Kriging archivos - El blog de Víctor Yepes

5 lecciones sorprendentes de la IA para construir puentes más sostenibles y económicos.

La tesis doctoral leída recientemente por Lorena Yepes Bellver se centra en la optimización del diseño de puentes de losa de hormigón pretensado para pasos elevados con el fin de mejorar la sostenibilidad económica y ambiental mediante la minimización de costes, energía incorporada y emisiones de CO₂. Con el fin de reducir la elevada carga computacional del análisis estructural, la metodología emplea un marco de optimización de dos fases asistido por modelos sustitutos, en el que se destaca el uso de Kriging y redes neuronales artificiales (RNA).

En concreto, la optimización basada en Kriging condujo a una reducción de costes del 6,54 % al disminuir significativamente el consumo de hormigón y acero activo sin comprometer la integridad estructural. Si bien las redes neuronales demostraron una mayor precisión predictiva global, el modelo Kriging resultó más eficaz para identificar los óptimos locales durante el proceso de búsqueda. El estudio concluye que las configuraciones de diseño óptimas priorizan el uso de altos coeficientes de esbeltez y suponen una reducción del hormigón y del acero activo en favor del acero pasivo, con el fin de mejorar la eficiencia energética. Finalmente, la investigación integra la toma de decisiones multicriterio (MCDM, por sus siglas en inglés) para evaluar de manera integral los diseños en función de sus objetivos económicos, estructurales y ambientales.

Cuando pensamos en la construcción de grandes infraestructuras, como los puentes, suele venirnos a la mente la imagen de proyectos masivos, increíblemente caros y con un gran impacto ambiental. Son gigantes de hormigón y acero que, aunque necesarios, parecen irrenunciablemente vinculados a un alto coste económico y ecológico.

Sin embargo, ¿y si la inteligencia artificial nos estuviera mostrando un camino para que estos gigantes de hormigón fueran más ligeros, económicos y respetuosos con el planeta? Una reciente tesis doctoral sobre la optimización de puentes está desvelando hallazgos impactantes y, en muchos casos, sorprendentes. Este artículo resume esa compleja investigación en cinco lecciones clave y a menudo sorprendentes que no solo se aplican a los puentes, sino que anuncian una nueva era en el diseño de infraestructuras.

1. La sostenibilidad cuesta mucho menos de lo que crees.

Uno de los descubrimientos más importantes de la investigación es que la idea de que la sostenibilidad siempre implica un alto sobrecoste es, en gran medida, un mito. La optimización computacional demuestra que la viabilidad económica y la reducción del impacto ambiental no son objetivos opuestos.

La tesis doctoral lo cuantifica con precisión: un modesto aumento de los costes de construcción (inferior al 1 %) puede reducir sustancialmente las emisiones de CO₂ (en más de un 2 %). Este dato es muy relevante, ya que demuestra que con un diseño inteligente asistido por modelos predictivos se puede conseguir un beneficio medioambiental significativo con una inversión mínima. La sostenibilidad y la rentabilidad pueden y deben coexistir en el diseño de las infraestructuras del futuro.

2. El secreto está en la esbeltez: cuanto más fino, más eficiente.

En el diseño de un puente, la «relación de esbeltez» es un concepto clave que define la proporción entre la altura del tablero (su grosor) y la longitud del vano principal. Tradicionalmente, podríamos pensar que «más robusto es más seguro», pero la investigación demuestra lo contrario.

El estudio identificó una relación de esbeltez óptima para minimizar el impacto ambiental. Concretamente, el estudio halló una relación de esbeltez de aproximadamente 1/30 para optimizar las emisiones de CO₂ y de aproximadamente 1/28 para optimizar la energía incorporada. Esto significa que, en lugar de construir puentes masivos por defecto, los modelos de IA demuestran que un diseño más esbelto y afinado no solo es estructuralmente sólido, sino también mucho más eficiente en el uso de materiales. Este diseño más esbelto se logra no solo usando menos material en general, sino también mediante un sorprendente reequilibrio entre los componentes clave de la estructura, como veremos a continuación.

3. El equilibrio de materiales: menos hormigón, más acero (pasivo).

Quizás uno de los descubrimientos más sorprendentes es que el diseño más sostenible no consiste simplemente en utilizar menos cantidad de todos los materiales. La solución óptima es más un reequilibrio inteligente que una simple reducción general.

La investigación revela que los diseños optimizados lograron reducir el uso de hormigón en un 14,8 % y de acero activo (el acero de pretensado que tensa la estructura) en un 11,25 %. Sin embargo, este descenso se compensa con un aumento de la armadura pasiva (el acero convencional que refuerza el hormigón). Esto resulta contraintuitivo, ya que la intuición ingenieril a menudo favorece una reducción uniforme de los materiales. Sin embargo, los modelos computacionales identifican un complejo intercambio —sacrificar un material más barato (hormigón) por otro más caro (acero pasivo)— para alcanzar un diseño globalmente óptimo en términos de coste y emisiones de CO₂, un equilibrio que sería extremadamente difícil de lograr con métodos de diseño tradicionales.

4. Precisión frente a dirección: El verdadero poder de los modelos predictivos.

Al comparar diferentes modelos de IA, como las redes neuronales artificiales y los modelos Kriging, la tesis doctoral reveló una lección fundamental sobre su verdadero propósito en ingeniería.

El estudio reveló que, si bien las redes neuronales ofrecían predicciones absolutas más precisas, el modelo Kriging era más eficaz para identificar las regiones de diseño óptimas. Esto pone de manifiesto un aspecto crucial sobre el uso de la IA en el diseño: su mayor potencial no radica en predecir un valor exacto, como si fuera una bola de cristal, sino en guiar al ingeniero hacia la «región» del diseño donde se encuentran las mejores soluciones posibles. La IA es una herramienta de exploración y dirección que permite navegar por un universo de posibilidades para encontrar de forma eficiente los diseños más prometedores.

5. La optimización va directo al bolsillo: reducción de costes superior al 6 %.

Más allá de los objetivos medioambientales, la investigación demuestra que estos modelos de IA son herramientas muy potentes para la optimización económica directa. Este descubrimiento no se refiere al equilibrio entre coste y sostenibilidad, sino a la reducción pura y dura de los costes del proyecto.

La tesis doctoral muestra que el método de optimización basado en Kriging consigue una reducción de costes del 6,54 %. Esta importante reducción se consigue principalmente minimizando el uso de materiales: un 14,8 % menos de hormigón y un 11,25 % menos de acero activo, el acero de pretensado más especializado y costoso. Esto demuestra de forma contundente que los modelos sustitutivos no solo sirven para alcanzar metas ecológicas, sino que también son una herramienta de gran impacto para la optimización económica en proyectos a gran escala.

Conclusión: Diseñando el futuro, un puente a la vez.

La inteligencia artificial y los modelos de optimización han dejado de ser conceptos abstractos para convertirse en herramientas prácticas que permiten descubrir formas novedosas y eficientes de construir la infraestructura del futuro. Los resultados de esta investigación demuestran que es posible diseñar y construir puentes que sean más económicos y sostenibles al mismo tiempo.

Estos descubrimientos no solo se aplican a los puentes, sino que abren la puerta a una nueva forma de entender la ingeniería. Si la IA puede rediseñar algo tan grande como un puente para hacerlo más sostenible, ¿qué otras grandes industrias están a punto de transformarse con un enfoque similar?

En este audio podéis escuchar una conversación sobre este tema.

Este vídeo resume las ideas principales.

Aquí tenéis un documento resumen de las ideas básicas.

Pincha aquí para descargar

Referencias:

YEPES-BELLVER, L.; ALCALÁ, J.; YEPES, V. (2025). Predictive modeling for carbon footprint optimization of prestressed road flyovers. Applied Sciences, 15(17), 9591. DOI:10.3390/app15179591

VILLALBA, P.; SÁNCHEZ-GARRIDO, A.; YEPES-BELLVER, L.; YEPES, V. (2025). A Hybrid Fuzzy DEMATEL–DANP–TOPSIS Framework for Life Cycle-Based Sustainable Retrofit Decision-Making in Seismic RC Structures. Mathematics, 13(16), 2649. DOI:10.3390/math13162649

ZHOU, Z.; WANG, Y.J.; YEPES-BELLVER, L.; ALCALÁ, J.; YEPES, V. (2025). Intelligent monitoring of loess landslides and research on multi-factor coupling damage. Geomechanics for Energy and the Environment, 42:100692. DOI:10.1016/j.gete.2025.100692

ZHOU, Z.; YEPES-BELLVER, L.; ALCALÁ, J.; YEPES, V. (2025). Study on the failure mechanism of deep foundation pit of high-rise building: comprehensive test and microstructure coupling. Buildings, 15(8), 1270. DOI:10.3390/buildings15081270

YEPES-BELLVER, L.; BRUN-IZQUIERDO, A.; ALCALÁ, J.; YEPES, V. (2025). Surrogate-assisted cost optimization for post-tensioned concrete slab bridges. Infrastructures, 10(2): 43. DOI:10.3390/infrastructures10020043.

BLIGHT, T.; MARTÍNEZ-PAGÁN, P.; ROSCHIER, L.; BOULET, D.; YEPES-BELLVER, L.; YEPES, V. (2025). Innovative approach of nomography application into an engineering educational context. Plos One, 20(2): e0315426. DOI:10.1371/journal.pone.0315426

NAVARRO, I.J.; VILLALBA, I.; YEPES-BELLVER, L.; ALCALÁ, J. Social Life Cycle Assessment of Railway Track Substructure Alternatives. J. Clean. Prod. 2024, 450, 142008.

YEPES-BELLVER, L.; BRUN-IZQUIERDO, A.; ALCALÁ, J.; YEPES, V. (2024). Artificial neural network and Kriging surrogate model for embodied energy optimization of prestressed slab bridges. Sustainability, 16(19), 8450. DOI:10.3390/su16198450

YEPES-BELLVER, L.; BRUN-IZQUIERDO, A.; ALCALÁ, J.; YEPES, V. (2023). Embodied energy optimization of prestressed concrete road flyovers by a two-phase Kriging surrogate model. Materials, 16(20); 6767. DOI:10.3390/ma16206767

YEPES-BELLVER, L.; BRUN-IZQUIERDO, A.; ALCALÁ, J.; YEPES, V. (2022). CO₂-optimization of post-tensioned concrete slab-bridge decks using surrogate modeling. Materials, 15(14):4776. DOI:10.3390/ma15144776

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

5 lecciones sorprendentes de ingeniería avanzada para construir puentes más sostenibles y económicos

Cuando pensamos en la construcción de grandes infraestructuras, como los puentes, a menudo nos viene a la mente una imagen de fuerza bruta: toneladas de hormigón y acero ensambladas con una precisión monumental. Se trata de una proeza de la ingeniería física, un testimonio de la capacidad humana para dominar los materiales y la geografía.

Sin embargo, detrás de esta fachada de poderío industrial se está produciendo una revolución silenciosa. La inteligencia artificial y los modelos computacionales avanzados, que pueden ejecutar el equivalente a décadas de diseño y pruebas de ingeniería en cuestión de horas, están redefiniendo las reglas del juego. Lejos de ser un mero ejercicio teórico, estas herramientas permiten a los ingenieros diseñar puentes que son no solo más resistentes, sino también sorprendentemente más económicos y respetuosos con el medio ambiente.

Las lecciones que siguen se basan en los hallazgos de una tesis doctoral, defendida por la profesora Lorena Yepes Bellver, innovadora en la optimización de puentes. La tesis obtuvo la máxima calificación de sobresaliente «cum laude». Las lecciones demuestran que el futuro de la construcción no radica únicamente en nuevos materiales milagrosos, sino en la aplicación de una inteligencia que permita aprovechar los ya existentes de forma mucho más eficiente.

De izquierda a derecha: Julián Alcalá, Salvador Ivorra, Lorena Yepes, Tatiana García y Antonio Tomás.

1. El pequeño coste de un gran impacto ecológico: pagar un 1 % más para emitir un 2 % menos de CO₂.

Uno de los principales obstáculos para la adopción de prácticas sostenibles ha sido siempre la creencia de que «ser verde» es significativamente más caro. Sin embargo, la investigación en optimización de puentes revela una realidad mucho más alentadora. Gracias a los diseños perfeccionados mediante metamodelos, es posible lograr reducciones significativas de la huella de carbono con un impacto económico mínimo.

El dato clave del estudio es contundente: «Un modesto aumento de los costes de construcción (menos del 1 %) puede reducir sustancialmente las emisiones de CO₂ (más del 2 %)». Este hallazgo demuestra que la sostenibilidad no tiene por qué ser un lujo, sino el resultado de una ingeniería más inteligente.

«Esto demuestra que el diseño de puentes sostenibles puede ser económicamente viable».

Esta lección es fundamental, ya que pone fin a una falsa dicotomía entre la economía y la ecología. Demuestra que no es necesario elegir entre un puente asequible y otro respetuoso con el medio ambiente. Gracias a las decisiones de diseño inteligentes, guiadas por la optimización avanzada, es posible alcanzar ambos objetivos simultáneamente, de modo que la sostenibilidad se convierte en una ventaja competitiva y no en una carga.

2. La paradoja de los materiales: añadir más componentes para reducir el consumo global.

La lógica convencional nos diría que, para construir de forma más sostenible, el objetivo debería ser reducir la cantidad total de materiales utilizados. Menos hormigón, menos acero, menos de todo. Sin embargo, uno de los hallazgos más sorprendentes de la tesis es una paradoja que desafía esta idea tan simple.

El diseño óptimo y más sostenible aumenta, de hecho, la cantidad de uno de sus componentes: la armadura pasiva (el acero de refuerzo convencional). A primera vista, esto parece contradictorio: ¿cómo puede ser más ecológico añadir más material?

La explicación se debe a un enfoque sistémico. Este aumento estratégico y calculado del refuerzo pasivo permite reducir considerablemente el consumo de otros dos materiales clave: el hormigón y la armadura activa (el acero de pretensado). La producción de estos materiales, especialmente la del cemento y del acero de alta resistencia, es intensiva en energía y, por tanto, genera numerosas emisiones de CO₂. En esencia, se sacrifica una pequeña cantidad de un material de menor impacto para ahorrar una cantidad mucho mayor de materiales de alto impacto.

Este enfoque, que podría describirse como «sacrificar una pieza para ganar el juego», es un ejemplo perfecto de cómo la optimización avanzada supera las reglas simplistas de reducción. En lugar de aplicar un recorte general, se analiza el sistema en su conjunto y se determina el equilibrio más eficiente. Este equilibrio inteligente de materiales solo es posible si se afina otro factor clave: la geometría de la estructura.

Retos en la optimización de puentes con metamodelos

3. Más esbelto es mejor: el secreto de la «delgadez» estructural para la sostenibilidad.

En el ámbito de la ingeniería de puentes, el concepto de «esbeltez» es fundamental. En términos sencillos, se refiere a la relación entre el canto de la losa y la luz que debe cubrir. Una mayor esbeltez implica un diseño estructural, en palabras comunes, más «delgado» o «fino».

La investigación revela un hallazgo crucial: los diseños que son óptimos tanto en términos de emisiones de CO₂ como de energía incorporada se logran con relaciones de esbeltez altas, concretamente de entre 1/30 y 1/28. En otras palabras, los puentes más sostenibles son también los más delgados y se complementan con hormigones óptimos situados entre 35 y 40 MPa de resistencia característica.

¿Por qué es esto tan beneficioso? Un diseño más esbelto requiere, inherentemente, una menor cantidad de materiales, principalmente de hormigón. Lo realmente notable es cómo se consigue. Los métodos tradicionales suelen basarse en reglas generales y márgenes de seguridad amplios, mientras que la optimización computacional permite a los ingenieros explorar miles, e incluso millones, de variaciones para acercarse al límite físico de la eficiencia sin sacrificar la seguridad. El resultado es una elegancia estructural casi contraintuitiva: puentes que alcanzan su fuerza no a través de la masa bruta, sino mediante una delgadez inteligentemente calculada, donde la sostenibilidad es una consecuencia natural de la eficiencia.

4. La optimización inteligente genera ahorros reales: una reducción de costes de hasta un 6,5 %.

Más allá de los beneficios medioambientales, la aplicación de estas técnicas de optimización tiene un impacto económico directo y medible. El diseño de infraestructuras deja de ser un arte basado únicamente en la experiencia para convertirse en una ciencia precisa que busca la máxima eficiencia económica.

El resultado principal del estudio sobre la optimización de costes es claro: el uso de modelos sustitutos (metamodelos Kriging) guiados por algoritmos heurísticos, como el recocido simulado, logró una reducción de costes del 6,54 % en comparación con un diseño de referencia.

Estos ahorros no son teóricos, sino que provienen directamente de la reducción de materiales. En concreto, se consiguió una disminución del 14,8 % en el uso de hormigón y del 11,25 % en el acero activo (pretensado). Es crucial destacar que estas reducciones se consiguieron sin afectar a la integridad estructural ni a la capacidad de servicio del puente. No se trata de sacrificar la calidad por el precio, sino de diseñar de manera más inteligente. Esta metodología convierte la optimización del diseño en una tarea académica en una herramienta práctica y altamente eficaz para la gestión económica de grandes proyectos de ingeniería civil.

5. No todos los cerebros artificiales piensan igual; la clave está en elegir el modelo computacional adecuado.

Una de las lecciones más importantes de esta investigación es que no basta con aplicar «inteligencia artificial» de forma genérica. El éxito de la optimización depende de elegir la herramienta computacional adecuada para cada tarea específica.

La tesis comparó dos potentes metamodelos: las redes neuronales artificiales (RNA) y los modelos de Kriging. Se descubrió una diferencia crucial en su rendimiento: si bien las RNA ofrecían predicciones absolutas más precisas sobre el comportamiento de un diseño concreto, el modelo de Kriging demostró ser mucho más eficaz para identificar los «óptimos locales», es decir, las zonas del mapa de diseño donde se encontraban las mejores soluciones.

Esto revela una capa más profunda de la optimización inteligente. Un modelo puede ser excelente para predecir un resultado (RNA), mientras que otro es más eficaz para guiar la búsqueda del mejor resultado posible (Kriging). No se trata solo de utilizar IA, sino de comprender qué «tipo de pensamiento» artificial es el más adecuado para cada fase del problema: predecir frente a optimizar. La verdadera maestría de la ingeniería moderna consiste en saber elegir las herramientas adecuadas para cada fase del problema.

Conclusión: la nueva frontera del diseño de infraestructuras.

La construcción de nuestras infraestructuras entra en una nueva era. La combinación de la ingeniería estructural clásica con el poder de los modelos computacionales avanzados, como el metamodelado Kriging y las redes neuronales artificiales, está abriendo una nueva frontera en la que la eficiencia y la sostenibilidad no son objetivos opcionales, sino resultados intrínsecos de un buen diseño.

Como hemos visto, los grandes avances no siempre provienen de materiales revolucionarios. A menudo, los «secretos» mejor guardados residen en la optimización inteligente de los diseños y materiales que ya conocemos. Obtener un mayor beneficio ecológico pagando menos, utilizar estratégicamente más de un material para reducir el consumo global o diseñar estructuras más esbeltas y elegantes son lecciones que van más allá de la construcción de puentes.

Nos dejan con una pregunta final que invita a la reflexión: si podemos lograr esto con los puentes, ¿qué otras áreas de la construcción y la industria están esperando a ser reinventadas por el poder de la optimización inteligente?

Os dejo un audio en el que se discuten las ideas de la tesis doctoral. Espero que os guste.

Y en este vídeo, tenemos resumidas las ideas principales de esta tesis.

Referencias:

YEPES-BELLVER, L.; ALCALÁ, J.; YEPES, V. (2025). Predictive modeling for carbon footprint optimization of prestressed road flyovers. Applied Sciences, 15(17), 9591. DOI:10.3390/app15179591

NAVARRO, I.J.; VILLALBA, I.; YEPES-BELLVER, L.; ALCALÁ, J. Social Life Cycle Assessment of Railway Track Substructure Alternatives. J. Clean. Prod. 2024, 450, 142008.

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

Comunicaciones presentadas al 29th International Congress on Project Management and Engineering AEIPRO 2025

Durante los días 16 y 17 de julio de 2025 tiene lugar en Ferrol (Spain) el 29th International Congress on Project Management and Engineering AEIPRO 2025. Es una buena oportunidad para debatir y conocer propuestas sobre dirección e ingeniería de proyectos. Nuestro grupo de investigación, dentro del proyecto de investigación RESILIFE, presenta varias comunicaciones. A continuación os paso los resúmenes.

YEPES-BELLVER, L.; ALCALÁ, J.; YEPES, V. (2025). Optimización multiobjetivo de puentes de losa pretensada mediante el enfoque CRITIC-MCDM. 29th International Congress on Project Management and Engineering, AEIPRO, 16-17 de julio, Ferrol (Spain).

El trabajo establece una metodología para seleccionar el mejor diseño de un puente de losa pretensada, aplicando el método CRITIC de toma de decisiones multicriterio a un conjunto de soluciones establecidas mediante un muestreo por hipercubo latino que incluye los óptimos de cada función objetivo. Las funciones objetivo son el coste, las emisiones de CO₂ y la energía necesaria para construir una losa aligerada como paso superior. Esta metodología permite establecer una métrica sobre la que representar una superficie de respuesta que identifique las zonas donde las variables de diseño permiten reducir las tres funciones objetivo. Además, se analiza el método CRITIC aplicado a la frontera de Pareto de las soluciones y se estudia la robustez de la mejor opción en función de su distancia al punto ideal mediante tres métricas de Minkowski. Los resultados obtenidos indican la consistencia en la selección de la mejor solución.

YEPES-BELLVER, L.; MARTÍNEZ-PAGÁN, P.; YEPES, V. (2025). Nomogramas para el predimensionamiento económico de muros de retención de tierras. 29th International Congress on Project Management and Engineering, AEIPRO, 16-17 de julio, Ferrol (Spain).

Este trabajo presenta el desarrollo de una serie de nomogramas para el predimensionamiento económico de muros de retención de tierra con hormigón armado, empleados en la construcción de carreteras. Se propone un enfoque innovador para simplificar el proceso de diseño de estas estructuras, considerando una optimización económica que integra variables de geometría, materiales y refuerzo. Se incluyen alturas variables (de 4 a 10 m), teniendo en cuenta distintas condiciones de relleno y capacidad de soporte del terreno. Los resultados obtenidos proporcionan expresiones promedio que permiten calcular de manera práctica el coste total, el volumen de hormigón y acero, y las dimensiones geométricas de los muros. De este modo, se proporciona un marco de referencia útil para el diseño económico y eficiente de estos elementos estructurales en proyectos viales.

Os paso el vídeo promocional del Congreso.

Aportaciones al Congreso sobre Optimización de Estructuras HPSM/OPTI 2025, Edimburgo (Reino Unido)

Los días 10 a 12 de junio de 2025 se celebró en Edimburgo (Reino Unido) uno de los congresos más importantes sobre optimización de estructuras: “12th International Conference on High Performance and Optimum Design of Structures and Materials, HPSM/OPTI 2025“. He participado en dicho congreso tanto en su Comité Científico como Invited Speaker.

Este trabajo se enmarca dentro del proyecto de investigación RESILIFE, que dirijo como investigador principal, junto con el profesor Julián Alcalá, en la Universitat Politècnica de València. Además, es uno de los resultados de la tesis doctoral de Lorena Yepes.

En cuanto la comunicación esté publicada en el libro de ponencias, os pasaré el enlace para su descarga gratuita. A continuación os paso el resumen de la comunicación presentada.

El artículo «Multi-Attribute Decision-Making in Prestressed Concrete Road Flyover Design», propone una innovadora metodología para optimizar el diseño de puentes de hormigón pretensado teniendo en cuenta simultáneamente tres criterios clave: el coste económico, las emisiones de CO₂ y la energía incorporada en los materiales. Su objetivo es encontrar soluciones de compromiso que equilibren sostenibilidad y eficiencia estructural.

Aportaciones principales del estudio

Este trabajo aporta un enfoque sistemático y práctico para integrar criterios medioambientales y económicos en el diseño de pasos elevados. Frente a las metodologías tradicionales que suelen priorizar únicamente el coste, los autores aplican técnicas de toma de decisiones multicriterio para considerar también el impacto ambiental desde el inicio del proceso proyectual. Además, ofrecen pautas concretas para diseños preliminares que buscan un equilibrio entre coste, emisiones y consumo energético.

Metodología empleada

La investigación se basa en técnicas avanzadas de optimización y modelado. En primer lugar, se utilizaron 50 soluciones iniciales de diseño generadas mediante un muestreo estadístico conocido como Latin Hypercube Sampling, que explora diferentes combinaciones de parámetros como la resistencia del hormigón, la anchura de la base y la profundidad del tablero.

A continuación, se aplicó un modelo de sustitución de tipo Kriging, capaz de estimar con gran precisión los resultados estructurales sin necesidad de cálculos exhaustivos para cada diseño. Esto permitió ampliar el análisis a 1.000 soluciones adicionales simuladas.

Con todas las alternativas sobre la mesa, se extrajo la “frontera de Pareto”, un conjunto de soluciones no dominadas que representan los mejores compromisos posibles entre los tres objetivos. Finalmente, se aplicaron distintos escenarios de toma de decisiones multiatributo, asignando diferentes pesos a cada criterio, para seleccionar los diseños más equilibrados.

Resultados más relevantes

El análisis reveló que los diseños más sostenibles tienen características comunes: una relación entre canto del tablero y luz principal cercana a 1/30 y una resistencia del hormigón de 40 MPa. Estas configuraciones permiten reducir tanto el consumo de materiales como las emisiones sin comprometer la viabilidad estructural.

Dependiendo del peso asignado a cada criterio (coste, emisiones, energía), se identificaron varias soluciones óptimas, destacando especialmente dos (denominadas #6 y #13) por su buen rendimiento integral. Curiosamente, priorizar solo el coste lleva a soluciones con mayor canto, mientras que priorizar el medio ambiente genera estructuras más esbeltas y materialmente eficientes.

Conclusiones y recomendaciones

El estudio concluye que aplicar técnicas de decisión multicriterio en la ingeniería civil permite diseñar infraestructuras más sostenibles y racionales, sin sacrificar funcionalidad ni economía. Se recomienda considerar desde fases tempranas del diseño variables ambientales clave como las emisiones o la energía embebida, además de los costes.

Asimismo, los autores sugieren incorporar la participación de los diferentes agentes implicados (ingenieros, administraciones, ciudadanía) para lograr soluciones más equilibradas y duraderas.

Este trabajo representa un avance hacia una práctica de la ingeniería más alineada con los Objetivos de Desarrollo Sostenible, y especialmente con el ODS 9, que promueve infraestructuras resilientes, sostenibles e innovadoras.

Referencia:

YEPES-BELLVER, L.; ALCALÁ, J.; YEPES, V. (2025). Multi-attribute decision-making in prestressed concrete road flyover design. International Conference on High Performance and Optimum Design of Structures and Materials, HPSM/OPTI 2025, 10-12 June 2025, Edinburgh, UK.

Tesis doctoral: Optimización multicriterio para el diseño sostenible de puentes postesados mediante metamodelos

Hoy, 6 de junio de 2025, ha tenido lugar la defensa de la tesis doctoral de Dª. Lorena Yepes Bellver, titulada “Multi-criteria optimization for sustainable design of post-tensioned concrete slab bridges using metamodels”, dirigida por el profesor Julián Alcalá González. La tesis ha obtenido la máxima calificación de sobresaliente «cum laude». A continuación, presentamos un pequeño resumen de la misma.

Esta tesis utiliza técnicas de modelización sustitutiva para optimizar los costes económicos y medioambientales en puentes losa de hormigón postesado hormigonado in situ. El objetivo principal de esta investigación es desarrollar una metodología sistemática que permita optimizar el diseño de puentes, reduciendo los costes, las emisiones de CO₂ y la energía necesaria para construir este tipo de puentes sin comprometer la viabilidad estructural o económica. El marco de optimización propuesto consta de dos fases secuenciales: la primera se centra en ampliar el espacio de búsqueda y la segunda intensifica la búsqueda de soluciones óptimas. El metamodelo basado en Kriging realiza una optimización heurística que da como resultado un diseño con emisiones de CO₂ significativamente menores que los diseños convencionales. El estudio revela que una relación de esbeltez de aproximadamente 1/30 arroja resultados óptimos, ya que se reduce el consumo de material y se mantiene la integridad estructural. Además, el aumento de la armadura pasiva compensa la reducción de hormigón y armadura activa, lo que da como resultado un diseño más sostenible. Por otra parte, se identifica una compensación entre costes y emisiones que muestra que un modesto aumento de los costes de construcción (menos del 1 %) puede reducir sustancialmente las emisiones de CO₂ (más del 2 %), lo que demuestra que el diseño de puentes sostenibles puede ser económicamente viable.

La investigación explora más a fondo la optimización de la energía incorporada en la construcción de pasos elevados de carreteras anuladas mediante el uso de muestreo por hipercubo latino y optimización basada en Kriging. La metodología permite identificar los parámetros críticos de diseño, como los altos coeficientes de esbeltez (en torno a 1/28), el uso mínimo de hormigón y armadura activa, y el aumento de la armadura pasiva para mejorar la eficiencia energética. Aunque en el estudio se emplearon Kriging y redes neuronales artificiales (RNA), Kriging demostró ser más eficaz a la hora de identificar óptimos locales, a pesar de que las redes neuronales ofrecen predicciones absolutas más precisas. Esto pone de manifiesto la eficacia de los modelos sustitutos a la hora de orientar las decisiones de diseño sostenible, incluso cuando los modelos no ofrecen predicciones absolutas perfectamente exactas.

En el contexto de la optimización de costes para puentes de losa postesada, el estudio demuestra el potencial del modelado sustitutivo combinado con la simulación del recocido. Los resultados muestran que el método de optimización basado en Kriging conduce a una reducción de costes del 6,54 %, principalmente mediante la minimización del uso de materiales, concretamente de hormigón en un 14,8 % y de acero activo en un 11,25 %. Estas reducciones en el consumo de material se consiguen manteniendo la integridad estructural y la capacidad de servicio del puente, lo que convierte al modelado sustitutivo en una herramienta práctica y eficaz para la optimización económica en el diseño de puentes.

El estudio también evalúa la forma de optimizar las emisiones de CO₂ en pasos elevados de carreteras pretensadas. Se identifican los parámetros óptimos de diseño, como grados de hormigón entre C-35 y C-40 MPa, profundidades del tablero entre 1,10 y 1,30 m, y anchuras de base entre 3,20 y 3,80 m. La red neuronal mostró las predicciones más precisas entre los modelos predictivos analizados, con los errores medios absolutos (MAE) y cuadrados medios (RMSE) más bajos. Estos resultados subrayan la importancia de seleccionar el modelo predictivo adecuado para optimizar las emisiones de CO₂ en el diseño de puentes y destacan el valor de utilizar modelos sustitutivos para mejorar la sostenibilidad en los proyectos de ingeniería civil.

Por último, la investigación integra la toma de decisiones multicriterio (MCDM) con la optimización basada en Kriging para evaluar y optimizar los diseños de puentes en relación con objetivos económicos, medioambientales y estructurales. El enfoque MCDM permite evaluar de manera más exhaustiva las alternativas de diseño al tener en cuenta las compensaciones entre coste, impacto ambiental y rendimiento estructural. Esta integración contribuye al desarrollo sostenible de las infraestructuras, ya que facilita la selección de diseños óptimos que se ajusten a los objetivos de sostenibilidad.

En conclusión, esta tesis demuestra que el modelado sustitutivo, que utiliza explícitamente el Kriging y redes neuronales artificiales, es un enfoque práctico para optimizar las dimensiones medioambiental y económica del diseño de puentes. El marco de optimización en dos fases que aquí se presenta proporciona una metodología eficiente desde el punto de vista computacional que permite identificar soluciones de diseño óptimas y sostenibles que cumplen las restricciones estructurales y económicas. Los resultados sugieren que la metodología es aplicable a proyectos de infraestructuras a gran escala y sentarán las bases para futuras investigaciones. Futuros estudios podrían investigar el uso de algoritmos y modelos de optimización adicionales para perfeccionar aún más el proceso de optimización y mejorar la aplicabilidad de estas metodologías en proyectos reales.

Referencias:

YEPES-BELLVER, L.; ALCALÁ, J.; YEPES, V. (2025). Predictive modeling for carbon footprint optimization of prestressed road flyovers. Applied Sciences, 15(17), 9591. DOI:10.3390/app15179591

NAVARRO, I.J.; VILLALBA, I.; YEPES-BELLVER, L.; ALCALÁ, J. Social Life Cycle Assessment of Railway Track Substructure Alternatives. J. Clean. Prod. 2024, 450, 142008.

Modelos subrogados para optimizar el coste de pasos superiores pretensados

Acaban de publicar nuestro artículo en la revista Infrastructures, indexada en el JCR. El estudio presenta una metodología de optimización de costes para puentes losa aligerados postesados mediante metamodelos, en la que se destaca la aplicación del modelo Kriging en combinación con algoritmos heurísticos.

Este trabajo se enmarca dentro del proyecto de investigación RESILIFE, que dirijo como investigador principal, junto con el profesor Julián Alcalá, en la Universitat Politècnica de València. A continuación, explicamos brevemente el contenido del artículo que podéis descargar gratuitamente.

La investigación se centra en un puente de tres vanos con luces de 24, 34 y 28 m, y optimiza el diseño estructural para reducir costes sin comprometer los criterios de servicio y seguridad. Se identifica una reducción del 6,54 % en los costes en comparación con enfoques tradicionales, lograda principalmente mediante la disminución del uso de hormigón en un 14,8 % y del pretensado en un 11,25 %.

El trabajo también evalúa distintas técnicas predictivas, como redes neuronales y funciones de base radial, y determina que las redes neuronales presentan el menor error de predicción, aunque requieren varias ejecuciones para garantizar estabilidad. En contraste, el modelo Kriging permite identificar óptimos locales con alta precisión. La metodología propuesta proporciona una estrategia eficiente para la toma de decisiones en ingeniería estructural, que promueve diseños de puentes más rentables sin comprometer el rendimiento estructural.

Figura. Paso superior en la autovía A-7, en Cocentaina (Alicante)

Los resultados indican que la optimización mediante modelos subrogados permite reducir significativamente los costes de diseño de pasos superiores pretensados. La estrategia adoptada optimiza variables como la profundidad de la losa, la geometría de la base y la resistencia del hormigón, y respeta las restricciones impuestas por los estados límite de servicio, que son los últimos según el Eurocódigo 2. Se observa que la metodología basada en kriging y la optimización heurística proporciona resultados prácticos con menor esfuerzo computacional en comparación con la optimización directa de todas las variables estructurales.

El modelo Kriging optimizado mediante Simulated Annealing identificó una configuración de losa con una profundidad de 1,30 m y una base de 3,15 m como la solución más rentable. Esta configuración se corrobora mediante la predicción de redes neuronales, lo que muestra coherencia en la localización del óptimo. En comparación con estudios previos, los resultados indican que la metodología utilizada en este trabajo permite obtener ahorros significativos sin necesidad de analizar exhaustivamente cada alternativa estructural.

A partir de los hallazgos obtenidos, se sugiere explorar la integración de métodos de optimización multiobjetivo que tengan en cuenta no solo el coste, sino también el impacto ambiental y los costes de mantenimiento a lo largo del ciclo de vida del puente. La inclusión de criterios de sostenibilidad podría mejorar la eficiencia global del diseño estructural y su capacidad de adaptación a normativas futuras.

Otra línea de investigación relevante consiste en aplicar modelos subrogados en el diseño de otros tipos de estructuras, como puentes de vigas o marcos de hormigón armado, para evaluar su viabilidad en distintas configuraciones estructurales. Además, el desarrollo de modelos predictivos más sofisticados, que integren aprendizaje automático y simulaciones de alta fidelidad, podría optimizar aún más los diseños propuestos.

Por último, se recomienda estudiar el impacto de la variabilidad de los materiales y las condiciones de carga en la optimización del diseño. La incorporación de análisis probabilísticos mejoraría la fiabilidad de las soluciones obtenidas, ya que se obtendrían diseños estructurales más robustos y seguros.

Referencia:

Pincha aquí para descargar

Técnica innovadora optimiza estructuras de hormigón y reduce emisiones de CO₂ al considerar la interacción suelo-estructura

El artículo científico, titulado «Metamodel-assisted meta-heuristic design optimization of reinforced concrete frame structures considering soil-structure interaction» y publicado recientemente en Engineering Structures, una de las revistas de mayor impacto en ingeniería civil, aborda un desafío clave en la ingeniería estructural: cómo optimizar el diseño de estructuras de hormigón armado para minimizar su impacto ambiental, con especial atención a la reducción de las emisiones de CO₂.

Esta investigación es el resultado de una colaboración internacional realizada en el marco de los proyectos HYDELIFE y RESILIFE, cuyo investigador principal es Víctor Yepes, y es fruto de una colaboración internacional entre investigadores de Cuba, Brasil y España.

Contexto de la investigación

La optimización estructural ha sido ampliamente explorada en las últimas décadas debido a la creciente necesidad de reducir los costes de construcción y el uso de materiales, todo ello mientras se minimiza el impacto ambiental. En el caso de las estructuras de hormigón armado, que son esenciales en la construcción de edificios y obras de infraestructura, optimizar su diseño conlleva implicaciones significativas en cuanto al ahorro de recursos y la reducción de las emisiones de CO₂.

Los problemas de optimización estructural pueden resolverse mediante métodos exactos, como la programación matemática, o mediante métodos heurísticos que imitan procesos naturales (como la evolución genética o el comportamiento de enjambres). Aunque los métodos heurísticos son más eficientes para problemas complejos y no lineales, como los que involucran grandes estructuras tridimensionales, requieren un alto coste computacional. Para abordar este problema, los autores proponen el uso de metamodelos, que son modelos simplificados que permiten realizar simulaciones con un consumo computacional mucho menor sin sacrificar demasiada precisión. En este estudio, se utiliza un metamodelo basado en Kriging, una técnica que permite aproximar el comportamiento de estructuras complejas.

Además, el estudio introduce una novedad crucial: la inclusión de la interacción suelo-estructura (SSI, por sus siglas en inglés) durante el modelado. Esta interacción, que muchas veces se ignora en los modelos tradicionales, afecta significativamente al comportamiento de la superestructura (el marco de hormigón). Ignorarla puede dar lugar a diseños menos precisos que no tienen en cuenta los asentamientos diferenciales del suelo, lo que puede provocar tensiones adicionales y un mayor deterioro de las estructuras con el tiempo.

Metodología

La investigación emplea un enfoque combinado de optimización heurística convencional y una estrategia basada en Kriging para optimizar marcos espaciales de hormigón armado. El objetivo es reducir las emisiones de CO₂ de las estructuras optimizadas, en línea con los esfuerzos para disminuir el impacto ambiental del sector de la construcción. El estudio incluye tres estudios de caso, cada uno con diferentes configuraciones estructurales (variando la longitud de los vanos y el número de niveles de las estructuras) para generalizar los resultados.

El elemento clave en esta investigación es la inclusión de la interacción suelo-estructura, que afecta al comportamiento global del sistema. Los autores utilizan un modelo de Winkler, que representa el suelo como un conjunto de resortes con rigidez variable en función de las características del suelo, y lo implementan en dos tipos de suelos: uno cohesivo y otro granular. Esta diferenciación es importante porque cada tipo de suelo responde de manera distinta a las cargas, lo que provoca asentamientos que, en última instancia, influyen en las tensiones de la superestructura. La plataforma CSi-SAP2000 se utilizó como motor de cálculo, mientras que el análisis geotécnico y estructural se integró mediante MATLAB.

Resultados

Uno de los hallazgos más destacados del estudio es que la inclusión de la interacción suelo-estructura modifica significativamente los diseños estructurales. En general, las estructuras diseñadas teniendo en cuenta la interacción suelo-estructura requieren más material (mayores cantidades de hormigón y acero), lo que refleja el aumento de tensiones debido a los asentamientos diferenciales. Por ejemplo, en comparación con un modelo con soportes rígidos ideales, las estructuras que consideran la inclusión de la interacción suelo-estructura muestran un aumento del 12,03 % en las emisiones de CO₂ en suelos cohesivos y hasta un 18,81 % en suelos friccionales.

Los elementos estructurales más afectados por la interacción suelo-estructura son las columnas. Esto se debe a que los asentamientos diferenciales incrementan los momentos flectores en las columnas, lo que requiere un refuerzo adicional y secciones más grandes para resistir las nuevas tensiones. En algunos casos, las emisiones de CO₂ asociadas a las columnas aumentaron más del 60 % al considerar la interacción con el suelo. Los resultados son especialmente marcados en suelos granulares, donde los asentamientos diferenciales son más pronunciados.

Además, la metodología basada en metamodelos, asistida por la técnica de Kriging, demostró ser eficaz para lograr optimizaciones con un alto grado de precisión (hasta un 98,24 % en suelos cohesivos y un 98,10 % en suelos granulares), todo ello reduciendo el tiempo de cálculo en aproximadamente un 90 % en comparación con los métodos heurísticos convencionales.

Implicaciones

Este estudio tiene importantes implicaciones prácticas para el diseño de estructuras de hormigón armado. La inclusión de la interacción suelo-estructura permite obtener diseños más robustos y precisos, lo que reduce el riesgo de fallos prematuros y la necesidad de costosos trabajos de mantenimiento a largo plazo. Los modelos que no tienen en cuenta la interacción suelo-estructura pueden dar como resultado estructuras que inicialmente parecen eficientes, pero que con el tiempo se deterioran más rápidamente debido a las tensiones adicionales no previstas. Por tanto, incluir esta interacción desde el inicio del diseño mejora significativamente la durabilidad y la fiabilidad de las estructuras.

Desde el punto de vista ambiental, el uso de metamodelos para optimizar estructuras de hormigón supone un importante avance. Al reducir el material necesario y mejorar la eficiencia estructural, se contribuye a la reducción de las emisiones de CO₂, un objetivo clave en la lucha contra el cambio climático. Además, la metodología propuesta ofrece un enfoque más sostenible al disminuir los recursos computacionales necesarios para realizar simulaciones complejas.

En conclusión, la inclusión de la interacción suelo-estructura y el uso de metamodelos basados en Kriging suponen una contribución innovadora al campo de la ingeniería estructural. Esta investigación no solo proporciona mejores resultados de diseño, sino que también tiene el potencial de reducir el impacto ambiental de las estructuras de hormigón armado, lo que hace que el sector de la construcción sea más sostenible y eficiente.

Referencia:

NEGRÍN, I.; KRIPKA, M.; YEPES, V. (2023). Metamodel-assisted meta-heuristic design optimization of reinforced concrete frame structures considering soil-structure interaction. Engineering Structures, 293:116657. DOI:10.1016/j.engstruct.2023.116657

Redes neuronales y metamodelos Kriging para la optimización de la energía en puentes losa pretensados

Acaban de publicarnos un artículo en la revista Sustainability, revista indexada en el JCR. El artículo evalúa la eficacia de las redes neuronales artificiales y los modelos sustitutos de Kriging para optimizar la energía incorporada de los puentes de losas pretensadas, y proporciona recomendaciones prácticas para mejorar el diseño y la sostenibilidad.

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

A continuación se recoge un resumen sintético del trabajo.

Introducción

La industria de la construcción contribuye significativamente al consumo mundial de energía y a las emisiones de gases de efecto invernadero, lo que suscita un interés creciente en mejorar las prácticas de sostenibilidad.
El hormigón pretensado destaca por sus ventajas, que incluyen la durabilidad, la reducción del mantenimiento y la rapidez de construcción, a pesar de los costes iniciales más altos en comparación con los métodos tradicionales.
Las investigaciones indican que existe una brecha en la optimización de la energía incorporada en los puentes de losas de hormigón, lo que exige una mayor exploración y metodologías innovadoras, como el Kriging y las redes neuronales artificiales, para optimizar su diseño de manera efectiva.

Descripción de la cubierta del puente de losa aligerada

Los diseñadores suelen utilizar una relación canto/luz de 1/25 para las losas de carreteras con el fin de garantizar su integridad estructural. Los diseños de losas aligeradas ofrecen ventajas en cuanto a rigidez a la flexión y adaptabilidad.
El estudio se centra en una configuración de losas aligeradas pretensadas adecuada para los pasos superiores, con el objetivo de mejorar la eficiencia del diseño y el rendimiento estructural.
La teoría del estado límite se emplea para verificar la resistencia estructural mediante el uso de software avanzado para el modelado tridimensional y el análisis de cargas.

Figura 2. Imagen aérea de la estructura, situada en Cocentaina (Alicante). Imagen: Google Maps.

Metodología

El estudio analiza varios materiales, incluidos tipos específicos de acero y calidades de hormigón, para optimizar el diseño del puente de losa aligerada.
Se utilizan dos metamodelos predictivos, Kriging y las redes neuronales, con el fin de optimizar el diseño propuesto del puente de losas.
La metodología incluye una fase de diversificación para la optimización inicial y una fase de intensificación para refinar los resultados, midiendo los errores de predicción mediante el error cuadrático medio (RMSE).

Metamodelo Kriging

Kriging se emplea para estimar las necesidades de energía del puente de losas, utilizando un enfoque determinista que proporciona respuestas consistentes basadas en los datos de entrada.
La «caja de herramientas Kriging de MATLAB» se utiliza para crear un modelo sustituto, y el LHS (LHS) mejora el proceso de muestreo para representar mejor el espacio de diseño.
Este método permite realizar pruebas computacionales eficientes y, al mismo tiempo, minimizar los errores sistemáticos, lo que lo hace adecuado para tareas complejas de optimización estructural.

Red neuronal artificial

Las ANN están estructuradas con capas de neuronas, donde las capas ocultas utilizan funciones sigmoideas para procesar las entradas y la capa de salida emplea funciones lineales para las predicciones.
El modelo de perceptrón multicapa (MLP) destaca por su capacidad para aproximar funciones de manera eficaz, basándose en el algoritmo de retropropagación para el entrenamiento.
El estudio hace hincapié en la importancia de la validación cruzada para evitar el sobreaprendizaje y garantizar que el rendimiento de la red neuronal sea sólido en los diferentes conjuntos de datos.

Visualización de los datos observados

La gráfica de contorno de los datos observados revela múltiples valores óptimos locales, lo que indica la complejidad del problema de optimización y las limitaciones de los modelos de regresión tradicionales.
Esta complejidad requiere el uso de modelos predictivos avanzados para identificar con precisión las soluciones óptimas dentro del espacio de diseño.

Comparación de modelos predictivos

Los modelos de Kriging son deterministas, mientras que las redes neuronales introducen variabilidad debido a que se basan en la selección aleatoria de datos para su entrenamiento y validación.
El rendimiento de la red neuronal se estabiliza mediante múltiples ejecuciones, lo que permite una comparación más fiable de los valores medios con las predicciones de Kriging.

Análisis de errores

El promedio de las predicciones de la red neuronal coincide estrechamente con los resultados del modelo de Kriging, aunque la red neuronal presenta un error cuadrático medio (MSE) y un error cuadrático medio (RMSE) más bajos.
El análisis destaca la necesidad de una evaluación exhaustiva de la capacidad de la red neuronal para identificar los valores óptimos, comparando las predicciones entre todos los puntos de datos.

Recomendaciones prácticas

El estudio proporciona recomendaciones prácticas para reducir las emisiones en los puentes de losas pretensadas, incluidas directrices específicas sobre el contenido de hormigón y refuerzo.
Los hallazgos sugieren que tanto las redes neuronales como las de Kriging pueden identificar eficazmente los valores óptimos locales, lo que ayuda a los ingenieros estructurales a optimizar los diseños para obtener beneficios económicos y ambientales.
Haciendo hincapié en la importancia de los modelos sustitutivos, la investigación aboga por su uso para perfeccionar los procesos de diseño y mejorar los resultados en materia de sostenibilidad.

Conclusiones

Se subraya la complejidad de la superficie de respuesta al consumo de energía, ya que tanto Kriging como las redes neuronales predicen valores superiores a los observados.
El modelo de Kriging muestra un error relativo menor en las predicciones óptimas locales en comparación con la red neuronal, que, sin embargo, muestra un rendimiento de RMSE superior.
El estudio concluye que, si bien Kriging proporciona resultados deterministas, las redes neuronales requieren múltiples iteraciones para estabilizar los resultados, lo que aporta información valiosa para optimizar los diseños estructurales.

ABSTRACT:

The main objective of this study is to assess and contrast the efficacy of distinct spatial prediction methods in a simulation aimed at optimizing the embodied energy during the construction of prestressed slab bridge decks. A literature review and cross-sectional analysis have identified crucial design parameters that directly affect the design and construction of bridge decks. This analysis determines the critical design variables to improve the deck’s energy efficiency, providing practical guidance for engineers and professionals in the field. The methods analyzed in this study are ordinary Kriging and a multilayer Perceptron neural network. The methodology involves analyzing the predictive performance of both models through error analysis and assessing their ability to identify local optima on the response surface. Results show that both models generally overestimate observed values. The Kriging model with second-order polynomials yields a 4% relative error at the local optimum, while the neural network achieves lower root-mean-square errors (RMSE). Neither the Kriging model nor the neural network provide precise predictions, but point to promising solution regions. Optimizing the response surface to find a local minimum is crucial. High slenderness ratios (around 1/28) and 40 MPa concrete grade are recommended to improve energy efficiency.

KEYWORDS:

bridges; embodied energy; optimization; prestressed concrete; artificial neural network; surrogate model; Kriging; sustainability

REFERENCE:

Pincha aquí para descargar

Optimización estructural asistida por metamodelos: Aplicaciones

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.

Pincha aquí para descargar

Optimización energética de tableros tipo losa pretensados aligerados mediante modelos Kriging

Durante los días 10-13 de julio de 2023 tuvo lugar en Donostia-San Sebastián (Spain) el 27th International Congress on Project Management and Engineering AEIPRO 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.

Palabras clave:

Optimización; energía; puentes; Kriging; metamodelos; sostenibilidad

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:

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.

Pincha aquí para descargar