Acaban de publicarnos en la revista Technologies un artículo que aplica el algoritmo de recocido simulado a la optimización del coste y de la energía empleada en un puente losa postesado con tablero aligerado. Se resuelve un problema complejo de optimización de 33 variables de diseño. Como resultados interesantes cabe señalar que, en ocasiones, las soluciones de menor coste no son necesariamente las que menos energía consumen. El artículo se ha publicado en abierto y se puede descargar en la web. Aquí tenéis la referencia y el artículo completo.
Referencia:
ALCALÁ, J.; GONZÁLEZ-VIDOSA, YEPES, V.; MARTÍ, J.V. (2018). Embodied energy optimization of prestressed concrete slab bridge decks.Technologies, 6(2):43. doi:10.3390/technologies6020043 (link)
By СТАЛФОРМ Инжиниринг [CC BY-SA 3.0 (https://creativecommons.org/licenses/by-sa/3.0)], from Wikimedia Commons
La norma UNE-EN 12812:2008 define los requisitos de comportamiento y diseño general de las cimbras.
Esta norma no solo recoge las acciones típicas a considerar en los cálculos, sino que además cataloga y diferencia dos tipos de cimbra, las denominadas como clase A y clase B.
Clase de diseño A: es aquella cimbra cuya estabilidad está avalada por la experiencia y buenas prácticas ya establecidas y que se puede considerar que satisface los requisitos de diseño. Son cimbras de utilización estándar y con limitaciones de altura y cargas. Las más habituales son puntales para forjados de edificación y las torres cuajadas en puentes. El proyecto de la cimbra debe incluir una copia de los ensayos y cálculos realizados por el proyectista del material estándar con las limitaciones de uso y montaje que deben respetarse. Esta documentación deberá estar firmada por el suministrador del material y por el laboratorio que haya efectuado el ensayo. Estos montajes requieren un análisis simplificado basado en los materiales de los elementos que conforman la cimbra (puntales, bases, cabezales de cimbra y arriostramientos). Su utilización se basa normalmente en la aplicación de tablas de uso y manuales de uso generales y no suelen requerir de cálculos ni ensayos específicos. Habitualmente solo entran dentro de esta clasificación los apeos con puntal. Según la norma, la clase A se puede adoptar solo cuando:
las losas tengan un área de sección transversal inferior a 0,3 m² por metro de anchura de losa
las vigas tengan un área de sección transversal inferior a 0,5 m²
la luz libre de las vigas y las losas no supere los 6,0 m
la altura de la estructura permanente en la cara inferior no supere los 3,5 m
Clase de diseño B: la estabilidad y el diseño se deben estudiar de acuerdo con los Eurocódigos (EN 1990, EN 1991 hasta EN 1999) y con los apartados de la UNE-EN 12812, debido a que se debe realizar un diseño estructural completo. Por tanto, se deben comprobar los estados límites últimos y de servicio, así como las uniones y detalles. Además, se deben incluir planos que determinen la cimbra en planta para poder proceder al replanteo, los alzados y las secciones, así como los detalles importantes. Dentro de esta clase se incluyen todas las cimbras realizadas con material a medida y todas aquellas de material estándar, pero con usos que se salen de sus condiciones de utilización. La clase B2 permite un cálculo más simplificado que la clase B1 para determinar la distribución de la carga, basado en las áreas de influencia que recoge cada vertical o montante de la cimbra. Este cálculo simplificado alcanza el mismo nivel de seguridad. En la clase B1 se supone que el montaje se lleva a cabo con un nivel de destreza apropiado para la construcción permanente (ver normas EN 1090-2 y EN 1090-3 para estructuras metálicas).
Fuera de estas dos clases de diseño, mencionaremos las cimbras especiales, destinadas a la construcción de grandes estructuras (cimbras autolanzables, lanzadores de vigas y dovelas o carros de voladizos sucesivos). Se caracterizan por ser cimbras-máquina, es decir, con movimiento, por lo que se precisa de un cálculo muy detallado en todas las posiciones de trabajo.
By STALFORM Engineering [CC BY-SA 3.0 (https://creativecommons.org/licenses/by-sa/3.0)], from Wikimedia Commons
Referencias:
MARTÍ, J.V.; YEPES, V.; GONZÁLEZ, F. (2004). Temas de procedimientos de construcción. Cimbras, andamios y encofrados. Editorial de la Universidad Politécnica de Valencia. Ref. 2004.441.
Figura 1. Diseño tradicional de estructuras por prueba y error (Yepes, 2017)
El diseño de las estructuras se ha basado fundamentalmente en la experiencia del ingeniero proyectista. La topografía y las condiciones de tráfico, entre otros, determinan el diseño de un puente. A partir de ahí, las dimensiones de la sección transversal, el tipo de hormigón y la disposición general de las armaduras se definen atendiendo a la experiencia profesional y a las recomendaciones y criterios de diseño (Figura 1). A continuación, se ajustan el resto de variables, tras comprobar el cumplimiento de los estados límite último y de servicio. Si el proyectista quiere mejorar el diseño propuesto, normalmente se realiza un proceso de prueba y error, de forma que tras varios tanteos, se intenta reducir el consumo de materiales, y por tanto, el coste de la estructura. Frente a este planteamiento, los métodos heurísticos emplean técnicas basadas en la inteligencia artificial para seleccionar un diseño, analizar la estructura, controlar las restricciones y rediseñar la estructura modificando las variables hasta conseguir optimizar la función objetivo.
Cohn y Dinovitzer (1994) revisaron la investigación realizada en su momento en relación con la optimización de las estructuras y señalaron la brecha existente entre los estudios teóricos y la aplicación en problemas estructurales reales. Sarma y Adeli (1998) analizaron años más tarde los estudios relacionados con la optimización matemática de las estructuras, complementada más recientemente por Hare et al. (2013) que estudiaron la aplicación de los algoritmos heurísticos en la optimización estructural. Los algoritmos heurísticos difieren en cuanto a planteamiento y aplicabilidad de los métodos matemáticos exactos. De hecho, la optimización heurística resulta muy efectiva pues, aunque no garantiza la obtención del óptimo global del problema, proporciona soluciones casi óptimas en tiempos de cálculo razonables. Esta ventaja cobra importancia en la optimización de estructuras reales, donde el número de variables crece extraordinariamente de forma que desborda el tiempo de cálculo de los métodos exactos de optimización. Además, la programación matemática requiere el cálculo de gradientes de las restricciones, mientras que la optimización heurística incorpora las restricciones de diseño de una manera directa (Lagaros et al., 2006).
Las técnicas metaheurísticas utilizan estrategias de búsqueda para localizar óptimos locales en grandes espacios de soluciones de forma efectiva. Un ejemplo de ello son los Algoritmos Genéticos (Genetic Algorithms, GAs), que son procedimientos de búsqueda poblacionales inspirados en la evolución natural (Holland, 1975). Así, los GAs generan soluciones de alta calidad a través del cruce genético con otros individuos de una población y la mutación de algunas de sus características a lo largo de generaciones. Los padres suelen seleccionarse atendiendo a su aptitud (Coello, 1994) y los hijos mantienen ciertas características de sus padres. En cada generación sobreviven los hijos con mayores aptitudes. Además, para evitar la convergencia prematura del algoritmo, se utiliza un operador de mutación, al igual que ocurre en la Naturaleza, que cambia aleatoriamente de vez en cuando alguna de las características de las nuevas soluciones. Una variante a esta técnica son los Algoritmos Meméticos (Moscato, 1989), donde cada individuo de la nueva generación se mejora mediante una búsqueda local con el objetivo de mejorar los genes para que los padres obtengan mejores resultados en las siguientes generaciones. Esta técnica, por tanto, aplica los GAs a poblaciones de óptimos locales.
La inteligencia de enjambre (swarm intelligence) es una metaheurística poblacional empleada en los problemas de optimizacón. Estos algoritmos imitan el comportamiento colectivo de los sistemas descentralizados y auto-organizados, tales como algunas colonias de insectos, basándose en la interacción entre los vecinos, pero que siguen un patrón global. Los algoritmos de enjambre difieren en filosofía de los algoritmos genéticos porque utilizan la cooperación en lugar de la competencia (Dutta et al., 2011). Entre los algoritmos pertenecientes a este grupo, basados en el comportamiento biológico, destaca la optimización de colonias de hormigas (Ant Colony Optimization, ACO), la optimización de enjambre de partículas (Particle Swarm Optimization, PSO), las colonias de abejas artificiales (Artificial Bee Colony, ABC), la optimización en enjambres de luciérnagas (Glowworm Swarm Optimization, GSO), entre otros. ACO basa su estrategia en el comportamiento de las hormigas, que dejan un rastro de feromonas para encontrar alimento de forma efectiva (Colorni et al., 1991); PSO simula un sistema social simplificado (Kennedy y Eberhart, 1995); ABC imita el comportamiento alimentario forrajero de las abejas (Karaboga y Basturk, 2008); GSO imita un movimiento de las luciérnagas hacia los vecinos más brillantes (Krishnanand y Ghose, 2009).
Las metaheurísticas poblacionales presentan una amplia capacidad de búsqueda en paralelo y una fuerte robustez. Sin embargo, para mejorar la intensificación de la búsqueda, estos algoritmos suelen combinarse con otras heurísticas de búsqueda local. Esta hibridación consigue explotar la diversificación en la búsqueda poblacional con la intensificación de la búsqueda local. Luo y Zhang (2011) comprobaron que el algoritmo híbrido presenta una convergencia más rápida, una mayor precisión y es más efectivo en la optimización de problemas ingenieriles. Blum et al. (2011) estudiaron las ventajas de la hibridación de las metaheurísticas en el caso de la optimización combinatoria.
El recocido simulado (Simulated Annealing, SA), propuesto por Kirkpatrick et al. (1983), constituye uno de los algoritmos utilizados en la optimización estructural. Este algoritmo se basa en el fenómeno físico del proceso de recocido de los metales. La energía de un sistema termodinámico se compara con la función de coste evaluada para una solución de un problema de optimización combinatoria. En ambos casos se trata de evolucionar de un estado a otro de menor energía o coste. El acceso de un estado metaestable a otro se alcanza introduciendo “ruido” con un parámetro de control al que se denomina temperatura. Su reducción adecuada permite, con una elevada probabilidad, que un sistema termodinámico adquiera un mínimo global de energía. SA presenta la ventaja de admitir soluciones de peor calidad al principio de la búsqueda, lo cual permite eludir óptimos locales de baja calidad. La aceptación por umbrales (Threshold Accepting, TA), propuesto por Dueck y Scheuer (1990), tolera también opciones de peor calidad para eludir los óptimos locales. La diferencia entre SA y TA es que el criterio de aceptación de una solución peor es probabilista en el primer caso y determinista en el segundo. Los algoritmos genéticos se han hibridado con el recocido simulado en el diseño óptimo de puentes prefabricados de hormigón pretensado (Martí et al., 2013; Martí et al., 2016) y vigas en I de hormigón armado (RC) (Yepes et al., 2015a). Otras estrategias de hibridación también han demostrado su eficiencia con PSO (Shieh et al., 2011, Valdez et al., 2011, Wang et al., 2013) y ACO (Behnamian et al, 2009, Chen et al., 2012).
Qu et al. (2011) señalaron la lentitud en la convergencia de los algoritmos GSO; del mismo modo Zhang et al. (2010) apuntaron ciertas deficiencias de estos algoritmos en la búsqueda del óptimo global. Es por ello que se ha hibridado SA con GSO (García-Segura et al., 2014c, Yepes et al., 2015b) para combinar la diversificación de la búsqueda de GSO con la intensificación de la búsqueda de SA para encontrar de forma efectiva un óptimo de elevada calidad. García-Segura et al. (2014c) mostraron cómo un algoritmo híbrido de optimización de enjambre de luciérnagas (SAGSO) obtuvo resultados considerablemente mejores en cuanto a calidad y tiempo de cálculo. SAGSO superó al GSO en términos de eficiencia, precisión y convergencia. Sin embargo, se requiere una buena calibración para garantizar soluciones de alta calidad con un tiempo de cómputo corto.
La búsqueda de la armonía (Harmony Search, HS) constituye una heurística propuesta por Geem et al. (2001) inspirada en el jazz, donde se trata de armonizar u construir sucesiones de acordes razonables. Las notas, los instrumentos y la mejor armonía representan los valores, las variables y el óptimo global. Alberdi y Khandelwal (2015) compararon ACO, GA, HS, PSO, SA y TS en la optimización del diseño de marcos de acero, comprobando que los mejores resultados se obtenían con HS. La búsqueda de la armonía se ha utilizado para optimizar columnas rectangulares de hormigón armado (de Medeiros y Kripka, 2014), forjados compuestos (Kaveh y Shakouri Mahmud Abadi, 2010) y pórticos planos de hormigón armado (Akin y Saka, 2015). Alia y Mandava (2011) recogieron en su trabajo las variantes utilizadas para hibridar con HS. García-Segura et al. (2015) emplearon un algoritmo de búsqueda de la armonía hibridada con la aceptación por umbrales para encontrar diseños óptimos sostenibles de puentes peatonales de hormigón postesado.
La optimización de los puentes atrajo la atención de los ingenieros a partir de la década de los años 70, incluyendo los puentes viga de acero, (Wills, 1973), el refuerzo de los puentes losa (Barr et al., 1989), los puentes viga de hormigón pretensado (Aguilar et al., 1973, Lounis y Cohn, 1993), y los puentes en cajón postesados construidos “in situ” (Bond, 1975; Yu et al., 1986). Desde la aparición de la inteligencia artificial, se ha puesto mayor énfasis en el uso de técnicas de optimización heurística para optimizar las estructuras. Srinivas y Ramanjaneyulu (2007) usaron redes neuronales artificiales y algoritmos genéticos para optimizar el coste de un puente de vigas en T. Rana et al. (2013) propusieron una optimización evolutiva para minimizar el coste de una estructura de puente continuo de hormigón pretensado de dos tramos. Martí et al. (2013) implementaron un algoritmo de recocido simulado híbrido para encontrar las soluciones más económicas de puentes prefabricados de hormigón pretensado de vigas artes. El uso de refuerzos de fibra de acero en ese tipo de puente se estudió posteriormente con algoritmos meméticos (Martí et al., 2015). Se propusieron algoritmos genéticos para optimizar las cubiertas poliméricas reforzadas con fibras híbridas y los puentes atirantados (Cai y Aref, 2015).
También se han optimizado otro tipo de estructuras con algoritmos heurísticos, como los forjados prefabricados (de Albuquerque et al., 2012), columnas de hormigón armado (Park et al., 2013; Nigdeli et al., 2015), columnas de acero (Kripka y Chamberlain Pravia, 2013), marcos espaciales de acero (Degertekin et al., 2008), marcos de hormigón armado (Camp y Huq, 2013), pórticos de hormigón armado (Payá-Zaforteza et al., 2010), vigas en I de hormigón armado (García-Segura et al., 2014c; Yepes et al., 2015a), pórticos de carreteras (Perea et al., 2008), pilas altas de viaductos (Martínez et al., 2011; 2013), muros de contención (Gandomi et al., 2015; Pei y Xia, 2012; Yepes et al., 2008, 2012; Molina-Moreno et al., 2017a), zapatas de hormigón armado (Camp y Assadollahi, 2013; Camp y Huq, 2013), bóvedas de pasos inferiores en carreteras (Carbonell et al., 2011) y estribos de puentes (Luz et al., 2015).
Akin, A.; Saka, M.P. (2015). Harmony search algorithm based optimum detailed design of reinforced concrete plane frames subject to ACI 318-05 provisions. Computers & Structures, 147, 79–95.
Alberdi, R.; Khandelwal, K. (2015). Comparison of robustness of metaheuristic algorithms for steel frame optimization. Engineering Structures, 102, 40–60.
Alia, O.M.; Mandava, R. (2011). The variants of the harmony search algorithm: an overview. Artificial Intelligence Review, 36(1), 49–68.
Behnamian, J.; Zandieh, M.; Fatemi Ghomi, S.M.T. (2009). Parallel-machine scheduling problems with sequence-dependent setup times using an ACO, SA and VNS hybrid algorithm. Expert Systems with Applications, 36(6), 9637–9644.
Blum, C.; Puchinger, J.; Raidl, G.R.; Roli, A. (2011). Hybrid metaheuristics in combinatorial optimization: A survey. Applied Soft Computing, 11(6), 4135–4151.
Bond, D. (1975). An examination of the automated design of prestressed concrete bridge decks by computer. Proceedings of the Institution of Civil Engineers, 59(4), 669–697.
Cai, H.; Aref, A.J. (2015). A genetic algorithm-based multi-objective optimization for hybrid fiber reinforced polymeric deck and cable system of cable-stayed bridges. Structural and Multidisciplinary Optimization, 52(3), 583–594.
Camp, C.V.; Assadollahi, A. (2013). CO2 and cost optimization of reinforced concrete footings using a hybrid big bang-big crunch algorithm. Structural and Multidisciplinary Optimization, 48(2), 411–426.
Camp, C.V.; Huq, F. (2013). CO2 and cost optimization of reinforced concrete frames using a big bang-big crunch algorithm. Engineering Structures, 48, 363–372.
Carbonell, A.; González-Vidosa, F.; Yepes, V. (2011). Design of reinforced concrete road vaults by heuristic optimization. Advances in Engineering Software, 42(4), 151-159.
Chen, S.M.; Sarosh, A.; Dong, Y.F. (2012). Simulated annealing based artificial bee colony algorithm for global numerical optimization. Applied Mathematics and Computation, 219(8), 3575–3589.
Coello, C. (1994). Uso de Algoritmos Genéticos para el Diseño Óptimo de Armaduras. In Congreso Nacional de Informática “Herramientas Estratégicas para los Mercados Globales”, pp. 290–305. Fundación Arturo Rosenblueth, México, D.F.
Cohn, M.Z.; Dinovitzer, A.S. (1994). Application of Structural Optimization. Journal of Structural Engineering, 120(2), 617–650.
Colorni, A.; Dorigo, M.; Maniezzo, V. (1991). Distributed optimization by ant colonies. In Proceeding of ECALEuropean Conference on Artificial Life, pp. 134–142. Paris: Elsevier.
de Albuquerque, A.T.; El Debs, M.K.; Melo, A.M.C. (2012). A cost optimization-based design of precast concrete floors using genetic algorithms. Automation in Construction, 22, 348–356.
de Medeiros, G.F. Kripka, M. (2014). Optimization of reinforced concrete columns according to different environmental impact assessment parameters. Engineering Structures, 59, 185–194.
Degertekin, S.O.; Saka, M.P.; Hayalioglu, M.S. (2008). Optimal load and resistance factor design of geometrically nonlinear steel space frames via tabu search and genetic algorithm. Engineering Structures, 30(1), 197–205.
Dueck, G.; Scheuer, T. (1990). Threshold accepting: A general purpose optimization algorithm appearing superior to simulated annealing. Journal of Computational Physics, 90(1), 161–175.
Dutta, R.; Ganguli, R.; Mani, V. (2011). Swarm intelligence algorithms for integrated optimization of piezoelectric actuator and sensor placement and feedback gains. Smart Materials and Structures, 20(10), 105018.
Gandomi, A.H.; Kashani, A.R.; Roke, D.A.; Mousavi, M. (2015). Optimization of retaining wall design using recent swarm intelligence techniques. Engineering Structures, 103, 72–84.
García-Segura, T.; Yepes, V. (2016). Multiobjective optimization of post-tensioned concrete box-girder road bridges considering cost, CO2 emissions, and safety. Engineering Structures, 125, 325–336.
García-Segura, T.; Yepes, V.; Alcalá, J. (2014a). Life cycle greenhouse gas emissions of blended cement concrete including carbonation and durability. The International Journal of Life Cycle Assessment, 19(1), 3–12.
García-Segura, T.; Yepes, V.; Alcalá, J. (2014b). Sustainable design using multiobjective optimization of high-strength concrete I-beams. In The 2014 International Conference on High Performance and Optimum Design of Structures and Materials HPSM/OPTI (Vol. 137, pp. 347–358). Ostend, Belgium.
García-Segura, T.; Yepes, V.; Alcalá, J.; Pérez-López, E. (2015). Hybrid harmony search for sustainable design of post-tensioned concrete box-girder pedestrian bridges. Engineering Structures, 92, 112–122.
García-Segura, T.; Yepes, V.; Frangopol, D.M. (2017a). Multi-objective design of post-tensioned concrete road bridges using artificial neural networks. Structural and Multidisciplinary Optimization, 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. Engineering Structures, 145, 381-391.
García-Segura, T.; Yepes, V.; Martí, J.V.; Alcalá, J. (2014c). Optimization of concrete I-beams using a new hybrid glowworm swarm algorithm. Latin American Journal of Solids and Structures, 11(7), 1190–1205.
Geem, Z.W.; Kim, J.H.; Loganathan, G.V. (2001). A new heuristic optimization algorithm: Harmony search. Simulation, 76(2), 60–68.
Hare, W.; Nutini, J.; Tesfamariam, S. (2013). A survey of non-gradient optimization methods in structural engineering. Advances in Engineering Software, 59, 19–28.
Holland, J. (1975). Adaptation in Natural and Artificial Systems. University of Michigan Press, Ann Arbor, USA.
Karaboga, D.; Basturk, B. (2008). On the performance of artificial bee colony (ABC) algorithm. Applied Soft Computing, 8(1), 687–697.
Kaveh, A.; Shakouri Mahmud Abadi, A. (2010). Cost optimization of a composite floor system using an improved harmony search algorithm. Journal of Constructional Steel Research, 66(5), 664–669.
Kennedy, J.; Eberhart, R. (1995). Particle swarm optimization. In Proceedings of ICNN’95 – International Conference on Neural Networks, Vol. 4, pp. 1942–1948. IEEE.
Kripka, M.; Chamberlain Pravia, Z.M. (2013). Cold-formed steel channel columns optimization with simulated annealing method. Structural Engineering and Mechanics, 48(3), 383–394.
Krishnanand, K.N.; Ghose, D. (2009). Glowworm swarm optimisation: a new method for optimising multi-modal functions. International Journal of Computational Intelligence Studies, 1(1), 93–119.
Lagaros, N.D.; Fragiadakis, M.; Papadrakakis; M.; Tsompanakis, Y. (2006). Structural optimization: A tool for evaluating seismic design procedures. Engineering Structures, 28(12), 1623–1633.
Luz, A.; Yepes, V.; González-Vidosa, F.; Martí, J.V. (2015). Diseño de estribos abiertos en puentes de carretera obtenidos mediante optimización híbrida de escalada estocástica. Informes de la Construcción, 67(540), e114.
Martí, J.V.; García-Segura, T.; Yepes, V. (2016). Structural design of precast-prestressed concrete U-beam road bridges based on embodied energy. Journal of Cleaner Production, 120, 231–240.
Martí, J.V.; González-Vidosa, F.; Yepes, V.; Alcalá, J. (2013). Design of prestressed concrete precast road bridges with hybrid simulated annealing. Engineering Structures, 48, 342–352.
Martí, J.V.; Yepes, V.; González-Vidosa, F. (2015). Memetic algorithm approach to designing precast-prestressed concrete road bridges with steel fiber reinforcement. Journal of Structural Engineering, 141(2), 04014114.
Martínez-Martín, F. J.; González-Vidosa, F.; Hospitaler, A.; Yepes, V. (2013). A parametric study of optimum tall piers for railway bridge viaducts. Structural Engineering and Mechanics, 45(6), 723–740.
Martínez-Martín, F.J.; González-Vidosa, F.; Hospitaler, A.; Yepes, V. (2012). Multi-objective optimization design of bridge piers with hybrid heuristic algorithms. Journal of Zhejiang University: Science A, 13(6), 420–432.
Molina-Moreno, F.; García-Segura, T.; Martí, J.V.; Yepes, V. (2017a). Optimization of Buttressed Earth-Retaining Walls using Hybrid Harmony Search Algorithms. Engineering Structures, 134, 205-216.
Molina-Moreno, F.; Martí, J.V.; Yepes, V. (2017b). Carbon embodied optimization for buttressed earth-retaining walls: implications for low-carbon conceptual designs. Journal of Cleaner Production, 164, 872-884.
Moscato, P. (1989). On evolution, search, optimization, genetic algorithms and martial arts: Towards memetic algorithms. Caltech Concurrent Computation Program (report 826). Caltech, Pasadena, California, USA.
Nigdeli, S.M.; Bekdas, G.; Kim, S.; Geem, Z. W. (2015). A novel harmony search based optimization of reinforced concrete biaxially loaded columns. Structural Engineering and Mechanics, 54(6), 1097–1109.
Park, H.; Kwon, B.; Shin, Y.; Kim, Y.; Hong, T.; Choi, S. (2013). Cost and CO2 emission optimization of steel reinforced concrete columns in high-rise buildings. Energies, 6(11), 5609–5624.
Payá, I.; Yepes, V.; González-Vidosa, F.; Hospitaler, A. (2008). Multiobjective optimization of reinforced concrete building frames by simulated annealing. Computer-Aided Civil and Infrastructure Engineering, 23(8), 596–610.
Payá-Zaforteza, I.; Yepes, V.; González-Vidosa, F.; Hospitaler, A. (2010). On the Weibull cost estimation of building frames designed by simulated annealing. Meccanica, 45(5), 693–704.
Payá-Zaforteza, I.; Yepes, V.; Hospitaler, A.; González-Vidosa, F. (2009). CO2-optimization of reinforced concrete frames by simulated annealing. Engineering Structures, 31(7), 1501–1508.
Pei, Y.; Xia, Y. (2012). Design of Reinforced Cantilever Retaining Walls using Heuristic Optimization Algorithms. Procedia Earth and Planetary Science, 5, 32–36.
Qu, L.; He, D.; Wu, J. (2011). Hybrid Coevolutionary Glowworm Swarm Optimization Algorithm with Simplex Search Method for System of Nonlinear Equations. Journal of Information & Computational Science, 8(13), 2693– 2701.
Rana, S.; Islam, N.; Ahsan, R.; Ghani, S.N. (2013). Application of evolutionary operation to the minimum cost design of continuous prestressed concrete bridge structure. Engineering Structures, 46, 38–48.
Sarma, K.C.; Adeli, H. (1998). Cost optimization of concrete structures. Journal of Structural Engineering, 124(5), 570–578.
Shieh, H.L.; Kuo, C.C.; Chiang, C.M. (2011). Modified particle swarm optimization algorithm with simulated annealing behavior and its numerical verification. Applied Mathematics and Computation, 218(8), 4365–4383.
Srinivas, V.; Ramanjaneyulu, K. (2007). An integrated approach for optimum design of bridge decks using genetic algorithms and artificial neural networks. Advances in Engineering Software, 38(7), 475–487.
Valdez, F.; Melin, P.; Castillo, O. (2011). An improved evolutionary method with fuzzy logic for combining Particle Swarm Optimization and Genetic Algorithms. Applied Soft Computing, 11(2), 2625–2632.
Wang, E.; Shen, Z. (2013). A hybrid Data Quality Indicator and statistical method for improving uncertainty analysis in LCA of complex system – application to the whole-building embodied energy analysis. Journal of Cleaner Production, 43, 166–173.
Wills, J. (1973). A mathematical optimization procedure and its application to the design of bridge structures. Wokingham, Berkshire, United Kingdom.
Yepes, V.; Alcalá, J.; Perea, C.; González-Vidosa, F. (2008). A parametric study of optimum earth-retaining walls by simulated annealing. Engineering Structures, 30(3), 821–830.
Yepes, V.; Díaz, J.; González-Vidosa, F.; Alcalá, J. (2009). Caracterización estadística de tableros pretensados para carreteras. Revista de la Construcción, 8(2), 95-109.
Yepes, V.; García-Segura, T.; Moreno-Jiménez, J.M. (2015a). A cognitive approach for the multi-objective optimization of RC structural problems. Archives of Civil and Mechanical Engineering, 15(4), 1024–1036.
Yepes, V.; González-Vidosa, F.; Alcalá, J.; Villalba, P. (2012). CO2-optimization design of reinforced concrete retaining walls based on a VNS-threshold acceptance strategy. Journal of Computing in Civil Engineering, 26(3), 378–386.
Yepes, V.; Martí, J.V.; García-Segura, T. (2015b). Cost and CO2 emission optimization of precast–prestressed concrete U-beam road bridges by a hybrid glowworm swarm algorithm. Automation in Construction, 49, 123–134.
Yepes, V.; Martí, J.V.; García-Segura, T.; González-Vidosa, F. (2017). Heuristics in optimal detailed design of precast road bridges. Archives of Civil and Mechanical Engineering, 17(4), 738-749.
Yepes, V.; Torres-Machí, C.; Chamorro, A.; Pellicer, E. (2016). Optimal pavement maintenance programs based on a hybrid greedy randomized adaptive search procedure algorithm. Journal of Civil Engineering and Management, 22(4), 540-550.
Yepes, V. (2017). Trabajo de investigación. Concurso de Acceso al Cuerpo de Catedráticos de Universidad. Universitat Politècnica de València, 110 pp.
Yu, C.H.; Gupta, N.C. Das; Paul, H. (1986). Optimization of prestressed concrete bridge girders. Engineering Optimization, 10(1), 13–24.
Zhang, J.; Zhou, G.; Zhou, Y. (2010). A New Artificial Glowworm Swarm Optimization Algorithm Based on Chaos Method. In B. Cao, G. Wang, S. Chen, & S. Guo (Eds.), Quantitative Logic and Soft Computing 2010, Vol. 82, pp. 683–693. Berlin, Heidelberg: Springer Berlin Heidelberg.
La sostenibilidad en el ámbito de la construcción constituye una línea de trabajo importante en este momento (Yepes et al., 2016; Torres-Machí et al., 2017; Zastrow et al., 2017). Los puentes se proyectan para ser funcionales durante muchos años, por lo que deben considerarse todos los aspectos relacionados con su ciclo de vida: proyecto, construcción, operación y desmantelamiento. Es por ello que la inversión debe contemplar el deterioro del puente y su mantenimiento para mantener la estructura en buenas condiciones el máximo tiempo posible. Una revisión reciente de la aplicación de los métodos de decisión multicriterio a los puentes puede consultarse en el trabajo de Penadés-Plà et al. (2016).
Sarma y Adeli (1998) revisaron los estudios realizados sobre la optimización de estructuras de hormigón y detectaron cierta carencia en cuanto a la investigación en el ámbito de la optimización de las estructuras que considere el coste de todo el ciclo de vida, y no solo el coste inicial de su construcción. Frangopol y Kim (2011) también reivindicaron la importancia de extender la vida útil de las estructuras, pues muchas de ellas empiezan a mostrar señales significativas de deterioro antes de lo esperado. Para prolongar la vida de las estructuras deterioradas, se pueden aplicar medidas de mantenimiento que retrasen la propagación de los daños, o bien reducir el grado de dicho daño (Kim et al., 2013). Frangopol y Soliman (2016) describieron las acciones necesarias para la planificación eficaz del mantenimiento para maximizar las prestaciones de la estructura durante el ciclo de vida bajo restricciones presupuestarias. García-Segura et al. (2017) han optimizado las labores de mantenimiento de puentes pretensados desde el punto de vista de sostenibilidad económica, social y ambiental partiendo de diseños optimizados con múltiples objetivos (económico, durabilidad y seguridad).
El mantenimiento de los elementos de los puentes de grandes luces situados en zonas costeras deteriorados por corrosión representa la mayor parte del coste del ciclo de vida de estas estructuras (Cheung et al., 2009). Kendall et al. (2008) propusieron un modelo que integraba el análisis del ciclo de vida y los costes asociados desde la perspectiva de la sostenibilidad. Lee et al., (2006) evaluaron la fiabilidad de un puente cuando la corrosión y el tráfico de camiones pesados afectan a la estructura. Propusieron una metodología realista de los costes a lo largo del ciclo de vida, incluyendo los costes iniciales, los de mantenimiento, los esperados en la rehabilitación, las pérdidas por accidentes, los costes del usuario de la carretera y las pérdidas socioeconómicas indirectas. Penadés-Plà et al. (2017, 2018) han estudiado el ciclo de vida de puentes de sección en cajón y puentes de vigas artesa. Navarro et al. (2018) han analizado en un trabajo reciente el coste del ciclo de vida de las estrategias de mantenimiento en puentes pretensados expuestos al ataque de clorhídricos.
Neves y Frangopol (2005) indicaron cómo la evaluación de la seguridad de una estructura constituye un indicador básico para medir su rendimiento, pues el estado de la estructura no es un indicador preciso para evaluar la seguridad y la funcionalidad de un puente. Liu y Frangopol (2005) estudiaron la mejor planificación del mantenimiento de un puente durante su ciclo de vida mediante una optimización multiobjetivo de la vida útil, el nivel de seguridad y el coste del mantenimiento. Como se puede ver, los objetivos de rendimiento estructural y de economía se han añadido a los aspectos sociales y ambientales de las acciones de mantenimiento de las estructuras (Dong et al., 2013; Sierra et al., 2016; García-Segura et al., 2017).
Referencias:
Cheung, M. M.; Zhao, J.; Chan, Y. B. (2009). Service life prediction of RC bridge structures exposed to chloride environments. Journal of Bridge Engineering, 14(3), 164–178.
Dong, Y.; Frangopol, D.M.; Saydam, D. (2013). Time-variant sustainability assessment of seismically vulnerable bridges subjected to multiple hazards. Earthquake Engineering & Structural Dynamics, 42(10), 1451–1467.
Frangopol, D.M.; Kim, S. (2011). Service life, reliability and maintenance of civil structures. In L. S. Lee; V. Karbari (Eds.), Service Life Estimation and Extension of Civil Engineering Structures (pp. 145–178). Elsevier.
Frangopol, D.M.; Soliman, M. (2016). Life-cycle of structural systems: recent achievements and future directions. Structure and Infrastructure Engineering, 12(1), 1–20.
Kendall, A.; Keoleian, G.A.; Helfand, G. E. (2008). Integrated life-cycle assessment and life-cycle cost analysis model for concrete bridge deck applications. Journal of Infrastructure Systems, 14(3), 214–222.
Kim, S.; Frangopol, D.M.; Soliman, M. (2013). Generalized probabilistic framework for optimum inspection and maintenance planning. Journal of Structural Engineering, 139(3), 435–447.
Liu, M.; Frangopol, D. M. (2005). Multiobjective maintenance planning optimization for deteriorating bridges considering condition, safety, and life-cycle cost. Journal of Structural Engineering, 131(5), 833–842.
Navarro, I.J.; Yepes, V.; Martí, J.V. (2018). Life cycle cost assessment of preventive strategies applied to prestressed concrete bridges exposed to chlorides. Sustainability, 10(3), 845.
Neves, L.C.; Frangopol, D.M. (2005). Condition, safety and cost profiles for deteriorating structures with emphasis on bridges. Reliability Engineering & System Safety, 89(2), 185–198.
Penadés-Plà, V.; García-Segura, T.; Martí, J.V.; Yepes, V. (2018). An optimization-LCA of a prestressed concrete precast bridge. Sustainability, 10(3):685.
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.; Martí, J.V.; Yepes, V. (2016). A review of multi-criteria decision making methods applied to the sustainable bridge design. Sustainability, 8(12):1295.
Sarma, K.C.; Adeli, H. (1998). Cost optimization of concrete structures. Journal of Structural Engineering, 124(5), 570–578.
Sierra, L.A.; Pellicer, E.; Yepes, V. (2016). Social sustainability in the life cycle of Chilean public infrastructure. Journal of Construction Engineering and Management ASCE, 142(5): 05015020.
Torres-Machí, C.; Pellicer, E.; Yepes, V.; Chamorro, A. (2017). Towards a sustainable optimization of pavement maintenance programs under budgetary restrictions. Journal of Cleaner Production, 148:90-102.
Yepes, V.; Torres-Machí, C.; Chamorro, A.; Pellicer, E. (2016). Optimal pavement maintenance programs based on a hybrid greedy randomized adaptive search procedure algorithm. Journal of Civil Engineering and Management, 22(4):540-550.
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. Journal of Cleaner Production, 140:1037-1048.
Viaductos en la nueva autovía de Mascara (Argelia). Imagen: A. Azorín
La cimbra autolanzable bajo tablero constituye, hoy en día, el proceso constructivo de autocimbra más habitual. Entre sus ventajas se encuentra la facilidad a la hora de variar el peralte o adaptarse a acuerdos verticales y curvas en planta; además, se libera la parte superior, lo que permite la introducción de ferralla prefabricada y el resto de materiales. Alguno de sus inconvenientes pasan por necesitar cierta altura libre mínima (7-12 m) bajo cabeza de pilas y que son más deformables que las cimbras autolanzables sobre tablero.
Os dejo a continuación un pequeño vídeo explicativo de este tipo de procedimiento constructivo. Espero que os sea de interés.
En el siguiente vídeo de Mecanotubo se puede ver, con todo detalle, una animación en 3D que describe con claridad el procedimiento.
A continuación podemos ver un vídeo realizado por voxelestudios del proceso constructivo del tablero de los viaductos de Contreras, que con autocimbras se ejecutaron tramos de luces de 66 m.
Referencias:
MARTÍ, J.V.; YEPES, V.; GONZÁLEZ, F. (2004). Temas de procedimientos de construcción. Cimbras, andamios y encofrados. Editorial de la Universidad Politécnica de Valencia. Ref. 2004.441.
SEOPAN (2015). Manual de cimbras autolanzables. Tornapunta Ediciones, Madrid, 359 pp.
Las cimbras autolanzables, también llamadas autocimbras o cimbras de avance, se utilizan para el hormigonado de tableros de puentes o viaductos vano a vano. Son capaces de trasladarse a lo largo del puente por sus propios medios (“cimbras-máquina”). En el caso de las cimbras autolanzables sobre tablero, se solucionan algunos problemas como los gálibos estrictos o la posibilidad de utilizar la cimbra como carril de rodadura de un pórtico grúa que lleve los materiales y medios auxiliares. Sin embargo es una estructura más pesada y compleja, de mayor coste y dificultad de montaje y maniobra, por lo que no es tan habitual su uso como en el caso de autocimbras bajo tablero.
A continuación os dejo un Polimedia explicativo sobre este medio auxiliar, que espero que os sea de interés.
Os dejo un vídeo sobre una cimbra autolanzable de una luz de 90 m.
Referencias:
SEOPAN (2015). Manual de cimbras autolanzables. Tornapunta Ediciones, Madrid, 359 pp.
Cuando no es posible el uso de grúas, se puede recurrir a los lanzadores de vigas, vigas de lanzamiento o cimbras autolanzables. Se trata de un procedimiento excepcional debido a su compleja puesta en obra y a su baja productividad. Se emplean si el ritmo de llegada de las vigas a obra es pequeño, por ejemplo un par de vigas al día. Las vigas de lanzamiento requieren personal especializado en su manejo y montaje debido a que los movimientos son complejos y los esfuerzos generados pueden comprometer la estabilidad del conjunto. Estos problemas se complican cuando la rasante vertical del puente presenta acuerdos de radios menores a 12000 m, en cuyo caso la viga se apoya en tres puntos, con sus consiguientes esfuerzos hiperestáticos.
Lanzador de vanos completos. http://www.weiku.com
Las vigas de lanzamiento cubren luces entre 35 y 75 m, con pesos entre 600 kN y 4500 kN y pendientes máximas para el lanzamiento del 5%. Constan de dos vigas reticuladas unidas en sus extremidades sobre las que rueda el tren de los cabrestantes, compuesto por dos carros para elevar la viga a lanzar y un tercero para el desplazamiento longitudinal de la viga y el armazón. Las vigas prefabricadas se transportan desde el acopio al lanzador mediante carros elefante. Téngase en cuenta que los carros pueden moverse a velocidades de 5 km/h mientras que el lanzador solo alcanza los 3 m/minuto.
Os paso a continuación una pequeña presentación que he preparado para explicar este procedimiento constructivo de puentes. También os paso algún vídeo más al respecto que espero os resulten interesantes.
Lanzamiento del Puente de Lanjarón. Torroja Ingeniería
Os paso una animación realizada por José Antonio Agudelo que muestra el proceso constructivo del Viaducto de Lanjarón en Granada, España. Se trata de un puente mixto, proyectado por Torroja Ingeniería, siendo un arco atirantado por su propio tablero que sólo transmite reacciones verticales al terreno.
Los datos más interesantes del puente son: 112,6 m de luz y 15 m de altura. En las referencias os dejo un artículo de Mario García González que explica los detalles del viaducto. Lo interesante del procedimiento constructivo es que, en una primera fase de empuje, el puente queda en voladizo un 50%, y en una segunda fase se realiza un tiro para dejar la estructura en su emplazamiento definitivo.
El procedimiento consiste en fabricar o montar el tablero detrás del estribo y después empujarlo deslizándolo sobre las pilas hasta alcanzar su posición definitiva al llegar al otro estribo. Este tablero, también puede componerse mediante dovelas prefabricadas u hormigonadas “in situ”. El método del empuje ha permitido resolver satisfactoriamente la construcción de puentes sobre obstáculos importantes situados por debajo del tablero. Este procedimiento es particularmente ventajoso en los puentes muy largos, pues permiten aplicar la construcción industrializada -es rentable a partir de los 600 metros de longitud-.
Este sistema constructivo fue desarrollado en la segunda mitad del siglo XIX para ubicar en su situación definitiva grandes viaductos metálicos de celosía. De hecho, la ligereza de los tableros metálicos y mixtos es una ventaja sobre los de hormigón, mucho más pesados; sin embargo es habitual la construcción de estos puentes con hormigón pretensado. Los puentes de ferrocarril, en particular, son estructuras idóneas para construirlas mediante empuja, pues han de soportar, además de su peso propio, unas cargas de servicio elevadas que obligan a dimensionar secciones con una gran capacidad resistente. Al construir el puente, donde sólo actúa el peso propio, el exceso de capacidad puede aprovecharse sin sobredimensionar la estructura.
Pescante de lanzamiento en Papiol (Barcelona). http://www.cemetasa.com/
El primer viaducto de hormigón empujado fue el Puente de Ager en Austria en 1959, donde se usaban dovelas cortas prefabricadas; sin embargo, muchos autores citan el puente sobre el río Caroní (Venezuela), terminado en 1964, de Leonhardt y Baur como iniciadores de esta técnica con el hormigón. Posteriormente se consolidó el método de dovelas largas hormigonadas “in situ” en una instalación industrializada que se monta detrás del estribo, aunque sigue siendo habitual el empleo de dovelas de entre 10 y 25 metros de longitud, tanto fabricadas “in situ” como prefabricadas.
El campo de luces óptimo para los tableros empujados se encuentra entre los 30 y 60 metros, aunque de forma excepcional dicho intervalo se amplia desde los 20 a los 90 metros.
Muchas empresas españolas han realizado puentes empujados (Ferrovial, Dragados, FCC, etc.), y seguro que me dejo a alguien por nombrar. Como ejemplo de construcción de puentes empujados, os dejo un vídeo sobre la construcción de uno de los puentes más largos empujados del mundo. Lo construyó ACCIONA para el Ministerio de Transporte de Quebec (Canadá). La autopista consta de 42 kilómetros de longitud y dos carriles por sentido. La obra incluye la ejecución de dos puentes -uno de 1.860 metros sobre el río St.Lawrence y otro de 2.550 metros sobre el canal Beauharnois- el segundo puente empujado más largo del mundo; donde se ha conseguido superar la dificultad de la traza en cambio de altura y dirección horizontal. Os dejo un enlace a las características técnicas. Ha obtenido dos de los premios más relevantes del sector concesional el Gold Award concedido por The Canadian Council for Public-Private Partnerships y el North America Deal of the Year, por PFI.
Dejo aquí el cómo se realizó el lanzamiento en el viaducto de Millau.
Apoyo deslizante, con almohadillas de neopreno-teflón. Fuente: Óscar Ramos, 2010
El procedimiento de tableros empujados consiste en fabricar o montar el tablero detrás del estribo y después empujarlo deslizándolo sobre las pilas hasta alcanzar su posición definitiva al llegar al otro estribo. Para que ello sea posible, el tablero del puente debe deslizarse en todos los puntos donde se apoya, ya sean pilas, estribos o en el parque de fabricación. Estos apoyos, que en principio eran rodillos, hoy son de neopreno-teflón, que ofrecen poca fricción y una excelente distribución de las cargas verticales. Los apoyos pueden ser provisionales o definitivos. Los primeros se usan sobre apoyos auxiliares o en el parque de fabricación. Sobre las pilas pueden ser también provisionales, en cuyo caso se sustituyen posteriormente, o bien definitivos, con un segundo nivel deslizante que se utiliza durante el lanzamiento del tablero.
Apoyos de neopreno-teflón. Fuente: http://nisee.berkeley.edu/leonhardt/html/incrementally_launched_bridges.html
En los puentes de hormigón, el apoyo provisional se monta sobre un bloque de hormigón de unos 15-35 cm de espesor, fuertemente armado y nivelado. Sobre el hormigón se dispone una chapa de acero inoxidable pulida y plana, sobre la que se disponen las almohadillas de neopreno-teflón, de 10-13 mm de espesor. En los puentes de hormigón, el teflón se apoya sobre el acero inoxidable y el neopreno contacta con el tablero. Además, el apoyo dispone de una guía lateral, también con almohadillas de neopreno-teflón, que encarrila al tablero en su movimiento longitudinal. En el caso de puentes de acero o mixtos, se coloca la pastilla fija en el apoyo, con el teflón hacia arriba, siendo el puente el que desliza sobre la pastilla. En los puentes metálicos, muchos más flexibles, los apoyos pueden ser rotulados, de forma que se van adaptando a la deformada y a las contraflechas del tablero durante cada fase de lanzamiento.
En el caso de puentes de hormigón, el movimiento del tablero arrastra la almohadilla, que cae por delante y se vuelve a introducir por detrás. Esta operación se realiza manualmente, por lo que se debe prestar especial atención a los posibles errores durante las 2-3 horas que dura la operación del lanzamiento del tramo correspondiente. En los puentes metálicos, al permanecer el teflón fijo, no se precisan operarios recolocando continuamente las pastillas.
El coeficiente de rozamiento entre la almohadilla y el acero inoxidable, en el momento del arranque, puede llegar al 5% en tiempo frío, pero una vez en movimiento, baja al 3-3,5%. Para reducir la carga horizontal sobre el apoyo, se reducen al máximo las almohadillas, pues el rozamiento se reduce con la presión. Para soportar la carga vertical, se zuncha intensamente el neopreno para soportar unos 20 MPa. Además, conviene lubricar las almohadillas con silicona y mantenerlas limpias, con lo que se puede bajar el rozamiento al 1-2%.
Los apoyos provisionales se sustituyen por los definitivos subiendo el tablero con gatos. Esto mismo se debe hacer incluso cuando los apoyos deslizantes son definitivos, puesto que se debe bloquear el nivel de deslizamiento usado durante el lanzamiento, quitar las almohadillas y soldar la parte superior del apoyo a chapas metálicas dejadas en el tablero.
En puentes de hormigón se pueden lanzar vanos de 20 a 70 m, pudiendo ser de hasta más de 100 m en los metálicos. Con una buena velocidad de empuje, de unos 10 m/h, el lanzamiento se puede prolongar toda una jornada.
Se agradecen los comentarios realizados por Juan José Martí Gastaldo a este artículo, especialmente en lo referente a los puentes metálicos.
Os dejo a continuación un vídeo donde se observa el lanzamiento del tablero.