Categoría: optimización

RESILIFE: Optimización resiliente de estructuras híbridas en condiciones extremas

En este artículo se explica el proyecto RESILIFE, cuyos investigadores principales son Víctor Yepes y Julián Alcalá, de la Universitat Politècnica de València. Se trata de un proyecto de investigación de carácter internacional en el que también colaboran profesores de Brasil, Chile y China. Además, se están realizando varias tesis doctorales de estudiantes de Cuba, Perú, México y Ecuador, así como de estudiantes españoles. A continuación, se describe brevemente el proyecto y se incluye una comunicación reciente donde se explica con más detalle.

El proyecto RESILIFE se centra en optimizar de forma resiliente el ciclo de vida de estructuras híbridas y modulares para conseguir una alta eficiencia social y medioambiental, especialmente en condiciones extremas. La investigación aborda la necesidad de diseñar, construir y mantener infraestructuras que puedan resistir y recuperarse rápidamente de desastres naturales o provocados por el ser humano, minimizando las pérdidas y el impacto en la sociedad y el medioambiente. Para ello, el estudio propone utilizar inteligencia artificial, metaheurísticas híbridas, aprendizaje profundo y teoría de juegos en un enfoque multicriterio. El objetivo es mejorar la seguridad, reducir costes y optimizar la recuperación, alineándose con los Objetivos de Desarrollo Sostenible (ODS). La metodología integral incluye el análisis del ciclo de vida, así como la aplicación de lógica neutrosófica y redes bayesianas para la toma de decisiones.

¿Qué problema aborda el proyecto RESILIFE y por qué es urgente?

El proyecto RESILIFE aborda el desafío crítico que supone diseñar y mantener infraestructuras resilientes y sostenibles frente a desastres naturales y provocados por el ser humano. La urgencia es evidente debido a las enormes pérdidas humanas y económicas causadas por estos eventos (más de 1,1 millones de muertes y 1,5 billones de dólares en pérdidas entre 2003 y 2013), lo que subraya la necesidad de estructuras de alto rendimiento que protejan vidas y economías, al tiempo que se alinean con los Objetivos de Desarrollo Sostenible (ODS) de las Naciones Unidas. Además, los errores de diseño y construcción, así como la falta de mantenimiento, han demostrado ser causas significativas de colapso estructural, y solo el 50 % de las reparaciones de hormigón resultan efectivas en Europa.

¿Cuál es el objetivo principal de RESILIFE?

El objetivo general del proyecto RESILIFE es optimizar el diseño, el mantenimiento y la reparación de estructuras híbridas y modulares (MMC) de alta eficiencia social y medioambiental para que puedan resistir condiciones extremas. Para ello, se deben abordar problemas complejos de toma de decisiones en los ámbitos público y privado, integrando criterios de sostenibilidad social y medioambiental durante todo el ciclo de vida de las estructuras y teniendo en cuenta la variabilidad e incertidumbre inherentes al mundo real. El objetivo es que estas estructuras sean tan seguras como las tradicionales, pero con una mayor capacidad de recuperación rápida y un menor impacto social y medioambiental.

 

¿Qué tipos de estructuras son el foco de RESILIFE y por qué?

El proyecto se centra en estructuras híbridas (que combinan, por ejemplo, acero y hormigón) y en estructuras basadas en métodos modernos de construcción (MMC), especialmente las modulares. Estas estructuras se han elegido como objeto de estudio debido a su gran potencial para mejorar la resiliencia estructural, la eficiencia en la construcción (al reducir las interrupciones en obra y mejorar el control de calidad) y la sostenibilidad. A pesar de sus ventajas, se han identificado lagunas en la investigación sobre su optimización para eventos extremos y su aplicación en estructuras complejas, aspectos que el proyecto RESILIFE busca subsanar.

¿Qué metodologías innovadoras utiliza RESILIFE para lograr sus objetivos?

RESILIFE emplea un enfoque multidisciplinario e innovador que integra diversas técnicas avanzadas:

¿Cómo aborda RESILIFE la incertidumbre y la variabilidad en el diseño y mantenimiento de estructuras?

El proyecto aborda la incertidumbre y la variabilidad mediante varias estrategias:

  • Análisis de funciones de distribución de eventos extremos: Para el diseño óptimo basado en fiabilidad.
  • Metamodelos y metaheurísticas híbridas basadas en fiabilidad: Permiten manejar la aleatoriedad de los parámetros y asegurar que los proyectos optimizados no sean inviables ante pequeños cambios en las condiciones.
  • Técnicas de decisión multicriterio (lógica neutrosófica y redes bayesianas): Integran aspectos inciertos y criterios subjetivos en la toma de decisiones.
  • Análisis de sensibilidad: De los escenarios presupuestarios y las hipótesis del ciclo de vida para identificar las mejores prácticas.

¿Qué se entiende por “resiliencia” en el contexto de RESILIFE y cómo se cuantifica?

En el contexto de RESILIFE, la resiliencia se define como la capacidad de una estructura para resistir eventos extremos, mantener su funcionalidad o recuperarla rápidamente con reparaciones mínimas tras sufrir daños, y con un bajo coste social y medioambiental. El objetivo es ir más allá de la simple resistencia y centrarse en la capacidad de adaptación y recuperación. El proyecto tiene como objetivo desarrollar procedimientos explícitos para cuantificar la resiliencia de las estructuras e infraestructuras en el contexto de múltiples amenazas, un aspecto que actualmente presenta una laguna en la investigación. Esto incluye tener en cuenta la funcionalidad técnico-socioeconómica y los impactos a lo largo de toda su vida útil.

¿Qué tipo de casos de estudio se aplican en la metodología RESILIFE?

La metodología de RESILIFE se aplica a varios casos de estudio clave:

  • Optimización de pórticos de edificios altos: Con estructura de acero híbrido y hormigón armado, sometidos a un fuerte incremento de temperatura, o ante el fallo completo de soportes para evitar el colapso progresivo.
  • Viviendas sociales prefabricadas en zonas sísmicas: Optimizando su resistencia a acciones extremas y su capacidad de reparación rápida.
  • Mantenimiento y reparación de patologías: Resultantes de eventos extremos en diversas estructuras.
  • Otras estructuras como puentes mixtos y estructuras modulares: Ampliando el alcance más allá de las viviendas. Estos casos de estudio permiten validar la aplicabilidad de las metodologías propuestas en situaciones reales y complejas.

¿Cuáles son las principales contribuciones esperadas de RESILIFE a la ingeniería estructural y la sostenibilidad?

Las principales contribuciones esperadas de RESILIFE son:

  • Desarrollo de soluciones constructivas innovadoras: Como conexiones especiales y estructuras fusibles para aumentar la resiliencia y evitar el colapso progresivo.
  • Formulación de metodologías de participación social: Para integrar criterios objetivos y subjetivos en decisiones multicriterio.
  • Propuesta de técnicas de optimización multiobjetivo avanzadas: Basadas en metaheurísticas híbridas de deep learning, teoría de juegos y fiabilidad.
  • Introducción de nuevas métricas: Que prioricen soluciones resilientes en la frontera de Pareto.
  • Identificación de políticas presupuestarias efectivas: Y definición de buenas prácticas de diseño, reparación y mantenimiento robusto en construcciones MMC y estructuras híbridas.
  • Avances en la modelización y evaluación: De la sostenibilidad a largo plazo y el impacto ambiental de las infraestructuras, contribuyendo a normativas y software de diseño más eficientes.

Descargar (PDF, 391KB)

Glosario de términos clave

  • Resiliencia (estructural): Capacidad de una estructura para absorber, resistir, adaptarse y recuperarse de un evento extremo, manteniendo o recuperando su funcionalidad rápidamente y con costes mínimos.
  • Estructuras híbridas: Estructuras que combinan dos o más materiales estructurales diferentes, como acero y hormigón, para optimizar sus propiedades y rendimiento.
  • Estructuras modulares: Estructuras compuestas por unidades o módulos prefabricados que se ensamblan en el lugar de la construcción, ofreciendo ventajas en velocidad de construcción y control de calidad.
  • Eventos extremos: Desastres naturales (terremotos, tsunamis, inundaciones) o provocados por humanos (explosiones, impactos) que causan daños significativos a las estructuras y la sociedad.
  • Optimización del ciclo de vida: Proceso de diseño, construcción, mantenimiento y reparación de una estructura, considerando su impacto total (económico, social, ambiental) a lo largo de toda su vida útil.
  • Sostenibilidad: Principio que busca satisfacer las necesidades actuales sin comprometer la capacidad de las futuras generaciones para satisfacer sus propias necesidades, integrando aspectos ambientales, sociales y económicos.
  • Inteligencia artificial (IA): Campo de la informática que dota a las máquinas de la capacidad de aprender, razonar y resolver problemas, utilizada aquí para evaluar y mejorar la resiliencia.
  • Metaheurísticas híbridas: Algoritmos de optimización que combinan diferentes técnicas heurísticas o metaheurísticas para encontrar soluciones eficientes a problemas complejos, especialmente en la optimización multiobjetivo.
  • Aprendizaje profundo (Deep Learning – DL): Subcampo del aprendizaje automático que utiliza redes neuronales artificiales con múltiples capas para aprender representaciones de datos, aplicado para mejorar la toma de decisiones y reducir tiempos de cálculo.
  • Teoría de juegos: Rama de las matemáticas que estudia las interacciones estratégicas entre agentes racionales, aplicada en la optimización multiobjetivo para el diseño de estructuras.
  • Lógica neutrosófica: Marco matemático para tratar la indeterminación y la inconsistencia, utilizado en la toma de decisiones multicriterio para manejar la incertidumbre.
  • Redes bayesianas: Modelos gráficos probabilísticos que representan relaciones de dependencia condicional entre variables, empleadas en el análisis multicriterio y la gestión de incertidumbre.
  • Colapso progresivo: Fenómeno en el cual un daño inicial localizado en una estructura se propaga a otras partes, llevando al colapso desproporcionado de una gran porción o de toda la estructura.
  • Modern Methods of Construction (MMC): Métodos de construcción modernos que incluyen tecnologías de prefabricación, construcción modular e impresión 3D, buscando mayor eficiencia y control de calidad.
  • BIM (Building Information Modeling / Modelos de Información en la Construcción): Proceso de creación y gestión de un modelo digital de un edificio o infraestructura, que facilita la integración del proyecto estructural y la toma de decisiones a lo largo del ciclo de vida.
  • Metamodelo (o modelo subrogado): Modelo simplificado de un sistema complejo que permite realizar cálculos más rápidos y eficientes, crucial para reducir los tiempos de computación en la optimización.
  • Diseño óptimo basado en fiabilidad: Enfoque de diseño que considera la probabilidad de fallo y las incertidumbres inherentes para optimizar las estructuras, garantizando un nivel de seguridad predefinido.
  • Frontera de Pareto: Conjunto de soluciones óptimas en problemas de optimización multiobjetivo, donde ninguna de las funciones objetivo puede mejorarse sin degradar al menos otra función objetivo.

Agradecimientos:

Grant PID2023-150003OB-I00 funded by MCIN/AEI/10.13039/501100011033, and the European Regional Development Fund (ERDF), a program of the European Union (EU).

Aportaciones al Congreso sobre Optimización de Estructuras HPSM/OPTI 2025, Edimburgo (Reino Unido)

Los días 10 a 12 de junio de 2025 se celebró en Edimburgo (Reino Unido) uno de los congresos más importantes sobre optimización de estructuras: “12th International Conference on High Performance and Optimum Design of Structures and Materials, HPSM/OPTI 2025“. He participado en dicho congreso tanto en su Comité Científico como Invited Speaker.

Este trabajo se enmarca dentro del proyecto de investigación RESILIFE, que dirijo como investigador principal, junto con el profesor Julián Alcalá, en la Universitat Politècnica de València. Además, es uno de los resultados de la tesis doctoral de Lorena Yepes.

En cuanto la comunicación esté publicada en el libro de ponencias, os pasaré el enlace para su descarga gratuita. A continuación os paso el resumen de la comunicación presentada.

El artículo «Multi-Attribute Decision-Making in Prestressed Concrete Road Flyover Design», propone una innovadora metodología para optimizar el diseño de puentes de hormigón pretensado teniendo en cuenta simultáneamente tres criterios clave: el coste económico, las emisiones de CO₂ y la energía incorporada en los materiales. Su objetivo es encontrar soluciones de compromiso que equilibren sostenibilidad y eficiencia estructural.

Aportaciones principales del estudio

Este trabajo aporta un enfoque sistemático y práctico para integrar criterios medioambientales y económicos en el diseño de pasos elevados. Frente a las metodologías tradicionales que suelen priorizar únicamente el coste, los autores aplican técnicas de toma de decisiones multicriterio para considerar también el impacto ambiental desde el inicio del proceso proyectual. Además, ofrecen pautas concretas para diseños preliminares que buscan un equilibrio entre coste, emisiones y consumo energético.

Metodología empleada

La investigación se basa en técnicas avanzadas de optimización y modelado. En primer lugar, se utilizaron 50 soluciones iniciales de diseño generadas mediante un muestreo estadístico conocido como Latin Hypercube Sampling, que explora diferentes combinaciones de parámetros como la resistencia del hormigón, la anchura de la base y la profundidad del tablero.

A continuación, se aplicó un modelo de sustitución de tipo Kriging, capaz de estimar con gran precisión los resultados estructurales sin necesidad de cálculos exhaustivos para cada diseño. Esto permitió ampliar el análisis a 1.000 soluciones adicionales simuladas.

Con todas las alternativas sobre la mesa, se extrajo la “frontera de Pareto”, un conjunto de soluciones no dominadas que representan los mejores compromisos posibles entre los tres objetivos. Finalmente, se aplicaron distintos escenarios de toma de decisiones multiatributo, asignando diferentes pesos a cada criterio, para seleccionar los diseños más equilibrados.

Resultados más relevantes

El análisis reveló que los diseños más sostenibles tienen características comunes: una relación entre canto del tablero y luz principal cercana a 1/30 y una resistencia del hormigón de 40 MPa. Estas configuraciones permiten reducir tanto el consumo de materiales como las emisiones sin comprometer la viabilidad estructural.

Dependiendo del peso asignado a cada criterio (coste, emisiones, energía), se identificaron varias soluciones óptimas, destacando especialmente dos (denominadas #6 y #13) por su buen rendimiento integral. Curiosamente, priorizar solo el coste lleva a soluciones con mayor canto, mientras que priorizar el medio ambiente genera estructuras más esbeltas y materialmente eficientes.

Conclusiones y recomendaciones

El estudio concluye que aplicar técnicas de decisión multicriterio en la ingeniería civil permite diseñar infraestructuras más sostenibles y racionales, sin sacrificar funcionalidad ni economía. Se recomienda considerar desde fases tempranas del diseño variables ambientales clave como las emisiones o la energía embebida, además de los costes.

Asimismo, los autores sugieren incorporar la participación de los diferentes agentes implicados (ingenieros, administraciones, ciudadanía) para lograr soluciones más equilibradas y duraderas.

Este trabajo representa un avance hacia una práctica de la ingeniería más alineada con los Objetivos de Desarrollo Sostenible, y especialmente con el ODS 9, que promueve infraestructuras resilientes, sostenibles e innovadoras.

Referencia:

YEPES-BELLVER, L.; ALCALÁ, J.; YEPES, V. (2025). Multi-attribute decision-making in prestressed concrete road flyover design. International Conference on High Performance and Optimum Design of Structures and Materials, HPSM/OPTI 2025, 10-12 June 2025, Edinburgh, UK.

Tesis doctoral: Optimización multicriterio para el diseño sostenible de puentes postesados mediante metamodelos

De izquierda a derecha: Julián Alcalá, Salvador Ivorra, Lorena Yepes, Tatiana García y Antonio Tomás.

Hoy, 6 de junio de 2025, ha tenido lugar la defensa de la tesis doctoral de Dª. Lorena Yepes Bellver, titulada “Multi-criteria optimization for sustainable design of post-tensioned concrete slab bridges using metamodels”, dirigida por el profesor Julián Alcalá González. La tesis ha obtenido la máxima calificación de sobresaliente «cum laude». A continuación, presentamos un pequeño resumen de la misma.

Esta tesis utiliza técnicas de modelización sustitutiva para optimizar los costes económicos y medioambientales en puentes losa de hormigón postesado hormigonado in situ. El objetivo principal de esta investigación es desarrollar una metodología sistemática que permita optimizar el diseño de puentes, reduciendo los costes, las emisiones de CO₂ y la energía necesaria para construir este tipo de puentes sin comprometer la viabilidad estructural o económica. El marco de optimización propuesto consta de dos fases secuenciales: la primera se centra en ampliar el espacio de búsqueda y la segunda intensifica la búsqueda de soluciones óptimas. El metamodelo basado en Kriging realiza una optimización heurística que da como resultado un diseño con emisiones de CO₂ significativamente menores que los diseños convencionales. El estudio revela que una relación de esbeltez de aproximadamente 1/30 arroja resultados óptimos, ya que se reduce el consumo de material y se mantiene la integridad estructural. Además, el aumento de la armadura pasiva compensa la reducción de hormigón y armadura activa, lo que da como resultado un diseño más sostenible. Por otra parte, se identifica una compensación entre costes y emisiones que muestra que un modesto aumento de los costes de construcción (menos del 1 %) puede reducir sustancialmente las emisiones de CO₂ (más del 2 %), lo que demuestra que el diseño de puentes sostenibles puede ser económicamente viable.

La investigación explora más a fondo la optimización de la energía incorporada en la construcción de pasos elevados de carreteras anuladas mediante el uso de muestreo por hipercubo latino y optimización basada en Kriging. La metodología permite identificar los parámetros críticos de diseño, como los altos coeficientes de esbeltez (en torno a 1/28), el uso mínimo de hormigón y armadura activa, y el aumento de la armadura pasiva para mejorar la eficiencia energética. Aunque en el estudio se emplearon Kriging y redes neuronales artificiales (RNA), Kriging demostró ser más eficaz a la hora de identificar óptimos locales, a pesar de que las redes neuronales ofrecen predicciones absolutas más precisas. Esto pone de manifiesto la eficacia de los modelos sustitutos a la hora de orientar las decisiones de diseño sostenible, incluso cuando los modelos no ofrecen predicciones absolutas perfectamente exactas.

En el contexto de la optimización de costes para puentes de losa postesada, el estudio demuestra el potencial del modelado sustitutivo combinado con la simulación del recocido. Los resultados muestran que el método de optimización basado en Kriging conduce a una reducción de costes del 6,54 %, principalmente mediante la minimización del uso de materiales, concretamente de hormigón en un 14,8 % y de acero activo en un 11,25 %. Estas reducciones en el consumo de material se consiguen manteniendo la integridad estructural y la capacidad de servicio del puente, lo que convierte al modelado sustitutivo en una herramienta práctica y eficaz para la optimización económica en el diseño de puentes.

El estudio también evalúa la forma de optimizar las emisiones de CO₂ en pasos elevados de carreteras pretensadas. Se identifican los parámetros óptimos de diseño, como grados de hormigón entre C-35 y C-40 MPa, profundidades del tablero entre 1,10 y 1,30 m, y anchuras de base entre 3,20 y 3,80 m. La red neuronal mostró las predicciones más precisas entre los modelos predictivos analizados, con los errores medios absolutos (MAE) y cuadrados medios (RMSE) más bajos. Estos resultados subrayan la importancia de seleccionar el modelo predictivo adecuado para optimizar las emisiones de CO₂ en el diseño de puentes y destacan el valor de utilizar modelos sustitutivos para mejorar la sostenibilidad en los proyectos de ingeniería civil.

Por último, la investigación integra la toma de decisiones multicriterio (MCDM) con la optimización basada en Kriging para evaluar y optimizar los diseños de puentes en relación con objetivos económicos, medioambientales y estructurales. El enfoque MCDM permite evaluar de manera más exhaustiva las alternativas de diseño al tener en cuenta las compensaciones entre coste, impacto ambiental y rendimiento estructural. Esta integración contribuye al desarrollo sostenible de las infraestructuras, ya que facilita la selección de diseños óptimos que se ajusten a los objetivos de sostenibilidad.

En conclusión, esta tesis demuestra que el modelado sustitutivo, que utiliza explícitamente el Kriging y redes neuronales artificiales, es un enfoque práctico para optimizar las dimensiones medioambiental y económica del diseño de puentes. El marco de optimización en dos fases que aquí se presenta proporciona una metodología eficiente desde el punto de vista computacional que permite identificar soluciones de diseño óptimas y sostenibles que cumplen las restricciones estructurales y económicas. Los resultados sugieren que la metodología es aplicable a proyectos de infraestructuras a gran escala y sentarán las bases para futuras investigaciones. Futuros estudios podrían investigar el uso de algoritmos y modelos de optimización adicionales para perfeccionar aún más el proceso de optimización y mejorar la aplicabilidad de estas metodologías en proyectos reales.

Referencias:

ZHOU, Z.; WANG, Y.J.; YEPES-BELLVER, L.; ALCALÁ, J.; YEPES, V. (2025). Intelligent monitoring of loess landslides and research on multi-factor coupling damage. Geomechanics for Energy and the Environment, 42:100692. DOI:10.1016/j.gete.2025.100692

ZHOU, Z.; YEPES-BELLVER, L.; ALCALÁ, J.; YEPES, V. (2025). Study on the failure mechanism of deep foundation pit of high-rise building: comprehensive test and microstructure coupling. Buildings, 15(8), 1270. DOI:10.3390/buildings15081270

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

BLIGHT, T.; MARTÍNEZ-PAGÁN, P.; ROSCHIER, L.; BOULET, D.; YEPES-BELLVER, L.; YEPES, V. (2025). Innovative approach of nomography application into an engineering educational context. Plos One, 20(2): e0315426. DOI:10.1371/journal.pone.0315426

NAVARRO, I.J.; VILLALBA, I.; YEPES-BELLVER, L.; ALCALÁ, J. Social Life Cycle Assessment of Railway Track Substructure Alternatives. J. Clean. Prod. 2024, 450, 142008.

YEPES-BELLVER, L.; BRUN-IZQUIERDO, A.; ALCALÁ, J.; YEPES, V. (2024). Artificial neural network and Kriging surrogate model for embodied energy optimization of prestressed slab bridges. Sustainability, 16(19), 8450. DOI:10.3390/su16198450

YEPES-BELLVER, L.; BRUN-IZQUIERDO, A.; ALCALÁ, J.; YEPES, V. (2023). Embodied energy optimization of prestressed concrete road flyovers by a two-phase Kriging surrogate model. Materials, 16(20); 6767. DOI:10.3390/ma16206767

YEPES-BELLVER, L.; BRUN-IZQUIERDO, A.; ALCALÁ, J.; YEPES, V. (2022). CO₂-optimization of post-tensioned concrete slab-bridge decks using surrogate modeling. Materials, 15(14):4776. DOI:10.3390/ma15144776

Tesis doctoral: Baterías níquel-zinc: equilibrio óptimo entre coste y sostenibilidad

Ignacio Villalba, Ashwani Kumar y Víctor Yepes

Hoy, 6 de mayo de 2025, ha tenido lugar la defensa de la tesis doctoral de D. Ashwani Kumar Malviya, titulada “Optimization of LCA and LCCA for a novel NiZn battery through multi-objective particle swarm optimization (MOPSO) and its application in e-mobility and smart building infrastructure”, dirigida por los profesores Ignacio Villalba Sanchis y Víctor Yepes. La tesis ha obtenido la máxima calificación de sobresaliente «cum laude». A continuación, presentamos un pequeño resumen de la misma.

En el contexto de la urgente transición hacia un sistema eléctrico descarbonizado, el almacenamiento energético se ha convertido en un pilar fundamental para integrar fuentes renovables intermitentes, como la solar y la eólica, en la red eléctrica y en aplicaciones de e-movilidad y edificios inteligentes. La tesis de Ashwani Kumar Malviya explora por primera vez de manera integrada la viabilidad de las baterías recargables de níquel-zinc (RNZB), que combinan materias primas abundantes (níquel y zinc), electrólitos acuosos no inflamables y un proceso de producción simplificado que prescinde de salas blancas. Gracias a recientes innovaciones en la formulación de los electrodos, estas celdas de 10 Ah y 60 Wh/kg alcanzan más de 2000 ciclos al 100 % de profundidad de descarga, superando uno de los principales obstáculos de esta tecnología.

El trabajo se estructura en torno a cinco preguntas clave:

  1. ¿Cuál es el coste total de ciclo de vida (LCC) de una batería de litio de níquel (RNZB), desde la extracción de materia prima hasta su fin de vida, medido tanto en €/kg como en €/kWh entregado?
  2. ¿Qué impacto ambiental (LCA) —evaluado en 18 categorías midpoint y 3 endpoint con ReCiPe 2016— genera la RNZB en comparación con baterías de plomo-ácido, LFP y NMC?
  3. ¿Es posible que un algoritmo multiobjetivo (MOPSO) identifique configuraciones de suministro y reciclaje que minimicen simultáneamente el coste de ciclo de vida (LCC) y el impacto ambiental (LCA)?
  4. ¿Hasta qué punto estas soluciones son resistentes ante variaciones de ±20 % en parámetros críticos, tales como la mezcla eléctrica en uso y la eficiencia del ciclo?
  5. ¿En qué medida las preferencias de un panel de expertos, analizadas mediante el proceso de jerarquía analítica (AHP), coinciden con la clasificación de Pareto generada por el MOPSO?

Esta tesis presenta un modelo estructurado que integra ecuaciones de LCC —que incluyen CAPEX, OPEX y fin de vida en función de la masa de batería y la energía suministrada— con un LCA exhaustivo basado en datos de la base Ecoinvent y OpenLCA. La implementación de MOPSO en MATLAB para optimizar ambos indicadores constituye una innovación metodológica de gran valor, pues genera un frente de Pareto de soluciones no dominadas que equilibra coste y huella ambiental. Además, la comparación efectuada demostró que la RNZB puede ofrecer un coste medio de ciclo de vida de aproximadamente 120 €/kWh, en comparación con los 150 €/kWh de LFP y los 180 €/kWh de plomo-ácido, manteniendo un GWP de 0,24 kg CO₂ eq/kWh —inferior a los 0,30 kg CO₂ eq/kWh del plomo-ácido—, lo que sitúa a la RNZB como la opción económicamente más competitiva sin renunciar a un desempeño ambiental favorable.

El estudio establece un alcance «cradle-to-grave», que comprende la extracción de níquel y zinc, la formulación de electrodos (cátodo de NiOOH con un 11,6 % de peso y ánodo de ZnO con un 7,5 %), el transporte, el ensamblaje de celdas de 10 Ah y 60 Wh/kg, los escenarios de uso con diferentes mezclas eléctricas (0-100 % RES) y el fin de vida, que incluye el reciclaje metalúrgico de metales y la valorización energética de plásticos. Para el LCA, se implementó el enfoque ReCiPe 2016 en 18 categorías midpoint (GWP, ODP, entre otras) y 3 endpoint (salud, ecosistemas, recursos). Para el LCC, se desarrollaron fórmulas validadas mediante el uso de OpenLCA. El MOPSO implementado explora variables de origen de materias primas y rutas de reciclaje, manteniendo un archivo diverso de soluciones no dominadas. Una vez concluido el proceso, se realizó un análisis de sensibilidad, que incluyó la evaluación de la variación del mix eléctrico y la eficiencia del ciclo. Posteriormente, se llevó a cabo una validación AHP con un grupo de doce expertos, quienes contrastaron sus preferencias con el ranking de Pareto obtenido.

Los resultados obtenidos evidencian que, en condiciones de mix eléctrico base (100 % red convencional), la RNZB registra un LCC de 120 €/kWh y un GWP de 0,24 kg CO₂ eq/kWh. El MOPSO ha identificado 10 soluciones óptimas que reducen hasta un 15 % el LCC y un 20 % el GWP respecto a la configuración estándar. Al integrar el 75 % de energía renovable en la fase de uso, el GWP desciende a 0,18 kg CO₂ eq/kWh, lo que resulta en una reducción del CED en un 30 %. El análisis de sensibilidad confirmó que estas ventajas se mantienen con variaciones de hasta ±20 % en mix y eficiencia. Asimismo, la validación AHP mostró un 85 % de coincidencia entre las preferencias de los expertos y el ranking de Pareto.

La tesis confirma que las RNZB ofrecen un equilibrio excepcional entre coste y sostenibilidad para aplicaciones estacionarias (almacenamiento residencial, edificios inteligentes y e-movilidad), especialmente si se combinan con un uso mayoritario de RES y se aplican técnicas de «recuperación verde» en el reciclaje. La simplicidad del proceso acuoso y la ausencia de elementos críticos (cobalto) reducen significativamente los riesgos y los costes de suministro. Sin embargo, la dependencia del níquel sugiere la necesidad de diversificar las fuentes de suministro y establecer circuitos cerrados para la recuperación de metales. Desde una perspectiva metodológica, la integración de LCA, LCC, MOPSO y AHP constituye un marco sólido y adaptable a otros sistemas de ingeniería que requieran optimizar múltiples indicadores de manera simultánea.

Tras el análisis llevado a cabo, esta tesis concluye que la RNZB es la opción de ciclo de vida más económica (con un coste aproximado de 120 €/kWh) y que presenta una huella ambiental competitiva (0,24 kg CO₂ eq/kWh). Asimismo, se ha comprobado que un MOPSO bien configurado puede generar frentes de Pareto robustos que reducen hasta un 20 % el GWP y un 15 % el coste. La validación mediante sensibilidad y AHP garantiza la aplicabilidad práctica de las recomendaciones. Se propone como líneas futuras la incorporación de datos en tiempo real de operación, la exploración de electrodos con menor proporción de níquel y la extensión de la metodología a sistemas híbridos de energía para potenciar la circularidad y la resiliencia del sector.

Referencias:

MALVIYA, A.K.; ZAREHPARAST MALEKZADEH, M.; SANTARREMIGIA, F.E.; MOLERO, G.D.; VILLALBA-SANCHIS, I.; MARTÍNEZ-FERNÁNDEZ, P.; YEPES, V. (2024). Optimization of the Life cycle cost and environmental impact functions of NiZn batteries by using Multi-Objective Particle Swarm Optimization (MOPSO). Sustainability, 16(15):6425. DOI:10.3390/su16156425

MALVIYA, A.K.; ZAREHPARAST MALEKZADEH, M.; LI, J.; LI, B.; SANTARREMIGIA, F.E.; MOLERO, G.D.; VILLALBA-SANCHIS, I.; YEPES, V. (2024). A formulation model for computation to estimate the Life Cycle Environmental Impact of NiZn Batteries. Energies, 17(11):2751. DOI:10.3390/en17112751

MALVIYA, A.K.; ZAREHPARAST MALEKZADEH, M.; SANTARREMIGIA, F.E.; MOLERO, G.D.; VILLALBA-SANCHIS, I.; YEPES, V. (2024). A formulation model for computation to estimate the Life Cycle Cost of NiZn Batteries. Sustainability, 16(5):1965. DOI:10.3390/su16051965

Optimización estructural multiobjetivo en edificios: cómo reducir costos y emisiones con vigas de sección variable

Acaban de publicar nuestro artículo en la revista Energy and Buildings, de la editorial Elsevier, indexada en D1 del JCR. El estudio presenta una tipología estructural compuesta que combina columnas de hormigón armado con vigas de acero de sección variable híbrida transversal (THVS) para optimizar el coste económico, las emisiones de CO₂ y la energía incorporada en la construcción de edificios.

Este trabajo se enmarca dentro del proyecto de investigación RESILIFE, que dirijo como investigador principal, junto con el profesor Julián Alcalá, en la Universitat Politècnica de València.

El estudio plantea la siguiente pregunta de investigación: ¿en qué medida la optimización del diseño estructural de edificios en marco mediante el uso de una tipología compuesta con columnas de hormigón armado y vigas de sección variable transversamente híbridas (THVS) contribuye a la reducción del coste económico, de las emisiones de CO₂ y de la energía incorporada en la construcción?

Esta formulación permite abordar de manera precisa la problemática del impacto ambiental y económico del sector de la construcción, orientando la investigación hacia la identificación de configuraciones estructurales que minimicen estos factores mediante metodologías de optimización. La pregunta define claramente el problema central: la búsqueda de una alternativa estructural más eficiente que las tipologías tradicionales de hormigón armado.

Metodología

El estudio adopta un enfoque de optimización estructural basado en la combinación de Biogeography-Based Optimization (BBO) y Constrained Deterministic Local Iterative Search (CDLIS). Este enfoque permite buscar de manera eficiente soluciones en un espacio de diseño altamente complejo. Se analizan tres tipologías estructurales:

  1. Estructura tradicional de hormigón armado: Se optimizan las dimensiones de vigas, columnas y cimentaciones, así como la calidad del hormigón utilizado.
  2. Estructura compuesta con vigas THVS y uniones rígidas: Se sustituyen las vigas de hormigón armado por vigas THVS con conexiones fijas a las columnas.
  3. Estructura compuesta con vigas THVS y uniones articuladas: Similar a la anterior, pero con conexiones articuladas.

Las funciones objetivo optimizadas incluyen:

  • Coste económico: Calculado con base en los precios unitarios de materiales y procesos constructivos.
  • Emisiones de CO₂(e): Evaluadas según un enfoque «cradle-to-site», considerando la extracción de materias primas, fabricación y construcción.
  • Energía incorporada: Calculada en términos de consumo energético total en las fases de producción y construcción.

Se tienen en cuenta restricciones estructurales y de servicio según las normativas de diseño. Además, se implementa la interacción suelo-estructura mediante un modelo de tipo Winkler para evaluar los asentamientos diferenciales y su efecto en el diseño estructural.

Aportaciones relevantes

  • La tipología compuesta con vigas THVS y conexiones rígidas logra una reducción del 6 % en costes económicos, del 16 % en emisiones de CO₂ y del 11 % en energía incorporada para edificios con luces de 4 m.
  • Para edificios con luces de 8 m, la configuración con uniones articuladas permite reducir los costos económicos y las emisiones en un 5 % y un 6 %, respectivamente, aunque con un mayor consumo de energía.
  • Se demuestra que la menor carga axial transmitida por las vigas THVS reduce las solicitaciones en columnas y cimentaciones, lo que optimiza su diseño y reduce su impacto ambiental.
  • Se comprueba que el uso de acero de mayor calidad en las alas de las vigas THVS en comparación con el alma mejora la eficiencia estructural, con razones de hibridación (Rh) entre 1,2 y 2,0.

Discusión de resultados

El análisis de los resultados revela diferencias significativas entre las configuraciones estructurales. En los edificios con luces reducidas (4 m), las vigas THVS con uniones rígidas ofrecen el mejor rendimiento en términos de coste y sostenibilidad. En cambio, en edificios con luces mayores (8 m), las conexiones articuladas permiten un mejor aprovechamiento del material, aunque con una menor rigidez global.

Cabe destacar que la consideración de elementos de rigidización adicionales, como muros y losas, mejora notablemente el comportamiento de la tipología articulada, reduciendo su impacto ambiental en un 45 % y disminuyendo en un 60 % la carga axial sobre las columnas.

Líneas futuras de investigación

  • Perfeccionamiento del proceso de fabricación de vigas THVS, abordando aspectos como soldadura, control de calidad y optimización de ensamblaje.
  • Desarrollo de conexiones híbridas entre vigas THVS y columnas de hormigón armado, mejorando la eficiencia de transferencia de cargas.
  • Exploración de configuraciones mixtas de soporte, optimizando la selección de conexiones fijas o articuladas según las características del edificio.
  • Evaluación del comportamiento ante cargas dinámicas y sísmicas, considerando efectos de fatiga y estabilidad estructural.
  • Implementación de metamodelos para optimización computacional, reduciendo el tiempo de cálculo en simulaciones de alta fidelidad.

Conclusión

La optimización del diseño estructural de edificios en marco mediante el uso de vigas THVS permite reducir costes y mejorar la sostenibilidad ambiental. Las configuraciones con conexiones rígidas son particularmente eficientes en luces cortas, mientras que las conexiones articuladas son una alternativa viable en luces mayores cuando se combinan con elementos de rigidización adicionales. Estos hallazgos abren nuevas líneas de investigación en la aplicación y mejora de sistemas estructurales compuestos en ingeniería civil.

Referencia:

NEGRÍN, I.; KRIPKA, M.; YEPES, V. (2025). Design optimization of a composite typology based on RC columns and THVS girders to reduce economic cost, emissions, and embodied energy of frame building construction. Energy and Buildings, 336:115607. DOI:10.1016/j.enbuild.2025.115607

 

Fases de un estudio de investigación operativa

La investigación operativa busca determinar la solución óptima para un problema de decisión con recursos limitados. Se trata de un procedimiento científico que analiza las actividades de un sistema de organización.

Las principales componentes de un modelo de investigación operativa son: alternativas, restricciones y un criterio objetivo para elegir la mejor opción. Las alternativas se representan como variables desconocidas que luego se utilizan para construir las restricciones y la función objetivo mediante métodos matemáticos. El modelo matemático establece la relación entre estas variables, restricciones y función objetivo. La solución consiste en asignar valores a las variables para optimizar (maximizar o minimizar) la función objetivo y cumplir con las restricciones. A esta solución se le denomina solución posible óptima.

El enfoque del estudio de la ingeniería de operaciones está relacionado con la toma de decisiones para aprovechar al máximo los recursos limitados. Para ello, utiliza herramientas y modelos adaptados a las necesidades para facilitar la toma de decisiones en la resolución de problemas. Implica un trabajo en equipo entre analistas y clientes, con una estrecha colaboración. Los analistas aportan conocimientos de modelado y el cliente, experiencia y cooperación.

Como herramienta para la toma de decisiones, la investigación de operaciones combina ciencia y arte. Es ciencia por sus técnicas matemáticas y arte, porque el éxito en todas las fases, antes y después de resolver el modelo matemático, depende de la creatividad y experiencia del equipo. La práctica efectiva de la investigación de operaciones requiere más que competencia analítica, e incluye la capacidad de juzgar cuándo y cómo utilizar una técnica, así como habilidades de comunicación y adaptación organizativa.

Es complicado recomendar acciones específicas, como las de la teoría precisa de los modelos matemáticos, para abordar factores intangibles. Solo pueden ofrecerse directrices generales para aplicar la investigación de operaciones en la práctica.

El estudio de investigación operativa consta de varias etapas principales, entre las que destacan las siguientes:

  1. Formulación y definición del problema.
  2. Construcción del modelo.
  3. Solución del modelo.
  4. Verificación del modelo y de la solución.
  5. Puesta en práctica y mantenimiento de la solución.

Aunque las fases del proyecto suelen iniciarse en el orden establecido, no suelen completarse en el mismo orden. La interacción entre las fases requiere revisarlas y actualizarlas continuamente hasta la finalización del proyecto. La tercera fase es la única de carácter puramente matemático, ya que en ella se aplican las técnicas y teorías matemáticas necesarias para resolver el problema. El éxito de las demás etapas depende más de la práctica que de la teoría, siendo la experiencia el factor clave para su correcta ejecución.

Definir el problema implica determinar su alcance, tarea que lleva a cabo todo el equipo de investigación de operaciones. El resultado final debe identificar tres elementos principales: 1) descripción de las alternativas de decisión, 2) determinación del objetivo del estudio y 3) especificación de las restricciones del sistema modelado. Además, se deben recolectar los datos necesarios.

La formulación del modelo es quizá la fase más delicada del proceso, ya que consiste en traducir el problema a relaciones matemáticas. Si el modelo se ajusta a un modelo matemático estándar, como la programación lineal, puede resolverse con los algoritmos correspondientes. Para ello, deben definirse las variables de decisión, la función objetivo y las restricciones. Si las relaciones son demasiado complejas para una solución analítica, se puede simplificar el modelo mediante un método heurístico o recurrir a una simulación aproximada. En algunos casos, puede ser necesaria una combinación de modelos matemáticos, simulaciones y heurísticas para resolver el problema de toma de decisiones.

La solución del modelo es la fase más sencilla de la investigación de operaciones, ya que utiliza algoritmos de optimización bien definidos para encontrar la solución óptima. Un aspecto clave es el análisis de sensibilidad, que proporciona información sobre la forma en que la solución óptima responde a cambios en los parámetros del modelo. Esto es crucial cuando los parámetros no se pueden estimar con precisión, puesto que permite estudiar cómo varía la solución cerca de los valores estimados.

La validación del modelo verifica si cumple su propósito, es decir, si predice adecuadamente el comportamiento del sistema estudiado. Para ello, se evalúa si la solución tiene sentido y si los resultados son aceptables, comparando la solución con datos históricos para verificar si habría sido la correcta. Sin embargo, esto no garantiza que el futuro imite al pasado. Si el modelo representa un sistema nuevo sin datos históricos, se puede usar una simulación como herramienta independiente para comprobar los resultados del modelo matemático.

La implantación de la solución de un modelo validado consiste en traducir los resultados en instrucciones claras para quienes gestionarán el sistema recomendado. Esta tarea recae principalmente en el equipo de investigación de operaciones. En esta fase, el equipo debe capacitar al personal encargado de aplicar el modelo, asegurándose de que puedan traducir sus resultados en instrucciones de operación y usarlo correctamente para tomar decisiones sobre los problemas que motivaron su creación.

Os dejo algún vídeo al respecto.

Referencias:

Altier, W. J. (1999). The thinking manager’s toolbox: Effective processes for problem solving and decision making. Oxford University Press.

Checkland, P. (1999). Systems thinking, system practice. Wiley.

Evans, J. (1991). Creative thinking in the decision and management sciences. South-Western Publishing.

Gass, S. (1990). Model world: Danger, beware the user as a modeler. Interfaces, 20(3), 60-64.

Morris, W. (1967). On the art of modeling. Management Science, 13, B707-B717.

Paulos, J. A. (1988). Innumeracy: Mathematical illiteracy and its consequences. Hill and Wang.

Taha, H. A., & Taha, H. A. (2003). Operations research: an introduction (Vol. 7). Upper Saddle River, NJ: Prentice hall.

Willemain, T. R. (1994). Insights on modeling from a dozen experts. Operations Research, 42(2), 213-222.

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

Diseño optimizado de edificios de pórticos de hormigón armado frente al colapso progresivo mediante metamodelos

El diseño estructural de los edificios plantea importantes retos para garantizar su seguridad y sostenibilidad. El colapso progresivo, provocado por eventos extremos como terremotos o explosiones, puede ocasionar daños catastróficos. Para reducir este riesgo, se propone una metodología de diseño apoyada en metamodelos que combina optimización estructural y criterios de seguridad, y que tiene en cuenta elementos que a menudo se pasan por alto, como los forjados, las pantallas de arriostramiento y la interacción suelo-estructura (SSI, por sus siglas en inglés).

El trabajo se enmarca dentro del proyecto de investigación RESILIFE que dirijo como investigador principal en la Universitat Politècnica de València. También es fruto de la colaboración con investigadores de Brasil y Cuba.

Metodología

Descripción del problema

Se estudiaron cinco edificios de pórticos de hormigón armado con diferentes configuraciones de plantas y luces. Las estructuras incluyen vigas, columnas, forjados y pantallas de arriostramiento. Además, se incorporó el diseño optimizado de cimentaciones, considerando la interacción con el suelo mediante modelos de elasticidad lineal. Las dimensiones de los elementos estructurales se ajustaron siguiendo las normas internacionales de diseño y se consideraron distintas combinaciones de carga para evaluar escenarios críticos.

Se realizaron simulaciones numéricas avanzadas que tuvieron en cuenta escenarios de carga extremos, incluyendo la pérdida de columnas críticas en diversas posiciones. En el análisis se tuvieron en cuenta factores de seguridad, límites de servicio y fallos estructurales para determinar los diseños óptimos. También se tuvieron en cuenta criterios de sostenibilidad y se midieron las emisiones de CO₂ asociadas a cada solución.

Optimización basada en un diseño robusto frente al colapso progresivo (ObRDPC)

La metodología ObRDPC se centra en minimizar las emisiones de CO₂ como función objetivo, garantizando simultáneamente la robustez estructural mediante restricciones de seguridad. Para evaluar el colapso progresivo y simular la pérdida de columnas críticas, así como analizar la redistribución de cargas, se empleó el método de camino alternativo (AP). La metodología incluye la verificación de estados límite últimos y de servicio, lo que garantiza el cumplimiento de los requisitos normativos.

El proceso de optimización incluye la definición precisa de las variables de diseño, como las dimensiones de las vigas, columnas y cimentaciones, así como el tipo de hormigón utilizado. Para maximizar la eficiencia estructural y minimizar los costos ambientales, se aplican técnicas de programación matemática.

Modelización de forjados y pantallas de arriostramiento

  • Forjados: se modelaron como elementos tipo placa de 12 cm de espesor y se conectaron a las vigas mediante nodos rígidos para asegurar la continuidad estructural. Se realizó una discretización adecuada para representar su comportamiento realista ante cargas verticales y horizontales. El análisis incluyó el comportamiento a flexión, los efectos de cargas concentradas y la interacción con los elementos perimetrales. Se consideraron diferentes configuraciones de refuerzo para maximizar la resistencia y minimizar las deformaciones.
  • Pantallas de arriostramiento: representadas mediante diagonales equivalentes elásticas, según las especificaciones normativas. Se definieron sus propiedades mecánicas mediante modelos experimentales previos, incluyendo el módulo de elasticidad y la resistencia a compresión. Se estudiaron distintos tipos de mampostería y su influencia en la resistencia general. Las pantallas de arriostramiento también se evaluaron como elementos activos en la redistribución de cargas después de eventos que provocan la pérdida de soporte, lo que mejora la estabilidad global del sistema estructural.

Interacción suelo-estructura (SSI)

Se consideró el asentamiento diferencial de las cimentaciones mediante coeficientes de rigidez calculados según modelos elásticos. El suelo se modeló como un medio elástico semiespacial. En el análisis se incluyó la interacción entre la superestructura y el terreno para capturar los efectos de asentamientos desiguales y su impacto en el estado de esfuerzos y deformaciones.

En el análisis se tuvieron en cuenta diferentes tipos de suelos, desde arcillas de baja resistencia hasta suelos granulares compactados. Se realizaron estudios paramétricos para evaluar la sensibilidad del sistema a variaciones en la rigidez del terreno y el módulo de elasticidad del hormigón.

Cinco estudios de casos que consideran la modelización de cimientos, forjados y pantallas de arriostramiento.

Optimización asistida por metamodelos

Se utilizaron técnicas avanzadas de optimización asistida por metamodelos para reducir la carga computacional. El proceso incluyó un muestreo inicial mediante muestreo hipercúbico latino para cubrir eficientemente el espacio de diseño, seguido de la construcción del metamodelo a través de técnicas de interpolación Kriging para aproximar las respuestas estructurales, evaluando múltiples configuraciones para garantizar la precisión. Posteriormente, se aplicó una optimización global utilizando algoritmos evolutivos, como la Biogeography-based Optimization (BBO), para explorar soluciones factibles y un método iterativo para refinar las soluciones y garantizar su viabilidad en condiciones críticas.

Resultados

Impacto de forjados y pantallas de arriostramiento

La inclusión de forjados y pantallas de arriostramiento mejoró significativamente la redistribución de cargas y la resistencia al colapso progresivo. El análisis mostró una reducción del 11 % en el impacto ambiental para diseños resistentes al colapso, en comparación con modelos que solo consideran vigas y columnas.

Se observó una mejora notable en la capacidad de redistribución de cargas después de la pérdida de columnas críticas. Las pantallas de arriostramiento actuaron como elementos resistentes adicionales, mitigando fallos en los elementos primarios y reduciendo los desplazamientos globales.

Comparación de enfoques de diseño

Se observó que aumentar el número de niveles incrementa la robustez estructural debido a la mayor redundancia de elementos. Sin embargo, el incremento de la longitud de las luces de las vigas reduce esta capacidad, por lo que es necesario utilizar secciones más robustas y aplicar mayores refuerzos.

Los modelos con luces de 8 m presentaron un aumento del 50 % en las emisiones de CO₂ cuando no se incluyeron forjados ni pantallas de arriostramiento. Al incorporarlos, se consiguió reducir este incremento a la mitad.

Recomendaciones prácticas para el diseño estructural

  1. Incluir forjados y pantallas de arriostramiento: Su integración mejora significativamente la resistencia al colapso progresivo, particularmente en edificios con luces amplias.
  2. Optimizar secciones estructurales: Diseñar secciones de vigas y columnas equilibrando rigidez y eficiencia económica.
  3. Evaluar diferentes tipos de cimentaciones: Incorporar análisis de interacción suelo-estructura para definir bases óptimas.
  4. Aplicar análisis paramétricos: Evaluar la sensibilidad de los diseños a variaciones en la resistencia del hormigón y las condiciones geotécnicas.
  5. Considerar combinaciones de carga extremas: Simular múltiples fallos para garantizar diseños robustos y seguros.

Conclusión

La optimización basada en un diseño robusto frente al colapso progresivo (ObRDPC) permite diseñar estructuras resistentes al colapso progresivo con menor impacto medioambiental. El uso de metamodelos y la consideración de forjados, pantallas de arriostramiento y la interacción suelo-estructura mejoran significativamente la seguridad estructural y la sostenibilidad del diseño. Se recomienda ampliar esta investigación a otros tipos de estructuras y condiciones geotécnicas complejas para validar y perfeccionar la metodología propuesta.

Referencia:

NEGRÍN, I.; KRIPKA, M.; YEPES, V. (2025). Metamodel-assisted design optimization of robust-to-progressive-collapse RC frame buildings considering the impact of floor slabs, infill walls, and SSI implementation. Engineering Structures, 325:119487. DOI:10.1016/j.engstruct.2024.119487

Como el artículo se ha publicado en abierto, lo podéis descargar aquí:

Descargar (PDF, 10.68MB)

Modelización y métodos de optimización aplicados al consumo energético en los ferrocarriles

El sector ferroviario, reconocido por su eficiencia energética, sigue siendo objeto de investigación para mejorar su sostenibilidad. Pese a representar solo el 2 % del consumo energético del transporte en Europa, su relevancia en el transporte de mercancías y pasajeros impulsa la investigación para reducir su huella de carbono. La necesidad de reducir las emisiones de gases de efecto invernadero y mejorar la competitividad económica ha llevado a realizar estudios exhaustivos centrados en el consumo energético ferroviario.

 

Modelización del consumo energético

El modelado del consumo energético permite evaluar y simular el rendimiento de los trenes sin necesidad de realizar pruebas experimentales. Las técnicas de modelado se clasifican principalmente en modelos deterministas y métodos alternativos, como redes neuronales y modelos estocásticos. Estos enfoques permiten analizar múltiples escenarios operativos y optimizar las decisiones estratégicas y operativas.

Modelos deterministas

El enfoque predominante utiliza ecuaciones basadas en la ecuación de Davis, que describe la resistencia al movimiento del tren en función de factores como la velocidad, la masa y la fricción. Su modularidad permite incluir características como frenos regenerativos y sistemas de almacenamiento a bordo. Aunque estos modelos son fiables, requieren numerosos parámetros técnicos, algunos de los cuales son difíciles de obtener debido a su complejidad técnica y a la necesidad de realizar mediciones precisas.

La ecuación de Davis se amplía con frecuencia para incorporar factores como la inclinación de la vía, la resistencia aerodinámica y la fricción en curvas. Estas ampliaciones permiten crear simuladores más detallados que evalúan trayectorias específicas y condiciones operativas complejas. Algunos estudios incluyen incluso el consumo de sistemas auxiliares, como el aire acondicionado y la iluminación, lo que mejora la precisión.

Además, el modelado detallado permite tener en cuenta aspectos como la variación de la masa del tren debida a la carga de pasajeros o mercancías, así como las condiciones meteorológicas y la interacción entre trenes en redes densas. Gracias a estas mejoras, los simuladores no solo evalúan el consumo energético, sino también el impacto de distintas estrategias operativas.

Alternativas al enfoque determinista

Los modelos basados en redes neuronales (Neural Networks) y en técnicas estocásticas (Stochastic Methods) han sido menos explorados, pero ofrecen flexibilidad y pueden manejar incertidumbres como retrasos y cambios en la carga de pasajeros. Las redes neuronales permiten entrenar modelos a partir de grandes volúmenes de datos operativos, lo que les permite aprender patrones complejos que los modelos deterministas podrían pasar por alto. Sin embargo, estos métodos requieren grandes volúmenes de datos y procesos de entrenamiento complejos.

Los modelos estocásticos integran factores aleatorios, como fallos en el sistema y condiciones meteorológicas. Su uso es particularmente relevante en redes ferroviarias densas, donde las interacciones entre trenes generan escenarios difíciles de prever mediante métodos deterministas. Los estudios actuales sugieren que estas técnicas podrían aplicarse a la gestión en tiempo real de las redes ferroviarias para mejorar la eficiencia global.

Métodos de optimización

La optimización del consumo energético ferroviario implica resolver problemas complejos, desde la gestión de perfiles de velocidad hasta la distribución de tiempos de espera y la configuración de infraestructuras. Estos estudios buscan minimizar el consumo energético sin comprometer los tiempos de viaje ni la capacidad operativa.

La formulación de problemas de optimización se basa en variables como los tiempos de viaje, los perfiles de velocidad, el consumo energético y la utilización de las infraestructuras, y su enfoque varía en función de si se optimiza un solo tren o un sistema completo. Las metodologías utilizadas incluyen la optimización unidimensional, que se centra en variables individuales como, por ejemplo, minimizar el tiempo de viaje o el consumo energético, y la optimización multidimensional, que aborda simultáneamente varios factores como el tiempo, el consumo energético, los costos operativos y las emisiones contaminantes. Los problemas de optimización pueden ser estáticos, donde se consideran condiciones fijas, o dinámicos, que ajustan decisiones en tiempo real con datos operativos actualizados.

Los métodos de optimización incluyen la búsqueda directa, que evalúa todas las soluciones posibles y es adecuada para problemas simples con pocos parámetros, y el análisis de principios máximos, que obtiene soluciones exactas mediante ecuaciones matemáticas avanzadas, aunque para ello sea necesario realizar simplificaciones y hacerlos computacionalmente viables. Las metaheurísticas, inspiradas en procesos naturales, se utilizan ampliamente por su capacidad para gestionar espacios de solución complejos. Entre ellas destacan los algoritmos genéticos, que han demostrado su versatilidad y eficacia en numerosos estudios. También se emplean técnicas como la optimización por enjambre de partículas y la optimización por colonias de hormigas, que son útiles en problemas específicos como, por ejemplo, la asignación de horarios y rutas óptimas. Además, la optimización basada en aprendizaje combina aprendizaje individual y colectivo para mejorar los resultados en contextos operativos cambiantes.

Los métodos de optimización también incluyen técnicas como la programación lineal, la programación dinámica y los algoritmos híbridos, que combinan diferentes enfoques para superar las limitaciones de cada uno de ellos. Las técnicas más avanzadas integran sistemas de inteligencia artificial y algoritmos de predicción para ajustar dinámicamente los parámetros operativos.

Discusión y análisis estadístico

Un análisis estadístico muestra que los modelos deterministas predominan debido a su precisión y facilidad para incluir múltiples factores. En optimización, los algoritmos genéticos son ampliamente preferidos, aunque métodos como la optimización por enjambre de partículas han demostrado ser eficaces en ciertos problemas.

Estudios recientes sugieren la posibilidad de combinar diferentes algoritmos para cubrir todo el espacio de soluciones y abordar problemas complejos que incluyen interacciones entre múltiples trenes y redes ferroviarias completas. Estas estrategias son esenciales para implementar operaciones ferroviarias completamente autónomas y sostenibles.

Además, el uso de análisis estadísticos avanzados, como el análisis de correspondencias y el modelado predictivo, permite identificar patrones ocultos y mejorar la precisión de los modelos y algoritmos utilizados.

Conclusión

La combinación de modelos deterministas y técnicas complementarias podría mejorar la precisión de los estudios. En optimización, el desarrollo de enfoques híbridos que combinen diferentes algoritmos metaheurísticos podría suponer un gran avance en la gestión energética ferroviaria. La integración de datos en tiempo real y técnicas de aprendizaje automático (Machine Learning Techniques) podría revolucionar el campo y llevar a sistemas ferroviarios más sostenibles y eficientes.

Referencia:

MARTÍNEZ-FERNÁNDEZ, P.; VILLALBA-SANCHÍS, I.; YEPES, V.; INSA-FRANCO, R. (2019). A review of modelling and optimisation methods applied to railways energy consumption. Journal of Cleaner Production, 222:153-162. DOI:10.1016/j.jclepro.2019.03.037

Os dejo la versión autor del artículo, para su consulta.

Descargar (PDF, 517KB)

Optimización de programas de mantenimiento vial: eficiencia y estrategias a largo plazo con algoritmos heurísticos.

Optimal pavement maintenance programs based on a hybrid Greedy Randomized Adaptive Search Procedure Algorithm

El artículo, titulado «Optimal pavement maintenance programs based on a hybrid Greedy Randomized Adaptive Search Procedure Algorithm», escrito por Víctor Yepes, Cristina Torres-Machí, Alondra Chamorro y Eugenio Pellicer, y publicado en el Journal of Civil Engineering and Management, presenta una innovadora herramienta para la gestión eficiente del mantenimiento vial. Este trabajo aborda cómo diseñar programas que maximicen la efectividad a largo plazo (Long-Term Effectiveness, LTE) en redes viales, superando las limitaciones presupuestarias y el desgaste progresivo de las infraestructuras. Para ello, se desarrolla un enfoque híbrido que combina los algoritmos Greedy Randomized Adaptive Search Procedure (GRASP) y Threshold Accepting (TA), lo que permite optimizar la asignación de recursos y cumplir con restricciones técnicas y económicas. Entre los resultados más destacados, se encuentra una mejora del 40 % en la LTE en comparación con estrategias reactivas, que también subraya la importancia de priorizar inversiones tempranas y de implementar tratamientos preventivos como la opción más eficiente a largo plazo.

Introducción

La infraestructura vial es uno de los activos más valiosos de cualquier nación, ya que tiene un impacto directo en el desarrollo económico y social al facilitar el transporte de bienes y personas, por lo que es necesario realizar un mantenimiento adecuado para evitar el deterioro y el incremento de los costes futuros de rehabilitación. Sin embargo, los presupuestos de las agencias públicas son limitados y no alcanzan a cubrir las necesidades de conservación, lo que genera una brecha cada vez mayor entre el estado actual de las infraestructuras y los niveles de inversión requeridos. En Estados Unidos, un tercio de las carreteras están en condiciones mediocres o deficientes, y uno de cada nueve puentes presenta deficiencias estructurales. En España, las necesidades de mantenimiento vial superan los 5500 millones de euros, pero los presupuestos se redujeron un 20 % en 2012, lo que agravó aún más la situación. Este mantenimiento tardío no solo incrementa los riesgos estructurales, sino que también triplica los costes de rehabilitación y los gastos operativos de los vehículos, lo que plantea un problema central: decidir cómo asignar los fondos disponibles de forma óptima para maximizar el rendimiento a largo plazo de las infraestructuras, respetando restricciones técnicas y económicas, y considerando los beneficios acumulados para los usuarios.

Metodología

Formulación del problema de optimización

El problema se define como la maximización de la LTE, un indicador que mide los beneficios acumulados derivados de una infraestructura bien mantenida durante su ciclo de vida.

  1. Función objetivo:
    • Maximizar el área bajo la curva de rendimiento de las infraestructuras (Area Bounded by the Performance Curve, ABPC). Este área refleja la calidad y el nivel de servicio de la infraestructura a lo largo del tiempo.
  2. Restricciones:
    • Presupuestaria: Garantizar que los costos anuales de mantenimiento no excedan el presupuesto disponible en cada año del periodo de planificación.
    • Técnica: Mantener las secciones de la red en una condición mínima aceptable. Esto se evalúa mediante indicadores como el Urban Pavement Condition Index (UPCI, Índice de Condición del Pavimento Urbano), que clasifica la calidad del pavimento en una escala del 1 (peor) al 10 (mejor).
  3. Variables de diseño:
    • Determinar qué secciones de la red deben tratarse, qué tratamiento aplicar y en qué momento realizarlo durante el horizonte de planificación.
  4. Parámetros:
    • Inventario: Datos sobre el tipo de pavimento, su longitud y ancho, condiciones climáticas y características del tráfico.
    • Técnicos: Condición inicial del pavimento, modelos de deterioro a lo largo del tiempo y el conjunto de tratamientos disponibles.
    • Económicos: Costos unitarios de mantenimiento para cada tratamiento.
    • Estratégicos: Periodo de planificación, tasa de descuento y estándares mínimos requeridos.
Las actividades de mantenimiento conllevan un aumento de la vida útil del firme (ΔSL) y, por tanto, una mejora inmediata de su estado (ΔUPCI) en el momento de su aplicación

Algoritmo GRASP-TA

El enfoque híbrido combina dos estrategias complementarias:

  1. GRASP (Procedimiento de Búsqueda Aleatoria Codiciosa Adaptativa):
    • Genera una población inicial de soluciones viables considerando una relajación controlada de las restricciones presupuestarias.
    • Utiliza funciones de priorización para evaluar el impacto de cada posible tratamiento en la LTE y seleccionar las mejores alternativas mediante un proceso probabilístico.
  2. TA (Aceptación de Umbral):
    • Realiza una optimización local a las soluciones generadas por GRASP.
    • Permite aceptar soluciones ligeramente peores en las primeras iteraciones para evitar quedarse atrapado en óptimos locales.
    • Ajusta iterativamente las restricciones presupuestarias relajadas en GRASP para cumplir con las condiciones originales.
Efecto del tratamiento sn para construir la solución en el año t con el algoritmo GRASP

Caso de estudio: red urbana en Santiago, Chile

La red analizada se encuentra en Santiago de Chile. Está compuesta por 20 secciones con pavimentos flexibles (asfálticos) y rígidos (hormigón). El clima de la región es mediterráneo, lo que influye en los patrones de deterioro del pavimento. La condición inicial media de la red es 6,8, según el Índice de Condición del Pavimento Urbano (UPCI), lo que indica una calidad intermedia.

Para los pavimentos asfálticos, los tratamientos evaluados incluyeron opciones de preservación, mantenimiento y rehabilitación. En preservación, el sellado de fisuras aumenta la vida útil en 2 años y tiene un coste de 0,99 USD/m². En el mantenimiento, el fresado y la repavimentación funcional ofrecen 10 años de vida útil por 23,24 USD/m². En rehabilitación, la rehabilitación en frío alcanza los 13 años con un coste de 36,50 USD/m².

Para los pavimentos de hormigón, los tratamientos incluyeron preservación y rehabilitación. El pulido con diamante aumenta la vida útil en 10 años y tiene un coste de 15,39 USD/m². La reconstrucción completa proporciona 25 años de servicio por un coste de 134,60 USD/m². Estos tratamientos representan opciones para diferentes niveles de deterioro y requisitos estructurales.

El programa optimizado mostró un impacto significativo en la efectividad a largo plazo (LTE). Se logró una mejora del 40 % en la LTE en comparación con las estrategias reactivas. Los tratamientos preventivos dominaron las decisiones, seleccionándose en el 80 % de los casos, lo que evidencia su mayor efectividad frente a opciones correctivas o de rehabilitación.

En términos de coste-eficacia, no se seleccionaron los tratamientos reciclados. Aunque ofrecen beneficios similares en términos de vida útil, su alto coste los hace menos competitivos frente a alternativas más económicas, lo que destaca la importancia de equilibrar costes y beneficios en el diseño de programas de mantenimiento.

Análisis de escenarios

1. Escenarios de inventario:

Se analizaron redes con diferentes proporciones de pavimentos asfálticos y de hormigón, con configuraciones del 25 %, 50 % y 75 % para cada tipo. También se estudiaron tres condiciones iniciales de las redes: buenas, intermedias y deficientes. Este análisis permitió evaluar la influencia de las características estructurales y del estado inicial en la optimización de los programas de mantenimiento.

En todos los casos, los resultados mostraron que la optimización mediante el algoritmo GRASP-TA era superior a las estrategias reactivas tradicionales. Esto demostró que el método es altamente adaptable a diversas configuraciones de red y capaz de ofrecer soluciones efectivas en términos de LTE, independientemente de las características de la red o de su estado inicial.

2. Escenarios presupuestarios:

El análisis incluyó variaciones en el presupuesto total, con incrementos y reducciones de hasta el 20 %, así como cambios en la distribución de los fondos a lo largo del tiempo. Se evaluaron dos configuraciones principales para entender su impacto en el rendimiento a largo plazo.

El escenario con mayor inversión en los primeros años mostró un aumento significativo de la LTE. Esto puso de manifiesto que la asignación temprana de fondos mejora sustancialmente los resultados del mantenimiento. Por el contrario, los aumentos progresivos anuales redujeron la LTE en un 15 % respecto al caso base, lo que indica que posponer la inversión perjudica el rendimiento de la red.

Conclusiones

Asignar más recursos durante los primeros años de un programa de mantenimiento es fundamental para optimizar el rendimiento a largo plazo de las infraestructuras. Este análisis pone de manifiesto la importancia de una planificación presupuestaria estratégica, ya que señala que el momento en que se invierten los recursos tiene un impacto considerable en los beneficios acumulados de la red.

  1. Eficiencia del método GRASP-TA: Diseña programas que maximizan la LTE bajo restricciones técnicas y económicas reales.
  2. Importancia de la prevención: Las actividades preventivas son significativamente más rentables a largo plazo.
  3. Estrategias presupuestarias: Es esencial priorizar mayores inversiones en los primeros años del programa para maximizar su impacto.
  4. Limitaciones de los tratamientos reciclados: Aunque presentan beneficios ambientales, su alto costo relativo limita su inclusión en las soluciones optimizadas cuando solo se consideran aspectos técnicos y económicos.

Como recomendaciones futuras habría que integrar criterios de sostenibilidad, como impactos ambientales y sociales, y extender el análisis a redes más grandes y diversas.

Referencia:

YEPES, V.; TORRES-MACHÍ, C.; CHAMORRO, A.; PELLICER, E. (2016). Optimal pavement maintenance programs based on a hybrid greedy randomized adaptive search procedure algorithm. Journal of Civil Engineering and Management, 22(4):540-550. DOI:10.3846/13923730.2015.1120770

Aquí os dejo el artículo por si os resulta de interés.

Descargar (PDF, 1.2MB)

 

Predimensionamiento óptimo de tableros de puentes losa pretensados aligerados

Figura 1. Vista aérea de paso superior. Google Maps.

El artículo de investigación presentado en el 28th International Congress on Project Management and Engineering por los autores Yepes-Bellver, Martínez-Pagán, Alcalá, y Yepes es un análisis integral del predimensionamiento de los tableros de puentes losa pretensados aligerados.

Este informe detalla su importancia y sugiere mejoras en el diseño estructural mediante la optimización con métodos avanzados como el modelo Kriging y algoritmos de optimización heurística.

El trabajo se enmarca dentro de los proyectos de investigación HYDELIFE y RESILIFE que dirijo como investigador principal en la Universitat Politècnica de València.

1. Contexto del empleo de los puentes losa pretensados aligerados

Los puentes de losa pretensada son fundamentales en las infraestructuras de carreteras y vías ferroviarias debido a su capacidad para cubrir luces de entre 10 y 45 metros, lo que los hace más resistentes, duraderos y adaptables a distintos diseños geométricos. El coste de estos puentes suele representar entre un 5 % y un 15 % de los gastos totales de una infraestructura de transporte. Además, los puentes losa ofrecen una mayor flexibilidad y una apariencia estética superior, ya que eliminan las juntas de calzada, lo que mejora la comodidad y reduce el desgaste del tablero al tráfico.

Principales ventajas de los puentes losa pretensados:

  • Resistencia y durabilidad: estos puentes ofrecen una alta resistencia a la torsión y la flexión, por lo que son ideales para soportar cargas variables y condiciones climáticas adversas.
  • Versatilidad en el diseño: gracias a su construcción in situ, es posible adaptarlos a terrenos irregulares o a condiciones complejas, como curvas pronunciadas y anchos variados, lo que permite construirlos con rasantes bajas.
  • Ahorro de materiales y costes: Al diseñarse sin juntas y con posibilidades de aligeramiento, su mantenimiento resulta menos costoso en comparación con otras tipologías.

2. Predimensionamiento y limitaciones en los métodos actuales

El predimensionamiento es esencial en la fase preliminar del diseño de puentes con losas pretensadas. Tradicionalmente, los ingenieros utilizan reglas empíricas basadas en la experiencia para definir parámetros geométricos iniciales, como el espesor de la losa, la relación entre el canto y la luz y la cantidad de armadura activa y pasiva. Sin embargo, estos métodos tradicionales tienen limitaciones en cuanto a eficiencia y sostenibilidad, ya que no optimizan el uso de materiales ni reducen el impacto ambiental.

Desventajas de los métodos convencionales de predimensionamiento:

  • Rigidez en el diseño: los métodos empíricos pueden ser inflexibles, lo que limita las opciones de diseño y hace que la estructura no se adapte eficientemente a los criterios de optimización moderna.
  • Ineficiencia económica y ambiental: al no tener en cuenta factores de sostenibilidad y costes, estos métodos pueden provocar un uso excesivo de materiales, lo que aumenta la huella de carbono y el consumo energético.

3. Propuesta de optimización con modelos Kriging y metaheurísticas

La propuesta de los investigadores consiste en aplicar una optimización bifase mediante modelos Kriging combinados con el recocido simulado, un algoritmo heurístico. Esta técnica permite reducir el tiempo de cómputo en comparación con los métodos de optimización tradicionales sin perder precisión. La optimización se centra en tres objetivos clave:

  • Minimización del coste
  • Reducción de emisiones de CO₂
  • Disminución del consumo energético

El Kriging, un tipo de metamodelo, facilita la interpolación de datos en una muestra determinada, lo que permite que los valores estimados sean predictivos y evite el alto coste computacional que conllevan las simulaciones estructurales completas. Para implementar esta técnica, se usa un muestreo de hipercubo latino (LHS), que permite generar variaciones en el diseño inicial de los puentes y proporciona una base sobre la que se aplica el modelo Kriging para ajustar las alternativas optimizadas de diseño.

4. Resultados y comparación con diseños convencionales

A continuación, se exponen los principales hallazgos del estudio, basados en la optimización de puentes reales y en la comparación con métodos empíricos:

  • Esbeltez y espesor de la losa: la investigación recomienda que aumentar la relación entre el canto y la luz mejora la sostenibilidad del diseño. Los puentes optimizados presentan relaciones de hasta 1/30, en comparación con el rango usual de 1/22 a 1/25.
  • Volumen de hormigón y armaduras: los resultados muestran una disminución del volumen de hormigón y del número de armaduras activas necesarias, mientras que aumenta el número de armaduras pasivas. Este ajuste permite reducir tanto el coste como las emisiones.
  • Uso de materiales de construcción: se recomienda el uso de hormigón de resistencia entre 35 y 40 MPa para obtener una combinación óptima entre coste y sostenibilidad. La cantidad de aligeramientos interiores y exteriores también contribuye significativamente a la reducción del peso total sin comprometer la resistencia.

Comparativa de materiales:

  • Cuantía de hormigón: entre 0,55 y 0,70 m³ por m² de losa. La optimización reduce el consumo a 0,60 m³ para puentes económicos y a 0,55 m³ para priorizar la reducción de emisiones.
  • Armadura activa: la cantidad recomendada es inferior a 17 kg/m² de tablero. Esto representa una reducción significativa en comparación con los diseños tradicionales, que promedian alrededor de 22,64 kg/m².
  • Armadura pasiva: se debe aumentar la cuantía hasta 125 kg/m³ para proyectos de alta sostenibilidad, en contraste con los valores convencionales.

5. Herramientas prácticas para los proyectistas: nomogramas para el predimensionamiento

Uno de los aportes más valiosos del estudio es la creación de nomogramas que permiten a los ingenieros realizar predimensionamientos precisos con un mínimo de datos. Los nomogramas se desarrollaron mediante modelos de regresión múltiple y ofrecen una forma rápida de estimar:

  • La cantidad de hormigón necesaria.
  • El espesor de la losa.
  • La armadura activa en función de la luz del puente y los aligeramientos aplicados.

Estos nomogramas son útiles en las primeras fases de diseño, ya que permiten obtener valores cercanos a los óptimos de manera rápida y eficiente. Los gráficos incluyen secuencias de cálculo específicas con ejemplos de puentes con luces de 34 m y aligeramientos medios (interior de 0,20 m³/m² y exterior de 0,40 m³/m²), lo que facilita un proceso de diseño preliminar que cumple con criterios de sostenibilidad.

Figura 2. Nomograma para estimar el canto del tablero (m). Fuente: Yepes-Bellver et al. (2024)

6. Recomendaciones para el diseño sostenible de puentes losa pretensados aligerados

Basándose en los resultados de optimización, el estudio recomienda ajustar ciertos parámetros de diseño para mejorar la sostenibilidad y reducir los costes:

  • Aumento de la relación canto/luz: se debe aumentar la relación a 1/26 o incluso 1/30 para conseguir diseños sostenibles.
  • Reducción del hormigón utilizado: limitar el uso de hormigón a 0,60 m³/m², o menos si la prioridad es reducir las emisiones.
    Cuantía de armaduras: para la armadura pasiva, se recomienda un mínimo de 125 kg/m³, mientras que la armadura activa debe reducirse a 15 kg/m² de losa.
    Aligeramientos amplios: utilizar aligeramientos significativos (interior de 0,20 m³/m² y exterior de 0,50 m³/m²) para reducir el peso estructural y minimizar el material empleado.

7. Conclusión: innovación en el diseño de infraestructuras sostenibles

El uso de modelos predictivos, como el Kriging, y de técnicas de optimización avanzada en el diseño de puentes supone un gran avance hacia la construcción de infraestructuras sostenibles y eficientes. Estos métodos permiten reducir costes y minimizar el impacto ambiental, dos factores críticos en la ingeniería moderna. Al promover estos enfoques, la investigación allana el camino hacia políticas de infraestructura más responsables y sostenibles, un objetivo alineado con los Objetivos de Desarrollo Sostenible (ODS).

8. Perspectivas futuras: expansión de la metodología de optimización

Los autores proponen continuar esta línea de investigación aplicando el modelo Kriging y otros metamodelos a diversas estructuras de ingeniería civil, como marcos de carretera, muros de contención y otros tipos de puentes. Esta expansión podría sentar las bases para nuevos estándares en el diseño de infraestructuras sostenibles.

Este estudio se presenta como una herramienta esencial para ingenieros y proyectistas interesados en mejorar el diseño estructural mediante métodos modernos de optimización, ya que ofrece un enfoque práctico y avanzado para lograr una ingeniería civil más sostenible.

Os dejo la presentación que se hizo en el congreso:

Como está publicado en abierto, os dejo la comunicación completa a continuación:

Descargar (PDF, 1.98MB)

Referencia:

YEPES-BELLVER, L.; MARTÍNEZ-PAGÁN, P.; ALCALÁ, J.; YEPES, V. (2024). Análisis del predimensionamiento de tableros óptimos de puentes losa pretensados aligerados y su incidencia en el proyecto estructural. 28th International Congress on Project Management and Engineering, AEIPRO, 3-4 de julio, Jaén (Spain), pp. 407-419. DOI:10.61547/2402010

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