Etiqueta: BIM

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

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

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

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

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

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

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

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

Metodología: Los cuatro «jinetes» de la degradación

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

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

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

Resultados: Superando al ojo humano

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

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

Aplicabilidad: El semáforo de la salud estructural

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

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

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

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

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

2026_18-ITcon-Fernández-Mora

Referencia:

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

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

Descifrando la construcción moderna: una guía clave para entender la jerga de la industria

1. Introducción: ¿Por qué hay tanta confusión?

El campo de la innovación en la construcción está lleno de siglas y términos que pueden resultar abrumadores para cualquiera que se inicie en este mundo. Acrónimos como MMC, IC, OSC y conceptos como prefabricación o construcción modular se utilizan a menudo de manera inconsistente, lo que crea una barrera de confusión para quienes se inician en este campo.

El propósito de este artículo es actuar como un decodificador, no solo por rigor académico, sino porque la capacidad de la industria para resolver desafíos urgentes, como la crisis de la vivienda, la productividad estancada y la descarbonización del entorno construido, depende de una comprensión común y una estrategia coherente.

La situación actual es como si hubiera un conjunto de etiquetas superpuestas para describir un mismo ecosistema: unas describen el clima (el enfoque general), otras las especies de árboles (los sistemas técnicos) y otras el suelo en el que crecen (las tecnologías habilitadoras). Sin un mapa que las organice, es fácil perderse.

En esta guía, basada en el trabajo de Paul D. Kremer, desglosaremos esta jerga compleja, empezando por los tres términos más amplios y confusos, que actúan como grandes «paraguas» conceptuales.

2. Los grandes «paraguas»: aclarando MMC, IC y OSC/OSM.

Los términos más confusos son aquellos que buscan describir enfoques generales para modernizar la construcción. Aunque a menudo se usan como sinónimos, representan ideas fundamentalmente distintas.

  • Métodos Modernos de Construcción (MMC): es un «término paraguas» amplio, principalmente impulsado por políticas gubernamentales, que carece de una definición técnica estable y coherente. La investigación es clara al respecto y señala que el MMC funciona «en gran medida como un paraguas impulsado por políticas con poca o ninguna frontera técnica coherente». En la práctica, su significado varía según el contexto. En algunos documentos, MMC puede referirse a sistemas modulares volumétricos, a herramientas digitales de gestión o a un conjunto de estrategias para mejorar la productividad. Es un término retórico útil para las políticas públicas, pero analíticamente débil por su ambigüedad.

 

  • Construcción industrializada (CI): es el paradigma más coherente y estable de los tres. Consiste en aplicar la lógica de la fabricación al proceso constructivo. No se trata simplemente de construir en una fábrica, sino de reconfigurar todo el sistema de producción. Sus características principales son:
    • Repetibilidad y normalización: trata la construcción como un sistema de producción orquestado, con componentes y procesos estandarizados, en lugar de una serie de prototipos únicos.
    • Logística coordinada: enfatiza la planificación de la producción y las operaciones de la cadena de suministro totalmente integradas, similar a la de una línea de ensamblaje de automóviles.
    • Enfoque en el proceso: se centra en cómo se organiza la construcción (el flujo de trabajo, la estandarización, la eficiencia) y no solo en dónde ocurre (en la obra o en una fábrica).

 

  • Construcción/fabricación en taller (OSC/OSM): (del inglés, Off-Site Construction/Manufacturing) se refiere a la ubicación. Su función principal es indicar que una parte o la totalidad del proceso de construcción se traslada de la obra a un entorno controlado, como una fábrica. Sin embargo, el término no especifica nada sobre el sistema de producción subyacente. La investigación en este campo suele centrarse en las interfaces entre la fábrica y la obra, las restricciones de transporte y la secuencia de instalación, pero rara vez aborda los principios de fabricación o la integración digital que definen un sistema de producción completo.

Síntesis comparativa

Para visualizar mejor las diferencias, aquí tienes una tabla comparativa:

Característica Métodos modernos de construcción (MMC) Construcción industrializada (IC) Construcción en taller (OSC/OSM)
Concepto clave Un «paraguas» de políticas que agrupa diversas innovaciones. Una filosofía de producción basada en la lógica de la fabricación. Un descriptor que indica la ubicación de la producción (fábrica vs. obra).
Enfoque principal Modernización de la industria en un sentido amplio y flexible. Eficiencia del proceso, repetibilidad y cadena de suministro integrada. El traslado de actividades fuera de la obra para mejorar el control y la calidad.
Analogía simple Una etiqueta de «comida saludable» (puede significar muchas cosas). La «cocina de un chef» (un sistema organizado con procesos definidos). «Comida para llevar» (hecha en otro lugar, sin importar cómo se cocinó).

Ahora que hemos aclarado estos conceptos generales, podemos explorar los tipos de sistemas técnicos más específicos que suelen estar englobados por estos «paraguas».

3. Los «ladrillos»: tipos de sistemas técnicos.

A diferencia de los «paraguas» conceptuales, términos como prefabricado, modular y panelizado se refieren a arquetipos técnicos específicos o «subdominios». Son los verdaderos «ladrillos» con los que se construye.

  1. Sistemas modulares volumétricos: se trata de módulos tridimensionales (3D) altamente prefabricados en fábrica, como habitaciones completas, módulos de baño o de cocina. Estos «bloques» se transportan a la obra y se ensamblan rápidamente. Su principal ventaja es la rapidez de instalación, que reduce drásticamente el tiempo de construcción.
  2. Sistemas panelizados: son componentes bidimensionales (2D), como paredes, losas de piso o paneles de techo, fabricados con alta precisión en una fábrica. Estos paneles se ensamblan en la obra para conformar la estructura del edificio. Un ejemplo prominente son los sistemas de madera de ingeniería (Mass Timber), como el CLT (Cross-Laminated Timber), que demuestran un gran potencial para la construcción rápida y la reducción de emisiones de carbono. Ofrecen una gran flexibilidad de configuración y diseño, ya que los paneles pueden combinarse de múltiples maneras.
  3. Sistemas híbridos: son una mezcla inteligente de componentes prefabricados (modulares o panelizados) y de construcción tradicional in situ. Por ejemplo, se puede construir un podio de hormigón en la obra y luego montar módulos prefabricados encima. A menudo superan a los sistemas totalmente modulares o totalmente in situ en términos de coste y viabilidad, especialmente en entornos urbanos complejos con restricciones de espacio.
  4. Prefabricación (como término general): es importante señalar que el término «prefabricación» es amplio y abarca tanto los sistemas modulares como los panelizados. Simplemente significa que los componentes del edificio se fabrican en un lugar distinto de su ubicación final antes de ser instalados.

Estos sistemas técnicos no funcionan de manera aislada, sino que dependen de un conjunto de tecnologías y metodologías transversales que garantizan su eficiencia y coherencia.

4. Los «habilitadores»: las tecnologías que lo unen todo.

Independientemente del sistema constructivo utilizado (modular, panelizado o híbrido), hay dos «habilitadores» transversales fundamentales para que la construcción moderna funcione de manera integrada y eficiente: la DfMA y la digitalización.

Diseño para la fabricación y el ensamblaje (DfMA): El DfMA no es un método de construcción, sino un «sistema operativo de diseño». Se trata de una metodología que obliga a considerar la fabricación y el ensamblaje desde las primeras etapas del diseño, en lugar de resolverlos sobre la marcha. Sus funciones clave son las siguientes:

  • Alinear el diseño con la realidad: asegura que el diseño arquitectónico sea compatible con las limitaciones y capacidades de la fabricación desde el principio.
  • Considerar la logística como diseño: incorpora variables como las tolerancias de fabricación, la secuencia de transporte y la logística de ensamblaje como parte integral del proceso de diseño.
  • Actuar como núcleo conector: funciona como el nexo que conecta el concepto arquitectónico con la producción industrializada, garantizando que lo que se diseña se pueda fabricar y ensamblar eficientemente.

Digitalización: es la «infraestructura de información» que coordina todo el proceso, desde el diseño hasta el ensamblaje final. Proporciona las herramientas necesarias para gestionar la complejidad de la construcción industrializada. Entre las herramientas clave se encuentran el modelado de información para la construcción (BIM), los gemelos digitales, el modelado paramétrico, los configuradores de diseño, la simulación de procesos y la robótica. Todas ellas conforman la infraestructura de información que coordina los entornos de fábrica y de obra. Con todas estas piezas —los paraguas, los ladrillos y los habilitadores— sobre la mesa, es posible entender un nuevo marco que busca unificarlo todo de manera coherente.

5. Uniendo las piezas: el marco de la neoconstrucción.

Para resolver la fragmentación y la ambigüedad conceptual que hemos analizado, la investigación propone un nuevo término integrador: «neoconstrucción». Este marco no pretende sustituir los términos existentes, sino organizarlos en una estructura lógica.

La neoconstrucción se define como un paradigma de construcción sociotécnica, coordinado digitalmente, industrializado y circular, que integra principios de fabricación, modelos organizativos orientados a plataformas y flujos de trabajo de diseño a producción, dirigidos por DfMA, para entregar sistemas del entorno construido configurables y de alto rendimiento.

Esta densa definición se puede desglosar en cinco componentes esenciales que forman el núcleo del marco:

  1. Integración digital: coordinación basada en modelos (BIM), sistemas de configuración paramétricos y herramientas de soporte a la decisión digital, que constituyen la columna vertebral de la información que conecta el diseño, la producción y la logística.
  2. Producción industrializada: flujos de producción estructurados, estandarización y logística coordinada que conforman la lógica subyacente al paradigma de «construcción como fabricación».
  3. Gobernanza de plataforma: uso de plataformas de productos, definición de interfaces y de ecosistemas de cadena de suministro integrados para permitir la escalabilidad, la consistencia y la coordinación del ecosistema.
  4. Lógicas de diseño a producción (DfMA): integración de la «fabricabilidad», tolerancias, reglas de ensamblaje y principios de diseño circular (DfMA) para garantizar que el diseño se alinee con la realidad de la fabricación y la logística.
  5. Circularidad y rendimiento de por vida: principios de diseño para el desmontaje, la reutilización, la adaptabilidad y la recuperación de materiales para alinear el marco con los imperativos de sostenibilidad y el valor a largo plazo.

Este marco organiza de manera coherente los términos anteriores, posicionando la construcción industrializada (CI) como la «columna vertebral de la producción» y el DfMA como el «sistema operativo de diseño». Esta claridad conceptual no es solo un ejercicio académico, sino que es fundamental para el futuro de una industria que necesita innovar de manera estructurada y escalable.

6. Conclusión: de la confusión a la claridad.

Entender la jerga de la construcción moderna no es tarea imposible. Al organizar los términos en una jerarquía lógica, podemos pasar de la confusión a la claridad.

A continuación, se presenta un resumen de las distinciones clave:

  • MMC: es un término de política, amplio y retórico, no una categoría técnica.
  • IC: es una filosofía de producción centrada en la lógica de la fabricación.
  • OSC: es un descriptor de ubicación que indica dónde se realiza el trabajo.
  • Modular/panelizado: se trata de productos técnicos, los «ladrillos» del sistema.
  • DfMA y digitalización: son los habilitadores transversales, el «sistema operativo» y la «infraestructura de información» que lo unen todo.

Para cualquier estudiante o profesional del sector, dominar esta jerarquía proporciona una base sólida para navegar por la innovación en la construcción. La clave está en ir más allá de los términos de moda y centrarse en la lógica subyacente que realmente impulsa el cambio: una mentalidad de fabricación, un diseño integrado y una coordinación digital impecable. Solo con esta claridad conceptual, la industria podrá afrontar de manera sistemática sus grandes retos en materia de productividad, sostenibilidad y resiliencia.

En esta conversación podéis escuchar aspectos interesantes sobre este tema:

Aquí tenéis un vídeo que resume lo más interesante.

En este documento también os dejo las ideas principales del trabajo de Kremer (2025).

Pincha aquí para descargar

Referencia:

Kremer, P.D. (2025). Defining Modern Methods of Construction: Resolving Conceptual Ambiguity Through the Neo-Construction Framework (preprint)

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

Inteligencia artificial y eficiencia en el diseño de edificios

La inteligencia artificial (IA) está transformando de manera radical el diseño arquitectónico y la edificación. En la actualidad, el sector de la construcción se enfrenta a tres tendencias clave: la industrialización, la sostenibilidad y la transformación digital e inteligente. La convergencia de estos factores genera numerosas oportunidades, pero también desafíos significativos.

Los proyectos contemporáneos son cada vez más grandes y complejos, y están sujetos a requisitos ambientales más estrictos, lo que aumenta la presión sobre los equipos de diseño en términos de procesamiento de información, tiempo y recursos. En este contexto, la IA no solo optimiza los procesos, sino que también mejora la eficiencia de los métodos tradicionales de diseño.

A continuación, analizamos cómo la IA puede impulsar la eficiencia del diseño, fomentar la innovación y contribuir a la sostenibilidad de los proyectos. La tecnología ya está presente en todas las etapas del ciclo de vida del edificio, desde el análisis predictivo y la supervisión de la construcción hasta el mantenimiento de las instalaciones.

La digitalización ha transformado profundamente la forma en que concebimos, proyectamos y gestionamos las infraestructuras. Tras la aparición del diseño asistido por ordenador (CAD) y el modelado de información para la construcción (BIM), la inteligencia artificial (IA) se presenta como el siguiente gran avance tecnológico. A diferencia de otras herramientas, la IA no solo automatiza tareas, sino que también aprende, genera propuestas y ayuda a tomar decisiones complejas de manera óptima. Como señalan Li, Chen, Yu y Yang (2025), la IA se está consolidando como una herramienta fundamental para aumentar la eficiencia en el diseño arquitectónico e integrar criterios de sostenibilidad, industrialización y digitalización en toda la cadena de valor.

La IA se puede definir como un conjunto de técnicas informáticas que buscan reproducir procesos propios de la inteligencia humana, como el razonamiento, el aprendizaje o el reconocimiento de patrones. Entre sus ramas se incluyen el aprendizaje automático (machine learning o ML), basado en algoritmos que identifican patrones en grandes volúmenes de datos; las redes neuronales artificiales, que imitan el funcionamiento del cerebro y permiten resolver problemas complejos, como la predicción energética (Chen et al., 2023); los algoritmos genéticos, que simulan procesos evolutivos para hallar soluciones óptimas en problemas con múltiples variables, y la IA generativa, capaz de crear contenidos originales, como imágenes o planos, a partir de descripciones textuales. Este último enfoque, también conocido como AIGC (contenido generado por IA), ha popularizado herramientas como Stable Diffusion o Midjourney (Li et al., 2025).

En el sector de la construcción confluyen tres grandes tendencias: la industrialización, vinculada a la modularización y la prefabricación de componentes; el desarrollo sostenible, que impulsa diseños energéticamente eficientes y con menor impacto ambiental; y la digitalización inteligente, en la que la IA desempeña un papel protagonista (Asif, Naeem y Khalid, 2024). Estas tres dinámicas están interrelacionadas: sin tecnologías de análisis avanzado, como la IA, sería mucho más difícil cumplir los objetivos de sostenibilidad o gestionar procesos constructivos industrializados.

Tendencias de la construcción

Las aplicaciones de la IA se extienden a lo largo de todo el ciclo de vida del edificio. En las primeras fases de diseño, los algoritmos generan en segundos múltiples alternativas de distribución, optimizando la orientación, la iluminación natural o la ventilación. El diseño paramétrico asistido por IA permite explorar variaciones infinitas ajustando solo unos pocos parámetros (Li et al., 2025). Durante la fase de proyecto, los sistemas basados en procesamiento del lenguaje natural pueden interpretar normativas y detectar incumplimientos de forma automática, lo que reduce la probabilidad de modificaciones en obra (Xu et al., 2024). Además, las técnicas de simulación permiten prever el comportamiento estructural, acústico o energético de un edificio antes de su construcción, lo que proporciona seguridad y precisión en la toma de decisiones.

Avances de la IA en el diseño arquitectónico

En el sector de la construcción, la IA se combina con sensores y análisis de datos en tiempo real para optimizar la producción y la logística. En la construcción industrializada, los algoritmos ajustan la fabricación de elementos prefabricados, optimizan los cortes y los ensamblajes, y mejoran la gestión de las obras (Li et al., 2025). Al mismo tiempo, la monitorización inteligente permite anticiparse a las desviaciones, planificar los recursos con mayor eficiencia e incrementar la seguridad en entornos complejos.

Optimización del ciclo de vida del edificio con IA

Uno de los campos más avanzados es la predicción y optimización del consumo energético. Algoritmos como las redes neuronales, las máquinas de soporte vectorial o los métodos evolutivos permiten modelizar con gran precisión el comportamiento energético, incluso en las fases preliminares (Chen et al., 2023). Gracias a estas técnicas, es posible seleccionar soluciones constructivas más sostenibles, diseñar envolventes eficientes e integrar energías renovables en el proyecto. Como señalan Ding et al. (2018), estas herramientas facilitan el cumplimiento de los sistemas de evaluación ambiental y apoyan la transición hacia edificios de energía casi nula.

Las ventajas de la IA son evidentes: aumenta la eficiencia, reduce los errores y permite generar múltiples alternativas en mucho menos tiempo (Li et al., 2025). También optimiza los aspectos energéticos y estructurales, lo que hace que los proyectos sean más fiables y competitivos. La automatización de tareas repetitivas agiliza la creación de planos y documentos, mientras que los profesionales pueden dedicarse a tareas creativas. Además, las herramientas de gestión de proyectos con IA ayudan a organizar mejor los recursos y los plazos. Gracias a su capacidad para analizar grandes volúmenes de datos, fomentan la innovación, diversifican los métodos de diseño y facilitan la selección de materiales y el rendimiento energético.

Beneficios de la IA en el diseño

Sin embargo, la IA también plantea importantes desafíos. Su eficacia depende de la calidad de los datos; sin información fiable, los algoritmos pierden precisión. Además, integrarla con plataformas como CAD o BIM sigue siendo complicado (Xu et al., 2024). A esto se suman cuestiones éticas y legales, como la propiedad intelectual de los diseños generados por IA, la opacidad en la toma de decisiones y el riesgo de que los diseñadores pierdan cierto control. En algunos lugares, como EE. UU., se han revocado derechos de autor sobre obras generadas por IA, lo que refleja la incertidumbre legal existente.

Otros retos son la homogeneización del diseño si todos usan herramientas similares, la reticencia de algunos profesionales a adoptar soluciones de IA por dudas sobre la personalización y la fiabilidad, y los altos costes y la limitada disponibilidad de hardware y software especializados. Aún así, la IA sigue siendo una herramienta poderosa que, si se utiliza correctamente, puede transformar la eficiencia, la creatividad y la sostenibilidad en el sector de la construcción, abriendo un futuro lleno de oportunidades.

Desafíos de la adopción de la IA en el diseño

Ya existen ejemplos prácticos que muestran el potencial de estas tecnologías. Herramientas como Stable Diffusion o FUGenerator pueden generar imágenes y maquetas a partir de descripciones en lenguaje natural y actúan como asistentes que multiplican la productividad del proyectista (Li et al., 2025). Estas plataformas no sustituyen la creatividad humana, pero ofrecen un apoyo decisivo en la fase de ideación.

Bucle interactivo de inferencia de diseño arquitectónico de FUGenerator (Li et al., 2025)

La IA se está convirtiendo en un pilar fundamental de la construcción, integrándose cada vez más con tecnologías como la realidad aumentada (RA), la realidad virtual (RV), la realidad mixta (RM) y los gemelos digitales. Gracias a esta combinación, no solo es posible visualizar cómo será un edificio, sino también anticipar su comportamiento estructural, energético o acústico antes de su construcción (Xu et al., 2024). Esto permite a los diseñadores y a los clientes evaluar las propuestas en las primeras etapas, lo que mejora la calidad del diseño y la experiencia del usuario.

La IA del futuro será más inteligente y adaptable, capaz de predecir con gran precisión los resultados del diseño y ofrecer soluciones personalizadas. Su impacto no se limita al diseño arquitectónico: la gestión de la construcción se beneficiará de la robótica asistida, lo que aumentará la seguridad y la eficiencia en tareas complejas o de alto riesgo; la operación de los edificios podrá monitorizar su rendimiento, anticipar las necesidades de mantenimiento y prolongar su vida útil, lo que reducirá los costes, y el análisis de mercado aprovechará el big data para prever la demanda y los precios de los materiales, lo que optimizará la cadena de suministro.

En ingeniería civil, la integración de la IA y las tecnologías avanzadas permite tomar decisiones más fundamentadas, minimizar riesgos y entregar proyectos más seguros y sostenibles (Xu et al., 2024). Así, la construcción del futuro se perfila como un proceso más eficiente, innovador y conectado, en el que la tecnología y la planificación estratégica trabajan juntas para lograr resultados óptimos.

En conclusión, la IA no pretende sustituir a los ingenieros y arquitectos, sino ampliar sus capacidades, como ya hicieron el CAD o el BIM (Asif et al., 2024; Li et al., 2025). Automatiza tareas repetitivas, agiliza el diseño, facilita la toma de decisiones basada en datos y ayuda a elegir materiales, mejorar la eficiencia energética y estructural e inspirar soluciones creativas. Su impacto trasciende el diseño y se extiende a la planificación, la supervisión de la construcción y la gestión del ciclo de vida del edificio. No obstante, su adopción plantea desafíos como los altos costes, la escasez de software disponible y la necesidad de contar con datos de calidad y algoritmos robustos. Si se depende en exceso de la IA, los diseños podrían homogeneizarse, por lo que es fundamental definir claramente los roles entre los arquitectos y la IA. Si se utiliza correctamente, la IA puede potenciar la creatividad, la eficiencia y la sostenibilidad, y ofrecer un futuro más innovador y dinámico para la construcción.

Os dejo un vídeo que resume las ideas más importantes.

Referencias:

Glosario de términos clave

  • Inteligencia Artificial (IA): Una disciplina científica y tecnológica de vanguardia que simula el aprendizaje y la innovación humanos para extender el alcance de la aplicación de la tecnología.
  • Inteligencia Artificial Generativa (GAI): Un subconjunto de la IA que utiliza el aprendizaje automático y las capacidades de procesamiento del lenguaje natural para que las computadoras simulen la creatividad y el juicio humanos, produciendo automáticamente contenido que cumple con los requisitos.
  • Diseño Paramétrico: Un método de diseño en el que se utilizan algoritmos para definir la relación entre los elementos de diseño, permitiendo la generación de diversas variaciones de diseño mediante el ajuste de parámetros.
  • Diseño Asistido por IA: Métodos en los que las herramientas de IA ayudan a los diseñadores a optimizar diseños, analizar datos, resolver problemas y explorar conceptos creativos.
  • Colaboración Hombre-Máquina: Un enfoque en el que humanos y máquinas trabajan juntos en tareas complejas, con la IA apoyando la innovación humana y el intercambio de información eficiente.
  • Redes Neuronales Artificiales (RNA o ANN): Un tipo de algoritmo de IA, modelado a partir del cerebro humano, que se utiliza para modelar relaciones complejas entre entradas y salidas, a menudo empleadas en la predicción del consumo de energía de los edificios.
  • Aprendizaje Profundo (Deep Learning): Un subcampo del aprendizaje automático que utiliza redes neuronales con múltiples capas (redes neuronales profundas o DNN) para aprender representaciones de datos con múltiples niveles de abstracción.
  • Redes Neuronales Profundas (DNN): Redes neuronales con numerosas capas ocultas que permiten que el modelo aprenda patrones más complejos en los datos, mejorando la precisión en tareas como la predicción del consumo de energía.
  • Máquinas de Vectores de Soporte (SVM): Un algoritmo de aprendizaje supervisado utilizado para tareas de clasificación y regresión, especialmente eficaz con conjuntos de datos pequeños y para identificar relaciones no lineales.
  • Procesamiento del Lenguaje Natural (PLN o NLP): Un campo de la IA que se ocupa de la interacción entre las computadoras y el lenguaje humano, permitiendo a los sistemas interpretar y generar lenguaje humano.
  • Modelado de Información de Construcción (BIM): Una metodología para la gestión de la información de construcción a lo largo de su ciclo de vida, utilizada con la IA para mejorar las simulaciones de rendimiento del edificio.
  • Algoritmos Genéticos (GA): Una clase de algoritmos de optimización inspirados en el proceso de selección natural, utilizados para encontrar soluciones óptimas en tareas de diseño complejas.
  • Adaptación de Bajo Rango (LoRA): Un método de ajuste de bajo rango para modelos de lenguaje grandes, que permite modificar el comportamiento de los modelos añadiendo y entrenando nuevas capas de red sin alterar los parámetros del modelo original.
  • Stable Diffusion: Una herramienta avanzada de IA para generar imágenes a partir de descripciones de texto o dibujos de referencia, que a menudo utiliza el modelo LoRA para estilos específicos.
  • Inception Score (IS) y Fréchet Inception Distance (FID): Métricas cuantitativas utilizadas para evaluar la calidad y diversidad de las imágenes generadas por modelos de IA, con IS evaluando la calidad y FID la similitud de la distribución entre imágenes reales y generadas.
  • FUGenerator: Una plataforma que integra varios modelos de IA (como Diffusion Model, GAN, CLIP) para respaldar múltiples escenarios de aplicación de diseño arquitectónico, desde la descripción semántica hasta la generación de bocetos y el control.
  • Industrialización (en construcción): Énfasis en métodos de construcción modulares y automatizados para mejorar la eficiencia y estandarización.
  • Desarrollo Ecológico (en construcción): Enfoque en la conservación de energía durante el ciclo de vida, el uso de materiales sostenibles y la reducción del impacto ambiental.
  • Transformación Digital-Inteligente (en construcción): Integración de sistemas de digitalización e inteligencia, aprovechando tecnologías como la GAI para optimizar procesos y mejorar la creación de valor.
  • Problema Mal Definido (Ill-defined problem): Problemas de diseño, comunes en arquitectura, que tienen propósitos y medios iniciales poco claros.
  • Problema Malicioso (Wicked problem): Problemas de diseño caracterizados por interconexiones y objetivos poco claros, que requieren enfoques de resolución complejos.
  • Integración del Internet de las Cosas (IoT): La interconexión de dispositivos físicos con sensores, software y otras tecnologías para permitir la recopilación y el intercambio de datos, crucial para los sistemas de control de edificios inteligentes

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

Más allá de los robots: 4 revelaciones sobre la Industria 6.0 que lo cambiarán todo

1. Introducción: La próxima frontera industrial no es lo que esperas.

Hemos oído hablar mucho de la Industria 4.0 y sus fábricas inteligentes, conectadas a través del Internet de las cosas (IoT). Más recientemente, la Industria 5.0 nos ha familiarizado con la idea de una colaboración precisa entre humanos y robots (cobots), en la que la inteligencia humana y la eficiencia de las máquinas trabajan conjuntamente.

Sin embargo, la Industria 6.0 no es simplemente el siguiente paso lógico en esta progresión. Se trata de un salto revolucionario que está a punto de redefinir la esencia de la creación, la inteligencia y la realidad en el mundo de la fabricación. Prepárese para ir más allá de la simple automatización y descubrir un ecosistema industrial que piensa, crea y se regenera por sí mismo.

2. Las cuatro revelaciones más impactantes de la Industria 6.0.

2.1. No es una evolución, es una revolución.

La Industria 6.0 no es una simple actualización de la 5.0. Supone un cambio de paradigma fundamental, que se manifiesta en múltiples dimensiones. Mientras que la Industria 5.0 se centra en la «IA con humanos en el ciclo» para prescribir optimizaciones, la Industria 6.0 introduce la «autonomía de IA generativa que co-crea flujos de trabajo».

Esta distinción es fundamental y se complementa con otros cambios clave:

  • Alcance de la automatización: pasamos de la colaboración a nivel de tareas individuales con cobots a «redes de cobots con IA generativa (GAI-cobots) que autoorquestan cadenas de suministro enteras». Esto significa que la automatización ya no se limita a un paso en un flujo de trabajo fijo, sino que gestiona de manera dinámica ecosistemas de producción completos.
  • Paradigma de decisión: la Industria 5.0 se basa en «respuestas reactivas, impulsadas por eventos». En contraste, la Industria 6.0 opera con una «autoadaptación continua y proactiva», anticipándose a los problemas y ajustándose en tiempo real para evitar interrupciones.
  • Límites del ecosistema: pasamos de las «fábricas inteligentes individuales y aisladas» a los «ecosistemas de metaverso físico-virtuales sin fisuras», que conectan la producción con mundos digitales persistentes.

No se trata solo de proporcionar a los trabajadores herramientas más eficientes, sino de cuestionar los supuestos básicos sobre el funcionamiento de las fábricas y la creación de valor.

«La Industria 6.0 no se limita a añadir nuevas herramientas al marco de la Industria 5.0, sino que cuestiona los supuestos fundamentales sobre cómo se diseñan las fábricas, se toman las decisiones y se genera valor».

2.2. Las fábricas pensarán (y se curarán) por sí mismas.

El concepto de Industria 6.0 va mucho más allá de la automatización tradicional y da paso a fábricas autónomas, adaptativas y autorreparadoras. Se trata de una plataforma industrial diseñada para «crear, sanar e intercambiar recursos en tiempo real».

Esa es la profunda repercusión de la Industria 6.0: un cambio desde el mantenimiento predictivo (una característica de las Industrias 4.0 y 5.0) hacia una autorregulación y regeneración proactivas y autónomas. En lugar de predecir cuándo podría fallar una pieza, el sistema se anticipa, se reconfigura y se cura a sí mismo para evitar el fallo por completo. El resultado es un ecosistema industrial verdaderamente resiliente y adaptable, capaz de anticiparse y ajustarse continuamente en lugar de simplemente responder a los eventos.

2.3. Tu próximo diseñador de productos podría ser una IA generativa.

En la Industria 6.0, la IA generativa (GAI) no es solo una herramienta de optimización, sino un socio creativo. El proceso de diseño se transforma por completo. Por ejemplo, un ingeniero puede describir los objetivos de rendimiento como «una carcasa más ligera, con menor resistencia aerodinámica y menos pasos de ensamblaje». La GAI responde casi de inmediato, produciendo «múltiples geometrías físicamente válidas» para su evaluación.

Así, se invierte el proceso de diseño tradicional, ya que en lugar de que el ser humano cree una geometría específica para que la computadora la pruebe, el ser humano establece metas abstractas y la IA genera múltiples realidades físicas válidas. Este cambio redefine por completo el papel del ser humano. Como describe la investigación, el papel del ser humano pasa de ser un «conserje de datos» a ser un «director creativo». En lugar de sumergirse en el tedioso trabajo de dibujo y borrador, las personas pueden centrarse en la estrategia de alto nivel, ajustando las restricciones y guiando el proceso creativo, mientras la IA se encarga de la iteración y la validación complejas.

2.4. La fabricación se fusionará con mundos virtuales y biológicos.

Quizás el aspecto más sorprendente de la Industria 6.0 sea la sinergia entre las esferas física, digital y biológica. Este nuevo paradigma contempla «metaversos industriales», en los que las fábricas físicas son sustituidas o complementadas por fábricas virtuales. Los clientes pueden explorar diseños y productos funcionales a través de avatares desde la comodidad de sus propios espacios virtuales.

Pero la fusión va aún más lejos al integrarse con «esferas biológicas» a través de la «web emocional» (web 5.0). No se trata de ciencia ficción abstracta, sino de fomentar «conexiones neuronales y emocionales» entre humanos y máquinas. Implica sistemas industriales que no solo se conectan a mundos digitales, sino que también pueden interactuar con los estados biológicos y emocionales de las personas, creando una relación verdaderamente simbiótica. Esta convergencia difumina las líneas entre la realidad, la simulación e incluso la biología en el contexto de la fabricación y representa el aspecto más transformador y visionario de esta nueva era industrial.

3. La Industria 6.0 y el sector de la construcción

La Industria 6.0 está preparada para transformar significativamente el sector de la construcción, conocido como arquitectura, ingeniería y construcción (AEC). Esta nueva fase industrial tiene como objetivo modernizar las operaciones y redefinir los procesos para sincronizarlos con maquinaria, productos y procesos sostenibles y escalables de alta gama.

A continuación, se explica cómo podría afectar la Industria 6.0 a la industria de la construcción.

3.1 Impactos positivos y oportunidades

  • Diseño y desarrollo de estructuras inteligentes y ecológicas: La Industria 6.0 supone una evolución de los enfoques tradicionales de la Industria 5.0 en el sector de la arquitectura, la ingeniería y la construcción (AEC) para satisfacer la creciente necesidad de infraestructuras creativas y respetuosas con el medio ambiente. Los principios de la Industria 6.0 son un paso importante hacia la sostenibilidad de los edificios inteligentes y están en consonancia con los objetivos medioambientales mundiales.
  • Mayor eficiencia y longevidad: La Industria 6.0 en la AEC ha mejorado la eficiencia y la longevidad de los procedimientos de construcción modernos mediante el uso de equipos de vanguardia, digitalización avanzada y enfoques respetuosos con el medio ambiente.
  • Edificios inteligentes y sostenibles: La integración de las tecnologías de la Industria 6.0 hace posible la construcción de edificios inteligentes y ecológicos. Estos edificios utilizan datos de sensores e inteligencia artificial (IA) para ajustar dinámicamente los sistemas de conservación de energía, mejorar la seguridad del edificio y optimizar las operaciones de CVC (calefacción, ventilación y aire acondicionado), lo que conduce a un mejor rendimiento medioambiental y confort del ocupante.
  • Gestión de la construcción basada en datos: La combinación de IA e Internet de las Cosas (IoT) da lugar a técnicas de gestión de la construcción basadas en datos, lo que aumenta considerablemente la previsibilidad de la construcción y reduce los riesgos.
  • Reducción de residuos y mejora ambiental: El uso de robótica, impresión 3D e inteligencia artificial en las operaciones de construcción puede reducir los residuos y sus efectos ambientales negativos. La sostenibilidad y la responsabilidad medioambiental son claramente importantes para la industria 6.0, como se observa en programas como las transiciones verdes de la Unión Europea, que se centran en el uso de la inteligencia artificial, la energía renovable y los materiales energéticamente eficientes.
  • Visualización y colaboración del diseño: La tecnología de Realidad Virtual (RV) y Realidad Aumentada (RA) ha mejorado la visualización del diseño, la colaboración y la inmersión, mejorando los procedimientos de planificación y reduciendo los errores. Esta sinergia permite que arquitectos, algoritmos de IA y robótica trabajen juntos de manera más efectiva.
  • Enfoque en las cualidades humanas: La Industria 6.0 asistida por AEC se centra en utilizar las cualidades y habilidades humanas que van más allá de lo que los robots pueden hacer; por el contrario, la Industria 5.0 se preocupa más por los sistemas ciberfísicos en las cadenas de suministro. El objetivo principal es potenciar las capacidades humanas para que las personas puedan participar activamente en la toma de decisiones complejas, la creatividad y la resolución de problemas.

3.2 Desafíos a considerar

  • Dificultades de implantación: A pesar de las ventajas de la Industria 5.0 de la AEC, como el aumento de la participación de las partes interesadas, la automatización, la optimización mediante robótica, las estructuras de decisión basadas en datos y la gestión meticulosa de los recursos, la implementación de los principios de la Industria 6.0 de la AEC presenta dificultades.
  • Seguridad de los datos: La adopción de estas nuevas tecnologías requerirá una cuidadosa consideración de los desafíos relacionados con la seguridad de los datos.
  • Mejora de las habilidades laborales: Otra preocupación es la necesidad de mejorar las habilidades de la fuerza de trabajo para poder colaborar con estas nuevas tecnologías.
  • Dilemas éticos y consecuencias laborales: La Industria 6.0 aún debe superar una serie de obstáculos, como los dilemas morales y las posibles consecuencias laborales derivadas de la automatización.

4. Conclusión: ¿cuál es nuestro lugar en este nuevo universo creativo?

La Industria 6.0 no consiste solo en fábricas más rápidas o robots más inteligentes. Se trata de crear un ecosistema industrial profundamente integrado, autónomo e inteligente que cambia nuestra relación con la tecnología y la creación misma. Desde la IA que actúa como socio de diseño hasta las fábricas que se curan a sí mismas, pasando por la integración de la sostenibilidad como objetivo central a través de «bucles de economía circular en tiempo real», esta revolución reescribe las reglas.

Esto nos lleva a una pregunta poderosa y fundamental sobre nuestro futuro:

Si las fábricas del futuro pueden crear, pensar e incluso sentir, ¿cuál será nuestro nuevo papel en el universo de la creación?

Os dejo un audio que creo os puede resultar de interés para aclarar algunas ideas.

Lo mismo pasa con este vídeo resumen de todos los conceptos anteriores.

Referencias:

Garcia, J., Villavicencio, G., Altimiras, F., Crawford, B., Soto, R., Minatogawa, V., Franco, M., Martínez-Muñoz, D., & Yepes, V. (2022). Machine learning techniques applied to construction: A hybrid bibliometric analysis of advances and future directions. Automation in Construction, 142, 104532.

Maureira, C., Pinto, H., Yepes, V., & García, J. (2021). Towards an AEC-AI industry optimization algorithmic knowledge mapping: an adaptive methodology for macroscopic conceptual analysis. IEEE Access, 9, 110842-110879.

Verma, A., Prasad, V. K., Kumari, A., Bhattacharya, P., Srivastava, G., Fang, K., Wang, W., & Gadekallu, T. R. (2025). Industry 6.0: Vision, technical landscape, and opportunities. Alexandria Engineering Journal, 130, 139-174.

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

¿El futuro de la construcción nació en 1624? 4 revelaciones sobre los edificios del mañana.

Introducción: Más allá de los ladrillos y el cemento.

Cuando pensamos en el sector de la construcción, a menudo lo imaginamos como un sector lento, tradicional y reacio al cambio. Se trata de una imagen de ladrillos, cemento y procesos que parecen haber cambiado poco en las últimas décadas. Sin embargo, bajo la superficie, una revolución silenciosa está cobrando impulso y transformando radicalmente esta percepción.

Esta revolución se conoce como Métodos Modernos de Construcción (MMC). Impulsados por las tecnologías de la Industria 4.0, como la inteligencia artificial y el diseño digital, los MMC están redefiniendo lo que es posible construir, cómo se construye y a qué velocidad. Se trata de un cambio de paradigma que promete edificios más rápidos, económicos y eficientes. Aunque esta revolución pueda parecer novedosa, algunos países ya viven este futuro: en los Países Bajos, el 50 % de las nuevas viviendas se construyen con estos métodos, seguidos de cerca por Suecia y Japón.

Componentes de la Construcción 4.0

Aunque conceptos como «automatización robótica» o «gemelos digitales» suenen a ciencia ficción, las raíces de esta transformación son sorprendentemente antiguas. Sus implicaciones van mucho más allá de la simple eficiencia, ya que apuntan a un futuro en el que los edificios no solo minimizan su impacto ambiental, sino que también lo revierten de forma positiva. A continuación, revelamos los cuatro secretos más impactantes sobre este nuevo paradigma que está transformando nuestro mundo.

Primer secreto: no es una idea nueva, sino una idea antigua que por fin funciona.

Su origen no es del siglo XXI, sino del siglo XVII.

Contrariamente a la creencia popular, la idea de prefabricar edificios no es un concepto moderno. De hecho, sus orígenes se remontan a mucho antes de la era digital. El primer caso registrado de casas prefabricadas data de 1624, cuando se fabricaron en Inglaterra para ser enviadas y ensambladas en Massachusetts.

No se trató de un hecho aislado, sino que la idea reapareció a lo largo de la historia, esperando a que la tecnología se pusiera a su altura. El siglo XX fue testigo de varios intentos clave para descifrar el código.

  • Las populares «Kit Houses» que la empresa Sears vendía por catálogo en 1908 reducían el tiempo de construcción hasta en un 40%.
  • El visionario sistema «Maison Dom-ino» de Le Corbusier, de 1914, es un armazón estructural de losas y pilares que sentó las bases de la arquitectura moderna.
  • Las «American System-Built Houses», diseñadas por Frank Lloyd Wright entre 1911 y 1917, utilizaban un sistema de producción industrializada para los componentes del edificio.

Entonces, ¿por qué esta idea centenaria está despegando ahora con tanta fuerza? La respuesta está en la convergencia tecnológica. El concepto, aunque antiguo, ha encontrado por fin sus catalizadores definitivos. Los avances en inteligencia artificial (IA), la adopción de metodologías colaborativas, como el modelado de información para la construcción (BIM), y un enfoque renovado en la sostenibilidad han creado el ecosistema perfecto para que la prefabricación alcance la precisión, la eficiencia y la sofisticación necesarias para superar a la construcción tradicional.

Segundo secreto: la velocidad es casi increíble (y se demostró en una crisis).

Puede reducir los tiempos de construcción a la mitad.

Uno de los datos más contundentes sobre la eficacia de los MMC es su impacto directo en los plazos y costes de construcción. Las investigaciones han demostrado que los sistemas industrializados y la prefabricación pueden generar ahorros de hasta el 50 % en el tiempo de construcción y del 30 % en los costes.

Esta estadística cobró vida de manera espectacular durante una de las mayores crisis globales recientes. Durante la pandemia de la enfermedad por coronavirus (Covid-19), el mundo fue testigo de la construcción de dos hospitales de emergencia en Wuhan (China) en solo 12 días. Este hito, imposible de alcanzar con métodos tradicionales, demostró el poder de los MMC para responder a las emergencias con una velocidad sin precedentes.

Esta capacidad no solo es crucial en situaciones de crisis. Permite satisfacer la creciente demanda de vivienda de manera más rápida, acelerar el desarrollo de infraestructuras críticas y aumentar drásticamente la eficiencia de un sector que históricamente ha luchado contra los retrasos y los sobrecostes.

Tercer secreto: los edificios más inteligentes no solo son sostenibles, sino «regenerativos».

La sostenibilidad está quedándose obsoleta; el futuro es el diseño regenerativo.

Durante años, la «sostenibilidad» ha sido el objetivo final en la construcción, el santo grial del diseño responsable. Pero ¿y si ya no es suficiente? La vanguardia de la innovación arquitectónica sostiene que la estrategia de «hacer menos daño» está abocada al fracaso. El futuro no solo es sostenible, sino también regenerativo.

Este nuevo paradigma, denominado «diseño regenerativo», no se conforma con minimizar el impacto negativo, un concepto que se resume en el lema «reciclar, reducir y reutilizar». El diseño regenerativo busca generar activamente impactos positivos y adopta un nuevo lema: «restaurar, renovar y reemplazar». Se trata de diseñar edificios que no solo consuman menos, sino que contribuyan a la regeneración de los ecosistemas naturales y humanos que los rodean.

El paradigma actual ya no es suficiente, como señala la investigación:

«Sin embargo, el actual paradigma de la sostenibilidad ya no es suficiente para reducir el impacto medioambiental de la actividad humana».

Los MMC son la herramienta perfecta para hacer realidad este futuro ambicioso. El control preciso de los materiales, la optimización de los procesos desde la fase de diseño y la capacidad de integrar tecnologías innovadoras convierten la construcción industrializada en la plataforma ideal para crear edificios que devuelvan a la naturaleza más de lo que consumen.

Cuarto secreto: su mayor desafío no es construir cosas nuevas, sino arreglar las antiguas.

Su gran potencial oculto radica en la rehabilitación de nuestros edificios existentes.

A pesar de que el enfoque se centra en la nueva construcción, uno de los mayores potenciales de los MMC se encuentra en un área sorprendentemente desatendida: la rehabilitación y modernización (retrofitting) de los edificios existentes. Esta es la diferencia más significativa entre el enfoque científico y la necesidad social identificada por la investigación: la mayoría de los estudios se centran en la obra nueva, pero el mayor impacto climático se consigue mejorando los edificios que ya tenemos.

La importancia de esta tarea es enorme. La industria de la construcción es responsable de aproximadamente el 40 % del consumo final de energía en la Unión Europea. La renovación energética del extenso parque de edificios existentes no es solo una opción, sino una necesidad urgente para cumplir con los objetivos climáticos.

Aquí es donde los MMC pueden cambiar las reglas del juego. Imaginemos la combinación de tecnologías como BIM para crear un mapa digital de un edificio existente, drones para inspeccionar su estado y elementos prefabricados, como paneles de fachada de alto rendimiento, fabricados a medida en una fábrica y ensamblados rápidamente in situ. Este enfoque podría acelerar masivamente la modernización energética de nuestras ciudades, un desafío que hoy parece casi insuperable con los métodos tradicionales.

Conclusión: Rediseñando nuestro mundo.

Los métodos modernos de construcción son mucho más que una simple técnica, ya que suponen un profundo cambio de paradigma. Fusionan una idea con siglos de antigüedad con tecnología de vanguardia para ofrecer soluciones a algunos de los mayores retos de nuestro tiempo: la necesidad de vivienda, la urgencia de la crisis climática y la ineficiencia de las industrias tradicionales.

Hemos visto que sus raíces son más antiguas de lo que imaginamos, que su velocidad puede ser asombrosa, que su objetivo ya no es solo ser sostenible, sino regenerativo y que su próximo gran desafío podría ser la renovación de lo ya construido.

Ahora que sabemos que podemos construir hospitales en 12 días y diseñar edificios que regeneran su entorno, la verdadera pregunta no es qué podemos construir, sino qué queremos construir.

Os dejo a continuación un audio en el que se puede escuchar una conversación sobre este tema, que espero que os resulte interesante y os aporte información valiosa.

Asimismo, en este vídeo podéis ver un resumen de las ideas principales que se tratan en el artículo, el cual os será de utilidad para comprender mejor el contenido.

Referencia:

SÁNCHEZ-GARRIDO, A.J.; NAVARRO, I.J.; GARCÍA, J.; YEPES, V. (2023). A systematic literature review on Modern Methods of Construction in building: an integrated approach using machine learning. Journal of Building Engineering, 73:106725. DOI:10.1016/j.jobe.2023.106725

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

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.

Pincha aquí para descargar

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).

Tendencias futuras y retos de la inteligencia artificial en la ingeniería civil

La ingeniería civil se encuentra inmersa en un profundo proceso de transformación, impulsada por los avances en inteligencia artificial (IA) y en tecnologías digitales emergentes. Estas innovaciones están redefiniendo los procesos de diseño y la gestión y operación de las infraestructuras, lo que permite la implementación de soluciones más eficientes, sostenibles y seguras. En este contexto, resulta imperativo explorar las principales tendencias que delinearán el futuro del sector en los próximos años, así como los desafíos que deberán superarse para lograr una adopción exitosa y generalizada.

Este artículo examina el impacto transformador de la IA y de las tecnologías digitales en la ingeniería civil. Se destacan tendencias futuras clave como la creación de infraestructuras inteligentes con monitorización en tiempo real, el diseño generativo y la planificación asistida por inteligencia artificial. También se abordan el uso de la IA para la construcción sostenible, la proliferación de máquinas autónomas y de robótica, y la mejora de la colaboración entre humanos y máquinas mediante la inteligencia aumentada. El documento también detalla los principales desafíos para la adopción exitosa de la IA, como la calidad de los datos, la integración con sistemas existentes, las consideraciones éticas y la escasez de talento. Por último, se destaca la importancia de abordar estos desafíos para lograr una transformación integral y sostenible del sector.

Tendencias futuras

La primera gran línea de evolución es la de las infraestructuras inteligentes, donde la IA, combinada con el Internet de las Cosas (IoT), permitirá monitorizar en tiempo real el estado de puentes, túneles y redes de transporte, y adaptar automáticamente parámetros como la iluminación, el drenaje o la ventilación según la demanda.

El diseño generativo y la planificación asistida por IA tienen el potencial de transformar de manera significativa las etapas iniciales del proceso de diseño. Mediante algoritmos capaces de explorar un amplio espectro de alternativas, se optimizarán los criterios de costo, consumo de material y rendimiento estructural, reduciendo la subjetividad y acelerando la toma de decisiones.

En el ámbito de la construcción sostenible, la IA aportará análisis avanzados del consumo energético y de la huella de carbono, facilitando la selección de materiales y métodos constructivos de menor impacto ambiental, así como el dimensionado óptimo de sistemas de climatización y redes de servicios.

El despliegue de las máquinas autónomas y la robótica de obra continuará su curso: excavadoras, camiones y drones operarán con escasa supervisión humana, ejecutando movimientos precisos y recolectando datos topográficos que retroalimentan modelos predictivos de rendimiento y seguridad.

La colaboración entre humanos y máquinas se potenciará mediante la inteligencia aumentada, lo que permitirá a los profesionales liberarse de tareas repetitivas para enfocarse en la supervisión e interpretación de los resultados generados por sistemas de IA, combinando intuición y rigor analítico.

Las analíticas predictivas alcanzarán nuevas cotas de sofisticación, ofreciendo a los gestores de proyecto visibilidad temprana sobre desviaciones en costes, plazos y riesgos, y sugiriendo medidas preventivas basadas en patrones históricos.

La tecnología blockchain se explorará como garante de la trazabilidad, la transparencia y la inmutabilidad de los registros de obra, contratos y certificaciones, mitigando fraudes y disputas al proteger la integridad de los datos.

El edge computing permitirá procesar la información localmente en la obra —por ejemplo, en drones o en nodos IoT—, reduciendo la latencia y garantizando una respuesta inmediata en aplicaciones críticas, como la detección de fallos estructurales.

Los gemelos digitales, réplicas virtuales permanentemente actualizadas de activos reales, se consolidarán para simular escenarios de mantenimiento, rehabilitación y operación, optimizando los ciclos de vida y los costes asociados.

Por último, la personalización de soluciones de IA permitirá adaptar herramientas y modelos a las necesidades específicas de cada proyecto, lo que facilitará una adopción más ágil y homogénea.

Retos asociados

No obstante, la plena materialización de estas tendencias se enfrenta a múltiples desafíos. En primer lugar, es preciso señalar que la calidad y la disponibilidad de los datos siguen siendo insuficientes. Los proyectos de gran envergadura generan información dispersa y heterogénea, lo que dificulta el entrenamiento fiable de los modelos.

La integración con sistemas existentes, tales como software de gestión, bases de datos heredadas o flujos de trabajo manuales, puede ocasionar interrupciones en la operativa y en los cronogramas establecidos. Por lo tanto, resulta necesario implementar estrategias de migración y de adaptación progresiva.

Las consideraciones éticas y el sesgo algorítmico obligan a implementar mecanismos de transparencia y gobernanza que garanticen la rendición de cuentas y la equidad en las decisiones críticas.

La escasez de talento experto en IA y en construcción limita la creación, el despliegue y el mantenimiento de estas soluciones, lo que apunta a la necesidad de planes de formación duales en ingeniería y ciencia de datos.

La ausencia de marcos regulatorios y legales claros genera incertidumbre respecto de las responsabilidades, las licencias y el cumplimiento normativo en caso de fallos o litigios.

El coste inicial de adquisición e implementación de tecnologías de IA puede resultar prohibitivo para las pequeñas y medianas empresas (PYMES) y para proyectos con márgenes ajustados. Por ello, es importante demostrar el retorno de la inversión a medio y largo plazo.

La privacidad y la seguridad de los datos, cada vez más extensos y sensibles, requieren arquitecturas robustas que eviten fugas de datos y ciberataques, especialmente cuando se integran sensores IoT y servicios en la nube.

Los problemas de interoperabilidad entre plataformas, estándares y formatos de datos comprometen la colaboración multidisciplinar y el intercambio fluido de información.

La adaptación al ritmo vertiginoso de la evolución tecnológica exige un aprendizaje continuo y revisiones frecuentes de las infraestructuras de TI para no quedarse obsoletos.

Finalmente, la resistencia al cambio por parte de profesionales y directivos puede frenar la adopción, lo que subraya la importancia de campañas de sensibilización y casos de éxito tangibles.

Conclusión

El futuro de la IA en ingeniería civil se perfila como un escenario de grandes oportunidades para la creación de infraestructuras más inteligentes, eficientes y sostenibles. No obstante, es imperativo abordar con éxito los desafíos técnicos, éticos y organizativos para evitar que la implementación de estas tecnologías se limite a proyectos aislados y, en cambio, promueva una transformación integral y sostenible del sector.

Glosario de términos clave

  • Inteligencia artificial (IA): Sistemas o máquinas que imitan la inteligencia humana para realizar tareas, aprendiendo de la información que procesan.
  • Internet de las cosas (IoT): Red de objetos físicos (“cosas”) integrados con sensores, software y otras tecnologías que les permiten recopilar e intercambiar datos.
  • Infraestructuras inteligentes: Estructuras físicas (puentes, túneles, redes) equipadas con tecnología para monitorear y adaptar su funcionamiento en tiempo real.
  • Diseño generativo: Proceso de diseño que utiliza algoritmos para explorar múltiples soluciones basadas en un conjunto de parámetros y restricciones definidos.
  • Construcción sostenible: Prácticas de construcción que minimizan el impacto ambiental, optimizan el uso de los recursos y consideran el ciclo de vida completo de las estructuras.
  • Máquinas autónomas: Equipos o vehículos capaces de operar sin supervisión humana directa, utilizando sensores y software para tomar decisiones.
  • Robótica de obra: Uso de robots para ejecutar tareas en el sitio de construcción, a menudo repetitivas o peligrosas para los humanos.
  • Inteligencia aumentada: Enfoque que combina las capacidades de la inteligencia artificial con la inteligencia humana para mejorar el rendimiento y la toma de decisiones.
  • Analíticas predictivas: Empleo de datos históricos, algoritmos y técnicas de aprendizaje automático para identificar la probabilidad de resultados futuros.
  • Blockchain: Tecnología de registro distribuido que permite transacciones transparentes, seguras e inmutables.
  • Edge Computing: Procesamiento de datos cerca de donde se generan (en el “borde” de la red) en lugar de enviarlos a un centro de datos central.
  • Gemelos digitales: Réplicas virtuales de activos físicos, procesos o sistemas que se actualizan en tiempo real y pueden usarse para simulación y análisis.
  • Sesgo algorítmico: Error sistemático en un algoritmo que produce resultados injustamente discriminatorios o sesgados.
  • Interoperabilidad: Capacidad de diferentes sistemas, plataformas o software para trabajar juntos e intercambiar datos sin problemas.
  • Resistencia al cambio: Falta de disposición de las personas u organizaciones para adoptar nuevas tecnologías, procesos o formas de trabajar.

Referencias:

DONAIRE, S.; BARRAZA, R.; MARTÍNEZ-PAGÁN, P.; MARTÍNEZ-SEGURA, M.A.; ÁLVAREZ, L.; YEPES-BELLVER, L.; YEPES, V. (2026). Augmented Reality in Engineering Education: Strategic Design and Evidence-Based Results. Plos One, 21(2), e0341815. DOI:10.1371/journal.pone.0341815

GARCÍA, J.; VILLAVICENCIO, G.; ALTIMIRAS, F.; CRAWFORD, B.; SOTO, R.; MINTATOGAWA, V.; FRANCO, M.; MARTÍNEZ-MUÑOZ, D.; YEPES, V. (2022). Machine learning techniques applied to construction: A hybrid bibliometric analysis of advances and future directions. Automation in Construction, 142:104532. DOI:10.1016/j.autcon.2022.104532

FERNÁNDEZ-MORA, V.; NAVARRO, I.J.; YEPES, V. (2022). Integration of the structural project into the BIM paradigm: a literature review. Journal of Building Engineering, 53:104318. DOI:10.1016/j.jobe.2022.104318.

YEPES, V.; KRIPKA, M.; YEPES-BELLVER, L.; GARCÍA, J. (2023). La inteligencia artificial en la ingeniería civil: oportunidades y desafíos. IC Ingeniería Civil, 642:20-23.

Evolución histórica de la inteligencia artificial en la ingeniería civil: de los sistemas expertos a las infraestructuras inteligentes

La inteligencia artificial (IA) se ha ido integrando en la ingeniería civil y la construcción a lo largo de siete décadas, transformando los procesos de diseño, análisis, gestión y ejecución. El siguiente recorrido histórico muestra los avances más relevantes, que han pasado de meras exploraciones teóricas a aplicaciones prácticas que mejoran la eficiencia, la precisión y la toma de decisiones en proyectos de infraestructura.

El artículo examina la evolución histórica de la IA en la ingeniería civil, desde sus fundamentos teóricos en las décadas de los 50 y 60 hasta la actualidad. A continuación, aborda su popularización en la programación y el diseño a través de los sistemas expertos en las décadas de los 70 y 80. En las décadas siguientes, se integró en el análisis estructural y el diseño, y surgió el auge del aprendizaje automático y el análisis de datos para la gestión de proyectos. Más recientemente, la IA se ha combinado con la robótica y otras tecnologías avanzadas para aplicaciones en obra y monitorización. Finalmente, se vislumbra la creación de infraestructuras inteligentes mediante la convergencia de la IA y el Internet de las Cosas.

1. 1950 s–1960 s: Fundación de la IA
En la década de 1950, la IA surgió como disciplina académica, centrada en el desarrollo de máquinas capaces de simular funciones cognitivas humanas. Los primeros trabajos se orientaron hacia el razonamiento simbólico, los sistemas basados en reglas y los algoritmos de resolución de problemas. Estas investigaciones sentaron las bases teóricas necesarias para posteriores aplicaciones en ingeniería civil, aunque en aquel momento todavía no existían implementaciones específicas en el sector de la construcción.

2. 1970 s–1980 s: Sistemas expertos y sistemas basados en conocimiento
Entre los años 1970 y 1980 se popularizaron los sistemas expertos, que imitaban la forma en que los especialistas en dominios concretos tomaban decisiones. En ingeniería civil, estos sistemas se aplicaron a tareas como la programación de proyectos (scheduling), la optimización de diseños y la evaluación de riesgos, emulando el saber de ingenieros veteranos. Paralelamente, los sistemas basados en el conocimiento centralizaban esta información en bases de datos y ofrecían asistencia automatizada para la toma de decisiones en obra y en oficina técnica.

3. 1990 s–2000 s: Integración en análisis estructural y diseño
Durante los años 90 y principios de los 2000, la IA comenzó a tener un impacto directo en el análisis estructural y la optimización del diseño. Se emplearon redes neuronales y lógica difusa para modelar comportamientos complejos de materiales y estructuras. Al mismo tiempo, surgieron los primeros sistemas de monitorización de la salud estructural que, mediante algoritmos de IA, permitían evaluar el estado de puentes y edificios en tiempo real. En gestión de obra, las primeras herramientas asistidas por IA empezaron a abordar la programación, la estimación de costes y el análisis de riesgos.

4. 2000 s–2010 s: Aprendizaje automático y analítica de datos
La explosión del machine learning y el big data en estos años transformó la previsión de plazos, recursos y costes. Las técnicas de aprendizaje supervisado y no supervisado se integraron en plataformas de gestión de proyectos, mientras que la Modelización de la Información de Edificación (BIM) incorporó algoritmos de inteligencia artificial para mejorar la colaboración multidisciplinar, la detección de conflictos (clash detection) y la toma de decisiones basada en datos.

5. 2010 s–presente: Aplicaciones avanzadas y robótica
A partir de 2010, se intensificó la convergencia entre la inteligencia artificial y la robótica en obra. Aparecieron vehículos autónomos para tareas de excavación, drones integrados con visión por ordenador para inspeccionar los progresos y brazos robóticos en plantas de prefabricados. Asimismo, se generalizó el uso de la realidad virtual y aumentada para visualizar diseños y realizar simulaciones en tiempo real, lo que permite realizar ajustes adaptativos durante la ejecución de los proyectos.

6. Perspectivas futuras: IA e infraestructuras inteligentes
El documento señala la próxima convergencia de la IA con el Internet de las Cosas (IoT) para el desarrollo de infraestructuras inteligentes que puedan monitorizarse de forma continua y realizar mantenimiento predictivo. También se espera la aparición de materiales inteligentes y técnicas de diseño generativo que optimicen la sostenibilidad y la resiliencia de las construcciones, cerrando el ciclo de operación, mantenimiento y rehabilitación de infraestructuras.

Conclusión
Este artículo repasa la trayectoria que va desde los inicios teóricos de la IA hasta sus aplicaciones robóticas y de análisis en tiempo real actuales. Cada etapa ha aportado nuevas herramientas al ingeniero civil: desde los sistemas expertos de los años setenta hasta las infraestructuras inteligentes del mañana, la IA continuará redefiniendo la práctica de la ingeniería civil, haciéndola más eficiente, segura y sostenible.

Glosario de términos clave

  • Inteligencia Artificial (IA): Disciplina académica centrada en el desarrollo de máquinas capaces de simular funciones cognitivas humanas.
  • Sistemas Expertos: Programas informáticos que imitan la forma en que los especialistas en dominios concretos toman decisiones, utilizando conocimiento y reglas.
  • Sistemas Basados en Conocimiento: Sistemas que centralizan información en bases de datos para ofrecer asistencia automatizada en la toma de decisiones.
  • Razonamiento Simbólico: Enfoque inicial de la IA que se basa en la manipulación de símbolos para representar conocimiento y realizar inferencias.
  • Algoritmos de Resolución de Problemas: Procedimientos sistemáticos o heurísticos utilizados por la IA para encontrar soluciones a problemas definidos.
  • Redes Neuronales: Modelos computacionales inspirados en la estructura y funcionamiento del cerebro humano, utilizados para reconocer patrones y aprender de datos.
  • Lógica Difusa: Enfoque que permite el razonamiento con información imprecisa o incierta, utilizando grados de verdad en lugar de valores booleanos (verdadero/falso).
  • Monitorización de la Salud Estructural: Evaluación continua del estado de estructuras como puentes y edificios para detectar deterioros o fallos.
  • Machine Learning (Aprendizaje Automático): Subcampo de la IA que permite a los sistemas aprender de datos sin ser programados explícitamente, utilizando algoritmos para identificar patrones y hacer predicciones.
  • Big Data: Conjuntos de datos extremadamente grandes y complejos que requieren herramientas y técnicas avanzadas para su análisis.
  • Aprendizaje Supervisado: Tipo de machine learning donde el algoritmo aprende de datos de entrenamiento etiquetados (con resultados conocidos).
  • Aprendizaje No Supervisado: Tipo de machine learning donde el algoritmo busca patrones y estructuras en datos no etiquetados.
  • Modelización de la Información de Edificación (BIM): Proceso inteligente basado en modelos 3D que proporciona información sobre un proyecto de construcción a lo largo de su ciclo de vida.
  • Detección de Conflictos (Clash Detection): Proceso en BIM que identifica colisiones o interferencias entre diferentes elementos o sistemas de un diseño.
  • Robótica: Campo que combina la ingeniería y la ciencia para diseñar, construir, operar y aplicar robots.
  • Visión por Ordenador: Campo de la IA que permite a los ordenadores “ver” e interpretar imágenes y videos.
  • Realidad Virtual: Tecnología que crea un entorno simulado por ordenador con el que el usuario puede interactuar.
  • Realidad Aumentada: Tecnología que superpone información digital (imágenes, sonidos, datos) sobre el mundo real.
  • Internet de las Cosas (IoT): Red de objetos físicos (“cosas”) integrados con sensores, software y otras tecnologías para recopilar e intercambiar datos a través de internet.
  • Infraestructuras Inteligentes: Infraestructuras equipadas con sensores y sistemas de comunicación que utilizan IA e IoT para monitorizarse, gestionarse y optimizarse de forma autónoma.
  • Mantenimiento Predictivo: Estrategia de mantenimiento que utiliza datos y algoritmos para predecir cuándo es probable que falle un equipo o componente, permitiendo realizar acciones de mantenimiento antes de que ocurra la falla.
  • Diseño Generativo: Proceso de diseño donde los algoritmos de IA exploran un vasto espacio de posibles soluciones basándose en un conjunto de parámetros y objetivos definidos.

Referencias:

DONAIRE-MARDONES, S.; BARRAZA ALONSO, R.; MARTÍNEZ-PAGÁN, P.; YEPES-BELLVER, L.; YEPES, V.; MARTÍNEZ-SEGURA, M.A. (2024). Innovación educativa con realidad aumentada: perspectivas en la educación superior en ingeniería. En libro de actas: X Congreso de Innovación Educativa y Docencia en Red. Valencia, 11 – 12 de julio de 2024. DOI: https://doi.org/10.4995/INRED2024.2024.18365

GARCÍA, J.; VILLAVICENCIO, G.; ALTIMIRAS, F.; CRAWFORD, B.; SOTO, R.; MINTATOGAWA, V.; FRANCO, M.; MARTÍNEZ-MUÑOZ, D.; YEPES, V. (2022). Machine learning techniques applied to construction: A hybrid bibliometric analysis of advances and future directions. Automation in Construction, 142:104532. DOI:10.1016/j.autcon.2022.104532

FERNÁNDEZ-MORA, V.; NAVARRO, I.J.; YEPES, V. (2022). Integration of the structural project into the BIM paradigm: a literature review. Journal of Building Engineering, 53:104318. DOI:10.1016/j.jobe.2022.104318.

YEPES, V.; KRIPKA, M.; YEPES-BELLVER, L.; GARCÍA, J. (2023). La inteligencia artificial en la ingeniería civil: oportunidades y desafíos. IC Ingeniería Civil, 642:20-23.

Evaluación del índice de daño estructural en entornos BIM

Acaban de publicar nuestro artículo en la revista Structures, de la editorial Elsevier, indexada en Q1 del JCR. El estudio desarrolla una metodología para evaluar un índice de daño estructural en entornos BIM, con el fin de optimizar los procesos de rehabilitación.

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 artículo contextualiza la necesidad de integrar herramientas digitales en la evaluación de daños estructurales como respuesta a las exigencias de sostenibilidad y eficiencia en el sector de la construcción. Se menciona que el envejecimiento del parque edificatorio y las nuevas exigencias en materia de mantenimiento requieren un enfoque innovador. Se destaca la implementación de BIM como una solución para mejorar la gestión de activos y prolongar la vida útil de las estructuras. En este contexto, el artículo presenta Endurify, una herramienta diseñada para evaluar la durabilidad de elementos estructurales de hormigón mediante indicadores de deterioro, con el fin de optimizar los procesos de rehabilitación.

El artículo enfatiza que la rehabilitación de edificios es una estrategia fundamental para mejorar la sostenibilidad en el sector de la construcción. Al renovar estructuras existentes, se reduce el impacto ambiental al disminuir la necesidad de utilizar nuevos materiales y procesos constructivos. Además, la rehabilitación mejora el rendimiento energético de los edificios, lo que contribuye a los objetivos de desarrollo sostenible establecidos por organismos internacionales. En el contexto europeo, iniciativas como el Pacto Verde Europeo subrayan la relevancia de estas medidas para reducir las emisiones de carbono y mejorar la eficiencia en el uso de recursos.

La metodología BIM se ha convertido en un estándar en la industria de la construcción, facilitando la integración de múltiples capas de información en un único modelo digital. BIM permite almacenar y gestionar datos estructurales, materiales y operacionales, optimizando así la planificación y el mantenimiento de edificios. La literatura reciente ha demostrado que el uso de BIM mejora la sostenibilidad en la construcción, facilita la gestión de riesgos y permite realizar análisis avanzados, como simulaciones de desempeño estructural. Además, la incorporación de gemelos digitales y herramientas de simulación refuerza su capacidad para la toma de decisiones fundamentadas en datos.

El mantenimiento estructural es fundamental para garantizar la seguridad y la eficiencia de los edificios a lo largo de su vida útil. A pesar de la importancia del seguimiento del estado estructural, la investigación en este ámbito ha sido menos extensa que la dedicada al diseño y la construcción. En este contexto, BIM se presenta como una plataforma idónea para integrar estrategias de mantenimiento predictivo, ya que permite evaluar el estado real de las estructuras y anticipar las intervenciones necesarias. Sin embargo, la implementación de BIM en este ámbito enfrenta desafíos como la precisión de los datos, los costes asociados y la capacitación del personal especializado.

El desarrollo de Endurify se basó en una metodología de investigación-acción de doble ciclo, lo que permitió realizar iteraciones sucesivas para optimizar la herramienta. El proceso constó de siete etapas, que iban desde la identificación del problema hasta la validación del software en entornos reales. La herramienta se diseñó específicamente para el mercado de la vivienda en España y cumple con los requisitos del Código Estructural.

Para evaluar la durabilidad, se seleccionaron cuatro indicadores principales: carbonatación, fisuración transversal, fluencia y deformación. La metodología utilizada para determinar cada uno de estos indicadores se basa en modelos normativos y en la recopilación de datos mediante inspección visual. Los resultados se almacenan dentro del modelo BIM, lo que permite su análisis comparativo y la planificación de intervenciones de mantenimiento.

La implantación de Endurify en BIM se realizó mediante un complemento para Autodesk Revit que permite extraer datos de los elementos estructurales y realizar el análisis de daños en tiempo real. La herramienta se diseñó para trabajar con parámetros predefinidos en el modelo BIM y almacenar los resultados como atributos de los elementos analizados.

El artículo presenta Endurify, un complemento para entornos BIM que permite analizar el estado de conservación de los elementos estructurales de hormigón. La herramienta emplea cuatro indicadores de daño: carbonatación, fisuración transversal, fluencia y deformación. Su integración en BIM facilita la gestión de datos, ya que permite almacenar los resultados del análisis dentro del modelo digital. Esto posibilita una evaluación más precisa del estado estructural y contribuye a la toma de decisiones sobre el mantenimiento y la rehabilitación de edificios existentes. Cabe destacar que la herramienta evita pruebas destructivas y se ajusta a normativas como el Código Estructural de España (CE-2021).

Los estudios de caso presentados en el artículo muestran cómo se ha aplicado Endurify en elementos estructurales con distintos grados de exposición ambiental. En un primer caso, se analizó una viga interior con fisuras visibles y se determinó que la carbonatación era el factor predominante en su deterioro. En el segundo caso, se evaluó un soporte en un corredor exterior sin daños aparentes con el mismo procedimiento, confirmándose un estado avanzado de carbonatación. Los resultados demuestran que la herramienta permite identificar patrones de degradación en distintos elementos y facilita la programación de intervenciones específicas. No obstante, se reconoce que la precisión del análisis depende de la calidad de los datos de entrada y de su compatibilidad con diferentes normativas y condiciones ambientales.

El artículo sugiere que la incorporación de nuevos enfoques podría mejorar la herramienta Endurify. Se menciona la posibilidad de desarrollar un índice de daño estructural que combine los cuatro indicadores en un solo valor ponderado, aunque los autores advierten de que esto podría ocultar información relevante sobre las causas del deterioro. Asimismo, se plantea la necesidad de adaptar la metodología a distintos contextos normativos e integrar sensores IoT para obtener datos en tiempo real. Además, se destaca que una mejor definición de los parámetros de análisis podría optimizar la precisión del modelo y ampliar su aplicación a proyectos de rehabilitación a gran escala.

Por tanto, el artículo demuestra que la integración de herramientas de análisis de durabilidad en entornos BIM puede mejorar la evaluación del estado estructural de los edificios. Endurify permite almacenar y visualizar datos de deterioro en el modelo digital, lo que facilita la toma de decisiones sobre el mantenimiento y la rehabilitación. Sin embargo, su implementación depende de la calidad de los datos de entrada y de su adaptación a distintas normativas. Se identifican oportunidades para mejorar la herramienta mediante el uso de modelos predictivos y la incorporación de tecnologías emergentes, lo que podría consolidar su aplicación en la ingeniería civil.

Referencia:

FERNÁNDEZ-MORA, V.; NAVARRO, I.J.; YEPES, V. (2025). Structural damage index evaluation in BIM environments. Structures, 74:108544. DOI:10.1016/j.istruc.2025.108544

 

Construcción en América Latina y el Caribe: digitalización e innovación como claves para la sostenibilidad

El sector de la construcción en América Latina y el Caribe (ALC) es uno de los pilares fundamentales de la economía regional, pero también se enfrenta a desafíos significativos en términos de sostenibilidad, productividad y digitalización.

A continuación nos hacemos eco de un informe donde se detallan las claves para transformar el sector basándose en datos, análisis de tendencias y recomendaciones prácticas. El informe lo tenéis al final de este resumen.

 

1. Introducción: importancia del sector y sus retos

El sector de la construcción genera aproximadamente 300 000 millones de dólares en América Latina y el Caribe, lo que representa el 6 % del producto interior bruto (PIB) regional y más de 20 millones de empleos directos. A nivel mundial, contribuye al 13 % del PIB y da empleo a 250 millones de personas. Sin embargo, su productividad ha crecido solo un 1 % anual en las últimas dos décadas, lo que la sitúa muy por debajo de sectores como la manufactura (3,6 %) y la agricultura (2,8 %).

El sector de la construcción es uno de los mayores consumidores de recursos naturales y contribuye significativamente al cambio climático. Según el World Green Building Council (2023):

  • Representa el 50 % del consumo global de recursos extraídos.
  • Utiliza el 15 % del agua potable mundial.
  • Es responsable del 37 % de las emisiones globales de CO₂ relacionadas con la energía.
  • Genera el 35 % de los residuos sólidos producidos anualmente en el planeta.

Además, las proyecciones indican que el sector crecerá considerablemente en los próximos años. Se estima que para 2050 aún no se ha construido el 60 % de los edificios necesarios y que el 20 % de las estructuras existentes requieren renovaciones para cumplir los objetivos de sostenibilidad y cero emisiones netas.

2. Soluciones habilitantes para la construcción sostenible

El documento identifica seis categorías fundamentales de soluciones que pueden transformar el sector hacia la sostenibilidad. Estas soluciones integran tecnologías digitales, diseño innovador, materiales sostenibles y enfoques de gestión eficientes.

  • Tecnologías digitales avanzadas: Las tecnologías digitales son esenciales para mejorar la eficiencia, la transparencia y la sostenibilidad en todas las etapas del ciclo de vida de los proyectos de construcción.
    1. Building Information Modeling (BIM): permite el diseño colaborativo de infraestructuras en un entorno digital. Sus beneficios incluyen:
      • Incremento de la productividad en un 13%.
      • Reducción de costos en un 4% y de los plazos en un 6%.
      • Automatización de procesos como la simulación de consumo energético y la evaluación de impactos climáticos.
      • Caso de éxito: en Uruguay, el uso de BIM y LEAN Construction en el proyecto CAIF Aeroparque resultó en un ahorro del 50% en tiempos de respuesta y un 63% menos en sobrecostos durante la pandemia​.
    2. Inteligencia artificial (IA): mejora la planificación, el diseño y la operación de los activos construidos. Ejemplos:
      • Simulaciones para evaluar el rendimiento energético y el comportamiento estructural ante desastres.
      • Optimización de rutas de transporte y logística en obra, reduciendo costos y emisiones.
    3. Internet de las cosas (IoT):
      • Sensores inteligentes monitorean el uso de energía, agua y recursos en tiempo real, ajustando automáticamente los sistemas para maximizar la eficiencia.
      • Aplicaciones como Building Resilience ayudan a evaluar riesgos climáticos y seleccionar ubicaciones óptimas para proyectos.
    4. Impresión 3D:
      • Permite fabricar componentes en obra o en fábricas cercanas, reduciendo los residuos y las emisiones de transporte.
      • Facilita el uso de materiales reciclados, disminuyendo la dependencia de recursos vírgenes.
    5. Blockchain:
      • Asegura la trazabilidad de materiales, verifica certificaciones ambientales y gestiona residuos con mayor transparencia.
    6. Gestión en la nube:
      • Reduce el empleo de papel, mejora la colaboración en tiempo real y almacena datos clave para optimizar la sostenibilidad.

  • Diseño sostenible: El diseño sostenible aborda el impacto ambiental desde la concepción del proyecto, empleando enfoques como el diseño bioclimático, que optimiza la orientación solar, el aislamiento térmico y la ventilación pasiva para reducir la demanda energética. Un ejemplo de ello son los edificios pasivos, que minimizan el uso de climatización activa; la eficiencia energética y la generación de energía renovable mediante paneles solares, sistemas LED y edificaciones de carbono neutro o positivas que producen más energía de la que consumen; y la flexibilidad en el diseño, con espacios modulares que se adaptan a diferentes usos y disminuyen la necesidad de futuras demoliciones.
  • Materiales sostenibles: El uso de materiales con bajas emisiones de carbono es fundamental para reducir el impacto ambiental. Entre estos materiales destacan la madera certificada, que tiene una huella de carbono negativa, es renovable, reciclable y eficiente energéticamente, y constituye una alternativa clave al hormigón en Chile, que representa el 54 % de las emisiones de carbono de un edificio; el bambú, un material resistente y de rápido crecimiento utilizado en zonas tropicales; y los materiales reciclados, que disminuyen la extracción de recursos naturales y los residuos de construcción.
  • Sistemas de construcción industrializada: La prefabricación, la construcción modular y la impresión 3D contribuyen a reducir los residuos en obra y el tiempo de construcción, y permiten finalizar las obras hasta un 50 % más rápido que con los métodos tradicionales.
  • Medición y verificación del impacto ambiental: Certificaciones como LEED, EDGE y BREEAM permiten evaluar y validar la sostenibilidad de los proyectos.
  • Enfoques de gestión eficientes: Metodologías como LEAN Construction y Advanced Work Packaging optimizan los procesos y reducen retrasos.

3. Experiencias, retos y oportunidades en Latinoamérica y el Caribe

El análisis en Brasil, Chile, Costa Rica y Uruguay revela 44 iniciativas identificadas desde 2015, la mayoría lideradas por el sector público. Entre los retos a los que se enfrentan destacan la falta de integración entre soluciones digitales y sostenibles, la baja percepción del valor económico de la sostenibilidad y los altos niveles de informalidad en el sector. Entre las buenas prácticas destacan el uso de estrategias internacionales de benchmarking, la capacitación técnica en metodologías digitales y la compra pública innovadora y ecológica para estimular la demanda de tecnologías sostenibles.

4. Claves para el futuro

Para transformar el sector, se recomiendan políticas de liderazgo público que promuevan la digitalización y la sostenibilidad, así como incentivos financieros y no financieros, como subsidios, créditos y regulaciones, para fomentar la adopción de prácticas sostenibles. También se recomienda fomentar la colaboración multisectorial mediante alianzas entre los sectores público, privado y académico para compartir conocimientos y recursos, y ofrecer programas de capacitación y educación en habilidades digitales para los trabajadores del sector.

5. Conclusión

La adopción masiva de tecnologías digitales, materiales sostenibles y enfoques innovadores puede situar a Latinoamérica y el Caribe a la vanguardia de la construcción sostenible a escala mundial. Para transformar el sector de la construcción, es necesario adoptar un enfoque holístico que combine innovación tecnológica, gestión eficiente y políticas públicas. La adopción generalizada de soluciones digitales y sostenibles no solo mejorará la productividad, sino que también reducirá el impacto ambiental, lo que hará que el sector sea más resiliente y competitivo en el contexto global.

Os dejo el siguiente documento, donde tenéis toda la información. Espero que os sea de interés.

Pincha aquí para descargar

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