Etiqueta: optimización

Salto cualitativo en el proyecto de investigación HYDELIFE

ICITECH (Instituto de Ciencia y Tecnología del Hormigón). Universitat Politècnica de València

La línea de investigación emprendida por nuestro grupo no puede quedarse en la mera optimización económica del hormigón estructural, que podría ser un objetivo a corto plazo de interés evidente para las empresas constructoras o de prefabricados. En anteriores proyectos (HORSOST, BRIDLIFE, DIMALIFE) afrontados por nuestro grupo se abordó tanto el diseño eficiente de estructuras con hormigones no convencionales basados en criterios sostenibles multiobjetivo mediante el empleo de técnicas de minería de datos, como la toma de decisiones en la gestión del ciclo de vida de puentes pretensados de alta eficiencia social y medioambiental bajo presupuestos restrictivos. También se emplearon metamodelos y el diseño óptimo robusto y basado en fiabilidad para obtener diseños automáticos de puentes e infraestructuras que consideraban hormigones con baja huella de carbono, donde se incluían los aspectos de durabilidad, de consumo energético y de emisiones de CO2, de seguridad, y otros que se estudiaban a lo largo del ciclo de vida de las estructuras, en especial en puentes de hormigón pretensado, tanto prefabricados, como construidos “in situ”. Además, se emplearon técnicas de decisión multicriterio para abordar, en primer lugar, la decisión de la mejor tipología constructiva de un puente, y posteriormente, para decidir la mejor de las opciones resultantes de la frontera de Pareto.

La producción científica de estos proyectos fue significativa. Se ha abordado la optimización multiobjetivo (coste, CO2 y energía) de puentes con vigas artesa (Martí et al., 2015; Martí et al., 2016; Yepes et al., 2015;2017), de puentes cajón (García-Segura et al., 2016;2017a;b). Se ha abordado la optimización del mantenimiento de puentes en ambiente marino (Navarro et al., 2017;2018), del mantenimiento de redes de pavimento (Yepes et al., 2016; Torres-Machí, 2017). Se ha analizado la sostenibilidad social de las infraestructuras (Sierra et al., 2017a;b). Se han utilizado metodologías emergentes en la toma de decisiones, como la lógica neutrosófica (Navarro et al., 2020) o las redes bayesianas (Sierra et al., 2018). Se han utilizado en la optimización metamodelos de redes neuronales (García-Segura et al., 2017b), modelos kriging (Penadés-Plà et al., 2019), el análisis de fiabilidad (García-Segura et al., 2017a). Se han propuesto sistemas de indicadores de sostenibilidad social y medioambiental (Milani et al., 2020; Sánchez-Garrido y Yepes, 2020). Se ha aplicado el diseño robusto a los puentes (Penadés-Plà et al., 2020). Se ha analizado la resiliencia de las infraestructuras (Salas et al., 2020). Se han realizado análisis del ciclo de vida de estructuras e infraestructuras óptimas (Penadés-Plà et al. 2017; Zastrow et al., 2017; Pons et al., 2018;2020; Navarro et al. 2018; Zhou et al., 2020). También se encuentra en fase de evaluación la patente “Viga en cajón mixta acero-hormigón, P202030530” (Alcalá y Navarro, 2020), autor que forma parte del equipo de investigación.

Sin embargo, para dar un paso adelante, es necesario abordar las limitaciones y el alcance de estos proyectos previos. El proyecto HYDELIFE busca un salto cualitativo en nuestra línea de investigación que pretende superar algunas limitaciones en cuanto al alcance planteado hasta ahora. En primer lugar, no se puede perder la oportunidad de incorporar las técnicas emergentes del DL en la hibridación de las metaheurísticas, pues sería renunciar a la potencia predictiva de la inteligencia artificial y a la eficiencia de esta nueva generación de algoritmos. En segundo lugar, debe abordarse la construcción industrializada modular tanto en edificación como en obra civil, estudiando en detalle y confrontando los puentes mixtos y las estructuras híbridas con las soluciones de hormigón, en un análisis completo del ciclo de vida que incluya la sostenibilidad social y medioambiental. Para ello se pretende profundizar en las técnicas de decisión multicriterio emergentes como la lógica neutrosófica y otras como las redes bayesianas. En este contexto, a pesar de que se ha avanzado en la optimización multiobjetivo de las estructuras, en el mundo real existen incertidumbres, imperfecciones o desviaciones respecto a los parámetros utilizados en los códigos (propiedades del material, geometría, cargas, etc.). Una estructura óptima se encuentra cercana a la región de infactibilidad, por lo que es necesario incorporar incertidumbres para proporcionar diseños más robustos y fiables (Martínez-Frutos et al., 2014), tanto desde el diseño basado en la fiabilidad como desde el diseño óptimo robusto.

El gran problema de la optimización multiobjetivo de estructuras, al incorporar incertidumbres, es su coste computacional muy elevado. Tal y como hemos visto en algunos de nuestros trabajos, este problema lo hemos abordado mediante metamodelos que proporcionan una relación funcional aproximada entre las variables de diseño y sus respuestas, con un número moderado de análisis completos. Sin embargo, las metaheurísticas híbridas basadas en DL emergen como técnicas capaces de mejorar dichos planteamientos previos.

Los trabajos desarrollados hasta el momento por nuestro grupo de investigación han permitido avances importantes en el diseño automatizado y óptimo de las estructuras de hormigón con múltiples criterios a lo largo del ciclo de vida, sin embargo, existe una serie de limitaciones que este HYDELIFE tiene intención de superar:

  • Ampliación del análisis del ciclo de vida no solo a los puentes de hormigón, sino también a otras tipologías, como puentes mixtos y estructuras híbridas, así como a estructuras industrializadas modulares.
  • Utilizar metaheurísticas híbridas basadas en la inteligencia artificial con un doble objetivo: mejorar la calidad de las soluciones al incorporar el aprendizaje profundo en la base de datos generada en la búsqueda de los algoritmos y reducir los tiempos de cálculo.
  • Explorar el efecto de la aleatoriedad de los parámetros mediante la incorporación del diseño óptimo robusto y del diseño óptimo basado en la fiabilidad, para evitar que los proyectos optimizados reales sean infactibles ante pequeños cambios.
  • Profundización en las funciones de distribución de los impactos sociales y ambientales en las construcciones modulares y mixtas.
  • Profundización en la investigación dirigida a la fase de mantenimiento, centrada más en el problema social que plantean las estructuras modulares y mixtas en servicio.
  • Analizar la sensibilidad de las políticas presupuestarias, poco sensibles a la realidad del sector, en la gestión de las estructuras. Ello supone modelar distintos escenarios económicos y analizar las soluciones eficientes derivadas, especialmente en épocas de crisis.
  • Profundización en la determinación de los factores que inciden en la toma de decisiones multicriterio.
  • Profundización en los costes de mantenimiento y en los esperados en caso de fallo. Además, las incertidumbres asociadas al deterioro requieren métodos probabilísticos.
  • Profundizar en el análisis de ciclo de vida, la inclusión de la demolición y reutilización de los materiales de las infraestructuras, siendo una de las variables de diseño la durabilidad.

Lo indicado hasta ahora, que resume los antecedentes y las realizaciones del grupo, se podría sintetizar en los siguientes aspectos:

  1. La temática a investigar se ha ido profundizando en cada uno de los proyectos realizados, acorde a los objetivos previstos.
  2. Los estudios realizados se basaban en la optimización multiobjetivo, la toma de decisiones a lo largo del ciclo de vida y el diseño robusto y basado en la fiabilidad de puentes pretensados. El objetivo es dar un salto al incorporar el aprendizaje profundo en las metaheurísticas y ampliar el alcance a otro tipo de construcciones industrializadas modulares y a puentes mixtos e híbridos.

Referencias

  • AFZAL, M.; LIU, Y.H.; CHENG, J.C.P.; GAN, V.J.L. (2020). Reinforced concrete structural design optimization: A critical review. Clean. Prod., 260:120623.
  • AGUADO, A. et al. (2012). Sustainability Assessment of Concrete Structures within the Spanish Structural Concrete Code. J Constr Eng Manage ASCE, 138(2):268-276.
  • ALCALÁ, J.; NAVARRO, F. (2020). Viga en cajón mixta acero-hormigón. Patente P202030530, 4 junio 2020.
  • AMERICAN ROAD & TRANSPORTATION BUILDERS ASSOCIATION (2019). 2019 Bridge Report. https://artbabridgereport.org/
  • BIONDINI, F., FRANGOPOL, D. M. (2016). Life-Cycle of Deteriorating Structural Systems under Uncertainty: Review. J Struct Eng ASCE, 142(9), F4016001.
  • CHACÓN, R. (2014). Vigas armadas híbridas de acero. Estado del conocimiento. Revista Ciencia e Ingeniería, 35(2):95-102.
  • FRANGOPOL, D. M. (2011). Life-cycle performance, management, and optimisation of structural systems under uncertainty: accomplishments and challenges. Struct Infrast Eng, 7(6), 389-413.
  • GARCÍA, J.; MARTÍ, J.V.; YEPES, V. (2020b). The buttressed walls problem: An application of a hybrid clustering particle swarm optimization algorithm. Mathematics, 8(6), 862.
  • GARCÍA, J.; YEPES, V.; MARTÍ, J.V. (2020a). A hybrid k-means cuckoo search algorithm applied to the counterfort retaining walls problem. Mathematics, 8(4), 555.
  • GARCÍA-SEGURA, T.; YEPES, V. (2016). Multiobjective optimization of post-tensioned concrete box-girder road bridges considering cost, CO2 emissions, and safety. Struct., 125:325-336.
  • GARCÍA-SEGURA, T.; YEPES, V.; FRANGOPOL, D.M. (2017a). Multi-Objective Design of Post-Tensioned Concrete Road Bridges Using Artificial Neural Networks. Multidiscip. Optim., 56(1):139-150.
  • GARCÍA-SEGURA, T.; YEPES, V.; FRANGOPOL, D.M.; YANG, D.Y. (2017b). Lifetime Reliability-Based Optimization of Post-Tensioned Box-Girder Bridges. Struct., 145:381-391.
  • GOBIERNO DE ESPAÑA (2020). Estrategia Nacional de Inteligencia Artificial. https://www.lamoncloa.gob.es/presidente/actividades/Documents/2020/021220-ENIA.pdf
  • MARI, A. (2007). Educar para la sostenibilidad en el ámbito de la ingeniería. Conferencia de clausura. II Jornadas de enseñanza del hormigón estructural. ACHE, Madrid, pp. 33-49.
  • MARTÍ, J.V.; GARCÍA-SEGURA, T.; YEPES, V. (2016). Structural design of precast-prestressed concrete U-beam road bridges based on embodied energy. Clean. Prod., 120:231-240.
  • MARTÍ, J.V.; YEPES, V.; GONZÁLEZ-VIDOSA, F. (2015). Memetic algorithm approach to designing of precast-prestressed concrete road bridges with steel fiber-reinforcement. J. Struct. Eng., 141(2): 04014114.
  • MARTÍNEZ-FRUTOS, J.; MARTÍ, P. (2014). Diseño óptimo robusto utilizando modelos Kriging: aplicación al diseño óptimo robusto de estructuras articuladas. Rev Int Metod Numer., 30(2):97-105.
  • MARTÍNEZ-MUÑOZ, D.; MARTÍ, J.V.; YEPES, V. (2020). Steel-concrete composite bridges: design, life cycle assessment, maintenance and decision making. Civ. Eng., 2020, 8823370.
  • MILANI, C.J.; YEPES, V.; KRIPKA, M. (2020). Proposal of sustainability indicators for the design of small-span bridges. J. Environ. Res. Public Health, 17(12):4488.
  • NAVARRO, I.J.; YEPES, V.; MARTÍ, J.V. (2018a). Life cycle cost assessment of preventive strategies applied to prestressed concrete bridges exposed to chlorides. Sustainability, 10(3):845.
  • NAVARRO, I.J.; YEPES, V.; MARTÍ, J.V. (2018b). Social life cycle assessment of concrete bridge decks exposed to aggressive environments. Impact Assess. Rev., 72:50-63.
  • NAVARRO, I.J.; YEPES, V.; MARTÍ, J.V.; GONZÁLEZ-VIDOSA, F. (2018c). Life cycle impact assessment of corrosion preventive designs applied to prestressed concrete bridge decks. Clean. Prod., 196: 698-713.
  • NAVARRO, I.J.; MARTÍ, J.V.; YEPES, V. (2019). Reliability-based maintenance optimization of corrosion preventive designs under a life cycle perspective. Impact Assess. Rev., 74:23-34.
  • NAVARRO, I.J.; YEPES, V.; MARTÍ, J.V. (2020). Sustainability assessment of concrete bridge deck designs in coastal environments using neutrosophic criteria weights. Struct Infrast Eng, 16(7): 949-967.
  • PENADÉS-PLÀ, V.; MARTÍ, J.V.; GARCÍA-SEGURA, T.; YEPES, V. (2017). Life-cycle assessment: A comparison between two optimal post-tensioned concrete box-girder road bridges. Sustainability, 9(10):1864.
  • PENADÉS-PLÀ, V.; GARCÍA-SEGURA, T.; YEPES, V. (2019). Accelerated optimization method for low-embodied energy concrete box-girder bridge design. Struct., 179:556-565.
  • PENADÉS-PLÀ, V.; MARTÍNEZ-MUÑOZ, D.; GARCÍA-SEGURA, T.; NAVARRO, I.J.; YEPES, V. (2020). Environmental and social impact assessment of optimized post-tensioned concrete road bridges. Sustainability, 12(10), 4265.
  • PONS, J.J.; PENADÉS-PLÀ, V.; YEPES, V.; MARTÍ, J.V. (2018). Life cycle assessment of earth-retaining walls: An environmental comparison. Clean. Prod., 192:411-420.
  • RAC Foundation. (2019). Bridge maintenance table – GB local authorities. https://www.racfoundation.org/media-centre/bridge-maintenance-backlog-grows
  • RAHMAN, M.M. (2014). Barriers of implementing modern methods of construction. Manage. Eng., 30(1):69-77.
  • SALAS, J.; YEPES, V. (2020). Enhancing sustainability and resilience through multi-level infrastructure planning. J. Environ. Res. Public Health, 17(3): 962.
  • SALEHI, H.; BURGUEÑO, R. (2018). Emerging artificial intelligence methods in structural engineering. Struct., 171:170-189.
  • SÁNCHEZ-GARRIDO, A.J.; YEPES, V. (2020). Multi-criteria assessment of alternative sustainable structures for a self-promoted, single-family home. Clean. Prod., 258: 120556.
  • SARMA, K.C.; ADELI, H. (1998). Cost optimization of concrete structures. J Struct Eng ASCE, 124(5): 570-578.
  • SIERRA, L.A.; YEPES, V.; PELLICER, E. (2017a). Assessing the social sustainability contribution of an infrastructure project under conditions of uncertainty. Impact Assess. Rev., 67:61-72.
  • SIERRA, L.A.; PELLICER, E.; YEPES, V. (2017b). Method for estimating the social sustainability of infrastructure projects. Impact Assess. Rev., 65:41-53.
  • SIERRA, L.A.; YEPES, V.; GARCÍA-SEGURA, T.; PELLICER, E. (2018). Bayesian network method for decision-making about the social sustainability of infrastructure projects. Clean. Prod., 176:521-534.
  • TAFFESE, W.Z.; SISTONEN, E. (2017). Machine learning for durability and service-life assessment of reinforced concrete structures: Recent advances and future directions. Constr., 77:1-14.
  • THURLBY, R. (2013). Managing the asset time bomb: a system dynamics approach. Inst. Civ. Eng. – Forensic Engineering, 166(3):134-142.
  • TONG, X.; YANG, H.; WANG, L.; MIAO, Y. (2019). The development and field evaluation of an IoT system of low-power vibration for bridge health monitoring. Sensors, 19(5):1222.
  • TORRES-MACHI, C.; PELLICER, E.; YEPES, V.; CHAMORRO, A. (2017). Towards a sustainable optimization of pavement maintenance programs under budgetary restrictions. Clean. Prod., 148:90-102.
  • YEPES, V.; MARTÍ, J.V.; GARCÍA-SEGURA, T. (2015). Cost and CO2 emission optimization of precast-prestressed concrete U-beam road bridges by a hybrid glowworm swarm algorithm. Constr., 49:123-134.
  • YEPES, V.; TORRES-MACHÍ, C.; CHAMORRO, A.; PELLICER, E. (2016). Optimal pavement maintenance programs based on a hybrid greedy randomized adaptive search procedure algorithm. Civ. Eng. Manage., 22(4):540-550.
  • YEPES, V.; MARTÍ, J.V.; GARCÍA-SEGURA, T.; GONZÁLEZ-VIDOSA, F. (2017). Heuristics in optimal detailed design of precast road bridges. Civ. Mech. Eng., 17(4):738-749.
  • YEPES, V.; DASÍ-GIL, M.; MARTÍNEZ-MUÑOZ, D.; LÓPEZ-DESFILÍS, V.J.; MARTÍ, J.V. (2019). Heuristic techniques for the design of steel-concrete composite pedestrian bridges. Sci., 9(16), 3253.
  • YEPES, V.; MARTÍ, J.V.; GARCÍA, J. (2020). Black hole algorithm for sustainable design of counterfort retaining walls. Sustainability, 12(7), 2767.
  • ZASTROW, P.; MOLINA-MORENO, F.; GARCÍA-SEGURA, T.; MARTÍ, J.V.; YEPES, V. (2017). Life cycle assessment of cost-optimized buttress earth-retaining walls: a parametric study. Clean. Prod., 140:1037-1048.
  • ZHOU, Z.; ALCALÁ, J.; YEPES, V. (2020). Bridge Carbon Emissions and Driving Factors Based on a Life-Cycle Assessment Case Study: Cable-Stayed Bridge over Hun He River in Liaoning, China. J. Environ. Res. Public Health, 17(16):5953.

Proyecto de Investigación:

  • Optimización híbrida del ciclo de vida de puentes y estructuras mixtas y modulares de alta eficiencia social y medioambiental bajo presupuestos restrictivos. (HYDELIFE). [Hybrid life cycle optimization of bridges and mixed and modular structures with high social and environmental efficiency under restrictive budgets]. PID2020-117056RB-I00. Financiado por el Ministerio de Ciencia e Innovación con fondos FEDER. Investigador Principal: Víctor Yepes.

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

Hipótesis de partida del proyecto HYDELIFE

Instituto de Ciencia y Tecnología del Hormigón (ICITECH). http://congress.cimne.com/SAHC2020/frontal/JoseM.Adam.asp

En varios artículos anteriores detallamos los antecedentes, la motivación y la trascendencia del proyecto de investigación HYDELIFE. Ahora vamos a explicar las hipótesis de partida sobre las que se basa este proyecto.

La hipótesis principal de partida es que las metaheurísticas híbridas emergentes son capaces de extraer información no trivial de las inmensas bases de datos procedentes de la optimización y mejorar la calidad y el tiempo de cálculo tanto en el diseño como en el mantenimiento óptimo de puentes y estructuras. Con esta propuesta metodológica se pretende abordar las incertidumbres del mundo real, planteando el diseño y el mantenimiento óptimos basados en la fiabilidad y en diseños robustos. Esta hipótesis debe extenderse a los procesos de toma de decisiones multicriterio que atiendan a la sostenibilidad social y ambiental del ciclo de vida completo que contemplen las fluctuaciones tanto de los parámetros como de los escenarios posibles, especialmente en el caso de fuertes restricciones presupuestarias. Esta metodología presenta, no obstante, serias dificultades, por lo que conviene explorar metamodelos y DL capaces de acelerar los procesos de cálculo complejos.

Para la consecución de los objetivos del proyecto, es necesario alcanzar una serie de objetivos específicos que, a su vez, se basan en unas determinadas hipótesis:

  • Hipótesis 1: Las metaheurísticas mejoran la calidad y reducen el tiempo de cálculo al hibridarse con el aprendizaje profundo (DL).
  • Hipótesis 2: El análisis del ciclo de vida de la construcción industrializada modular presenta mejores indicadores medioambientales y sociales que la construcción tradicional.
  • Hipótesis 3: La optimización multiobjetivo de los puentes mixtos de hormigón y acero y de las estructuras híbridas de acero reduce los impactos sociales y ambientales a lo largo del ciclo de vida.
  • Hipótesis 4: La optimización multiobjetivo puede dar como resultado soluciones que, con pequeñas variaciones en los parámetros o en las restricciones, resultan infactibles.
  • Hipótesis 5: Tanto el diseño óptimo basado en la fiabilidad como el diseño óptimo robusto conducen a soluciones menos sensibles a la variabilidad y a los cambios en los escenarios (especialmente presupuestarios), pero se basan en funciones de probabilidad poco realistas debido a la falta de datos.
  • Hipótesis 6: Es posible utilizar metamodelos y DL en el diseño óptimo robusto y en el diseño basado en fiabilidad para el proyecto y para el mantenimiento de puentes mixtos y estructuras modulares.
  • Hipótesis 7: Las soluciones de mantenimiento óptimas de puentes mixtos y de estructuras modulares difieren si el análisis del ciclo de vida se incluye o no en la fase de proyecto.
  • Hipótesis 8: Incluso considerando la variabilidad innata del mundo real, es posible integrar múltiples actores, escenarios y criterios (tangibles e intangibles) en técnicas analíticas que asistan en la toma de decisiones complejas que incluyan aspectos de sostenibilidad social y ambiental mediante herramientas colaborativas.
  • Hipótesis 9: Las decisiones públicas (instituciones) y privadas (empresas) adecuadas pueden mejorar la sostenibilidad, las prestaciones a largo plazo y la durabilidad de las estructuras, incluso en escenarios presupuestarios muy restrictivos.
  • Hipótesis 10: Dado un horizonte temporal para una estructura, es posible encontrar un diseño y una gestión posteriores de dicho activo que mejoren otras alternativas, incluso con presupuestos restrictivos.
  • Hipótesis 11: Las medidas estratégicas, de proyecto y preventivas derivadas de un sistema de apoyo a la toma de decisiones multicriterio son preferibles a la reparación severa de los puentes y estructuras modulares por su menor coste social y ambiental.
  • Hipótesis 12: Es posible encontrar buenas prácticas en el diseño, conservación, mantenimiento y desmantelamiento de los puentes y estructuras modulares que sean robustas a cambios en los escenarios presupuestarios.

Proyecto de Investigación:

  • Optimización híbrida del ciclo de vida de puentes y estructuras mixtas y modulares de alta eficiencia social y medioambiental bajo presupuestos restrictivos. (HYDELIFE). [Hybrid life cycle optimization of bridges and mixed and modular structures with high social and environmental efficiency under restrictive budgets]. PID2020-117056RB-I00. Financiado por el Ministerio de Ciencia e Innovación con fondos FEDER. Investigador Principal: Víctor Yepes.

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

Trascendencia del proyecto de investigación HYDELIFE en su ámbito temático

Instituto de Ciencia y Tecnología del Hormigón (ICITECH)

En un artículo anterior detallamos los antecedentes y la motivación del proyecto de investigación HYDELIFE. Ahora vamos a explicar la relevancia de la propuesta, que se centra tanto en la utilización de una metodología emergente y novedosa en el ámbito de las estructuras, como es la hibridación de las metaheurísticas con la inteligencia artificial, en especial con el aprendizaje profundo (Deep Learning, DL), como en el objeto de estudio, que es la construcción industrializada modular, tanto en edificación, como en puentes mixtos de hormigón y acero y en estructuras híbridas de acero. A continuación, justificamos la importancia de esta propuesta.

La Inteligencia Artificial (IA) se ha usado en estas últimas décadas de forma intensiva en las investigaciones relacionadas con la ingeniería civil, especialmente en el ámbito de las estructuras y las infraestructuras (Taffese et al., 2017). Sin embargo, los métodos más recientes, como el reconocimiento de patrones (Pattern Recognition, PR), el aprendizaje automático (Machine Learning, ML) y el aprendizaje profundo (Deep Learning, DL), son métodos emergentes en este ámbito de la ingeniería (Salehi et al., 2018). Estas técnicas emergentes tienen la capacidad de aprender interrelaciones complejas entre parámetros y variables, y así permiten resolver una diversidad de problemas que son difíciles o imposibles de resolver con los métodos tradicionales. Son capaces de descubrir información oculta, no trivial, sobre el rendimiento de una estructura al aprender la influencia de diversos mecanismos de daño o degradación, así como a partir de los datos recogidos por los sensores. Además, ML y DL tienen una elevada potencialidad en el dominio de la mecánica computacional, como, por ejemplo, para optimizar los procesos en el método de elementos finitos para mejorar la eficiencia de los cálculos.

La optimización de las estructuras constituye un campo científico en el que se ha trabajado intensamente en las últimas décadas (Afzal et al., 2020). Debido a que los problemas reales requieren un número elevado de variables, la resolución exacta del problema de optimización asociado resulta inabordable. Se trata de problemas NP-hard, de complejidad computacional elevada, que requieren metaheurísticas para alcanzar soluciones satisfactorias en tiempos de cálculo razonables. La idea es aprovechar la inmensa cantidad de datos generados por el elevado número de iteraciones que requiere la optimización estructural mediante metaheurísticas. Es el campo ideal para la inteligencia artificial, pues permite extraer información para acelerar y afinar la búsqueda de la solución óptima. Un ejemplo de este tipo es nuestro trabajo (García-Segura et al., 2017a) de optimización multiobjetivo de puentes cajón, donde una red neuronal aprendía de los datos intermedios de la búsqueda y luego predecía con una extraordinaria exactitud el cálculo del puente, sin necesidad de calcularlo. Ello permitía reducir considerablemente el tiempo de computación final. Sin embargo, este tipo de aplicación es muy sencilla, pues solo ha reducido el tiempo de cálculo (cada comprobación completa de un puente mediante el método de los elementos finitos es mucho más lenta que una predicción con una red neuronal). HYDELIFE trata de dar un paso más allá. Se pretende que la metaheurística sea capaz de aprender de los datos recogidos utilizando la inteligencia artificial para ser mucho más efectiva, y no solo más rápida.

En concreto, la propuesta se centra en el aprendizaje profundo (DL), que, dentro del ML, utiliza algoritmos más sofisticados, basados en el principio de las redes neuronales. El foco metodológico del proyecto es la exploración de la integración específica del DL en las metaheurísticas, con el objeto de mejorar la calidad de las soluciones o los tiempos de convergencia al optimizar estructuras. Nuestro grupo ha tenido la oportunidad de comprobar la eficacia de este hibridaje en estructuras sencillas, como los muros de contrafuertes (García et al., 2020a, 2020b; Yepes et al., 2020). Además, hemos lanzado al respecto un número especial en la revista Mathematics (indexada en el primer decil del JCR) titulado “Deep learning and hybrid-metaheuristics: novel engineering applications” (https://www.mdpi.com/journal/mathematics/special_issues/Deep_Learning_Hybrid-Metaheuristics_Novel_Engineering_Applications).

Modern methods of construction. https://www.lancashirebusinessview.co.uk/latest-news-and-features/let-s-talk-modern-methods-of-construction

En cuanto al objeto del proyecto, la construcción industrializada modular, tanto en edificación como en puentes mixtos de hormigón y acero y en estructuras híbridas de acero, su justificación deriva de su importancia creciente y los huecos en la investigación encontrados. En efecto, la construcción modular y la prefabricación son técnicas ya veteranas desde que en 1936 Eugène Freyssinet construyó el primer puente de hormigón pretensado del mundo, en el que las vigas y los tableros eran prefabricados. Sin embargo, la auténtica revolución que supone la IA, las tecnologías BIM y los retos de la sostenibilidad está cambiando radicalmente este concepto y lo está llevando a una nueva dimensión. La reciente norma UNE 127050:2020 trata de los sistemas constructivos industrializados para edificios construidos con elementos prefabricados de hormigón, así como de los requisitos de comportamiento, fabricación, instalación y verificación. Los métodos modernos de construcción (Modern Methods of Construction, MMC), o como algunos la llaman “construcción inteligente”, constituyen alternativas a la construcción tradicional. Es un término que abarca una amplia gama de tecnologías basadas en la fabricación modular, ya sea “in situ” o “off-site”, que están revolucionando la forma de construir de manera más rápida, rentable y eficiente. Un ejemplo no muy lejano ha sido la construcción de dos hospitales de campaña en Wuhan (China) en tan solo 12 días, debido a la crisis sanitaria. Países como Suecia y Japón lideran la construcción MMC. En Suecia, casi la mitad de las viviendas de nueva construcción utilizan este método, hasta el 80% en el caso de las viviendas unifamiliares. Japón es el país donde se construyen el mayor número de viviendas nuevas con este método, aunque no alcanzan el 20% del total. La construcción MMC permite un ahorro de tiempo de hasta el 50%, permite el uso de materiales sostenibles, reduciéndose el desperdicio. La construcción en fábrica permite tolerancias estrictas, la reducción de los errores, promueve la seguridad, no estando los materiales a la intemperie durante la construcción. Además, permite el uso de materiales durables, que mejoran el aislamiento acústico, la protección contra incendios y la eficiencia energética. Sin embargo, en algunos países, el uso de las MMC implica costes más elevados que la construcción tradicional. Otras barreras son la falta de mano de obra especializada, la escasez de suministros y la regulación vigente (Rahman, 2014). Con todo, la actual crisis del Covid-19 puede acelerar los cambios necesarios. De todos modos, los métodos MMC constituyen un producto distinto del de la construcción tradicional. La construcción modular, al tratarse de un producto alternativo, en lugar de competir, complementará el mercado tradicional. El objetivo es aumentar la productividad de los recursos disponibles mejorando la calidad, la eficiencia empresarial, la satisfacción del cliente, el rendimiento ambiental, el índice de sostenibilidad y el control de los plazos de entrega. Nuestro grupo de investigación (Sánchez-Garrido y Yepes, 2020) ha empezado a aplicar técnicas analíticas de toma de decisiones multicriterio (MCDM) y de análisis del ciclo de vida, comparando la construcción tradicional de una vivienda unifamiliar con dos alternativas basadas en el MMC. Propusimos un índice de sostenibilidad, que incluye atributos tangibles e intangibles, así como factores de incertidumbre y riesgos, que permite a los promotores priorizar soluciones que aseguren la sostenibilidad económica, social y medioambiental. HYDELIFE pretende profundizar en esta vía mediante la optimización híbrida multiobjetivo de este tipo de construcción modular.


Constructalia – ArcelorMittal. Puente mixto Wirkowice: El primer puente de carretera en Europa con vigas de acero autopatinable Arcorox® 460 – Constructalia

Otro de los huecos detectados por nuestro grupo en este ámbito son los puentes mixtos (Martínez-Muñoz et al., 2020). El análisis del estado del arte indica que la investigación se ha centrado en el diseño preliminar de puentes con un enfoque principalmente económico (Yepes et al., 2019) sin abordar la optimización multiobjetivo social y ambiental de su ciclo de vida completo que permita aplicar técnicas de decisión desde el diseño. Mientras que a nivel mundial la preocupación se centra en la búsqueda de soluciones sostenibles. También se ha detectado un vacío en los puentes ejecutados con vigas armadas híbridas. En este tipo de estructuras se utilizan diferentes límites elásticos de acero en las chapas de alas y de alma para disminuir el espesor de las chapas de mayor límite elástico, lo que supone una reducción de peso por unidad de longitud de la sección transversal (Chacón, 2014). Sin embargo, la reducción del espesor puede acarrear la disminución de la capacidad de la sección ante otros fenómenos, como es el caso de la inestabilidad. Se debe garantizar un buen comportamiento de las vigas a cortante, estudiando su inestabilidad ante cargas concentradas y pandeo lateral. Por tanto, nos encontramos ante un caso de optimización de gran interés en el que, además, no se ha abordado hasta ahora su optimización integral a lo largo de su ciclo de vida. Asimismo, en nuestro equipo de investigación se ha desarrollado una patente sobre vigas en cajón mixtas (Alcalá y Navarro, 2020) que permiten resolver el problema de las vigas descolgadas en forjados de elementos prefabricados y que consiste en un cajón metálico que formará parte de un sistema de forjados slim-floor. HYDELIFE aplicará la metodología híbrida antes descrita para cubrir este vacío en el ámbito de la investigación de las estructuras.

Proyecto de Investigación:

  • Optimización híbrida del ciclo de vida de puentes y estructuras mixtas y modulares de alta eficiencia social y medioambiental bajo presupuestos restrictivos. (HYDELIFE). [Hybrid life cycle optimization of bridges and mixed and modular structures with high social and environmental efficiency under restrictive budgets]. PID2020-117056RB-I00. Financiado por el Ministerio de Ciencia e Innovación con fondos FEDER. Investigador Principal: Víctor Yepes.

Referencias:

AFZAL, M.; LIU, Y.H.; CHENG, J.C.P.; GAN, V.J.L. (2020). Reinforced concrete structural design optimization: A critical review. J. Clean. Prod., 260:120623.

ALCALÁ, J.; NAVARRO, F. (2020). Viga en cajón mixta acero-hormigón. Patente P202030530, 4 junio 2020.

CHACÓN, R. (2014). Vigas armadas híbridas de acero. Estado del conocimiento. Revista Ciencia e Ingeniería, 35(2):95-102.

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

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

GARCÍA-SEGURA, T.; YEPES, V.; FRANGOPOL, D.M. (2017a). Multi-Objective Design of Post-Tensioned Concrete Road Bridges Using Artificial Neural Networks. Struct. Multidiscip. Optim., 56(1):139-150.

MARTÍNEZ-MUÑOZ, D.; MARTÍ, J.V.; YEPES, V. (2020). Steel-concrete composite bridges: design, life cycle assessment, maintenance and decision making. Adv. Civ. Eng., 2020, 8823370.

RAHMAN, M.M. (2014). Barriers of implementing modern methods of construction. J. Manage. Eng., 30(1):69-77.

SALEHI, H.; BURGUEÑO, R. (2018). Emerging artificial intelligence methods in structural engineering. Eng. Struct., 171:170-189.

SÁNCHEZ-GARRIDO, A.J.; YEPES, V. (2020). Multi-criteria assessment of alternative sustainable structures for a self-promoted, single-family home. J. Clean. Prod., 258: 120556.

TAFFESE, W.Z.; SISTONEN, E. (2017). Machine learning for durability and service-life assessment of reinforced concrete structures: Recent advances and future directions. Autom. Constr., 77:1-14.

YEPES, V.; DASÍ-GIL, M.; MARTÍNEZ-MUÑOZ, D.; LÓPEZ-DESFILÍS, V.J.; MARTÍ, J.V. (2019). Heuristic techniques for the design of steel-concrete composite pedestrian bridges. App. Sci., 9(16), 3253.

YEPES, V.; MARTÍ, J.V.; GARCÍA, J. (2020). Black hole algorithm for sustainable design of counterfort retaining walls. Sustainability, 12(7), 2767.

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

Antecedentes y motivación del proyecto de investigación HYDELIFE (2021-2023)

Laboratorio de materiales del Instituto de Ciencia y Tecnología del Hormigón (ICITECH)

El proyecto HYDELIFE aborda directamente el reto de la sostenibilidad social y medioambiental de las estructuras a lo largo de su ciclo de vida, desde el inicio del proyecto hasta su demolición. Para ello, se propone una metodología híbrida emergente que integra el aprendizaje profundo (Deep Learning, DL) procedente de la inteligencia artificial (IA), metamodelos y metaheurísticas de optimización multiobjetivo, y técnicas de toma de decisiones multicriterio. El foco del proyecto se centra en el diseño robusto y resiliente aplicado a la construcción industrializada modular, tanto en edificación, como en puentes mixtos de hormigón y acero y en estructuras híbridas de acero. El proyecto se apoya en los avances realizados en proyectos de investigación anteriores (HORSOST, BRIDLIFE y DIMALIFE), donde se desarrollaron metodologías aplicadas a puentes e infraestructuras viarias, pero con una propuesta metodológica y un foco de atención innovador respecto a los anteriores. El proyecto se orienta al objetivo 9 de los Objetivos de Desarrollo Sostenible (ODS): construir infraestructuras resilientes, promover la industrialización sostenible y fomentar la innovación. También se alinea con la Estrategia Nacional de Inteligencia Artificial (ENIA) del Gobierno de España (2020). A continuación, se justifica la propuesta en función de los antecedentes y el estado actual.

La sostenibilidad económica y el desarrollo social de la mayoría de los países dependen, entre otros factores, del comportamiento fiable y duradero de sus infraestructuras (Frangopol, 2011). La construcción y el mantenimiento de infraestructuras influyen en la actividad económica, el crecimiento y el empleo. Sin embargo, estas actividades impactan significativamente en el medio ambiente, producen efectos irreversibles y pueden comprometer el futuro de la sociedad. El gran reto, por tanto, será disponer de infraestructuras capaces de maximizar su beneficio social sin comprometer su sostenibilidad (Aguado et al., 2012).

Por otra parte, el envejecimiento de las infraestructuras, la mayor demanda en su desempeño (por ejemplo, el aumento del tráfico) o los riesgos naturales extremos, como los terremotos, huracanes o inundaciones, afectan al rendimiento previsto de estas infraestructuras (Biondini y Frangopol, 2016). Esto constituye una auténtica bomba de relojería (Thurlby, 2013) que, junto al reto de la reducción de los impactos ambientales, es razón más que suficiente para mejorar el mantenimiento de nuestros puentes. Hoy día los gestores de las infraestructuras tienen ante sí un reto importante consistente en mantenerlas en un estado aceptable con presupuestos muy limitados. Si a ello añadimos la profunda crisis financiera y sanitaria que ha afectado la economía de nuestro país y ha provocado el declive de la actividad constructora, el panorama se complica. Las infraestructuras creadas con una financiación a largo plazo presentan actualmente déficits de conservación, y es posible que las generaciones futuras tengan que hacer un esfuerzo adicional para actualizar los requisitos de seguridad y funcionalidad a su nivel de servicio previsto. Esta situación puede provocar una alarma social puntual, sobre todo con la interrupción de grandes vías de comunicación debida a un deterioro excesivo. Un estudio sobre “Necesidades de Inversión en Conservación 2019-2020” de la Asociación Española de Carreteras, centrado en los firmes y la señalización, estima que el deterioro del patrimonio viario genera un déficit acumulado de 7.500 millones de euros. Sin embargo, este problema es común en otros países desarrollados. En el año 2019, 47000 puentes del total de los puentes en Estados Unidos (más del 20% del total) presentaban deficiencias estructurales (American Road & Transportation Builders Association, 2019); en el Reino Unido, más de 3000 puentes estaban por debajo de los estándares y requerían reparación (RAC Foundation, 2019). Además, el problema se vuelve grave cuando una parte significativa del parque de infraestructuras está próxima al final de su vida útil. Y lo que aún es peor, cuando existen riesgos de alto impacto y de baja probabilidad que pueden afectar gravemente a las infraestructuras. Estos son buenos argumentos para prolongar la vida útil de los puentes. Se trata de una verdadera crisis de infraestructura. El reto social consistirá en aplicar unos presupuestos muy restrictivos que minimicen los impactos ambientales y los riesgos para las personas, y que la gestión sea socialmente sostenible dentro de una política de conservación del patrimonio, incluyendo la dimensión de género. Por lo tanto, nos encontramos ante un problema de optimización muy complejo, con muchas restricciones y bajo grandes incertidumbres, lo cual representa un reto científico importante, pues no se presta fácilmente a la exploración con los instrumentos analíticos y de previsión tradicionales.

Proyecto de Investigación:

  • Optimización híbrida del ciclo de vida de puentes y estructuras mixtas y modulares de alta eficiencia social y medioambiental bajo presupuestos restrictivos. (HYDELIFE). [Hybrid life cycle optimization of bridges and mixed and modular structures with high social and environmental efficiency under restrictive budgets]. PID2020-117056RB-I00. Financiado por el Ministerio de Ciencia e Innovación con fondos FEDER. Investigador Principal: Víctor Yepes.

Referencias:

  • AGUADO, A. et al. (2012). Sustainability Assessment of Concrete Structures within the Spanish Structural Concrete Code. J Constr Eng Manage ASCE, 138(2):268-276.
  • AMERICAN ROAD & TRANSPORTATION BUILDERS ASSOCIATION (2019). 2019 Bridge Report. https://artbabridgereport.org/
  • BIONDINI, F., FRANGOPOL, D. M. (2016). Life-Cycle of Deteriorating Structural Systems under Uncertainty: Review. J Struct Eng ASCE, 142(9), F4016001.
  • FRANGOPOL, D. M. (2011). Life-cycle performance, management, and optimisation of structural systems under uncertainty: accomplishments and challenges. Struct Infrast Eng, 7(6), 389-413.
  • GOBIERNO DE ESPAÑA (2020). Estrategia Nacional de Inteligencia Artificial. https://www.lamoncloa.gob.es/presidente/actividades/Documents/2020/021220-ENIA.pdf
  • RAC Foundation. (2019). Bridge maintenance table – GB local authorities. https://www.racfoundation.org/media-centre/bridge-maintenance-backlog-grows
  • THURLBY, R. (2013). Managing the asset time bomb: a system dynamics approach. Proc. Inst. Civ. Eng. – Forensic Engineering, 166(3):134-142.

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

Herramienta asistida por ordenador para optimizar puentes de forma automática

En el diseño de puentes, es necesario modelar muchas variables como los materiales, las dimensiones de la sección transversal, las armaduras de refuerzo y el pretensado para evaluar el rendimiento estructural. Se pretende aumentar la eficiencia y satisfacer los estados límite últimos y de servicio impuestos por el código estructural. En este trabajo se presenta una herramienta informática para analizar los puentes de carretera de vigas continuas de sección en cajón de hormigón postesado para minimizar el coste y proporcionar las variables óptimas de diseño. El programa comprende seis módulos para realizar el proceso de optimización, el análisis por elementos finitos y la verificación de los estados límite. La metodología se define y se aplica a un caso práctico. Un algoritmo de búsqueda de armonía (HS) optimiza 33 variables que definen un puente de tres vanos situado en una región costera. Sin embargo, el mismo procedimiento podría aplicarse para optimizar cualquier estructura. Esta herramienta permite definir los parámetros fijos y las variables optimizadas por el algoritmo heurístico. Además el resultado proporciona reglas útiles para guiar a los ingenieros en el diseño de puentes de carretera de sección en cajón.

Referencia:

GARCÍA-SEGURA, T.; YEPES, V.; ALCALÁ, J. (2017). Computer-support tool to optimize bridges automatically. International Journal of Computational Methods and Experimental Measurements, 5(2):171-178.

Pincha aquí para descargar

 

 

 

26ª Jornadas Argentinas de Ingeniería Estructural 2021

Del 10 al 14 de mayo de 2021 tiene prevista la celebración de las 26ª Jornadas Argentinas de Ingeniería Estructural. En esta ocasión la edición será virtual por el problema de la pandemia. Los que estéis interesados en participar, podéis acceder al enlace: https://jornadasaie.org.ar/

Dentro de estas jornadas, me han invitado a impartir una conferencia especial que, bajo el título «Diseño y mantenimiento óptimo robusto y basado en fiabilidad de puentes e infraestructuras viarias de alta eficiencia social y medioambiental bajo presupuestos restrictivos«, tendrá lugar el viernes 14 de mayo a las 17:20 h. (Argentina).

La conferencia la centraré en los resultados obtenidos por el proyecto de investigación DIMALIFE, del cual soy Investigador Principal. Se desarrolló una metodología novedosa para incorporar los procesos analíticos en la toma de decisiones en el ciclo completo de vida de puentes e infraestructuras viarias, incluyendo la licitación de proyectos de obra nueva y de mantenimiento de activos existentes, de forma que se contemplaron las necesidades e intereses sociales y ambientales.

Os paso parte del folleto explicativo.

 

 

Aplicación de la metodología de la superficie de respuesta en un curso de postgrado de optimización

Este trabajo describe la introducción de la metodología de superficie de respuesta en un curso de postgrado. Este caso se realiza en la asignatura de «Modelos predictivos y de optimización de estructuras de hormigón«. Esta asignatura se enmarca en el Plan de Estudios del Máster Universitario en Ingeniería del Hormigón. Los estudiantes aprenden aquí conceptos como la optimización de estructuras mediante algoritmos heurísticos, la toma de decisiones multicriterio, técnicas de diseño de experimentos y metamodelos como la superficie de respuesta para obtener resultados óptimos. En este caso de estudio, el objetivo es obtener una solución óptima de un muro de hormigón armado, utilizando las emisiones de CO2 como función objetivo para reducir su impacto. Para aplicar esta metodología, los estudiantes aprovechan programas comerciales. Por un lado, para realizar el análisis estadístico que permita obtener la superficie de respuesta se utiliza Minitab. Por otro lado, los estudiantes comprueban la resistencia de la estructura utilizando el software de cálculo estructural Cype. Como resultado de esta metodología se consigue que los estudiantes alcancen un mejor nivel en competencias transversales, como el diseño y el proyecto, el pensamiento crítico, el análisis y la resolución de problemas o el uso de software específico. En este trabajo se presentan futuros estudios de investigación relacionados con el uso de técnicas de optimización de estructuras por parte de los estudiantes aplicando otras técnicas de optimización diferentes.

Referencia:

YEPES, V.; MARTÍNEZ-MUÑOZ, D.; MARTÍ, J.V. (2021). Application of the response surface methodology in a postgraduate optimization course. 15th annual International Technology, Education and Development Conference (INTED 2021), 8th-9th March, 2021, pp. 869-878, Valencia, Spain. ISBN: 978-84-09-27666-0

Pincha aquí para descargar

 

 

Constructibilidad para la optimización en BIM y gemelos híbridos digitales

En otros artículos anteriores ya hemos hablado de la computación cuántica y de los gemelos híbridos digitales en ingeniería civil y edificación. Ahora os paso una comunicación que hicimos en el EAAE-ARCC International Conference que se celebró en Valencia el verano pasado, organizado por la Universitat Politècnica de València.

La introducción de los estándares de Lean Construction en la industria de la construcción ha cambiado la forma en que los profesionales abordan los problemas. El BIM y los gemelos digitales híbridos son tecnologías emergentes que mejoran la eficiencia de los procedimientos del sector. Los algoritmos de optimización se utilizan a menudo en combinación con estas técnicas para mejorar los resultados en varios puntos de la fase de diseño, incluido el proyecto estructural. La optimización puede realizarse utilizando diferentes criterios, como la economía, la sostenibilidad, el consumo de energía o la constructibilidad, o una combinación de ellos. Aunque existen fórmulas exactas para cuantificar algunos de estos criterios, no existe una fórmula universal para cuantificar la constructibilidad. En este artículo, establecemos los puntos clave para definir un criterio de constructibilidad para cada proyecto estructural y explorar su eficiencia. La forma de cuantificar la constructibilidad depende del diseño estructural y del elemento a optimizar, y como no existe una fórmula exacta para cuantificarla, se han definido los diferentes factores que influyen en ella y se han explorado sus combinaciones para un problema estructural determinado: la optimización de una viga de hormigón. Con ello, se consigue cuantificar la facilidad para construir un determinado proyecto estructural y reducir el tiempo de construcción y el coste de las cuadrillas y crear una forma de mejorar el diseño estructural. Este método expuesto puede ampliarse posteriormente a diferentes elementos estructurales.

Referencia:

FERNÁNDEZ-MORA, V.; YEPES, V. (2020). Constructability criterion for structural optimization in BIM and Hybrid Digital Twins. EAAE-ARCC International Conference, June, 10-13, Valencia, 8 pp. DOI: http://dx.doi.org/10.4995/EAAE-ARCC-IC-2020.2020.XXXX

Pincha aquí para descargar

Optimización energética de muros de contrafuertes

Acaban de publicarnos un artículo en la revista científica Applied Sciences (indexada en el JCR, Q2) un artículo que trata sobre el uso de distintas técnicas heurísticas para optimizar una pasarela de sección mixta hormigón-acero. El trabajo se enmarca dentro del proyecto de investigación DIMALIFE que dirijo como investigador principal en la Universitat Politècnica de València.

La importancia de la construcción en el consumo de recursos naturales está llevando a los profesionales del diseño estructural a crear diseños de estructuras más eficientes que reduzcan tanto las emisiones como la energía consumida. En este trabajo se presenta un proceso automatizado para obtener diseños óptimos energéticos de muros de contrafuertes. Se consideraron dos funciones objetivo para comparar la diferencia entre una optimización de costes y una optimización de energía incorporada. Para alcanzar el mejor diseño para cada criterio de optimización, se ajustaron los parámetros del algoritmo. Este estudio utilizó un algoritmo híbrido de optimización simulada para obtener los valores de la geometría, las resistencias del hormigón y las cantidades de hormigón y materiales. La relación entre todas las variables geométricas y la altura del muro se obtuvo ajustando las funciones lineales y parabólicas. Se encontró que la optimización de los costes y de la energía están vinculados. Una reducción de costes de 1 euro lleva asociada una reducción del consumo energético de 4,54 kWh. Para conseguir un diseño de baja energía, se recomienda reducir la distancia entre los contrafuertes con respecto a la optimización económica. Esta disminución permite reducir los refuerzos necesarios para resistir la flexión del alzado. La diferencia entre los resultados de las variables geométricas de la cimentación para los dos objetivos de optimización apenas revela variaciones entre ellos. Este trabajo proporciona a los técnicos algunas reglas prácticas de diseño óptimo. Además, compara los diseños obtenidos mediante estos dos objetivos de optimización con las recomendaciones de diseño tradicionales.

El artículo se ha publicado en abierto, y se puede descargar en el siguiente enlace: https://www.mdpi.com/2076-3417/11/4/1800

ABSTRACT:

The importance of construction in the consumption of natural resources is leading structural design professionals to create more efficient structure designs that reduce emissions as well as the energy consumed. This paper presents an automated process to obtain low embodied energy buttressed earth-retaining wall optimum designs. Two objective functions were considered to compare the difference between a cost optimization and an embodied energy optimization. To reach the best design for every optimization criterion, a tuning of the algorithm parameters was carried out. This study used a hybrid simulated optimization algorithm to obtain the values of the geometry, the concrete resistances, and the amounts of concrete and materials to obtain an optimum buttressed earth-retaining wall low embodied energy design. The relation between all the geometric variables and the wall height was obtained by adjusting the linear and parabolic functions. A relationship was found between the two optimization criteria, and it can be concluded that cost and energy optimization are linked. This allows us to state that a cost reduction of €1 has an associated energy consumption reduction of 4.54 kWh. To achieve a low embodied energy design, it is recommended to reduce the distance between buttresses with respect to economic optimization. This decrease allows a reduction in the reinforcing steel needed to resist stem bending. The difference between the results of the geometric variables of the foundation for the two-optimization objectives reveals hardly any variation between them. This work gives technicians some rules to get optimum cost and embodied energy design. Furthermore, it compares designs obtained through these two optimization objectives with traditional design recommendations.

Keywords:

Heuristic optimization; energy savings; sustainable construction; buttressed earth-retaining walls

Reference:

MARTÍNEZ-MUÑOZ, D.; MARTÍ, J.V.; GARCÍA, J.; YEPES, V. (2021). Embodied energy optimization of buttressed earth-retaining walls with hybrid simulated annealing. Applied Sciences, 11(4):1800. DOI:10.3390/app11041800

Pincha aquí para descargar

Discretización de metaheurísticas continuas a través de un operador KNN

Acaban de publicarnos un artículo en la revista Mathematics, indexada en el primer cuartil del JCR. En este caso hemos abordado la binarización de metaheurísticas continuas. Se trata de una estrategia muy útil en el caso de la optimización de estructuras, ya que estas suelen presentar variables discretas para favorecer su constructabilidad. El trabajo entra dentro de la estrecha colaboración internacional de nuestro grupo de investigación, en este caso, con investigaciones chilenos.

En este trabajo se propone un operador de perturbación que utiliza la técnica de k-vecinos más cercanos y se estudia con el objetivo de mejorar las propiedades de diversificación e intensificación de los algoritmos metaheurísticos en su versión binaria. Se diseñan operadores aleatorios para estudiar la contribución del operador de perturbación. Para verificar la propuesta, se estudian grandes instancias del problema conocido de cobertura de conjuntos. Se utilizan gráficos de caja, gráficos de convergencia y la prueba estadística de Wilcoxon para determinar la contribución del operador. Además, se realiza una comparación con técnicas metaheurísticas que utilizan mecanismos generales de binarización como las funciones de transferencia o el db-scan como métodos de binarización. Los resultados obtenidos indican que el operador de perturbación KNN mejora significativamente los resultados.

ABSTRACT:

The optimization methods, and in particular metaheuristics, must be continually improved to reduce execution times, improve results, and enable addressing broader instances. In particular, addressing combinatorial optimization problems is critical in operational research and engineering. In this work, a perturbation operator based on the k-nearest neighbors technique is proposed, and it is studied with the aim of improving the diversification and intensification properties of metaheuristic algorithms in their binary versions. Random operators are designed to study the contribution of the perturbation operator. To verify the proposal, large instances of the well-known set covering problem are studied. Box plots, convergence charts, and the Wilcoxon statistical test are used to determine the operator contribution. Furthermore, a comparison is made using metaheuristic techniques that employ general binarization mechanisms, such as transfer functions or DBSCAN. The results indicate that the KNN perturbation operator significantly improves performance.

KEYWORDS:

Combinatorial optimization; machine learning; KNN; metaheuristics; transfer functions

REFERENCE:

GARCÍA, J.; ASTORGA, G.; YEPES, V. (2021). An analysis of a KNN perturbation operator: an application to the binarization of continuous metaheuristics. Mathematics, 9(3):225. DOI:10.3390/math9030225.

Pincha aquí para descargar