Proceso Analítico Jerárquico (Analytic Hierarchy Process, AHP)

Figura 1. Thomas L. Saaty (1926-2017)

En numerosas ocasiones contamos con muy poca información o tenemos que tomar una decisión teniendo en cuenta aspectos cualitativos que son difíciles de valorar. Para solucionar este tipo de problemas, muy habituales en situaciones reales, el profesor Thomas L. Saaty propuso en la década de los 70 un método denominado Analytic Hierarchy Process (AHP), que se ha traducido al español como Proceso Analítico Jerárquico. Este método multiatributo, nacido como respuesta a problemas concretos de toma de decisiones en el Departamento de Defensa de los Estados Unidos, hoy día se aplica habitualmente a casi todos los ámbitos de la empresa, la economía o la investigación de operaciones, entre otros muchos.

En apretada síntesis, AHP es un método que selecciona alternativas en función de una serie de criterios o variables, normalmente jerarquizados, los cuales suelen entrar en conflicto. En esta estructura jerárquica, el objetivo final se encuentra en el nivel más elevado, y los criterios y subcriterios en los niveles inferiores, tal y como se muestra en la Figura 2. Para que el método sea eficaz, es fundamental elegir bien los criterios y subcriterios, los cuales deben estar muy bien definidos, ser relevantes y mutuamente excluyentes (independencia entre ellos). Es importante  que el número de criterios y subcriterios en cada nivel no sea superior a 7, para evitar excesivas comparaciones a pares.

Figura 2. Ejemplo de estructura jerárquica AHP

Una vez definida la estructura jerárquica, se comparan los criterios de cada grupo del mismo nivel jerárquico y la comparación directa por pares de las alternativas respecto a los criterios del nivel inferior. Para ello se utilizan matrices de comparación pareadas usando una Escala Fundamental (Tabla 1). Esta es la clave del método, usar una escala de comparación por pares, puesto que el cerebro humano está especialmente bien diseñado para comparar dos criterios o alternativas entre sí, pero menos cuando tiene que hacer comparaciones conjuntas. En efecto, la Ley de Weber-Fechner establece que el menor cambio discernible en la magnitud de un estímulo es proporcional a la magnitud de dicho estímulo. Como la relación entre el estímulo y la percepción corresponde a una escala logarítmica, si un estímulo crece en progresión geométrica, la percepción evolucionará como una progresión aritmética. Es por ello que AHP utiliza una escala fundamental del 1 al 9 que ha sido satisfactoria en comprobaciones empíricas realizadas en situaciones reales muy diversas.

Tabla 1. Escala fundamental de comparación por pares (Saaty, 1980)

La comparación de las diferentes alternativas respecto al criterio del nivel inferior de la estructura jerárquica, como la comparación de los diferentes criterios de un mismo nivel jerárquico dan lugar a una matriz  cuadrada denominada matriz de decisión. Esta matriz cumple con las propiedades de reciprocidad (si aij=x, entonces aji=1/x), homogeneidad (si i y j son igualmente importantes, aij=aji=1, y además, aii= 1 para todo i), y consistencia (la matriz no debe contener contradicciones en la valoración realizada). La consistencia se obtiene mediante el índice de consistencia (Consistency Index, CI) donde λmax es el máximo autovalor y n es la dimensión de la matriz de decisión. Un índice de consistencia igual a cero significa que la consistencia es completa. Una vez obtenido CI, se obtiene la proporción de consistencia (Consistency Ratio, CR) siendo aceptado siempre que no supere los valores indicados en la Tabla 3. Si en una matriz se supera el CR máximo, hay que revisar las ponderaciones.

Donde RI es el índice aleatorio, que indica la consistencia de una matriz aleatoria (Tabla 2):

Tabla 2. Índice aleatorio RI

 

Tabla 3. Porcentajes máximos del ratio de consistencia CR

Una vez verificada la consistencia, se obtienen los pesos, que representan la importancia relativa de cada criterio o las prioridades de las diferentes alternativas respecto a un determinado criterio. Para ello, el AHP original utiliza el método de los autovalores, donde hay que resolver la siguiente ecuación:

donde A representa la matriz de comparación, w el autovector o vector de preferencia, y λmax el autovalor.

A continuación os dejo algunos vídeos de interés donde se explica el método AHP y sus aplicaciones. Espero que os sean de utilidad.

Referencias:

Saaty, T.L. (1980). The Analytic Hierarchy Process: Planning, Priority Setting, Resource Allocation, McGraw-Hill.

 

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

Clasificación de los métodos de toma de decisión multicriterio multiatributo

Figura. Clasificación general de los MCDM

Seguimos en este entrada explicando los conceptos básicos que subyacen a a toma de decisión multicriterio. El concepto de toma de decisiones multi-criterio (MCDM) abarcaba en sus inicios al conjunto de métodos que servían como herramienta para el proceso de toma de decisiones (Cinelli et al., 2014). Sin embargo, el desarrollo Pero, el desarrollo de estos métodos ha sido exponencial, de forma que es necesario algún tipo de clasificación para entender mejor el funcionamiento de cada técnica.

Hwang and Yoon (1981) propusieron dividir los métodos MCDM en métodos de toma de decisión multi-atributo (Multi-attribute decision-making, MADM) y métodos de toma de decisión multi-objetivo (Multiobjective decision-making, MODM). En la Figura se puede ver esta clasificación general de los métodos. Los métodos MADM se utilizan para resolver problemas discretos: las alternativas están predeterminadas y los expertos valoran “a priori” cada criterio e indicando la importancia de cada uno de ellos. Los métodos MODM se utilizan para resolver problemas continuos: las alternativas no están predeterminadas, pues son grupos de soluciones igualmente buenas bajo una serie de restricciones, participando los expertos “a posteriori”.

Los métodos MADM, a su vez, se pueden subdividir en función del tipo de información inicial (determinista, estocástica o incierta), o dependiendo de los grupos de decisores (un único grupo o varios grupos). Sin embargo, la clasificación más habitual es la propuesta por Hajkwociz y Collins (2007) y De Brito y Evers (2016) en los siguientes métodos:

  • Los métodos de puntuación directa (scoring methods) son los más simples, basados en evaluar las diferentes alternativas mediante operaciones aritméticas básicas. SAW y COPRAS evalúan las alternativas sumando el valor normalizado de cada criterio por su peso correspondiente. SAW es más antiguo y permite realizar este proceso únicamente cuando se desea maximizar un criterio. COPRAS constituye una evolución de SAW y se aplica tanto para criterios que se desean maximizar como minimizar.
  • Los métodos basados en la distancia (distance-based methods) calculan la distancia entre cada alternativa y un punto concreto. El método GP pretende obtener la alternativa que satisfaga un conjunto de metas, es decir, el punto no es el óptimo, sino aquel que cumpla una serie de condiciones. El método CP trata de obtener aquella alternativa más próxima al hipotético punto óptimo. Los métodos VIKOR y TOPSIS se basan en CP, diferenciándose en la normalización de los criterios. VIKOR tiene en cuenta la distancia a la solución ideal y TOPSIS considera tanto la distancia tanto a la solución ideal como a la solución no ideal.
  • Los métodos de comparación por pares (pairwise comparision methods) son muy útiles para obtener los pesos de los diferentes criterios y evaluar criterios subjetivos comparando las alternativas entre sí. El método AHP fue el primero en desarrollarse y es uno de los métodos más usados en la toma decisiones. ANP es una evolución del AHP que permite usar criterios dependientes entre sí. MACBETH es una alternativa similar al AHP en cuanto a forma, pero con algunas diferencias en cuanto a conceptos.
  • Los métodos de superación (outranking methods) establecen una relación de preferencia entre un conjunto de soluciones donde cada una de ellas muestra un grado de dominación sobre las otras respecto a un criterio. Estos métodos son capaces de tratar con información incompleta y difusa, y permite clasificar las alternativas en función de la relación de preferencia existente entre ellas. Dentro de este grupo se encuentran PROMETHEE y ELECTRE.
  • Los métodos basados en funciones de utilidad o valor (utility/value methods) como MAUT (utilidad) y MAVT (valor), definen funciones que determinan el grado de satisfacción de una alternativa respecto a un criterio. Estas funciones convierten las valoraciones de las alternativas en un grado de satisfacción para cada criterio. Dichas funciones presentan diferentes formas en función de la relación entre la valoración y el grado de satisfacción. MIVES es un derivado de los anteriores en el cual se proporciona las ecuaciones que definen las diferentes funciones de satisfacción.

 

Tabla. Clasificación de los métodos MADM (Penadés-Plà et al., 2016)

A pesar de todo lo anterior, la vida real es compleja. Siempre existe una incertidumbre en las valoraciones o en las comparaciones. Es por ello que muchos de estos métodos utilizan herramientas como la teoría fuzzy, el método de Montecarlo o los números Grey. Además, cuando la toma de decisiones no es individual, suelen existir diferentes grupos con diferentes intereses, con lo que es necesario llegar a un consenso entre ellos. El método Delphi es una herramienta útil para cuando hay diferentes decisores.

Referencias:

Cinelli, M.; Coles, M.; Kirwan, K. Analysis of the potentials of multi criteria decision analysis methods to conduct sustainability assessment. Ecol. Indic. 2014, 46, 138–148.

De Brito, M. M.; Evers, M. Multi-criteria decision-making for flood risk management: A survey of the current state of the art. Nat. Hazards Earth Syst. Sci. 2016, 16, 1019–1033.

García-Segura, T.; Penadés-Plà, V.; Yepes, V. (2018). Sustainable bridge design by metamodel-assisted multi-objective optimization and decision-making under uncertainty. Journal of Cleaner Production, 202: 904-915.

Hajkowicz, S.; Collins, K. A review of multiple criteria analysis for water resource planning and management. Water Resour. Manag. 2007, 21, 1553–1566.

Hwang, C. L.; Yoon, K. Multiple attribute decision making: Methods and Applications; 1981.

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.

Zamarrón-Mieza, I.; Yepes, V.; Moreno-Jiménez, J.M. (2017). A systematic review of application of multi-criteria decision analysis for aging-dam management. Journal of Cleaner Production, 147:217-230.

 

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

Introducción a la toma de decisiones

Figura 1. De Lou Sander – Trabajo propio, Dominio público, https://commons.wikimedia.org/w/index.php?curid=8040446

Con esta entrada voy a iniciar una serie relacionada con la toma de decisiones. Todos tomamos decisiones a cada momento. Qué hago este fin de semana, si voy a ir al gimnasio dos o tres veces a la semana, a qué hora pongo el despertador, etc. Pues este tipo de decisiones no solo son individuales, sino que las empresas, los políticos o cualquier tipo de organización la deben tomar a cada momento. En la Figura 1 tenemos un ejemplo habitual: seleccionar un líder entre tres candidatos, tomando como criterios, por ejemplo, la edad, la experiencia, la educación o el carisma. Y muchas influyen significativamente en nuestra calidad de vida, en nuestras finanzas o en nuestro futuro. Es por esto, que la toma de decisiones se ha convertido en un proceso de gran importancia al que hay que prestar atención cuando se va a realizar la elección de una solución o alternativa.

Por cierto, si alguno está interesado en este tema y quiere participar en un número especial de la revista “Mathematics” sobre “Optimization for Decision Making” que estoy coordinando junto con el profesor José María Moreno, podéis acudir al siguiente enlace: http://victoryepes.blogs.upv.es/2018/10/11/special-issue-optimization-for-decision-making/?fbclid=IwAR3im1Wk2al8T6Rxstl6yWjOIaZvRtOpyIlQiYlT-Mr6ykF3QAXR5hVNbSI

Gran parte de las decisiones que tomamos en la vida diaria la realizamos intuitivamente. Sin embargo, cuando se presenta un problema de mayor importancia y se quiere convertir la toma de decisiones en un problema racional aparece el proceso de toma de decisiones (Figura 2), el cual está comprendido por 5 fases: (1) definición del problema, (2) identificación de las alternativas, (3) determinación de los criterios, (4) evaluación de las alternativas, y (5) elección de una opción.

Figura 2. Proceso de toma de decisiones

Cuando la toma de una decisión depende de únicamente un único criterio, la solución óptima es aquella que optimiza dicho criterio. Este tipo de problema ofrece una visión parcial de la realidad, pues normalmente en la solución a un problema influyen numerosos aspectos que pueden ser contradictorios y entrar en conflicto entre sí. Aquí es donde entran en escena los problemas de decisión que tienen en cuenta dos o más criterios.

La toma de decisiones multicriterio constituye el proceso o acción que se utiliza para resolver un problema cuando son diferentes los criterios que deben considerarse. Por lo tanto, su objetivo principal es la evaluación de una serie de soluciones o alternativas Aj (i=1,2,…,n) a un problema basadas en las puntuaciones rij en relación a una serie de criterios Ci (j=1,2,…,m). La interacción entre los dos conjuntos de elementos se suele expresar como la matriz de toma de decisiones Mmn:

Figura 3. Matriz de toma de decisión

Las puntuaciones rij varían dependiendo de si el criterio evaluado es cuantitativo o cualitativo. Los criterios cuantitativos son criterios objetivos que se evalúan numéricamente, pero al tratar de realizar el mismo tipo de evaluación frente a criterios subjetivos, como son los cualitativos, la confusión aflora y se vuelve difícil asignar un valor numérico a un criterio cualitativo. Teniendo presente lo dicho, es más sencillo crear una escala de evaluación mediante términos lingüísticos que posteriormente sean asociados a valores numéricos. Un ejemplo será la utilización del Proceso Analítico Jerárquico (AHP), del cual hablaremos en su momento.

Por tanto, los criterios a evaluar pueden ser cuantitativos y cualitativos, y además dentro de cada grupo las unidades de medida pueden ser diferentes. Es por esto, que es necesario normalizar la matriz de toma de decisiones antes de evaluar las alternativas, de forma que las puntuaciones rij se conviertan en puntuaciones r’ij normalizadas. Paralelamente a la normalización de la matriz de toma de decisiones se deben obtener los pesos wi de cada criterio Ci en función de su importancia en la obtención de la meta final. Por lo tanto, la matriz de decisiones previa a la evaluación, se convierte en una matriz donde las puntuaciones rij se convierten en puntuaciones normalizadas con pesos asociados vij:

Los pesos asociados a cada criterio expresan la importancia relativa de cada uno de estos criterios, que sirven para alcanzar la valoración final de cada alternativa. La asignación de los pesos a cada criterio es un punto muy importante en la toma de decisiones, pues una pequeña variación de los mismos puede provocar que en un mismo problema, la solución final se decante por una u otra alternativa. Existe una gran variedad de métodos de asignación de pesos, que pueden considerarse objetivos o subjetivos. Pero eso lo dejamos para una entrada posterior.

 

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

Algunas conclusiones de nuestros trabajos en optimización multiobjetivo de puentes

Hoy hace justo un año que realicé mi defensa pública de la plaza de Catedrático de Universidad en el Área de Ingeniería de la Construcción. Tuve en aquel momento la oportunidad de exponer como parte de la prueba un trabajo de investigación, basado fundamentalmente en los trabajos realizados por nuestro grupo. Se trataba del diseño eficiente de puentes de hormigón postesado de sección en cajón unicelular mediante una optimización multiobjetivo basada en criterios sostenibles. Las conclusiones que aquí se resumen son fruto de varios estudios previos para examinar el uso de cementos con adiciones, la importancia de la carbonatación en la captura de CO2 y en la durabilidad, la reutilización del hormigón, el uso del hormigón autocompactante, los diseños sostenibles de puentes artesa prefabricados de hormigón pretensado, la relación entre el coste y el CO2, así como la energía, los diseños sostenibles de pasarelas de hormigón postesado, los algoritmos heurísticos y las técnicas de toma de decisiones para analizar y reducir el conjunto óptimo de Pareto. Los resultados de estos estudios previos fueron la base del trabajo presentado. Se planteó una optimización multiobjetivo basada en criterios económicos, ambientales, de durabilidad y de seguridad. Además, se formuló una herramienta informática que permitió el uso de software comercial para realizar el análisis del puente con elementos finitos, en un proceso de diseño automático. Al final de la entrada os he dejado referencias directamente relacionadas con la investigación de nuestro grupo en optimización multiobjetivo y toma de decisión multicriterio de puentes a lo largo de su ciclo de vida.

En primer lugar, se estudió el diseño óptimo de puentes de carreteras de hormigón postesado de sección en cajón considerando los costes, las emisiones de CO2 y el coeficiente de seguridad global. Para aplicar la metodología propuesta, se realizó un estudio de caso de un puente continuo de tres vanos situado en una zona costera. Los resultados mostraron que tanto el coste económico como la reducción de las emisiones de CO2 conducen a una reducción en el consumo de material y por lo tanto, son objetivos alineados. Ello indica que la optimización de costes es un buen enfoque para lograr un diseño respetuoso con el medio ambiente. El análisis de la frontera de Pareto indicó las variables más eficientes para mejorar la seguridad con el coste mínimo y las emisiones de CO2. Dado que el coste y las emisiones estaban estrechamente relacionados, el desafío se tradujo en la conversión de las limitaciones estructurales de seguridad y durabilidad en funciones objetivo. Este enfoque permitió encontrar múltiples soluciones alternativas que, con un incremento muy pequeño en el coste, consiguen mayor seguridad y durabilidad. Además, se destacó la eficiencia del aumento de la resistencia y del recubrimiento del hormigón para prolongar la vida útil. La frontera de Pareto se utilizó posteriormente para seleccionar planes de mantenimiento del puente óptimos, basados en su nivel inicial de seguridad y durabilidad. Este planteamiento es consistente con el argumento de que el proceso de deterioro puede causar una reducción en la seguridad estructural. Este estudio permitió analizar las ventajas que presenta un diseño optimizado para prolongar la vida útil de la estructura y mejorar su seguridad. Se llevó a cabo una optimización de la vida útil sostenible a través de un enfoque probabilístico. El plan de mantenimiento óptimo tiene como objetivo minimizar los impactos económicos, ambientales y sociales mientras se satisface el objetivo de fiabilidad durante una vida útil. Finalmente, se compararon los costes del ciclo de vida y las emisiones entre las distintas alternativas.

En paralelo, se desarrolló un metamodelo basado en redes neuronales, para reducir el tiempo de cálculo. Las ANNs se entrenaron para predecir la respuesta estructural en términos de los estados límite en función de las variables de diseño, sin necesidad de un análisis completo del puente. Se propuso una metaheurística mejorada basada en la búsqueda de la armonía multiobjetivo. Se mejoró la diversificación y la intensificación en la búsqueda de soluciones para mejorar la convergencia. Finalmente, se propuso una técnica de toma de decisiones llamada AHP-VIKOR bajo incertidumbre para reducir la frontera de Pareto a un conjunto de soluciones preferidas. Este método permite al decisor introducir fácilmente las preferencias en un criterio específico sujeto a incertidumbre.

Las conclusiones generales de este trabajo de investigación fueron las siguientes:

  • La minimización de costes y emisiones de CO2 conduce a un diseño de puente que favorece la eficiencia estructural minimizando la cantidad de materiales. La inclusión del objetivo de seguridad destaca las mejores variables para mejorar la seguridad y por lo tanto, la robustez de cada variable para el diseño eficiente. El objetivo de durabilidad, evaluado como el inicio de la corrosión, estableció la mejor combinación de resistencia y recubrimiento del hormigón para alcanzar un objetivo de vida de servicio.
  • El canto, el espesor de la losa inferior, las armaduras activas y la armadura pasiva longitudinal son las variables principales que proporcionan la resistencia a flexión. Sin embargo, no se recomienda un incremento de espesor de la losa superior y del ala para mejorar la seguridad estructural, pues conduce a pesos propios adicionales. Para mejorar el comportamiento a flexión transversal, se incrementa el espesor del arranque del ala y se disminuye la longitud del ala. La inclinación del alma puede ser constante, pues tanto la profundidad como la anchura de inclinación del alma aumentan en paralelo para mejorar la seguridad. El espesor del alma no es la variable más económica para aumentar la resistencia a esfuerzo cortante; por el contrario, se incrementa la armadura de refuerzo.
  • El uso de hormigón de alta resistencia puede reducir el canto o la cantidad de armadura. Sin embargo, las restricciones relativas a los estados límite de servicio y las cuantías mínimas de armadura condicionan estas variables. Por lo tanto, el hormigón de alta resistencia no es la mejor solución para mejorar la seguridad. Sin embargo, este resultado cambia cuando se tiene en cuenta el ciclo de vida. Un incremento en la resistencia del hormigón alarga la vida útil de servicio, pues se retrasa el inicio de la corrosión. Por otro lado, el incremento en la resistencia del hormigón presenta mejores resultados a lo largo del ciclo de vida para diseños con inicios de corrosión similares, en comparación con el incremento del recubrimiento de hormigón.
  • Un diseño inicial que incorpore la durabilidad como objetivo y no como restricción resulta especialmente beneficioso si se quiere alargar el ciclo de vida de la estructura. Diseños que retrasen el inicio de la corrosión implican un menor coste del ciclo de vida, incluso con costes iniciales más altos. Sin embargo, un nivel de seguridad inicial más alto no siempre ofrece como resultado un mejor rendimiento del ciclo de vida.

 

A partir de los estudios, se extrajeron estas conclusiones específicas:

  • El empleo de cementos con adiciones conlleva una reducción en la captura de carbono y en la vida útil debido a la carbonatación. A pesar de esto, los cementos con adiciones disminuyen las emisiones anuales. El hormigón autocompactante no es aconsejable desde el punto de vista medioambiental. En términos de coste, se obtienen pocas diferencias entre el hormigón vibrado convencional y el hormigón autocompactante.
  • Es fundamental reutilizar el hormigón como gravas en material de relleno para lograr una completa carbonatación y reducir las emisiones de CO2.
  • En el puente postesado estudiado, la reducción del coste en 1 euro disminuye las emisiones de CO2 en 2,34 kg. En cuanto al coeficiente de seguridad global, se obtienen tres relaciones lineales entre el coste y este objetivo. Para aumentar el coeficiente de seguridad global de 1,0 a 1,4, los costes aumentan en 12,5%. Después de este punto, los resultados de mejora de la seguridad son más caros. Con respecto al inicio de la corrosión, con pequeños incrementos de coste se consiguen retrasos significativos.
  • El estado límite de descompresión es restrictivo y condiciona variables como el canto y el número de torones de pretensado. Dado que estas variables también influyen en la flexión, este estado límite no es restrictivo hasta que el coeficiente de seguridad global alcanza 1,4.
  • La relación entre el coste y el CO2 se mantiene para todos los niveles de seguridad y por lo tanto, la optimización de costes es un buen enfoque para minimizar las emisiones independientemente del nivel de seguridad.
  • En estructuras con un espacio de soluciones factibles pequeños, el coste y la emisión se encuentran muy relacionados. Sin embargo, las estructuras de hormigón armado, que presentan espacios factibles mayores, conducen a diseños medioambientales con mayores secciones, mayor cantidad de hormigón, menor acero y horigones con la menor resistencia característica.
  • El plan de mantenimiento óptimo es aquel que presenta menos operaciones que reparen simultáneamente todas las superficies deterioradas. A pesar de que existe un deterioro diferente para cada una de las caras de la sección expuesta, los resultados recomiendan reparar todas las superficies conjuntamente. Las operaciones de mantenimiento deben programarse al mismo tiempo para reducir el impacto de las interrupciones del tráfico.
  • Por lo general, la optimización del coste de mantenimiento también conduce a la minimización de las emisiones de CO2. Esto se atribuye al hecho de que tanto las emisiones como los costes pretenden reducir el número total de operaciones de mantenimiento. Sin embargo, la optimización de costes intenta retrasar la fecha de la primera reparación. Por lo tanto, la determinación del número de operaciones y el retraso de la primera fecha de mantenimiento, reduce también el coste al mínimo.
  • Las redes neuronales constituyen una buena herramienta para predecir la respuesta de la estructura, proporcionar una buena dirección de búsqueda y reducir el coste computacional. Sin embargo, al final del proceso de búsqueda, se necesitan modelos de análisis completo para converger más cerca de la frontera de Pareto real.
  • La transición de la diversificación a la intensificación, que elimina progresivamente la combinación de soluciones y la selección aleatoria, mejora el rendimiento del algoritmo.
  • El método AHP-VIKOR bajo incertidumbre redujo el conjunto de Pareto a pocas soluciones preferidas. Para este estudio de caso, se prefieren las soluciones con el mayor tiempo de inicio de la corrosión, pues la mejora de la durabilidad no implica grandes diferencias de costes.

 

Referencias:

  • PENADÉS-PLÀ, V.; GARCÍA-SEGURA, T.; YEPES, V. (2019). Accelerated optimization method for low-embodied energy concrete box-girder bridge design. Engineering Structures, 179:556-565. DOI:10.1016/j.engstruct.2018.11.015
  • NAVARRO, I.J.; MARTÍ, J.V.; YEPES, V. (2019). Reliability-based maintenance optimization of corrosion preventive designs under a life cycle perspective. Environmental Impact Assessment Review, 74:23-34. DOI:1016/j.eiar.2018.10.001
  • GARCÍA-SEGURA, T.; PENADÉS-PLÀ, V.; YEPES, V. (2018). Sustainable bridge design by metamodel-assisted multi-objective optimization and decision-making under uncertainty. Journal of Cleaner Production, 202: 904-915. DOI:1016/j.jclepro.2018.08.177
  • NAVARRO, I.J.; YEPES, V.; MARTÍ, J.V.; GONZÁLEZ-VIDOSA, F. (2018). Life cycle impact assessment of corrosion preventive designs applied to prestressed concrete bridge decks. Journal of Cleaner Production, 196: 698-713. DOI:10.1016/j.jclepro.2018.06.110
  • NAVARRO, I.J.; YEPES, V.; MARTÍ, J.V. (2018). Social life cycle assessment of concrete bridge decks exposed to aggressive environments. Environmental Impact Assessment Review, 72:50-63. DOI:1016/j.eiar.2018.05.003
  • SIERRA, L.A.; YEPES, V.; PELLICER, E. (2018). A review of multi-criteria assessment of the social sustainability of infrastructures. Journal of Cleaner Production, 187:496-513. DOI:1016/j.jclepro.2018.03.022
  • 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. DOI:3390/su10030845
  • 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. DOI:3390/su10030685
  • SIERRA, L.A.; YEPES, V.; GARCÍA-SEGURA, T.; PELLICER, E. (2018). Bayesian network method for decision-making about the social sustainability of infrastructure projects. Journal of Cleaner Production, 176:521-534. DOI:1016/j.jclepro.2017.12.140
  • GARCÍA-SEGURA, T.; YEPES, V.; FRANGOPOL, D.M. (2017). Multi-Objective Design of Post-Tensioned Concrete Road Bridges Using Artificial Neural Networks. Structural and Multidisciplinary Optimization, 56(1):139-150. DOI:1007/s00158-017-1653-0
  • GARCÍA-SEGURA, T.; YEPES, V.; FRANGOPOL, D.M.; YANG, D.Y. (2017). Lifetime Reliability-Based Optimization of Post-Tensioned Box-Girder Bridges. Engineering Structures, 145:381-391. DOI:10.1016/j.engstruct.2017.05.013
  • 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. DOI:10.3390/su9101864
  • SIERRA, L.A.; PELLICER, E.; YEPES, V. (2017). Method for estimating the social sustainability of infrastructure projects. Environmental Impact Assessment Review, 65:41-53. DOI:10.1016/j.eiar.2017.02.004
  • SIERRA, L.A.; YEPES, V.; PELLICER, E. (2017). Assessing the social sustainability contribution of an infrastructure project under conditions of uncertainty. Environmental Impact Assessment Review, 67:61-72. DOI:10.1016/j.eiar.2017.08.003
  • 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. DOI:10.1016/j.acme.2017.02.006
  • 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. DOI:10.3390/su8121295
  • 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. DOI:10.1016/j.engstruct.2016.07.012
  • 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. DOI:10.1016/j.jclepro.2016.02.024
  • GARCÍA-SEGURA, T.; YEPES, V.; ALCALÁ, J.; PÉREZ-LÓPEZ, E. (2015). Hybrid harmony search for sustainable design of post-tensioned concrete box-girder pedestrian bridgesEngineering Structures, 92:112-122. DOI:10.1016/j.engstruct.2015.03.015
  • LUZ, A.; YEPES, V.; GONZÁLEZ-VIDOSA, F.; MARTÍ, J.V. (2015). Design of open reinforced concrete abutments road bridges with hybrid stochastic hill climbing algorithms. Informes de la Construcción, 67(540), e114. DOI:10.3989/ic.14.089
  • MARTÍ, J.V.; YEPES, V.; GONZÁLEZ-VIDOSA, F. (2015). Memetic algorithm approach to designing of precast-prestressed concrete road bridges with steel fiber-reinforcement. Journal of Structural Engineering, 141(2): 04014114. DOI:10.1061/(ASCE)ST.1943-541X.0001058
  • YEPES, V.; GARCÍA-SEGURA, T.; MORENO-JIMÉNEZ, J.M. (2015). A cognitive approach for the multi-objective optimization of RC structural problems. Archives of Civil and Mechanical Engineering, 15(4):1024-1036. DOI:10.1016/j.acme.2015.05.001
  • 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. Automation in Construction, 49:123-134. DOI:10.1016/j.autcon.2014.10.013
  • MARTÍ, J.V.; YEPES, V.; GONZÁLEZ-VIDOSA, F.; LUZ, A. (2014). Automated design of prestressed concrete precast road bridges with hybrid memetic algorithms. Revista Internacional de Métodos Numéricos para Cálculo y Diseño en Ingeniería, 30(3), 145-154. DOI:10.1016/j.rimni.2013.04.010
  • GARCÍA-SEGURA, T.; YEPES, V.; MARTÍ, J.V.; ALCALÁ, J. (2014). Optimization of concrete I-beams using a new hybrid glowworm swarm algorithm. Latin American Journal of Solids and Structures, 11(7):1190 – 1205. DOI: 1590/S1679-78252014000700007
  • GARCÍA-SEGURA, T.; YEPES, V.; ALCALÁ, J. (2014). Life-cycle greenhouse gas emissions of blended cement concrete including carbonation and durability. International Journal of Life Cycle Assessment, 19(1):3-12. DOI:10.1007/s11367-013-0614-0
  • MARTÍ-VARGAS, J.R.; FERRI, F.J.; YEPES, V. (2013). Prediction of the transfer length of prestressing strands with neural networks. Computers and Concrete, 12(2):187-209. DOI:10.12989/cac.2013.12.2.187
  • TORRES-MACHÍ, C.; YEPES, V.; ALCALA, J.; PELLICER, E. (2013). Optimization of high-performance concrete structures by variable neighborhood search. International Journal of Civil Engineering, 11(2):90-99.
  • MARTÍNEZ-MARTÍN, F.; 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. DOI: 12989/sem.2013.45.6.723
  • 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. DOI:10.1016/j.engstruct.2012.09.014
  • MARTINEZ-MARTIN, F.J.; GONZALEZ-VIDOSA, F.; HOSPITALER, A.; YEPES, V. (2012). Multi-objective optimization design of bridge piers with hybrid heuristic algorithms. Journal of Zhejiang University-SCIENCE A (Applied Physics & Engineering, 13(6):420-432. DOI:10.1631/jzus.A1100304
  • PEREA, C.; YEPES, V.; ALCALÁ, J.; HOSPITALER, A.; GONZÁLEZ-VIDOSA, F. (2010). A parametric study of optimum road frame bridges by threshold acceptance. Indian Journal of Engineering & Materials Sciences, 17(6):427-437.
  • MARTÍNEZ, F.J.; GONZÁLEZ-VIDOSA, F.; HOSPITALER, A.; YEPES, V. (2010). Heuristic Optimization of RC Bridge Piers with Rectangular Hollow Sections. Computers & Structures, 88(5-6): 375-386. DOI:10.1016/j.compstruc.2009.11.009
  • YEPES, V.; DÍAZ, J.; GONZÁLEZ-VIDOSA, F.; ALCALÁ, J. (2009). Statistical Characterization of Prestressed Concrete Road Bridge Decks. Revista de la Construcción, 8(2):95-109.
  • PEREA, C.; ALCALÁ, J.; YEPES, V.; GONZÁLEZ-VIDOSA, F.; HOSPITALER, A. (2008). Design of Reinforced Concrete Bridge Frames by Heuristic Optimization. Advances in Engineering Software, 39(8): 676-688. DOI:10.1016/j.advengsoft.2007.07.007

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

Optimización del diseño sostenible de puentes bajo incertidumbre

Nos acaban de publicar en la revista de Elsevier del primer decil, Journal of Cleaner Production, un artículo donde se propone una nueva metodología en la toma de decisiones del diseño óptimo de un puente bajo criterios de sostenibilidad y bajo incertidumbre. Este artículo forma parte de nuestra línea de investigación BRIDLIFE en la que se pretenden optimizar estructuras atendiendo no sólo a su coste, sino al impacto ambiental y social que generan a lo largo de su ciclo de vida.

El artículo lo podéis descargar GRATUITAMENTE hasta el 16 de octubre de 2018 en el siguiente enlace:

https://authors.elsevier.com/c/1XdSi3QCo9R4pK

Abstract:

Today, bridge design seeks not only to minimize cost, but also to minimize adverse environmental and social impacts. This multi-criteria decision-making problem is subject to variability of the opinions of stakeholders regarding the importance of criteria for sustainability. As a result, this paper proposes a method for designing and selecting optimally sustainable bridges under the uncertainty of criteria comparison. A Pareto set of solutions is obtained using a metamodel-assisted multi-objective optimization. A new decision-making technique introduces the uncertainty of the decision-maker’s preference through triangular distributions and thereby ranks the sustainable bridge designs. The method is illustrated by a case study of a three-span post-tensioned concrete box-girder bridge designed according to the embodied energy, overall safety and corrosion initiation time. In this particular case, 211 efficient solutions are reduced to two preferred solutions which have a probability of being selected of 81.6% and 18.4%. In addition, a sensitivity analysis validates the influence of the uncertainty regarding the decisionmaking. The approach proposed allows actors involved in the bridge design and decision-making to determine the best sustainable design by finding the probability of a given design being chosen.

Keywords:

  • Sustainable criteria
  • Uncertainty
  • Decision-making
  • Multi-objective optimization
  • Energy efficiency

 

Reference:

GARCÍA-SEGURA, T.; PENADÉS-PLÀ, V.; YEPES, V. (2018). Sustainable bridge design by metamodel-assisted multi-objective optimization and decision-making under uncertainty.  Journal of Cleaner Production, 202:904-915. https://doi.org/10.1016/j.jclepro.2018.08.177

 

 

La optimización multiobjetivo y la toma de decisiones multicriterio en ingeniería estructural

By retocada por Yeza de la versión original de Alonsoquijano [Public domain], from Wikimedia Commons

Actualmente existe una tendencia clara hacia la evaluación de los impactos en todas las etapas del ciclo de vida de un producto. Esta tendencia ha llegado a los proyectos de estructuras, donde la evaluación de las repercusiones sociales, ambientales y económicas de las distintas alternativas no deriva en una decisión clara y unívoca de la mejor solución, sobre todo cuando los objetivos que se pretenden se encuentran enfrentados entre sí (Jato-Espino et al., 2014; Penadés-Plà et al., 2016; Zamarrón-Mieza et al., 2017; Sierra et al., 2018). El problema de seleccionar la mejor opción en el ámbito del proyecto de puentes ha supuesto una línea de investigación que se ha desarrollado enormemente en las últimas décadas. Balali et al. (2014) expusieron que los problemas relacionados con la toma de decisiones a lo largo del ciclo de vida de un puente se pueden enmarcar dentro de las siguientes fases: (a) proyecto, (b) construcción, y (c) uso y mantenimiento. Estas fases son las que se consideran habitualmente por otros autores (Malekly et al, 2010), que además añaden una última fase en el ciclo de vida de un puente: (d) reciclado o demolición.

Así pues, el proyecto de puentes se caracteriza por la presencia de múltiples objetivos de diseño -muchos contradictorios entre sí-, y la selección de la mejor opción entre distintas alternativas. La calidad, la constructibilidad, la seguridad, el impacto ambiental y el coste son los aspectos que normalmente se consideran en el diseño y la planificación de las operaciones de mantenimiento de un puente. La optimización multiobjetivo (Multi-Objective Optimization, MOO) resulta una herramienta útil cuando varios objetivos desean optimizarse simultáneamente. MOO proporciona un conjunto de soluciones eficaces, constituyendo la denominada frontera de Pareto. Las soluciones que forman parte de la frontera de Pareto no pueden mejorarse sin que empeore cualquier otra solución de dicho conjunto. Koumousis y Arsenis (1998) utilizaron MOO para el diseño de estructuras de hormigón. Liao et al (2011) revisaron los estudios que utilizaron metaheurísticas para problemas relacionados con el ciclo de vida de un proyecto de construcción. Por su parte, Zavala et al. (2013) estudiaron las metaheurísticas utilizadas en la optimización multiobjetivo de las estructuras.

Se pueden reseñar varios estudios que han utilizado la optimización multiobjetivo para comparar el diseño de estructuras de hormigón armado (Reinforced Concrete, RC) atendiendo a la reducción de las emisiones de gases de efecto invernadero y la reducción de costes (Martínez-Martín et al., 2012; García-Segura et al., 2014, 2016; Yepes et al, 2015). Payá et al. (2008) optimizaron pórticos de edificación de RC utilizando como función objetivo la constructibilidad, los costes económicos, el impacto ambiental y la seguridad general de la estructura. Martínez-Martín et al. (2012) optimizaron las pilas RC de un puente considerando como funciones objetivo el coste económico, la congestión de las armaduras pasivas y las emisiones de CO2. Yepes et al. (2015) incorporaron como función objetivo la vida útil en el diseño de una viga de sección en I confeccionada con hormigón de alta resistencia. García-Segura et al. (2014) incluyeron, además, un factor que evalúa la seguridad global en esa misma estructura.

A pesar de que los diseños deben garantizar cierta durabilidad, esta función objetivo suele utilizarse más en el ámbito de la gestión del mantenimiento de infraestructuras ya existentes. Así, Liu y Frangopol (2005) emplearon la optimización multiobjetivo en puentes deteriorados atendiendo a su estado, a los niveles de seguridad y al coste de mantenimiento de la estructura a lo largo del ciclo de vida. Sabatino et al. (2015) optimizaron las operaciones de mantenimiento de la estructura a lo largo de su ciclo de vida bajo los objetivos simultáneos de reducción del coste de mantenimiento y la utilidad mínima anual asociada con un indicador relacionado con la sostenibilidad. Torres-Machi et al. (2015) optimizaron la gestión sostenible de un pavimento considerando simultáneamente aspectos económicos, técnicos y ambientales.

Otro aspecto de interés en el ámbito de la investigación son los procedimientos que permiten seleccionar una solución de un conjunto de opciones posibles atendiendo a múltiples criterios. Las técnicas de toma de decisiones proporcionan un procedimiento racional a las decisiones basadas en cierta información, experiencia y juicio. Estas técnicas pueden clasificarse de acuerdo con la forma en la que el decisor articula sus preferencias. En un proceso “a priori”, los expertos asignan los pesos de cada criterio en la etapa inicial. El proceso “a posteriori” no requiere una definición previa de las preferencias. Por ejemplo, la optimización multiobjetivo genera una gama de soluciones óptimas, que se consideran igualmente buenas –frontera de Pareto-. En este caso, la toma de decisiones tiene lugar “a posteriori”. Este enfoque permite el análisis de las mejores soluciones según cada objetivo, lo cual proporciona información sobre la relación entre los objetivos y las soluciones. Jato-Espino et al. (2014) presentaron una revisión del desarrollo de los métodos de decisión multicriterio aplicados a la construcción. Existen numerosas técnicas de toma de decisiones multicriterio. TOPSIS (Technique for Order of Preference by Similarity to Ideal Solution), VIKOR (Multi-criteria Optimization and Compromise Solution), MAUT (Multi-Attribute Utility Theory), AHP (Analytical Hierarchy Process), ANP (Analytical Network Process), PROMETHEE (Preference Ranking Organization Method for Enrichment Evaluations), DEA (Data Envelopment Analysis), COPRAS (Complex Proportional Assessment) o QFD (Quality Function Deployment), son, entre otras, las más extensamente utilizadas.

Abu Dabous y Alkass (2010) presentaron una estructura jerárquica para la toma de decisiones en la gestión de puentes basados en MAUT y AHP. Sabatino et al. (2015) recurrieron a la teoría de utilidad de múltiples atributos para evaluar diversos aspectos de la sostenibilidad estructural considerando los riesgos asociados a los fallos en el puente y las actitudes frente al riesgo de los decisores. Ardeshir et al. (2014) emplearon un AHP difuso para seleccionar la ubicación para la construcción de un puente. Aghdaie et al. (2012) emplearon AHP y COPRAS para calcular la importancia relativa de los criterios y clasificar las alternativas en la selección de ubicaciones para construir nuevas pasarelas. Balali et al. (2014) seleccionaron el material, el procedimiento constructivo y la tipología estructural de un puente mediante la técnica PROMETHEE. Tanto VIKOR (Opricovic, 1998) como TOPSIS (Hwang y Yoon, 1981) son métodos que seleccionan soluciones basadas en la distancia más corta a la solución ideal. Opricovic y Tzeng (2004) compararon VIKTOR y TOPSIS y mostraron que presentan algunas diferencias en relación con la función de agregación y los efectos de normalización. La técnica difusa (fuzzy) (Zadeh, 1965) es una técnica útil para representar la incertidumbre inherente en la vida real. Joshi et al. (2004) evaluaron un conjunto de criterios para seleccionar la cimentacion más adecuada mediante fuzzy. AHP se combina con fuzzy (Jakiel y Fabianowski, 2015, Wang et al., 2001) para seleccionar entre distintas tipologías de puentes RC y alternativas de plataforma offshore, respectivamente. Abu Dabous y Alkass (2010) indicaron la dificultad en establecer la importancia relativa entre dos elementos con planteamientos deterministas, debido a la incertidumbre inherente al comportamiento de los diferentes elementos.

Se han propuesto muchos métodos para reducir el conjunto de soluciones procedentes de la frontera de Pareto (Hancock y Mattson, 2013). El método de la región de “rodilla” (Rachmawati y Srinivasan, 2009) constituye un método “a posteriori” que distingue los puntos para los cuales una mejora en un objetivo da lugar a un empeoramiento significativo de al menos otro objetivo. Una región de “rodilla” en el frente óptimo de Pareto, visualmente es una protuberancia convexa en la parte delantera, la cual es importante para la toma de decisiones en contextos prácticos, pues a menudo constituye el óptimo en equilibrio. Los métodos de agrupación se centran en ensamblar soluciones en grupos y seleccionar soluciones representativas (Saha y Bandyopadhyay, 2009). Los métodos de filtrado eliminan las soluciones de Pareto que ofrecen poca información al decisor (Mattson et al., 2004). Yepes et al. (2015a) propusieron un procedimiento sistemático “a posteriori” para filtrar la frontera de Pareto, a la vez que proporcionaba conocimiento relevante derivado del proceso de resolución. Esta técnica simplifica la elección de la solución preferente. Para ello se combinan matrices AHP aleatorias con la minimización de la distancia para seleccionar la solución más cercana a la ideal.

Se puede consultar una revisión bibliográfica reciente sobre la aplicación de las herramientas de decisión multicriterio al ciclo de vida de los puentes en el trabajo de Penadés-Plà et al. (2016). En este trabajo se comprueba cómo no existe una métrica universalmente aceptada para medir la diversidad de objetivos de todo tipo que se utilizan en la selección de la mejor opción de proyecto de un puente para un caso determinado. Para ello se analizaron un total de 77 artículos publicados desde 1991. El estudio aplicó un análisis multivariante de correspondencias (ver Figura). De este modo, se recogen los métodos de decisión multicriterio que debe aplicar el ingeniero para la selección de alternativas según la fase del ciclo de vida del puente, así como los criterios que se han considerado en dichos trabajos. La relación más obvia se ha identificado entre la lógica difusa y la fase de uso y mantenimiento. También se observa que el método AHP es ampliamente usado en las tres primeras fases del ciclo de vida de un puente. Finalmente la fase de demolición o reciclado es la menos estudiada, asociándose principalmente al método ANP.

Figura. Análisis de correspondencias entre la toma de decisiones y el ciclo de vida (Penadés-Plà et al., 2016)

Referencias:

Abu Dabous, S.; Alkass, S. (2010). A multi‐attribute ranking method for bridge management. Engineering, Construction and Architectural Management, 17(3), 282–291.

Aghdaie, M.H.; Zolfani, S.H.; Zavadskas, E.K. (2012). Prioritizing constructing projects of municipalities based on AHP and COPRAS-G: A case study about footbridges in Iran. The Baltic Journal of Road and Bridge Engineering, 7(2), 145–153.

Ardeshir, A.; Mohseni, N.; Behzadian, K.; Errington, M. (2014). Selection of a bridge construction site using Fuzzy Analytical Hierarchy Process in Geographic Information System. Arabian Journal for Science and Engineering, 39(6), 4405–4420.

Balali, V.; Mottaghi, A.; Shoghli, O.; Golabchi, M. (2014). Selection of appropriate material, construction technique, and structural system of bridges by use of multicriteria decision-making method. Transportation Research Record: Journal of the Transportation Research Board, 2431, 79–87.

García-Segura, T.; Yepes, V.; Alcalá, J. (2014). 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. (2016). Multiobjective optimization of post-tensioned concrete box-girder road bridges considering cost, CO2 emissions, and safety. Engineering Structures, 125:325-336.

Hancock, B.J.; Mattson, C. A. (2013). The smart normal constraint method for directly generating a smart Pareto set. Structural and Multidisciplinary Optimization, 48(4), 763–775.

Hwang, C.L.; Yoon, K. (1981). Multiple Attributes Decision Making Methods and Applications. Springer, Berlin Heidelberg.

Jakiel, P.; Fabianowski, D. (2015). FAHP model used for assessment of highway RC bridge structural and technological arrangements. Expert Systems with Applications, 42(8), 4054–4061.

Jato-Espino, D.; Castillo-López, E.; Rodríguez-Hernández, J.; Canteras-Jordana, J.C. (2014). A review of application of multi-criteria decision making methods in construction. Automation in Construction, 45, 151–162.

Joshi, P.K.; Sharma, P.C.; Upadhyay, S.; Sharma, S. (2004). Multi objective fuzzy decision making approach for selection of type of caisson for bridge foundation. Indian Journal Pure Application Mathematics.

Koumousis, V.K., Arsenis, S.J. (1998). Genetic Algorithms in Optimal Detailed Design of Reinforced Concrete Members. Computer-Aided Civil and Infrastructure Engineering, 13(1), 43–52.

Liao, T.W.; Egbelu, P.J.; Sarker, B.R.; Leu, S.S. (2011). Metaheuristics for project and construction management – A state-of-the-art review. Automation in Construction, 20(5), 491–505.

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.

Malekly, H.; Meysam Mousavi, S.; Hashemi, H. (2010). A fuzzy integrated methodology for evaluating conceptual bridge design, Expert Systems with Applications, 37, 4910-4920.

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.

Mattson, C.A.; Mullur, A.A.; Messac, A. (2004). Smart Pareto filter: obtaining a minimal representation of multiobjective design space. Engineering Optimization, 36(6), 721–740.

Opricovic, S. (1998). Multicriteria Optimization of Civil Engineering Systems. Faculty of Civil Engineering, Belgrade.

Opricovic, S.; Tzeng, G.H. (2004). Compromise solution by MCDM methods: A comparative analysis of VIKOR and TOPSIS. European Journal of Operational Research, 156(2), 445–455.

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.

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.

Rachmawati, L.; Srinivasan, D. (2009). Multiobjective evolutionary algorithm with controllable focus on the knees of the Pareto front. IEEE Transactions on Evolutionary Computation, 13(4), 810–824.

Sabatino, S.; Frangopol, D.M.; Dong, Y. (2015). Sustainability-informed maintenance optimization of highway bridges considering multi-attribute utility and risk attitude. Engineering Structures, 102, 310–321.

Saha, S.; Bandyopadhyay, S. (2009). A new multiobjective clustering technique based on the concepts of stability and symmetry. Knowledge and Information Systems, 23(1), 1–27.

Sierra, L.A.; Yepes, V.; Pellicer, E. (2018). A review of multi-criteria assessment of the social sustainability of infrastructures. Journal of Cleaner Production, 187:496-513.

Torres-Machi, C.; Chamorro, A.; Pellicer, E.; Yepes, V.; Videla, C. (2015). Sustainable pavement management: Integrating economic, technical, and environmental aspects in decision making. Transportation Research Record: Journal of the Transportation Research Board, 2523, 56–63.

Wang, H.L.; Zhang, Z.; Qin, S.F.; Huang, C.L. (2001). Fuzzy optimum model of semi-structural decision for lectotype. China Ocean Engineering, 15(4), 453–466.

Yepes, V.; García-Segura, T.; Moreno-Jiménez, J.M. (2015). A cognitive approach for the multi-objective optimization of RC structural problems. Archives of Civil and Mechanical Engineering, 15(4), 1024–1036.

Yepes, V. (2017). Trabajo de investigación. Concurso de Acceso al Cuerpo de Catedráticos de Universidad. Universitat Politècnica de València, 110 pp.

Zadeh, L.A. (1965). Fuzzy sets. Information and Control, 8(3), 338–353.

Zamarrón-Mieza, I.; Yepes, V.; Moreno-Jiménez, J.M. (2017). A systematic review of application of multi-criteria decision analysis for aging-dam management. Journal of Cleaner Production, 147:217-230.

Zavala, G.R.; Nebro, A.J.; Luna, F.; Coello Coello, C. A. (2013). A survey of multi-objective metaheuristics applied to structural optimization. Structural and Multidisciplinary Optimization, 49(4), 537–558.

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

Un algoritmo heurístico basado en el jazz ayuda a decidir en qué infraestructuras es prioritario invertir

By World-Telegram staff photographer [Public domain], via Wikimedia Commons

Investigadores de la Universitat Politècnica de València y de la Universidad de La Frontera (Chile) han elaborado un algoritmo, basado en la armonía musical del jazz, que determina qué inversión es más adecuada

 

La metodología ya se ha aplicado en El Salvador, donde ha permitido priorizar las inversiones en carreteras

 

 

 

 

 

Las administraciones públicas se enfrentan continuamente ante problemas de gran calado social cuando tienen que invertir grandes sumas de dinero en infraestructuras clave, como puede ser una carretera, un hospital o una universidad.

Ahora, un equipo de investigadores de la Universitat Politècnica de València y de la Universidad de La Frontera (Chile) ha desarrollado un novedoso estudio que demuestra que el jazz puede ayudarles a decidir en qué infraestructuras es mejor invertir el dinero, para favorecer así la calidad de vida de los ciudadanos. Su trabajo ha sido publicado en el Journal of Cleaner Production.

La metodología diseñada por el equipo de científicos españoles y chilenos se basa en la inteligencia subyacente en la armonía musical del jazz.  “La armonía nos ha servido de inspiración para elaborar un algoritmo que es capaz de determinar el impacto de una determinada decisión –invertir en un aeropuerto o en una línea de AVE, por ejemplo – tanto a corto como a medio y largo plazo”, apunta Víctor Yepes, investigador del Instituto Universitario de Ciencia y Tecnología del Hormigón (ICITECH) de la Universitat Politècnica de València.

Según explica el profesor Yepes, el algoritmo de búsqueda armónica (harmony search, en inglés) se basa en el proceso de la improvisación musical. “No todo el mundo posee habilidad para improvisar música, pues es un proceso que requiere experiencia y conocimiento previo de las armonías. Por ejemplo, en el jazz, el músico compone una nueva melodía basándose en sus conocimientos musicales para seleccionar nuevas notas aleatoriamente. Si el conjunto de notas tocadas se consideran una buena armonía, esta se guarda en la memoria de cada músico, incrementando la posibilidad de hacer una buena armonía la próxima vez”, señala el investigador de la UPV.

El algoritmo desarrollado por los investigadores españoles y chilenos hace algo parecido. Cada melodía se define por un vector, al igual que cada infraestructura que debe ser elegida. Cada nueva iteración del algoritmo elige una melodía (infraestructura) parecida que, si es mejor, se añade al repertorio. “Al final del proceso, el algoritmo es capaz de definir una melodía (infraestructura) de calidad muy alta. Dicho de otro modo, la inteligencia del algoritmo permite ayudar a elegir la mejor infraestructura posible considerando aspectos tan diversos como la empleabilidad, la educación, la sanidad, el confort o la calidad de vida”, apunta Víctor Yepes.

Más objetivo

El método permite minimizar los errores al decidir qué tipo de inversión es la más adecuada, haciendo más objetiva la decisión de las autoridades, al considerar no solo los efectos económicos y medioambientales, sino también los sociales, que son más difíciles de evaluar.

“Los factores económicos o medioambientales condicionan el tipo de decisión. Pero los efectos en la sociedad a corto y largo plazo pueden ser irreversibles. Muchos son los ejemplos de malas decisiones con graves repercusiones: aeropuertos infrautilizados, líneas de alta velocidad innecesarias, altas listas de espera en hospitales, altísimos porcentajes de paro, etc. Este método ayudaría a acabar con estas situaciones”, destaca Víctor Yepes.

El Salvador

La metodología se ha aplicado ya en El Salvador, donde ha permitido priorizar las inversiones en carreteras, maximizando los beneficios tanto a corto como a largo plazo. “La trascendencia del método desarrollado es su aplicabilidad a cualquier contexto y territorio, lo que permite mejorar las condiciones de vida de amplios sectores sociales con ayuda de la inteligencia subyacente en la música”, concluye Víctor Yepes.

Os dejo también una entrevista radiofónica en À Punt Ràdio:

 

Agradecimientos:

Luis Zurano, de la Unidad de Cultura Científica e Innovación de la Universitat Politècnica de València

Referencias:

SIERRA, L.A.; YEPES, V.; GARCÍA-SEGURA, T.; PELLICER, E. (2018). Bayesian network method for decision-making about the social sustainability of infrastructure projects.  Journal of Cleaner Production, 176:521-534. https://doi.org/10.1016/j.jclepro.2017.12.140

http://www.upv.es/noticias-upv/noticia-9959-algoritmo-de-bu-es.html

http://www.expansion.com/sociedad/2018/04/21/5adb576e468aebd0578b466b.html

http://www.cope.es/noticias/cultura/jazz-ayuda-decidir-que-infraestructuras-prioritario-invertir_206188

http://www.lavanguardia.com/vida/20180421/442818278872/el-jazz-ayuda-a-decidir-en-que-infraestructuras-es-prioritario-invertir.html

http://agencias.abc.es/agencias/noticia.asp?noticia=2797859

https://www.elconfidencial.com/ultima-hora-en-vivo/2018-04-21/el-jazz-ayuda-a-decidir-en-que-infraestructuras-es-prioritario-invertir_1499304/

https://www.efe.com/efe/comunitat-valenciana/portada/el-jazz-ayuda-a-decidir-en-que-infraestructuras-es-prioritario-invertir/50000877-3591711

https://www.diarilaveu.com/noticia/81405/algoritme-inspirat-jazz-decidir-infraestructures

Un algoritmo heurístico basado en el jazz ayuda a decidir en qué infraestructuras es prioritario invertir

La perspectiva del ciclo de vida de los puentes

Fotografía: Xosé Manuel López Gallego

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.

García-Segura, T.;  Yepes, V.; Frangopol, D.M.; Yang, D.Y. (2017). Lifetime Reliability-Based Optimization of Post-Tensioned Box-Girder Bridges. Engineering Structures, 145:381-391.

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.

Lee, K.M.; Cho, H.N.; Cha, C.J. (2006). Life-cycle cost-effective optimum design of steel bridges considering environmental stressors. Engineering Structures, 28(9), 1252–1265.

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.

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

La sostenibilidad en el ámbito de la construcción

La Comisión Mundial sobre el Medio Ambiente y el Desarrollo “World Commission on Environment and Development” (WCED) propuso mantener a largo plazo los recursos necesarios para satisfacer las necesidades futuras (Butlin, 1989). Además, se señaló que para conseguir un desarrollo sostenible se debía mantener un equilibrio entre los pilares económicos, ambientales y sociales. Desde entonces, los desafíos para conseguir un desarrollo sostenible se han llevado al campo de la construcción en diferentes líneas de investigación. La construcción constituye uno de los principales sectores emisores de gases de efecto invernadero (Liu et al., 2013). La industria de la construcción, junto con sus industrias auxiliares, pasa por ser uno de los mayores consumidores de recursos naturales, tanto renovables como no renovables, que está alterando negativamente el medio ambiente. Agota 2/5 partes de los áridos y 1/4 de la madera, y consume el 40 % de la energía total y el 16 % de agua al año (Lippiatt, 1999; Chong et al., 2009). El consumo de materiales crece constantemente, con más de 23 mil millones de toneladas de hormigón producido anualmente (Schokker, 2010; WBCSD, 2006). En 2010, de acuerdo con la International Cement Review, la producción mundial de cemento se elevó a alrededor de 3,3 millones de toneladas/año, lo que significa un aumento más del 100% en casi 10 años. La fabricación de cemento Portland genera grandes cantidades de CO2 debido a las altas demandas de energía necesarias para la fabricación y calcinación de la piedra caliza. La producción mundial de cemento llegó a 1,6 mil millones de toneladas/año en 2001, lo que corresponde a aproximadamente el 7 % de la cantidad mundial de dióxido de carbono liberado a la atmósfera (Bremner, 2001). Otros estudios indican que la contribución de la industria cementera a las emisiones de gases de efecto invernadero supera el 5% del total (Worrell et al., 2001). En Australia, para mantener la demanda en la construcción, se necesitan cada año aproximadamente 30 millones de toneladas de productos, más del 56 % de esta cantidad es hormigón, y el 6%, acero (Walker-Morison et al., 2007). En 2001, España tuvo la mayor tasa de consumo de hormigón en Europa, con 1,76 m3 de hormigón per cápita por año (ECO-SERVE, 2004). En 2007, la producción de clinker alcanzó alrededor de 55 millones de toneladas en España. Sin embargo, este número se redujo a 14,1 millones de toneladas en 2013 como consecuencia de la crisis financiera (Oficemen, 2016).

Existen recomendaciones para reducir el impacto ambiental de las estructuras de hormigón (fib, 2012). La citada guía considera el ciclo completo de las fases del ciclo de vida, de la cuna a la tumba. La correcta selección de las materias primas, así como los aditivos y adiciones, constituye una de las claves para reducir el impacto ambiental. Otra forma de reducir los impactos pasa por el uso de procesos más respetuosos con el medio ambiente en la producción y el transporte del hormigón. En esta guía también se habla de optimizar estructuras basándose en indicadores ambientales y de desempeño. Por último, concluye que las estructuras deben optimizarse comparando diferentes alternativas y teniendo en cuenta los indicadores ambientales, especialmente las emisiones de CO2, pues pasa por ser uno de los factores más importantes para evaluar el impacto ambiental. Además, fib (2012) indica cómo la consideración del ciclo de vida completo de una estructura antes de iniciar su construcción puede conseguir reducciones significativas de CO2.

Por tanto, la sostenibilidad en el ámbito de la construcción constituye una línea de trabajo importante en este momento. Las investigaciones se centran en proporcionar recomendaciones para seleccionar materiales estructurales basados en indicadores económicos, ambientales y de constructibilidad (Zhong & Wu, 2015), utilizando hormigón y acero reciclado (Collins, 2010, Yellishetty et al., 2011), empleando materiales novedosos como cementos con baja huella de carbono y adiciones como substitutos del clínker (García-Segura et al., 2014a; Gartner, 2004), evaluando las emisiones del ciclo de vida de las estructuras de hormigón (Barandica et al., 2013; Tae et al., 2011), reduciendo las emisiones de CO2 de la construcción (2003), optimizando el proceso de producción de cemento (Castañón et al., 2015), estimando la energía consumida en los proyectos de construcción (Wang y Shen, 2013; Wang et al., 2012) e identificando la mejor planificación del mantenimiento (Liu y Frangopol, 2005, Yang et al., 2006), entre otros. En las referencias también hemos dejado alguno de nuestros trabajos en este sentido.

Referencias:

  • Barandica, J.M.; Fernández-Sánchez, G.; Berzosa, Á.; Delgado, J.A.; Acosta, F.J. (2013). Applying life cycle thinking to reduce greenhouse gas emissions from road projects. Journal of Cleaner Production, 57, 79–91.
  • Bremner, T.W. (2001). Environmental aspects of concrete: problems and solutions. In: Proceedings of first all-Russian conference on concrete and reinforced concrete, Moscow, Russia.
  • Butlin, J. (1989). Our common future. By World commission on environment and development. (London, Oxford University Press, 1987, pp.383). Journal of International Development, 1(2), 284–287.
  • Castañón, A.M.; García-Granda, S.; Guerrero, A.; Lorenzo, M.P.; Angulo, S. (2015). Energy and environmental savings via optimisation of the production process at a Spanish cement factory. Journal of Cleaner Production, 98, 47–52.
  • Chong, W.K.; Kumar, S.; Haas, C.T.; Beheiry, S.M.A.; Coplen, L.; Oey, M. (2009). Understanding and interpreting baseline perceptions of sustainability in construction among civil engineers in the United States. Journal of Management in Engineering, 25(3):143–154.
  • Collins, F. (2010). Inclusion of carbonation during the life cycle of built and recycled concrete: influence on their carbon footprint. The International Journal of Life Cycle Assessment, 15(6), 549–556.
  • ECO-SERVE. (2004). Baseline report on sustainable aggregate and concrete industries in Europe. European Commission, Hellerup.
  • fib. International Federation for Structural Concrete. Task Group 3.8, T. for green concrete structures. (2012). Guidelines for green concrete structures. International Federation for Structural Concrete. Task Group 3.8, Technologies for green concrete structures.
  • 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.; 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. (2014b). Optimization of concrete I-beams using a new hybrid glowworm swarm algorithm. Latin American Journal of Solids and Structures, 11(7), 1190–1205.
  • Gartner, E. (2004). Industrially interesting approaches to “low-CO2” cements. Cement and Concrete Research, 34(9), 1489–1498.
  • Lippiatt, B.C. (1999). Selecting cost effective green building products: BEES approach. Journal of Construction Engineering and Management, 125:448–455.
  • 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.
  • Liu, S.; Tao, R.; Tam, C.M. (2013). Optimizing cost and CO2 emission for construction projects using particle swarm optimization. Habitat International, 37:155–162.
  • 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.
  • Oficemen. (2012). Annual report of Spanish cement sector 2016. Annual report of Spanish cement sector 2016. Retrieved from https://www.oficemen.com/reportajePag.asp?id_rep=1619
  • Schokker A.J. (2010). The sustainable concrete guide: strategies and examples. 1 ed. U.S.G.C. Council; 2010. Michigan: U.S. Green Concrete Council.
  • 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.
  • Sierra, L.A.; Pellicer, E.; Yepes, V. (2017a). Method for estimating the social sustainability of infrastructure projects. Environmental Impact Assessment Review, 65, 41-53.
  • Sierra, L.A.; Yepes, V.; Pellicer, E. (2017b). Assessing the social sustainability contribution of an infrastructure project under conditions of uncertainty. Environmental Impact Assessment Review ,67:61-72. .
  • Tae, S.; Baek, C.; Shin, S. (2011). Life cycle CO2 evaluation on reinforced concrete structures with high-strength concrete. Environmental Impact Assessment Review, 31(3), 253–260.
  • Walker-Morison, A.; Grant, T.; McAlister, S. (2007). The environmental impact of building materials. Environment design guide. PRO 7.
  • 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.
  • World Business Council for Sustainable Development (WBCSD) (2006). Cement Industry Energy and CO2 Performance: Getting the Numbers Right; Geneva: World Business Council for Sustainable Development, (WBCSD).
  • Worrell, E.; Price, L.; Martin, N.; Hendriks, C.; Meida, L.O. (2001). Carbon dioxide emissions from the global cement industry. Annual Review of Energy and the Environment, 26, 303–329.
  • Yang, S.I.; Frangopol, D.M.; Kawakami, Y.; Neves, L. C. (2006). The use of lifetime functions in the optimization of interventions on existing bridges considering maintenance and failure costs. Reliability Engineering & System Safety, 91(6), 698–705.
  • Yellishetty, M.; Mudd, G.M.; Ranjith, P.G.; Tharumarajah, A. (2011). Environmental life-cycle comparisons of steel production and recycling: sustainability issues, problems and prospects. Environmental Science & Policy, 14(6), 650–663.
  • Yepes, V. (2017). Trabajo de investigación. Concurso de Acceso al Cuerpo de Catedráticos de Universidad. Universitat Politècnica de València, 110 pp.
  • 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.
  • Zamarrón-Mieza, I.; Yepes, V.; Moreno-Jiménez, J.M. (2017). A systematic review of application of multi-criteria decision analysis for aging-dam management. Journal of Cleaner Production, 147:217-230.
  • 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.
  • Zhong, Y.; Wu, P. (2015). Economic sustainability, environmental sustainability and constructability indicators related to concrete- and steel-projects. Journal of Cleaner Production, 108, 748–756.

 

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

¿Qué se estudia en la asignatura Modelos Predictivos y de Optimización de Estructuras de Hormigón?

El programa de la asignatura Modelos Predictivos y de Optimización de Estructuras de Hormigón se ha diseñado basándose en el programa presentado en el departamento de Ingeniería de la Construcción y Proyectos de Ingeniería Civil por parte de la unidad docente de “Procedimientos de Construcción y Gestión de Obras”, al que está adscrita en la actualidad la asignatura, y aprobado por el Consejo del Departamento. Las líneas maestras de los contenidos se definieron previamente en la Memoria de Verificación del título oficial de “Máster Universitario en Ingeniería del Hormigón por la Universitat Politècnica de València”. Se trata de una de las asignaturas de la materia “Análisis de estructuras de hormigón”, siendo obligatoria para todos los alumnos de esta titulación y se imparte en el primer cuatrimestre del primer curso. La asignación de créditos ECTS es de 5,0, repartidos en 3,0 créditos de teoría y 2,0 de prácticas, de acuerdo con el Plan de Estudios actualmente en vigor en el Departamento de Ingeniería de la Construcción y Proyectos de Ingeniería Civil.

Resultados de aprendizaje

Los resultados de aprendizaje de la asignatura se definen a partir de las competencias y de los contenidos (Yepes, 2017). Como resultado de aprendizaje general, al terminar con éxito esta asignatura, los estudiantes serán capaces de “comprender los diferentes métodos predictivos y procedimientos de optimización de estructuras de hormigón de modo que dispongan de las herramientas necesarias para la toma de decisiones en el ámbito del proyecto, construcción y mantenimiento de estas estructuras considerando los aspectos de sostenibilidad económica, social y ambiental”.

En relación con los resultados específicos de aprendizaje de la asignatura, tenemos los siguientes:

  • RA1    Seleccionar y aplicar las distintas técnicas procedentes de la estadística, de la investigación operativa y de la minería de datos en la toma de decisiones en el ámbito del hormigón
  • RA2    Modelizar un problema de optimización de una estructura de hormigón y resolverlo mediante algoritmos heurísticos secuenciales y poblacionales
  • RA3    Aplicar la inferencia estadística multidimensional para interpretar el comportamiento de las variables cualitativas y cuantitativas en el ámbito del hormigón
  • RA4    Formular modelos lineales de regresión múltiple e interpretar su validez límites predictivos
  • RA5    Emplear técnicas de diseño de experimentos para conocer los efectos principales y las interacciones entre los distintos factores que afectan a una variable de respuesta en el ámbito del hormigón
  • RA6    Optimizar el comportamiento de una estructura de hormigón utilizando la metodología de la superficie de respuesta
  • RA7    Aplicar redes neuronales artificiales en la predicción de sistemas altamente no lineales en el ámbito del hormigón
  • RA8    Aplicar técnicas de decisión multicriterio en la selección de la mejor tipología estructural considerando aspectos económicos, ambientales y sociales
  • RA9    Elegir la mejor opción de una frontera de Pareto tras aplicar técnicas de decisión multicriterio
  • RA10 Aplicar programas estadísticos avanzados, tales como SPSS o Minitab, y otros como Matlab, Sap y Excel en la predicción de variables de respuesta y en problemas de optimización en el ámbito del hormigón

 

Conocimientos previos

Los alumnos que cursan esta asignatura, tienen diversas procedencias: Ingeniería de Caminos, Canales y Puertos, Ingeniería Industrial, Arquitectura, Ingeniería Agronómica, Licenciado en Químicas, Ingeniería Geológica, Ingeniería Técnica de Obras Públicas, Ingeniería Técnica Industrial, o los actuales grados en ingeniería civil, de obras públicas o máster en ingeniería de caminos, canales y puertos, entre otros. Además los alumnos, en un porcentaje significativo, proceden de universidades latinoamericanas o europeas. Como es fácil de comprender, los alumnos tienen formaciones muy diferentes, habiendo estudiado las asignaturas relacionadas con el hormigón, con los métodos numéricos o la estadística de forma muy diversa, con niveles de adquisición de conocimientos descompensados. Esta situación implica cierta nivelación en cada uno de los temas, de forma que se adquieran los niveles básicos de comprensión de los contenidos de forma progresiva con el objetivo que todos los alumnos adquieran las competencias y los resultados de aprendizaje previstos.

Según la Guía Docente de la asignatura, los conocimientos recomendados versarían sobre estadística y sobre lenguajes de programación (MATLAB, SPSS, MINITAB, SAP, etc.), aunque no son imprescindibles.  Además, resultan necesarios unos conocimientos básicos sobre el hormigón y su análisis como material estructural. Ello obliga al profesor a sintetizar el contenido previo para la correcta comprensión de la asignatura.

 

Programa resumido de la asignatura

La asignatura se desarrolla siguiendo un programa que tiene en cuenta los resultados de aprendizaje antes definidos, las actividades formativas y el sistema propuesto para la evaluación. Ello permite organizar la asignatura en 25 temas y sus prácticas de informática asociadas.

  • Tema 1. La investigación operativa y la toma de decisiones
  • Tema 2. La modelización de un problema estructural de hormigón
  • Tema 3. Algoritmos y problemas de decisión
  • Tema 4. Optimización y programación matemática
  • Tema 5. Optimización combinatoria y algoritmos heurísticos
  • Tema 6. Clasificación y uso de heurísticas y metaheurísticas
  • Tema 7. Búsqueda local de máximo gradiente
  • Tema 8. Recocido simulado, aceptación por umbrales y búsqueda tabú
  • Tema 9. Sistemas de inteligencia de enjambre
  • Tema 10. Programación evolutiva y estrategias evolutivas
  • Tema 11. Algoritmos genéticos y meméticos
  • Tema 12. GRASP, búsqueda dispersa y búsqueda de la armonía
  • Tema 13. Heurísticas de optimización multiobjetivo
  • Tema 14. Inferencia estadística bidimensional
  • Tema 15. Inferencia estadística multidimensional
  • Tema 16. Modelos lineales de regresión múltiple
  • Tema 17. Modelos de ecuaciones estructurales
  • Tema 18. Diseño de experimentos
  • Tema 19. Optimización mediante la metodología de superficie de respuesta
  • Tema 20. Modelos Kriging y diseños robustos
  • Tema 21. Redes neuronales artificiales
  • Tema 22. Programación genética y lógica difusa
  • Tema 23. La toma de decisiones en el ciclo de vida de una estructura de hormigón
  • Tema 24. Técnicas de decisión multicriterio continua
  • Tema 25. Técnicas de decisión multicriterio discreta

 

 

Los 25 temas se encuentran agrupados en 4 bloques temáticos. El primero de los bloques es introductorio. Consta de 5 temas que presentan al alumno la aplicación de las técnicas de la investigación científica en el ámbito de la toma de decisiones en las empresas a través de lo que se conoce como investigación operativa. Se introduce al alumno en la forma de abordar los problemas reales en el ámbito de las estructuras de hormigón a través de modelos de distinto tipo. Se describen los componentes básicos de un problema de optimización: función objetivo, variables de decisión, parámetros y restricciones. A continuación se describe el concepto de algoritmo y complejidad algorítmica para explicar las limitaciones de la programación matemática en la resolución de problemas reales, lo cual da paso a la introducción de los algoritmos heurísticos como aproximaciones en la búsqueda de óptimos locales de calidad en tiempos de cálculo razonables.

El segundo de los bloques se centra en la descripción y aplicación de la optimización heurística en las estructuras de hormigón. Se describe paso a paso tanto las técnicas de búsqueda secuencial de máximo gradiente y de “hill-climbing” como otras técnicas poblacionales basadas en los algoritmos genéticos o en la inteligencia de partículas. Este bloque termina con una explicación de la optimización multiobjetivo y la construcción de fronteras de Pareto de calidad en el caso de confluencia de funciones objetivo contrapuestas.

El bloque tercero se centra específicamente en los modelos predictivos de las estructuras de hormigón. Se hace un repaso de las técnicas de inferencia bidimensional y multidimensional para pasar a los modelos predictivos lineales, tanto los basados en regresiones múltiples como en los modelos de ecuaciones estructurales. Posteriormente se aborda el diseño de experimentos como técnicas estadísticas básicas en la predicción de los efectos principales y las interacciones de los distintos factores que afectan a un problema de hormigón. El estudio de los diseños factoriales lleva directamente al planteamiento de la metodología de la superficie de respuesta, que permite realizar la optimización de la respuesta. Tanto la metodología de la superficie de respuesta como los modelos Kriging o las redes neuronales, constituyen metamodelos que se explican como herramientas muy útiles para simplificar el espacio de soluciones de los problemas reales del hormigón estructural. En particular, los modelos Kriging permiten el diseño robusto óptimo, es decir, aquel que se comporta bien incluso ante cambios en las variables o en las condiciones de contorno. Para los sistemas altamente complejos, se explican las redes neuronales artificiales que, además, permiten su uso como metamodelos o como parte de un algoritmo heurístico de optimización. La programación genética y la lógica difusa también se explican en una lección como herramientas posibles en el ámbito de los modelos predictivos y cuando los parámetros o restricciones del problema no son determinísticos.

El cuarto bloque se dedica a la toma de decisión multicriterio en las estructuras de hormigón. A los alumnos se les explica cómo, antes de realizar una optimización multiobjetivo, es necesario seleccionar la mejor tipología estructural con base en criterios que no siempre son objetivos: economía, plazo, estética, medioambiente, aspectos sociales, durabilidad, etc. Se introducen las distintas técnicas de toma de decisión multicriterio y se comentan su empleo, incluso, para la obtención de pesos objetivos de criterios que pueden ser incluso subjetivo, o bien para la selección de la mejor opción dentro de una frontera de Pareto tras una optimización multiobjetivo.

En la Tabla siguiente se muestra el programa resumido de la asignatura “Modelos Predictivos y de Optimización de Estructuras de Hormigón” (T, Teoría; P, Prácticas informáticas), indicándose el número de horas asignadas a cada tema.

Referencias:

YEPES, V. (2017). Proyecto docente. Concurso de Acceso al Cuerpo de Catedráticos de Universidad. Universitat Politècnica de València, 642 pp.

 

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