El concepto de seguridad de una estructura en cumplir un conjunto de funciones para las que ha sido proyectada es un término relacionado con el grado de certeza o fiabilidad de que no alcance un conjunto de estados no deseables que todavía no han acontecido.
La seguridad se representa por consiguiente como un aspecto antagónico al aspecto económico del dimensionamiento: una estructura proyectada para un coste pequeño puede resultar poco segura y, por el contrario, una estructura proyectada para ser muy segura puede resultar antieconómica. La solución debe quedar en un término adecuado.
El concepto de seguridad en una estructura se refiere a su capacidad para cumplir con las funciones previstas, garantizando un nivel de fiabilidad que evite la ocurrencia de estados no deseados. La seguridad se contrapone al aspecto económico del diseño: una estructura económica puede ser menos segura, mientras que una estructura altamente segura puede resultar costosa. Por lo tanto, es necesario encontrar un equilibrio adecuado entre ambos aspectos.
El objetivo principal del Proyecto de Ingeniería Estructural consiste en garantizar que la estructura cumpla satisfactoriamente con su función original. El mantenimiento de esta funcionalidad a lo largo de su vida útil depende de diversos factores o parámetros que tradicionalmente se han considerado como cantidades deterministas.
Sin embargo, evaluar la seguridad en ingeniería es complicado debido a varios factores. En primer lugar, los accidentes pueden ocurrir por causas no relacionadas con los cálculos realizados, como erosiones o modelos inadecuados. Además, tratar el problema de forma aleatoria puede llevar a considerar la probabilidad como medida universal e invariable de seguridad. Sin embargo, la probabilidad solo es significativa en relación con un conjunto coherente de conocimientos, como los estados de falla no ocurridos, difíciles de definir. Además, existen incertidumbres que no pueden ser objetivamente cuantificadas mediante probabilidades. Por lo tanto, las probabilidades solo pueden ser definidas dentro de un contexto específico y los cálculos de probabilidad son meramente convencionales. Además, si bien medir el margen de seguridad a través de una magnitud física puede ser útil en un problema particular, no todas las magnitudes son adecuadas en todos los casos generales. Por ejemplo, las tensiones no son una magnitud adecuada para el estudio del equilibrio estático, y evaluar el margen de seguridad basándose en las tensiones puede ser incorrecto en problemas no lineales.
En el contexto de la Teoría de la Fiabilidad Estructural, Armen Der Kiureghian presenta los siguientes tipos de incertidumbres. En primer lugar, están las incertidumbres físicas, que surgen debido a la inherente variabilidad de las magnitudes físicas involucradas en el problema, como dimensiones, propiedades del material, cargas y resistencia. En segundo lugar, encontramos las incertidumbres estadísticas, que se originan a partir de los modelos probabilísticos utilizados para caracterizar las Variables Básicas del problema. Estas incertidumbres se deben a las aproximaciones necesarias para seleccionar las Funciones de Distribución y estimar sus parámetros, debido a la falta de información disponible. En tercer lugar, se presentan las incertidumbres del modelo, que son generadas por las hipótesis simplificativas realizadas en los modelos matemáticos empleados para describir la respuesta de un sistema estructural. Estas simplificaciones incluyen aspectos como la homogeneidad, el comportamiento elástico o elastoplástico, las pequeñas deformaciones y las condiciones de contorno. Aunque la variabilidad de los dos últimos tipos de incertidumbres puede reducirse a través del estudio e investigación, las incertidumbres físicas del primer tipo son inevitables.
En el pasado, las construcciones se basaban en métodos empíricos, confiando en la experiencia y la intuición del constructor para garantizar la seguridad. Sin embargo, en la actualidad, la experiencia debe complementarse con los resultados obtenidos, ya que la rápida evolución técnica puede presentar situaciones no experimentadas previamente. Con el surgimiento de la construcción metálica en el siglo XIX y el enfoque en la Resistencia de Materiales, se introdujo el método de tensiones admisibles. Este método implica un enfoque determinista en las variables utilizadas, donde la seguridad se basa en el margen establecido por las tensiones admisibles. Estas tensiones se obtienen mediante el cociente entre la resistencia del material y un coeficiente de seguridad, mientras que las cargas variables se establecen de manera empírica y arbitraria.
El desarrollo de la Teoría de la Elasticidad permitió aplicar este método en la construcción de hormigón armado, pero presenta desafíos. Cuando el comportamiento no es lineal debido a los materiales o la geometría de la estructura, las tensiones admisibles no reflejan el margen real de seguridad. Además, el comportamiento del hormigón y el acero dificulta definir el fallo en términos de tensiones. No se consideran los efectos de la adaptación plástica del hormigón, donde la tensión en un punto no determina la confiabilidad estructural si hay una fase de adaptación plástica que redistribuye los esfuerzos. Además, no se distinguen los diferentes tipos de acciones cuya influencia en la seguridad es distinta. No obstante, este método ha sido utilizado con profusión durante la primera mitad del siglo XX.
La Teoría de la Fiabilidad, que inicialmente se aplicaba a procesos industriales de producción en serie, se adaptó en 1960 al campo de la Ingeniería Estructural. El objetivo era desarrollar métodos que permitieran determinar los niveles de seguridad de los Sistemas Estructurales, mediante un enfoque racional de las incertidumbres presentes en ellos. Desde entonces, esta área de investigación ha experimentado un notable impulso, y los fundamentos teóricos desarrollados han dejado de ser exclusivamente un tema de investigación académica para convertirse en un conjunto de metodologías con una amplia gama de aplicaciones prácticas.
No obstante, los avances tecnológicos y los métodos de análisis han permitido realizar estudios de seguridad más precisos en las estructuras mediante la incorporación de modelos estadísticos y de probabilidad en los cálculos. Desde los primeros intentos, como el de Max Mayer en 1926, numerosos autores han contribuido al desarrollo del enfoque probabilístico y a su aplicación práctica. Para emplear la probabilidad en los cálculos, es necesario definir un conjunto coherente de eventos no deseados, denominados “estados límite”. Estos estados límite representan condiciones en las que una estructura o uno de sus elementos deja de cumplir su función de manera inmediata o progresiva. La seguridad se caracteriza por la probabilidad o conjunto de probabilidades de que los estados límite no sean superados. Al elegir la probabilidad de ocurrencia de un estado límite como medida convencional de la seguridad, es necesario establecer los valores aplicables en la práctica.
A primera vista, podría parecer que el uso de probabilidades resuelve por completo el problema de medir la seguridad. Sin embargo, su implementación enfrenta dos dificultades. Por un lado, están los datos que no se pueden cuantificar de manera probabilística debido a su naturaleza. Por otro lado, resulta prácticamente imposible conocer con precisión la probabilidad real de alcanzar un estado límite. Estas limitaciones dificultan la aplicación práctica de las probabilidades en la evaluación de la seguridad.
La seguridad puede tratarse en tres niveles, según el grado de simplificación en el abordaje del problema:
Nivel 3: Utiliza el cálculo de probabilidades sin restricciones en la representación de las incertidumbres.
Nivel 2: Representa las acciones, resistencias de materiales y secciones mediante distribuciones conocidas o asumidas, definidas por su tipo, media y desviación típica. La fiabilidad se expresa con el “índice de seguridad” (β).
Nivel 1: Establece niveles de fiabilidad estructural aplicando factores parciales de seguridad a valores nominales preestablecidos de las variables fundamentales.
Los métodos de nivel 2 y 3 emplean probabilidades que están vinculadas a hipótesis apriorísticas sobre las distribuciones de los datos.
En cambio, el método de nivel 1, conocido como método semiprobabilístico, considera solo ciertos elementos que se pueden cuantificar de manera probabilística, mientras que las demás incertidumbres se abordan mediante factores empíricos que poseen un significado físico específico. Este método es el más simple y ampliamente reconocido en la actualidad.
Os paso un vídeo explicativo sobre conceptos de fiabilidad estructural de Juan Carlos López Agüí, que espero os sea de interés.
Figura 1. Mapa mental del proyecto de investigación DIMALIFE
En el pasado Congreso ACHE 2022, celebrado recientemente en Santander, tuve la oportunidad de presentar los resultados del proyecto de DIMALIFE. Este proyecto fue anterior al actual HYDELIFE y supone una línea de investigación de alta productividad para nuestro grupo de investigación. En el periodo comprendido entre 2018 y 2021, tuvimos la ocasión de publicar 50 artículos indexados de alto impacto en el JCR, defender 5 tesis doctorales, 10 trabajos fin de máster y 25 comunicaciones a congresos. A ello hay que añadir la irrupción de la pandemia, que impidió una mayor presencia física en los congresos para diseminar los resultados alcanzados. Pero para eso está internet y las redes sociales.
Os paso, por tanto, el artículo completo donde se recogen los resultados. Lo más interesante son las referencias. Si alguien tiene interés por alguna de ellas, me las puede solicitar. También os paso un enlace a los resultados del grupo en este y otros proyectos de investigación: https://victoryepes.blogs.upv.es/publicaciones/articulos-jcr/
Durante los días 20-22 de junio de 2022 tendrá lugar el VIII Congreso Trienal de la Asociación Española de Ingeniería Estructural (ACHE), un excelente encuentro internacional de profesionales y especialistas en el campo de las estructuras, cuyo nivel técnico lo avalan las anteriores ediciones. Los objetivos fundamentales de este Congreso Internacional de Estructuras son, por un lado, dar a conocer los avances, estudios y realizaciones recientemente alcanzados en el ámbito estructural (en Edificación y en Ingeniería Civil e Industrial), y, por otro, exponer las actividades de la Asociación a sus miembros, amigos, y a toda la sociedad a cuyo servicio se encuentra ACHE realizando una labor de difusión técnica sin ánimo de lucro.
Nuestro grupo de investigación, dentro del proyecto de investigación HYDELIFE, presenta varias comunicaciones. A continuación os paso los resúmenes. Además, tendré el honor de ser Presidente de Sala en la Sesión Técnica 5 de Gestión de Estructuras, el martes 21 de junio de 2022, en el Aula 5. Nos veremos pronto en el Congreso.
MARTÍ, J.V.; MARTÍNEZ-MUÑOZ, D.; YEPES, V. (2022). Diseño de experimentos para la calibración de la heurística de optimización de muros de contrafuertes. VIII Congreso de la Asociación Española de Ingeniería Estructural ACHE. Santander, 2022.
En la actualidad, los técnicos se enfrentan al desafío de encontrar soluciones estructurales más eficientes, cumpliendo con todas las restricciones de seguridad y funcionalidad. Como ayuda a este reto, surgen las técnicas de optimización heurísticas. El algoritmo aplicado en este artículo es el Recocido Simulado o Simulated Annealing (SA). La estructura sobre la que se emplea esta metodología es un muro de contrafuertes de hormigón armado de 11 metros de altura. La eficiencia del algoritmo depende de la elección de los parámetros más adecuados que lo definen. Para ello, se realiza un diseño de experimentos factorial fraccionado que permite, a través de un análisis estadístico, detectar aquellos parámetros de la heurística que más afectan al resultado de la solución obtenida.
SÁNCHEZ-GARRIDO, A.J.; YEPES, V. (2022). Aplicación del análisis del valor MIVES a la estructura de una vivienda unifamiliar de autopromoción con criterios de sostenibilidad. VIII Congreso de la Asociación Española de Ingeniería Estructural ACHE. Santander, 2022.
En este trabajo se estudia el óptimo diseño de la estructura y cerramiento entre tres alternativas dispares aplicadas a una vivienda unifamiliar adosada, para la toma de decisión de un autopromotor, apoyándose en métodos multicriterio y teniendo en cuenta parámetros de sostenibilidad. Se obtiene así la validación del método para una alternativa “convencional”, “prefabricada” y “tecnológica”, consiguiendo esta última la mejor valoración. Esta información permitiría a cualquier gestor conocer desde el inicio del proyecto los aspectos fundamentales que marcarán el equilibrio medioambiental, económico y social del futuro edificio a lo largo de su ciclo de vida para hacerlo, en definitiva, más sostenible.
YEPES, V.; PELLICER, E.; MARTÍ, J.V.; KRIPKA, J. (2022). Diseño y mantenimiento óptimo robusto y basado en fiabilidad de puentes de alta eficiencia social y medioambiental bajo presupuestos restrictivos. VIII Congreso de la Asociación Española de Ingeniería Estructural ACHE. Santander, 2022.
El artículo expone los resultados alcanzados dentro del proyecto de investigación DIMALIFE. Se desarrolla una metodología que incorpora la variabilidad en los procesos de toma de decisiones en el ciclo completo de vida de puentes e infraestructuras viarias, de forma que se contemplen las necesidades e intereses sociales y ambientales con presupuestos restrictivos. La variabilidad inherente a los parámetros, variables y restricciones del problema resulta crítica si se dan por buenas soluciones optimizadas, que pueden encontrarse al borde de la infactibilidad. Se precisa introducir en el análisis la optimización multiobjetivo basada en fiabilidad y conseguir diseños óptimos robustos.
La Universitat Politècnica de València, en colaboración con la empresa Ingeoexpert, ha elaborado un Curso online sobre “Gestión de costes y producción de la maquinaria empleada en la construcción”.
El curso, totalmente en línea, se desarrollará en 6 semanas, con un contenido de 75 horas de dedicación del estudiante. Empieza el 13 de junio de 2022 y termina el 25 de julio de 2022. Hay plazas limitadas.
Os paso un vídeo explicativo y os doy algo de información tras el vídeo.
Este es un curso básico sobre la gestión de los costes y la producción de los equipos y maquinaria empleada en la construcción, tanto en obras civiles y de edificación. Se trata de un curso que no requiere conocimientos previos especiales y está diseñado para que sea útil a un amplio abanico de profesionales con o sin experiencia, estudiantes de cualquier rama de la construcción, ya sea universitaria o de formación profesional. Además, el aprendizaje se ha escalonado para que el estudiante pueda profundizar en aquellos aspectos que les sea de interés mediante documentación complementaria y enlaces de internet a vídeos, catálogos, etc.
En este curso aprenderás los conceptos básicos sobre la gestión de la producción, la selección económica de los bienes de equipo, los costes de propiedad y operación de la maquinaria, su amortización, la disponibilidad y fiabilidad de los equipos, el mantenimiento y reparación, los parques de maquinaria y la gestión de instalaciones, almacenes e inventarios, el estudio del trabajo y la productividad, las políticas de incentivos, métodos de medición del trabajo y la producción de equipos de máquinas. El curso se centra especialmente en la comprensión de los fundamentos básicos que gobiernan la gestión de los costes y la producción de los equipos, mostrando especial atención a la maquinaria pesada de movimientos de tierras y compactación. Es un curso de espectro amplio que incide en el conocimiento de los fundamentos de la ingeniería de la producción. Resulta de especial interés desarrollar el pensamiento crítico del estudiante en relación con la selección de los métodos y técnicas empleadas en la gestión de los costes y el rendimiento de la maquinaria en casos concretos. El curso trata llenar el hueco que deja la bibliografía habitual, donde no se profundiza en el coste y la producción de conjuntos de equipos. Además, el curso está diseñado para que el estudiante pueda ampliar por sí mismo la profundidad de los conocimientos adquiridos en función de su experiencia previa o sus objetivos personales o de empresa.
El contenido del curso se organiza en 30 lecciones, que constituyen cada una de ellas una secuencia de aprendizaje completa. Además, se entregan 75 problemas resueltos que complementan la teoría estudiada en cada lección. La dedicación aproximada para cada lección se estima en 2-3 horas, en función del interés del estudiante para ampliar los temas con el material adicional. Al finalizar cada unidad didáctica, el estudiante afronta una batería de preguntas cuyo objetivo fundamental es afianzar los conceptos básicos y provocar la duda o el interés por aspectos del tema abordado. Al final se han diseñado tres unidades adicionales para afianzar los conocimientos adquiridos a través del desarrollo de casos prácticos, donde lo importante es desarrollar el espíritu crítico y su capacidad para resolver problemas reales. Por último, al finalizar el curso se realiza una batería de preguntas tipo test cuyo objetivo es conocer el aprovechamiento del estudiante, además de servir como herramienta de aprendizaje.
El curso está programado para 75 horas de dedicación por parte del estudiante. Se pretende un ritmo moderado, con una dedicación semanal en torno a las 10-15 horas, dependiendo de la profundidad requerida por el estudiante, con una duración total de 6 semanas de aprendizaje.
Objetivos
Al finalizar el curso, los objetivos de aprendizaje básicos son los siguientes:
Comprender la utilidad y las limitaciones de las técnicas actuales para la gestión de costes y producción de los equipos de máquinas empleados para la construcción
Evaluar y seleccionar la maquinaria atendiendo a criterios económicos y técnicos
Conocer la gestión de los sistemas de almacenamiento de materiales en obra y los parques de maquinaria
Aplicar las técnicas de estudios de métodos y medición del trabajo para mejorar la eficiencia de los equipos
Aplicar técnicas de aprendizaje e incentivos a la producción para mejorar la productividad
Programa
– Lección 1. Mecanización de las obras
– Lección 2. Adquisición y renovación de la maquinaria
– Lección 3. La depreciación de los equipos y su vida económica
– Lección 4. Selección de máquinas y equipos
– Lección 5. La estructura del coste
– Lección 6. Costes de propiedad de las máquinas
– Lección 7. Costes de operación de las máquinas
– Lección 8. Fondo horario y disponibilidad de los equipos
– Lección 9. Fiabilidad de los equipos
– Lección 10. Mantenimiento y reparación de los equipos
– Lección 11. Instalación y organización interna de la obra
– Lección 12. Parques de maquinaria y gestión de inventarios
– Lección 13. Constructividad y constructibilidad
– Lección 14. Estudio del trabajo y productividad
– Lección 15. Los incentivos a la productividad en la construcción
– Lección 16. Estudio de métodos
– Lección 17. Medición del trabajo
– Lección 18. La curva de aprendizaje en la construcción
– Lección 19. Ciclo de trabajo y factor de acoplamiento
– Lección 20. Producción de los equipos
– Lección 21. Composición y clasificación de suelos
– Lección 22. Movimiento de tierras y factor de esponjamiento
– Lección 23. Producción de los buldóceres
– Lección 24. Producción de las cargadoras
– Lección 25. Producción de las motoniveladoras
– Lección 26. Producción de las mototraíllas
– Lección 27. Producción de las retroexcavadoras
– Lección 28. Producción de las dragalinas
– Lección 29. Producción de los equipos de acarreo
– Lección 30. Producción de los compactadores
– Supuesto práctico 1.
– Supuesto práctico 2.
– Supuesto práctico 3.
– Batería de preguntas final
Profesorado
Víctor Yepes Piqueras
Doctor Ingeniero de Caminos, Canales y Puertos. Universitat Politècnica de València
Ingeniero de Caminos, Canales y Puertos (1982-1988). Número 1 de promoción (Sobresaliente Matrícula de Honor). Especialista Universitario en Gestión y Control de la Calidad (2000). Doctor Ingeniero de Caminos, Canales y Puertos, Sobresaliente “cum laude”. Catedrático de Universidad en el área de ingeniería de la construcción en la Universitat Politècnica de València y profesor, entre otras, de las asignaturas de Procedimientos de Construcción en los grados de ingeniería civil y de obras públicas. Su experiencia profesional se ha desarrollado como jefe de obra en Dragados y Construcciones S.A. (1989-1992) y en la Generalitat Valenciana como Director de Área de Infraestructuras e I+D+i (1992-2008). Ha sido Director Académico del Máster Universitario en Ingeniería del Hormigón (2008-2017), obteniendo durante su dirección la acreditación EUR-ACE para el título. Profesor Visitante en la Pontificia Universidad Católica de Chile. Investigador Principal en 5 proyectos de investigación competitivos. Ha publicado más de un centenar artículos en revistas indexadas en el JCR. Autor de 8 libros, 22 apuntes docentes y más de 250 comunicaciones a congresos. Ha dirigido 14 tesis doctorales, con 4 más en marcha. Sus líneas de investigación actuales son las siguientes: (1) optimización sostenible multiobjetivo y análisis del ciclo de vida de estructuras de hormigón, (2) toma de decisiones y evaluación multicriterio de la sostenibilidad social de las infraestructuras y (3) innovación y competitividad de empresas constructoras en sus procesos.
Las empresas dedicadas al diseño de productos deberían focalizar sus esfuerzos en que dicho producto tenga una elevada fiabilidad, es decir, que su probabilidad de fallo se reduzca al mínimo posible. Para asegurarse de que el diseño satisface las necesidades del cliente a un coste proporcionado al valor añadido, es posible utilizar diversas técnicas como son, entre otras, el despliegue de la función de calidad (QFD, Quality Function Deployment), el análisis modal de fallos y efectos (AMFE) y el análisis del valor.
El despliegue de la función de calidad, QFD, permite traducir los requerimientos de calidad del cliente en características técnicas del producto. Se trata de una metodología simple y lógica que involucra un conjunto de matrices, las cuales permiten determinar las necesidades del cliente, analizar a la competencia y descubrir los nichos de mercado no explotados.
El análisis modal de fallos y efectos, AMFE, es una metodología analítica estructurada que permite tener en cuenta y se han resuelto los modos de fallo potencial de un producto o sistema y sus causas, para evitarlos.
El análisis del valor trata de reducir el coste de un producto sin eliminar las características demandadas por los clientes. También permite detectar los cambios que deberían realizarse para dar mayor al producto sin que el incremento de coste sea superior al aumento de precio.
A continuación os dejo algunos vídeos explicativos de estas técnicas de prevención de fallos en los productos.
Referencias:
HARRIS, F.; McCAFFER, R. (1999). Construction Management. Manual de gestión de proyecto y dirección de obra. Ed. Gustavo Gili, S.A., Barcelona, 337 pp. ISBN: 84-252-1714-8.
JORDAN, M.; BALBONTIN, E. (1986). Organización, planificación y control. Escuela de la Edificación, UNED, Madrid. ISBN: 84-86957-39-7.
PELLICER, E.; YEPES, V.; TEIXEIRA, J.C.; MOURA, H.P.; CATALÁ, J. (2014). Construction Management. Wiley Blackwell, 316 pp. ISBN: 978-1-118-53957-6.
VELASCO, J. (2014). Organización de la producción. Distribuciones en planta y mejora de los métodos y los tiempos. 3ª edición, Ed. Pirámide, Madrid. ISBN: 978-84-368-3018-7.
YEPES, V. (2008). Productivity and Performance, in Pellicer, E. et al.: Construction Management. Construction Managers’ Library Leonardo da Vinci: PL/06/B/F/PP/174014. Ed. Warsaw University of Technology, pp. 87-101. ISBN: 83-89780-48-8.
Figura 1. Los ensayos de fiabilidad permiten estimar el tiempo medio entre fallos de la maquinaria en una obra
En obra pueden estimarse el tiempo medio entre fallos de una máquina mediante los denominados como ensayos de fiabilidad, basándose para ello en la distribución exponencial. Los tipos de ensayos posibles son los siguientes:
Ensayos completos: Se realizan hasta el fallo de todas las unidades.
Ensayos censurados: Un ensayo de fiabilidad se llama censurado de orden k si la experiencia se detiene al producirse el fallo k-ésimo. También se llama test limitado por fallos. Puede ser con o sin reemplazamiento de las unidades averiadas.
Ensayos truncados: Un ensayo de fiabilidad se llama truncado cuando la experiencia se detiene al cabo de una cierta duración. También se llama test limitado por tiempo. También pueden ser con o sin reemplazamiento.
La estimación del tiempo medio entre fallos (MTBF) se obtiene repartiendo la duración del ensayo por en número de fallos:
donde
T = tiempo total acumulado del test
r = número de fallos
En los ensayos censurados, si se conoce el valor de q se puede obtener la duración esperada para el ensayo.
En ensayo sin reemplazamiento:
En ensayo con reemplazamiento:
siendo r el número de fallos y n el de unidades
Asimismo, si se conoce el valor de q se puede obtener el número esperado de fallos en un ensayo trucado de duración T:
En ensayo sin reemplazamiento:
En ensayo con reemplazamiento:
donde n es el número de unidades ensayadas y T la duración prefijada del ensayo.
Figura 1. La fiabilidad de la maquinaria garantiza su productividad. Imagen: V. Yepes
Una unidad simple o compuesta, bajo unas condiciones determinadas, puede no completar la misión para la cual estuvo diseñada y, por lo tanto, dar lugar a un fallo. Los mecanismos llevan a un elemento al fracaso se deben a deterioros por desgaste, al medio ambiente o al azar. Los fallos pueden clasificarse en dos categorías:
Fallo de parada o avería: causa el cese de una función.
Fallo de deterioro: afecta a la calidad o causa deterioro funcional. El equipo sigue trabajando, pero las imprecisiones y otros tipos de degradación funcional crean defectos en el producto acabado o afecta a su productividad.
El concepto de fiabilidad se encuentra relacionado con el de disponibilidad y el de mantenimiento. En efecto, las máquinas no son infalibles, y por tanto para aumentar su tiempo disponible en las obras se requiere una correcta política de reparación y mantenimiento (Figura 1).
Se define la fiabilidad como la probabilidad de que una unidad funcione satisfactoriamente en un intervalo de tiempo determinado, sin que sufra interrupciones de su trabajo por fallo de alguno de sus componentes, siempre que dicho dispositivo se emplee en condiciones establecidas.
La fiabilidad se relaciona con el promedio de horas entre averías, o tiempo medio entre fallos (TMEF), definiéndose para un equipo reparable como la relación del número de horas trabajadas en un intervalo de tiempo y el número de averías sufridas en ese mismo período.
Los equipos siguen a menudo un modelo de fallo similar. La curva de fiabilidad de una máquina representa la evolución de la tasa de fallos de una máquina a lo largo del tiempo. También recibe el nombre de “curva de la bañera”, por su forma. En dicha curva aparecen tres zonas que se diferencian por la frecuencia de los fallos y su causa (ver Figura 2):
1.- Período de mortalidad infantil o de fallos prematuros. Caracterizada por una tasa de fallos elevada que disminuye rápidamente con el tiempo. Las causas de los fallos normalmente se deben a errores de diseño, de fabricación, de utilización u otras causas identificables, que una vez resueltas no suelen repetirse. Los fallos precoces ocurren durante la fase de rodaje de la máquina.
2.- Período de tasa de fallos constante o vida útil. Los fallos aparecen de forma aleatoria y accidental debido a limitaciones del diseño más los percances causados por el uso o por un mal mantenimiento. Es aconsejable limitar la utilización de las máquinas a este período. Para reducir la cuota de fallos durante la vida útil, se debería rediseñar el equipo.
3.- Período de desgaste. Caracterizado por deterioros crecientes con el tiempo, debidos a la vejez y terminación de la vida útil del equipo. Para reducir la tasa de fallos se requiere el reemplazamiento preventivo de los componentes gastados, antes de un incidente catastrófico, llegando incluso a la renovación completa del equipo.
Figura 2. Curva de fiabilidad de una máquina
Se podría alargar al máximo la vida útil de un equipo:
Mediante un envejecimiento preventivo de las máquinas o sus componentes. Al someter a una unidad a un funcionamiento preliminar se eliminan los fallos prematuros. Constituye la “purga” de un elemento antes de instalarlo en un sistema.
Mediante la sustitución preventiva, reemplazando las unidades o componentes al acabar su vida útil, sin esperar a su avería, evitando que se produzcan fenómenos masivos de mortalidad por envejecimiento.
Cuando la tasa de fallos es constante, la ocurrencia de un fallo es imprevisible, es decir, es independiente de la vida acumulada de la unidad. En este caso, el tiempo libre de fallos se distribuye exponencialmente, dependiendo la fiabilidad únicamente de la duración de la misión del elemento. Estas hipótesis sustentan el denominado modelo exponencial de la fiabilidad que, si bien no es estrictamente exacto para las máquinas, debido a sus desgastes, es un modelo muy utilizado por su sencillez:
donde
R(t) = Probabilidad de funcionamiento libre de fallos durante un período de tiempo igual o mayor que t.
e = 2.718
t = Un período especificado de funcionamiento libre de fallos.
θ = Tiempo medio entre fallos o “vida media”.
λ = Tasa de fallos (la inversa de q).
Se comprueba que la vida media es superada solo por el 36,8% de las unidades del mismo tipo en funcionamiento, pues R(1/λ)=0,368.
Una generalización del modelo exponencial es la función de Weibull, para situaciones con tasa de fallo variable, siendo adecuado en fases de fallos precoces y de envejecimiento:
donde
δ = vida mínima (>= 0)
θ = vida característica (> δ)
β = parámetro de forma (> 0)
con frecuencia se toma δ = 0, con lo cual:
β = 1 con una cuota de fallos constante. Si β<1 la tasa de fallos disminuye con el tiempo, correspondiendo con la etapa de mortalidad infantil. Si β>1, la tasa de fallos aumenta con el tiempo, recayendo con el período de desgaste. Para β=3,5 la distribución de Weibull se aproxima mucho a la normal.
Figura 3. Representación de la función de Weibull en función del parámetro de forma
La vida media adquiere con el modelo de Weibull la siguiente expresión:
donde
De la función de distribución de Weibull resulta, por desarrollo matemático que la tasa de fallos sería:
donde λ(t) indicaría qué porcentaje de unidades sobreviven hasta la duración t, se avería en el intervalo siguiente (t+dt).
Se define la fiabilidad como la probabilidad de que una unidad funcione satisfactoriamente en un intervalo de tiempo determinado, sin que sufra interrupciones de su trabajo por fallo de alguno de sus componentes, siempre que dicho dispositivo se emplee en condiciones establecidas.
El concepto de fiabilidad se encuentra relacionado con el de disponibilidad y el de mantenimiento. En efecto, las máquinas no son infalibles, y por tanto para aumentar su tiempo disponible en las obras se requiere una correcta política de reparación y mantenimiento.
La fiabilidad de un sistema formado por un conjunto de componentes depende de la fiabilidad individual de sus partes constitutivas. Consideraremos, para su estudio, los sistemas con componentes acoplados en serie y en paralelo.
En el caso de la maquinaria de movimiento de tierras, una cargadora se encontraría en serie respecto a un conjunto de camiones, puesto que si falla la cargadora o el conjunto de los camiones, el equipo se para. En cambio, los camiones se encuentran en paralelo entre ellos, pues aunque falle uno de ellos, el resto del equipo puede seguir funcionando.
Sistemas con componentes acoplados en serie
El fallo de cualquier unidad de un sistema acoplado en serie supone el fracaso del conjunto. Suponiendo que n elementos funcionan con independencia, y la i-ésima componente tiene una fiabilidad Ri(t), entonces la fiabilidad del sistema completo R(t) viene dada por el producto de las fiabilidades.
Consecuencia de la ley del producto es que la fiabilidad de un sistema con componentes acoplados en serie disminuye con rapidez al aumentar su número.
Con probabilidades de fallo muy pequeñas, el producto de las probabilidades es despreciable:
Sistemas con componentes acoplados en paralelo
Un sistema con componentes acoplados en paralelo solo dejará de funcionar si lo hacen todos los elementos que lo componen. Si n unidades que actúan con independencia se conectan en paralelo y la i-ésima componente presenta una fiabilidad Ri(t), la fiabilidad del sistema completo se obtiene de la siguiente forma:
y en cuanto a las probabilidades de fallo:
La ley del producto en este caso implica que la posibilidad de fallo de un sistema con componentes acoplados en paralelo disminuye con rapidez al aumentar su número.
Figura 1. Colapso del puente I-35W en Minneapolis. https://thestartupgrowth.com/2019/02/21/structural-health-monitoring-market-driven-by-rapid-expansion-in-the-infrastructure-sector-till-2024/
Una noticia aparecida el 9 de diciembre de 2018 en El País con el siguiente titular “Fomento admite que hay 66 puentes con graves problemas de seguridad” abrió cierta inquietud en la opinión pública sobre la seguridad de nuestros puentes. Esta inquietud irrumpió en agosto de ese mismo año con el derrumbe de un puente en Génova (Italia). Pero los ejemplos no quedan aquí. Podríamos hablar de la sustitución de los cables del puente Fernando Reig, en Alcoy, o del Puente del Centenario, en Sevilla. O del derribo del puente Joaquín Costa, en Madrid. Ejemplos tenemos en todo el mundo. En cualquier caso, estamos hablando de cifras millonarias, de cortes de tráfico, pérdidas humanas, por poner algunas consecuencias sobre la mesa.
Los puentes son componentes críticos de las infraestructuras, pues su correcto funcionamiento es básico para la resiliencia de nuestros entornos urbanos. Sin embargo, un gran número de infraestructuras que están llegando al final de su vida útil al mismo tiempo. De hecho, la vida útil de muchos puentes se espera que sea menor a la proyectada debido al continuo deterioro provocado por el incremento del tráfico y de los impactos ambientales. 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 preocuparnos de mejorar el mantenimiento de nuestros puentes. De hecho, ya hemos comentado en un artículo anterior un concepto totalmente relacionado con éste: la “crisis de las infraestructuras“. Yo me atrevería a afirmar algo que puede parecer muy duro: el derrumbe de nuestra civilización será paralelo al de las infraestructuras que les da soporte.
Hoy día los gestores de las infraestructuras tienen ante sí un reto importante consistente en mantenerlas en un estado aceptable con presupuestos muy limitados. De hecho, la inspección de los puentes, su mantenimiento y reparación constituyen tareas rutinarias necesarias para mantener dichas infraestructuras en buenas condiciones (Tong et al., 2019). Sin embargo, 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. Resolver este problema es complicado, pues no se presta fácilmente a la exploración con los instrumentos analíticos y de previsión tradicionales.
El estado o deterioro de una infraestructura sigue un comportamiento similar, pero invertido, de la llamada “curva de la bañera“, que es una gráfica que representa los fallos durante el periodo de vida útil de un sistema o de una máquina. En este caso, según vemos en la Figura 2, el estado de condición o las prestaciones de la infraestructura permanece alto durante un periodo de tiempo hasta que empieza a decaer. Para los gestores es necesario conocer el comportamiento de las infraestructuras para tomar decisiones. Sin embargo, muchas veces desconocen en qué posición de la curva se encuentran y, lo que es peor, a qué ritmo se va a deteriorar. Por ejemplo, en la Figura 2 podemos ver que la caída en las prestaciones de A a B, o de B a C son similares, pero la velocidad de deterioro es muy diferente. Y lo que es peor de todo, llega un momento que la caída en las prestaciones ocurre de forma muy acelerada, sin capacidad de reacción por parte de los gestores. Por eso se ha utilizado el símil de la “bomba de relojería”.
Figura 2. Estado o prestaciones de una infraestructura (Thurlby, 2013)
La gestión y el mantenimiento de los puentes está empezando a ser un problema de una magnitud que está empezando a ser más que preocupante. Algunos datos son un ejemplo de ello: en el año 2019, 47000 puentes 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). Estos son buenos argumentos para aumentar la vida útil de los puentes.
Una de las tecnologías para mejorar la gestión y el mantenimiento de los puentes es la vigilancia de su estado estructural (structural health monitoring, SHM), que trata de mejorar el comportamiento de la estructura mediante el aprendizaje de los datos obtenidos durante su vida útil mediante su monitorización (Figura 3). Estos datos sirven para actualizar los modelos y comprobar el estado en que se encuentra la estructura, lo cual permite minimizar la incertidumbre de los parámetros empleados en los modelos. Sin embargo, aún no se ha resuelto completamente el paso de la obtención de los datos del puente en tiempo real a la toma de decisiones en la gestión y mantenimiento de los puentes.
Figura 3. Structural health monitoring. https://thestartupgrowth.com/2019/02/21/structural-health-monitoring-market-driven-by-rapid-expansion-in-the-infrastructure-sector-till-2024/
En un artículo anterior se explicó el concepto de gemelos digitales (digital twins). Estos modelos actualizados constantemente mediante la monitorización del puente, permitirían conocer en tiempo real el estado estructural del puente y también predecir su comportamiento en el caso de que ocurrieran determinadas circunstancias. Esta información sería clave a la hora de tomar decisiones en la gestión y el mantenimiento del puente.
Las preguntas clave que deberíamos responder serían las siguientes: ¿Es el puente seguro?, ¿cuánto tiempo será el puente seguro?, ¿cuál es el comportamiento estructural actual del puente?, ¿cuándo y cómo deberemos intervenir en el puente?
La respuesta a estas preguntas no es tan evidente como pudiera parecer a simple vista. Los gestores de las infraestructuras deberían ser capaces de entender y valorar en su justa medida los resultados estructurales de los modelos cuyos datos se actualizan en tiempo real. La dificultad estriba en conocer no solo los datos, sino las causas subyacentes a los cambios en el comportamiento estructural. Una ayuda son las técnicas procedentes de la inteligencia artificial, como el aprendizaje profundo, que permiten interpretar ingentes cantidades de datos e identificar patrones y correlaciones entre dichos datos. En un artículo anterior hablamos de este tema. Por otra parte, la actualización de los datos procedentes de la vigilancia de los puentes debería ser automática y en tiempo real. Aquí vuelve a cobrar importancia la inteligencia artificial, aunque nunca debería suplantar el conocimiento ingenieril que permite interpretar los resultados proporcionados por los algoritmos.
Por otra parte, la modelización del riesgo y la resiliencia es una labor necesaria para entender la vulnerabilidad de las infraestructuras. De esta forma seríamos capaces de desarrollar estrategias de mitigación, que podrían ser complementarias a las estrategias de gestión del deterioro que se han explicado anteriormente.
Por tanto, existe un auténtico salto entre la investigación dedicada a la monitorización en tiempo real de los puentes y la toma de decisiones para su gestión y mantenimiento. Los gemelos digitales apoyados en los actuales desarrollos tecnológicos como el “Internet de las cosas“, deberían permitir el paso de la investigación y el desarrollo a la innovación directamente aplicable a la realidad de la gestión de las infraestructuras.
THURLBY, R. (2013). Managing the asset time bomb: a system dynamics approach. Proceedings of the Institution of Civil Engineers – Forensic Engineering, 166(3):134-142.
TONG, X.; YANG, H.; WANG, L.; MIAO, Y. (2019). The development and field evaluation of an IoT system of low-power vibration for bridge health monitoring, Sensors 19(5):1222.
DIMALIFE: Diseño y mantenimiento óptimo robusto y basado en fiabilidad de puentes de alta eficiencia social y medioambiental bajo presupuestos restrictivos
Reliability-based robust optimum design and maintenance of high social and environmental efficiency of bridges under restrictive budgets
Víctor Yepes*, a, Eugenio Pellicer b, José V. Martí c, Moacir Kripka d
a Dr. Ingeniero de Caminos. Catedrático de Universidad. ICITECH, Universitat Politècnica de València.
b Dr. Ingeniero de Caminos. Catedrático de Universidad. Universitat Politècnica de València.
c Dr. Ingeniero de Caminos. Profesor Titular de Universidad. ICITECH, Universitat Politècnica de València.
d Dr. Ingeniero Civil. Catedrático de Universidad. Universidade de Passo Fundo, Brasil.
* Persona de contacto / Corresponding author
RESUMEN
El artículo expone los resultados alcanzados dentro del proyecto de investigación DIMALIFE. Se desarrolla una metodología que incorpora la variabilidad en los procesos de toma de decisiones en el ciclo completo de vida de puentes e infraestructuras viarias, de forma que se contemplen las necesidades e intereses sociales y ambientales con presupuestos restrictivos. La variabilidad inherente a los parámetros, variables y restricciones del problema resulta crítica si se dan por buenas soluciones optimizadas, que pueden encontrarse al borde de la infactibilidad. Se precisa introducir en el análisis la optimización multiobjetivo basada en fiabilidad y conseguir diseños óptimos robustos.
ABSTRACT
The article presents the results achieved within the DIMALIFE research project. It develops a methodology that incorporates variability in decision-making processes during the whole life cycle of bridges and highway infrastructures, so that social and environmental needs and interests are taken into account with restrictive budgets. The variability inherent in the parameters, variables and constraints of the problem is critical if they are given by good optimized solutions, which can be on the verge of infactibility. Multi-objective optimisation based on reliability needs to be introduced into the analysis and robust optimal designs achieved.
PALABRAS CLAVE: puentes, sostenibilidad, ciclo de vida, optimización multiobjetivo, fiabilidad.
KEYWORDS: bridges, sustainability, life cycle, multi-objective optimisation, reliability
INTRODUCCIÓN
Las vías de comunicación terrestre, y en especial los puentes, son infraestructuras básicas en el desarrollo económico, en el equilibrio territorial y en el bienestar social, cuya construcción, diseño, conservación y desmantelamiento se ven afectados significativamente cuando los presupuestos son restrictivos. Su deterioro y su incidencia en la seguridad son objeto de gran alarma social. Si además el mantenimiento es ineficiente, la reparación conlleva costes mayores. El objetivo principal del proyecto DIMALIFE consiste en desarrollar una metodología que permita incorporar la variabilidad en 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 contemplen las necesidades e intereses sociales y ambientales.
Una alternativa al proyecto secuencial de infraestructuras y del mantenimiento de las existentes es el diseño totalmente automático utilizando técnicas de optimización, capaces de incorporar múltiples funciones objetivo y cuyo resultado es la generación de un conjunto de soluciones eficientes. No obstante, esta metodología presenta limitaciones que el proyecto DIMALIFE pretende superar.
El empleo de técnicas de análisis del valor y toma de decisiones ha supuesto un gran avance en la definición de un indicador de sostenibilidad. Este enfoque se amplió en anteriores proyectos de investigación al considerar el ciclo completo de la vida de una estructura o el uso de hormigones de baja huella de carbono, incluyendo, asimismo en el proceso los aspectos sociales y medioambientales mediante técnicas analíticas de toma de decisiones multicriterio tanto de forma previa a los procesos de optimización multiobjetivo, como posteriormente en la priorización de las soluciones eficientes. Sin embargo, en el mundo real, las infraestructuras presentan una variabilidad inherente a los parámetros, variables y restricciones del problema. Este aspecto resulta crítico si se dan por buenas soluciones optimizadas, que pueden encontrarse al borde de la infactibilidad en cuanto se altera mínimamente alguno de los valores que definen el problema. Se precisa, por ello, introducir en el análisis la optimización multiobjetivo basada en fiabilidad y conseguir diseños óptimos robustos, tanto de infraestructuras nuevas como del mantenimiento de las existentes, considerando el ciclo de vida hasta su desmantelamiento. Para que este procedimiento sea abordable en tiempos de cálculo razonable se precisa el uso de metamodelos (redes neuronales, modelos Kriging, superficie de respuesta, etc.) dentro de las técnicas de optimización.
Por otra parte, la fuerte limitación presupuestaria presente en momentos de crisis compromete seriamente las políticas de creación y conservación de las infraestructuras. Los resultados esperados, tras un análisis de sensibilidad de distintas políticas presupuestarias asociadas a un horizonte temporal, pretenden detallar qué tipologías, actuaciones concretas de conservación y alternativas de demolición y reutilización son adecuadas para minimizar los impactos ambientales y sociales considerando la variabilidad. En este sentido, un aspecto importante consiste en determinar los criterios e indicadores clave para garantizar una efectiva integración de la sostenibilidad en la licitación de proyectos de obra y de mantenimiento de infraestructuras viarias.
ANTECEDENTES Y JUSTIFICACIÓN DEL PROYECTO
La sostenibilidad económica y social depende directamente del comportamiento fiable y duradero de sus infraestructuras [1]. La construcción y mantenimiento de las infraestructuras viarias y puentes afectan fuertemente en la actividad económica, el crecimiento y el empleo. Sin embargo, estas actividades impactan en el medio ambiente, presentan efectos irreversibles y pueden comprometer el presente y el futuro de la sociedad. El gran reto, por tanto, será disponer de infraestructuras que maximicen su beneficio social sin comprometer su sostenibilidad [2].
Por otra parte, el envejecimiento de las infraestructuras, la mayor demanda en su desempeño (aumento de tráfico, por ejemplo) o los riesgos naturales extremos afectan a su al rendimiento [3]. Si a ello añadimos la crisis financiera que ha afectado la economía de nuestro país, 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 [4].
Existen dificultades cuando se emprende un análisis de ciclo de vida de una infraestructura debido a las incertidumbres presentes en la definición de las entradas y salidas del sistema. El reto implica un proceso de toma de decisiones que minimice los impactos sociales y medioambientales al coste más bajo posible [5]. Varios trabajos han tratado de cuantificar la sostenibilidad en los proyectos de puentes [6-8].
Con todo, la línea de investigación no puede quedarse en la mera optimización económica del hormigón estructural, que podría ser un objetivo a corto plazo de interés evidente para las empresas constructoras o de prefabricados. El proyecto DIMALIFE pretende superar algunas limitaciones en cuanto al alcance planteado hasta ahora. En primer lugar, los proyectos anteriores se centraban en la fase de diseño [9-12]. Sin embargo, este es un aspecto muy específico, siendo necesario abordar en mayor profundidad el análisis dual sobre la necesidad de nuevas infraestructuras o la mejora de las existentes para el mejor aprovechamiento del parque actual. En efecto, todo parece indicar que en una situación de restricción presupuestaria como la actual va a ser difícil que el grueso del presupuesto se dedique a nueva construcción, siendo razonable su empleo en el mantenimiento y rehabilitación [13]. En segundo lugar, las infraestructuras viarias incluyen no solo puentes: el abanico estructural contiene incluso el mantenimiento del pavimento; en este sentido, algunos trabajos afrontados recientemente por el grupo han abordado este aspecto con restricciones presupuestarias [14,15]. En tercer lugar, y aunque se han utilizado técnicas de decisión multicriterio para tratar aspectos complejos de sostenibilidad social y medioambiental [5,8] en el ámbito de las infraestructuras, existen limitaciones que se deben superar. Éstas tienen que ver con la sensibilidad que presentan las soluciones óptimas respecto a la variabilidad intrínseca de las variables y parámetros de los problemas estructurales, así como la influencia que presenta esta variabilidad en los resultados de los procesos de toma de decisiones. Por último, la toma de decisiones y la optimización multiobjetivo de los problemas reales conlleva un trabajo muy laborioso de programación de software propio que, en ocasiones, presenta tiempos de cálculo elevados que obliga a replantear las metodologías empleadas hasta el momento, a pesar de que las capacidades de cálculo de los ordenadores son cada vez mayores. Es el campo propicio para integrar metamodelos en los procesos de optimización, tal y como se ha empezado a realizar en algunos trabajos muy recientes del grupo en el caso de las redes neuronales [11].
En efecto, a pesar de que se ha avanzado fuertemente en la optimización multiobjetivo de las estructuras, en el mundo real existen incertidumbres, imperfecciones o desviaciones respecto a los valores de los parámetros utilizados en los códigos (propiedades del material, geometría, cargas, etc.). De hecho, los códigos estructurales consideran las incertidumbres de forma simplificada definiendo los valores característicos para las variables aleatorias como percentiles de sus distribuciones y especifican unos coeficientes parciales de seguridad. Una estructura óptima se encuentra cercana a la región de infactibilidad, por lo que cualquier pequeña variación puede hacer que la estructura no cumpla con algunos de los estados límites previstos. La necesidad de incorporar las incertidumbres ha estimulado el interés por procedimientos capaces de proporcionar diseños más robustos y fiables [16]. De todas formas, se diferencian dos enfoques que consideran la respuesta probabilista en el proceso de diseño óptimo: el diseño basado en fiabilidad y el diseño óptimo robusto. En el primero se incluyen los efectos de la incertidumbre por medio de probabilidades de fallo y de valores esperados [17], mientras que el segundo trata de determinar un diseño menos sensible a las incertidumbres de las variables y de los parámetros que intervienen en la respuesta estructural [18,19].
Uno de los grandes problemas de la optimización multiobjetivo al incorporar las incertidumbres es su elevado coste computacional. Este inconveniente ya se detectó en el caso de la optimización multiobjetivo basada en fiabilidad del mantenimiento de puentes [20] donde se tuvieron que emplear redes neuronales como metamodelos [11]. Los metamodelos, también llamados modelos subrogados, proporcionan una relación aproximada de las variables de diseño respecto a sus respuestas con un número moderado de análisis completos. Estas aproximaciones se utilizan para reemplazar los análisis informáticos costosos facilitando la optimización multiobjetivo. Entre otros, podemos distinguir el diseño de experimentos, la metodología de la superficie de respuesta, los métodos Taguchi, las redes neuronales, las funciones de base radial o los modelos Kriging [21,22].
Por último, un aspecto no tratado que se incorpora al proyecto es aprovechar las conclusiones de los análisis de optimización para incluir criterios y recomendaciones que mejoren la contratación pública sostenible de las infraestructuras, dado que se considera que este aspecto posee el potencial de influir fuertemente en las políticas futuras [23]. Es por ello que DIMALIFE pretende determinar, dentro de sus objetivos, criterios e indicadores clave que garanticen una integración efectiva de la sostenibilidad en la licitación de proyectos. Dichos desarrollos pretenden ser la base para la definición de una guía que facilite a las Administraciones incorporar la sostenibilidad en los procedimientos de licitación de una manera efectiva; de modo que se influya sobre las tres etapas clave del procedimiento de licitación: definición de criterios de selección, definición de criterios de adjudicación y definición de especificaciones técnicas y cláusulas de desempeño.
OBJETIVOS GENERALES DEL PROYECTO
La metodología habitual, tanto en el diseño como en el mantenimiento óptimo de puentes e infraestructuras viarias, puede conducir a soluciones cercanas a la infactibilidad. Por tanto, las incertidumbres deben considerarse en el diseño y el mantenimiento óptimo de infraestructuras basándose en la fiabilidad y en diseños robustos. Esta hipótesis debe extenderse a los procesos de toma de decisión multicriterio que atienda a la sostenibilidad social y ambiental del ciclo de vida, contemplando las fluctuaciones tanto de los parámetros como de los escenarios, especialmente en el caso de restricciones presupuestarias. Esta metodología presenta, no obstante, serias dificultades, por lo que se deben explorar metamodelos capaces de acelerar los complejos procesos de cálculo. Además, se contempla la hipótesis adicional que establece que la contratación pública de las infraestructuras públicas debe incluir criterios de sostenibilidad por su fuerte influencia potencial en los mercados.
El objetivo general perseguido en este proyecto se basa en afrontar el reto social que supone la creación y la conservación de las infraestructuras viarias en escenarios de fuertes restricciones presupuestarias, mediante la resolución de los problemas complejos planteados en el ámbito de las decisiones públicas y privadas (puentes de hormigón pretensado prefabricados o “in situ”, puentes mixtos, puentes de acero, tipologías de muros, bóvedas y marcos de paso inferior). Para ello se precisa un salto científico que integre a los distintos actores y grupos de expertos en la toma de decisiones considerando criterios de sostenibilidad social y ambiental a lo largo de todo el ciclo de vida de las infraestructuras considerando la variabilidad inherente al mundo real. Para integrar las incertidumbres que afectan al sistema, se propone aplicar técnicas de optimización multiobjetivo basadas en fiabilidad, junto el empleo de metamodelos, aplicadas no solo al proyecto de nuevas infraestructuras, sino al mantenimiento de las actuales. Un estudio de sensibilidad de los escenarios presupuestarios y de las hipótesis tomadas en los inventarios del análisis del ciclo de vida proporciona conocimiento no trivial sobre las mejores prácticas. Esta metodología se aplica también a otro tipo de infraestructuras del transporte.
Los objetivos generales se desarrollan mediante los siguientes objetivos específicos:
Análisis de funciones de distribución para el diseño óptimo basado en fiabilidad que integre aspectos ambientales, sociales y económicos que sirva para la toma de decisión multicriterio
Determinación de los criterios e indicadores clave para garantizar una efectiva integración de la sostenibilidad en la licitación de proyectos de obra y de mantenimiento de infraestructuras viarias
Identificación de estrategias de mantenimiento robusto óptimo de puentes e infraestructuras viarias ya construidos
Formulación y resolución del problema de optimización multiobjetivo que contemple el ciclo completo de los puentes e infraestructuras viarias mediante metamodelos
Comparación del diseño robusto óptimo respecto a la optimización heurística considerando incertidumbres en los escenarios presupuestarios y en las hipótesis del análisis del ciclo de vida
Para alcanzar estos objetivos, se ha colaborado con los grupos de investigación de los profesores Frangopol y Moleenar (EE.UU.), del profesor Haukaas (Canadá), del profesor Kripka (Brasil), del profesor Partskhaladze (Georgia) y del profesor Sierra (Chile).
METODOLOGÍA
La investigación combina técnicas y disciplinas diversas tales como el análisis estructural, la toma de decisiones multicriterio, la optimización heurística multiobjetivo, el análisis del ciclo de vida, el análisis basado en fiabilidad, el diseño óptimo robusto, los metamodelos y las técnicas de minería de datos. Por tanto, se trata de una combinación integrada cuyo objetivo es la priorización del tipo de diseño, o bien de su mantenimiento, basándose en criterios de sostenibilidad social y ambiental bajo presupuestos restrictivos, considerando la variabilidad inherente a los problemas reales. Los trabajos desarrollados en proyectos anteriores se centraron en la optimización con múltiples objetivos, empleando técnicas sin información a priori del decisor. En este caso, la optimización proporciona alternativas eficientes al decisor. También ha utilizado técnicas con información a priori, donde el decisor informa sobre las preferencias al analista, que optimiza su modelo. En la metodología propuesta (Figura 1) se utiliza un enfoque mixto e interactivo, donde el decisor proporciona información sobre las preferencias al analista que, tras una optimización multiobjetivo basada en fiabilidad y metamodelos, aporta un conjunto de soluciones eficientes que el decisor debe evaluar antes de tomar su decisión. Por tanto, la novedad de la propuesta metodológica trifase se basa en la integración de técnicas de información a priori, donde el decisor (grupos de interés) informa de las preferencias al analista (en cuanto a tipologías, métodos constructivos, conservación, etc.), produciéndose con esta información una optimización multiobjetivo capaz de generar alternativas eficientes utilizando la variabilidad en los parámetros, variables y restricciones. La última fase pasa por un proceso de información a posteriori para que el decisor contemple aspectos no considerados en la optimización para dar la solución final completa.
Figura 1. Esquema metodológico diseñado para la realización del proyecto DIMALIFE
RESULTADOS
Aunque el proyecto de investigación empezó en el año 2018 y termina a finales del 2020, las aportaciones realizadas hasta el momento son significativas. La principal contribución es la incorporación de la variabilidad de los parámetros y restricciones del problema de optimización multiobjetivo basado en criterios de sostenibilidad social y medioambiental. Los resultados obtenidos se pueden clasificar en:
Formulación de una metodología de participación social que definan un proceso de decisión multicriterio, que integre aspectos objetivos y subjetivos, así como la aplicación de técnicas analíticas sistémicas (ANP) y análisis de valor, con inclusión expresa de la incertidumbre (técnicas fuzzy, modelos bayesianos, teoría neutrosófica) [24-37].
Propuesta de nuevas técnicas de optimización multiobjetivo basada en fiabilidad que integran metamodelos para acelerar la convergencia de cálculo considerando el ciclo de vida [38-50].
Definición del tipo de política presupuestaria que perjudica en mayor medida la sostenibilidad social y ambiental a lo largo del ciclo de vida de puentes e infraestructuras viarias [51-53].
Desarrollo de criterios para la Administración que potencie la incorporación de criterios sostenibles en los procedimientos de licitación de manera efectiva [54,55].
Como resultado del proyecto, también se menciona la culminación de cinco tesis doctorales [56-60], estando en marcha tres más.
CONCLUSIONES
El proyecto de investigación DIMALIFE ha profundizado en la optimización multiobjetivo en fase de diseño y construcción que incorporaban la visión social y el análisis completo del ciclo de vida. El objetivo ha sido incorporar a distintos actores y grupos de expertos en la toma de decisiones la variabilidad inherente al mundo real. Para integrar las incertidumbres que afectan al sistema, se han aplicado técnicas de optimización multiobjetivo basadas en fiabilidad, junto el empleo de metamodelos, al proyecto y mantenimiento de puentes e infraestructuras viarias.
El motivo de este planteamiento también constituye una necesidad social. En efecto, las incertidumbres relacionadas con la toma de decisiones, no solo en el diseño de nuevas infraestructuras, sino especialmente en el mantenimiento, que contemplen aspectos de sostenibilidad social y ambiental en situaciones extremas de restricciones presupuestarias, es un problema que afecta directamente a las infraestructuras viarias. El problema es altamente complejo cuando se realizan análisis basados en la fiabilidad. Se ha profundizado en el diseño robusto y el uso de metamodelos para asegurar que las soluciones optimizadas sean poco sensibles ante la variabilidad intrínseca de los parámetros. Se ha agregado la contratación pública sostenible, tanto de nuevas infraestructuras como de su mantenimiento, debido a su elevada influencia en el sector, con el fin de proponer políticas de actuación: las exigencias de las administraciones públicas serán de gran importancia futura para el diseño, construcción y mantenimiento de las infraestructuras, teniendo en cuenta las restricciones presupuestarias existentes.
Sin haber terminado el proyecto, de los resultados obtenidos y publicados hasta el momento, se puede concluir que la línea de investigación ofrece una amplia posibilidad de ramificaciones. Ello obliga a profundizar en aspectos complejos que, probablemente requieran de acuerdos de colaboración con otros grupos de investigación para conseguir resultados de mayor alcance.
AGRADECIMIENTOS
Este estudio ha sido financiado por el Ministerio de Economía, Industria y Competitividad, así como por fondos FEDER (BIA2017-85098-R).
REFERENCIAS
[1] D.M. Frangopol, Life-cycle performance, management, and optimisation of structural systems under uncertainty: accomplishments and challenges, Structure and Infrastructure Engineering. 7(6) (2011) 389–413.
[2] A. Aguado, A. del Caño, M.P. de la Cruz, D. Gómez, A. Josa, Sustainability assessment of concrete structures within the Spanish structural concrete code, Journal of Construction Engineering and Management. 138(2) (2012) 268–276.
[3] F. Biondini, D.M. Frangopol, Life-cycle of deteriorating structural systems under uncertainty: Review, Journal of Structural Engineering. 142(9) (2016) F4016001.
[4] J.K. Nishijima, D. Straub, M. faber, Ingergenerational distribution of the life-cycle cost of an engineering facility, Journal of Reliability of Structures and Materials. 1(3) (2007) 33–43.
[5] V. Penadés-Plà, T. García-Segura, J.V. Martí, V. Yepes, A review of multi-criteria decision making methods applied to the sustainable bridge design, Sustainability. 8(12) (2016) 1295.
[6] P.C. Spencer, C.R. Hendy, R. Petty, Quantification of sustainability principles in bridge projects, Proceedings of the Institution of Civil Engineers – Bridge Engineering. 165(2) (2012) 81–89.
[7] V. Yepes, J.V. Martí, T. García-Segura, A cognitive approach for the multi-objective optimization of RC structural problems, Archives of Civil and Mechanical Engineering. 15(4) (2015) 123–134.
[8] L.A. Sierra, E. Pellicer, V. Yepes, Method for estimating the social sustainability of infrastructure projects, Environmental Impact Assessment Review. 65 (2017) 41–53.
[9] J.V. Martí, V. Yepes, F. González-Vidosa., Memetic algorithm approach to designing of precast-prestressed concrete road bridges with steel fiber-reinforcement, Journal of Structural Engineering. 141(2) (2015) 04014114.
[10] T. García-Segura, V. Yepes, Multiobjective optimization of post-tensioned concrete box-girder road bridges considering cost, CO2 emissions, and safety, Engineering Structures. 125 (2016) 325–336.
[11] T. García-Segura, V. Yepes, D.M. Frangopol, Multi-objective design of post-tensioned concrete road bridges using artificial neural networks, Structural and Multidisciplinary Optimization. 56(1) (2017) 139–150.
[12] V. Yepes, J.V. Martí, T. García-Segura, F. González-Vidosa, Heuristics in optimal detailed design of precast road bridges, Archives of Civil and Mechanical Engineering. 17(4) (2017) 738–749.
[13] M. Sánchez-Silva, D.M. Frangopol, J. Padgett, M. Soliman, Maintenance and operation of infrastructure systems: Review, Journal of Structural Engineering. 142(9) (2016) F4016004.
[14] V. Yepes, C. Torres-Machí, A. Chamorro, E. Pellicer, Optimal pavement maintenance programs based on a hybrid greedy randomized adaptive search procedure algorithm, Journal of Civil Engineering and Management. 22(4) (2016) 540–550.
[15] C. Torres-Machí, E. Pellicer, V. Yepes, A. Chamorro, E. Pellicer, Towards a sustainable optimization of pavement maintenance programs under budgetary restrictions, Journal of Cleaner Production. 148 (2017) 90–102.
[16] J. Martínez-Frutos, P. Martí, Diseño óptimo robusto utilizando modelos Kriging: aplicación al diseño óptimo robusto de estructuras articuladas, Revista Internacional de Métodos Numéricos en Ingeniería. 30(2) (2014) 97–105.
[17] Z.L. Huang, C. Jiang, Y.S. Zhou, J. Zheng, X.Y. Long, Reliability-based design optimization for problems with interval distribution parameters, Structural and Multidisciplinary Optimization. 55(2) (2017) 513–528.
[18] I. Doltsinis, Z. Kang, Robust design of structures using optimization methods, Computer methods in applied mechanics and engineering. 193(23-26) (2004) 2221–2237.
[19] H. Beyer, B. Sendhoff, Robust optimization – A comprehensive survey, Methods in Applied Mechanics and Engineering. 196(33-34) (2007) 3190–3218.
[20] T. García-Segura, V. Yepes, D.M. Frangopol, D.Y. Yang, Lifetime Reliability-Based Optimization of Post-Tensioned Box-Girder Bridges, Engineering Structures. 145 (2017) 381–391.
[21] T.W. Simpson, J.D. Poplinski, P.N. Koch, J.K. Allen, Metamodels for computer-based engineering design: Survey and recommendations, Engineering with Computers. 17(2) (2001) 129–150.
[22] J.P.C. Kleijnen, Regression and Kriging metamodels with their experimental designs in simulation: A review, European Journal of Operational Research. 256(1) (2017) 1–16.
[23] A. Sourani, M. Sohail, Barriers to addressing sustainable construction in public procurement strategies, Engineering Sustainability. ES4 (2010) 229–237.
[24] M. Kripka, V. Yepes, C.J. Milani, Selection of sustainable short-span bridge design in Brazil, Sustainability. 11(5) (2019) 1307.
[25] R. Martín, V. Yepes, The concept of landscape within marinas: Basis for consideration in the management, Ocean & Coastal Management. 179 (2019) 104815.
[26] I.J. Navarro, V. Yepes, J.V. Martí, Social life cycle assessment of concrete bridge decks exposed to aggressive environments, Environmental Impact Assessment Review. 72 (2018) 50–63.
[27] I.J. Navarro, V. Yepes, J.V. Martí, A review of multi-criteria assessment techniques applied to sustainable infrastructures design, Advances in Civil Engineering. (2019) 6134803.
[28] I.J. Navarro, V. Yepes, J.V. Martí, Sustainability assessment of concrete bridge deck designs in coastal environments using neutrosophic criteria weights, Structure and Infrastructure Engineering. (2019) DOI: 10.1080/15732479.2019.1676791.
[29] V. Penadés-Plà, J.V. Martí, T. García-Segura, V. Yepes, Life-cycle assessment: A comparison between two optimal post-tensioned concrete box-girder road bridges, Sustainability. 9(10) (2017) 1864.
[30] J.J. Pons, V. Penadés-Plà, V. Yepes, J.V. Martí, Life cycle assessment of earth-retaining walls: An environmental comparison, Journal of Cleaner Production. 192 (2018) 411–420.
[31] J. Salas, V. Yepes, A discursive, many-objective approach for selecting more-evolved urban vulnerability assessment models, Journal of Cleaner Production. 176 (2018) 1231–1244.
[32] J. Salas, V. Yepes, Urban vulnerability assessment: Advances from the strategic planning outlook, Journal of Cleaner Production. 179 (2018) 544–558.
[33] J. Salas, V. Yepes, VisualUVAM: A Decision Support System Addressing the Curse of Dimensionality for the Multi-Scale Assessment of Urban Vulnerability in Spain, Sustainability. 11(8) (2019) 2191.
[34] J. Salas, V. Yepes, MS-ReRO and D-ROSE methods: assessing relational uncertainty and evaluating scenarios’ risks and opportunities on multi-scale infrastructure systems, Journal of Cleaner Production. 216 (2019) 607–623.
[35] L.A. Sierra, V. Yepes, E. Pellicer, Assessing the social sustainability contribution of an infrastructure project under conditions of uncertainty, Environmental Impact Assessment Review. 67 (2017) 61–72.
[36] L.A. Sierra, V. Yepes, T. García-Segura, E. Pellicer, Bayesian network method for decision-making about the social sustainability of infrastructure projects, Journal of Cleaner Production. 176 (2018) 521–534.
[37] L.A. Sierra, V. Yepes, E. Pellicer, A review of multi-criteria assessment of the social sustainability of infrastructures, Journal of Cleaner Production. 187 (2018) 496–513.
[38] J. Alcalá, F. González-Vidosa, V. Yepes J.V. Martí, Embodied energy optimization of prestressed concrete slab bridge decks, Technologies. 6(2) (2018) 43.
[39] J.T. Boscardin, V. Yepes, M. Kripka, Optimization of reinforced concrete building frames with automated grouping of columns, Automation in Construction. 104 (2019) 331–340.
[40] T. García-Segura, V. Penadés-Plà, V. Yepes, Sustainable bridge design by metamodel-assisted multi-objective optimization and decision-making under uncertainty, Journal of Cleaner Production. 202 (2018) 904–915.
[41] P. Martínez-Fernández, I. Villalba-Sanchís, R. Insa-Franco, V. Yepes, A review of modelling and optimisation methods applied to railways energy consumption, Journal of Cleaner Production. 222 (2019) 153–162.
[42] F. Molina-Moreno, J.V. Martí, V. Yepes, Carbon embodied optimization for buttressed earth-retaining walls: implications for low-carbon conceptual designs, Journal of Cleaner Production. 164 (2017) 872–884.
[43] F. Molina-Moreno, T. García-Segura, J.V. Martí, V. Yepes, Optimization of buttressed earth-retaining walls using hybrid harmony search algorithms, Engineering Structures. 134 (2017) 205–216.
[44] G. Partskhaladze, I. Mshvenieradze, E. Medzmariashvili, G. Chavleshvili, V. Yepes, J. Alcalá, Buckling Analysis and Stability of Compressed Low Carbon Steel Rods in Elasto-Plastic Region of Material, Advances in Civil Engineering. (2019) 7601260.
[45] V. Penadés-Plà, T. García-Segura, J.V. Martí, V. Yepes, An optimization-LCA of a prestressed concrete precast bridge, Sustainability. 10(3) (2018) 685.
[46] V. Penadés-Plà, T. García-Segura, V. Yepes, Accelerated optimization method for low-embodied energy concrete box-girder bridge design, Engineering Structures. 179 (2019) 556–565.
[47] V. Penadés-Plà, V. Yepes, M. Kripka, Optimización de puentes pretensados mediante la metodología de la superficie de respuesta, Revista CIATEC-UPF. 11(2) (2019) 22–35.
[48] V. Yepes, E. Pérez-López, J. Alcalá, T. García-Segura, Parametric study of concrete box-girder footbridges, Journal of Construction Engineering, Management & Innovation. 1(2) (2018) 67–74.
[49] V. Yepes, M. Dasí-Gil, D. Martínez-Muñoz, V.J. López-Desfilís, J.V. Martí, Heuristic techniques for the design of steel-concrete composite pedestrian bridges, Applied Sciences. 9 (2019) 3253.
[50] V. Yepes, E. Pérez-López, T. García-Segura, J. Alcalá, Optimization of high-performance concrete post-tensioned box-girder pedestrian bridges, International Journal of Computational Methods and Experimental Measurements. 7(2) (2019) 118–129.
[51] I.J. Navarro, V. Yepes, J.V. Martí, Life cycle cost assessment of preventive strategies applied to prestressed concrete bridges exposed to chlorides, Sustainability. 10(3) (2018) 845.
[52] I.J. Navarro, V. Yepes, J.V. Martí, Life cycle impact assessment of corrosion preventive designs applied to prestressed concrete bridge decks, Journal of Cleaner Production. 196 (2018) 698–713.
[53] I.J. Navarro, J.V. Martí, V. Yepes, Reliability-based maintenance optimization of corrosion preventive designs under a life cycle perspective, Environmental Impact Assessment Review. 74 (2019) 23–34.
[54] L. Montalbán-Domingo, T. García-Segura, M.A. Sanz, E. Pellicer, Social sustainability criteria in public-work procurement: an international perspective, Journal of Cleaner Production. 198 (2018) 1355–1371.
[55] L. Montalbán-Domingo, T. García-Segura, M.A. Sanz, E. Pellicer, Social sustainability in delivery and procurement of public construction contracts, Journal of Management in Engineering. 35(2) (2018) 04018065.
[56] L.A. Sierra, Evaluación multicriterio de la sostenibilidad social para el desarrollo de infraestructuras, Tesis Doctoral, Universitat Politècnica de València, 2017.
[57] J. Salas, Vulnerabilidad urbana. Nueva caracterización y metodología para el diseño de escenarios óptimos, Tesis Doctoral, Universitat Politècnica de València, 2019.
[58] L. Montalbán-Domingo, Social sustainability in public-work procurement, Tesis Doctoral, Universitat Politècnica de València, 2019.
[59] I.J. Navarro, Life cycle assessment applied to the sustainable design of prestressed bridges in coastal environment, Tesis Doctoral, Universitat Politècnica de València, 2019.
[60] V. Penadés-Plà, Toma de decisiones en la gestión del ciclo de vida de puentes pretensados de alta eficiencia social y medioambiental bajo presupuestos restrictivos, Tesis Doctoral, Universitat Politècnica de València, 2020.
El concepto de seguridad de una estructura en cumplir un conjunto de funciones para las que ha sido proyectada es un término relacionado con el grado de certeza o fiabilidad de que no alcance un conjunto de estados no deseables que todavía no han acontecido.
