ingeniería civil – El blog de Víctor Yepes

Aprendizaje supervisado en ingeniería civil

En un artículo anterior hablamos del aprendizaje no supervisado aplicado a la ingeniería civil. La otra rama del aprendizaje automático (machine learning) es el aprendizaje supervisado. Se trata de un enfoque que utiliza conjuntos de datos de entrada y sus correspondientes respuestas para entrenar modelos capaces de realizar predicciones sobre datos nuevos. Este método es particularmente útil en contextos donde se dispone de información previa sobre la variable que se desea predecir, lo que permite establecer relaciones y patrones en los datos.

El aprendizaje supervisado emerge como una herramienta muy poderosa en el campo de la ingeniería civil, ya que facilita la toma de decisiones y la optimización de procesos mediante el análisis de datos. Este enfoque se basa en el uso de algoritmos que aprenden a partir de un conjunto de datos etiquetados, lo que les permite realizar predicciones sobre nuevos datos. A continuación, se presentan algunas aplicaciones y beneficios del aprendizaje supervisado en este campo.

Técnicas de aprendizaje supervisado

Las técnicas de aprendizaje supervisado se dividen en dos categorías principales: clasificación y regresión. La clasificación se centra en predecir respuestas discretas, es decir, en asignar una etiqueta a un conjunto de datos. Por ejemplo, en el ámbito del correo electrónico, se puede clasificar un mensaje como genuino o spam. Este tipo de modelos se aplica en diversas áreas, como la imagenología médica, donde se pueden clasificar tumores en diferentes categorías de tamaño, o en el reconocimiento de voz, donde se identifican comandos específicos. La clasificación se basa en la capacidad de los modelos para categorizar datos en grupos definidos, lo que resulta esencial en aplicaciones como la evaluación crediticia, donde se determina la solvencia de una persona.

Por el contrario, la regresión se ocupa de predecir respuestas continuas, lo que implica estimar valores en un rango numérico. Por ejemplo, se puede utilizar la regresión para prever cambios en la temperatura o fluctuaciones en la demanda eléctrica. Este enfoque es aplicable en contextos como la previsión de precios de acciones, donde se busca anticipar el comportamiento del mercado, o en el reconocimiento de escritura a mano, donde se traduce la entrada manual en texto digital. La elección entre clasificación y regresión depende de la naturaleza de los datos y de la pregunta específica que se desea responder.

Selección del algoritmo adecuado.

La selección de un algoritmo de aprendizaje automático es un proceso que requiere un enfoque metódico, ya que hay que encontrar el equilibrio entre diversas características de los algoritmos. Entre estas características se encuentran la velocidad de entrenamiento, el uso de memoria, la precisión predictiva en nuevos datos y la transparencia o interpretabilidad del modelo. La velocidad de entrenamiento se refiere al tiempo que un algoritmo necesita para aprender de los datos, mientras que el uso de memoria se relaciona con la cantidad de recursos computacionales que requiere. La precisión predictiva es crucial, ya que determina la capacidad del modelo para generalizar a datos no vistos. Por último, la interpretabilidad se refiere a la facilidad con la que se pueden entender las decisiones del modelo, lo que es especialmente relevante en aplicaciones donde la confianza en el modelo es esencial.

El uso de conjuntos de datos de entrenamiento más grandes generalmente permite que los modelos generalicen mejor en datos nuevos, lo que se traduce en una mayor precisión en las predicciones. Sin embargo, la selección del algoritmo también puede depender del contexto específico y de las características de los datos disponibles.

Clasificación binaria y multicategoría

Al abordar un problema de clasificación, es fundamental determinar si se trata de un problema binario o multicategórico. En un problema de clasificación binaria, cada instancia se clasifica en una de las dos clases, como ocurre cuando se identifica la autenticidad de los correos electrónicos o su clasificación como spam. Este tipo de clasificación es más sencillo y, por lo general, se puede resolver con algoritmos diseñados específicamente para este propósito. En contraste, un problema de clasificación multicategórica implica más de dos clases, como clasificar imágenes de animales en perros, gatos u otros. Los problemas multicategóricos suelen ser más complejos, ya que requieren modelos más sofisticados que puedan manejar la diversidad de clases y sus interacciones.

Es importante señalar que algunos algoritmos, como la regresión logística, están diseñados específicamente para problemas de clasificación binaria y tienden a ser más eficientes durante el entrenamiento. Sin embargo, existen técnicas que permiten adaptar algoritmos de clasificación binaria para abordar problemas multicategóricos, lo que amplía su aplicabilidad.

Algoritmos de clasificación comunes

Existen diversos varios algoritmos de clasificación ampliamente utilizados en el campo del aprendizaje supervisado.

La regresión logística es uno de los métodos más comunes, ya que permite predecir la probabilidad de que una respuesta binaria pertenezca a una de las dos clases. Este algoritmo es valorado por su simplicidad y se emplea frecuentemente como punto de partida en problemas de clasificación binaria. Su capacidad para ofrecer una interpretación clara de los resultados lo convierte en una herramienta muy valiosa en diversas aplicaciones.
El algoritmo k-vecinos más cercanos (kNN) clasifica objetos basándose en las clases de sus vecinos más cercanos, utilizando métricas de distancia como la euclidiana o la de Manhattan. Este enfoque es intuitivo y fácil de implementar, aunque puede resultar costoso en términos de cálculo en conjuntos de datos grandes.
El soporte vectorial (SVM) es otro algoritmo destacado que clasifica datos al encontrar un límite de decisión lineal que separe las clases. En situaciones en las que los datos no son linealmente separables, se puede aplicar una transformación de kernel para facilitar la clasificación. Este método es especialmente útil en contextos de alta dimensionalidad, donde la complejidad de los datos puede dificultar la clasificación.
Las redes neuronales, inspiradas en la estructura del cerebro humano, son útiles para modelar sistemas altamente no lineales. Estas redes se entrenan ajustando las conexiones entre neuronas, lo que permite que el modelo aprenda patrones complejos en los datos. Aunque su interpretación puede ser más complicada, su capacidad para capturar relaciones no lineales las hace valiosas en diversas aplicaciones.
El clasificador Naïve Bayes se basa en la suposición de que la presencia de una característica en una clase no depende de la presencia de otras características. Este enfoque permite clasificar nuevos datos en función de la probabilidad máxima de pertenencia a una clase, lo que resulta útil en contextos en los que se requiere una clasificación rápida y eficiente.
El análisis discriminante clasifica los datos mediante combinaciones lineales de características, asumiendo que los diferentes conjuntos de datos tienen distribuciones gaussianas. Este método es apreciado por su simplicidad y facilidad de interpretación.
Los árboles de decisión permiten predecir respuestas basándose en decisiones tomadas en un árbol estructurado, donde cada rama representa una condición de decisión. Este enfoque es intuitivo y fácil de interpretar, por lo que es una opción popular en diversas aplicaciones.

Algoritmos de regresión comunes

Los algoritmos de regresión son esenciales para predecir valores continuos.

La regresión lineal es una técnica que describe una variable de respuesta continua como una función lineal de una o más variables predictoras. Este modelo es fácil de interpretar y se utiliza frecuentemente como referencia para modelos más complejos. Su simplicidad y eficacia en contextos lineales lo convierten en una opción inicial para el análisis de datos.
La regresión no lineal se utiliza cuando los datos presentan tendencias no lineales significativas. Este enfoque permite modelar relaciones más complejas que no pueden ser capturadas por modelos lineales, lo que resulta útil en contextos donde las variables interactúan de manera no lineal.
El modelo de regresión de procesos gaussianos es un enfoque no paramétrico que se utiliza para predecir valores continuos y es común en el análisis espacial. Este método es especialmente valioso en contextos donde se requiere interpolación y se trabaja con datos que presentan incertidumbre.
La regresión SVM, similar a su contraparte de clasificación, busca un modelo que se desvíe de los datos medidos en la menor cantidad posible. Este enfoque es útil en contextos de alta dimensionalidad, donde se espera que haya un gran número de variables predictoras.
El modelo lineal generalizado se utiliza cuando las variables de respuesta tienen distribuciones no normales, lo que permite abordar una variedad de situaciones en las que no se cumplen los supuestos de la regresión lineal.
Los árboles de regresión son una adaptación de los árboles de decisión que permiten predecir respuestas continuas, por lo que son útiles en contextos donde se requiere una interpretación clara y rápida.

Mejora de modelos

La mejora de un modelo implica aumentar su precisión y capacidad predictiva, así como prevenir el sobreajuste, que ocurre cuando un modelo se ajusta demasiado a los datos de entrenamiento y pierde capacidad de generalización. Este proceso incluye la ingeniería de características, que abarca la selección y transformación de variables, y la optimización de hiperparámetros, que busca identificar el conjunto de parámetros que mejor se ajustan al modelo.

La selección de características es un aspecto crítico en el aprendizaje supervisado, especialmente en conjuntos de datos de alta dimensión. Este proceso permite identificar las variables más relevantes para la predicción, lo que no solo mejora la precisión del modelo, sino que también reduce el tiempo de entrenamiento y la complejidad del mismo. Entre las técnicas de selección de características se encuentran la regresión por pasos, que implica agregar o eliminar características de manera secuencial, y la regularización, que utiliza estimadores de reducción para eliminar características redundantes.
La transformación de características es otra estrategia importante que busca mejorar la representación de los datos. Técnicas como el análisis de componentes principales (PCA) permiten realizar transformaciones lineales en los datos, que capturan la mayor parte de la varianza en un número reducido de componentes. Esto resulta útil en contextos donde se trabaja con datos de alta dimensionalidad, ya que facilita la visualización y el análisis.
La optimización de hiperparámetros es un proceso iterativo que busca encontrar los valores óptimos para los parámetros del modelo. Este proceso puede llevarse a cabo mediante métodos como la optimización bayesiana, la búsqueda en cuadrícula y la optimización basada en gradientes. Un modelo bien ajustado puede superar a un modelo complejo que no ha sido optimizado adecuadamente, lo que subraya la importancia de este proceso en el desarrollo de modelos efectivos.

Aplicaciones del aprendizaje supervisado en ingeniería civil

Predicción de fallos estructurales: los modelos de aprendizaje supervisado se utilizan para predecir fallos en estructuras como puentes y edificios. Al analizar datos históricos de inspecciones y condiciones ambientales, es posible identificar patrones que indiquen un posible fallo estructural. Esto permite a los ingenieros realizar mantenimientos preventivos y mejorar la seguridad de las infraestructuras.
Optimización de recursos en construcción: en la planificación de proyectos, el aprendizaje supervisado optimiza el uso de recursos como, por ejemplo, materiales y mano de obra. Al predecir la demanda de recursos en función de variables como el clima y la evolución del proyecto, es posible reducir costes y mejorar la eficiencia.
Análisis de riesgos: los modelos de aprendizaje supervisado son útiles para evaluar riesgos en proyectos de ingeniería civil. Al analizar datos sobre desastres naturales, como inundaciones y terremotos, se pueden identificar zonas vulnerables y desarrollar estrategias de mitigación eficaces.
Control de infraestructuras: la incorporación de sensores en infraestructuras permite la recolección de datos en tiempo real. Los algoritmos de aprendizaje supervisado pueden analizar estos datos para detectar anomalías y prever el mantenimiento necesario, lo que contribuye a la sostenibilidad y durabilidad de las estructuras.

Por tanto, el aprendizaje supervisado se está consolidando como una herramienta esencial en ingeniería civil, ya que ofrece soluciones innovadoras para predecir, optimizar y controlar infraestructuras. Su capacidad para analizar grandes volúmenes de datos y ofrecer información valiosa está transformando la forma en que se gestionan los proyectos en este ámbito.

Os dejo un mapa mental acerca del aprendizaje supervisado.

También os dejo unos vídeos al respecto. Espero que os sean de interés.

Referencias

Garcia, J., Villavicencio, G., Altimiras, F., Crawford, B., Soto, R., Minatogawa, V., Franco, M., Martínez-Muñoz, D., & Yepes, V. (2022). Machine learning techniques applied to construction: A hybrid bibliometric analysis of advances and future directions. Automation in Construction, 142, 104532.
Kaveh, A. (2024). Applications of artificial neural networks and machine learning in civil engineering. Studies in computational intelligence, 1168, 472.
Khallaf, R., & Khallaf, M. (2021). Classification and analysis of deep learning applications in construction: A systematic literature review. Automation in construction, 129, 103760.
Mostofi, F., & Toğan, V. (2023). A data-driven recommendation system for construction safety risk assessment. Journal of Construction Engineering and Management, 149(12), 04023139.
Naderpour, H., Mirrashid, M., & Parsa, P. (2021). Failure mode prediction of reinforced concrete columns using machine learning methods. Engineering Structures, 248, 113263.
Reich, Y. (1997). Machine learning techniques for civil engineering problems. Computer‐Aided Civil and Infrastructure Engineering, 12(4), 295-310.
Thai, H. T. (2022). Machine learning for structural engineering: A state-of-the-art review. In Structures (Vol. 38, pp. 448-491). Elsevier.

Descargar (PDF, 1.52MB)

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

El concepto de patrimonio cultural

La presa de Aldeadávila es un bien patrimonial público, destacando por su impresionante belleza y majestuosidad, tanto por sí misma como por el paisaje que la rodea. En este lugar se filmaron el inicio y el final de la película *Doctor Zhivago*. https://commons.m.wikimedia.org/

El concepto de patrimonio cultural abarca un conjunto de bienes con valores diferentes pero relacionados en cierta medida en cuanto a su importancia histórica, artística, social o científica que se hereda de generaciones anteriores, e incluye también los valores, creencias, prácticas y modos de expresión artística que caracterizan a una comunidad o sociedad. Este concepto destaca por su papel fundamental en la preservación de las identidades y el fomento del sentimiento de pertenencia, lo que lo convierte en un aspecto esencial de la experiencia humana y de la diversidad cultural en todo el mundo.

Este patrimonio se divide en dos categorías principales: el patrimonio material, que incluye bienes tangibles como edificios, monumentos y obras de arte, y el patrimonio inmaterial, que comprende tradiciones, costumbres y expresiones culturales que identifican a una comunidad. La distinción entre estas dos categorías es esencial para comprender cómo se preserva y valora el patrimonio en diferentes contextos (UNESCO, 2003).

El patrimonio cultural material se refiere a las obras y productos de la creatividad humana a lo largo de la historia que constituyen un testimonio de la cultura intelectual, espiritual y material de las sociedades pasadas. Esto incluye no solo monumentos y obras arquitectónicas, sino también infraestructuras como puentes, caminos y presas, que evidencian la evolución técnica de una civilización, así como su carácter social. La conservación de estos bienes es esencial, ya que representan la memoria colectiva de una comunidad y constituyen un recurso invaluable para la educación y la investigación (Mason, 2008).

Por otro lado, el patrimonio cultural inmaterial se refiere a las prácticas, representaciones, expresiones, conocimientos y técnicas que las comunidades reconocen como parte de su patrimonio cultural. Este tipo de patrimonio incluye tradiciones orales, danzas, rituales y festividades que se transmiten de generación en generación. La protección de este patrimonio es igualmente importante, ya que contribuye a la cohesión social y a la identidad cultural de las comunidades, y permite que las nuevas generaciones se conecten con sus raíces (Hernández, 2015).

La clasificación del patrimonio cultural también puede realizarse en función de si es público o privado. Los bienes patrimoniales públicos son aquellos que pertenecen a la colectividad y son administrados por entidades gubernamentales, mientras que los bienes privados son de propiedad individual y pueden ser expropiados por el bien común, siempre que se compense adecuadamente a sus propietarios. Esta distinción es relevante en el ámbito de la conservación, ya que los bienes públicos suelen recibir más atención y recursos para su preservación (González, 2017).

El Viaducto de Requejo sobre el río Duero, diseñado por José Eugenio Ribera en 1914, es un puente de impresionante belleza ubicado en un entorno espectacular. Es una obra histórica que debe ser protegida y conservada para las generaciones futuras. https://es.wikipedia.org/wiki/Puente_de_Requejo#/

La conservación del patrimonio cultural se enfrenta a numerosos desafíos, como la urbanización, el cambio climático y la falta de recursos. La presión del desarrollo urbano a menudo provoca la destrucción de bienes patrimoniales, mientras que el cambio climático puede poner en riesgo la integridad de estructuras históricas. Por lo tanto, es esencial implementar políticas de conservación sostenibles que tengan en cuenta la protección del patrimonio y las necesidades de las comunidades contemporáneas (Smith, 2012).

Para garantizar el éxito de la conservación del patrimonio cultural, es crucial la participación de la comunidad. Involucrar a los ciudadanos en la identificación, protección y promoción de su patrimonio puede generar un mayor compromiso y aprecio por estos bienes. La educación y la sensibilización sobre la relevancia del patrimonio cultural son esenciales para fomentar una cultura de conservación que perdure en el tiempo (Bennett, 2014).

El patrimonio cultural también desempeña un papel importante en la investigación y el estudio de la historia. Los bienes patrimoniales son fuentes de información que permiten a los investigadores comprender mejor las sociedades pasadas y sus interacciones. Gracias al análisis de estos bienes, es posible obtener conocimientos sobre las técnicas de construcción, los estilos artísticos y las prácticas sociales de diferentes épocas, lo que enriquece nuestra comprensión de la historia humana (Lowenthal, 1998).

Para garantizar su conservación, son necesarias la legislación y las políticas de protección del patrimonio cultural. Existen convenios internacionales, como la Convención de la UNESCO sobre la Protección del Patrimonio Mundial, que establecen directrices y principios globales para su conservación. Estas normativas ayudan a sensibilizar a los gobiernos y a las comunidades sobre la importancia de proteger su patrimonio y fomentan la cooperación internacional para su conservación (UNESCO, 1972).

En conclusión, el concepto de patrimonio cultural es amplio y multifacético, y abarca tanto bienes materiales como inmateriales que son esenciales para la identidad y la memoria de las comunidades. La conservación del patrimonio cultural no solo implica la protección de objetos y edificios, sino también la promoción de prácticas y tradiciones que enriquecen la vida social y cultural. Para desarrollar estrategias efectivas que garanticen la preservación de estos bienes para las generaciones futuras, es necesaria la colaboración entre diferentes disciplinas y la participación activa de la comunidad. Al reconocer el valor del patrimonio cultural, se fomenta una responsabilidad compartida que puede dar lugar a un compromiso colectivo en su conservación. Este enfoque integral no solo protege el legado del pasado, sino que también contribuye al desarrollo sostenible y a la cohesión social en el presente, garantizando que el patrimonio cultural siga siendo una fuente de identidad y orgullo para las comunidades en el futuro.

Dejo a continuación un mapa mental sobre el concepto de patrimonio cultural.

Referencias:

Bennett, T. (2014). The Birth of the Museum: History, Theory, Politics. Routledge.
González, A. (2017). Cultural Heritage and the Challenge of Sustainability. Journal of Cultural Heritage Management and Sustainable Development, 7(1), 1-15.
Hernández, M. (2015). Intangible Cultural Heritage: A New Approach to Cultural Heritage Management. International Journal of Heritage Studies, 21(3), 245-261.
Lowenthal, D. (1998). The Heritage Crusade and the Spoils of History. The Historical Journal, 41(3), 877-897.
Mason, R. (2008). The Value of Heritage. In Cultural Heritage and the Challenge of Sustainability (pp. 1-15). Routledge.
Smith, L. (2012). Uses of Heritage. Routledge.
UNESCO. (1972). Convention Concerning the Protection of the World Cultural and Natural Heritage. Retrieved from https://whc.unesco.org/en/conventiontext/
UNESCO. (2003). Convention for the Safeguarding of the Intangible Cultural Heritage. Retrieved from https://ich.unesco.org/en/convention-for-the-safeguarding-of-the-intangible-cultural-heritage-2003-00444

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

Curso en línea de “Fabricación y puesta en obra del hormigón”

La Universitat Politècnica de València, en colaboración con la empresa Ingeoexpert, ha elaborado un Curso en línea sobre “Fabricación y puesta en obra del hormigón”.

El curso, totalmente en línea, se desarrollará en 6 semanas, con un contenido de 75 horas de dedicación del estudiante. Hay plazas limitadas.

Toda la información la puedes encontrar en esta página: https://ingeoexpert.com/cursos/curso-de-fabricacion-y-puesta-en-obra-del-hormigon/

Acerca de este curso

Este curso ofrece una visión completa sobre la fabricación y la puesta en obra del hormigón. No se requieren conocimientos previos específicos, ya que está diseñado para beneficiar a un amplio espectro de profesionales, tanto con experiencia como sin ella, así como a estudiantes de disciplinas relacionadas con la construcción, tanto en el ámbito universitario como en la formación profesional. El proceso de aprendizaje está estructurado de manera gradual, lo que permite a los participantes profundizar en los aspectos que más les interesen, apoyándose en material complementario y enlaces a recursos en línea, como vídeos y catálogos.

En este curso, adquirirás conocimientos fundamentales sobre la fabricación de hormigones y el uso de maquinaria relacionada, incluyendo centrales de hormigonado, transporte y bombeo de hormigón, cintas transportadoras, gunitado, colocación de hormigón bajo el agua y en condiciones de frío o calor, así como grandes vertidos, compactación por vibrado, hormigón al vacío, curado, juntas de construcción, hormigón precolocado y tipos de hormigón como el de fibra de vidrio, autocompactantes, compactados con rodillo y ligeros.

El enfoque principal del programa es comprender los principios que rigen la fabricación y la puesta en obra del hormigón, tanto prefabricado como ejecutado en obra, prestando atención a sus características más importantes y a los aspectos constructivos relevantes en ingeniería civil y edificación. El curso abarca un amplio espectro y profundiza en los fundamentos de la ingeniería de la construcción, además de destacar la importancia de fomentar el pensamiento crítico de los estudiantes, especialmente en relación con la selección de métodos, técnicas y maquinaria que se deben aplicar en situaciones concretas. Además, este curso trata de llenar el vacío que a menudo deja la bibliografía habitual y está diseñado para que los estudiantes puedan profundizar en los conocimientos adquiridos y adaptarlos a su experiencia previa o a sus objetivos personales y empresariales.

El contenido del curso se organiza en 50 lecciones, cada una de las cuales constituye una secuencia de aprendizaje completa. Además, se ofrece un amplio conjunto de problemas resueltos que complementan la teoría presentada en cada lección. Se estima que se necesitan entre dos y tres horas para completar cada lección, en función del interés del estudiante por profundizar en los temas mediante el material adicional proporcionado.

Al finalizar cada unidad didáctica, el estudiante se enfrenta a una serie de preguntas diseñadas para consolidar los conceptos fundamentales y fomentar la curiosidad sobre aspectos relacionados con el tema tratado. También se han diseñado tres unidades adicionales para reforzar los conocimientos adquiridos a través del desarrollo de casos prácticos, en los que se fomenta el pensamiento crítico y la capacidad para resolver problemas reales. Finalmente, al concluir el curso, se llevará a cabo un conjunto de preguntas tipo test con el objetivo de evaluar el aprovechamiento del estudiante, además de servir como herramienta de aprendizaje.

El curso está diseñado para una dedicación total de 75 horas por parte del estudiante. Se busca mantener un ritmo moderado, con una dedicación semanal de aproximadamente 10 a 15 horas, en función del nivel de profundidad que cada estudiante desee alcanzar. La duración total del curso es de seis semanas de aprendizaje.

Lo que aprenderás

Al finalizar el curso, los objetivos de aprendizaje básicos son los siguientes:

Comprender la utilidad y las limitaciones de la maquinaria empleada en la fabricación del hormigón, tanto prefabricado como elaborado en obra
Evaluar y seleccionar los procedimientos constructivos para la colocación del hormigón, atendiendo a criterios económicos y técnicos
Conocer las buenas prácticas y los aspectos de seguridad implicados en el transporte, vertido, compactación y curado del hormigón
Analizar las características específicas en la fabricación y colocación de hormigones especiales como los autocompactantes, ligeros, con fibras, precolocados, compactados con rodillo y otros.

Programa del curso

Lección 1. Fabricación de hormigones
Lección 2. Homogeneidad en la fabricación del hormigón
Lección 3. Amasado del hormigón
Lección 4. Amasadoras de hormigón
Lección 5. Centrales de fabricación de hormigón
Lección 6. Hormigoneras
Lección 7. Cálculo de la temperatura de fabricación del hormigón
Lección 8. Almacenamiento de áridos
Lección 9. Corrección de humedad de los áridos
Lección 10. Transporte del cemento
Lección 11. Silos fijos de cemento
Lección 12. Cemento para hormigones resistentes a sulfatos en cimentaciones
Lección 13. Carretillas manuales o a motor para el transporte del hormigón
Lección 14. Hormigonado con cubilote
Lección 15. Transporte del hormigón mediante cintas transportadoras
Lección 16. Colocación del hormigón mediante bombeo
Lección 17. Torres distribuidoras de hormigón
Lección 18. Problemas de bombeo de hormigón
Lección 19. Hormigón proyectado: gunitado
Lección 20. Recomendaciones para el vertido de hormigón
Lección 21. Trompas de elefante para la colocación del hormigón
Lección 22. Hormigonado con tubería Tremie
Lección 23. Técnicas de colocación del hormigón bajo el agua
Lección 24. Fabricación y colocación del hormigón en tiempo caluroso
Lección 25. Fabricación y colocación del hormigón en tiempo frío
Lección 26. Hormigonado en condiciones de viento
Lección 27. Vertido y compactación de hormigón en soportes de sección reducida
Lección 28. Grandes vertidos de hormigón
Lección 29. Razones para compactar el hormigón
Lección 30. Compactación manual del hormigón: picado y apisonado
Lección 31. Compactación del hormigón por vibrado
Lección 32. Vibradores de aguja para compactar el hormigón
Lección 33. Vibradores externos para encofrados de hormigón
Lección 34. Mesa vibrante de hormigón
Lección 35. Compactación del hormigón con regla vibrante
Lección 36. Compactación del hormigón por centrifugación
Lección 37. Hormigón al vacío
Lección 38. Alisadoras rotativas o fratasadoras
Lección 39. Revibrado del hormigón
Lección 40. Agrietamiento plástico durante el fraguado del hormigón: Nomograma de Menzel
Lección 41. Necesidad y fases del curado del hormigón
Lección 42. Curado de pavimentos y otras losas de hormigón sobre tierra
Lección 43. Curado al vapor del hormigón e índice de madurez
Lección 44. Hormigón de limpieza en fondos de excavación
Lección 45. Las juntas de construcción en el hormigón
Lección 46. Hormigón precolocado: Prepakt y Colcrete
Lección 47. Hormigón reforzado con fibra de vidrio
Lección 48. Hormigón autocompactante
Lección 49. Hormigones compactados con rodillo
Lección 50. Hormigones ligeros
Supuesto práctico 1.
Supuesto práctico 2.
Supuesto práctico 3.
Batería de preguntas final

Conozca a los profesores

Víctor Yepes Piqueras

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. Ha recibido el Premio a la Excelencia Docente por parte del Consejo Social. 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 6 proyectos de investigación competitivos. Ha publicado más de 175 artículos en revistas indexadas en el JCR. Autor de 10 libros, 22 apuntes docentes y más de 350 comunicaciones a congresos. Ha dirigido 17 tesis doctorales, con 10 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. Ha recibido el Premio a la Excelencia Docente por parte del Consejo Social, así como el Premio a la Trayectoria Excelente en Investigación y el Premio al Impacto Excelente en Investigación, ambos otorgados por la Universitat Politècnica de València.

Lorena Yepes Bellver

Lorena Yepes Bellver es Profesora Asociada en el Departamento de Mecánica de los Medios Continuos y Teoría de las Estructuras de la Universitat Politècnica de València. Es ingeniera civil, máster en ingeniería de caminos, canales y puertos y máster en ingeniería del hormigón. Ha trabajado en los últimos años en empresas constructoras y consultoras de ámbito internacional. Aparte de su dedicación docente e investigadora, actualmente se dedica a la consultoría en materia de ingeniería y formación.

Ideas sobre la docencia de la asignatura de Procedimientos de Construcción

En el prólogo de obras anteriores, mencioné que la enseñanza de “Procedimientos de Construcción” es complicada, ya que implica instruir a futuros ingenieros civiles sobre la realización de obras. Este proceso abarca no solo las fases constructivas, sino también aspectos de gran relevancia, como el manejo de maquinaria y medios auxiliares, la seguridad y salud, el impacto ambiental de las obras, y sobre todo, conocimientos fundamentales en geotecnia, resistencia de materiales, mecánica, cálculo de estructuras, gestión de empresas, planificación de obras y economía. Todo este conjunto de conocimientos es esencial para tomar decisiones acertadas al seleccionar el mejor proceso constructivo para un proyecto específico. Además, debemos abordar toda esta información, considerando que la mayoría de los alumnos tienen poca o nula experiencia práctica en relación con el entorno físico de las obras.

Una dificultad adicional radica en la creación de un conjunto ordenado y coherente de problemas resueltos que no sean meramente teóricos, sino que se acerquen al mundo real de la profesión. Esta tarea resulta compleja en ocasiones, pues los procedimientos constructivos requieren conocimientos que abarcan casi todas las áreas de la ingeniería. En consecuencia, explicar esta asignatura en los primeros cursos de un grado universitario puede parecer arriesgado, debido a la amplia gama de conocimientos necesarios. Sin embargo, los planes de estudio a veces presentan estas incongruencias y desafíos en la enseñanza de esta materia.

Al final ha salido un volumen extenso, con una amplia variedad de problemas resueltos, que intenta abarcar todo el campo de conocimiento de los procedimientos de construcción, incluyendo la maquinaria y los medios auxiliares utilizados tanto en la ingeniería civil como en la edificación, e incluso en algunos casos, en la minería.

Esta colección forma parte del conjunto de materiales, libros y documentación que he elaborado como autor, complementando así el contenido teórico de la asignatura. Por esta razón, recomiendo al lector que acuda a manuales, libros o apuntes para reforzar la parte teórica de los problemas. No obstante, he incluido una extensa bibliografía que espero sea útil para este propósito. Además, me complace recomendar mi blog, que cuenta con
una trayectoria de casi 12 años y ha recopilado cerca de 2.000 artículos relacionados con aspectos de la ingeniería de la construcción. Puedes encontrarlo en el siguiente enlace: https://victoryepes.blogs.upv.es/.

El libro ofrece una completa colección de 300 problemas resueltos, abarcando aspectos relacionados con la maquinaria, medios auxiliares y procedimientos de construcción. Su contenido se enfoca en la mecanización de las obras, costos, disponibilidad, fiabilidad y mantenimiento de equipos, estudio del trabajo, producción de maquinaria, sondeos y perforaciones, técnicas de mejora del terreno, control y abatimiento del nivel freático, movimiento de tierras, equipos de dragado, explosivos y voladuras, excavación de túneles, instalaciones de tratamiento de áridos, compactación de suelos, ejecución de firmes, maquinaria auxiliar como bombas, compresores o ventiladores, cables y equipos de elevación, cimentaciones y vaciados, encofrados y cimbras, fabricación y puesta en obra del hormigón, organización y planificación de obras.

Es un libro, por tanto, muy enfocado a los ámbitos de la ingeniería de la construcción, tanto en el ámbito de la edificación, de la minería o de la ingeniería civil. Además, se incluyen 27 nomogramas originales y 19 apéndices para apoyar tanto a estudiantes de ingeniería o arquitectura, como a profesionales que enfrentan desafíos similares en su práctica diaria en obra o proyecto. La colección se complementa con un listado de referencias bibliográficas que respaldan los aspectos teóricos y prácticos abordados en los problemas. Estos problemas son similares a los tratados durante las clases de resolución de casos prácticos en la asignatura de Procedimientos de Construcción del Grado en Ingeniería Civil de la Universitat Politècnica de València (España). Por tanto, el libro resulta adecuado tanto para estudiantes de grado como para cursos de máster relacionados con la ingeniería civil, la edificación y las obras públicas.

Por último, y a pesar de que he puesto todo el empeño en resolver y revisar cada uno de los problemas, es posible que existan erratas o errores. Por ello, agradezco de antemano cualquier sugerencia o mejora que pueda ser útil para futuras ediciones. Espero sinceramente que este libro que tiene en sus manos contribuya a mejorar la calidad de la enseñanza de este tipo de asignaturas y que se convierta en una herramienta valiosa tanto para estudiantes como para profesionales. Su éxito en el aprendizaje y aplicación de los procedimientos de construcción es mi mayor deseo.

Valencia, a 25 de julio de 2023

Referencia:

YEPES, V. (2023). Maquinaria y procedimientos de construcción. Problemas resueltos. Colección Académica. Editorial Universitat Politècnica de València, 562 pp. Ref. 376. ISBN 978-84-1396-174-3

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

Maquinaria y procedimientos de construcción: Problemas resueltos

Os presento el libro que he publicado sobre maquinaria y procedimientos de construcción. Se trata de una completa colección de 300 problemas resueltos, abarcando aspectos relacionados con la maquinaria, medios auxiliares y procedimientos de construcción. Su contenido se enfoca en la mecanización de las obras, costos, disponibilidad, fiabilidad y mantenimiento de equipos, estudio del trabajo, producción de maquinaria, sondeos y perforaciones, técnicas de mejora del terreno, control y abatimiento del nivel freático, movimiento de tierras, equipos de dragado, explosivos y voladuras, excavación de túneles, instalaciones de tratamiento de áridos, compactación de suelos, ejecución de firmes, maquinaria auxiliar como bombas, compresores o ventiladores, cables y equipos de elevación, cimentaciones y vaciados, encofrados y cimbras, fabricación y puesta en obra del hormigón, organización y planificación de obras.

El libro tiene 562 páginas. Este libro lo podéis conseguir en la propia Universitat Politècnica de València o bien directamente por internet en esta dirección: https://www.lalibreria.upv.es/portalEd/UpvGEStore/products/p_376-7-1

Sobre el autor: Víctor Yepes Piqueras. Doctor Ingeniero de Caminos, Canales y Puertos. Catedrático de Universidad del Departamento de Ingeniería de la Construcción y Proyectos de Ingeniería Civil de la Universitat Politècnica de València. Número 1 de su promoción, ha desarrollado su vida profesional en empresas constructoras, en el sector público y en el ámbito universitario. Ha sido director académico del Máster Universitario en Ingeniería del Hormigón (acreditado con el sello EUR-ACE®), investigador del Instituto de Ciencia y Tecnología del Hormigón (ICITECH) y profesor visitante en la Pontificia Universidad Católica de Chile. Imparte docencia en asignaturas de grado y posgrado relacionadas con procedimientos de construcción y gestión de obras, calidad e innovación, modelos predictivos y optimización en la ingeniería. Sus líneas de investigación actuales se centran en la optimización multiobjetivo, la sostenibilidad y el análisis de ciclo de vida de puentes y estructuras de hormigón.

Referencia:

A continuación os paso las primeras páginas del libro, con el índice, para hacerse una idea del contenido desarrollado.

Descargar (PDF, 17.88MB)

La inteligencia artificial en la ingeniería civil: oportunidades y desafíos

Tengo el placer de compartir un artículo que se ha publicado en la revista IC Ingeniería Civil, que es una publicación mensual editada por el Colegio de Ingenieros Civiles de México. En este artículo se analiza el uso de la inteligencia artificial en la ingeniería civil, incluyendo la toma de decisiones, gestión de proyectos y monitorización de infraestructura. Destaca las oportunidades de la IA para elevar la calidad y la seguridad de las infraestructuras, reducir costos y acelerar la resolución de problemas complejos. También se señalan los desafíos y la necesidad de una colaboración interdisciplinaria para garantizar su utilización responsable y efectiva.

El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.

Referencia:

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

Como se trata de un artículo en abierto, os lo paso para su lectura. Espero que os interese.

Descargar (PDF, 380KB)

Nomogramas para su empleo en trabajos de movimiento de tierras

Este artículo presenta cinco nomogramas originales que pueden ser utilizados en proyectos de movimientos de tierra. El primero de ellos calcula el peso específico aparente de un suelo, mientras que el segundo nomograma facilita el valor de la piedra en el diseño de voladuras según la metodología de Ash. Los dos siguientes se aplican para determinar la capacidad de la hoja empujadora de un buldócer, y finalmente, el último nomograma ayuda a calcular el rendimiento de escarificado de un buldócer.

Estos nomogramas demuestran también las capacidades de los programas de código abierto, PyNomo y Nomogen, para generar nomogramas adaptados a las necesidades de cálculo de cualquier proyectista. Este proyecto es el resultado de una colaboración internacional entre profesores de Finlandia, Canadá y Australia, y su artículo ha sido publicado en la revista inGEOpress en mayo de 2023.

En este trabajo se proporcionan cinco nomogramas originales generados con el programa Pynomo (http://lefakkomies.github.io/pynomo-doc/introduction/introduction.html), muy útiles para su empleo en trabajos de obra civil, movimiento de tierras y/o minería, así como en ámbito docente. Los ejemplos resueltos por cada uno de los nomogramas también demuestran que los valores obtenidos se obtienen con una precisión adecuada a los requerimientos que se exigen en ingeniería de proyectos, haciéndolos útiles cuando no se tiene acceso a ordenadores o a calculadoras programables y, especialmente, en el manejo de ecuaciones cuyo empleo sea repetitivo.

Referencia:

MARTÍNEZ-PAGÁN, P.; YEPES, V.; ROSCHIER, L.; BOULET, D.; BLIGHT, T. (2023). Nomogramas para su empleo en trabajos de movimiento de tierras. Canteras y explotaciones, 657(3):44-48.

Os paso a continuación el artículo entero por si os resulta de interés.

Descargar (PDF, 3.41MB)

Curso:

Curso de gestión de costes y producción de la maquinaria empleada en la construcción.

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

Códigos abiertos para la elaboración de nomogramas en el ámbito de la ingeniería civil y minera

En este artículo se hace una introducción sobre los códigos abiertos, PyNomo y Nomogen, para la elaboración de nomogramas o ábacos de útil aplicación en el ámbito de la ingeniería civil y minera, resolviendo de forma gráfica y eficiente ecuaciones comúnmente utilizadas y sin necesidad de realizar cálculos manuales exhaustivos. Se presentan varios ejemplos de nomogramas realizados con PyNomo y Nomogen que servirán para mostrar la utilidad de estos códigos abiertos en el campo de la ingeniería hidráulica. Se trata de una colaboración internacional con profesores de Finlandia, Canadá y Australia, cuyo resultado se ha publicado en la revista inGEOpress, en su número de abril del 2023.

La nomografía se puede definir como aquella rama de las matemáticas que se encarga de la representación gráfica de ecuaciones a través de nomogramas (también conocidos como ábacos) que permiten poner en relación tres o más variables resolviendo una de ellas cuando se conocen el resto. Esta área de las matemáticas fue implantada en 1880, y posteriormente desarrollada por Maurice d’Ocagne. El empleo de la nomografía tuvo su mayor desarrollo en el siglo pasado como una forma de resolver de forma rápida y precisa complejas expresiones matemáticas en sectores tan diversos como medicina, aeronáutica, hidráulica, química, física, matemáticas, electrónica, radio, balística, alimentación, etc. Por ello, son innumerables los ejemplos que han llegado hasta nuestros días y que aún aparecen en libros especializados de ingeniería, especialmente hidráulica, ingeniería civil, minería, etc. . Además, en la actualidad, todavía es común que un gran volumen de documentación técnica, folletos de especificaciones técnicas y catálogos de equipos faciliten el cálculo de numerosas expresiones a través de nomogramas.

Referencia:

MARTÍNEZ-PAGÁN, P.; YEPES, V.; ROSCHIER, L.; BOULET, D.; BLIGHT, T. (2023). Introducción de los códigos abiertos PyNomo y Nomogen para la elaboración de nomogramas en el ámbito de la ingeniería civil y minera. Ingeopres, 302:66-70.

Os paso a continuación el artículo entero por si os resulta de interés.

Descargar (PDF, 2.76MB)

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

¿Quién lidera la investigación científica española en ingeniería civil?

El Grupo DIH, (Grupo para la Difusión del Índice h) cuyo objetivo es la difusión del índice h, ha publicado una clasificación de investigadores científicos que residen en España y se basa en dicho índice. El ranking se elabora a partir de la base de datos de publicaciones científicas ISI Web of Knowledge y establece una clasificación específica para cada una de las diez áreas de conocimiento consideradas: agricultura, biología, ciencias de los materiales, ciencias de la salud, ciencias de la tierra, física, informática, ingeniería, matemáticas y química.

De acuerdo con la metodología utilizada, Fh se define como la relación entre el índice h del investigador y el promedio de los índices de otros autores que figuran en el ranking de su área. En el caso de que el autor aparezca en varias áreas, Fhm se calculará como la media de estos valores.

Aunque es posible que existan algunas críticas basadas en el índice h, este permite una evaluación objetiva de la carrera investigadora, si bien no es un indicador tan adecuado para investigadores jóvenes. Si deseáis ampliar detalles sobre este tema, podéis consultar un artículo que escribí previamente.

A continuación se presenta la tabla actualizada a febrero de 2023 en el área de ingeniería civil. Es un honor ocupar la tercera posición, detrás de dos figuras destacadas en nuestro país: Íñigo Losada y Enrique Castillo. Sin embargo, es importante mencionar que hay otros ingenieros de caminos que lideran en investigación en distintas áreas. Por ejemplo, Eugenio Oñate, del CIMNE, encabeza la lista en el área de aplicaciones interdisciplinarias de matemáticas; Jaime Gómez, de nuestra universidad, se encuentra en los primeros puestos en el área de recursos hídricos; Antonio Aguado, de la UPC, destaca en el área de tecnología de la construcción; y Alfredo García, también de nuestra universidad, sobresale en ciencia y tecnología del transporte. Seguramente, hay muchos más investigadores destacados que se han quedado fuera de esta lista. Les recomiendo explorar y conocer a todos ellos.

Encuentro profesional Geolotecnia 2022, celebremos el día de Terzaghi compartiendo

En breves días, en concreto el 1 y 2 de octubre de 2022, vamos a celebrar el día de Terzaghi en un encuentro virtual, abierto a profesionales, estudiantes, académicos y gente interesada de todo el mundo, especialmente España e Iberoamérica, en español. Los organizadores son mis amigos Germán Sánchez Gómez (@ingeododo) y Manuel Romana García (@MRdeviaje).

Yo mismo tengo pensado participar mediante una pequeña aportación donde explicaré cómo se puede divulgar la geotecnia y los procedimientos constructivos en redes sociales y en cursos especializados, algunos masivos y gratuitos.

Os espero. Dejo a continuación el folleto y os recuerdo que puedes apuntarte en geolotecnia22@gmail.com