Optimización paramétrica de vigas alveolares mixtas para minimizar la huella de carbono

Nuestras ciudades crecen a un ritmo vertiginoso, pero este progreso esconde una crisis climática silenciosa en sus cimientos. Según el reciente informe Global Status Report for Buildings and Construction 2024/2025, el sector de la edificación es responsable del 32 % del consumo mundial de energía y del alarmante 34 % de las emisiones de CO₂. En este contexto, el acero y el cemento se perfilan como los principales responsables, ya que representan por sí solos el 18 % de la huella de carbono total del sector.

Ante la urgencia climática, la ingeniería estructural se enfrenta a un desafío técnico fascinante: ¿podemos diseñar edificios más ligeros y sostenibles sin comprometer la seguridad estructural? Y, más específicamente, ¿cómo podemos romper el «paradigma del catálogo» cuando las soluciones comerciales estándar alcanzan sus límites físicos y medioambientales?

Al final de este post, en la referencia, tienes un enlace directo para descargar gratuitamente el artículo científico completo, ya que está publicado en abierto.

El poder de la optimización: Rompiendo los límites del catálogo

Las vigas alveolares son perfiles de acero con aberturas circulares en su interior que permiten aumentar la altura de la viga y, por tanto, su eficiencia, sin añadir masa. Sin embargo, la práctica tradicional se ha limitado a replicar soluciones de los catálogos de los fabricantes, que suelen ser restrictivos.

Un hallazgo clave del estudio paramétrico actual revela que, para luces de 4 metros, los catálogos a menudo alcanzan su límite máximo permitido y dejan de ofrecer soluciones factibles bajo cargas elevadas. La verdadera innovación surge al dejar de considerar la losa colaborante como un elemento estático de catálogo. Al tratar variables como el espesor de la chapa y, sobre todo, la tasa de refuerzo de la losa como componentes activos del diseño, la ingeniería supera las barreras de los fabricantes tradicionales.

Algoritmos que imitan a la naturaleza: El «Particle Swarm Optimization» (PSO)

Para navegar por este complejo mar de posibilidades, se ha recurrido a la inteligencia colectiva del algoritmo de optimización por enjambre de partículas (PSO). No se trata de un simple ejercicio de búsqueda, sino de resolver un problema de objetivo único, restringido y con variables discretas.

El algoritmo funciona como un enjambre que explora un amplio espacio de búsqueda (identificado en la tabla 1 del estudio), evaluando simultáneamente 201 perfiles de acero diferentes, diversas resistencias de hormigón y geometrías de alvéolos, con el objetivo de encontrar la configuración que genere la menor huella de carbono posible.

«El algoritmo PSO ha demostrado ser eficaz para identificar soluciones óptimas, ya que permite que la introducción de refuerzo en la losa, combinada con un diseño optimizado, genere un impacto significativo en el diseño estructural».

El dato impactante: una reducción del 25% en emisiones de CO2

La precisión algorítmica no es solo un alarde tecnológico, sino que se traduce en un impacto medioambiental significativo. El análisis paramétrico demuestra que, especialmente en niveles de carga altos (6 kN/m²) y luces de gran tamaño, la optimización integrada del sistema viga-losa puede reducir las emisiones de CO₂ hasta un 25 %.

Este logro ecológico no se debe a un solo cambio, sino a una redistribución holística de los materiales. Al añadir refuerzo estratégico en la losa, el sistema permite reducir simultáneamente el espesor del steel deck y el volumen de hormigón superior, lo que disminuye directamente la masa de los materiales base que más contribuyen al calentamiento global.

 

Análisis de materiales: Por qué lo «más fuerte» no siempre es «más verde»

Es fundamental desmitificar la idea de que los materiales de alta resistencia siempre son la mejor opción sostenible. Al analizar las soluciones óptimas, los «ganadores» constantes fueron:

  • Acero: ASTM A572 Gr. 50 (con un factor de emisión de CO2 de 2.04 kgCO2/kg).
  • Hormigón: 25 MPa (con un factor de emisión de 374,00 kg de CO2/m³).

La clave del diseño inteligente radica en que estos materiales presentan factores de emisión inferiores a los de sus equivalentes de alta resistencia. Por ejemplo, el acero A913 Gr. 65 tiene una mayor huella de carbono (2,13 kg CO2/kg) que el A572 Gr. 50. Por tanto, la eficiencia no depende de la potencia bruta del material, sino de una combinación inteligente y precisa dictada por el algoritmo.

Desmitificando el proceso: el peso de la masa frente al fuego industrial

A menudo se cuestiona si el proceso de fabricación de una viga con agujeros (corte y soldadura) compensa el ahorro de material. Los datos del estudio son contundentes y desmienten este mito:

  • Corte y soldadura insignificantes: Estos procesos industriales representan habitualmente menos del 1% de las emisiones totales de la estructura.
  • El dominio de la masa: El factor crítico sigue siendo la masa del perfil de acero original, que puede representar hasta el 70% del CO2 en escenarios optimizados.
  • El papel de la losa: El steel deck tiene un impacto considerable, oscilando entre el 11% y el 39% de las emisiones totales según la luz de la estructura.

En definitiva, el «coste» ambiental de perforar la viga es un precio mínimo frente al gran ahorro de material que permite su nueva geometría.

Conclusión: Hacia una ingeniería de precisión ambiental

Estamos dejando atrás la era de la construcción basada en la sobreespecificación y en el uso de catálogos estáticos. El futuro es la Ingeniería de Precisión Ambiental, donde cada componente, desde el diámetro del alvéolo hasta el milímetro de refuerzo en la losa, se trata como una variable viva.

La inteligencia artificial y el diseño paramétrico nos proporcionan las herramientas necesarias para reducir en una cuarta parte la huella de carbono de nuestras estructuras. Ante la actual crisis climática, la pregunta para los diseñadores ya no es si estos métodos funcionan, sino: ¿podemos permitirnos seguir construyendo con los ojos cerrados y con los catálogos del siglo pasado? El diseño integrado es nuestra herramienta más poderosa para redefinir el impacto de nuestro entorno construido.

En esta conversación puedes escuchar un debate sobre estas ideas.

En este vídeo se resumen bien las ideas más interesantes.

Referencia:

Brandão, M.C.L.; Yepes-Bellver, L.; Kripka, M.; Alves, É.C. Parametric Analysis in the Optimization Design of Composite Cellular Beams. Infrastructures 2026, 11, 135. https://doi.org/10.3390/infrastructures11040135

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

El código secreto de la naturaleza: algoritmos metaheurísticos para resolver lo imposible.

Introducción: El genio oculto en el caos natural.

En el vasto universo de la gestión de situaciones complejas, nos enfrentamos a desafíos que cuestionan la lógica convencional: los problemas NP-difíciles.

Estos enigmas se caracterizan por que, a medida que el tamaño del problema aumenta, el tiempo necesario para resolverlo mediante fuerza bruta crece de manera exponencial. Esto hace que una búsqueda exhaustiva sea prácticamente imposible, incluso para las supercomputadoras más potentes. De este modo, cuando los métodos deterministas fallan y no hay garantía de hallar la solución perfecta, los expertos recurren a las metaheurísticas.

Al observar cómo la naturaleza optimiza los recursos para la supervivencia, hemos descubierto que el ensayo y el error no son fruto del azar, sino de un diseño refinado a lo largo de milenios de evolución. Los investigadores han dejado de mirar exclusivamente las pizarras para descifrar el genio oculto en los sistemas biológicos, físicos y químicos y han traducido procesos naturales en ecuaciones de optimización asombrosamente eficientes.

La inteligencia de enjambre: el poder de la multitud «sin inteligencia».

Uno de los pilares más fascinantes de esta disciplina es la inteligencia de enjambre (SI, por sus siglas en inglés). Este concepto se basa en el comportamiento colectivo emergente de múltiples agentes que interactúan según reglas muy sencillas. Ya sea en colonias de hormigas, enjambres de abejas o destellos de luciérnagas, el sistema logra una autorganización compleja sin necesidad de un mando central.

Lo más sorprendente es cómo la capacidad del colectivo trasciende las limitaciones del individuo. Un solo agente puede ser limitado, pero el enjambre, como unidad, exhibe una gran capacidad para resolver problemas. Como señala la literatura académica sobre este fenómeno:

«Aunque cada agente puede ser considerado como ininteligente, el sistema completo de múltiples agentes puede mostrar un comportamiento de autoorganización y, por lo tanto, puede comportarse como una suerte de inteligencia colectiva».

Más allá de la biología: la optimización se encuentra con la física y la música.

Aunque la biología es una fuente muy rica, la informática inspirada en la naturaleza trasciende mucho más. Para un especialista, la clasificación de estos algoritmos no se limita a su «musa», sino a su comportamiento matemático. Podemos categorizarlos según su trayectoria de búsqueda (como el Simulated Annealing) o según si se basan en poblaciones (como el Particle Swarm Optimization o el Firefly Algorithm).

Existen sistemas basados en leyes físicas y químicas, como los algoritmos que imitan la fuerza de la gravedad, las cargas eléctricas o la dinámica de formación de ríos. Incluso el arte tiene su lugar en el algoritmo Harmony Search (Búsqueda Armónica), que imita el proceso estético de un músico que persigue el «estado de armonía» o el acorde perfecto. Esta universalidad demuestra que los conceptos de disciplinas tan dispares pueden traducirse en reglas de actualización precisas para hallar soluciones casi óptimas en ingeniería y logística.

La trampa de las 28 000 especies: el desafío de la verdadera novedad.

A pesar del auge de estas técnicas, la comunidad científica se enfrenta a una realidad crítica: la proliferación de algoritmos que carecen de innovación real. Aunque en el mundo existen aproximadamente 28 000 especies de peces, esto no justifica la creación de 28 000 variantes algorítmicas (por ejemplo, el algoritmo del tiburón, de la trucha, etc.) que solo cambian los nombres de las variables sin aportar una mejora sustancial al motor de búsqueda.

En los últimos años, el mundo de la optimización ha experimentado una auténtica explosión de metaheurísticas. Nuevos algoritmos “inspirados en la naturaleza” están apareciendo como setas tras la lluvia. Solo en el último lustro, la comunidad científica se ha encontrado con miles de propuestas que se presentan como completamente originales.

El problema es que, en muchos casos, esas supuestas “novedades” no aportan ideas realmente nuevas. Son simplemente variantes, más o menos ingeniosas, de algoritmos ya conocidos y consolidados. Cambia el nombre, cambia la metáfora biológica o social, pero el mecanismo interno apenas difiere del de otros modelos existentes.

La situación ha llegado a tal punto que varias revistas científicas de alto impacto han decidido poner freno a esta tendencia. Muchas de ellas ya no aceptan trabajos que presenten una “nueva metaheurística” si no demuestran aportaciones metodológicas auténticas y verificables.

Esto supone una llamada a la acción para priorizar el rigor por encima de la «marca» comercial del algoritmo. Los expertos advierten sobre el peligro de la «pseudoinnovación» con fines de publicación:

No basta con bautizar un algoritmo con un nombre llamativo; tiene que resolver mejor los problemas reales.

La receta del éxito: mezcla, diversidad y paralelismo.

¿Por qué algoritmos como Cuckoo Search o el Firefly Algorithm triunfan, mientras que otros caen en el olvido? El éxito de un metaheurístico radica en su capacidad para equilibrar dos fuerzas opuestas:

  • Diversidad (búsqueda global/exploración): es la capacidad del algoritmo para explorar exhaustivamente el amplio espacio de búsqueda y evitar quedar atrapado en soluciones locales que parecen buenas, pero no lo son.
  • Mezcla (búsqueda local/explotación): es el proceso de recombinación e interacción entre soluciones que permite al algoritmo converger rápidamente hacia el punto óptimo una vez identificada una región prometedora.

Además, una ventaja competitiva de los algoritmos de inteligencia de enjambre es su facilidad de paralelización. Al basarse en múltiples agentes independientes, estos procesos pueden ejecutarse simultáneamente en hardware moderno, lo que permite optimizar problemas a gran escala en el mundo real por primera vez de forma práctica y eficiente.

Conclusión: hacia una nueva era de resolución de problemas.

Los algoritmos inspirados en la naturaleza han dejado de ser una mera curiosidad para convertirse en el estándar de oro para los problemas de alta complejidad. Es por ello que el futuro de esta disciplina no radica en buscar «más especies» que imitar, sino en profundizar en el marco matemático que permite que la diversidad y la mezcla funcionen en armonía. Solo a través de la comprensión real de estos mecanismos podremos hacer frente a los enormes desafíos de la tecnología moderna.

Al observar la elegancia con la que un enjambre encuentra su camino o un sistema físico alcanza el equilibrio, surge una pregunta inevitable: ¿existe algún límite a lo que podemos aprender sobre la eficiencia de la naturaleza o apenas estamos empezando a descifrar su código más fundamental?

En esta conversación puedes escuchar algunas de las ideas más interesantes sobre este tema.

En este vídeo se resumen algunos de los conceptos más importantes abordados.

Fister

Nature_Inspired_Optimization

Referencias:

FISTER JR, I.; YANG, X. S.; FISTER, I.; BREST, J.; FISTER, D. (2013). A brief review of nature‑inspired algorithms for optimization. arXiv preprint arXiv:1307.4186.

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

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

GARCÍA-SEGURA, T.; YEPES, V.; ALCALÁ, J.; PÉREZ-LÓPEZ, E. (2015). Hybrid harmony search for sustainable design of post-tensioned concrete box-girder pedestrian bridgesEngineering Structures, 92:112-122. DOI:10.1016/j.engstruct.2015.03.015

GARCÍA-SEGURA, T.; YEPES, V.; MARTÍ, J.V.; ALCALÁ, J. (2014). Optimization of concrete I-beams using a new hybrid glow-worm swarm algorithm. Latin American Journal of Solids and Structures, 11(7):1190 – 1205. DOI:10.1590/S1679-78252014000700007

YEPES, V.; ALCALÁ, J.; PEREA, C.; GONZÁLEZ-VIDOSA, F. (2008). A Parametric Study of Optimum Earth Retaining Walls by Simulated Annealing. Engineering Structures, 30(3): 821-830. DOI:10.1016/j.engstruct.2007.05.023

YEPES, V. (2026). Heuristic Optimization Using Simulated Annealing. In: Kulkarni, A.J., Mezura-Montes, E., Bonakdari, H. (eds) Encyclopedia of Engineering Optimization and Heuristics. Springer, Singapore. https://doi.org/10.1007/978-981-96-8165-5_48-1

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