En un post anterior comentamos los problemas de calidad que podía tener un proyecto, incluso se apuntó la posibilidad de utilizar una norma, la ISO 10006 para poder controlar dichos problemas. Pero, ¿sabemos de verdad lo que es la calidad en un proyecto de construcción? Vamos a dar un par de pinceladas al tema para aproximarnos a este tema tan importante. Espero que podáis aportar ideas al respecto.
Podemos definir un proyecto como la acción de “idear, trazar o proponer el plan y los medios para la ejecución de algo” (acepción 2ª de “proyectar” del Diccionario de la Lengua Española, en adelante D.R.A.E.). Esta definición es la más utilizada en ingeniería industrial así como en el mundo sajón (“project” o “project management”) y está muy ligada conceptualmente a la gestión de proyectos. Continue reading «Aproximación al concepto de calidad en el proceso proyecto-construcción»→
En artículos anteriores nos hemos referido a temas tan importantes como el despilfarro y los costes de calidad en las empresas. Seis Sigma constituye una metodología de gestión que ha significado para ciertas empresas una reducción drástica de sus fallos y costes de calidad. Si bien esta metodología se desarrolló fundamentalmente para disminuir la variabilidad de procesos repetitivos, también es verdad que la filosofía que subyace en Seis Sigma posiblemente pueda reducir significativamente el coste y el número de fallos debido a una calidad deficiente en el diseño y la ejecución de los proyectos de construcción. Veamos aquí, como siempre, con ánimo divulgativo, alguno de los aspectos más característicos de esta metodología.
La historia de Seis Sigma se inicia a mediados de los años 80 en Motorola, cuando un ingeniero (Mikel Harry) comienza a estudiar la reducción en la variación de los procesos para mejorarlos. Esta herramienta tenía una fuerte base estadística y pretendía alcanzar unos niveles de calidad en los procesos y en los productos de la organización próximos a los cero defectos. Constituye una metodología sistemática para reducir errores, concentrándose en la mejora de los procesos, el trabajo en equipo y con una gran implicación por parte de la Dirección (de Benito, 2000; Membrado, 2004; Harry y Schroeder, 2004).
En los años 90, Jack Welch, presidente de General Electric, decidió utilizar Seis Sigma consiguiendo resultados económicos espectaculares. Desde entonces, Seis Sigma se ha convertido en una de las herramientas de mejora más empleadas, habiendo sido adoptada por compañías como Motorola, General Electric, Allied Signal, Polaroid, Toshiba, Honeywell, City Bank o American Express. Más recientemente, Seis Sigma ha llegado a Europa, donde numerosas empresas están empezando a implantarla (en España, empresas como Telefónica, e-La Caixa o Iberia).
La letra griega sigma (s) se emplea en estadística para representar la variación típica de una población. El “nivel sigma” de un proceso mide la distancia entre la media y los límites superior e inferior de la especificación correspondiente (Figura 3). Ha sido habitual considerar como suficiente que un proceso tuviese una desviación de ±3s, lo cual significa que dicho proceso era capaz de producir solo 2,7 defectos por cada mil oportunidades. La idea de un “porcentaje de error aceptable” (a veces denominado un “nivel de calidad aceptable”) es un curioso remanente de la era del “control de calidad”. En aquellos tiempos se podían encontrar maneras de justificar estadísticamente los naturales fallos humanas, sosteniendo que nadie podía ser perfecto. Hoy día dicho nivel de calidad es inaceptable para muchos procesos (supondría aceptar 68 aterrizajes forzosos en un aeropuerto internacional cada mes, o bien 54.000 prescripciones médicas erradas por año). Seis Sigma hace referencia a un nivel de calidad capaz de producir con un mínimo de 3,4 defectos por millón de oportunidades (0,09 aterrizajes forzosos en un aeropuerto internacional cada mes, o una prescripción médica errada en 25 años). Esta calidad se aproxima al ideal del cero-defectos y puede ser aplicado no solo a procesos industriales, sino a servicios y, por supuesto, al proceso proyecto-construcción.
Niveles sigma de un proceso
Sin embargo, los principios estadísticos anteriores poco tienen que ver con lo que actualmente se entiende por Seis Sigma. De hecho, es una filosofía que promueve la utilización de herramientas y métodos estadísticos de manera sistemática y organizada, que permite a las empresas alcanzar considerables ahorros económicos a la vez que mejorar la satisfacción de sus clientes, todo ello en un periodo de tiempo muy corto.
Los cambios radicales se consiguen básicamente traduciendo las necesidades de los clientes al lenguaje de las operaciones y definiendo los procesos y las tareas críticas que hay que realizar de forma excelente. En función de las intervenciones de análisis y mejora siguientes, Seis Sigma lleva el funcionamiento de los productos, servicios y procesos a niveles nunca conseguidos anteriormente.
Seis Sigma se utiliza para eliminar los costes de no calidad (desperdicios, reprocesos, etc.), reducir la variación de un aspecto o característica de un producto, acortar los tiempos de respuesta a las peticiones de los clientes, mejorar la productividad y acortar los tiempos de ciclo de cualquier tipo de proceso, centrándose en aquellas características o atributos que son clave para los clientes y, por tanto, mejorando notablemente su satisfacción. Para ello, la Dirección identifica las cuestiones que más incidencia tienen en los resultados económicos y asigna a los mejores profesionales, tras formarlos intensivamente, a trabajar en los mismos.
Los elementos clave que soportan la filosofía Seis Sigma son los siguientes: (a) conocimiento de los requerimientos del cliente, (b) dirección basada en datos y hechos, (c) mejora de procesos y (d) implicación de la Dirección.
Un elemento básico en Seis Sigma es la formación. Para ello se definen diferentes papeles para distintas personas de la organización, con denominaciones peculiares y características. El directivo que va a definir, concretar, monitorizar y apoyar los proyectos de mejora se designa Champion. Para desarrollar estos proyectos se escogen y preparan expertos conocidos con los nombres de Master Black Belt, Black Belt y Green Belt, quienes se convierten en los agentes de cambio, en conjunto con los equipos de trabajo seleccionados para los mismos.
LA METODOLOGÍA SEIS SIGMA
El proceso comienza con un “cambio radical… de actitud”. La Dirección debe ser consciente de que la mejora continua ya no es suficiente para alcanzar los objetivos estratégicos, financieros y operativos. La mejora radical es necesaria para reducir con rapidez los desperdicios crónicos.
Los proyectos son seleccionados en función de los beneficios. La empresa Seis Sigma aporta una metodología de mejora basada en un esquema denominado DMAIC: Definir los problemas y situaciones a mejorar, Medir para obtener la información y los datos, Analizar la información recogida, Incorporar y emprender mejoras en los procesos y, finalmente, Controlar o rediseñar los procesos o productos existentes. Las claves del DMAIC se encuentran en:
Medir el problema. Siempre es necesario tener una clara noción de los defectos que se están produciendo, tanto en cantidad como en coste.
Enfocarse al cliente. Sus necesidades y requerimientos son fundamentales, y deben tenerse siempre en consideración.
Verificar la causa raíz. Es necesario llegar hasta la causa relevante de los problemas, y no quedarse en los efectos.
Romper los malos hábitos. Un cambio verdadero requiere soluciones creativas.
Gestionar los riesgos. La prueba y el perfeccionamiento de las soluciones es una parte esencial de Seis Sigma.
Medir los resultados. El seguimiento de cualquier solución significa comprobar su impacto real.
Sostener el cambio. La clave final es conseguir que el cambio perdure.
La metodología DMAIC hace mucho énfasis en el proceso de medición, análisis y mejora y no está planteada como un proceso de mejora continua, pues los proyectos Seis Sigma deben tener una duración limitada en el tiempo. Los proyectos Seis Sigma surgen bajo el liderazgo de la Dirección, quien identifica las áreas a mejorar, define la constitución de los equipos y garantiza el enfoque hacia el cliente y sus necesidades y a los ahorros económicos. Sin embargo, antes de que un equipo Seis Sigma aborde el ciclo de la mejora, han de desarrollarse una serie de actividades necesarias para el éxito del proyecto: (1) identificación y selección de proyectos, (2) constitución del equipo, (3) definición del proyecto, (4) formación de los miembros del equipo, (5) ejecución del proceso DMAIC y (6) extensión de la solución.
Seis Sigma utiliza casi todo el arsenal de herramientas conocidas en el mundo de la calidad. Sin embargo, no son los instrumentos los que fundamentan por sí solos el éxito de la metodología Seis Sigma; de hecho, es la infraestructura humana y su formación la que con estas herramientas consigue el éxito.
Metodología DMAIC para la mejora
Referencias:
DE BENITO, C.M. La mejora continua en la gestión de calidad. Seis sigma, el camino para la excelencia. Economía Industrial, 331, p. 59-66.
HARRY, M.; SCHROEDER, R. Six Sigma. Ed. Rosetta Books, 2000.
MEMBRADO, J. Curso Seis Sigma. Una estrategia de mejora. Qualitas Hodie, 95, p. 16-21.
PÉREZ, J.B.; SABADOR, A. Calidad del diseño en la construcción. Ed. Díaz de Santos, 2004.
YEPES, V.; PELLICER, E. (2005). Aplicación de la metodología seis sigma en la mejora de resultados de los proyectos de construcción. Actas IX Congreso Internacional de Ingeniería de Proyectos. Málaga, 22, 23 y 25 de junio de 2005, libro CD, 9 pp. ISBN: 84-89791-09-0.
Curvas S. Vía Diego Navarro http://direccion-proyectos.blogspot.com.es/
La curva de avance, o curva “S”, es una herramienta muy utilizada en la gestión de proyectos para representar gráficamente la evolución del trabajo a lo largo del tiempo. En este tipo de gráfico, el eje horizontal representa el tiempo del proyecto, mientras que el eje vertical muestra una magnitud acumulada, como el coste, las horas de trabajo o el porcentaje de avance. Su principal utilidad es comparar el progreso real del proyecto con el progreso planificado, permitiendo detectar desviaciones y tomar decisiones correctivas si es necesario.
La curva recibe el nombre de “S” por su forma característica. En la fase inicial del proyecto, el crecimiento del coste acumulado o del avance suele ser lento. Esto se debe a que en esta etapa predominan actividades de preparación, planificación, diseño o coordinación inicial, que generalmente requieren menos recursos productivos directos. A medida que el proyecto entra en su fase principal de ejecución, la actividad se intensifica y el ritmo de consumo de recursos aumenta de forma considerable, lo que provoca un crecimiento más rápido del coste acumulado. Finalmente, en la fase final del proyecto, el crecimiento vuelve a ralentizarse porque predominan actividades de cierre, pruebas, revisión de resultados o entrega del producto final.
La primera versión de la curva S se construye a partir del cronograma del proyecto y del presupuesto inicial aprobado. Estos elementos permiten establecer una línea base que refleja cómo debería evolucionar el proyecto si todo se desarrolla según lo previsto. A partir de esta planificación, se calculan los costes o el avance acumulado en cada periodo de tiempo y se representa gráficamente la evolución esperada. Conforme el proyecto avanza, se van incorporando los datos reales de ejecución, lo que permite generar una segunda curva con los valores observados y compararla con la curva planificada.
Esta comparación entre planificación y realidad es uno de los principales beneficios de la curva S. Si la curva real se sitúa por debajo de la curva planificada, puede indicar que el proyecto avanza más lentamente de lo previsto o que aún no se han ejecutado determinados trabajos. Por el contrario, si la curva real se sitúa por encima de la planificada, puede significar que el proyecto está adelantado o que se están produciendo sobrecostes. En ambos casos, el análisis de estas desviaciones permite al director del proyecto adoptar medidas correctivas, como reorganizar recursos, ajustar el calendario o revisar el presupuesto.
La curva S también está estrechamente relacionada con técnicas más avanzadas de control de proyectos, como la metodología del valor ganado. Este enfoque compara el valor planificado del trabajo, el valor del trabajo realmente realizado y el coste real incurrido. Representar estas magnitudes mediante curvas acumuladas facilita evaluar el rendimiento del proyecto y prever si se cumplirá el plazo y el presupuesto establecidos.
Un aspecto interesante que refleja la curva S es que el porcentaje de avance físico del trabajo suele ser más bajo al inicio y al final del proyecto. Al comienzo es necesario dedicar tiempo a comprender la documentación técnica, definir los requisitos del cliente, coordinar al equipo de trabajo y preparar los recursos necesarios. Además, el equipo suele experimentar una fase inicial de aprendizaje hasta alcanzar su máximo rendimiento. Por su parte, en la etapa final del proyecto las actividades suelen centrarse en pruebas, ajustes, integración de sistemas o resolución de incidencias, tareas que requieren más coordinación y menos producción directa, lo que reduce el ritmo de avance.
En definitiva, la curva S es una herramienta sencilla pero muy eficaz para visualizar el comportamiento de un proyecto a lo largo del tiempo. Su uso permite integrar la planificación con el seguimiento real de la ejecución, facilitando la detección temprana de problemas y mejorando la toma de decisiones. Por esta razón, se utiliza con frecuencia en ámbitos como la ingeniería, la construcción, la gestión de infraestructuras y, en general, en cualquier entorno donde sea necesario controlar de forma rigurosa el avance y los costes de un proyecto.
Para aclarar estos conceptos, os dejo un vídeo explicativo que espero os guste.
Referencias:
PELLICER, E.; YEPES, V.; TEIXEIRA, J.C.; MOURA, H.P.; CATALÁ, J. (2014). Construction Management. Wiley Blackwell, 316 pp. ISBN: 978-1-118-53957-6.
¿La calidad de diseño y de proyecto evita costes de mantenimiento en las infraestructuras? La pregunta que hacemos parece retórica, pero, a la luz de lo observado en muchos edificios, obras civiles y demás construcciones, no parece tener una respuesta evidente. Es el momento de ahondar más en la reflexión y apuntar algún ejemplo que sirva. Hemos elegido el de los hoteles como estudio de caso en este post. Es evidente que, donde pongamos la palabra “hotel” puede otro lector poner “carretera”, “hospital” o “central hidroeléctrica”, por poner algunos ejemplos. Me parece especialmente interesante la “Ley de los Cincos”, de Sitter, que creo que todos deberíamos tener marcada a fuego cuando se escatiman los esfuerzos necesarios para realizar un buen proyecto constructivo. Si seguís leyendo el post, enseguida la explicamos.
La calidad se ha convertido en una estrategia competitiva para cualquier industria cuyos objetivos básicos son la satisfacción del cliente y la eficiencia económica de la empresa. Si bien la calidad de diseño de una infraestructura y su permanencia en el tiempo no constituyen una garantía suficiente para ofrecer a los clientes un servicio de calidad, es cierto que los errores cometidos en los estudios de viabilidad y en el proyecto de una infraestructura gravemente condicionan la rentabilidad del negocio no solo durante el proceso de construcción de las instalaciones, sino también posteriormente en su funcionamiento (Yepes, 1997). La consideración de una infraestructura como un sistema que debe optimizarse a lo largo de su ciclo de vida aporta una nueva visión al negocio. La calidad de diseño debe conducir a la satisfacción de las demandas de los clientes, tanto internos como externos, y a una solución óptima en términos de funcionamiento y costes.
La atención a los distintos requerimientos de cada cliente conduciría al diseño de un hotel diferente para cada cliente. Por tanto, antes de iniciar el proyecto, se deben segmentar las tipologías de usuarios para definir las prestaciones a cubrir. Si bien un superior grado de calidad de diseño implica normalmente mayores costos, estos pueden ser asumibles si permiten una satisfacción de las expectativas y suponen a largo plazo menores costes de mantenimiento y explotación.
Una buena calidad de diseño es decisiva para el comportamiento, por ejemplo, en un hotel, pero no es suficiente para mejorar la satisfacción del cliente. No obstante, no se debe menospreciar dicha faceta de calidad, ya que compromete aspectos como la duración de la propia instalación, su fiabilidad, su comodidad, la ausencia de ruidos, la intercambiabilidad, los tiempos de espera y la prontitud en el servicio, los consumos energéticos y otros aspectos, que ponen en evidencia la satisfacción del usuario y la eficiencia económica de la empresa. Se pueden suplir ciertas deficiencias con la voluntad y el buen hacer de los recursos humanos, pero las carencias estructurales comprometen la competitividad y, por tanto, la viabilidad del negocio.
Las estadísticas europeas señalan (ver Calavera, 1995) que el proyecto es responsable del 35-45 % de los problemas en la construcción. A este respecto, Sitter (véase Rostman, 1992) ha introducido la llamada “Ley de los Cincos”, postulando que un dólar gastado en fase de diseño y construcción elimina costes de 5 dólares en mantenimiento preventivo, 25 dólares en labores de reparación y 125 en rehabilitación.
¿Alguien duda aún de que menoscabar los recursos destinados a redactar un buen proyecto es una pérdida de dinero? Desgraciadamente, aún existen quienes ahorran incluso en lo esencial.
Referencias:
CALAVERA, J. (1995). Proyectar y controlar proyectos. Revista de Obras Públicas, n.º 3.346. Madrid, septiembre.
ROSTMAN, S. (1992). Tecnología moderna de durabilidad. Cuadernos Intemac, 5.
YEPES, V. (1997). Calidad de diseño y efectividad de un sistema hotelero.Papers de Turisme, 20: 137-167.
YEPES, V. (1998). La calidad económica. Qualitas Hodie, 44: 90-92.
Colocación de dintel prefabricado. Viaducto sobre el Mijares (Castellón), 2002.
Siguiendo la línea de difundir algunas normas de interés en el ámbito de la construcción, en este post vamos a dar un breve repaso a la norma ISO 10006 (en España UNE 66916-6:2003) como norma que pretende estandarizar la forma de gestionar todo tipo de proyectos, no sólo los de construcción.
Estas normas han supuesto un paso importante para establecer un lenguaje común en la gestión del proceso de proyecto-construcción. Sin embargo, como veremos a continuación, ni las leyes, ni las administraciones públicas ni siquiera las empresas constructoras o consultoras se encuentran adaptadas a esta forma de entender los proyectos.
La calidad en la gestión de proyectos implica, por una parte, la calidad de los procesos proyectuales y, por otra, la del proyecto final (producto). Ambos son imprescindibles y requieren un tratamiento sistemático. Debe asegurarse de la satisfacción del cliente dentro de los márgenes establecidos por las reglas y objetivos de la empresa y del propio equipo del proyecto. La norma cubre un espectro muy amplio de proyectos en cuanto a magnitud, intensidad y especialización.
En el año 1997, la Organización Internacional para la Normalización (International Organization for Standardization), conocida como ISO, publicó la norma ISO 10006:1997, titulada “Gestión de la Calidad – Directrices para la calidad en la gestión de proyectos”. Su objeto es servir de guía en aspectos relativos a elementos, conceptos y prácticas de sistemas de calidad que pueden implementarse en la gestión de proyectos o que pueden mejorar la calidad de la gestión de proyectos. La norma también tiene la finalidad de aplicarse de forma complementaria a la familia ISO 9000 por aquellos técnicos que necesitan compaginar el trabajo dentro de una organización empresarial con la aplicación del mismo a un proyecto concreto. En este momento, existe una nueva versión de la norma de 2003.
Según algunos autores [Pither et al., 1998], la norma ISO 10006 presenta algunas deficiencias importantes:
No incluye los procesos de gestión de la calidad y, por lo tanto, da a entender que no forman parte de la gestión del proyecto.
No presenta un procedimiento de ejecución del proyecto, aunque sí habla exhaustivamente de planificación y control, lo que puede inducir a pensar que la gestión del proyecto únicamente consiste en planificar y controlar.
Aunque la norma no es una guía para la gestión de proyectos, el lenguaje utilizado puede dar lugar a pensar que sí lo es.
No entra en las fases del proyecto ni describe los procesos necesarios para su ejecución.
La calidad en la gestión de proyectos implica, por una parte, la calidad de los procesos proyectuales y, por otra, la del proyecto final (producto). Ambos son imprescindibles y requieren un tratamiento sistemático. Debe asegurarse de la satisfacción del cliente dentro de los márgenes establecidos por las reglas y objetivos de la empresa y del propio equipo del proyecto.
La norma cubre un espectro muy amplio de proyectos en cuanto a magnitud, intensidad y especialización. Dentro de esta amplia gama de proyectos, la presente comunicación se centra en los de construcción, que presentan características particulares. En estas condiciones, la aplicación de las normas ISO (la 10006 e incluso la familia 9000) presenta unas mayores complicaciones que para el clásico proceso industrial, más fácilmente adaptable a un proceso normalizador. En la siguiente tabla se recogen los requisitos de la norma ISO 10006, aplicados al proceso de proyecto construcción.
PROCEDIMIENTO
DESCRIPCIÓN
RELATIVOS A LA ESTRATEGIA
DIRECCIÓN
Establecer una guía para gestionar los restantes procedimientos
RELATIVOS A LA GESTIÓN
PLANIFICACIÓN
Evaluar las necesidades del cliente, establecer una planificación de los trabajos y poner en marcha los restantes procedimientos
INTERACCIÓN
Gestionar la comunicación y los conflictos entre los participantes, medir y evaluar el desarrollo del proceso proyecto-construcción y tomar medidas para canalizar las desviaciones
MODIFICACIÓN
Identificar, documentar y aprobar la necesidad de llevar a cabo modificaciones en el proceso y revisar su implementación
FINALIZACIÓN
Asegurarse de que los procedimientos finalizan cuando se prevé y que la documentación se ha guardado y almacenado convenientemente
RELATIVOS AL ALCANCE
CONCEPTO
Definir las líneas maestras de la infraestructura final
DESARROLLO Y CONTROL
Documentar y controlar las características de la infraestructura final en términos mensurables
DEFINICIÓN DE ACTIVIDADES
Identificar y documentar las actividades y los pasos necesarios para conseguir los objetivos
CONTROL DE ACTIVIDADES
Controlar el trabajo desarrollado en el proceso proyecto-construcción
RELATIVOS AL TIEMPO
INTERRELACIÓN DE ACTIVIDADES
Determinar interdependencias entre actividades
ESTIMACIÓN DE LA DURACIÓN
Determinar la duración de las actividades
DESARROLLO DE LA PROGRAMACIÓN
Determinar los plazos de inicio y final de las actividades
CONTROL DE PROGRAMACIÓN
Controlar la ejecución de las actividades del proceso proyecto-construcción y tomar acciones correctivas en su caso
RELATIVOS AL COSTE
ESTIMACIÓN DE COSTES
Realizar previsiones de costes
PRESUPUESTACIÓN
Utilizar los resultados de la estimación para presupuestar
CONTROL DE COSTES
Comparar con los costes reales y controlar las desviaciones sobre el presupuesto
RELATIVOS A LOS RECURSOS
PLANIFICACIÓN DE RECURSOS
Identificar, estimar, programar y ubicar los recursos necesarios
CONTROL DE RECURSOS
Comparar el uso real de los recursos y tomar medidas si es necesario
RELATIVOS AL PERSONAL
ESTRUCTURA ORGANIZATIVA
Definir un organigrama adecuado para cumplir con los requerimientos, indicando puestos de trabajo y relaciones de autoridad y responsabilidad
UBICACIÓN DE PERSONAL
Seleccionar y asignar al personal capacitado para llevar a cabo las tareas
DESARROLLO DE RECURSOS HUMANOS
Desarrollar habilidades individuales y grupales para mejorar el proceso
RELATIVOS A LA COMUNICACIÓN
PLANIFICACIÓN DE LA COMUNICACIÓN
Planificar los sistemas de información y de comunicación del proceso
GESTIÓN DE LA INFORMACIÓN
Hacer llegar la información necesaria a los participantes correspondientes
CONTROL DE LA COMUNICACIÓN
Controlar la comunicación según lo planificado
RELATIVOS AL RIESGO
IDENTIFICACIÓN DE RIESGOS
Determinar los riesgos del proceso proyecto-construcción
ESTIMACIÓN DE RIESGOS
Evaluar la probabilidad de ocurrencia de los riesgos y su impacto en el proceso proyecto-construcción
RESPUESTA A LOS RIESGOS
Desarrollo de planes de respuesta a riesgos
CONTROL DE RIESGOS
Implementar y actualizar los planes de respuesta
RELATIVOS A APROVISIONAMIENTOS
PLANIFICACIÓN Y CONTROL DE APROVISIONAMIENTOS
Identificar y controlar qué debe comprarse y cuándo debe comprarse
DOCUMENTACIÓN DE LOS REQUISITOS
Cumplir las condiciones técnicas y comerciales
EVALUACIÓN DE SUBCONTRATISTAS
Determinar qué subcontratistas deberían ser invitados a suministrar productos
SUBCONTRATACIÓN
Solicitar ofertas, evaluar, negociar, preparar y firmar el contrato de subcontratación
CONTROL DE CONTRATOS
Asegurar que la actuación de los subcontratistas cumple los requisitos contractuales
Tabla: Requisitos de la norma ISO 10006 aplicados al proceso proyecto-construcción.
Referencias:
PELLICER, E.; YEPES, V.; TEIXEIRA, J.C.; MOURA, H.P.; CATALÁ, J. (2014). Construction Management. Wiley Blackwell, 316 pp. ISBN: 978-1-118-53957-6.
YEPES, V.; PELLICER, E. (2003). ISO 10006 “Guidelines to quality in project management” application to construction. VII International Congress on Project Engineering. 10 pp. ISBN: 84-9769-037-0. (link)
Uno de los documentos que figuran como «Anejo» en un proyecto de construcción es el «Anejo de reposición de servicios afectados«. Se trata de un documento cuyo objeto es la resolución de los problemas técnicos que puedan presentarse durante las obras de construcción proyectadas y que estén relacionados con la existencia de servicios de propiedad pública o privada.
Las obras proyectadas afectan, en mayor o menor medida, a servicios existentes que deben ser repuestos convenientemente durante la construcción de las obras; su solución técnica debe reflejarse en el proyecto y aparecer en cada uno de los documentos del mismo:
El cálculo (en el anejo/s correspondiente/s)
La definición técnica (anejo, planos y pliego)
Las condiciones de ejecución (pliego)
La valoración de la reposición o protección propuesta (presupuesto)
Los servicios afectados por las obras se suelen dividir en dos grandes grupos:
Los que se resuelven con la participación de las compañías afectadas, concesionarias del servicio, que aportan parte de los medios técnicos necesarios para trasladar sus servicios o que dirigen y vigilan su protección. Se consideran todas aquellas líneas que pueden representar peligro o trastorno grave en caso de fallo: energía eléctrica en alta tensión (igual o superior a 20 kV), telefonía, telegrafía, gas y abastecimiento de agua (tuberías de transporte o de alta presión). Normalmente, no se incluyen los cálculos que realiza la compañía concesionaria, sino únicamente los planos del estado actual y proyectado y la valoración. Esta puede incluirse dentro del presupuesto de ejecución material o fuera de él, como parte del presupuesto para conocimiento de la administración.
Los que son modificados o protegidos por el contratista principal de las obras durante su ejecución normalmente dependen de ayuntamientos o particulares: energía eléctrica en baja tensión, alumbrado, abastecimiento de agua, colectores de aguas pluviales y/o residuales, acequias, instalaciones semafóricas y de control de tráfico, caminos, accesos y cerramientos. En este caso, el proyecto incluye, perfectamente desarrollados, los cálculos, la definición gráfica, las condiciones técnicas, la valoración y la planificación de los trabajos.
La identificación de los servicios e instalaciones afectados por las obras se tiene que llevar a cabo exhaustivamente mediante:
Contactos con las compañías afectadas (Red Eléctrica Española, Iberdrola, Telefónica, Gas Natural, Aguas de Valencia, etc.), con otras administraciones involucradas (estatales, autonómicas, diputaciones o ayuntamientos) y con comunidades de regantes y propietarios particulares. La correspondencia con las distintas compañías se refleja en el anejo.
Reconocimiento de campo para comprobar la información facilitada y, a partir de la cartografía del proyecto, plasmar los servicios afectados en los planos de planta a la escala adecuada. A veces es necesario recurrir a catas para localizar las líneas, siempre de acuerdo con los responsables técnicos de los servicios afectados.
http://4.bp.blogspot.com/
En cuanto a líneas eléctricas de alta tensión, se diferencian los siguientes casos:
20 kV (media tensión): los cálculos del traslado y reposición de líneas no son complicados y pueden efectuarlos un ingeniero industrial, siguiendo lo especificado en el Reglamento Técnico de Líneas Aéreas de Alta Tensión (Decreto 3151/1968, de 28/11/68, BOE n.º 311 de 27/12/68 y sus posteriores actualizaciones). Las líneas son propiedad de la compañía concesionaria del servicio (Iberdrola, Endesa, etc.).
Entre 20 kV y 380 kV, los cálculos son complicados y conviene que los realice la propia compañía concesionaria del servicio (Iberdrola, Endesa, etc.), lo que facilita posteriormente el diseño.
Igual o superior a 380 kV: son las líneas de transporte de energía eléctrica propiedad del Estado. La modificación de estas líneas es muy costosa y complicada y hay que evitarla en la medida de lo posible. Las líneas las gestiona Red Eléctrica Española, que debe efectuar los cálculos y facilitar el diseño.
Referencias:
PELLICER, E.; YEPES, V.; TEIXEIRA, J.C.; MOURA, H.P.; CATALÁ, J. (2014). Construction Management. Wiley Blackwell, 316 pp. ISBN: 978-1-118-53957-6.
Instituto de Ciencia y Tecnología del Hormigón (ICITECH)
Creo que es interesante comentar en este post los resultados que estamos obteniendo de un proyecto de investigación financiado por el Ministerio de Ciencia e Innovación, que nuestro grupo de investigación llama HORSOST. Su nombre completo describe el contenido del trabajo que estamos desarrollando: «Diseño eficiente de estructuras con hormigones no convencionales basados en criterios sostenibles multiobjetivo mediante el empleo de técnicas de minería de datos«.
Se trata de un proyecto que iniciamos en 2012 y cuya finalización está prevista para finales de 2014. Nuestro grupo de investigación está formado por seis profesores y varios becarios de investigación del Instituto de Ciencia y Tecnología del Hormigón (ICITECH) de la Universidad Politécnica de Valencia. En dicho grupo me corresponde el papel de investigador principal. Espero que esta breve descripción os oriente sobre lo que estamos haciendo.
Este proyecto de investigación se encuentra relacionado con otros ya finalizados y otros en marcha, tanto de convocatorias competitivas como de convenios de transferencia tecnológica con empresas (constructoras, empresas de prefabricados, consultoras, etc.).
El objetivo fundamental del proyecto de investigación HORSOST consiste en establecer pautas de diseño eficiente de estructuras de hormigón no convencional, optimizadas heurísticamente mediante funciones multiobjetivo relacionadas con la sostenibilidad. Se pretende avanzar en el establecimiento de nuevos diseños que permitan extraer las ventajas que aportan los hormigones especiales, en particular hormigones de alta resistencia, hormigones con fibras, hormigones autocompactantes. Para ello, se utiliza el análisis del ciclo de vida de dichas estructuras (elaboración, transporte, procedimientos constructivos, mantenimiento, etc.), considerando aspectos energéticos, medioambientales, sociales y económicos. La optimización heurística permite evaluar los diseños más eficientes, comparar soluciones y generar bases de datos sobre las cuales aplicar herramientas procedentes de la minería de datos y del aprendizaje automático para extraer información no trivial que permita fórmulas de predimensionamiento. La posibilidad de análisis se debe a que las herramientas matemáticas empleadas son de carácter general. Se aplican técnicas como las redes neuronales o la teoría del valor extremo, además de otras herramientas más habituales, como la regresión lineal múltiple o el análisis por componentes principales.
INTRODUCCIÓN
Las evidencias del cambio climático actual, entre otras, han provocado una creciente preocupación por la sostenibilidad [1]. Ello ha impulsado la investigación en aspectos de sostenibilidad en el ámbito de la construcción. Así, se han desarrollado indicadores [2] y se han elaborado bases de datos que miden el impacto ambiental de los materiales [3,4], las cuales han servido en algunas investigaciones para reducir las emisiones de CO2 en estructuras [5,6]. Sin embargo, la sostenibilidad requiere considerar aspectos energéticos, medioambientales, sociales y económicos que deben abarcar todo el ciclo de vida de la estructura [7]. Un antecedente fue el Modelo Integrado de Cuantificación de Valor de un Proyecto Constructivo Sostenible: Aplicación a la Edificación Industrial y de Servicios (MIVES) y MIVES II, que abordaron la sostenibilidad mediante el análisis de valor aplicado a diversos ámbitos [8], y que fueron el punto de partida para el Anejo 13 de la actual EHE.
La disponibilidad de ordenadores de elevada potencia de cálculo, junto con el desarrollo de técnicas de análisis inteligente, ha permitido el avance en el diseño de estructuras óptimas [9-11]. Se ha insistido en la necesidad de optimizar estructuras reales, constatándose la escasez de optimización del hormigón estructural frente a las estructuras metálicas. La optimización [12] puede realizarse desde numerosos puntos de vista (geométricos, topológicos, seccionales, etc.). Además de los métodos basados en la programación matemática [13], el problema de optimización puede abordarse mediante técnicas metaheurísticas y bioinspiradas, tales como los algoritmos genéticos, el recocido simulado, las colonias de hormigas o las redes neuronales, entre otras [14,15]. Recientemente, el trabajo desarrollado por nuestro grupo ha reducido el coste de estructuras reales [16-28].
Sin embargo, la optimización ha requerido un intenso trabajo de investigación para extraer conclusiones aplicables a la realidad de las obras. Una forma que tiene el ingeniero para avanzar en el diseño de estructuras óptimas es difundir fórmulas de predimensionamiento [26,28]. Pues bien, para mejorar los diseños de las estructuras, es posible extraer información no trivial de bases de datos de estructuras óptimas mediante la inteligencia artificial.
El descubrimiento de conocimiento en bases de datos (“Knowledge Discovery from Databases”, KDD) constituye un área en la que se realizan muchos esfuerzos, tanto en metodología como en investigación. En este contexto, la minería de datos constituye un conjunto de herramientas empleadas para extraer información no trivial que reside implícitamente en los datos [29]. Mediante este tipo de técnicas se pueden solucionar problemas de predicción, clasificación y segmentación [30]. Algunas de sus herramientas más representativas son las redes neuronales, las máquinas de soporte vectorial, los árboles de decisión, los modelos estadísticos avanzados multivariantes y los diseños de experimentos y el agrupamiento o “clustering”. Estas herramientas construyen modelos abstractos a partir de datos basándose en métodos de aprendizaje automático “machine learning”.
Por otra parte, la investigación sobre hormigones no convencionales constituye una de las líneas de investigación relevantes relacionadas con los nuevos materiales de construcción. Sus propiedades permiten mejorar las prestaciones y la durabilidad, lo cual se relaciona con la sostenibilidad de su uso. Así, el refuerzo con fibras (HRF) reduce la fisuración y mejora la durabilidad al impedir el acceso de agua y de contaminantes [31]. Sin embargo, razones económicas han llevado al empleo de fibras sólo en casos puntuales, cuando existen beneficios adicionales relativos a la mano de obra, la durabilidad o la congestión del refuerzo [32]. El hormigón autocompactante (HAC) ha mejorado significativamente la tecnología del hormigón al conseguir estructuras más duraderas, mejorar la producción y los procesos constructivos, y facilitar el diseño de elementos complejos y los acabados. Ello se consigue mediante dosificaciones que modifican las propiedades mecánicas respecto al hormigón convencional [33]. Todo ello abre horizontes inexplorados, donde una simple optimización económica de las estructuras haría inviable el empleo de muchos hormigones especiales, pero donde una visión más amplia que contemple criterios de sostenibilidad y análisis del ciclo de vida puede cambiar la perspectiva respecto de su empleo.
Hipótesis de partida y objetivos del proyecto
El objetivo fundamental de HORSOST consiste en establecer criterios de diseño eficientes basados en el análisis del ciclo de vida de estructuras de hormigón no convencional, aplicando, para ello, técnicas procedentes de la inteligencia artificial y la minería de datos a amplios conjuntos de estructuras optimizadas heurísticamente bajo objetivos múltiples de sostenibilidad (ahorro energético y de recursos naturales, aspectos ambientales, sociales y económicos).
Hipótesis de partida
a) Es posible mejorar los diseños de las estructuras de hormigón mediante pautas de predimensionamiento solo disponibles para algunos proyectistas de gran experiencia.
b) Existen criterios de diseño que permiten compatibilizar las exigencias derivadas de la sostenibilidad con reducciones de coste, con aumentos en seguridad y constructibilidad. Sin embargo, estos criterios no son triviales.
c) Los hormigones no convencionales presentan propiedades que contribuyen a la sostenibilidad de las estructuras al analizar el ciclo de vida.
d) La inteligencia artificial y la minería de datos permiten aflorar relaciones no triviales cuando existen bases de datos lo suficientemente amplias.
e) La optimización heurística permite elaborar bases masivas de datos de estructuras optimizadas con múltiples objetivos basados en la sostenibilidad (huella ecológica, reducción de CO2, etc.).
Objetivos del proyecto
1. Desarrollar una metodología capaz de extraer información no trivial de bases de datos masivas de estructuras de hormigón no convencionales optimizadas con múltiples objetivos basados en la sostenibilidad.
2. Obtener reglas de predimensionamiento optimizadas para cada tipología estructural. La novedad y la relevancia radican en el uso de herramientas procedentes del “data mining” y del “machine learning”.
3. Comparar las reglas de diseño obtenidas para hormigones convencionales y no convencionales, así como con los criterios obtenidos de la práctica habitual de diseño y de la bibliografía existente.
4. Divulgar el conocimiento adquirido para que los proyectistas puedan utilizar estos criterios de predimensionamiento, de forma que se obtengan mejoras en la sostenibilidad a lo largo del ciclo de vida de las estructuras de hormigón no convencional.
Descripción de la metodología empleada en el proyecto
La metodología empleada consta de una secuencia iterativa de fases (Figura 1):
Integración y recopilación de datos, en la que se determinan las fuentes de información que pueden ser útiles y dónde conseguirlas.
Selección, limpieza y transformación de datos, en las que se eliminan o corrigen los datos incorrectos y se decide la estrategia a seguir para los datos incompletos.
Minería de datos, en la que se decide la tarea a realizar, ya sea la clasificación, la regresión, el agrupamiento o las reglas de asociación.
Evaluación e interpretación, en la que se evalúan los patrones y se analizan por el equipo de investigación, volviéndose a fases anteriores para nuevas iteraciones si fuera necesario.
Difusión, donde se hace uso del nuevo conocimiento adquirido y se hace partícipes de él a todos los posibles usuarios.
Figura 1 Extracción y difusión del conocimiento por contraste de criterios de diseño sostenible
Uno de los aspectos clave es la disponibilidad de datos utilizables, en cantidad y calidad suficientes, para aplicar las técnicas de “data mining”. Se trata de aplicar un procedimiento convergente para la generación de bases de datos (CGD, por sus siglas en inglés). A continuación se describe el fundamento y la forma de proceder de CGD.
Una estructura de hormigón puede representarse mediante una serie de variables y parámetros. Pues bien, la complejidad de un problema aumenta drásticamente con el número variables involucradas [34], efecto denominado como la “maldición de la dimensión” [35]. Para extraer información, como regla práctica [36], se necesita una muestra cuyo tamaño sea, al menos, 10 veces el número de variables independientes, siendo deseable que ese ratio sea mayor a 20. En el caso de un puente pretensado [37], el número de factores que son combinación lineal de las variables originales y que, además, sean independientes entre sí es de 4, por lo que se precisarían en torno a 40-80 casos para poder realizar inferencias lineales, lo cual no contemplaría relaciones cruzadas entre variables (ello implicaría una muestra mayor). Otras técnicas como las redes neuronales o las máquinas de soporte vectorial, que son capaces de inferir modelos no lineales e incluso discontinuos o discretos, requieren un número mayor de individuos. Además, se aconseja la reserva de un grupo de validación, que puede oscilar entre 1/3 y 1/4 de la muestra necesaria, para comprobar que las inferencias presentan una calidad adecuada.
Metaheurísticas empleadas en el desarrollo del proyecto
Desde los primeros años de la década de los 80, la investigación sobre los problemas de optimización se centra en el diseño de métodos aproximados basados en conceptos derivados de la inteligencia artificial, la evolución biológica y la mecánica estadística. En la Figura 2 se recoge una clasificación propuesta por Yepes [39] que debería complementarse con metaheurísticas híbridas que emplean, en mayor o menor medida, estrategias de unos grupos y otros. A continuación se describen algunas técnicas empleadas en HORSOST.
Figura 2 Taxonomía de estrategias empleadas en la resolución aproximada de problemas de optimización combinatoria [39]
Recocido simulado
El recocido simulado “Simulated Annealing” (SA) [40,41] se basa en la analogía entre la energía de un sistema termodinámico y la función de coste de un problema de optimización. Conceptualmente, es un algoritmo de búsqueda por entornos, donde una solución sustituye a la anterior si mejora a la anterior (D<0); en caso contrario, será aceptada con una probabilidad (e(-D/T), donde T es un parámetro denominado temperatura) decreciente con el aumento de D, la diferencia entre los costes de la solución candidata y la actual. La selección aleatoria de soluciones degradadas permite eludir los óptimos locales.
Aceptación por umbrales
La aceptación por umbrales “Threshold Accepting” (TA) [42] emplea un enfoque similar al de SA para eludir los óptimos locales, pero con una toma de decisiones más sencilla. Se autoriza el menoscabo de la calidad de las soluciones, siempre y cuando no se exceda, en cierta magnitud, la aptitud de la solución actual.
Sistema de colonia de hormigas
El sistema de colonia de hormigas “Ant System Optimization” (ACO) [43] se basa en la analogía con el comportamiento de estos insectos al encontrar el camino más corto entre la comida y su hormiguero. Tan pronto como un individuo encuentra una fuente de comida, evalúa su cantidad y calidad y transporta un poco al hormiguero. Durante el regreso, la hormiga deja por el camino feromonas para que las demás hormigas puedan seguirla. Después de un tiempo, el camino hacia el alimento se indicará por un rastro oloroso que crece con el número de hormigas que pasan por él y desaparece en caso contrario. El resultado final es la optimización del trabajo de todo el hormiguero en su búsqueda de comida.
Búsqueda local iterada
La idea de la búsqueda local iterada “Iterated Local Search” (ILS) [44] consiste en rastrear la solución entre los óptimos locales del subespacio definido por ellos. Dado que un algoritmo de búsqueda es capaz de transformar una solución s en otra s* que es un óptimo local, para pasar a otro óptimo local cercano, s’, se aplica una pequeña perturbación. Aplicando el algoritmo de búsqueda a s’ se encuentra otra solución s*’. La metaheurística acepta el paso de s* a s*’ según algún criterio, como el de máximo gradiente (si s*’ es mejor que s*, se acepta) o no (se puede pensar en un mecanismo TA o SA para evitar estancamientos dentro del subespacio de los óptimos locales s*).
Búsqueda en entornos variables
La búsqueda en entornos variables, “Variable Neighborhood Search” (VNS) [45], consiste en cambiar de operador de búsqueda cuando el anterior ha alcanzado un óptimo local. De este modo, VNS oscilará entre dos o más operadores con la esperanza de que los cambios en la estructura del entorno permitan escapar de muchos óptimos locales. Para que este principio funcione bien, los operadores empleados deberán ser lo suficientemente distintos respecto de la estructura del vecindario que generan.
Algoritmos genéticos
Los algoritmos genéticos, “Genetic Algorithms” (GA) [46], simulan el proceso de evolución de las especies que se reproducen sexualmente. Un nuevo individuo se genera a través del cruzamiento, que combina parte del patrimonio genético de cada progenitor para elaborar el del nuevo individuo, y de la mutación, que supone una modificación espontánea de esta información genética. Si los hijos heredan buenos atributos de sus padres, su probabilidad de supervivencia será mayor, reproduciéndose con mayor probabilidad.
Algoritmos meméticos
Los algoritmos meméticos “Memetic Algorithms” (MA) [47] derivan de GA, donde el uso de una población de soluciones se combina con heurísticas de búsqueda local. La idea consiste en recombinar la información de las soluciones provenientes del subespacio de óptimos locales. El éxito de estos métodos puede atribuirse a su equilibrio entre la búsqueda rápida y el mantenimiento de la diversidad, para evitar la convergencia prematura.
Otras técnicas empleadas en el proyecto
Regresión lineal múltiple
Los modelos de regresión lineal múltiple (RLM) se ajustan mediante mínimos cuadrados, de modo que la variable de respuesta esté explicada al máximo posible por las variables independientes. El proceso se inicia intentando explicar la respuesta en función de la variable con la que presenta la mayor correlación. El objetivo es aumentar el coeficiente de regresión agregando variables independientes explicativas, utilizando el método stepwise de pasos sucesivos [48].
Análisis por componentes principales
El análisis de componentes principales (ACP) examina la interdependencia entre variables para reducir su dimensión a un nuevo subconjunto de variables no observables. En síntesis, calcula unos factores que sean una combinación lineal de las variables originales y que, además, sean independientes entre sí. La primera componente principal se elige de modo que explique la mayor parte de la varianza posible, y así sucesivamente. Para facilitar la interpretación, se emplea una rotación ortogonal que minimiza el número de variables con saturaciones altas en cada factor [49].
Redes neuronales artificiales
Las redes neuronales artificiales “ArtificialNeural Networks” (ANN) simulan un sistema de procesamiento de la información altamente complejo, no lineal y en paralelo parecido al cerebro humano. McCulloch y Pitts [50] presentaron el primer modelo de neurona como un dispositivo no lineal multientrada con interconexiones “con peso”. La neurona suma las entradas ya ponderadas, les aplica una función no lineal y transmite una salida. La red puede ser preparada, utilizando ejemplos, para reconocer ciertas estructuras, como puede ser la clasificación de objetos por sus características o la inferencia a partir de los datos de entrada.
Teoría del valor extremo
Si se acepta que el óptimo local encontrado por un algoritmo de búsqueda estocástica puede considerarse una solución extrema de una muestra aleatoria simple formada por las soluciones visitadas, entonces se podría aplicar la teoría del valor extremo “Extreme Value Theory” (EVT) [51,52] para estimar el óptimo global del problema. Para ello se ha comprobado que los óptimos locales encontrados constituyen valores extremos que ajustan a una función Weibull de tres parámetros, siendo el de posición, γ, una estimación del óptimo global.
Tabla 1 Referencias del empleo de técnicas respecto a tipologías estructurales
SA
TA
ACO
ILS
VNS
GA
MA
EVT
ANN
ACP
RLM
Muros
[28]
[6]
[6]
Pórticos de edificación
[5,24]
[24]
Vigas de hormigón armado
[27]
[27]
[27]
Vigas pretensadas
[23]
Bóvedas de paso inferior
[16]
[16]
[17]
[17]
Marcos de paso inferior
[25]
[25,26]
Pilas de puente
[21]
[20,22]
[20]
Puentes de vigas artesa
[18]
[19]
Puentes losa postesados
[37]
[37]
Conclusiones
Como conclusiones generales del planteamiento del proyecto HORSOST se pueden citar las siguientes:
1) Existe una importante área de mejora en los diseños de estructuras de hormigón no convencional de forma que se obtenga un importante beneficio social si estos diseños maximizan la sostenibilidad en la construcción de estas estructuras considerando todo el ciclo de vida del producto.
2) Es posible emplear técnicas procedentes del descubrimiento de conocimiento en bases de datos (KDD) para extraer información no trivial de bases de datos de estructuras de hormigón generadas mediante optimización heurística multiobjetivo orientada a la sostenibilidad.
3) Los hormigones no convencionales presentan prestaciones que favorecen su durabilidad y, por ello, pueden contribuir a la sostenibilidad si se consideran aspectos medioambientales, sociales y económicos a lo largo de toda su vida útil. Por tanto, deben analizarse en detalle para comprobar su validez frente a los hormigones convencionales y ofrecer criterios de diseño aplicables para los proyectistas.
Agradecimientos
Los autores agradecen el aporte financiero realizado para este trabajo por el Ministerio de Ciencia e Innovación (Proyecto de Investigación BIA2011-23602) y por la Universitat Politècnica de València (Proyecto de Investigación PAID-06-12).
Referencias
[1] Baldasano, J.M. (2007). Evidencias del actual cambio climático, en Cambio climático y sus consecuencias. Generalitat Valenciana, pp. 43-56.
[2] Rodríguez, F.; Fernández, G. (2010). Ingeniería sostenible: nuevos objetivos en los proyectos de construcción. Revista Ingeniería de Construcción, 25(2), 147-160. [doi:10.4067/S0718-50732010000200001]
[3] Goedkoop, M.; Spriensma, R. (2001). The Ecoindicator 99: A damage oriented method for life cycle impact assessment. Methodology Report. Product Ecology Consultants, Amersfoort, Netherlands.
[4] Institut de Tecnologia de la Construcció de Catalunya (2009). BEDEC PR/PCT ITEC materials database. Available online at:http://www.itec.es/nouBedec.e/presentaciobedec.aspx
[5] Payá-Zaforteza I.; Yepes, V.; Hospitaler, A.; González-Vidosa, F. (2009). CO2-Efficient Design of Reinforced Concrete Building Frames. Engineering Structures, 31, 1501-1508. [doi.org/10.1016/j.engstruct.2009.02.034]
[6] Yepes, V.; González-Vidosa, F.; Alcalá, J.; Villalba, P. (2012). CO2-Optimization Design of Reinforced Concrete Retaining Walls based on a VNS-Threshold Acceptance Strategy. Journal of Computing in Civil Engineering ASCE, 26 (3), 378-386. [doi:10.1061/(ASCE)CP.1943-5487.0000140]
[7] Burón, M. (2007). La sostenibilidad de las construcciones de hormigón. Revista Técnica Cemento Hormigón, 897, 58-65.
[8] Aguado, A.; Alarcón, D.B.; Manga, R. (2008). Razón de ser del anejo ICES de la EHA y características del mismo. Revista Técnica Cemento Hormigón, 913, 16-23.
[9] Sriram, R.D. (2006). Artificial intelligence in engineering: personal reflections. Advanced Engineering Informatics, 20, 3-5. [doi:10.1016/j.aei.2005.12.002]
[10] Sarma, K.C.; Adeli, H. (1998). Cost optimization of concrete structures. ASCE Journal of Structural Engineering, 124(5), 570-578. [doi:10.1061/(ASCE)0733-9445(1998)124:5(570)]
[11] Cohn, M.Z.; Dinovitzer, A.S. (1994). Application of structural optimization. ASCE Journal of Structural Engineering, 120(2), 617-649. [doi:10.1061/(ASCE)0733-9445(1994)120:2(617)]
[12] Martínez, P.; Martí, P.; Querín, O.M. (2007). Growth method for size, topology, and geometry optimization of truss structures. Structural and Multidisciplinary Optimization, 33, 13-26. [doi:10.1007/s00158-006-0043-9]
[13] Hernández, S.; Fontan, A. (2002). Practical Applications of Design Optimization. WIT Press, Southampton.
[14] Adeli, H.; Sarma, K.C. (2006). “Cost optimization of structures. Fuzzy logic, genetic algorithms and parallel computing”, Wiley, Chichester.
[15] Dreo, J.; Petrowsky, A.; Siarry, P.; Taillard, E. (2006). Metaheuristics for hard optimization. Methods and case studies. Springer, Berlin Heidelberg.
[16] Carbonell, A.; González-Vidosa, F.; Yepes, V. (2011). Heuristic optimization of reinforced concrete road vault underpasses. Advances in Engineering Software, 42(4), 151-159. [doi:10.1016/j.advengsoft.2011.01.002]
[17] Carbonell, A.; Yepes, V.; González-Vidosa, F. (2012). Automatic design of concrete vaults using iterated local search and extreme value estimation. Latin American Journal of Solids and Structures, 9(6), 675-689.
[18] Martí, J.V.; González-Vidosa, F.; Yepes, V.; Alcalá, J. (2013). Design of prestressed concrete precast road bridges with hybrid simulated annealing. Engineering Structures, 48, 342-352. [doi:10.1016/j.engstruct.2012.09.014]
[19] Martí, J.V.; Yepes, V.; González-Vidosa, F.; Luz, A. (2013). Diseño automático de tableros óptimos de puentes de carretera de vigas artesa prefabricadas mediante algoritmos meméticos híbridos. Revista Internacional de Métodos Numéricos para Cálculo y Diseño en Ingeniería, (en prensa).
[20] Martínez-Martín, F.; González-Vidosa, F.; Hospitaler, A.; Yepes, V. (2010). Heuristic Optimization of RC Bridge Piers with Rectangular Hollow Sections. Computers & Structures, 88(5-6), 375-386. [doi:10.1016/j.compstruc.2009.11.009]
[21] Martínez-Martín, F.; González-Vidosa, F.; Hospitaler, A.; Yepes, V. (2012). Multi-objective optimization design of bridge piers with hybrid heuristic algorithms. Journal of Zhejiang University-SCIENCE A (Applied Physics & Engineering, 13(6), 420-432. [doi:10.1631/jzus.A1100304]
[22] Martínez-Martín, F.; González-Vidosa, F.; Hospitaler, A.; Yepes, V. (2013). A parametric study of optimum tall piers for railway bridge viaducts. Structural Engineering and Mechanics, 45(6), 723-740.
[23] Martí-Vargas, J.R.; Ferri, F.J.; Yepes, V. (2013). Prediction of the transfer length of prestressing strands with neural networks. Computers and Concrete, (in press).
[24] Payá-Zaforteza, I.; Yepes, V.; González-Vidosa, F.; Hospitaler, A. (2010). On the Weibull cost estimation of building frames designed by simulated annealing. Meccanica, 45(5), 693-704. [doi:10.1007/s11012-010-9285-0]
[25] Perea, C.; Alcalá, J.; Yepes, V.; González-Vidosa, F.; Hospitaler, A. (2008). Design of Reinforced Concrete Bridge Frames by Heuristic Optimization. Advances in Engineering Software, 39(8), 676-688. [doi:10.1016/j.advengsoft.2007.07.007]
[26] Perea, C.; Yepes, V.; Alcalá, J.; Hospitaler, A.; González-Vidosa, F. (2010). A parametric study of optimum road frame bridges by threshold acceptance. Indian Journal of Engineering & Materials Sciences, 17(6), 427-437.
[27] Torres-Machí, C.; Yepes, V.; Alcalá, J.; Pellicer, E. (2013). Optimization of high-performance concrete structures by variable neighborhood search. International Journal of Civil Engineering, Transaction A: Civil Engineering, 11(2), 90-99.
[28] Yepes, V.; Alcalá, J.; Perea, C.; González-Vidosa, F. (2008). A Parametric Study of Optimum Earth Retaining Walls by Simulated Annealing. Engineering Structures, 30(3), 821-830. [doi:10.1016/j.engstruct.2007.05.023]
[29] Fayyad, U.M. (1996). Data Mining and Knowlegde Discovery: Making Sense Out of Data. IEEE Expert, 11(5), 20-25. [doi:10.1109/64.539013]
[30] Hernández, J.; Ramírez, M.J.; Ferri, C. (2004). Introducción a la minería de datos. Pearson, Madrid.
[31] Rossi, P.; Chanvillard, G. (eds.) (2000). “Fibre-Reinforced Concretes (FRC)”. Proceedings of the 5th International RILEM Symposium (BEFIB 2000). RILEM Publications S.A.R.L., Cachan, France.
[32] Massicitte, B. (2000). Fiber Reinforce Concrete: a Structural Perspective, RILEM Proceedings 15, BEFIB 2000.
[33] Martí-Vargas, J.R.; Serna-Ros, P.; Arbeláez, C.A.; Rigueira-Víctor, J.W. (2006). Comportamiento adherente del hormigón autocompactante en transmisión y anclaje. Materiales de Construcción, 56(284), 27-42.
[34] Pettis, K.W.; Bailey, T.A.; Jain, A.K.; Dubes, R.C. (1979). An intrinsic dimensionality estimator from near-neighbor information. IEEE Transactions on pattern analysis and machine intelligence, 1, 25-37. [doi:10.1109/TPAMI.1979.4766873]
[35] Bellman, R.E. (1961). Adaptive Control Processes. Princeton University Press, Princeton, N.J.
[36] Fukunaga, M. (1990). Introduction to Statistical Pattern Recognition. 2nd Edition. Academic Press, San Diego, USA.
[37] Yepes, V.; Díaz, J.; González-Vidosa, F.; Alcalá, J. (2009). Caracterización estadística de tableros pretensados para carreteras. Revista de la Construcción, 8(2), 95-109.
[38] Ferri, J.; Diaz-Chito, K.; Diaz-Villanueva, W. (2010). Efficient dimensionality reduction on undersampled problems through incremental discriminative common vectors, ICDM’10 (OEDM Workshop), pp. 1159-1166.
[39] Yepes, V. (2002). Optimización heurística económica de redes de transporte del tipo VRPTW. Tesis doctoral, Universitat Politècnica de València.
[41] Cerny, V. (1985). Thermodynamical approach to the traveling salesman problem: An efficient simulation algorithm. Optimization Theory and Applications, 45, 41-51. [doi:10.1007/BF00940812]
[42] Dueck G, Scheuer T. (1990). Threshold accepting: a general purpose optimization algorithm superior to simulated annealing. Journal of Computational Physics, 90(1), 161–75. [doi:10.1016/0021-9991(90)90201-B]
[43] Dorigo, M.; Maniezzo, V.; Colorni, A. (1996). The ant system: optimization by a colony of cooperating agents. IEEE Transactions on Systems, Man, and Cybernetics-Part B, 26(1), 29-41. [doi:10.1109/3477.484436]
[44] Lourenço, H.R.; Martin, O.C.; Stülze, T. (2003). Iterated local search. In F.W. Glover and G.A. Kochenberger, edi-tors, Handbook of metaheuristics, pages 321-353, Boston, Dordrecht, London. Kluwer Academic Publishers.
[45] Mladenovic, N.; Hansen, P. (1997). Variable neighborhood search. Computers and Operations Research, 24(11), 1097-1100. [doi:10.1016/S0305-0548(97)00031-2]
[46] Holland, J.H. (1975). Adaptation in natural and artificial systems. University of Michigan Press, Ann Arbor.
[47] Moscato, P. On evolution, search, optimization, genetic algorithms and martial arts: Towards memetic algorithms. Technical Report Caltech Concurrent Computation Program Report 826, Caltech, Pasadena, California, USA.
[48] Hocking, R. (1976). The Analysis and Selection of Variables in Linear Regression. Biometrics, 32, 1-49.
[49] Kaiser H.F. (1958). The Varimax criterion for analytic rotation in factor analysis. Psychometrika, 23(3), 187-200. [doi:10.1007/BF02289233]
[50] McCulloch, W.; Pitts, W. (1943). A logical calculus of ideas immanent in nervous activity. Bulletin of Mathematical Biophysics, 5, 115-133. [doi:10.1016/S0092-8240(05)80006-0]
[51] McRoberts, K. (1971). A search model for evaluating combinatorially explosive problems. Operations Research, 19(6), 1331-1349. [doi:10.1287/opre.19.6.1331]
[52] Golden, B.L.; Alt, F.B. (1979). Interval estimation of a global optimum for large combinatorial problems. Naval Research Logistics Quarterly, 26(1), 69-77. [doi: 10.1002/nav.3800260108]
Green building practices emerged to mitigate the effects of the increasing impact on the environment and to improve the building construction process. In this context, a systematic bibliometric analysis is provided. As a result, 124 articles were found in 40 internationally recognized scientific journals related to green buildings. A quantitative analysis is done to the articles in order to know about the authors and countries with most publications; in addition to their evolution from 1980 to 2011. Then a qualitative analysis which aims to obtain the key aspects and obstacles to consider in Green Building and recommendations are given for each aspect. The goal of this paper is to provide building researchers and practitioners a better understanding of how to effectively make decisions to promote energy conservation and sustainability of green buildings. (link)
¿Cómo se podría mejorar la docencia de una ingeniería? ¿Es mejor un enfoque científico o profesional? ¿Cómo se pueden conjugar los enfoques más adecuados para que el aprendizaje sea efectivo? Son preguntas de respuesta compleja, pues depende mucho de las circunstancias y del perfil profesional al que vaya dirigido la pregunta.
En el caso del Máster Universitario en Planificación y Gestión en Ingeniería Civil (MAPGIC), se ha optado por un planteamiento que consideramos de gran interés. Se trata de hacer girar las asignaturas que constituyen el programa de posgrado en torno a un proyecto constructivo real. Esta idea, cuyo planteamiento es más sencillo de explicar que de aplicar, supone un gran esfuerzo del profesorado de coordinación. Las ventajas son más que evidentes. Si se elige un proyecto adecuado, el alumno es capaz de enlazar lo aprendido con un caso real. Pero mejor será dejar la comunicación que presentamos recientemente a la Conferencia INTED 2014 que se celebró en Valencia en el mes de marzo y que a continuación os paso.
SEGADO, S.; YEPES, V.; CATALÁ, J.; PELLICER, E. (2014). A portfolio approach to a M.Sc. degree in construction management using a common project. 8th International Technology, Education and Development Conference, INTED 2014, Valencia (Spain), 10-12 March, pp. 2020-2029.
¿Todos los actores que intervienen en la gestión y materialización de un proyecto de construcción tienen relaciones fluidas? ¿Se entienden entre ellos? En post anteriores ya hablamos de los problemas de los proyectos, de los problemas de calidad y los despilfarros, de la norma ISO 10006 como vía para mejorar dichos problemas, e incluso de los problemas que presentan los propios recursos humanos en relación con la calidad. Hoy nos vamos a centrar en los actores de este proceso tan complejo. Seguro que de la lectura de las ideas que vienen a continuación se pueden sacar más conclusiones o debate. Os animo a ello.
Entre los actores que intervienen en la construcción de una obra de edificación o de ingeniería civil (promotor, propiedad, usuario final, etc.) destacamos cuatro cuyas relaciones van a determinar la posibilidad de establecer una gestión de proyectos según el espíritu recogido en las normas ISO 10006. Éstos son los siguientes: Continue reading «¿Cuántos actores existen en el proceso proyecto-construcción?»→
En un post anterior comentamos los problemas de calidad que podía tener un proyecto, incluso se apuntó la posibilidad de utilizar una norma, la ISO 10006 para poder controlar dichos problemas. Pero, ¿sabemos de verdad lo que es la calidad en un proyecto de construcción? Vamos a dar un par de pinceladas al tema para aproximarnos a este tema tan importante. Espero que podáis aportar ideas al respecto.
