Presentación de la tercera edición del libro: Análise estrutural para Engenharia Civil e Arquitetura. Estruturas isostáticas

Es un placer y todo un honor recibir la invitación del Prof. Moacir Kripka para presentar la tercera edición de su libro “Análise estrutural para Engenharia Civil e Arquitetura. Estruturas isostáticas“. Se trata de una edición, recién publicada este año 2021 (ISBN: 978-65-86235-11-1).

El profesor Kripka, es catedrático de estructuras en la Universidade de Passo Fundo, en Brasil, donde ejerce de profesor desde el año 1991. Ha sido director del Departamento de Ingeniería Civil y del Grado en Ingeniería, siendo actualmente editor de la revista Journal of Applied and Technological Sciences – CIATEC/UPF. Su área de investigación se centra fundamentalmente en la optimización de estructuras, por lo que ha sido de gran productividad para nosotros compartir experiencias durante su estancia de investigación (septiembre a diciembre de 2018). Fruto de esta colaboración, a parte de los relacionados con la investigación, se extienden al futuro intercambio de estudiantes y profesorado entre nuestras respectivas universidades y en la participación conjunta en proyectos de investigación y de transferencia tecnológica.

Las estructuras isostáticas son el sustento de la ingeniería como el suelo es el sustento de la vida o el lenguaje lo es para la comunicación. Una lectura atenta de este libro permite comprender el comportamiento de las estructuras isostáticas y su diseño. El libro abarca los conceptos fundamentales necesarios para el funcionamiento de las estructuras y los modelos estructurales, las reacciones de apoyo, las acciones en las estructuras y los esfuerzos solicitados. Didáctico, con explicaciones paso a paso para el análisis de vigas, pórticos, cerchas y rejillas, facilitará la apropiación de los conocimientos por parte de los estudiantes. Esta tercera edición incluye un nuevo capítulo sobre el cálculo de los desplazamientos en las estructuras. La teoría y los cálculos se acompañan de ejemplos e ilustraciones de obras civiles y, al final de cada capítulo, los ejercicios ayudan a comprender y fijar los conceptos involucrados, así como su aplicación en cualquier situación que se presente. Este libro está dirigido a los estudiantes de Ingeniería Civil y Arquitectura y sirve de guía para los profesores que imparten la asignatura.

Os dejo a continuación mi presentación a la tercera edición del libro en español (el original está en portugués). Espero que os sea de interés.

La ingeniería es algo vivo que se aplica y se transmite a las futuras generaciones. Nunca se empieza desde cero y, como le dijo Isaac Newton en una carta a Robert Hook “si he visto más lejos es porque estoy sentado sobre los hombros de gigantes”. Por tanto, la labor docente en ingeniería sustenta el avance técnico. Sin embargo, este progreso no es gratuito; necesita un esfuerzo ingente para resolver los problemas cada día más complejos a los que se enfrentan los ingenieros y requiere de una fuerte dedicación. Por ello, la docencia en ingeniería es algo vivo, debe nutrirse de la actividad profesional y de la investigación.

Una de las grandes satisfacciones que permite el mundo académico es encontrar almas gemelas cuyas preocupaciones técnicas y científicas son similares a las tuyas. Es el caso del profesor Moacir Kripka. Tuvimos la ocasión de mantener largas charlas durante una estancia de investigación que realizó hace unos meses en la Universitat Politècnica de València. El amor por las estructuras, la optimización o la sostenibilidad son campos comunes que permitieron un intercambio de ideas y experiencias que se plasmaron en varios artículos científicos de impacto internacional. Lo que empezó siendo un encuentro entre colegas terminó, al cabo de unos meses, en una complicidad y amistad que pervive en el tiempo.

Ha sido esta complicidad la que me ha hecho imposible rechazar la petición que me hizo para redactar el prólogo de su nuevo libro sobre análisis estructural. Todo un honor para mí, y por ello le estoy muy agradecido, pues se trata de introducir un libro redactado por un extraordinario docente en el ámbito de las estructuras en ingeniería civil y en arquitectura. Se trata de un texto capaz de explicar de forma sencilla los a veces complejos aspectos que presenta el análisis estructural. El libro aborda mediante ilustraciones y ejemplos los conceptos fundamentales del comportamiento de las estructuras, y por tanto, de su dimensionamiento. Aunque se trata de un texto orientado a la formación universitaria en el ámbito técnico, seguro que es una guía de apoyo para aquellos otros que se encuentran desarrollando plenamente su profesión.

Por último, y antes de que el lector empiece con avidez la lectura de este libro, me gustaría reflexionar sobre la necesidad de establecer fuertes cimientos conceptuales en el ámbito del análisis estructural. En efecto, hoy día estamos inmersos en la Cuarta Revolución Industrial, también conocida como Industria 4.0. Este concepto, acuñado en 2016 por Klaus Schwab, fundador del Foro Económico Mundial, incluye las tendencias actuales de automatización y de intercambio de datos. En este contexto se incluye la inteligencia artificial, la minería de datos, el Internet de las cosas, los sistemas ciberfísicos y los gemelos digitales, entre otros.

Pues bien, la simulación numérica, la modelización y la experimentación han sido los tres pilares sobre los que se ha desarrollado la ingeniería en el siglo XX. La modelización numérica, que sería el nombre tradicional que se ha dado al “gemelo digital” presenta problemas prácticos por ser modelos estáticos, pues no se retroalimentan de forma continua de datos procedentes del mundo real a través de la monitorización continua. Estos modelos numéricos (usualmente elementos finitos, diferencias finitas, volumen finito, etc.) son suficientemente precisos si se calibran bien los parámetros que lo definen. La alternativa a estos modelos numéricos son el uso de modelos predictivos basados en datos masivos big-data, constituyendo “cajas negras” con alta capacidad de predicción debido a su aprendizaje automático “machine-learning“, pero que esconden el fundamento físico que sustentan los datos (por ejemplo, redes neuronales). Sin embargo, la experimentación es extraordinariamente cara y lenta para alimentar estos modelos basados en datos masivos.

El cambio de paradigma, por tanto, se basa en el uso de datos inteligentes “smart-data paradigm“. Este cambio se debe basar, no en la reducción de la complejidad de los modelos, sino en la reducción dimensional de los problemas, de la retroalimentación continua de datos del modelo numérico respecto a la realidad monitorizada y el uso de potentes herramientas de cálculo que permitan la interacción en tiempo real, obteniendo respuestas a cambios paramétricos en el problema. Dicho de otra forma, deberíamos poder interactuar en tiempo real con el gemelo virtual. Por tanto, estamos ante otra realidad, que es el gemelo virtual híbrido.

Pues bien, todo este cambio de paradigma no debe olvidar los fundamentos en los que se basan los modelos. En el caso de las estructuras, la comprensión de los principios básicos que fundamentan su análisis resulta clave para la modelización numérica y la experimentación. Una buena base para estos cimientos es, por tanto, este libro del profesor Kripka sobre análisis estructural. Espero que disfruten de su lectura.

Víctor Yepes

Valencia, noviembre de 2019

 

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

Antecedentes y motivación del proyecto de investigación HYDELIFE (2021-2023)

Laboratorio de materiales del Instituto de Ciencia y Tecnología del Hormigón (ICITECH)

El proyecto HYDELIFE aborda directamente el reto de la sostenibilidad social y medioambiental de las estructuras a lo largo de su ciclo de vida, desde el proyecto hasta la demolición. Para ello se propone una metodología híbrida emergente entre el aprendizaje profundo (Deep Learning, DL) procedente de la inteligencia artificial (IA), metamodelos y metaheurísticas de optimización multiobjetivo y técnicas de toma de decisión multicriterio. El foco del proyecto se centra en el diseño robusto y resiliente aplicado a la construcción industrializada modular, tanto en edificación, como en puentes mixtos de hormigón y acero y en estructuras híbridas de acero. El proyecto se apoya en los avances realizados en los proyectos de investigación anteriores (HORSOST, BRIDLIFE y DIMALIFE), donde se desarrollaron metodologías que se aplicaron a puentes e infraestructuras viarias, pero con una propuesta metodológica y un foco de atención innovador respecto a los anteriores. El proyecto se orienta hacia el objetivo 9 de desarrollo sostenible (ODS): construir infraestructuras resilientes, promover la industrialización sostenible y fomentar la innovación. También se alinea con la Estrategia Nacional de Inteligencia Artificial-ENIA (Gobierno de España, 2020). A continuación, se justifica la propuesta en función de los antecedentes y el estado actual.

La sostenibilidad económica y el desarrollo social de la mayoría de los países dependen, entre otros, del comportamiento fiable y duradero de sus infraestructuras (Frangopol, 2011). La construcción y el mantenimiento de las infraestructuras influyen en la actividad económica, el crecimiento y el empleo. Sin embargo, estas actividades impactan significativamente en el medio ambiente, presentan efectos irreversibles y pueden comprometer el futuro de la sociedad. El gran reto, por tanto, será disponer de infraestructuras capaces de maximizar su beneficio social sin comprometer su sostenibilidad (Aguado et al., 2012).

Por otra parte, el envejecimiento de las infraestructuras, la mayor demanda en su desempeño (aumento de tráfico, por ejemplo) o los riesgos naturales extremos como los terremotos, huracanes o inundaciones afectan al rendimiento previsto de estas infraestructuras (Biondini y Frangopol, 2016). Esto constituye una auténtica bomba de relojería (Thurlby, 2013) que, junto al reto de la reducción de los impactos ambientales, son razones más que suficientes para mejorar el mantenimiento de nuestros puentes. Hoy día los gestores de las infraestructuras tienen ante sí un reto importante consistente en mantenerlas en un estado aceptable con presupuestos muy limitados. Si a ello añadimos la profunda crisis financiera y sanitaria que ha afectado la economía de nuestro país y que ha provocado el declive de la actividad constructora, el panorama se complica. Las infraestructuras que se crearon con una financiación a largo plazo presentan actualmente déficits de conservación y es posible que las generaciones futuras tengan que hacer un esfuerzo adicional para actualizar los requisitos de seguridad y funcionalidad a su nivel de servicio previsto. Esta situación puede provocar una alarma social puntual, sobre todo con la interrupción de grandes vías de comunicación debidas a un excesivo deterioro. Un estudio sobre “Necesidades de Inversión en Conservación 2019-2020” de la Asociación Española de Carreteras, centrado en los firmes y la señalización, estima que el deterioro del patrimonio viario presenta un déficit acumulado de 7.500 millones de euros. Sin embargo, este problema es común a otros países desarrollados. En el año 2019, 47000 puentes del total de los puentes en Estados Unidos, (más del 20% del total) presentan deficiencias estructurales (American Road & Transportation Builders Association, 2019); en Reino Unido, más de 3000 puentes estaban por debajo de los estándares y requerían reparación (RAC Foundation, 2019). Además, el problema pasa a ser grave cuando una parte significativa del parque de infraestructuras se encuentra cercano al final de su vida útil. Y lo que aún es peor, cuando existen riesgos de alto impacto y de baja probabilidad que pueden afectar gravemente a las infraestructuras. Estos son buenos argumentos para aumentar la vida útil de los puentes. Se trata de una verdadera crisis en las infraestructuras. El reto social consistirá en aplicar unos presupuestos muy restrictivos que minimicen los impactos ambientales y los riesgos a las personas, y que la gestión sea socialmente sostenible dentro de una política de conservación del patrimonio, incluyendo la dimensión de género. Por lo tanto, nos encontramos antes un problema de optimización muy complejo, con muchas restricciones y sometido a grandes incertidumbres, lo cual representa un reto científico importante, pues no se presta fácilmente a la exploración con los instrumentos analíticos y de previsión tradicionales.

Proyecto de Investigación:

  • Optimización híbrida del ciclo de vida de puentes y estructuras mixtas y modulares de alta eficiencia social y medioambiental bajo presupuestos restrictivos. (HYDELIFE). [Hybrid life cycle optimization of bridges and mixed and modular structures with high social and environmental efficiency under restrictive budgets]. PID2020-117056RB-I00. Financiado por el Ministerio de Ciencia e Innovación con fondos FEDER. Investigador Principal: Víctor Yepes.

Referencias:

  • AGUADO, A. et al. (2012). Sustainability Assessment of Concrete Structures within the Spanish Structural Concrete Code. J Constr Eng Manage ASCE, 138(2):268-276.
  • AMERICAN ROAD & TRANSPORTATION BUILDERS ASSOCIATION (2019). 2019 Bridge Report. https://artbabridgereport.org/
  • BIONDINI, F., FRANGOPOL, D. M. (2016). Life-Cycle of Deteriorating Structural Systems under Uncertainty: Review. J Struct Eng ASCE, 142(9), F4016001.
  • FRANGOPOL, D. M. (2011). Life-cycle performance, management, and optimisation of structural systems under uncertainty: accomplishments and challenges. Struct Infrast Eng, 7(6), 389-413.
  • GOBIERNO DE ESPAÑA (2020). Estrategia Nacional de Inteligencia Artificial. https://www.lamoncloa.gob.es/presidente/actividades/Documents/2020/021220-ENIA.pdf
  • RAC Foundation. (2019). Bridge maintenance table – GB local authorities. https://www.racfoundation.org/media-centre/bridge-maintenance-backlog-grows
  • THURLBY, R. (2013). Managing the asset time bomb: a system dynamics approach. Proc. Inst. Civ. Eng. – Forensic Engineering, 166(3):134-142.

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

26ª Jornadas Argentinas de Ingeniería Estructural 2021

Del 10 al 14 de mayo de 2021 tiene prevista la celebración de las 26ª Jornadas Argentinas de Ingeniería Estructural. En esta ocasión la edición será virtual por el problema de la pandemia. Los que estéis interesados en participar, podéis acceder al enlace: https://jornadasaie.org.ar/

Dentro de estas jornadas, me han invitado a impartir una conferencia especial que, bajo el título “Diseño y mantenimiento óptimo robusto y basado en fiabilidad de puentes e infraestructuras viarias de alta eficiencia social y medioambiental bajo presupuestos restrictivos“, tendrá lugar el viernes 14 de mayo a las 17:20 h. (Argentina).

La conferencia la centraré en los resultados obtenidos por el proyecto de investigación DIMALIFE, del cual soy Investigador Principal. Se desarrolló una metodología novedosa para incorporar los procesos analíticos en la toma de decisiones en el ciclo completo de vida de puentes e infraestructuras viarias, incluyendo la licitación de proyectos de obra nueva y de mantenimiento de activos existentes, de forma que se contemplaron las necesidades e intereses sociales y ambientales.

Os paso parte del folleto explicativo.

 

 

¿Cuál es el mejor algoritmo para optimizar un problema? “No free lunch”

Figura 1. Desgraciadamente, no existe la comida gratis. https://medium.com/@LeonFedden/the-no-free-lunch-theorem-62ae2c3ed10c

Después de años impartiendo docencia en asignaturas relacionadas con la optimización heurística de estructuras de hormigón, y tras muchos artículos científicos publicados y más donde he sido revisor de artículos de otros grupos de investigación, siempre se plantea la misma pregunta: De todos los algoritmos que utilizamos para optimizar, ¿cuál es el mejor? ¿Por qué dice en su artículo que su algoritmo es el mejor para este problema? ¿Por qué no nos ponemos de acuerdo?

Para resolver esta cuestión, dos investigadores norteamericanos, David Wolpert y William Macready, publicaron un artículo en 1997 donde establecieron un teorema denominado “No free lunch“, que traducido sería algo así como “no hay comida gratis”. Dicho teorema establece que, por cada par de algoritmos de búsqueda, hay tantos problemas en el que el primer algoritmo es mejor que el segundo como problemas en el que el segundo algoritmo es mejor que el primero.

Este teorema revolucionó la forma de entender el rendimiento de los algoritmos. Incluso una búsqueda aleatoria en el espacio de soluciones podría dar mejores resultados que cualquier algoritmo de búsqueda. La conclusión es que no existe un algoritmo que sea universalmente mejor que los demás, pues siempre habrá casos donde funcione peor que otros, lo cual significa que todos ellos se comportarán igual de bien (o de mal) en promedio.

De hecho, se podría decir que un experto en algoritmos genéticos podría diseñar un algoritmo genético más eficiente que, por ejemplo, un recocido simulado, y viceversa. Aquí el arte y la experiencia en un problema y en una familia de algoritmos determinados, suele ser decisivo. En la Figura 2 se puede ver cómo un algoritmo muy especializado, que conoce bien el problema, puede mejorar su rendimiento, pero pierde la generalidad de poder usarse en cualquier tipo de problema de optimización que no sea para el que se diseñó.

Figura 2. El uso del conocimiento del problema puede mejorar el rendimiento, a costa de la generalidad. https://medium.com/@LeonFedden/the-no-free-lunch-theorem-62ae2c3ed10c

¿Qué consecuencias obtenemos de este teorema? Lo primero, una gran decepción, pues hay que abandonar la idea del algoritmo inteligente capaz de optimizar cualquier problema. Lo segundo, que es necesario incorporar en el algoritmo cierto conocimiento específico del problema, lo cual equivale a una “carrera armamentística” para cada problema de optimización. Se escriben y escribirán miles de artículos científicos donde un investigador demuestre que su algoritmo es mejor que otro para un determinado problema.

Una forma de resolver este asunto de incorporar conocimiento específico del problema es el uso de la inteligencia artificial en ayuda de las metaheurísticas. Nuestro grupo de investigación está abriendo puertas en este sentido, incorporando “deep learning” en el diseño de los algoritmos (Yepes et al., 2020; García et al., 2020a; 2020b), o bien redes neuronales (García-Segura et al., 2017). Incluso, en este momento, me encuentro como editor de un número especial de la revista Mathematics (primer decil del JCR) denominado: “Deep Learning and Hybrid-Metaheuristics: Novel Engineering Applications”, al cual os invito a enviar vuestros trabajos de investigación.

Si nos centramos en un tipo de problema determinado, por ejemplo, la optimización de estructuras (puentes, pórticos de edificación, muros, etc.), el teorema nos indica que necesitamos gente formada y creativa para optimizar el problema concreto al que nos enfrentamos. Es por ello que no existen programas comerciales eficientes capaces de adaptarse a cualquier estructura para optimizarla. Tampoco son eficientes las herramientas generales “tools” que ofrecen algunos programas como Matlab para su uso inmediato e indiscriminado.

Por tanto, no se podrá elegir entre dos algoritmos solo basándose en lo bien que trabajaron anteriormente en un problema determinado, pues en el siguiente problema pueden optimizar de forma deficiente. Por tanto, se exige conocimiento intrínseco de cada problema para optimizarlo. Es por ello que, por ejemplo, un experto matemático o informático no puede, sin más, dedicarse a optimizar puentes atirantados.

Referencias:

GARCÍA, J.; YEPES, V.; MARTÍ, J.V. (2020a). A hybrid k-means cuckoo search algorithm applied to the counterfort retaining walls problem. Mathematics,  8(4), 555.

GARCÍA, J.; MARTÍ, J.V.; YEPES, V. (2020b). The buttressed  walls problem: An application of a hybrid clustering particle swarm optimization algorithm. Mathematics,  8(6):862.

GARCÍA-SEGURA, T.; YEPES, V.; FRANGOPOL, D.M. (2017). Multi-Objective Design of Post-Tensioned Concrete Road Bridges Using Artificial Neural Networks. Structural and Multidisciplinary Optimization, 56(1):139-150.

WOLPERT, D.H.; MACREADY, W.G. (1997). No Free Lunch Theorems for Optimization. IEEE Transactions on Evolutionary Computation, 1(1):67-82.

YEPES, V.; MARTÍ, J.V.; GARCÍA, J. (2020). Black hole algorithm for sustainable design of counterfort retaining walls. Sustainability, 12(7), 2767.

A continuación os dejo el artículo original “No Free Lunch Theorems for Optimization”. Se ha convertido en un clásico en optimización heurística.

Descargar (PDF, 698KB)

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

El aprendizaje profundo (deep learning) en la optimización de estructuras

Figura 1. Relación de pertenencia entre la inteligencia artificial, el aprendizaje automático y el aprendizaje profundo

En este artículo vamos a esbozar las posibilidades de la inteligencia artificial en la optimización de estructuras, en particular, el uso del aprendizaje profundo. El aprendizaje profundo (deep learning, DL) constituye un subconjunto del aprendizaje automático (machine learning, ML), que a su vez lo es de la inteligencia artificial (ver Figura 1). Si la inteligencia artificial empezó sobre los años 50, el aprendizaje automático surgió sobre los 80, mientras que el aprendizaje profundo nació en este siglo XXI, a partir del 2010, con la aparición de grandes superordenadores y por el aumento de los datos accesibles. Como curiosidad, uno de los grandes hitos del DL se produjo en 2012, cuando Google fue capaz de reconocer un gato entre los más de 10 millones de vídeos de Youtube, utilizando para ello 16000 ordenadores. Ahora serían necesarios muchos menos medios.

En cualquiera de estos tres casos, estamos hablando de sistemas informáticos capaces de analizar grandes cantidades de datos (big data), identificar patrones y tendencias y, por tanto, predecir de forma automática, rápida y precisa. De la inteligencia artificial y su aplicabilidad a la ingeniería civil ya hablamos en un artículo anterior.

Figura 2. Cronología en la aparición de los distintos tipos de algoritmos de inteligencia artificial. https://www.privatewallmag.com/inteligencia-artificial-machine-deep-learning/

Si pensamos en el cálculo estructural, utilizamos modelos, más o menos sofistificados, que permiten, si se conocen con suficiente precisión las acciones, averiguar los esfuerzos a los que se encuentran sometidos cada uno de los elementos en los que hemos dividido una estructura. Con dichos esfuerzos se identifican una serie de estados límite, que son un conjunto de situaciones potencialmente peligrosas para la estructura y comparar si la capacidad estructural del elemento analizado, dependiente de las propiedades geométricas y de sus materiales constituyentes, supera el valor último de la solicitación a la que, bajo cierta probabilidad, puede llegar a alcanzar el elemento estructural analizado.

Estos métodos tradicionales emplean desde hipótesis de elasticidad y comportamiento lineal, a otros modelos con comportamiento plástico o no lineales más complejos. Suele utilizarse, con mayor o menos sofisticación, el método de los elementos finitos (MEF) y el método matricial de la rigidez. En definitiva, en determinados casos, suelen emplearse los ordenadores para resolver de forma aproximada, ecuaciones diferenciales parciales muy complejas, habituales en la ingeniería estructural, pero también en otros campos de la ingeniería y la física. Para que estos sistemas de cálculo resulten precisos, es necesario alimentar los modelos con datos sobre materiales, condiciones de contorno, acciones, etc., lo más reales posibles. Para eso se comprueban y calibran estos modelos en ensayos reales de laboratorio (Friswell y Mottershead, 1995). De alguna forma, estamos retroalimentando de información al modelo, y por tanto “aprende”.

Figura 2. Malla 2D de elementos finitos, más densa alrededor de la zona de mayor interés. Wikipedia.

Si analizamos bien lo que hacemos, estamos utilizando un modelo, más o menos complicado, para predecir cómo se va a comportar la estructura. Pues bien, si tuviésemos una cantidad suficiente de datos procedentes de laboratorio y de casos reales, un sistema inteligente extraería información y sería capaz de predecir el resultado final. Mientras que la inteligencia artificial debería alimentarse de una ingente cantidad de datos (big data), el método de los elementos finitos precisa menor cantidad de información bruta (smart data), pues ha habido una labor previa muy concienzuda y rigurosa, para intentar comprender el fenómeno subyacente y modelizarlo adecuadamente. Pero, en definitiva, son dos procedimientos diferentes que nos llevan a un mismo objetivo: diseñar estructuras seguras. Otro tema será si éstas estructuras son óptimas desde algún punto de vista (economía, sostenibilidad, etc.).

La optimización de las estructuras constituye un campo científico donde se ha trabajado intensamente en las últimas décadas. Debido a que los problemas reales requieren un número elevado de variables, la resolución exacta del problema de optimización asociado es inabordable. Se trata de problemas NP-hard, de elevada complejidad computacional, que requiere de metaheurísticas para llegar a soluciones satisfactorias en tiempos de cálculo razonables.

Una de las características de la optimización mediante metaheurísticas es el elevado número de iteraciones en el espacio de soluciones, lo cual permite generar una inmensa cantidad de datos para el conjunto de estructuras visitadas. Es el campo ideal para la inteligencia artificial, pues permite extraer información para acelerar y afinar la búsqueda de la solución óptima. Un ejemplo de este tipo es nuestro trabajo (García-Segura et al., 2017) de optimización multiobjetivo de puentes cajón, donde una red neuronal aprendía de los datos intermedios de la búsqueda y luego predecía con una extraordinaria exactitud el cálculo del puente, sin necesidad de calcularlo. Ello permitía reducir considerablemente el tiempo final de computación.

Sin embargo, este tipo de aplicación es muy sencilla, pues solo ha reducido el tiempo de cálculo (cada comprobación completa de un puente por el método de los elementos finitos es mucho más lenta que una predicción con una red neuronal). Se trata ahora de dar un paso más allá. Se trata de que la metaheurística sea capaz de aprender de los datos recogidos utilizando la inteligencia artificial para ser mucho más efectiva, y no solo más rápida.

Tanto la inteligencia artificial como el aprendizaje automático no son una ciencia nueva. El problema es que sus aplicaciones eran limitadas por la falta de datos y de tecnologías para procesarlas de forma rápida y eficiente. Hoy en día se ha dado un salto cualitativo y se puede utilizar el DL, que como ya hemos dicho es una parte del ML, pero que utiliza algoritmos más sofisticados, construidos a partir del principio de las redes neuronales. Digamos que el DL (redes neuronales) utiliza algoritmos distintos al ML (algoritmos de regresión, árboles de decisión, entre otros). En ambos casos, los algoritmos pueden aprender de forma supervisada o no supervisada. En las no supervisadas se facilitan los datos de entrada, no los de salida. La razón por la que se llama aprendizaje profundo hace referencia a las redes neuronales profundas, que utilizan un número elevado de capas en la red, digamos, por ejemplo, 1000 capas. De hecho, el DL también se le conoce a menudo como “redes neuronales profundas”. Esta técnica de redes artificiales de neuronas es una de las técnicas más comunes del DL.

Figura. Esquema explicativo de diferencia entre ML y DL. https://www.privatewallmag.com/inteligencia-artificial-machine-deep-learning/

Una de las redes neuronales utilizadas en DL son las redes neuronales convolucionales, que es una variación del perceptrón multicapa, pero donde su aplicación se realiza en matrices bidimensionales, y por tanto, son muy efectivas en las tareas de visión artificial, como en la clasificación y segmentación de imágenes. En ingeniería, por ejemplo, se puede utilizar para la monitorización de la condición estructural, por ejemplo, para el análisis del deterioro. Habría que imaginar hasta dónde se podría llegar grabando en imágenes digitales la rotura en laboratorio de estructuras de hormigón y ver la capacidad predictiva de este tipo de herramientas si contaran con suficiente cantidad de datos. Todo se andará. Aquí os dejo una aplicación tradicional típica (Antoni Cladera, de la Universitat de les Illes Balears), donde se explica el modelo de rotura de una viga a flexión en la pizarra y luego se rompe la viga en el laboratorio. ¡Cuántos datos estamos perdiendo en la grabación! Un ejemplo muy reciente del uso del DL y Digital Image Correlation (DIC) aplicado a roturas de probetas en laboratorio es el trabajo de Gulgec et al. (2020).

Sin embargo, aquí nos interesa detenernos en la exploración de la integración específica del DL en las metaheurísticas con el objeto de mejorar la calidad de las soluciones o los tiempos de convergencia cuando se trata de optimizar estructuras. Un ejemplo de este camino novedoso en la investigación es la aplicabilidad de algoritmos que hibriden DL y metaheurísticas. Ya hemos publicado algunos artículos en este sentido aplicados a la optimización de muros de contrafuertes (Yepes et al., 2020; García et al., 2020a, 2020b). Además, hemos propuesto como editor invitado, un número especial en la revista Mathematics (indexada en el primer decil del JCR) denominado “Deep learning and hybrid-metaheuristics: novel engineering applications“.

Dejo a continuación un pequeño vídeo explicativo de las diferencias entre la inteligencia artificial, machine learning y deep learning.

Referencias:

FRISWELL, M.; MOTTERSHEAD, J. E. (1995). Finite element model updating in structural dynamics (Vol. 38). Dordrecht, Netherlands: Springer Science & Business Media.

GARCÍA, J.; MARTÍ, J.V.; YEPES, V. (2020a). The buttressed  walls problem: An application of a hybrid clustering particle swarm optimization algorithm. Mathematics,  8(6):862. https://doi.org/10.3390/math8060862

GARCÍA, J.; YEPES, V.; MARTÍ, J.V. (2020b). A hybrid k-means cuckoo search algorithm applied to the counterfort retaining walls problem. Mathematics,  8(4), 555. DOI:10.3390/math8040555

GARCÍA-SEGURA, T.; YEPES, V.; FRANGOPOL, D.M. (2017). Multi-Objective Design of Post-Tensioned Concrete Road Bridges Using Artificial Neural Networks. Structural and Multidisciplinary Optimization, 56(1):139-150. DOI:1007/s00158-017-1653-0

GULGEC, N.S.; TAKAC, M., PAKZAD S.N. (2020). Uncertainty quantification in digital image correlation for experimental evaluation of deep learning based damage diagnostic. Structure and Infrastructure Engineering, https://doi.org/10.1080/15732479.2020.1815224

YEPES, V.; MARTÍ, J.V.; GARCÍA, J. (2020). Black hole algorithm for sustainable design of counterfort retaining walls. Sustainability, 12(7), 2767. DOI:10.3390/su12072767

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

Tesis doctoral: Life-cycle sustainability design of post-tensioned box-girder bridge obtained by metamodel-assisted optimization and decision-making under uncertainty

Figura 1. Defensa de tesis doctoral de Vicent Penadés Plà.

Hoy 12 de marzo de 2020 ha tenido lugar la defensa de la tesis doctoral de D. Vicent Penadés Plà titulada “Life-cycle sustainability design of post-tensioned box-girder bridge obtained by metamodel-assisted optimization and decision-making under uncertainty“, dirigida por Víctor Yepes Piqueras y Tatiana García Segura. La tesis recibió la calificación de “Sobresaliente cum laude” por unanimidad. Presentamos a continuación un pequeño resumen de la misma.

Resumen:

Actualmente existe una tendencia hacia la sostenibilidad, especialmente en los países desarrollados donde la preocupación de la sociedad por el deterioro ambiental y los problemas sociales ha aumentado. Siguiendo esta tendencia, el sector de la construcción es uno de los sectores que mayor influencia tiene debido a su alto impacto económico, ambiental y social. Al mismo tiempo, existe un incremento en la demanda de transporte que provoca la necesidad de desarrollo y mantenimiento de las infraestructuras necesarias para tal fin. Con todo esto, los puentes se convierten en una estructura clave, y por tanto, la valoración de la sostenibilidad a lo largo de toda su vida es esencial.

El objetivo principal de esta tesis es proponer una metodología que permita valorar la sostenibilidad de un puente bajo condiciones iniciales inciertas (subjetividad del decisor o variabilidad de parámetros iniciales) y optimizar el diseño para obtener puentes óptimos robustos. Para ello, se ha realizado una extensa revisión bibliográfica de todos los trabajos en los que se realiza un análisis de la sostenibilidad mediante la valoración de criterios relacionados con sus pilares principales (económico, medio ambiental o social). En esta revisión, se ha observado que la forma más completa de valorar los pilares medioambientales y sociales es mediante el uso de métodos de análisis de ciclo de vida. Estos métodos permiten llevar a cabo la valoración de la sostenibilidad durante todas las etapas de la vida de los puentes. Todo este procedimiento proporciona información muy valiosa a los decisores para la valoración y selección del puente más sostenible. No obstante, las valoraciones subjetivas de los decisores sobre la importancia de los criterios influyen en la evaluación final de la sostenibilidad. Por esta razón, es necesario crear una metodología que reduzca la incertidumbre asociada y busque soluciones robustas frente a las opiniones de los agentes implicados en la toma de decisiones.

Además, el diseño y toma de decisiones en puentes está condicionado por los parámetros inicialmente definidos. Esto conduce a soluciones que pueden ser sensibles frente a pequeños cambios en dichas condiciones iniciales. El diseño óptimo robusto permite obtener diseños óptimos y estructuralmente estables frente a variaciones de las condiciones iniciales, y también diseños sostenibles y poco influenciables por las preferencias de los decisores que forman parte del proceso de toma de decisión. Así pues, el diseño óptimo robusto se convierte en un proceso de optimización probabilística que requiere un gran coste computacional. Por este motivo, el uso de metamodelos se ha integrado en la metodología propuesta. En concreto, se ha utilizado hipercubo latino para la definición de la muestra inicial y los modelos kriging para la definción de la aproximación matemática. De esta forma, la optimización heurística basada en kriging ha permitido reducir más de un 90% el coste computacional respecto a la optimización heurística conveniconal obteniendo resultados muy similares.

El estudio del diseño óptimo y estructuralmente estable frente a variaciones de las condiciones iniciales se ha llevado a cabo variando tres parámetros iniciales (módulo de elasticidad, sobrecarga, y fuerza de pretensado). El objetivo del caso de estudio analizado ha sido obtener el diseño más económico y con menor variación de la respuesta estructural. De esta forma, se consigue una frontera de Pareto que permite seleccionar la solución óptima, la solución más robusta o una solución de compromiso entre las dos. Por otro lado, el estudio de diseños sostenibles y poco influenciables por las preferencias de los decisores se ha llevado a cabo generando una gran cantidad de decisores aleatorios para cubrir todas las posibles preferencias de los interesados. El objetivo del caso de estudio ha sido reducir la participación subjetiva de los decisores. De esta forma, se ha podido reducir todo el abanico de diseños posibles a un número reducido de diseños concretos, y seleccionar aquel diseño con mejor media sostenible o menor variabilidad en la valoración.

Esta tesis proporciona en primer lugar, una amplia revisión bibliográfica, tanto de los criterios utilizados para la valoración de la sostenibilidad en puentes como de los diferentes métodos de análisis de ciclo de vida para obtener un perfil completo de los pilares ambientales y sociales. Posteriormente, se define una metodología para la valoración completa de la sostenibilidad, usando métodos de análisis de ciclo de vida. Asimismo, se propone un enfoque que permite obtener estructuras poco influenciables por los parámetros estructurales, así como por las preferencias de los diferentes decisores frente a los criterios sostenibles. La metodología proporcionada en esta tesis es aplicable a cualquier otro tipo de estructura.

Palabras clave:

Sostenibilidad, Toma de decisiones, Análisis de ciclo de vida, Métodos de valoración del impacto del análisis de ciclo de vida, ReCiPe, Ecoinvent, SOCA, Metamodelos, Kriging, Diseño óptimo robusto, Puentes.

Figura 2. De izquierda a derecha: Julián Alcalá, Tatiana García, Víctor Yepes, Vicent Penadés, Salvador Ivorra y Rasmus Rempling

Referencias:

La geometría fractal en la ingeniería: las estructuras de Voronoi y el diseño paramétrico

Figura 1. Rascacielos Voronoi. https://naukas.com/2011/12/23/cada-uno-en-su-region-y-voronoi-en-la-de-todos/

La naturaleza siempre ha servido de inspiración para arquitectos, ingenieros y diseñadores. La tecnología informática ha facilitado las herramientas para analizar y simular la complejidad observada en la naturaleza y aplicarla a formas estructurales de construcción y los mecanismos de organización urbana. Entre ellas destacamos la geometría fractal y el diagrama de Voronoi.

La geometría fractal no ha dejado de evolucionar desde las investigaciones del matemático polaco nacionalizado francés y estadounidense, Benoît Mandelbrot en los años 70 del siglo pasado. Un fractal es un objeto geométrico cuya estructura básica, fragmentada o aparentemente irregular, se repite a diferentes escalas. Lo interesante es que la forma de los fractales parecen describir la Naturaleza y encuentra su geometría una gran variedad de aplicaciones en urbanismo, arquitectura, computación o ingeniería estructural (Figura 1).

El diagrama de Voronoi (nombre que se debe al matemático ruso Gueorgui Voronói) se crea al unir los puntos entre sí, trazando las mediatrices de los segmentos de unión (Figura 2). Las intersecciones de estas mediatrices determinan una serie de polígonos en un espacio bidimensional alrededor de un conjunto de puntos de control, de manera que el perímetro de los polígonos generados sea equidistante a los puntos vecinos y designan su área de influencia.

Figura 2. Diagrama de Voronoi. https://es.wikipedia.org/wiki/Pol%C3%ADgonos_de_Thiessen#/media/Archivo:Euclidean_Voronoi_diagram.svg

Hasta mediados de los ochenta, la mayoría de las implementaciones para computar el diagrama de Voronoi usaban el algoritmo incremental cuadrático, admitiendo su mayor lentitud para evitar la complejidad del código divide y vencerás (Figura 3). En 1985 Fortune inventó un inteligente algoritmo de barrido plano que resulta tan simple como el incremental, pero en tiempo O(n log n). Para los más curiosos, podéis utilizar MATLAB para realizar ejemplos sobre los diagramas de Voronoi utilizando la funciónvoronoin. El enlace lo tenéis aquí: https://es.mathworks.com/help/matlab/math/voronoi-diagrams.html

Figura 3. Pasos fundamentales del algoritmo “divide y vencerás” para construir el diagrama de Voroni. http://asignatura.us.es/fgcitig/contenidos/gctem3ma.htm

La profesora de la Universidad de Sevilla, Clara Grima, nos describe en un artículo de divulgación, “El diagrama de Voronoi, la forma matemática de dividir el mundo“, algunas aplicaciones del diagrama de Voronoi, que van desde la distribución de farmacias en una ciudad, a el mapa del cólera de John Snow o a la ventaja posicional de un equipo de fútbol.

Pero aquí lo interesante es saber que, basándose en este diagrama, se pueden diseñar estructuras y espacios urbanos de gran interés. En la Figura 4 podemos ver la oficina central de Alibaba. Este tipo de estructuras resultan agradables, estáticamente eficientes y adecuadas para trabajar como un sistema estructural espacial. Además, la estructura se puede modelar por un conjunto de puntos y admite el diseño paramétrico. Se denomina diseño paramétrico a un proceso de diseño basado en un esquema algorítmico que permite expresar parámetros y reglas que definen, codifican y aclaran la relación entre los requerimientos del diseño y el diseño resultante.

Figura 4. Oficina central de Alibaba. https://www.idealista.com/news/finanzas/emprendedores/2014/04/16/727627-asi-es-la-cueva-de-alibaba-el-tesoro-mejor-guardado-de-china

En la Figura 5 se observa la posibilidad de estos diagramas en el caso de pantallas arquitectónicas. Como vemos, las posibilidades estructurales son de un gran interés.

Figura 5. Ejemplo de uso arquitectónico de los diagramas Voronoi. https://www.carroceriasibiza.com/

Aquí tenemos una explicación de los diagramas de Voronoi. También el vídeo explica cómo construir a partir de una serie de puntos generadores los famosos Polígonos de Thiessen que conforman el diagrama antes mencionado.

En el presente vídeo se explican los fractales.

Os dejo también un artículo sobre el diagrama de Voronoi como herramienta de diseño, de María Loreto Flores. Espero que os sea de interés

Descargar (PDF, 527KB)

Problemas en la adopción del BIM en la rehabilitación estructural

La Arquitectura, la Ingeniería y la Construcción ha estado cambiando durante los últimos años por varias razones. La aparición de nuevas tecnologías como BIM y técnicas como Lean Construction o el Análisis del Ciclo de Vida están creando nuevas tendencias y oportunidades que alteran el metodologías de esta industria. De estas técnicas hemos tenido oportunidad de hablar en artículos anteriores en este blog. Además, en los últimos años el modelo de negocio está también sufriendo cambios. La rehabilitación está ganando cada vez más importancia en el sector. A continuación os dejo un capítulo del libro “Reactive proactive architecture” que trata sobre estos problemas. El libro recoge los resultados de la primera edición del Valencia International Biennial of Research in Architecture VIBRArch. Espero que os sea de interés.

 

Referencia:

FERNÁNDEZ-MORA, V.; YEPES, V. (2018). Problems in the adoption of BIM for structural rehabilitation, in CABRERA, I. et al. (Eds.): Reactive proactive architecture. Editorial Universitat Politècnica de València, pp. 284-289.  ISBN 978-84-9048-713-6. Valencia.

Descargar (PDF, 165KB)

Os dejo también un vídeo de 5 minutos mostrando el uso de Heritage BIM aplicado a la conservación de puentes En este caso el puente romano de Alcántara. Espero que os guste.

El uso de las técnicas de optimización en ingeniería civil

Los que sois seguidores habituales de mi blog conocéis mis artículos y trabajos de investigación en optimización heurística. Esta aventura, además de ser gratificante, te permite conocer gente de gran talento y colegas en el ámbito internacional. Y, a veces, nos juntamos y escribimos alguna cosa conjunta, como es el caso de esta recopilación de artículos sobre el uso de técnicas de optimización en el ámbito de la ingeniería civil. Esta recopilación sirve de muestra de las posibilidades de la optimización y también puede aportar referencias de interés a aquellos que estén iniciándose en estos temas. Os dejo este artículo en abierto que acabamos de publicar en abierto.

Referencia:

DEDE, T.; KRIPKA, M.; TOGAN, V.; YEPES, V:, VENKATA RAO, R. (2019). Usage of optimization techniques civil engineering during the last two decades. Current Trends in Civil & Structural Engineering, 2(1): 1-17.

Descargar (PDF, 513KB)

Algunas conclusiones de nuestros trabajos en optimización multiobjetivo de puentes

Hoy hace justo un año que realicé mi defensa pública de la plaza de Catedrático de Universidad en el Área de Ingeniería de la Construcción. Tuve en aquel momento la oportunidad de exponer como parte de la prueba un trabajo de investigación, basado fundamentalmente en los trabajos realizados por nuestro grupo. Se trataba del diseño eficiente de puentes de hormigón postesado de sección en cajón unicelular mediante una optimización multiobjetivo basada en criterios sostenibles. Las conclusiones que aquí se resumen son fruto de varios estudios previos para examinar el uso de cementos con adiciones, la importancia de la carbonatación en la captura de CO2 y en la durabilidad, la reutilización del hormigón, el uso del hormigón autocompactante, los diseños sostenibles de puentes artesa prefabricados de hormigón pretensado, la relación entre el coste y el CO2, así como la energía, los diseños sostenibles de pasarelas de hormigón postesado, los algoritmos heurísticos y las técnicas de toma de decisiones para analizar y reducir el conjunto óptimo de Pareto. Los resultados de estos estudios previos fueron la base del trabajo presentado. Se planteó una optimización multiobjetivo basada en criterios económicos, ambientales, de durabilidad y de seguridad. Además, se formuló una herramienta informática que permitió el uso de software comercial para realizar el análisis del puente con elementos finitos, en un proceso de diseño automático. Al final de la entrada os he dejado referencias directamente relacionadas con la investigación de nuestro grupo en optimización multiobjetivo y toma de decisión multicriterio de puentes a lo largo de su ciclo de vida.

En primer lugar, se estudió el diseño óptimo de puentes de carreteras de hormigón postesado de sección en cajón considerando los costes, las emisiones de CO2 y el coeficiente de seguridad global. Para aplicar la metodología propuesta, se realizó un estudio de caso de un puente continuo de tres vanos situado en una zona costera. Los resultados mostraron que tanto el coste económico como la reducción de las emisiones de CO2 conducen a una reducción en el consumo de material y por lo tanto, son objetivos alineados. Ello indica que la optimización de costes es un buen enfoque para lograr un diseño respetuoso con el medio ambiente. El análisis de la frontera de Pareto indicó las variables más eficientes para mejorar la seguridad con el coste mínimo y las emisiones de CO2. Dado que el coste y las emisiones estaban estrechamente relacionados, el desafío se tradujo en la conversión de las limitaciones estructurales de seguridad y durabilidad en funciones objetivo. Este enfoque permitió encontrar múltiples soluciones alternativas que, con un incremento muy pequeño en el coste, consiguen mayor seguridad y durabilidad. Además, se destacó la eficiencia del aumento de la resistencia y del recubrimiento del hormigón para prolongar la vida útil. La frontera de Pareto se utilizó posteriormente para seleccionar planes de mantenimiento del puente óptimos, basados en su nivel inicial de seguridad y durabilidad. Este planteamiento es consistente con el argumento de que el proceso de deterioro puede causar una reducción en la seguridad estructural. Este estudio permitió analizar las ventajas que presenta un diseño optimizado para prolongar la vida útil de la estructura y mejorar su seguridad. Se llevó a cabo una optimización de la vida útil sostenible a través de un enfoque probabilístico. El plan de mantenimiento óptimo tiene como objetivo minimizar los impactos económicos, ambientales y sociales mientras se satisface el objetivo de fiabilidad durante una vida útil. Finalmente, se compararon los costes del ciclo de vida y las emisiones entre las distintas alternativas.

En paralelo, se desarrolló un metamodelo basado en redes neuronales, para reducir el tiempo de cálculo. Las ANNs se entrenaron para predecir la respuesta estructural en términos de los estados límite en función de las variables de diseño, sin necesidad de un análisis completo del puente. Se propuso una metaheurística mejorada basada en la búsqueda de la armonía multiobjetivo. Se mejoró la diversificación y la intensificación en la búsqueda de soluciones para mejorar la convergencia. Finalmente, se propuso una técnica de toma de decisiones llamada AHP-VIKOR bajo incertidumbre para reducir la frontera de Pareto a un conjunto de soluciones preferidas. Este método permite al decisor introducir fácilmente las preferencias en un criterio específico sujeto a incertidumbre.

Las conclusiones generales de este trabajo de investigación fueron las siguientes:

  • La minimización de costes y emisiones de CO2 conduce a un diseño de puente que favorece la eficiencia estructural minimizando la cantidad de materiales. La inclusión del objetivo de seguridad destaca las mejores variables para mejorar la seguridad y por lo tanto, la robustez de cada variable para el diseño eficiente. El objetivo de durabilidad, evaluado como el inicio de la corrosión, estableció la mejor combinación de resistencia y recubrimiento del hormigón para alcanzar un objetivo de vida de servicio.
  • El canto, el espesor de la losa inferior, las armaduras activas y la armadura pasiva longitudinal son las variables principales que proporcionan la resistencia a flexión. Sin embargo, no se recomienda un incremento de espesor de la losa superior y del ala para mejorar la seguridad estructural, pues conduce a pesos propios adicionales. Para mejorar el comportamiento a flexión transversal, se incrementa el espesor del arranque del ala y se disminuye la longitud del ala. La inclinación del alma puede ser constante, pues tanto la profundidad como la anchura de inclinación del alma aumentan en paralelo para mejorar la seguridad. El espesor del alma no es la variable más económica para aumentar la resistencia a esfuerzo cortante; por el contrario, se incrementa la armadura de refuerzo.
  • El uso de hormigón de alta resistencia puede reducir el canto o la cantidad de armadura. Sin embargo, las restricciones relativas a los estados límite de servicio y las cuantías mínimas de armadura condicionan estas variables. Por lo tanto, el hormigón de alta resistencia no es la mejor solución para mejorar la seguridad. Sin embargo, este resultado cambia cuando se tiene en cuenta el ciclo de vida. Un incremento en la resistencia del hormigón alarga la vida útil de servicio, pues se retrasa el inicio de la corrosión. Por otro lado, el incremento en la resistencia del hormigón presenta mejores resultados a lo largo del ciclo de vida para diseños con inicios de corrosión similares, en comparación con el incremento del recubrimiento de hormigón.
  • Un diseño inicial que incorpore la durabilidad como objetivo y no como restricción resulta especialmente beneficioso si se quiere alargar el ciclo de vida de la estructura. Diseños que retrasen el inicio de la corrosión implican un menor coste del ciclo de vida, incluso con costes iniciales más altos. Sin embargo, un nivel de seguridad inicial más alto no siempre ofrece como resultado un mejor rendimiento del ciclo de vida.

 

A partir de los estudios, se extrajeron estas conclusiones específicas:

  • El empleo de cementos con adiciones conlleva una reducción en la captura de carbono y en la vida útil debido a la carbonatación. A pesar de esto, los cementos con adiciones disminuyen las emisiones anuales. El hormigón autocompactante no es aconsejable desde el punto de vista medioambiental. En términos de coste, se obtienen pocas diferencias entre el hormigón vibrado convencional y el hormigón autocompactante.
  • Es fundamental reutilizar el hormigón como gravas en material de relleno para lograr una completa carbonatación y reducir las emisiones de CO2.
  • En el puente postesado estudiado, la reducción del coste en 1 euro disminuye las emisiones de CO2 en 2,34 kg. En cuanto al coeficiente de seguridad global, se obtienen tres relaciones lineales entre el coste y este objetivo. Para aumentar el coeficiente de seguridad global de 1,0 a 1,4, los costes aumentan en 12,5%. Después de este punto, los resultados de mejora de la seguridad son más caros. Con respecto al inicio de la corrosión, con pequeños incrementos de coste se consiguen retrasos significativos.
  • El estado límite de descompresión es restrictivo y condiciona variables como el canto y el número de torones de pretensado. Dado que estas variables también influyen en la flexión, este estado límite no es restrictivo hasta que el coeficiente de seguridad global alcanza 1,4.
  • La relación entre el coste y el CO2 se mantiene para todos los niveles de seguridad y por lo tanto, la optimización de costes es un buen enfoque para minimizar las emisiones independientemente del nivel de seguridad.
  • En estructuras con un espacio de soluciones factibles pequeños, el coste y la emisión se encuentran muy relacionados. Sin embargo, las estructuras de hormigón armado, que presentan espacios factibles mayores, conducen a diseños medioambientales con mayores secciones, mayor cantidad de hormigón, menor acero y horigones con la menor resistencia característica.
  • El plan de mantenimiento óptimo es aquel que presenta menos operaciones que reparen simultáneamente todas las superficies deterioradas. A pesar de que existe un deterioro diferente para cada una de las caras de la sección expuesta, los resultados recomiendan reparar todas las superficies conjuntamente. Las operaciones de mantenimiento deben programarse al mismo tiempo para reducir el impacto de las interrupciones del tráfico.
  • Por lo general, la optimización del coste de mantenimiento también conduce a la minimización de las emisiones de CO2. Esto se atribuye al hecho de que tanto las emisiones como los costes pretenden reducir el número total de operaciones de mantenimiento. Sin embargo, la optimización de costes intenta retrasar la fecha de la primera reparación. Por lo tanto, la determinación del número de operaciones y el retraso de la primera fecha de mantenimiento, reduce también el coste al mínimo.
  • Las redes neuronales constituyen una buena herramienta para predecir la respuesta de la estructura, proporcionar una buena dirección de búsqueda y reducir el coste computacional. Sin embargo, al final del proceso de búsqueda, se necesitan modelos de análisis completo para converger más cerca de la frontera de Pareto real.
  • La transición de la diversificación a la intensificación, que elimina progresivamente la combinación de soluciones y la selección aleatoria, mejora el rendimiento del algoritmo.
  • El método AHP-VIKOR bajo incertidumbre redujo el conjunto de Pareto a pocas soluciones preferidas. Para este estudio de caso, se prefieren las soluciones con el mayor tiempo de inicio de la corrosión, pues la mejora de la durabilidad no implica grandes diferencias de costes.

 

Referencias:

  • PENADÉS-PLÀ, V.; GARCÍA-SEGURA, T.; YEPES, V. (2019). Accelerated optimization method for low-embodied energy concrete box-girder bridge design. Engineering Structures, 179:556-565. DOI:10.1016/j.engstruct.2018.11.015
  • NAVARRO, I.J.; MARTÍ, J.V.; YEPES, V. (2019). Reliability-based maintenance optimization of corrosion preventive designs under a life cycle perspective. Environmental Impact Assessment Review, 74:23-34. DOI:1016/j.eiar.2018.10.001
  • GARCÍA-SEGURA, T.; PENADÉS-PLÀ, V.; YEPES, V. (2018). Sustainable bridge design by metamodel-assisted multi-objective optimization and decision-making under uncertainty. Journal of Cleaner Production, 202: 904-915. DOI:1016/j.jclepro.2018.08.177
  • NAVARRO, I.J.; YEPES, V.; MARTÍ, J.V.; GONZÁLEZ-VIDOSA, F. (2018). Life cycle impact assessment of corrosion preventive designs applied to prestressed concrete bridge decks. Journal of Cleaner Production, 196: 698-713. DOI:10.1016/j.jclepro.2018.06.110
  • NAVARRO, I.J.; YEPES, V.; MARTÍ, J.V. (2018). Social life cycle assessment of concrete bridge decks exposed to aggressive environments. Environmental Impact Assessment Review, 72:50-63. DOI:1016/j.eiar.2018.05.003
  • SIERRA, L.A.; YEPES, V.; PELLICER, E. (2018). A review of multi-criteria assessment of the social sustainability of infrastructures. Journal of Cleaner Production, 187:496-513. DOI:1016/j.jclepro.2018.03.022
  • NAVARRO, I.J.; YEPES, V.; MARTÍ, J.V. (2018). Life cycle cost assessment of preventive strategies applied to prestressed concrete bridges exposed to chlorides. Sustainability, 10(3):845. DOI:3390/su10030845
  • PENADÉS-PLÀ, V.; GARCÍA-SEGURA, T.; MARTÍ, J.V.; YEPES, V. (2018). An optimization-LCA of a prestressed concrete precast bridge. Sustainability, 10(3):685. DOI:3390/su10030685
  • SIERRA, L.A.; YEPES, V.; GARCÍA-SEGURA, T.; PELLICER, E. (2018). Bayesian network method for decision-making about the social sustainability of infrastructure projects. Journal of Cleaner Production, 176:521-534. DOI:1016/j.jclepro.2017.12.140
  • GARCÍA-SEGURA, T.; YEPES, V.; FRANGOPOL, D.M. (2017). Multi-Objective Design of Post-Tensioned Concrete Road Bridges Using Artificial Neural Networks. Structural and Multidisciplinary Optimization, 56(1):139-150. DOI:1007/s00158-017-1653-0
  • GARCÍA-SEGURA, T.; YEPES, V.; FRANGOPOL, D.M.; YANG, D.Y. (2017). Lifetime Reliability-Based Optimization of Post-Tensioned Box-Girder Bridges. Engineering Structures, 145:381-391. DOI:10.1016/j.engstruct.2017.05.013
  • PENADÉS-PLÀ, V.; MARTÍ, J.V.; GARCÍA-SEGURA, T.; YEPES, V. (2017). Life-cycle assessment: A comparison between two optimal post-tensioned concrete box-girder road bridges. Sustainability, 9(10):1864. DOI:10.3390/su9101864
  • SIERRA, L.A.; PELLICER, E.; YEPES, V. (2017). Method for estimating the social sustainability of infrastructure projects. Environmental Impact Assessment Review, 65:41-53. DOI:10.1016/j.eiar.2017.02.004
  • SIERRA, L.A.; YEPES, V.; PELLICER, E. (2017). Assessing the social sustainability contribution of an infrastructure project under conditions of uncertainty. Environmental Impact Assessment Review, 67:61-72. DOI:10.1016/j.eiar.2017.08.003
  • YEPES, V.; MARTÍ, J.V.; GARCÍA-SEGURA, T.; GONZÁLEZ-VIDOSA, F. (2017). Heuristics in optimal detailed design of precast road bridges. Archives of Civil and Mechanical Engineering, 17(4):738-749. DOI:10.1016/j.acme.2017.02.006
  • PENADÉS-PLÀ, V.; GARCÍA-SEGURA, T.; MARTÍ, J.V.; YEPES, V. (2016). A review of multi-criteria decision making methods applied to the sustainable bridge design. Sustainability, 8(12):1295. DOI:10.3390/su8121295
  • GARCÍA-SEGURA, T.; YEPES, V. (2016). Multiobjective optimization of post-tensioned concrete box-girder road bridges considering cost, CO2 emissions, and safety. Engineering Structures, 125:325-336. DOI:10.1016/j.engstruct.2016.07.012
  • MARTÍ, J.V.; GARCÍA-SEGURA, T.; YEPES, V. (2016). Structural design of precast-prestressed concrete U-beam road bridges based on embodied energy. Journal of Cleaner Production, 120:231-240. DOI:10.1016/j.jclepro.2016.02.024
  • GARCÍA-SEGURA, T.; YEPES, V.; ALCALÁ, J.; PÉREZ-LÓPEZ, E. (2015). Hybrid harmony search for sustainable design of post-tensioned concrete box-girder pedestrian bridgesEngineering Structures, 92:112-122. DOI:10.1016/j.engstruct.2015.03.015
  • LUZ, A.; YEPES, V.; GONZÁLEZ-VIDOSA, F.; MARTÍ, J.V. (2015). Design of open reinforced concrete abutments road bridges with hybrid stochastic hill climbing algorithms. Informes de la Construcción, 67(540), e114. DOI:10.3989/ic.14.089
  • MARTÍ, J.V.; YEPES, V.; GONZÁLEZ-VIDOSA, F. (2015). Memetic algorithm approach to designing of precast-prestressed concrete road bridges with steel fiber-reinforcement. Journal of Structural Engineering, 141(2): 04014114. DOI:10.1061/(ASCE)ST.1943-541X.0001058
  • YEPES, V.; GARCÍA-SEGURA, T.; MORENO-JIMÉNEZ, J.M. (2015). A cognitive approach for the multi-objective optimization of RC structural problems. Archives of Civil and Mechanical Engineering, 15(4):1024-1036. DOI:10.1016/j.acme.2015.05.001
  • YEPES, V.; MARTÍ, J.V.; GARCÍA-SEGURA, T. (2015). Cost and CO2 emission optimization of precast-prestressed concrete U-beam road bridges by a hybrid glowworm swarm algorithm. Automation in Construction, 49:123-134. DOI:10.1016/j.autcon.2014.10.013
  • MARTÍ, J.V.; YEPES, V.; GONZÁLEZ-VIDOSA, F.; LUZ, A. (2014). Automated design of prestressed concrete precast road bridges with hybrid memetic algorithms. Revista Internacional de Métodos Numéricos para Cálculo y Diseño en Ingeniería, 30(3), 145-154. DOI:10.1016/j.rimni.2013.04.010
  • GARCÍA-SEGURA, T.; YEPES, V.; MARTÍ, J.V.; ALCALÁ, J. (2014). Optimization of concrete I-beams using a new hybrid glowworm swarm algorithm. Latin American Journal of Solids and Structures, 11(7):1190 – 1205. DOI: 1590/S1679-78252014000700007
  • GARCÍA-SEGURA, T.; YEPES, V.; ALCALÁ, J. (2014). Life-cycle greenhouse gas emissions of blended cement concrete including carbonation and durability. International Journal of Life Cycle Assessment, 19(1):3-12. DOI:10.1007/s11367-013-0614-0
  • MARTÍ-VARGAS, J.R.; FERRI, F.J.; YEPES, V. (2013). Prediction of the transfer length of prestressing strands with neural networks. Computers and Concrete, 12(2):187-209. DOI:10.12989/cac.2013.12.2.187
  • TORRES-MACHÍ, C.; YEPES, V.; ALCALA, J.; PELLICER, E. (2013). Optimization of high-performance concrete structures by variable neighborhood search. International Journal of Civil Engineering, 11(2):90-99.
  • MARTÍNEZ-MARTÍN, F.; GONZÁLEZ-VIDOSA, F.; HOSPITALER, A.; YEPES, V. (2013). A parametric study of optimum tall piers for railway bridge viaducts. Structural Engineering and Mechanics, 45(6): 723-740. DOI: 12989/sem.2013.45.6.723
  • MARTÍ, J.V.; GONZÁLEZ-VIDOSA, F.; YEPES, V.; ALCALÁ, J. (2013). Design of prestressed concrete precast road bridges with hybrid simulated annealing. Engineering Structures, 48:342-352. DOI:10.1016/j.engstruct.2012.09.014
  • MARTINEZ-MARTIN, F.J.; GONZALEZ-VIDOSA, F.; HOSPITALER, A.; YEPES, V. (2012). Multi-objective optimization design of bridge piers with hybrid heuristic algorithms. Journal of Zhejiang University-SCIENCE A (Applied Physics & Engineering, 13(6):420-432. DOI:10.1631/jzus.A1100304
  • PEREA, C.; YEPES, V.; ALCALÁ, J.; HOSPITALER, A.; GONZÁLEZ-VIDOSA, F. (2010). A parametric study of optimum road frame bridges by threshold acceptance. Indian Journal of Engineering & Materials Sciences, 17(6):427-437.
  • MARTÍNEZ, F.J.; GONZÁLEZ-VIDOSA, F.; HOSPITALER, A.; YEPES, V. (2010). Heuristic Optimization of RC Bridge Piers with Rectangular Hollow Sections. Computers & Structures, 88(5-6): 375-386. DOI:10.1016/j.compstruc.2009.11.009
  • YEPES, V.; DÍAZ, J.; GONZÁLEZ-VIDOSA, F.; ALCALÁ, J. (2009). Statistical Characterization of Prestressed Concrete Road Bridge Decks. Revista de la Construcción, 8(2):95-109.
  • PEREA, C.; ALCALÁ, J.; YEPES, V.; GONZÁLEZ-VIDOSA, F.; HOSPITALER, A. (2008). Design of Reinforced Concrete Bridge Frames by Heuristic Optimization. Advances in Engineering Software, 39(8): 676-688. DOI:10.1016/j.advengsoft.2007.07.007

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