2016 con varios indicadores de impacto para realizar un análisis ambiental exhaustivo.
Las contribuciones más relevantes de este trabajo son las siguientes:
Desarrolla modelos matemáticos para estimar los impactos ambientales de las baterías de níquel-zinc durante el ciclo de vida, comparándolos con otras tecnologías de baterías.
Analiza los impactos ambientales de las baterías recargables de níquel-zinc desde el principio hasta la tumba, en consonancia con las normas ISO para el análisis del ciclo de vida.
Excluye las evaluaciones de impacto ambiental relacionadas con la infraestructura y los bienes de capital, y se centra en los impactos de los productos, el transporte y las contribuciones al final de su vida útil.
Proporciona funciones objetivas para optimizar el coste y el impacto medioambiental de las baterías de NiZn, lo que contribuye al objetivo del proyecto LOLABAT de lograr un alto rendimiento, una rentabilidad competitiva y una sostenibilidad.
Recibe financiación del programa de investigación Horizonte 2020 de la Unión Europea dentro del proyecto LOLABAT, lo que refleja las opiniones de los autores sobre la posible industrialización de las baterías de NiZn en el contexto europeo.
Las conclusiones más importantes del trabajo se pueden resumir de la siguiente forma:
Las baterías de NiZn tienen un impacto ambiental de aproximadamente 14 MJ para la demanda energética acumulada (CED) y de 0,82 kg de CO₂ equivalentes para el potencial de calentamiento global (GWP) por kWh de energía liberada, lo que las sitúa entre las baterías de iones de litio y las de plomo-ácido.
La fase de uso contribuye significativamente al impacto de la energía electromagnética, ya que las baterías de NiZn tienen un menor impacto ambiental en comparación con las baterías de plomo-ácido, pero son similares a las tecnologías de iones de litio.
Las baterías de NiZn tienen un impacto ambiental menor que las baterías de plomo-ácido, con un impacto ligeramente mayor en comparación con las baterías de iones de litio, lo que las convierte en una opción favorable tanto desde el punto de vista económico como medioambiental.
Se espera que las futuras mejoras en los procesos de fabricación y los componentes de las celdas reduzcan la carga medioambiental de las baterías de NiZn y respalden su potencial como solución de almacenamiento de energía más sostenible.
Abstract:
This paper presents a comprehensive and systematic analysis of the environmental impacts (EI) of novel nickel-zinc battery (RNZB) technology, a promising alternative for energy storage applications. The paper develops mathematical models for estimating the life cycle environmental impacts of RNZB from the cradle to the grave based on an extensive literature review and the ISO standards for life cycle costing and life cycle analysis. The paper uses the ReCiPe 2016 life cycle analysis (LCA) method to calculate the EI of RNZB in terms of eighteen Midpoint impact categories and three Endpoint impact categories: damage to human health, ecosystem diversity, and resource availability. The paper also compares the EI of RNZB with those of other battery technologies, such as lead-acid and lithium-ion LFP and NMC. The paper applies the models and compares results with those provided by the software openLCA (version 1.11.0), showing its reliability and concluding that NiZn batteries contribute approximately 14 MJ for CED and 0.82 kg CO₂ eq. for global warming per kWh of released energy. This places them between lithium-ion and lead-acid batteries. This study suggests that NiZn battery technology could benefit from using more renewable energy in end-use applications and adopting green recovery technology to reduce environmental impact. Further developments can use these models as objective functions for heuristic optimization of the EI in the life cycle of RNZB.
Keywords:
Sustainable energy; nickel-zinc battery; life cycle analysis modeling; environmental impacts of battery technologies
Rapid Publication: manuscripts are peer-reviewed, and a first decision is provided to authors approximately 16.9 days after submission; acceptance to publication is undertaken in 2.6 days (median values for papers published in this journal in the second half of 2023).
Recognition of Reviewers: reviewers who provide timely, thorough peer-review reports receive vouchers entitling them to a discount on the APC of their next publication in any MDPI journal in appreciation of the work done.
Institute of Concrete Science and Technology (ICITECH), Construction Engineering Department, Universitat Politècnica de València, 46022 València, Spain Interests: multiobjective optimization; structures optimization; lifecycle assessment; social sustainability of infrastructures; reliability-based maintenance optimization; optimization and decision-making under uncertainty Special Issues, Collections and Topics in MDPI journals
Escuela de Ingeniería en Construcción, Pontificia Universidad Católica de Valparaíso, Avenida Brasil 2147, Valparaíso 2362804, Chile Interests: optimization; deep learning; operations research; artificial intelligence applications to industrial problems Special Issues, Collections and Topics in MDPI journals
Special Issue Information
Dear Colleagues,
Optimization techniques have become frequent in recent decades due to the growing competitiveness brought about by globalization. With the development of new methods and the greater availability of computer resources, applications in the most diverse fields of knowledge have spread from academic banks to the day-to-day running of companies. However, a more realistic approach can be achieved if several objectives are integrated into the process. Thus, an exciting strategy cannot only meet cost requirements, for example, but it also concerns itself with durability, efficiency, reliability, and sustainability. Given that numerous objectives are involved, which are usually in conflict, new strategies are needed, while new and more complete applications are envisioned. In this sense, the Special Issue, “Multi-objective Optimization and Applications,” aims to provide a platform for disseminating knowledge related to multi-objective optimization. Research articles involving efficient and innovative optimization methods and new applications related to diverse areas of expertise are sought, promoting an exchange of new ideas and trends concerning the subject.
Prof. Dr. Víctor Yepes
Prof. Dr. Moacir Kripka
Dr. José Antonio García Guest Editors
Manuscript Submission Information
Manuscripts should be submitted online at www.mdpi.com by registering and logging in to this website. Once you are registered, click here to go to the submission form. Manuscripts can be submitted until the deadline. All submissions that pass pre-check are peer-reviewed. Accepted papers will be published continuously in the journal (as soon as accepted) and listed together on the special issue website. Research articles, review articles, and short communications are invited. For planned papers, a title and short abstract (about 100 words) can be sent to the Editorial Office for announcement on this website.
Submitted manuscripts should not have been published previously nor be under consideration for publication elsewhere (except conference proceedings papers). All manuscripts are thoroughly refereed through a single-blind peer-review process. A guide for authors and other relevant information for submission of manuscripts is available on the Instructions for Authors page. Mathematics is an international peer-reviewed open-access semimonthly journal published by MDPI.
Quisiera felicitar públicamente a nuestro estudiante de doctorado Mehrdad Hadizadeb-Bazaz por su Premio al mejor trabajo en la modalidad de póster otorgado por la Escuela de Doctorado de la Universitat Politècnica de València, dentro del IX Encuentro de Estudiantes de Doctorado. Tengo el honor y el placer de dirigir su tesis doctoral junto con el profesor Ignacio J. Navarro. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal. Es el segundo año consecutivo que Mehrdad consigue este premio.
Hoy en día, debido a los elevados costes de construcción, reparación y mantenimiento de grandes estructuras como los puentes, así como la creciente atención al ciclo de vida sostenible en todas las etapas, desde el diseño hasta el final de su vida útil, es crucial emplear diversos métodos para identificar daños y evaluar su eficacia en diferentes estructuras y condiciones. Esto no solo puede aumentar la vida útil de las estructuras y reducir los costes, sino también minimizar el impacto ambiental y social.
En este estudio, se examina la precisión de diversos métodos de detección de daños, tanto dinámicos como no destructivos, para identificar la magnitud, ubicación y momento en que se produce el daño en la estructura a lo largo de su vida útil. Se evalúa la precisión y posibles variaciones de cada uno de los métodos de detección de daños en distintos entornos, especialmente en ambientes costeros y ambientes agresivos. Además, se realiza una evaluación del desempeño y comparación de diferentes métodos de detección de daños no destructivos, teniendo en cuenta casos de sostenibilidad de diseño y evaluación del ciclo de vida, incluyendo aspectos económicos, ambientales e impactos sociales.
Os dejo el póster completo, para que lo podáis leer.
Acaban de publicarnos un artículo en Mathematics, revista indexada en el primer decil del JCR. El documento explora el diseño de estructuras modulares prefabricadas sostenibles utilizando la optimización multiobjetivo (MOO) y la toma de decisión multicriterio (MCDM) con algoritmos avanzados como NSGA-II, NSGA-III y RVEA. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.
El artículo destaca la importancia de integrar la sostenibilidad del ciclo de vida en los proyectos de infraestructura de transporte para estimular la innovación y la colaboración entre las partes interesadas. Además, presenta una estrategia de diseño novedosa que se centra en la optimización del ciclo de vida de los marcos modulares prefabricados de hormigón armado (RCPMF). Por último, amplía la comprensión de la aplicabilidad de los algoritmos avanzados de MOO y las técnicas de MCDM para mejorar el desarrollo sostenible de la infraestructura.
Las conclusiones más importantes de este trabajo son las siguientes:
El estudio evalúa el rendimiento de optimización del ciclo de vida de los algoritmos NSGA-II, NSGA-III y RVEA dentro de una estructura prefabricada tipo marco de diseño coherente para una infraestructura de transporte sostenible.
El NSGA-III se identifica como el algoritmo con mejor rendimiento, lo que demuestra su potencial para facilitar enfoques de diseño sostenibles.
El problema del MCDM se evalúa rigurosamente y se abordan nueve soluciones no dominantes generadas por los algoritmos de optimización, lo que demuestra la eficiencia y la fiabilidad del marco integrado de MOO y MCDM.
Los resultados abogan por un enfoque transformador del desarrollo de infraestructuras, orientado hacia soluciones de ingeniería más avanzadas y sostenibles.
Abstract:
The advancement toward sustainable infrastructure presents complex multi-objective optimization (MOO) challenges. This paper expands the current understanding of design frameworks that balance cost, environmental impacts, social factors, and structural integrity. Integrating MOO with multi-criteria decision-making (MCDM), the study targets enhancements in life cycle sustainability for complex engineering projects using precast modular road frames. Three advanced evolutionary algorithms—NSGA-II, NSGA-III, and RVEA—are optimized and deployed to address sustainability objectives under performance constraints. The efficacy of these algorithms is gauged through a comparative analysis, and a robust MCDM approach is applied to nine non-dominated solutions, employing SAW, FUCA, TOPSIS, PROMETHEE, and VIKOR decision-making techniques. An entropy theory-based method ensures systematic, unbiased criteria weighting, augmenting the framework’s capacity to pinpoint designs, balancing life cycle sustainability. The results reveal that NSGA-III is the algorithm converging towards the most cost-effective solutions, surpassing NSGA-II and RVEA by 21.11% and 10.07%, respectively, while maintaining balanced environmental and social impacts. The RVEA achieves up to 15.94% greater environmental efficiency than its counterparts. The analysis of non-dominated solutions identifies the 𝐴4𝐴4 design, utilizing 35 MPa concrete and B500S steel, as the most sustainable alternative across 80% of decision-making algorithms. The ranking correlation coefficients above 0.94 demonstrate consistency among decision-making techniques, underscoring the robustness of the integrated MOO and MCDM framework. The results in this paper expand the understanding of the applicability of novel techniques for enhancing engineering practices and advocate for a comprehensive strategy that employs advanced MOO algorithms and MCDM to enhance sustainable infrastructure development.
Resolver problemas en el ámbito universitario o profesional, en áreas tecnológicas, de ingeniería y ciencias, puede plantear una serie de desafíos que pueden conducir a errores. Estos fallos pueden surgir por diversas razones que van desde no comprender el concepto subyacente hasta confiar demasiado en la tecnología.
En un artículo anterior mencioné algunos ejemplos de problemas teóricamente sencillos, pero que marean a nuestros estudiantes. Ahora vamos a analizar detalladamente algunas de estas razones y cómo se relacionan entre sí. También he incluido enlaces a otros artículos del blog donde reflexiono sobre este tipo de cuestiones.
La falta de comprensión del concepto subyacente a un problema es una preocupación fundamental. Esto puede manifestarse de diversas formas, ya sea a través de errores conceptuales, una aplicación incorrecta del concepto o una interpretación errónea del mismo. Esta falta de entendimiento puede empeorar si se carece de experiencia o conocimientos específicos en el campo correspondiente. Cuando un estudiante o profesional se enfrenta a un problema para el que no tiene experiencia previa, puede tener dificultades para aplicar correctamente los principios necesarios para resolverlo.
Los datos son fundamentales para encontrar soluciones, sin embargo, su calidad y disponibilidad pueden ser problemáticos. La falta de datos adecuados, la presencia de información contradictoria o sesgada pueden conducir a conclusiones incorrectas. Asimismo, centrarse excesivamente en utilizar todos los datos disponibles puede distraer de la información realmente importante, al tiempo que validar datos sesgados o inventados puede conducir a conclusiones incorrectas.
El manejo inadecuado de las bases matemáticas también puede ser una fuente de errores (geometría, trigonometría, cálculo o álgebra). Esto puede incluir errores en el cálculo, así como el uso inapropiado de fórmulas o modelos matemáticos. Los problemas reales rara vez tienen una sola solución, lo que requiere habilidades para evaluar y decidir entre múltiples enfoques posibles. Además, el uso excesivo de la memoria en lugar de la comprensión de los principios subyacentes puede conducir a errores conceptuales y de selección de modelos de cálculo.
Los aspectos psicológicos también son importantes. El estrés, la falta de confianza en uno mismo, la presión por terminar a tiempo y la falta de concentración pueden afectar a la capacidad de resolver problemas de manera efectiva. La falta de atención a los detalles, la fatiga y el agotamiento también pueden provocar errores en la resolución de problemas.
Es crucial comprender que los problemas reales pueden ser complejos y no tener necesariamente una solución única. Esto implica la necesidad de tomar decisiones informadas y comprender las limitaciones de los modelos o fórmulas utilizados. Además, la propagación de errores en las operaciones y el uso incorrecto de datos, fórmulas o software pueden dar lugar a resultados erróneos.
La falta de retroalimentación o revisión de los errores cometidos puede perpetuar la repetición de los mismos una y otra vez. La falta de comunicación o colaboración entre profesionales en entornos de trabajo también puede provocar errores en la resolución de problemas. Confiar ciegamente en la tecnología o en herramientas automatizadas sin comprender en profundidad los principios subyacentes puede ser un problema.
En resumen, resolver problemas en el ámbito universitario o profesional de la ingeniería y las ciencias puede ser un proceso complejo y propenso a errores debido a una variedad de factores interrelacionados. Desde la comprensión del concepto hasta la calidad y disponibilidad de los datos, así como los aspectos psicológicos y técnicos relacionados con la resolución de problemas, es crucial abordar estos desafíos con atención y comprensión para lograr soluciones precisas y efectivas. Desde las universidades debe hacerse todo lo posible para superar este tipo de dificultades y conseguir que nuestros estudiantes adquieran las competencias necesarias para su posterior desarrollo profesional.
Sin querer ser exhaustivo, y sin que estén ordenadas por importancia, aquí os dejo una lista de 30 posibles causas por las cuales nuestros estudiantes en los exámenes o los técnicos en su ámbito profesional, suelen cometer errores al resolver los problemas. Estoy convencido de que hay más causas, pero esto puede ser un buen punto de partida para el debate y la reflexión. En el vídeo que he grabado, me extiendo y explico algo más lo que aquí recojo como una simple lista.
La falta de comprensión del concepto subyacente en un problema puede conducir a errores conceptuales al aplicarlo incorrectamente o interpretarlo de manera errónea.
La inexperiencia o la falta de conocimientos específicos pueden surgir cuando una persona afronta por primera vez un tipo de problema, ya sea durante un examen o en la práctica profesional.
Los problemas relacionados con la disponibilidad de datos pueden presentarse de varias formas, como datos insuficientes, necesarios, innecesarios o contradictorios. A menudo, existe una obsesión por utilizar todos los datos disponibles en el enunciado del problema.
La calidad de los datos también es un factor importante, con la posibilidad de incertidumbre o error en los datos disponibles. Además, dar por válidos datos sesgados, interesados o inventados puede llevar a conclusiones incorrectas. Es necesario un control de calidad de los datos.
Intentar resolver un problema utilizando el enfoque típico visto en clase puede marear a nuestros estudiantes. Los alumnos prefieren resolver un problema típico explicado en clase, a ser posible, con datos parecidos.
El manejo inadecuado de las bases matemáticas, que incluye errores en el cálculo, el uso incorrecto de fórmulas o modelos matemáticos, y la falta de comprensión de los principios subyacentes, puede ser una fuente común de errores. La falta de conocimientos básicos de geometría, trigonometría, álgebra o cálculo básicos son, en ocasiones, escollos. A veces hay dificultades en saber dibujar un esquema para resolver el problema.
Los problemas reales generalmente no tienen una sola solución, lo que requiere habilidades para evaluar y decidir entre múltiples enfoques posibles. Esta distinción, que se da claramente entre los estudios de grado y los de máster, es importante tenerla en cuenta.
Los aspectos psicológicos, como el estrés, la falta de confianza en uno mismo, la presión por terminar a tiempo y la falta de concentración, pueden afectar negativamente la capacidad para resolver problemas de manera efectiva.
La falta de atención o interés, así como la fatiga o el agotamiento, pueden contribuir a errores en la resolución de problemas, al igual que la prisa por resolver el problema.
La complejidad de los problemas puede aumentar cuando se trata de situaciones poco comunes o rebuscadas, lo que requiere un enfoque cuidadoso y creativo para su resolución.
Es crucial comprender la diferencia entre una ley general y una fórmula particular al aplicar normas técnicas que pueden estar basadas en hipótesis o casos específicos.
Utilizar modelos de cálculo inadecuados, ya sean demasiado refinados o demasiado simples para los datos disponibles, puede conducir a soluciones incorrectas.
Carecer de números estimativos para prever el resultado final puede resultar en una falta de comprensión del orden de magnitud del resultado. En este sentido, el uso de nomogramas en la docencia facilita la adquisición de este tipo de habilidad en los estudiantes. Los estudiantes y los profesionales deberían tener un conocimiento del “número gordo” y saber predimensionar.
Es importante ser consciente de la propagación de errores en las operaciones, ya que incluso pequeños errores pueden magnificarse y llevar a resultados incorrectos.
Utilizar fórmulas, datos o tablas en un contexto diferente al que dieron origen puede llevar a interpretaciones incorrectas o a soluciones erróneas.
La extrapolación de resultados a límites no contemplados puede conducir a conclusiones incorrectas o poco realistas.
Utilizar fórmulas empíricas con datos expresados en unidades diferentes a las que funcionan puede generar resultados inconsistentes o incorrectos.
La dependencia excesiva de la memoria en lugar de comprender los principios subyacentes puede conducir a errores en la selección de modelos o fórmulas de cálculo.
Errores conceptuales pueden llevar a la selección incorrecta de modelos o fórmulas de cálculo, lo que resulta en soluciones erróneas.
El uso de software defectuoso o poco contrastado, así como la falta de habilidades para calcular manualmente un problema, pueden resultar en resultados incorrectos. A esto se une un uso inapropiado de la inteligencia artificial.
El mal uso de ecuaciones o fórmulas, como cambiar el nombre de una variable sin entender el concepto subyacente, puede conducir a errores en la resolución de problemas.
La falta de competencia o experiencia en una materia determinada puede resultar en una resolución incorrecta del problema.
Repetir la resolución de problemas de un contexto a otro sin pensar en su validez puede conducir a soluciones inapropiadas.
La falta de comprensión del problema, la pregunta o el tipo de resultado esperado puede resultar en soluciones incorrectas debido a la falta de comprensión lectora, capacidad analítica o de síntesis.
La utilización de unidades defectuosas, notaciones o convenciones específicas puede llevar a interpretaciones erróneas o a soluciones incorrectas.
La falta de retroalimentación o revisión de los errores cometidos puede perpetuar la repetición de los mismos errores una y otra vez.
La falta de comunicación o colaboración en entornos de trabajo entre profesionales puede contribuir a errores en la resolución de problemas.
La confianza excesiva en la tecnología o herramientas automatizadas puede llevar a la falta de comprensión de los principios subyacentes y a la comisión de errores.
La falta de revisión o verificación de los cálculos realizados por parte de un tercero independiente puede resultar en soluciones incorrectas.
La falta de conocimiento del contexto del problema, incluyendo las restricciones, puede conducir a soluciones subóptimas o incorrectas.
Os paso un vídeo donde he desarrollado las ideas anteriores, con ejemplos, y he dejado algunas de mis reflexiones al respecto. Espero que os guste.
Acaban de publicarnos un artículo en Mathematics, revista indexada en el primer decil del JCR. El trabajo trata sobre la toma de decisiones en infraestructuras viales sostenibles. Para ello se utiliza una variante personalizada de la técnica NSGA-II con operadores de reparación para una optimización multiobjetivo. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.
El documento propone un enfoque novedoso que combina la optimización multiobjetivo (MOO) con técnicas de toma de decisiones basadas en criterios múltiples (MCDM) para el diseño y la selección de estructuras modulares prefabricadas de hormigón armado (RCPMF) en infraestructuras viales, con un enfoque en la sostenibilidad. El estudio evalúa la eficacia de tres operadores de reparación a la hora de optimizar los objetivos económicos, ambientales y sociales, y utiliza algoritmos personalizados y un análisis del ciclo de vida (LCA) para una evaluación precisa. Los resultados muestran que el operador de reparaciones basado en estadísticas ofrece soluciones con un menor impacto en todas las dimensiones y demuestra una variabilidad mínima, lo que lo convierte en el más adecuado para cumplir con los requisitos de diseño del RCPMF.
Las contribuciones más importantes de este trabajo son las siguientes:
El documento presenta un enfoque novedoso que combina la optimización multiobjetivo (MOO) con técnicas de toma de decisiones basadas en criterios múltiples (MCDM) para el diseño y la selección de estructuras modulares prefabricadas de hormigón armado (RCPMF) en infraestructuras viales, con un enfoque en la sostenibilidad.
El estudio evalúa la eficacia de tres operadores de reparación (basados en estadísticas, aleatorios y de proximidad) a la hora de optimizar los objetivos económicos, ambientales y sociales.
El artículo presenta una versión personalizada del algoritmo NSGA-II (NSGA-II) de clasificación no dominada, complementada con un análisis detallado del ciclo de vida (LCA), para facilitar la evaluación precisa de las funciones objetivas.
El artículo demuestra el uso de dos técnicas de MCDM, a saber, la ponderación aditiva simple (SAW) y (FUCA), para puntuar y clasificar las soluciones MOO.
La investigación proporciona una estrategia clara y metódica para integrar el MOO y el MCDM, formando un marco coherente para la implementación práctica en contextos de ingeniería complejos.
El estudio destaca la importancia de tener en cuenta los principios de sostenibilidad desde la fase de diseño y de emplear las técnicas de MOO para encontrar soluciones equilibradas y óptimas en la ingeniería civil.
Abstract:
Integrating sustainability principles into the structural design and decision-making processes for transportation infrastructure, particularly concerning reinforced concrete precast modular frames (RCPMF), is recognized as crucial for ensuring environmentally responsible, economically feasible, and socially beneficial outcomes. In this study, this challenge is addressed, with the significance of sustainable development in modern engineering practices being underscored. A novel approach, which combines multi-objective optimization (MOO) with multi-criteria decision-making (MCDM) techniques, is proposed, tailored specifically for the design and selection of RCPMF. The effectiveness of three repair operators—statistical-based, random, and proximity based—in optimizing economic, environmental, and social objectives is evaluated. Precise evaluation of objective functions is facilitated by a customized Non-dominated Sorting Genetic Algorithm II (NSGA-II) algorithm, complemented by a detailed life cycle analysis (LCA). The utilization of simple additive weighting (SAW) and fair un choix adéquat (FUCA) methods for the scoring and ranking of the MOO solutions has revealed that notable excellence in meeting the RCPMF design requirements is exhibited by the statistical-based repair operator, which offers solutions with lower impacts across all dimensions and demonstrates minimal variability. MCDM techniques produced similar rankings, with slight score variations and a significant correlation of 0.9816, showcasing their consistent evaluation capacity despite distinct operational methodologies.
Keywords:
Multi-objective optimization; multi-criteria decision-making; modular structure; life cycle sustainability; NSGA-II; simple additive weighting; fair un choix adéquat.
Nos acaban de publicar en la revista Sustainable Cities and Society (1/68, CONSTRUCTION & BUILDING TECHNOLOGY, primer decil del JCR) un artículo relacionado con la evaluación del desarrollo sostenible de la industria de la construcción regional y nacional.
El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València. Se corresponde con la colaboración internacional que mantiene nuestro grupo de investigación con la Hunan University of Science and Engineering, de China. El primer autor, Prof. Zhou, sigue perteneciendo a nuestro grupo de investigación, pues desarrolló con nosotros su tesis doctoral.
Los datos de la investigación muestran que la industria de la construcción en China alcanzará su pico más alto de emisiones, según la evaluación del ciclo de vida en 2030 y tendrá emisiones nocivas entre 2061 y 2098. La evaluación del impacto social indica que se alcanzará su punto máximo en 2048.
Las contribuciones más relevantes de esta investigación son las siguientes:
El artículo innova modelos teóricos, como la «ponderación de la sensibilidad de la respuesta estructural», a través de una investigación interdisciplinaria, que aborda las limitaciones de la precisión de la iteración multifactorial, multidiscreta, con múltiples restricciones y con un bajo acoplamiento.
La investigación proporciona un sistema integral de teoría de la investigación y estándares de referencia para el cálculo científico y la evaluación precisa del desarrollo sostenible de la industria de la construcción en varios países del mundo.
El documento presenta un modelo, el «peso de sensibilidad a la respuesta estructural (SRSW)», que determina de forma precisa e intuitiva los resultados de la evaluación del desarrollo sostenible de la industria de la construcción regional y nacional.
La investigación incluye estudios de casos para demostrar la solidez del modelo, y muestra el pico de emisiones y las emisiones nocivas más altas de la industria de la construcción en China según la evaluación del ciclo de vida más alto.
La investigación contribuye al campo de la investigación sobre sostenibilidad en la industria de la construcción, ya que proporciona información y datos para que los responsables políticos y los profesionales tomen decisiones informadas con respecto al entorno ecológico.
ABSTRACT:
Sustainability research in the construction industry is of great strategic significance to the ecological environment of countries worldwide. This paper innovates theoretical models such as “structural response sensitivity weight” through interdisciplinary research on advanced mathematics, engineering science, computer science, environmental management and economic sociology. The model solves the limitations of multi-factor, multi-discrete, multi-constraint and low coupling iteration accuracy. The article shows the robustness of the model through case studies. The research data shows that the construction industry in China will reach its highest life cycle assessment emission peak of 2.73 GT in 2030 and will have harmful emissions of -2.78 GT between 2061 and 2098. The social impact assessment will peak at 4.26 GT in 2048 and harmful emissions of −3.75 GT per year from 2061 to 2098. This research provides a comprehensive research theory system and reference standards for scientific calculation and accurate assessment of the sustainable development of the construction industry in various countries around the world.
KEYWORDS:
Gross domestic product; Life cycle cost; Life cycle assessment; Social impact assessment; Topology optimization.
La editorial ELSEVIER permite el acceso directo y gratuito a este artículo hasta el 8 de marzo de 2024. El enlace para la descarga es: https://authors.elsevier.com/c/1iRse7sfVZE2dg
Figura 1. Conceptos relacionados con el uso de metamodelos, (a) relación entre precisión y coste computacional para diferentes enfoques de la modelación (adaptado de Roman et al. (2020)) y (b) descripción genérica de un metamodelo como una función de caja negra (adaptado de Texeira et al. (2020)).
Dentro del XIII Coloquio de Análisis, Diseño y Monitoreo Estructural de la IV Convención Científica Internacional UCLV 2023, se presentó una ponencia sobre las aplicaciones de la optimización estructural asistida por metamodelos. Os paso a continuación la ponencia, por si os resulta de interés.
Resumen:
Debido al creciente interés por mejorar la sostenibilidad del sector de las construcciones, la optimización del diseño estructural ha venido cobrando auge en los últimos tiempos. Una de las desventajas de estos procedimientos es el enorme consumo computaciones que requieren. Sin embargo, la optimización asistida por metamodelos (MASDO por sus siglas en inglés) es una variante muy útil, ya que permite acortar considerablemente los tiempos de cómputo manteniendo la precisión en los resultados de la optimización. En este trabajo se exponen las estrategias de MASDO más utilizadas en el ámbito de la ingeniería estructural, así como algunas aplicaciones prácticas.
Un artículo reciente en Sustainable Cities and Society revista del primer decil del JCR, explora un innovador modelo de evaluación de la sostenibilidad en la industria de la construcción, con aplicaciones de gran impacto a nivel global.
