Figura 1. Conceptos relacionados con el uso de metamodelos, (a) relación entre precisión y coste computacional para diferentes enfoques de la modelación (adaptado de Roman et al. (2020)) y (b) descripción genérica de un metamodelo como una función de caja negra (adaptado de Texeira et al. (2020)).
Dentro del XIII Coloquio de Análisis, Diseño y Monitoreo Estructural de la IV Convención Científica Internacional UCLV 2023, se presentó una ponencia sobre las aplicaciones de la optimización estructural asistida por metamodelos. Os paso a continuación la ponencia, por si os resulta de interés.
Resumen:
Debido al creciente interés por mejorar la sostenibilidad del sector de las construcciones, la optimización del diseño estructural ha venido cobrando auge en los últimos tiempos. Una de las desventajas de estos procedimientos es el enorme consumo computaciones que requieren. Sin embargo, la optimización asistida por metamodelos (MASDO por sus siglas en inglés) es una variante muy útil, ya que permite acortar considerablemente los tiempos de cómputo manteniendo la precisión en los resultados de la optimización. En este trabajo se exponen las estrategias de MASDO más utilizadas en el ámbito de la ingeniería estructural, así como algunas aplicaciones prácticas.
Acabamos de recibir la noticia de la publicación de nuestro artículo en la revista Applied Sciences, la cual está indexada en el JCR. Este estudio explora las diversas aplicaciones del aprendizaje automático (Machine Learning, ML) en relación con la integridad y calidad de las infraestructuras hidráulicas, identificando cuatro áreas clave donde se ha implementado con éxito. Estas áreas abarcan desde la detección de contaminantes en el agua y la erosión del suelo, hasta la predicción de niveles hídricos, la identificación de fugas en redes de agua y la evaluación de la calidad y potabilidad del agua.
Cabe destacar que esta investigación se llevó a cabo en el marco de una colaboración fructífera entre nuestro grupo de investigación e investigadores chilenos, liderados por el profesor José Antonio García Conejeros. El proyecto en sí, denominado HYDELIFE, forma parte de las iniciativas que superviso como investigador principal en la Universitat Politècnica de València.
Se realizó un análisis bibliográfico de artículos científicos a partir de 2015, que arrojó un total de 1087 artículos, para explorar las aplicaciones de las técnicas de aprendizaje automático en la integridad y la calidad de la infraestructura hídrica. Entre las contribuciones realizadas por el trabajo, caben destacar las siguientes:
Se identificaron cuatro áreas clave en las que el aprendizaje automático se ha aplicado a la gestión del agua: los avances en la detección de contaminantes del agua y la erosión del suelo, la previsión de los niveles del agua, las técnicas avanzadas para la detección de fugas en las redes de agua y la evaluación de la calidad y potabilidad del agua.
Destacó el potencial de las técnicas de aprendizaje automático (Random Forest, Support Vector Regresion, Convolutional Neural Networks y Gradient Boosting) combinadas con sistemas de monitoreo de vanguardia en múltiples aspectos de la infraestructura y la calidad del agua.
Proporcionó información sobre el impacto transformador del aprendizaje automático en la infraestructura hídrica y sugirió caminos prometedores para continuar con la investigación.
Empleó un enfoque semiautomático para realizar análisis bibliográficos, aprovechando las representaciones codificadas bidireccionales de Transformers (BERTopic), para abordar las limitaciones y garantizar una representación precisa de los documentos.
Las técnicas de aprendizaje automático ofrecen una alta precisión, un tiempo de procesamiento reducido y datos valiosos para la toma de decisiones en materia de gestión sostenible de los recursos y sistemas de alerta temprana.
La colaboración interdisciplinaria, los marcos integrados y las tecnologías avanzadas, como la teledetección y la IoT, son esenciales para avanzar en la investigación sobre la integridad y la calidad de la infraestructura hídrica.
Abstract:
Water infrastructure integrity, quality, and distribution are fundamental for public health, environmental sustainability, economic development, and climate change resilience. Ensuring the robustness and quality of water infrastructure is pivotal for sectors like agriculture, industry, and energy production. Machine learning (ML) offers the potential for bolstering water infrastructure integrity and quality by analyzing extensive data from sensors and other sources, optimizing treatment protocols, minimizing water losses, and improving distribution methods. This study delves into ML applications in water infrastructure integrity and quality by analyzing English-language articles from 2015 onward, compiling 1087 articles. A natural language processing approach centered on topic modeling was initially adopted to classify salient topics. From each identified topic, key terms were extracted and utilized in a semi-automatic selection process, pinpointing the most relevant articles for further scrutiny. At the same time, unsupervised ML algorithms can assist in extracting themes from the documents, generating meaningful topics often requires intricate hyperparameter adjustments. Leveraging the Bidirectional Encoder Representations from Transformers (BERTopic) enhanced the study’s contextual comprehension in topic modeling. This semi-automatic methodology for bibliographic exploration begins with broad categorizing topics, advancing to an exhaustive analysis. The insights drawn underscore ML’s instrumental role in enhancing water infrastructure’s integrity and quality, suggesting promising future research directions. Specifically, the study has identified four key areas where ML has been applied to water management: (1) advancements in the detection of water contaminants and soil erosion; (2) forecasting of water levels; (3) advanced techniques for leak detection in water networks; and (4) evaluation of water quality and potability. These findings underscore the transformative impact of ML on water infrastructure and suggest promising paths for continued investigation.
Keywords:
Water infrastructure integrity; machine learning; environmental sustainability; natural language processing; BERTopic
Durante los días 10-13 de julio de 2023 tuvo lugar en Donostia-San Sebastián (Spain) el 27th International Congress on Project Management and EngineeringAEIPRO 2023. Fue una buena oportunidad para debatir y conocer propuestas sobre dirección e ingeniería de proyectos. Nuestro grupo de investigación, dentro del proyecto de investigación HYDELIFE, presentó varias comunicaciones. A continuación os paso el resumen de una de ellas.
El objetivo de este trabajo es desarrollar una metodología para optimizar la energía en la construcción de tableros losa pretensado aligerados. Se lleva a cabo un análisis de la sección transversal para determinar los parámetros de diseño a través de un estudio del estado del arte. A partir de ese análisis, se identifican las variables de diseño que mejorarán la eficiencia energética del tablero. La metodología se divide en dos fases: primero, se utiliza una técnica estadística llamada hipercubo latino para muestrear las variables del tablero y determinar una superficie de respuesta; y en segundo lugar, se optimiza la superficie de respuesta mediante un modelo de optimización basado en Kriging. Como resultado, se ha desarrollado una metodología que reduce el costo energético en la construcción de tableros losa pretensado aligerados. Las recomendaciones para mejorar la eficiencia energética incluyen emplear esbelteces elevadas (alrededor de 1/28), reducir el consumo de hormigón y armadura activa, y aumentar la cantidad de armadura pasiva.
El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.
This research was funded by MCIN/AEI/10.13039/501100011033, grant number PID2020-117056RB-I00 and The APC was funded by ERDF A way of making Europe.
Referencia:
BRUN-IZQUIERDO, A.; YEPES-BELLVER, L.; ALCALÁ, J.; YEPES, V. (2023). Optimización energética de tableros tipo losa pretensados aligerados mediante modelos Kriging. 27th International Congress on Project Management and Engineering, AEIPRO, 10-13 de julio, Donostia/San Sebastián (Spain), pp. 426-437. DOI:10.61547/3374
A continuación os dejo un vídeo donde presentamos el trabajo. Espero que os sea de interés.
Os dejo la comunicación completa, pues está publicada en abierto.
Durante los días 10-13 de julio de 2023 tuvo lugar en Donostia-San Sebastián (Spain) el 27th International Congress on Project Management and EngineeringAEIPRO 2023. Fue una buena oportunidad para debatir y conocer propuestas sobre dirección e ingeniería de proyectos. Nuestro grupo de investigación, dentro del proyecto de investigación HYDELIFE, presentó varias comunicaciones. A continuación os paso una de ellas.
La Nomografía es una disciplina científica que se encarga de representar gráficamente fórmulas complejas mediante nomogramas, permitiendo el cálculo de tres o más variables matemáticas. Durante el siglo XX, esta técnica fue ampliamente utilizada en áreas como la ingeniería, medicina, electrónica, ciencias físicas, biológicas, etc. Sin embargo, con la llegada de las calculadoras y computadoras, la construcción de nuevos nomogramas y su enseñanza en la universidad disminuyeron. En los últimos años, la nomografía ha resurgido gracias a la ayuda de códigos de programación como PyNomo y Nomogen, basados en Python, que pueden generar un nomograma en cuestión de segundos, frente a las horas que antes requerían. En este trabajo se presentan estos códigos abiertos y algunos nomogramas generados con ellos, analizando su usabilidad, precisión y contribución a la relación entre las variables de las expresiones matemáticas. Finalmente, se destacan las posibilidades del uso de los nomogramas en la enseñanza e ingeniería de proyectos.
El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.
Palabras clave:
Nomografía; PyNomo; Nomogen; ingeniería de proyectos; docencia
Agradecimientos:
This research was funded by MCIN/AEI/10.13039/501100011033, grant number PID2020-117056RB-I00 and The APC was funded by ERDF A way of making Europe.
Referencia:
YEPES, V.; MARTÍNEZ-PAGÁN, P.; ROSCHIER, L.; BOULET, D.J.; BLIGHT, T. (2023). Códigos abiertos basados en Python para la construcción de nomogramas y su aplicación en la ingeniería de proyectos.27th International Congress on Project Management and Engineering, AEIPRO, 10-13 de julio, Donostia/San Sebastián (Spain), pp. 2106-2118. DOI:10.61547/3509
A continuación os dejo un vídeo donde presentamos el trabajo. Espero que os sea de interés.
Os dejo la comunicación completa, pues está publicada en acceso abierto. Espero que os sea de interés.
Este simposio tiene como objetivo divulgar e impulsar el desarrollo de trabajos de investigaciones en el campo de las estructuras, la geotecnia, las obras viales y las obras hidráulicas, en el marco de la IV Convención Científica Internacional “Ciencia, Tecnología y Sociedad “CCI 2023” a celebrarse del 13 al 17 de noviembre de 2023 en el Destino Turístico Cayos de Villa Clara, Cuba. Agradezco al Prof. Dr. Ernesto Chagoyen, de la Universidad Central “Marta Abreu” de Las Villas Méndez, de Cuba, su invitación al evento.
La conferencia tiene como título “Optimización híbrida del ciclo de vida de puentes y estructuras mixtas y modulares de alta eficiencia social y medioambiental bajo presupuestos restrictivos (HYDELIFE)”. En este caso se trata de ofrecer la motivación y los resultados obtenidos de nuestro último proyecto de investigación competitivo.
Resumen de la conferencia:
La sostenibilidad económica y el desarrollo social de la mayoría de los países dependen, entre otros, del comportamiento fiable y duradero de sus infraestructuras. HYDELIFE aborda el reto de la sostenibilidad social y medioambiental de las estructuras a lo largo de su ciclo de vida. Para ello se propone una metodología híbrida emergente entre Deep Learning (DL) procedente de la inteligencia artificial, metamodelos y metaheurísticas de optimización multiobjetivo y técnicas de toma de decisión multicriterio. El foco 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. Las emergentes metaheurísticas híbridas son capaces de extraer información no trivial de las inmensas bases de datos procedentes de la optimización y mejorar la calidad y el tiempo de cálculo tanto en el diseño automático como en el mantenimiento óptimo de puentes y estructuras. Esta hipótesis debe extenderse a los procesos de toma de decisión multicriterio que atienda a la sostenibilidad social y ambiental del ciclo de vida completo, que contemple las fluctuaciones tanto de los parámetros como de los escenarios posibles, especialmente en el caso de fuertes restricciones presupuestarias. Esta metodología presenta, no obstante, serias dificultades, por lo que se deben explorar metamodelos y DL capaces de acelerar los complejos procesos de cálculo. Los resultados esperados detallan qué tipologías, actuaciones concretas de conservación y alternativas de demolición y reutilización son adecuadas para minimizar los impactos ambientales y sociales considerando la variabilidad.
Os dejo la presentación que he grabado. La presentación será en directo dentro del congreso, pero la he grabado para que podáis escucharla. Espero que os sea interesante.
Acaban de publicarnos un artículo en la revista Materials, revista indexada en el JCR. El objetivo del estudio es optimizar la energía empleada en la construcción de pasos elevados de carreteras aligeradas mediante la identificación de las principales variables de diseño y el desarrollo de una metodología que utilice el muestreo latino de hipercubos y la optimización basada en el método Kriging. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.
El artículo establece una metodología para optimizar la energía incorporada en la construcción de pasos elevados de carreteras aligeradas mediante la identificación de las principales variables de diseño y el uso del hipercubo latino y la optimización basada en el método Kriging.
El estudio recomienda emplear índices de esbeltez elevados, minimizar el uso de hormigón y armaduras activas y aumentar la cantidad de armaduras pasivas para mejorar la eficiencia energética.
El artículo utiliza una técnica estadística llamada muestreo de hipercubo latino para muestrear variables y crear una superficie de respuesta, que luego se ajusta con precisión mediante un metamodelo Krixing.
La metodología desarrollada en el trabajo reduce el coste energético de la construcción de puentes de losas aligeradas.
El estudio contribuye al campo de la optimización energética en la construcción al proporcionar una metodología específica para los puentes de losas de hormigón pretensado aligerado, especialmente en los pasos elevados de carreteras postesadas.
Abstract:
This study aims to establish a methodology for optimizing embodied energy while constructing lightened road flyovers. A cross-sectional analysis is conducted to determine design parameters through an exhaustive literature review. Based on this analysis, key design variables that can enhance the energy efficiency of the slab are identified. The methodology is divided into two phases: a statistical technique known as Latin Hypercube Sampling is initially employed to sample deck variables and create a response surface; subsequently, the response surface is fine-tuned through a Kriging-based optimization model. Consequently, a methodology has been developed that reduces the energy cost of constructing lightened slab bridge decks. Recommendations to improve energy efficiency include employing high slenderness ratios (approximately 1/28), minimizing concrete and active reinforcement usage, and increasing the amount of passive reinforcement.
Nos acaban de publicar en la revista Environmental Impact Assessment Review (primer cuartil del JCR) un artículo relacionado con la optimización por acoplamiento térmico del impacto ambiental de un puente. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.
El objetivo del artículo es minimizar el impacto ambiental del mantenimiento de los puentes durante una vida útil de 100 años mediante el desarrollo de un modelo de optimización termomecánica dinámica tridimensional. La fiabilidad del modelo se demuestra mediante un estudio de caso, que muestra una reducción de 49,9 millones de toneladas de emisiones, lo que equivale al 1,91% de las emisiones totales de diseño, durante un período de mantenimiento de 100 años.
Los resultados de la investigación pueden servir de base para futuros estudios y proporcionar un enfoque para evaluar el impacto ambiental de los cambios de temperatura a largo plazo en las estructuras. Esto puede contribuir al desarrollo de enfoques más eficaces para mitigar la contaminación ambiental en la industria de la construcción.
Infrastructure is a crucial aspect of promoting worldwide economic integration. However, the construction of infrastructure often results in high energy consumption and substantial emissions of greenhouse gases. Over time, the environment can also cause significant damage to bridges, leading to repeated repairs and replacements that further harm the environment. This research aims to minimize the environmental impact of bridge maintenance over a 100-year lifespan. The study utilizes a three-dimensional dynamic thermo-mechanical optimization model developed through comprehensive research and interdisciplinary collaboration in various fields such as Bibliometrics, Fluid Mechanics, Structural Dynamics, Thermoelectricity, and Damage Mechanics. From examining single crystal structures at a microscopic level to examining system components under extreme temperatures, this study provides a system for reducing environmental pollution. The model’s reliability is shown through a case study, demonstrating a reduction of 49.9 million tonnes of emissions, equivalent to 1.91% of total design emissions, over a 100-year maintenance period. This research provides a foundation for future studies and presents an approach for evaluating the environmental impact of long-term temperature changes in structures.
Keywords:
Construction industry; Structure; Temperature; Topology optimization; Stress; Sensitivity
Acaban de publicarnos un artículo en Structures, revista indexada en el JCR. Se trata de la evaluación del coste del ciclo de vida mediante la función de densidad espectral de potencia en un puente de hormigón en ambiente costero. El artículo presenta una metodología que utiliza el aprendizaje profundo para acelerar los cálculos de las restricciones estructurales en un contexto de optimización, específicamente para un puente mixto de hormigón y acero. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.
El modelo de aprendizaje profundo óptimo está integrado por tres metaheurísticas: el método Obamo (Old Bachelor Acceptance with a Mutation Operator), el Cuckoo Search (CS) y los algoritmos de coseno sinusoidal (SCA). Esta integración da como resultado un posible aumento de 50 veces en la velocidad computacional en ciertos escenarios. El estudio destaca la viabilidad económica, las ramificaciones ambientales y las evaluaciones del ciclo de vida social de las soluciones de diseño optimizadas. Demuestra las ventajas de combinar el aprendizaje profundo con la optimización del diseño de la ingeniería civil, especialmente en lo que respecta al aumento del límite elástico del acero para cumplir objetivos medioambientales y sociales. La metodología propuesta en el documento se puede adaptar a una variedad de otras configuraciones estructurales, por lo que es aplicable más allá del caso específico del puente compuesto
The ability to conduct life cycle analyses of complex structures is vitally important for environmental and social considerations. Incorporating the life cycle into structural design optimization results in extended computational durations, underscoring the need for an innovative solution. This paper introduces a methodology leveraging deep learning to hasten structural constraint computations in an optimization context, considering the structure’s life cycle. Using a composite bridge composed of concrete and steel as a case study, the research delves into hyperparameter fine-tuning to craft a robust model that accelerates calculations. The optimal deep learning model is then integrated with three metaheuristics: the Old Bachelor Acceptance with a Mutation Operator (OBAMO), the Cuckoo Search (CS), and the Sine Cosine Algorithms (SCA). Results indicate a potential 50-fold increase in computational speed using the deep learning model in certain scenarios. A comprehensive comparison reveals economic feasibility, environmental ramifications, and social life cycle assessments, with an augmented steel yield strength observed in optimal design solutions for both environmental and social objective functions, highlighting the benefits of meshing deep learning with civil engineering design optimization.
Keywords:
Deep learning; Sustainability; Optimization; Bridges; Machine learning; Composite structures
Acaban de publicarnos un artículo en el Journal of Cleaner Production, revista indexada en el primer decil del JCR. El trabajo se centra en la optimización del diseño multicriterio de los edificios con estructura de hormigón armado, teniendo en cuenta aspectos como el diseño eficiente, los factores ambientales (emisiones de CO₂) y la durabilidad. Explora las estrategias de optimización multiobjetivo y de un solo objetivo, así como el uso de los metamodelos de Kriging.
Los resultados muestran que tanto los enfoques de optimización multiobjetivo como los de un solo objetivo producen soluciones satisfactorias, lo que mejora significativamente los índices de sostenibilidad en comparación con el diseño tradicional. La metodología propuesta destaca la importancia de integrar técnicas de optimización avanzadas en los procedimientos de diseño tradicionales para promover prácticas de producción más limpias en el sector de la construcción.
Cabe destacar que la metodología propuesta mejora significativamente los índices de sostenibilidad en comparación con el diseño tradicional, lo que destaca la importancia de integrar técnicas de optimización avanzadas en los procedimientos de diseño tradicionales para promover prácticas de producción más limpias en el sector de la construcción.
El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València. Es fruto de la tesis doctoral en marcha de Iván Negrín (Cuba), que tengo el placer de codirigir con el profesor Moacir Kripka (Brasil).
Abstract:
This paper implements the multi-criteria design optimization of three-dimensional reinforced concrete frame building structures, considering aspects such as the realistic design of the elements, including foundations within the structural assembly, or considering the soil-structure interaction. The criteria for a more comprehensive sustainable approach are related to environmental, constructive, and durability aspects. The environmental factor is measured through CO2 emissions, considering its capture due to concrete carbonation. The use of multi-objective strategies is evident in solving the multi-criteria problem. Still, it is also proposed to formulate this problem with a single function containing all the criteria to solve it as a single-objective optimization problem. Strategies are also offered to perform multi-objective optimization based on Kriging metamodels. Several alternatives for multi-criteria decision-making are explored. The results show that multi-objective metamodel-based optimization is a good strategy for solving this problem. Alternatively, the results of the single-objective optimization of the multi-criteria problem are very satisfactory. The solutions obtained are analyzed according to the type of optimization and the decision-making criteria. Optimized solutions significantly improve the sustainability indexes compared to traditional design. Multi-criteria optimization contributes significantly to achieving these indexes. Therefore, the proposed methodology allows for the sustainable design of any reinforced concrete frame structure. It highlights the importance of integrating more encompassing formulations and advanced optimization techniques into traditional design procedures to adopt cleaner production practices in the construction sector. Finally, several promising lines of research are presented.
Keywords:
Structural optimization; Reinforced concrete frame structures; Sustainable design; CO₂ emissions; Buildability; Service life
Reference:
NEGRÍN, I.; KRIPKA, M.; YEPES, V. (2023). Multi-criteria optimization for sustainability-based design of reinforced concrete frame buildings. Journal of Cleaner Production, 425:139115. DOI:10.1016/j.jclepro.2023.139115
Os podéis descargar el artículo de forma gratuita hasta el 22 de noviembre de 2023 en esta dirección:
Acaban de publicarnos en DYNA, revista indexada en el JCR, un artículo sobre la mejora de la evaluación de la sostenibilidad de puentes en entornos agresivos mediante la decisión grupal multicriterio. Aborda el desafío de combinar las dimensiones económica, ambiental y social en un único indicador holístico para la toma de decisiones en el diseño de infraestructuras. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.
El artículo contribuye al campo de la evaluación de la sostenibilidad de los puentes en entornos agresivos mediante la aplicación de técnicas de toma de decisiones grupales en el ámbito de los criterios múltiples. Aborda el desafío de combinar las dimensiones económica, ambiental y social en un único indicador holístico para la toma de decisiones en el diseño de infraestructuras.
El estudio evalúa cinco alternativas de diseño diferentes para un puente de hormigón expuesto a un entorno costero utilizando cuatro técnicas de toma de decisiones (ANP, TOPSIS, COPRAS y VIKOR). Los resultados indican que los hormigones que contienen pequeñas cantidades de humo de sílice funcionan mejor a lo largo de su ciclo de vida que otras soluciones que suelen aumentar la durabilidad.
La investigación contribuye al desarrollo de herramientas y métodos para evaluar la sostenibilidad de las infraestructuras y guiar las futuras acciones de diseño en diversas estructuras. Se alinea con el enfoque en promover las iniciativas de economía circular y el cumplimiento de los requisitos ambientales y sociales específicos en las licitaciones de proyectos públicos
Abstract:
The construction industry is increasingly recognized as critical in achieving Sustainable Development Goals. Construction activities and infrastructure have both beneficial and non-beneficial impacts, making infrastructure design a focal point of current research investigating how best to contribute to sustainability as society demands. Although methods exist to assess infrastructures’ economic, environmental, and social life cycle, the challenge remains in combining these dimensions into a single holistic indicator to facilitate decision-making. This study applies four decision-making techniques (ANP, TOPSIS, COPRAS, and VIKOR) to evaluate five different design alternatives for a concrete bridge exposed to a coastal environment. The results indicate that concretes containing even small amounts of silica fume perform better over their life cycle than other solutions usually considered to increase durability, such as water/cement ratio reduction or concrete cover increase.
