toma de decisiones archivos - Página 2 de 10

Inteligencia artificial y eficiencia en el diseño de edificios

La inteligencia artificial (IA) está transformando de manera radical el diseño arquitectónico y la edificación. En la actualidad, el sector de la construcción se enfrenta a tres tendencias clave: la industrialización, la sostenibilidad y la transformación digital e inteligente. La convergencia de estos factores genera numerosas oportunidades, pero también desafíos significativos.

Los proyectos contemporáneos son cada vez más grandes y complejos, y están sujetos a requisitos ambientales más estrictos, lo que aumenta la presión sobre los equipos de diseño en términos de procesamiento de información, tiempo y recursos. En este contexto, la IA no solo optimiza los procesos, sino que también mejora la eficiencia de los métodos tradicionales de diseño.

A continuación, analizamos cómo la IA puede impulsar la eficiencia del diseño, fomentar la innovación y contribuir a la sostenibilidad de los proyectos. La tecnología ya está presente en todas las etapas del ciclo de vida del edificio, desde el análisis predictivo y la supervisión de la construcción hasta el mantenimiento de las instalaciones.

La digitalización ha transformado profundamente la forma en que concebimos, proyectamos y gestionamos las infraestructuras. Tras la aparición del diseño asistido por ordenador (CAD) y el modelado de información para la construcción (BIM), la inteligencia artificial (IA) se presenta como el siguiente gran avance tecnológico. A diferencia de otras herramientas, la IA no solo automatiza tareas, sino que también aprende, genera propuestas y ayuda a tomar decisiones complejas de manera óptima. Como señalan Li, Chen, Yu y Yang (2025), la IA se está consolidando como una herramienta fundamental para aumentar la eficiencia en el diseño arquitectónico e integrar criterios de sostenibilidad, industrialización y digitalización en toda la cadena de valor.

La IA se puede definir como un conjunto de técnicas informáticas que buscan reproducir procesos propios de la inteligencia humana, como el razonamiento, el aprendizaje o el reconocimiento de patrones. Entre sus ramas se incluyen el aprendizaje automático (machine learning o ML), basado en algoritmos que identifican patrones en grandes volúmenes de datos; las redes neuronales artificiales, que imitan el funcionamiento del cerebro y permiten resolver problemas complejos, como la predicción energética (Chen et al., 2023); los algoritmos genéticos, que simulan procesos evolutivos para hallar soluciones óptimas en problemas con múltiples variables, y la IA generativa, capaz de crear contenidos originales, como imágenes o planos, a partir de descripciones textuales. Este último enfoque, también conocido como AIGC (contenido generado por IA), ha popularizado herramientas como Stable Diffusion o Midjourney (Li et al., 2025).

En el sector de la construcción confluyen tres grandes tendencias: la industrialización, vinculada a la modularización y la prefabricación de componentes; el desarrollo sostenible, que impulsa diseños energéticamente eficientes y con menor impacto ambiental; y la digitalización inteligente, en la que la IA desempeña un papel protagonista (Asif, Naeem y Khalid, 2024). Estas tres dinámicas están interrelacionadas: sin tecnologías de análisis avanzado, como la IA, sería mucho más difícil cumplir los objetivos de sostenibilidad o gestionar procesos constructivos industrializados.

Las aplicaciones de la IA se extienden a lo largo de todo el ciclo de vida del edificio. En las primeras fases de diseño, los algoritmos generan en segundos múltiples alternativas de distribución, optimizando la orientación, la iluminación natural o la ventilación. El diseño paramétrico asistido por IA permite explorar variaciones infinitas ajustando solo unos pocos parámetros (Li et al., 2025). Durante la fase de proyecto, los sistemas basados en procesamiento del lenguaje natural pueden interpretar normativas y detectar incumplimientos de forma automática, lo que reduce la probabilidad de modificaciones en obra (Xu et al., 2024). Además, las técnicas de simulación permiten prever el comportamiento estructural, acústico o energético de un edificio antes de su construcción, lo que proporciona seguridad y precisión en la toma de decisiones.

Avances de la IA en el diseño arquitectónico

En el sector de la construcción, la IA se combina con sensores y análisis de datos en tiempo real para optimizar la producción y la logística. En la construcción industrializada, los algoritmos ajustan la fabricación de elementos prefabricados, optimizan los cortes y los ensamblajes, y mejoran la gestión de las obras (Li et al., 2025). Al mismo tiempo, la monitorización inteligente permite anticiparse a las desviaciones, planificar los recursos con mayor eficiencia e incrementar la seguridad en entornos complejos.

Optimización del ciclo de vida del edificio con IA

Uno de los campos más avanzados es la predicción y optimización del consumo energético. Algoritmos como las redes neuronales, las máquinas de soporte vectorial o los métodos evolutivos permiten modelizar con gran precisión el comportamiento energético, incluso en las fases preliminares (Chen et al., 2023). Gracias a estas técnicas, es posible seleccionar soluciones constructivas más sostenibles, diseñar envolventes eficientes e integrar energías renovables en el proyecto. Como señalan Ding et al. (2018), estas herramientas facilitan el cumplimiento de los sistemas de evaluación ambiental y apoyan la transición hacia edificios de energía casi nula.

Las ventajas de la IA son evidentes: aumenta la eficiencia, reduce los errores y permite generar múltiples alternativas en mucho menos tiempo (Li et al., 2025). También optimiza los aspectos energéticos y estructurales, lo que hace que los proyectos sean más fiables y competitivos. La automatización de tareas repetitivas agiliza la creación de planos y documentos, mientras que los profesionales pueden dedicarse a tareas creativas. Además, las herramientas de gestión de proyectos con IA ayudan a organizar mejor los recursos y los plazos. Gracias a su capacidad para analizar grandes volúmenes de datos, fomentan la innovación, diversifican los métodos de diseño y facilitan la selección de materiales y el rendimiento energético.

Sin embargo, la IA también plantea importantes desafíos. Su eficacia depende de la calidad de los datos; sin información fiable, los algoritmos pierden precisión. Además, integrarla con plataformas como CAD o BIM sigue siendo complicado (Xu et al., 2024). A esto se suman cuestiones éticas y legales, como la propiedad intelectual de los diseños generados por IA, la opacidad en la toma de decisiones y el riesgo de que los diseñadores pierdan cierto control. En algunos lugares, como EE. UU., se han revocado derechos de autor sobre obras generadas por IA, lo que refleja la incertidumbre legal existente.

Otros retos son la homogeneización del diseño si todos usan herramientas similares, la reticencia de algunos profesionales a adoptar soluciones de IA por dudas sobre la personalización y la fiabilidad, y los altos costes y la limitada disponibilidad de hardware y software especializados. Aún así, la IA sigue siendo una herramienta poderosa que, si se utiliza correctamente, puede transformar la eficiencia, la creatividad y la sostenibilidad en el sector de la construcción, abriendo un futuro lleno de oportunidades.

Desafíos de la adopción de la IA en el diseño

Ya existen ejemplos prácticos que muestran el potencial de estas tecnologías. Herramientas como Stable Diffusion o FUGenerator pueden generar imágenes y maquetas a partir de descripciones en lenguaje natural y actúan como asistentes que multiplican la productividad del proyectista (Li et al., 2025). Estas plataformas no sustituyen la creatividad humana, pero ofrecen un apoyo decisivo en la fase de ideación.

Bucle interactivo de inferencia de diseño arquitectónico de FUGenerator (Li et al., 2025)

La IA se está convirtiendo en un pilar fundamental de la construcción, integrándose cada vez más con tecnologías como la realidad aumentada (RA), la realidad virtual (RV), la realidad mixta (RM) y los gemelos digitales. Gracias a esta combinación, no solo es posible visualizar cómo será un edificio, sino también anticipar su comportamiento estructural, energético o acústico antes de su construcción (Xu et al., 2024). Esto permite a los diseñadores y a los clientes evaluar las propuestas en las primeras etapas, lo que mejora la calidad del diseño y la experiencia del usuario.

La IA del futuro será más inteligente y adaptable, capaz de predecir con gran precisión los resultados del diseño y ofrecer soluciones personalizadas. Su impacto no se limita al diseño arquitectónico: la gestión de la construcción se beneficiará de la robótica asistida, lo que aumentará la seguridad y la eficiencia en tareas complejas o de alto riesgo; la operación de los edificios podrá monitorizar su rendimiento, anticipar las necesidades de mantenimiento y prolongar su vida útil, lo que reducirá los costes, y el análisis de mercado aprovechará el big data para prever la demanda y los precios de los materiales, lo que optimizará la cadena de suministro.

En ingeniería civil, la integración de la IA y las tecnologías avanzadas permite tomar decisiones más fundamentadas, minimizar riesgos y entregar proyectos más seguros y sostenibles (Xu et al., 2024). Así, la construcción del futuro se perfila como un proceso más eficiente, innovador y conectado, en el que la tecnología y la planificación estratégica trabajan juntas para lograr resultados óptimos.

En conclusión, la IA no pretende sustituir a los ingenieros y arquitectos, sino ampliar sus capacidades, como ya hicieron el CAD o el BIM (Asif et al., 2024; Li et al., 2025). Automatiza tareas repetitivas, agiliza el diseño, facilita la toma de decisiones basada en datos y ayuda a elegir materiales, mejorar la eficiencia energética y estructural e inspirar soluciones creativas. Su impacto trasciende el diseño y se extiende a la planificación, la supervisión de la construcción y la gestión del ciclo de vida del edificio. No obstante, su adopción plantea desafíos como los altos costes, la escasez de software disponible y la necesidad de contar con datos de calidad y algoritmos robustos. Si se depende en exceso de la IA, los diseños podrían homogeneizarse, por lo que es fundamental definir claramente los roles entre los arquitectos y la IA. Si se utiliza correctamente, la IA puede potenciar la creatividad, la eficiencia y la sostenibilidad, y ofrecer un futuro más innovador y dinámico para la construcción.

Os dejo un vídeo que resume las ideas más importantes.

Referencias:

Li, Y., Chen, H., Yu, P., & Yang, L. (2025). A review of artificial intelligence in enhancing architectural design efficiency. Applied Sciences, 15(3), 1476. https://doi.org/10.3390/app15031476
García, J., Villavicencio, G., Altimiras, F., Crawford, B., Soto, R., Minatogawa, V., Franco, M., Martínez-Muñoz, D., & Yepes, V. (2022). Machine learning techniques applied to construction: A hybrid bibliometric analysis of advances and future directions. Automation in Construction, 142, 104532.
Asif, M., Naeem, G., & Khalid, M. (2024). Digitalization for sustainable buildings: Technologies, applications, potential, and challenges. Journal of Cleaner Production, 450, 141814. https://doi.org/10.1016/j.jclepro.2024.141814
Ding, Z. K., Fan, Z., Tam, V. W. Y., Bian, Y., Li, S. H., Illankoon, I. M. C. S., & Moon, S. K. (2018). Green building evaluation system implementation. Building and Environment, 133, 32–40.https://doi.org/10.1016/j.buildenv.2018.02.012
Maureira, C., Pinto, H., Yepes, V., & García, J. (2021). Towards an AEC-AI industry optimization algorithmic knowledge mapping: an adaptive methodology for macroscopic conceptual analysis. IEEE Access, 9, 110842-110879.
Xu, K., Chen, Z., Xiao, F., Zhang, J., Zhang, H. B., & Ma, T. Y. (2024). Semantic model-based large-scale deployment of AI-driven building management applications. Automation in Construction, 165, 105579. https://doi.org/10.1016/j.autcon.2024.105579
Chen, Z. L., O’Neill, Z., Wen, J., Pradhan, O., Yang, T., Lu, X., Lin, G. J., Miyata, S. H., Lee, S. J., & Shen, C. (2023). A review of data-driven fault detection and diagnostics for building HVAC systems. Applied Energy, 339, 121030. https://doi.org/10.1016/j.apenergy.2023.121030

Glosario de términos clave

Inteligencia Artificial (IA): Una disciplina científica y tecnológica de vanguardia que simula el aprendizaje y la innovación humanos para extender el alcance de la aplicación de la tecnología.
Inteligencia Artificial Generativa (GAI): Un subconjunto de la IA que utiliza el aprendizaje automático y las capacidades de procesamiento del lenguaje natural para que las computadoras simulen la creatividad y el juicio humanos, produciendo automáticamente contenido que cumple con los requisitos.
Diseño Paramétrico: Un método de diseño en el que se utilizan algoritmos para definir la relación entre los elementos de diseño, permitiendo la generación de diversas variaciones de diseño mediante el ajuste de parámetros.
Diseño Asistido por IA: Métodos en los que las herramientas de IA ayudan a los diseñadores a optimizar diseños, analizar datos, resolver problemas y explorar conceptos creativos.
Colaboración Hombre-Máquina: Un enfoque en el que humanos y máquinas trabajan juntos en tareas complejas, con la IA apoyando la innovación humana y el intercambio de información eficiente.
Redes Neuronales Artificiales (RNA o ANN): Un tipo de algoritmo de IA, modelado a partir del cerebro humano, que se utiliza para modelar relaciones complejas entre entradas y salidas, a menudo empleadas en la predicción del consumo de energía de los edificios.
Aprendizaje Profundo (Deep Learning): Un subcampo del aprendizaje automático que utiliza redes neuronales con múltiples capas (redes neuronales profundas o DNN) para aprender representaciones de datos con múltiples niveles de abstracción.
Redes Neuronales Profundas (DNN): Redes neuronales con numerosas capas ocultas que permiten que el modelo aprenda patrones más complejos en los datos, mejorando la precisión en tareas como la predicción del consumo de energía.
Máquinas de Vectores de Soporte (SVM): Un algoritmo de aprendizaje supervisado utilizado para tareas de clasificación y regresión, especialmente eficaz con conjuntos de datos pequeños y para identificar relaciones no lineales.
Procesamiento del Lenguaje Natural (PLN o NLP): Un campo de la IA que se ocupa de la interacción entre las computadoras y el lenguaje humano, permitiendo a los sistemas interpretar y generar lenguaje humano.
Modelado de Información de Construcción (BIM): Una metodología para la gestión de la información de construcción a lo largo de su ciclo de vida, utilizada con la IA para mejorar las simulaciones de rendimiento del edificio.
Algoritmos Genéticos (GA): Una clase de algoritmos de optimización inspirados en el proceso de selección natural, utilizados para encontrar soluciones óptimas en tareas de diseño complejas.
Adaptación de Bajo Rango (LoRA): Un método de ajuste de bajo rango para modelos de lenguaje grandes, que permite modificar el comportamiento de los modelos añadiendo y entrenando nuevas capas de red sin alterar los parámetros del modelo original.
Stable Diffusion: Una herramienta avanzada de IA para generar imágenes a partir de descripciones de texto o dibujos de referencia, que a menudo utiliza el modelo LoRA para estilos específicos.
Inception Score (IS) y Fréchet Inception Distance (FID): Métricas cuantitativas utilizadas para evaluar la calidad y diversidad de las imágenes generadas por modelos de IA, con IS evaluando la calidad y FID la similitud de la distribución entre imágenes reales y generadas.
FUGenerator: Una plataforma que integra varios modelos de IA (como Diffusion Model, GAN, CLIP) para respaldar múltiples escenarios de aplicación de diseño arquitectónico, desde la descripción semántica hasta la generación de bocetos y el control.
Industrialización (en construcción): Énfasis en métodos de construcción modulares y automatizados para mejorar la eficiencia y estandarización.
Desarrollo Ecológico (en construcción): Enfoque en la conservación de energía durante el ciclo de vida, el uso de materiales sostenibles y la reducción del impacto ambiental.
Transformación Digital-Inteligente (en construcción): Integración de sistemas de digitalización e inteligencia, aprovechando tecnologías como la GAI para optimizar procesos y mejorar la creación de valor.
Problema Mal Definido (Ill-defined problem): Problemas de diseño, comunes en arquitectura, que tienen propósitos y medios iniciales poco claros.
Problema Malicioso (Wicked problem): Problemas de diseño caracterizados por interconexiones y objetivos poco claros, que requieren enfoques de resolución complejos.
Integración del Internet de las Cosas (IoT): La interconexión de dispositivos físicos con sensores, software y otras tecnologías para permitir la recopilación y el intercambio de datos, crucial para los sistemas de control de edificios inteligentes

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

Más allá del coste inicial: cómo elegir la mejor estrategia de refuerzo sísmico con criterios de sostenibilidad

Acaban de publicarnos un artículo en la revista Mathematics, revista indexada en el primer decil del JCR. Desarrolla un marco de decisión multicriterio que integra análisis del ciclo de vida (económico, ambiental y social) con técnicas avanzadas de decisión en entornos de incertidumbre (DEMATEL, DANP y TOPSIS en entornos difusos). El modelo se ha aplicado a un caso real de refuerzo de pilares de hormigón armado en Quito, una ciudad expuesta a riesgos sísmicos y volcánicos, por lo que los resultados son especialmente relevantes para la práctica profesional. El trabajo se enmarca dentro del proyecto de investigación RESILIFE que dirijo como investigador principal en la Universitat Politècnica de València, y es fruto de la colaboración con la Universidad Central de Ecuador. A continuación se recoge un resumen sintético del trabajo.

En los últimos años, la ingeniería civil ha tenido que replantear las estrategias de intervención en el patrimonio edificado. En regiones con alta peligrosidad sísmica, es imperioso reforzar las estructuras de hormigón armado construidas conforme a normativas antiguas. La demolición y reconstrucción, aunque técnicamente es posible, tiene un gran impacto ambiental y social, y supone un coste elevado. Por este motivo, la investigación reciente se orienta hacia metodologías que permitan adoptar soluciones integrales que equilibren la seguridad estructural, la sostenibilidad ambiental, la viabilidad económica y la aceptación social.

Un objetivo ambicioso: tomar decisiones informadas y sostenibles.

El objetivo del estudio es proporcionar a los ingenieros un procedimiento para priorizar técnicas de refuerzo sísmico de pilares de hormigón armado que tenga en cuenta de manera simultánea los siguientes aspectos:

Costes de ciclo de vida (LCC): diseño, construcción, mantenimiento y demolición.
Impactos ambientales (LCA): consumo de recursos, emisiones con efectos sobre la salud humana y daños a los ecosistemas.
Impactos sociales (S-LCA): seguridad de los trabajadores, derechos laborales, efectos sobre la comunidad local, compatibilidad arquitectónica y tiempo de interrupción del uso.

Lo novedoso es que estos criterios no se tratan como compartimentos estancos, sino como un sistema interdependiente en el que las decisiones económicas repercuten en lo social y lo ambiental, y viceversa.

La metodología paso a paso

Selección de criterios: se identificaron nueve indicadores distribuidos en tres dimensiones (económica, ambiental y social).
Análisis de relaciones causales (fuzzy DEMATEL): permitió visualizar qué criterios actúan como causa (por ejemplo, el coste de construcción influye en varios indicadores) y cuáles como efecto (por ejemplo, la salud humana se ve afectada por las decisiones ambientales y económicas).
Determinación de pesos relativos (DANP): se asignó importancia a cada criterio teniendo en cuenta esas interdependencias. La dimensión social emergió como la de mayor peso global (44,6%), seguida de la ambiental (32,2%) y la económica (23,1%).
Evaluación de alternativas (TOPSIS): se compararon tres técnicas habituales de refuerzo de pilares:
- Encamisado con hormigón armado.
- Encamisado con acero.
- Revestimiento con CFRP (polímeros reforzados con fibra de carbono).
  Cada una se evaluó en todas las fases del ciclo de vida, desde la extracción de materias primas hasta el final de vida.

Resultados: el CFRP como mejor opción global

El análisis mostró perfiles muy diferenciados:

Hormigón armado (RC):
- Ventaja: la alternativa más barata en coste inicial y en LCC.
- Inconveniente: presenta los mayores impactos ambientales y sociales, debido al uso intensivo de materiales (cemento y áridos) y a la mayor duración y molestias de obra.
Acero (ST):
- Ventaja: menor impacto social que el hormigón, reducción moderada de impactos ambientales.
- Inconveniente: costes significativamente más altos, sobre todo en mantenimiento y fin de vida (protecciones contra corrosión, demolición).
CFRP:
- Ventaja: mejor desempeño ambiental (hasta un 81% menos de consumo de recursos respecto al RC) y social (reducción de hasta un 85% en impactos sobre la sociedad). Además, tiempos de ejecución mucho más cortos, con mínima afectación al uso del edificio.
- Inconveniente: coste inicial muy superior (un 154% más que el RC).
- Resultado: pese a ese mayor coste inicial, es la alternativa mejor valorada globalmente cuando se consideran los 50 años de vida útil.

La conclusión es clara: el criterio de sostenibilidad a largo plazo favorece el uso del CFRP, aunque su adopción aún depende de la disponibilidad económica y de la madurez del mercado en cada contexto.

Aplicaciones prácticas en la ingeniería real

Para el proyecto de refuerzo de una estructura, este estudio ofrece varias lecciones prácticas:

Justificación técnica y económica: el marco permite presentar a clientes y administraciones un análisis riguroso que va más allá del presupuesto inicial, considerando impactos a 50 años.
Planificación de obra: la valoración de los tiempos de intervención y la compatibilidad arquitectónica muestra que soluciones como el CFRP pueden reducir notablemente la interrupción de la actividad en edificios de uso crítico (hospitales, colegios, edificios administrativos).
Selección de materiales: el análisis evidencia cómo el acero requiere medidas de protección adicionales frente a la corrosión, mientras que el hormigón aumenta considerablemente la huella de carbono. Esto impulsa a considerar materiales compuestos, incluso con su mayor precio, cuando la sostenibilidad y el servicio a la comunidad son prioritarios.
Diseño normativo y políticas públicas: al integrar impactos sociales, el modelo puede orientar normativas de rehabilitación sísmica en países con gran stock de edificaciones vulnerables, priorizando soluciones que maximicen beneficios sociales, además de estructurales.

Conclusiones y recomendaciones para la práctica profesional

Mirar más allá del coste inicial: la ingeniería actual debe adoptar un enfoque de ciclo de vida para que las decisiones sean sostenibles y no hipotequen a futuras generaciones.
Dar peso a lo social: en muchos contextos, el impacto en trabajadores y usuarios pesa tanto como la seguridad estructural. Reducir los tiempos de obra y las afecciones al entorno puede ser determinante.
Promover materiales innovadores: el CFRP se posiciona como un referente en refuerzos sísmicos por su durabilidad, bajo impacto ambiental y beneficios sociales.
Aplicar marcos multicriterio: metodologías como la propuesta permiten al ingeniero defender decisiones complejas con base científica y transparencia.
Aprovechar el modelo en la planificación pública: puede guiar programas de rehabilitación masiva en países sísmicamente activos, optimizando recursos y beneficios.

En definitiva, este trabajo no solo aporta un modelo matemático, sino también una forma de pensar y justificar nuestras decisiones como ingenieros civiles. Es un claro ejemplo de cómo la integración de herramientas de análisis avanzado con criterios de sostenibilidad puede transformar la práctica profesional y alinearla con los retos del siglo XXI.

Este audio os puede servir para entender el trabajo realizado.

Os dejo un vídeo que resume este trabajo.

Referencia:

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

Como el artículo está publicado en abierto, os lo dejo para su descarga.

Pincha aquí para descargar

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

Métodos de decisión multicriterio aplicados a los proyectos vivienda social

Acaban de publicarnos un artículo en la revista Journal of Civil Engineering and Management, revista indexada en el JCR. Presenta un análisis exhaustivo de la investigación científica en torno a la evaluación de las viviendas sociales. El trabajo se enmarca dentro del proyecto de investigación RESILIFE que dirijo como investigador principal en la Universitat Politècnica de València. A continuación se recoge un resumen sintético del trabajo.

La evaluación de proyectos de vivienda social es un proceso complejo que requiere tener en cuenta múltiples factores para conseguir comunidades más resilientes y sostenibles. Los métodos de decisión multicriterio (MCDM) son herramientas esenciales que proporcionan un marco estructurado para la adopción de decisiones informadas, ya que integran criterios cuantitativos y cualitativos. Esta revisión bibliográfica, basada en 93 artículos publicados entre 1994 y marzo de 2025, destaca la creciente prevalencia de los MCDM, el enfoque en la sostenibilidad (que abarca aspectos ambientales, sociales, económicos y técnicos) y la evolución hacia técnicas más modernas, como la lógica difusa y neutrosófica. Aunque el proceso de jerarquía analítica (AHP) y TOPSIS son los métodos más utilizados, es necesario integrar más los MCDM en todas las fases del proceso de construcción para mejorar la constructibilidad y la sostenibilidad, sobre todo en la vivienda social.

Contexto y desafío de la vivienda social

La vivienda es un elemento clave para cubrir las necesidades básicas de la población y fortalecer la cohesión social. Sin embargo, el crecimiento demográfico y la urbanización han agravado la escasez de viviendas asequibles, sostenibles y socialmente justas en todo el mundo. El modelo tradicional de construcción no solo encarece los costes a lo largo de la vida útil de la vivienda, sino que también provoca impactos negativos en el medio ambiente y en la salud.

En este contexto, la vivienda social se presenta como una solución esencial para atender a las poblaciones más vulnerables, garantizar unas condiciones mínimas de habitabilidad y calidad de vida, y promover la inclusión social.

No obstante, el desarrollo urbano desordenado ha favorecido la expansión de asentamientos informales y la falta de infraestructuras básicas adecuadas. Para que las iniciativas de vivienda social sean efectivas, es necesario adoptar un enfoque integral que tenga en cuenta la viabilidad económica, la sostenibilidad medioambiental y la equidad social. En un mundo donde la urbanización acelerada amenaza los medios de vida de millones de personas, buscar soluciones sostenibles es cada vez más urgente.

Métodos de decisión multicriterio (MCDM)

Los MCDM son herramientas poderosas para la toma de decisiones en escenarios con múltiples objetivos o criterios, facilitando la evaluación y comparación de alternativas basadas en varios aspectos cruciales. Se clasifican en:

Métodos de Puntuación: Asignan puntuaciones numéricas a los criterios para comparación (e.g., SAW, COPRAS).
Métodos Basados en Distancia: Evalúan alternativas midiendo la distancia a un punto ideal positivo y a un punto ideal negativo (e.g., TOPSIS, VIKOR, ARAS, EDAS).
Métodos de Comparación Pareada: Comparan alternativas directamente para determinar preferencias basadas en criterios específicos (e.g., AHP, ANP).
Métodos de Superación (Outranking): Se basan en la noción de que una alternativa óptima es preferible si es igual o superior en todos los criterios y al menos uno de ellos (e.g., PROMETHEE, ELECTRE).
Funciones de Utilidad (Valor) Multi-atributo: Representan las preferencias del tomador de decisiones a través de funciones de utilidad/valor (e.g., MAUT, SWARA, MIVES).

Prevalencia y tendencias:

AHP es el método individual dominante (75% de los casos individuales), seguido por TOPSIS.
El 48% de los artículos revisados utilizan la comparación pareada, siendo AHP el método principal (41 artículos).
Los métodos basados en distancia representan el 21% del uso, con TOPSIS como la opción predominante.
Métodos híbridos: Aunque se aboga por la integración de diferentes MCDM, su adopción generalizada es limitada. La combinación AHP + TOPSIS es frecuente, aprovechando la capacidad de AHP para estructurar criterios y la de TOPSIS para identificar y clasificar alternativas.
Números Crisp vs. Lógica Difusa/Neutrosófica: La mayoría de los estudios (84%) emplean números crisp, lo que indica un enfoque en datos exactos. Sin embargo, desde 2011, ha habido un aumento en el uso de la lógica difusa (15% de los manuscritos) para manejar la imprecisión y vaguedad inherentes a los juicios humanos. La lógica neutrosófica (1%) también ha comenzado a explorarse.
La Agenda 2030 y el ODS 11 («Ciudades y Comunidades Sostenibles»), junto con la adopción de la Nueva Agenda Urbana en 2015, han impulsado un aumento significativo en las publicaciones (más del 77% entre 2016 y la actualidad), «subrayando el papel fundamental de la vivienda adecuada y sostenible como piedra angular para lograr ciudades sostenibles.

Criterios de evaluación en vivienda social

Los proyectos de vivienda social se evalúan considerando cuatro dimensiones principales, reflejando un enfoque integral de sostenibilidad:

Económicos: Predominantemente enfocados en costos de construcción, reparación y mantenimiento, y gastos operativos de los proyectos de vivienda. Solo siete artículos revisados incluyen el Coste del Ciclo de Vida (LCC) según ISO 15686-5.
Ambientales: Abordan consumo de energía, eficiencia hídrica, emisiones contaminantes, gestión de residuos y energía del ciclo de vida (LCE). El consumo de energía y las emisiones de contaminantes son los aspectos más evaluados.
Sociales: Los criterios incluyen salud y seguridad, nivel de confort, facilidad de servicios y satisfacción del usuario. La accesibilidad a servicios públicos y la inclusión social son aspectos clave.
Técnicos: Comprenden especificaciones del proyecto, diseño, construcción y criterios de programación, con énfasis en la innovación, calidad y adhesión a los plazos.

Hay un cambio hacia evaluaciones multidimensionales, con «comparación por pares, superación y métodos basados en la distancia» emergiendo como herramientas esenciales.

Fases del proceso de construcción y MCDM

La aplicación de MCDM se distribuye en varias fases de la constructibilidad:

Fase de diseño: Es la fase más estudiada, cubriendo optimización del diseño interior, selección de sistemas de construcción óptimos y diseño MEP (Mecánico, Eléctrico y de Fontanería) priorizando el confort térmico.
Fase de planificación conceptual: Se centra en la viabilidad económica, la elección de ubicaciones adecuadas y la consideración de las necesidades de los habitantes, incluyendo acceso a servicios públicos, transporte, seguridad y áreas recreativas.
Fase de mantenimiento y puesta en marcha: Evalúa el bienestar de los ocupantes, las renovaciones arquitectónicas y energéticas, y las técnicas de refuerzo estructural.
Fase de construcción: Se enfoca en el uso de maquinaria, materiales y mano de obra, abordando preocupaciones de seguridad.
Fase de adquisiciones: Aborda la evaluación de proveedores y la gestión de la cadena de suministro, un aspecto vital pero poco representado.

A pesar de las intervenciones de la ciencia de la construcción que se centran en el conocimiento, la planificación, las adquisiciones y la ejecución, la investigación en este ámbito aborda principalmente cuestiones convencionales en lugar de conceptos emergentes como la economía circular y el Análisis del Ciclo de Vida (ACV) completo.

Discusión y direcciones futuras de investigación

La revisión destaca la necesidad de:

Integración de MCDM más allá de la viabilidad económica: Ampliar el alcance para abarcar la viabilidad social, técnica y ambiental.
Mayor uso de métodos híbridos y lógicas avanzadas: A pesar de la complejidad de los proyectos de vivienda social, la aplicación de la lógica difusa y neutrosófica en MCDM individuales e híbridos sigue siendo limitada en comparación con otras disciplinas de ingeniería. Se recomienda la integración de enfoques híbridos que integren MCDM con lógica difusa o neutrosófica, para evaluaciones más precisas.
Estandarización de criterios de evaluación: Existe una falta de consenso en los criterios de evaluación de la sostenibilidad, lo que subraya la «necesidad de un marco estandarizado que integre sistemáticamente estos aspectos. Un enfoque de Evaluación del Ciclo de Vida de la Sostenibilidad (SLCA) podría ser beneficioso.
Exploración de MCDM alternativos: Métodos como el Best-Worst Method (BWM) y el Combinative Distance-Based Assessment (CODAS) ofrecen ventajas sobre los métodos tradicionales en ciertos escenarios y deberían ser considerados.
Mayor aplicación del análisis de sensibilidad: Solo 17 de los artículos revisados emplearon análisis de sensibilidad, a pesar de su crucial papel para determinar la solidez de los métodos y la validez de los resultados.
Integración de tecnologías como GIS y BIM: La combinación de GIS (Sistemas de Información Geográfica), BIM (Modelado de Información de Construcción) y MCDM ha demostrado ser efectiva en la ingeniería civil, permitiendo análisis espaciales y temporales multicriterio. Esta integración puede optimizar la selección de sitios, el uso de recursos y la planificación sostenible a largo plazo. Sin embargo, su combinación es limitada en la literatura revisada.
Abordar la interdependencia de los criterios: La naturaleza holística y multifacética de la sostenibilidad implica que los criterios están inherentemente interconectados, lo que desafía los enfoques individuales de MCDM. Un reconocimiento exhaustivo de esta interdependencia es vital.

7. Conclusiones clave

Los MCDM son herramientas versátiles y esenciales para evaluar proyectos de vivienda social, con AHP, TOPSIS y COPRAS como los más prevalentes.
Existe una tendencia creciente hacia el uso de MCDM con lógicas de incertidumbre como la difusa y neutrosófica, aunque su aplicación todavía es limitada.
La sostenibilidad es un factor clave, siendo la dimensión social la más analizada, seguida por la económica, ambiental y técnica. No obstante, se necesita un marco estandarizado y la integración del Análisis del Ciclo de Vida (LCA) para evaluaciones más completas.
La aplicación de MCDM en todas las fases de la construcción mejora la toma de decisiones, optimiza los recursos y permite la identificación temprana de riesgos.
Es crucial investigar la jerarquización de criterios y la optimización de modelos híbridos para mejorar la aplicabilidad de los MCDM en proyectos de interés social.
La adopción de innovaciones como la construcción modular y el uso de materiales sostenibles es fundamental para la eficiencia y sostenibilidad de la vivienda social.

Este documento de información busca guiar a los profesionales de la investigación y a los tomadores de decisiones hacia la integración de métodos MCDM modernos para abordar de manera más efectiva los complejos desafíos de la vivienda social, impulsando así decisiones más informadas y sostenibles.

Os dejo un resumen en audio donde se explican las ideas principales del trabajo.

Al estar publicado en abierto, os dejo el artículo completo.

Pincha aquí para descargar

Glosario de términos clave

AHP (Analytic Hierarchy Process / Proceso Analítico Jerárquico): Un método MCDM basado en comparaciones por pares para estructurar y analizar decisiones complejas, determinando la importancia relativa de los criterios y alternativas.
ANP (Analytic Network Process / Proceso de Red Analítico): Una extensión del AHP que permite relaciones más complejas entre los criterios y las alternativas, incluyendo interdependencias y retroalimentación.
ARAS (Additive Ratio Assessment / Evaluación por Razón Aditiva): Un método MCDM basado en el cálculo de ratios aditivos para clasificar alternativas en función de su rendimiento.
BIM (Building Information Modelling / Modelado de Información de Construcción): Un proceso inteligente basado en modelos 3D que permite a los profesionales de la arquitectura, ingeniería y construcción planificar, diseñar, construir y gestionar edificios e infraestructuras de manera más eficiente.
COPRAS (Complex Proportional Assessment / Evaluación Proporcional Compleja): Un método MCDM de puntuación que evalúa alternativas basándose en su proximidad a un punto ideal y a un punto anti-ideal.
Crisp numbers (Números nítidos): Valores precisos y exactos utilizados en los cálculos matemáticos, que no consideran la imprecisión o la ambigüedad inherente a algunos conceptos humanos o datos subjetivos.
Constructability (Constructibilidad): La medida en que el diseño de un proyecto facilita la construcción, permitiendo un uso eficiente de los recursos y la mano de obra para mejorar el costo, el tiempo, la calidad y la seguridad.
DEMATEL (Decision Making Trial and Evaluation Laboratory / Laboratorio de Evaluación y Toma de Decisiones): Un método MCDM que ayuda a analizar relaciones causa-efecto entre criterios, permitiendo comprender su interdependencia.
EDAS (Evaluation Based on Distance to Average Solution / Evaluación Basada en la Distancia a la Solución Promedio): Un método MCDM que evalúa alternativas en función de su distancia a la solución promedio.
ELECTRE (Elimination and Choice Expressing Reality Method / Método de Eliminación y Elección que Expresa la Realidad): Una familia de métodos MCDM de superación que compara alternativas por pares y determina su relación de preferencia o indiferencia.
Fuzzy logic (Lógica difusa): Una forma de lógica multivaluada que permite valores de verdad intermedios entre «verdadero» y «falso», utilizada para modelar la incertidumbre y la vaguedad en los juicios humanos.
GIS (Geographic Information Systems / Sistemas de Información Geográfica): Un sistema que crea, gestiona, analiza y mapea todo tipo de datos. Relaciona los datos con la ubicación, analizando la información geográfica para organizar capas de información en visualizaciones mediante mapas.
Hybrid MCDMs (MCDM híbridos): Combinaciones de dos o más métodos MCDM, o de MCDM con otras herramientas (como BIM o GIS), para aprovechar las fortalezas de cada técnica y abordar la complejidad de los problemas de decisión.
LCA (Life Cycle Assessment / Análisis del Ciclo de Vida): Una metodología para evaluar los impactos ambientales asociados a todas las etapas de la vida de un producto o servicio, desde la extracción de materias primas hasta su disposición final.
LCC (Life Cycle Cost / Costo del Ciclo de Vida): El cesto total de un activo a lo largo de su vida útil, incluyendo los costos iniciales de adquisición, operación, mantenimiento, y disposición final.
MCDM (Multi-Criteria Decision Methods / Métodos de Decisión Multicriterio): Herramientas analíticas y computacionales que ayudan a los tomadores de decisiones a evaluar y priorizar diferentes opciones considerando múltiples factores o criterios, a menudo conflictivos.
MIVES (Model Integrated Value for Sustainable Evaluation / Modelo de Valor Integrado para la Evaluación Sostenible): Un método MCDM que integra la toma de decisiones con el análisis de valor, utilizando dimensiones indexadas estandarizadas para comparar indicadores de diferente naturaleza.
MOORA (Multi-Objective Optimization by Ratio Analysis / Optimización Multiobjetivo por Análisis de Ratios): Un método MCDM que clasifica alternativas basándose en un ratio de rendimiento y una referencia de desviación.
Neutrosophic logic (Lógica neutrosófica): Una generalización de la lógica difusa que introduce la indeterminación (además de la verdad y la falsedad), permitiendo un manejo más completo de la incertidumbre en los procesos de decisión.
PROMETHEE (Preference Ranking Organization Method for Enrichment of Evaluations / Método de Organización de Preferencias para el Enriquecimiento de Evaluaciones): Un método MCDM de superación que permite clasificar alternativas según sus preferencias de los criterios.
Scoring methods (Métodos de puntuación): Métodos MCDM que asignan puntuaciones numéricas a los criterios relevantes para comparar y evaluar cantidades jerárquicamente estructuradas.
Sensitivity analysis (Análisis de sensibilidad): Un estudio que examina cómo la incertidumbre en la salida de un modelo puede atribuirse a diferentes fuentes de incertidumbre en sus entradas, utilizado para probar la robustez de un método y la validez de los resultados.
Social housing (Vivienda social): Viviendas diseñadas para ser accesibles a personas y familias de ingresos medios y bajos, asegurando estándares mínimos de habitabilidad y calidad de vida, y fomentando la inclusión social.
Sustainability (Sostenibilidad): Un enfoque que busca satisfacer las necesidades del presente sin comprometer la capacidad de las futuras generaciones para satisfacer sus propias necesidades, abarcando dimensiones económicas, ambientales, sociales y técnicas.
SWARA (Scaled Weighted Assessment Ratio Analysis): Un método MCDM utilizado para determinar los pesos de los criterios.
TOPSIS (Technique for Order of Preference by Similarity to Ideal Solution / Técnica para la Ordenación por Similitud con la Solución Ideal): Un método MCDM que clasifica alternativas basándose en su distancia a una solución ideal positiva y a una solución ideal negativa.
VIKOR (VIseKriterijumska Optimizacija I Kompromisno Resenje / Optimización Multicriterio y Solución de Compromiso): Un método MCDM que clasifica alternativas basándose en su proximidad a una solución ideal.
WSM (Weighted Sum Model / Modelo de Suma Ponderada): Un método MCDM de puntuación que calcula una puntuación total para cada alternativa sumando las puntuaciones ponderadas de cada criterio

RESILIFE: Optimización resiliente de estructuras híbridas en condiciones extremas

En este artículo se explica el proyecto RESILIFE, cuyos investigadores principales son Víctor Yepes y Julián Alcalá, de la Universitat Politècnica de València. Se trata de un proyecto de investigación de carácter internacional en el que también colaboran profesores de Brasil, Chile y China. Además, se están realizando varias tesis doctorales de estudiantes de Cuba, Perú, México y Ecuador, así como de estudiantes españoles. A continuación, se describe brevemente el proyecto y se incluye una comunicación reciente donde se explica con más detalle.

El proyecto RESILIFE se centra en optimizar de forma resiliente el ciclo de vida de estructuras híbridas y modulares para conseguir una alta eficiencia social y medioambiental, especialmente en condiciones extremas. La investigación aborda la necesidad de diseñar, construir y mantener infraestructuras que puedan resistir y recuperarse rápidamente de desastres naturales o provocados por el ser humano, minimizando las pérdidas y el impacto en la sociedad y el medioambiente. Para ello, el estudio propone utilizar inteligencia artificial, metaheurísticas híbridas, aprendizaje profundo y teoría de juegos en un enfoque multicriterio. El objetivo es mejorar la seguridad, reducir costes y optimizar la recuperación, alineándose con los Objetivos de Desarrollo Sostenible (ODS). La metodología integral incluye el análisis del ciclo de vida, así como la aplicación de lógica neutrosófica y redes bayesianas para la toma de decisiones.

¿Qué problema aborda el proyecto RESILIFE y por qué es urgente?

El proyecto RESILIFE aborda el desafío crítico que supone diseñar y mantener infraestructuras resilientes y sostenibles frente a desastres naturales y provocados por el ser humano. La urgencia es evidente debido a las enormes pérdidas humanas y económicas causadas por estos eventos (más de 1,1 millones de muertes y 1,5 billones de dólares en pérdidas entre 2003 y 2013), lo que subraya la necesidad de estructuras de alto rendimiento que protejan vidas y economías, al tiempo que se alinean con los Objetivos de Desarrollo Sostenible (ODS) de las Naciones Unidas. Además, los errores de diseño y construcción, así como la falta de mantenimiento, han demostrado ser causas significativas de colapso estructural, y solo el 50 % de las reparaciones de hormigón resultan efectivas en Europa.

¿Cuál es el objetivo principal de RESILIFE?

El objetivo general del proyecto RESILIFE es optimizar el diseño, el mantenimiento y la reparación de estructuras híbridas y modulares (MMC) de alta eficiencia social y medioambiental para que puedan resistir condiciones extremas. Para ello, se deben abordar problemas complejos de toma de decisiones en los ámbitos público y privado, integrando criterios de sostenibilidad social y medioambiental durante todo el ciclo de vida de las estructuras y teniendo en cuenta la variabilidad e incertidumbre inherentes al mundo real. El objetivo es que estas estructuras sean tan seguras como las tradicionales, pero con una mayor capacidad de recuperación rápida y un menor impacto social y medioambiental.

¿Qué tipos de estructuras son el foco de RESILIFE y por qué?

El proyecto se centra en estructuras híbridas (que combinan, por ejemplo, acero y hormigón) y en estructuras basadas en métodos modernos de construcción (MMC), especialmente las modulares. Estas estructuras se han elegido como objeto de estudio debido a su gran potencial para mejorar la resiliencia estructural, la eficiencia en la construcción (al reducir las interrupciones en obra y mejorar el control de calidad) y la sostenibilidad. A pesar de sus ventajas, se han identificado lagunas en la investigación sobre su optimización para eventos extremos y su aplicación en estructuras complejas, aspectos que el proyecto RESILIFE busca subsanar.

¿Qué metodologías innovadoras utiliza RESILIFE para lograr sus objetivos?

RESILIFE emplea un enfoque multidisciplinario e innovador que integra diversas técnicas avanzadas:

Inteligencia artificial y metaheurísticas híbridas: Para optimizar el diseño, mantenimiento y reparación, mejorando la calidad de las soluciones y reduciendo tiempos de cálculo. Esto incluye el uso de deep learning.
Teoría de juegos: Aplicada a la optimización multiobjetivo para tener en cuenta la interacción y las decisiones de múltiples actores.
Técnicas de decisión multicriterio: Como la lógica neutrosófica y las redes bayesianas, para manejar la incertidumbre y considerar múltiples criterios (económicos, sociales, ambientales) en la toma de decisiones.
Análisis del ciclo de vida (ACV): Para evaluar los impactos de las estructuras desde su concepción hasta su demolición.
Diseño óptimo robusto basado en fiabilidad: Para asegurar que las soluciones optimizadas sean viables y resistentes a pequeños cambios o incertidumbres.
Modelado de información para la construcción (BIM) y gemelos digitales: Para integrar el proyecto estructural y ofrecer control y adaptabilidad en tiempo real.

¿Cómo aborda RESILIFE la incertidumbre y la variabilidad en el diseño y mantenimiento de estructuras?

El proyecto aborda la incertidumbre y la variabilidad mediante varias estrategias:

Análisis de funciones de distribución de eventos extremos: Para el diseño óptimo basado en fiabilidad.
Metamodelos y metaheurísticas híbridas basadas en fiabilidad: Permiten manejar la aleatoriedad de los parámetros y asegurar que los proyectos optimizados no sean inviables ante pequeños cambios en las condiciones.
Técnicas de decisión multicriterio (lógica neutrosófica y redes bayesianas): Integran aspectos inciertos y criterios subjetivos en la toma de decisiones.
Análisis de sensibilidad: De los escenarios presupuestarios y las hipótesis del ciclo de vida para identificar las mejores prácticas.

¿Qué se entiende por «resiliencia» en el contexto de RESILIFE y cómo se cuantifica?

En el contexto de RESILIFE, la resiliencia se define como la capacidad de una estructura para resistir eventos extremos, mantener su funcionalidad o recuperarla rápidamente con reparaciones mínimas tras sufrir daños, y con un bajo coste social y medioambiental. El objetivo es ir más allá de la simple resistencia y centrarse en la capacidad de adaptación y recuperación. El proyecto tiene como objetivo desarrollar procedimientos explícitos para cuantificar la resiliencia de las estructuras e infraestructuras en el contexto de múltiples amenazas, un aspecto que actualmente presenta una laguna en la investigación. Esto incluye tener en cuenta la funcionalidad técnico-socioeconómica y los impactos a lo largo de toda su vida útil.

¿Qué tipo de casos de estudio se aplican en la metodología RESILIFE?

La metodología de RESILIFE se aplica a varios casos de estudio clave:

Optimización de pórticos de edificios altos: Con estructura de acero híbrido y hormigón armado, sometidos a un fuerte incremento de temperatura, o ante el fallo completo de soportes para evitar el colapso progresivo.
Viviendas sociales prefabricadas en zonas sísmicas: Optimizando su resistencia a acciones extremas y su capacidad de reparación rápida.
Mantenimiento y reparación de patologías: Resultantes de eventos extremos en diversas estructuras.
Otras estructuras como puentes mixtos y estructuras modulares: Ampliando el alcance más allá de las viviendas. Estos casos de estudio permiten validar la aplicabilidad de las metodologías propuestas en situaciones reales y complejas.

¿Cuáles son las principales contribuciones esperadas de RESILIFE a la ingeniería estructural y la sostenibilidad?

Las principales contribuciones esperadas de RESILIFE son:

Desarrollo de soluciones constructivas innovadoras: Como conexiones especiales y estructuras fusibles para aumentar la resiliencia y evitar el colapso progresivo.
Formulación de metodologías de participación social: Para integrar criterios objetivos y subjetivos en decisiones multicriterio.
Propuesta de técnicas de optimización multiobjetivo avanzadas: Basadas en metaheurísticas híbridas de deep learning, teoría de juegos y fiabilidad.
Introducción de nuevas métricas: Que prioricen soluciones resilientes en la frontera de Pareto.
Identificación de políticas presupuestarias efectivas: Y definición de buenas prácticas de diseño, reparación y mantenimiento robusto en construcciones MMC y estructuras híbridas.
Avances en la modelización y evaluación: De la sostenibilidad a largo plazo y el impacto ambiental de las infraestructuras, contribuyendo a normativas y software de diseño más eficientes.

Pincha aquí para descargar

Glosario de términos clave

Resiliencia (estructural): Capacidad de una estructura para absorber, resistir, adaptarse y recuperarse de un evento extremo, manteniendo o recuperando su funcionalidad rápidamente y con costes mínimos.
Estructuras híbridas: Estructuras que combinan dos o más materiales estructurales diferentes, como acero y hormigón, para optimizar sus propiedades y rendimiento.
Estructuras modulares: Estructuras compuestas por unidades o módulos prefabricados que se ensamblan en el lugar de la construcción, ofreciendo ventajas en velocidad de construcción y control de calidad.
Eventos extremos: Desastres naturales (terremotos, tsunamis, inundaciones) o provocados por humanos (explosiones, impactos) que causan daños significativos a las estructuras y la sociedad.
Optimización del ciclo de vida: Proceso de diseño, construcción, mantenimiento y reparación de una estructura, considerando su impacto total (económico, social, ambiental) a lo largo de toda su vida útil.
Sostenibilidad: Principio que busca satisfacer las necesidades actuales sin comprometer la capacidad de las futuras generaciones para satisfacer sus propias necesidades, integrando aspectos ambientales, sociales y económicos.
Inteligencia artificial (IA): Campo de la informática que dota a las máquinas de la capacidad de aprender, razonar y resolver problemas, utilizada aquí para evaluar y mejorar la resiliencia.
Metaheurísticas híbridas: Algoritmos de optimización que combinan diferentes técnicas heurísticas o metaheurísticas para encontrar soluciones eficientes a problemas complejos, especialmente en la optimización multiobjetivo.
Aprendizaje profundo (Deep Learning – DL): Subcampo del aprendizaje automático que utiliza redes neuronales artificiales con múltiples capas para aprender representaciones de datos, aplicado para mejorar la toma de decisiones y reducir tiempos de cálculo.
Teoría de juegos: Rama de las matemáticas que estudia las interacciones estratégicas entre agentes racionales, aplicada en la optimización multiobjetivo para el diseño de estructuras.
Lógica neutrosófica: Marco matemático para tratar la indeterminación y la inconsistencia, utilizado en la toma de decisiones multicriterio para manejar la incertidumbre.
Redes bayesianas: Modelos gráficos probabilísticos que representan relaciones de dependencia condicional entre variables, empleadas en el análisis multicriterio y la gestión de incertidumbre.
Colapso progresivo: Fenómeno en el cual un daño inicial localizado en una estructura se propaga a otras partes, llevando al colapso desproporcionado de una gran porción o de toda la estructura.
Modern Methods of Construction (MMC): Métodos de construcción modernos que incluyen tecnologías de prefabricación, construcción modular e impresión 3D, buscando mayor eficiencia y control de calidad.
BIM (Building Information Modeling / Modelos de Información en la Construcción): Proceso de creación y gestión de un modelo digital de un edificio o infraestructura, que facilita la integración del proyecto estructural y la toma de decisiones a lo largo del ciclo de vida.
Metamodelo (o modelo subrogado): Modelo simplificado de un sistema complejo que permite realizar cálculos más rápidos y eficientes, crucial para reducir los tiempos de computación en la optimización.
Diseño óptimo basado en fiabilidad: Enfoque de diseño que considera la probabilidad de fallo y las incertidumbres inherentes para optimizar las estructuras, garantizando un nivel de seguridad predefinido.
Frontera de Pareto: Conjunto de soluciones óptimas en problemas de optimización multiobjetivo, donde ninguna de las funciones objetivo puede mejorarse sin degradar al menos otra función objetivo.

Agradecimientos:

Grant PID2023-150003OB-I00 funded by MCIN/AEI/10.13039/501100011033, and the European Regional Development Fund (ERDF), a program of the European Union (EU).

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

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

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

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

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

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

Os paso el vídeo promocional del Congreso.

Evaluación del ciclo de vida en viviendas sociales: un enfoque multicriterio para decisiones sostenibles

Acaban de publicarnos un artículo en la revista Building and Environment, revista indexada en el JCR en el primer decil. Presenta un análisis integral del impacto ambiental, económico y técnico de cinco soluciones estructurales aplicables a viviendas sociales. La investigación cobra especial relevancia en contextos como el peruano, donde la elevada demanda de vivienda y las limitaciones presupuestarias requieren soluciones eficientes, sostenibles y ampliamente replicables. Este trabajo se inscribe dentro del marco de los Objetivos de Desarrollo Sostenible (ODS), y aporta criterios objetivos para la toma de decisiones en el diseño y ejecución de programas como Techo Propio y Fondo Mi Vivienda.

El trabajo se enmarca dentro del proyecto de investigación RESILIFE que dirijo como investigador principal en la Universitat Politècnica de València. A continuación se recoge un resumen sintético del trabajo.

Este artículo describe una investigación que evalúa la sostenibilidad de diferentes sistemas estructurales para viviendas sociales, enfocándose en su impacto ambiental, económico y técnico a lo largo de todo su ciclo de vida. La metodología empleada integra el Análisis del Ciclo de Vida (LCA), el Coste del Ciclo de Vida (LCC) y la Toma de Decisiones Multicriterio (MCDM) para proporcionar una visión completa. Los hallazgos principales indican que los sistemas de Light Steel Frame (LSF) son los más equilibrados en términos de sostenibilidad y rentabilidad, lo que ofrece criterios objetivos para la planificación de proyectos de vivienda social, especialmente en contextos como el peruano. El estudio resalta la importancia de una evaluación holística para la toma de decisiones en el sector de la construcción.

La principal aportación del artículo es la integración de tres herramientas de evaluación: el Análisis del Ciclo de Vida (LCA), el Coste del Ciclo de Vida (LCC) y la Toma de Decisiones Multicriterio (MCDM). El análisis se realiza con un enfoque cradle-to-grave, es decir, considerando todas las etapas del ciclo de vida de una vivienda: desde la extracción de materias primas hasta la demolición y el tratamiento de residuos. Esta perspectiva ofrece una visión más completa y realista del impacto de cada sistema constructivo, en contraste con los estudios más limitados comúnmente aplicados en América Latina.

Los cinco sistemas estructurales analizados fueron los siguientes: (1) estructuras de hormigón armado con muros de ladrillo (RCF-M), (2) muros hormigonados in situ (RCW), (3) sistemas industrializados de acero ligero tipo Light Steel Frame (LSF), (4) estructuras de hormigón armado con paneles sándwich prefabricados (RCF-CP) y (5) paneles sándwich de hormigón atornillados (LBSPS). Todas las alternativas se diseñaron siguiendo las normas técnicas peruanas de edificación (RNE), incluidos los requisitos sísmicos y de eficiencia energética. La unidad funcional utilizada fue el metro cuadrado de vivienda construida, con una vida útil de 50 años.

Desde el punto de vista ambiental, el sistema LSF resultó ser el de menor impacto global, incluso por debajo de soluciones convencionales como el RCF-M, que destacó por su alto consumo energético y emisiones durante la etapa de fabricación, principalmente debido a la producción de ladrillos cerámicos. En contraste, los sistemas prefabricados como LBSPS, aunque reducen los tiempos de ejecución, presentaron impactos ambientales elevados debido al uso intensivo de maquinaria y transporte especializado. El potencial de calentamiento global (GWP) fue la categoría con mayor peso ambiental, seguida del consumo de recursos naturales.

En cuanto al análisis económico, el sistema LSF también demostró ser el más competitivo. Su menor coste de construcción, el reducido mantenimiento y la facilidad de desmontaje le confieren ventajas económicas importantes. El sistema RCF-M, aunque tiene un bajo coste inicial, tiene mayores costes durante la fase de uso y al final de su vida útil debido a su elevada generación de residuos y dificultad de reciclaje. Las alternativas basadas en hormigón (RCW y RCF-CP) mostraron costes intermedios, con un mayor gasto en mantenimiento preventivo debido a la necesidad de recubrimientos anticorrosivos y anticarbonatación.

Para integrar todas estas variables, se emplearon seis métodos de decisión multicriterio (AHP, DEMATEL, TOPSIS, WASPAS, EDAS, MABAC y MARCOS), y a cada criterio se le asignaron pesos según la experiencia de un panel de expertos. Los criterios que más influyeron en la toma de decisiones fueron el coste de construcción, la necesidad de mano de obra especializada y el impacto ambiental sobre los recursos. La consistencia entre los métodos aplicados y los análisis de sensibilidad realizados confirma la solidez de los resultados: en más del 90 % de los escenarios simulados, el sistema LSF se mantuvo como la mejor opción global.

Las conclusiones del estudio son claras: ningún sistema constructivo es perfecto en todos los aspectos, pero el LSF se posiciona como la solución más equilibrada en términos de sostenibilidad, coste y eficiencia técnica. Esto tiene implicaciones directas para la planificación de proyectos de vivienda social, donde la rapidez de ejecución, la reducción de emisiones y la viabilidad económica deben ir de la mano. Además, el marco metodológico propuesto en este trabajo puede replicarse en otros países o contextos donde se busque optimizar la selección de sistemas constructivos en función de múltiples criterios.

En definitiva, este artículo supone un avance significativo en la evaluación integral de las tecnologías constructivas para la vivienda social. Proporciona a ingenieros, arquitectos y responsables de políticas públicas una herramienta sólida para fundamentar sus decisiones, superando enfoques tradicionales centrados únicamente en el coste o la rapidez constructiva. La aplicación de metodologías multicriterio, combinadas con análisis del ciclo de vida, se consolida así como un enfoque clave para impulsar una construcción social verdaderamente sostenible.

Referencia:

LUQUE-CASTILLO, X.; YEPES, V. (2025). Life Cycle Assessment of Social Housing Construction: A Multicriteria Approach. Building and Environment, 282:113294. DOI:10.1016/j.buildenv.2025.113294

Os paso el artículo, pues está publicado en abierto.

Pincha aquí para descargar

Glosario de términos clave

Análisis del ciclo de vida (LCA – Life Cycle Assessment): Una herramienta para evaluar los impactos ambientales asociados con todas las etapas de la vida de un producto, desde la extracción de la materia prima hasta la disposición final.
Coste del ciclo de vida (LCC – Life Cycle Costing): Una herramienta de evaluación económica que considera todos los costes relevantes de un producto o sistema a lo largo de su vida útil, incluyendo diseño, construcción, operación, mantenimiento y disposición.
Toma de decisiones multicriterio (MCDM – Multi-Criteria Decision-Making): Un conjunto de métodos y técnicas utilizados para evaluar y clasificar alternativas cuando hay múltiples criterios en conflicto, permitiendo tomar decisiones más informadas.
Enfoque «Cradle-to-Grave»: Una metodología de análisis que abarca todas las etapas del ciclo de vida de un producto o sistema, desde la «cuna» (extracción de materias primas) hasta la “tumba” (disposición final o reciclaje).
Objetivos de Desarrollo Sostenible (ODS): Un conjunto de 17 objetivos globales establecidos por las Naciones Unidas para lograr un futuro más sostenible para todos, abordando desafíos como la pobreza, la desigualdad, el cambio climático y la degradación ambiental.
RESILIFE: El proyecto de investigación en el marco del cual se realizó este estudio, dirigido por el investigador principal en la Universitat Politècnica de València.
Techo Propio y Fondo Mi Vivienda: Programas de vivienda social en Perú mencionados como contextos clave donde los hallazgos del estudio pueden aplicarse para la toma de decisiones.
RCF-M (Hormigón armado con muros de ladrillo): Uno de los sistemas estructurales analizados, que representa una solución constructiva convencional.
RCW (Muros hormigonados in situ): Uno de los sistemas estructurales analizados, caracterizado por el vertido de hormigón directamente en el lugar de la obra.
LSF (Light Steel Frame): Un sistema industrializado de acero ligero, destacado en el estudio por su eficiencia ambiental y económica.
RCF-CP (Estructuras de hormigón armado con paneles sándwich prefabricados): Un sistema que combina hormigón armado con paneles prefabricados.
LBSPS (Paneles sándwich de hormigón atornillados): Un sistema prefabricado de paneles sándwich de hormigón que se ensamblan mediante atornillado.
Unidad funcional: El parámetro de referencia utilizado en el LCA y LCC para comparar diferentes alternativas, en este caso, el metro cuadrado de vivienda construida con una vida útil de 50 años.
Potencial de calentamiento global (GWP – Global Warming Potential): Una medida del impacto de una sustancia en el calentamiento global, expresada en equivalentes de CO₂. Fue la categoría de mayor peso ambiental en el estudio.

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

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

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

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

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

Aportaciones principales del estudio

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

Metodología empleada

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

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

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

Resultados más relevantes

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

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

Conclusiones y recomendaciones

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

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

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

Referencia:

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

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

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

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

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

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

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

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

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

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

Referencias:

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

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

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

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

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

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

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

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

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

Ya son 6 meses desde el desastre de la DANA en Valencia

Hoy se cumplen seis meses desde aquel fatídico 29 de octubre de 2024, en el que una inundación catastrófica causó cientos de muertes y graves daños materiales en varias comunidades autónomas, pero especialmente, en la valenciana.

Ahora estamos en fase de reconstrucción. A este respecto, os paso algunas reflexiones que he realizado y también unos apuntes en prensa escrita sobre este tema. Espero que el mensaje vaya calando.

https://theconversation.com/la-ingenieria-ante-la-dana-la-reconstruccion-no-basta-si-se-repiten-los-errores-del-pasado-250852

https://www.elperiodico.com/es/sociedad/20250427/victor-yepes-catedratico-ingenieria-dana-critico-construccion-116784837

https://www.laprovincia.es/sociedad/2025/04/27/victor-yepes-catedratico-ingenieria-dana-116784827.html

https://www.farodevigo.es/sociedad/2025/04/27/victor-yepes-catedratico-ingenieria-dana-116784828.html

https://www.eldia.es/sociedad/2025/04/27/victor-yepes-catedratico-ingenieria-dana-116784831.html

https://www.diariodeibiza.es/sociedad/2025/04/27/victor-yepes-catedratico-ingenieria-dana-116784834.html

https://www.laopiniondemurcia.es/sociedad/2025/04/27/seis-meses-dana-reconstruccion-dimensiones-historicas-millar-infraestructuras-dana-116781571.html

https://www.levante-emv.com/comunitat-valenciana/2025/04/27/reconstruccion-dana-construimos-igual-volvera-ocurrir-catastrofe-repensar-planificacion-116721432.html

Toma de decisiones multicriterio en la gestión de presas envejecidas

Presa del Buseo, 23 de septiembre de 2023. Imagen: V. Yepes

El artículo examina el uso del análisis de decisiones multicriterio (MCDA, por sus siglas en inglés) en la gestión de presas, centrándose en su aplicación para evaluar riesgos, optimizar recursos y apoyar la toma de decisiones en infraestructuras hidráulicas. A través de una revisión sistemática de 128 artículos, se identifican las metodologías más utilizadas, las tendencias emergentes y las oportunidades de mejora en la aplicación de estas técnicas. Se destaca la creciente aplicación de enfoques híbridos y difusos para abordar la incertidumbre, así como la necesidad de una mayor integración de las partes interesadas en los procesos de decisión.

Este artículo está disponible en la siguiente dirección: https://www.researchgate.net/publication/312672827_A_systematic_review_of_application_of_multi-criteria_decision_analysis_for_aging-dam_management

El artículo plantea dos cuestiones principales relacionadas con la gestión de presas envejecidas mediante el análisis de decisiones multicriterio (MCDA):

¿Qué tipos específicos de problemas de decisión y aplicaciones en la gestión de presas han sido abordados con técnicas de MCDA?
¿Cómo se han aplicado estas técnicas para resolver cada problema y cuáles son las razones de su idoneidad?

Para responder a estas preguntas, se lleva a cabo una revisión sistemática que identifica tendencias en la literatura y analiza las metodologías empleadas para apoyar la toma de decisiones en la gestión de presas envejecidas.

Aportaciones relevantes

El artículo presenta un análisis exhaustivo del uso de MCDA en la gestión de presas envejecidas. Se identifican 128 estudios publicados entre 1992 y 2015, y se observa un aumento significativo en la aplicación de estas metodologías a partir de 2009. Se destacan las siguientes aportaciones:

Identificación de las principales metodologías utilizadas en la evaluación de presas envejecidas, siendo AHP la más frecuente, seguida de combinaciones con TOPSIS.
Análisis de la creciente tendencia a la hibridación de técnicas y la aplicación de enfoques difusos para mejorar la gestión de incertidumbre y subjetividad.
Detección de una falta de integración de las partes interesadas en el proceso de toma de decisiones, lo que limita la consideración de factores socioeconómicos y ambientales.

Presentación de los resultados

El estudio categoriza la aplicación de MCDA en nueve áreas principales:

Análisis de riesgo: Se ha identificado como la aplicación más frecuente, centrándose en la evaluación de seguridad y fallas de presas.
Gestión de recursos hídricos: Se han aplicado modelos de optimización para mejorar la gestión sostenible de los embalses.
Operación de embalses: Se han empleado técnicas como ELECTRE y PROMETHEE para optimizar el uso del agua almacenada.
Evaluación de impacto ambiental: Se han utilizado AHP y variantes difusas para estimar la vulnerabilidad ecológica de las presas.
Energía hidroeléctrica: Se ha aplicado MCDA para seleccionar ubicaciones de centrales hidroeléctricas y evaluar su rentabilidad.
Sismicidad y geología: Se han empleado modelos para evaluar la estabilidad de presas y los efectos de eventos sísmicos.
Ubicación de presas: Se ha utilizado AHP y SIG para determinar sitios óptimos para la construcción de nuevas presas.
Calidad del agua: Se ha detectado una relación entre ENTROPY y la evaluación de contaminación en embalses.
Control de inundaciones: Se han explorado metodologías como ANP y DEMATEL para la gestión de riesgos asociados a crecidas.

Los resultados muestran que la mayoría de los estudios utilizan un enfoque basado en métodos MADM, particularmente AHP, con una tendencia creciente hacia la combinación con otros métodos para mejorar la precisión de los resultados.

Discusión de resultados

Los resultados muestran que, si bien el MCDA ha permitido estructurar mejor la toma de decisiones en la gestión de presas envejecidas, persisten varias limitaciones. Una de ellas es la escasa consideración de la interdependencia entre los distintos factores evaluados. Aunque el método de proceso de redes analíticas (ANP) tiene el potencial de modelar estas relaciones, su uso sigue siendo limitado. Esto implica que muchos de los modelos utilizados pueden simplificar en exceso problemas complejos al asumir independencia entre criterios.

Otra observación importante es la falta de un enfoque sistemático para la integración de actores clave en la toma de decisiones. Aunque algunos estudios incluyen la participación de expertos, la incorporación de comunidades locales y organismos reguladores sigue siendo fragmentaria. La inclusión de estos actores en el proceso permitiría evaluar mejor los impactos socioeconómicos y ambientales de las decisiones tomadas.

Asimismo, se destaca que la mayoría de los estudios revisados se han centrado en la evaluación de riesgos y la seguridad de presas, mientras que otras áreas como la planificación sostenible y la adaptación al cambio climático han recibido menor atención. Dada la creciente incertidumbre asociada a los efectos del cambio climático en los sistemas hídricos, futuras investigaciones deberían priorizar estos aspectos.

Por último, se identificó una tendencia a combinar métodos para mejorar la precisión de los resultados. Sin embargo, en muchos casos, estas combinaciones no siguen un marco metodológico sólido, lo que puede afectar a la reproducibilidad y fiabilidad de los estudios. Desarrollar guías metodológicas claras para la combinación de enfoques MCDA podría mejorar la coherencia y la aplicabilidad de estos modelos en la gestión de presas.

Futuras líneas de investigación

Para avanzar en la gestión de presas envejecidas, el estudio sugiere:

Integrar análisis BOCR (Beneficios, Oportunidades, Costes y Riesgos) junto con ANP para capturar interacciones complejas.
Desarrollar modelos participativos que incorporen la opinión de comunidades locales y organismos reguladores en la toma de decisiones.
Aplicar herramientas de análisis espacial y SIG para mejorar la evaluación de riesgos y la planificación de infraestructura hídrica.
Incluir el impacto del cambio climático en los modelos MCDA, asegurando una evaluación a largo plazo de la seguridad y operación de presas.

Conclusión

El artículo ofrece un análisis detallado del uso de MCDA en la gestión de presas envejecidas, identificando tendencias y lagunas en la investigación. Se destaca la necesidad de metodologías más holísticas y participativas que permitan evaluar de manera integral los factores que influyen en la toma de decisiones. La combinación de ANP con BOCR, junto con el uso de herramientas espaciales, se presenta como una estrategia clave para el futuro desarrollo del campo.

Referencia:

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. DOI: 10.1016/j.jclepro.2017.01.092

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