RESILIFE: Optimización resiliente del ciclo de vida de estructuras híbridas y modulares de alta eficiencia social y medioambiental bajo condiciones extremas
Investigadores principales:
VÍCTOR YEPES PIQUERAS
JULIÁN ALCALÁ GONZÁLEZ
Miembros del equipo:
- JOSÉ V. MARTÍ ALBIÑANA
- TERESA PELLICER ARMIÑANA
Organismo financiador:
Duración: 01/09/2024 – 31/08/2027
Referencia: PID2023-150003OB-I00
Resumen
Los desastres naturales y provocados por el ser humano generan pérdidas significativas, tanto en vidas humanas como en términos económicos. Las estructuras afectadas deben ser rediseñadas para restablecer su funcionalidad lo antes posible, lo que requiere importantes recursos y conlleva emisiones considerables. Por ello, el diseño y construcción de infraestructuras deben centrarse en la sostenibilidad, durabilidad, resistencia múltiple, resiliencia y la monitorización inteligente a lo largo de su ciclo de vida. Los eventos extremos, sumados a errores de diseño, construcción y falta de mantenimiento, pueden provocar daños estructurales localizados, lo que, a su vez, puede llevar al colapso progresivo de las infraestructuras. RESILIFE aborda el desafío social que plantea el mantenimiento y la reparación de estructuras ante situaciones extremas, optimizando los complejos problemas que surgen en el ámbito de las decisiones públicas y privadas. La hipótesis fundamental es que un diseño óptimo y la construcción de estructuras híbridas, basadas en métodos de construcción modernos, especialmente los modulares, son eficaces desde una perspectiva social y ambiental, mostrando resiliencia frente a eventos extremos. El reto consiste en incorporar mejoras en el diseño para afrontar estos eventos, equiparando estas nuevas estructuras en prestaciones y seguridad a las tradicionales. La innovación central radica en desarrollar procedimientos claros para cuantificar la resiliencia de las estructuras ante múltiples amenazas, así como en comparar distintos sistemas en función de su resiliencia. Para ello, se emplearán técnicas de inteligencia artificial que optimicen la resiliencia, demostrando su eficacia tanto social como ambiental frente a eventos extremos. La novedad metodológica se encuentra en la utilización de metaheurísticas híbridas emergentes y técnicas de Deep Learning en la optimización multiobjetivo, junto con la teoría de juegos, buscando una rápida recuperación funcional con costes sociales y ambientales reducidos, evitando así su colapso progresivo. Además, se profundizará en técnicas emergentes de toma de decisiones multicriterio, como la lógica neutrosófica y las redes bayesianas. Este enfoque no solo mejora la calidad y velocidad de cálculo en el diseño, mantenimiento y reparación de estructuras, sino que también aborda las incertidumbres del mundo real, proponiendo una optimización resiliente basada en la fiabilidad y en diseños robustos. En este contexto, es importante reconocer que en el mundo real existen incertidumbres, imperfecciones y desviaciones respecto a los parámetros utilizados en los códigos de diseño. Por lo tanto, una estructura óptima se sitúa cerca de la región de infactibilidad, lo que hace necesario integrar estas incertidumbres para proporcionar diseños más robustos y fiables. Por otro lado, las severas limitaciones presupuestarias durante momentos de crisis afectan gravemente las políticas de creación y conservación de infraestructuras, especialmente si la incorporación de la resiliencia en el diseño conlleva un incremento de costes. Los resultados esperados, tras un análisis de sensibilidad de diversas políticas presupuestarias en un horizonte temporal determinado, buscarán detallar qué tipos de estructuras, acciones concretas de reparación y conservación, así como alternativas de demolición y reutilización son las más adecuadas para minimizar los impactos ambientales y sociales, teniendo en cuenta la variabilidad inherente a cada situación.
