Comunicaciones presentadas al CMMoST 2019. 5th International Conference on Mechanical Models in Structural Engineering

Durante los días 23 a 25 de octubre de 2019 se celebra en la Universidad de Alicante el congreso internacional CMMoST 2019 (5th International Conference on Mechanical Models in Structural Engineering). En la sesión de mañana, a las 12:00 horas, nuestro grupo de investigación presenta en la Sala de Grados, bajo la presidencia de Salvador Ivorra, cuatro comunicaciones.

El trabajo se enmarca dentro del proyecto de investigación DIMALIFE que dirijo como investigador principal en la Universitat Politècnica de València. Os dejo aquí las referencias y los resúmenes por si os resulta de interés.

MARTÍNEZ-MUÑOZ, D.; YEPES, V.; MARTÍ, J.V. (2019). Diseño de experimentos factorial completo aplicado al proyecto de muros de contención. 5th International Conference on Mechanical Models in Structural Engineering, CMMoST 2019, 23-25 oct 2019, Alicante, Spain.

ABSTRACT: This paper applies a complete factorial design to a five-meter wall to evaluate which variables most influence the response. This method is used for two target functions, CO2 emissions and the cost of the structure. To do this, 32 evaluations of the structure are performed using a computer program and a statistical analysis is carried out. The results of this analysis show that the most statistically representative factor is the thickness of the wall and the length of the toe is of little importance for both target functions. The result of the models considering only the variables without the interaction results in an R2 greater than 95%, so the interaction between variables, although it is proven to exist, is not relevant to the case study. This methodology allows to reduce the complexity of structural problems, reducing the number of variables.

PENADÉS-PLÀ, V.; YEPES, V.; GARCÍA-SEGURA, T. (2019). Metodología para valorar la sostenibilidad con baja influencia de los decisores. 5th International Conference on Mechanical Models in Structural Engineering, CMMoST 2019, 23-25 oct 2019, Alicante, Spain.

ABSTRACT: The goal of achieving sustainable structures involves a set of criteria that are usually opposed. This leads to the need to create a decision-making process. In every decision-making process there are subjective assessments that depend on the decision-maker. This is why decision-makers become an important part of the process because of their subjective assessment. This paper proposes a methodology in which the subjective assessment of the decision-maker in the assessment of sustainability in structures is reduced. Different processes are applied to reduce uncertainty in decision-making processes. In the first place the analysis of main components is applied, in the second place the optimization based on kriging, and finally the AHP method. All this is applied to a continuous concrete deck of beams for pedestrian walkways to achieve sustainable designs, reducing the complexity in making decisions on the most sustainable solution.

YEPES, V.; PENADÉS-PLÀ, V.; GARCÍA-SEGURA, T. (2019). Aplicación de optimización Kriging para la búsqueda de estructuras óptimas robustas. 5th International Conference on Mechanical Models in Structural Engineering, CMMoST 2019, 23-25 oct 2019, Alicante, Spain.

ABSTRACT: All the structural problems have an associated variability or uncertainty. In the design of structures there are parameters such as the dimensions of the structure, the mechanical characteristics of the materials or the loads that can have variations with respect to the design value. The goal of the robust design optimization is to obtain the design that is optimum and is less sensitive to variations of these uncertain initial parameters. The main limitation of the robust design optimization is the high computational cost required due to the high number of optimizations that must be made to assess the sensitivity of the objective response of the problem. For this reason, kriging model is applied to carry out the optimization process more efficiently. In this work, it is going to apply the robust design optimization on a continuous pedestrian bridge of prestressed concrete and box section.

YEPES, V.; MARTÍNEZ-MUÑOZ, D.; MARTÍ, J.V. (2019). Optimización de muros de hormigón mediante la metodología de la superficie de respuesta. 5th International Conference on Mechanical Models in Structural Engineering, CMMoST 2019, 23-25 oct 2019, Alicante, Spain.

ABSTRACT: This study presents an application of the response surface methodology to optimize a 5 m high concrete wall. The objective of this research work is to obtain a design solution of a concrete wall, using the CO2 emissions as an objective function to reduce its impact. To reach this objective, a factorial experimental design has been carried out to reduce the number of variables. After this, a steepest descent method has been used to look for the optimum neighborhood. Once the region around the optimum has been found, a second order response surface has been adjusted to reach the minimum. The objective function has been modified to allow a penalty for solutions that do not meet the Ultimate Limit States or stability restrictions. With this methodology, a good solution has been obtained, while also allowing the identification of the geometric design variables that mainly affect CO2 emissions.

 

Optimización de puentes pretensados mediante la metodología de la superficie de respuesta

Nos acaban de publicar en la Revista CIATEC-UPF (Revista de Ciências Exatas Aplicadas e Tecnológicas da Universidade de Passo Fundo, CIATEC-UPF – ISSN 2176-4565) , un artículo relacionado con la optimización de pórticos de hormigón armado con sistemas de agrupación de columnas. Se trata de una colaboración con el profesor Moacir Kripka y está dentro del proyecto de investigación DIMALIFE.

Os paso a continuación el resumen y una copia descargable del artículo, pues está publicado en abierto. Espero que os sea de interés.

RESUMEN:

Los puentes son infraestructuras esenciales para mejorar la comunicación dentro de un territorio. La optimización constituye un proceso que permite obtener puentes de menor coste bajo ciertas restricciones. Debido a la complejidad de los problemas estructurales, la optimización matemática no es útil y se recurre a la optimización heurística debido a su mayor eficacia. En este trabajo se presenta una alternativa a la optimización heurística basada en los metamodelos. El procedimiento consiste en una reducción de los factores iniciales mediante el diseño de experimentos, reduciendo significativamente la complejidad del problema sin perder información. Posteriormente, se aplica la metodología de la superficie de respuesta para obtener el óptimo del problema. Este procedimiento se aplica a un tablero de un puente de losa maciza que cumpla todas las restricciones de las normativas.

PALABRAS CLAVE:

Hormigón estructural. Optimización. Puente pretensado. Metamodelo. Superficie de respuesta

REFERENCIA:

PENADÉS-PLÀ, V.; YEPES, V.; KRIPKA, M. (2019). Optimización de puentes pretensados mediante la metodología de la superficie de respuesta. Revista CIATEC-UPF, 11(2):22-35. https://doi.org/10.5335/ciatec.v11i2.9159

 

Descargar (PDF, 988KB)

 

¿Qué es la metodología de la superficie de respuesta?

La Metodología de la Superficie de Respuesta (RSM) es un conjunto de técnicas matemáticas y estadísticas utilizadas para modelar y analizar problemas en los que una variable de interés es influenciada por otras.  El propósito inicial de estas técnicas es diseñar un experimento que proporcione valores razonables de la variable respuesta y, a continuación, determinar el modelo matemático que mejor se ajusta a los datos obtenidos. El objetivo final es establecer los valores de los factores que optimizan el valor de la variable respuesta. Esto se logra al determinar las condiciones óptimas de operación del sistema.

La diferencia entre (RSM) y un diseño experimental corriente estriba en que un diseño experimental por si solo tiene como objetivo localizar el tratamiento “ganador” entre todos aquellos que se han probado. En cambio, RSM pretende localizar las condiciones óptimas de operación del proceso. Ello supone un reto para el investigador, requiere una estrategia más completa e incluye la posibilidad de efectuar varios experimentos secuenciales y el uso de técnicas matemáticas más avanzadas.

Os dejo a continuación un vídeo explicativo que espero os aclare la metodología.

Otro vídeo complementario al anterior es el siguiente:

Referencias:

  • Box, G. E. P., Wilson, K. G. (1951), On the experimental attainment of optimum conditions,Journal of the Royal Statistical Society, B 13, 1-45
  • Cornell, John A. (1984), How to apply Response Surface Methodology, American Society for Quality Control, Milwaukee, WI.
  • Kuehl, Robert O. (2001) Diseño de Experimentos, 2a. Edición, Thomson Learning.
  • Melvin T. A. Response Surface Optimization using JMP Software, < http://www2.sas.com/proceedings/sugi22/STATS/PAPER265.PDF>
  • Montgomery, D. C. (2002), Diseño y Análisis de Experimentos, Editorial Limusa, Segunda Edición.
  • http://www.cicalidad.com/articulos/RSM.pdf
  • http://catarina.udlap.mx/u_dl_a/tales/documentos/lii/peregrina_p_pm/capitulo2.pdf

Trucos para representar gráficas de superficie en MATLAB

Las gráficas de superficie resultan de interés, por ejemplo, para representar la Superficie de Respuesta en un Diseño de Experimentos, o bien cuando estamos representando la predicción de un fenómeno a través de unas redes neuronales. Sea cual sea el motivo, dejo a continuación algunas pautas para que esta tarea sea sencilla.

Sea, por ejemplo, la parametrización de un algoritmo de Simulated Annealing donde hemos realizado experimentos con distintas longitudes de cadenas de Markov (columnas) y distintos coeficientes de enfriamiento (filas). En la tabla se encuentran los resultados medios en coste encontrados tras realizar 9 ensayos en cada caso.

20000 30000 40000 50000
0,95 2652 2645 2637 2634
0,96 2650 2644 2637 2635
0,97 2648 2644 2637 2636
0,98 2647 2642 2637 2636
0,99 2647 2641 2637 2637

 

Para poder representar dichos puntos, necesitamos definir dos vectores fila: x será, por ejemplo, el vector fila de los coeficientes de enfriamiento, e y será el vector fila de las longitudes de cadena de Markov.

>> x=[0.95 0.96 0.97 0.98 0.99]

x =

0.9500 0.9600 0.9700 0.9800 0.9900

>> y=[20000 30000 40000 50000]

y =

20000 30000 40000 50000

>> z=[2652 2645 2637 2634

2650 2644 2637 2635
2648 2644 2637 2636
2647 2642 2637 2636
2647 2641 2637 2637]

z =

2652 2645 2637 2634
2650 2644 2637 2635
2648 2644 2637 2636
2647 2642 2637 2636
2647 2641 2637 2637

 Sin embargo, la matriz z tiene que trasponerse, de forma que en filas vengan los datos de y:

>> z=z’

z =

2652 2650 2648 2647 2647
2645 2644 2644 2642 2641
2637 2637 2637 2637 2637
2634 2635 2636 2636 2637

Ahora  ya podemos dibujar la superficie, con varias opciones:

>> mesh (x,y,z)

Superficie mesh

 >> surf(x,y,z)

 

Superficie surf

>> contour (x,y,z)

Superficie contour

 >> surfc (x,y,z)

Superficie surfc

 >> pcolor (x,y,z)

Superficie pcolor