Para extender la vida útil de los puentes ferroviarios existentes y conservar los recursos, los investigadores de ETH están trabajando con Swiss Federal Railways (SBB) para desarrollar nuevos modelos de predicción utilizando algoritmos de aprendizaje automático. Un asistente de IA también ayuda a los ingenieros civiles con el diseño de nuevos puentes.
En resumen
- Los investigadores de ETH Zurich han desarrollado una herramienta de IA que ayuda a mantener los puentes en funcionamiento durante más tiempo y a conservar los recursos sin correr un riesgo desproporcionado de accidente.
- En colaboración con los Ferrocarriles Federales Suizos (SBB), los investigadores desarrollaron un modelo de IA para puentes ferroviarios hechos de hormigón armado, que son particularmente comunes en Suiza. Este modelo proporciona una evaluación inicial de la seguridad estructural.
- En un segundo proyecto, los investigadores desarrollaron un asistente de IA para apoyar a los ingenieros en el diseño de nuevos puentes. Este asistente contribuye a estructuras de puentes seguras, rentables y sostenibles.
Las imágenes de un puente de tranvía colapsado sobre el Río Elba en Dresde se vieron en todo el mundo en septiembre de 2024. Es un milagro que nadie haya perdido la vida – a diferencia del colapso del puente de la autopista en Génova en 2018, lo que provocó 43 muertes. Ambos desastres fueron causados no por influencias externas, sino por procesos de daño asociados con la edad de las estructuras. Estos procesos no se detectaron y rectificaron a tiempo. “Suiza también se enfrenta a una situación en la que una proporción considerable de su infraestructura se acerca al final de su vida útil planificada y debe ser inspeccionada y fortalecida si es necesario,” dice Sophia Kuhn. “Weisre desarrolla una herramienta que ayuda a mantener los puentes en funcionamiento durante el mayor tiempo posible y, por lo tanto, a conservar los recursos sin correr un riesgo desproporcionado de accidente.”
Sophia Kuhn es investigadora doctoral en el grupo dirigido por Walter Kaufmann, profesor de Ingeniería Estructural de ETH (Concrete Structures and Bridge Design). Su doctorado es co-supervisado por Fernando Pérez-Cruz, Profesor ETH de Ciencias de la Computación, y el profesor Michael Kraus de TU Darmstadt. La investigación de Kuhnhns se centra en el uso de la inteligencia artificial en la construcción, en particular los algoritmos de aprendizaje automático. En colaboración con su colega Marius Weber y los Ferrocarriles Federales Suizos (SBB), ha desarrollado un modelo de IA para “puentes de marco rígido” – puentes ferroviarios simples hechos de hormigón armado, que son particularmente comunes en Suiza y permiten que los ferrocarriles pasen por encima o por debajo de carreteras o senderos, por ejemplo. Prácticamente con solo tocar un botón,el modelo de IA proporciona una evaluación inicial de la seguridad estructural, prediciendo así si un puente es potencialmente crítico o no. “Por lo tanto, es posible priorizar qué puentes deben someterse a una evaluación estructural sin demora y pueden requerir intervenciones estructurales,” dice Kuhn.
La IA puede evaluar si los análisis serán efectivos
El modelo no solo ofrece un valor predicho para la seguridad estructural, sino que también indica si este valor es confiable; en otras palabras, cuantifica la incertidumbre del modelo. En particular, también ayuda con la decisión sobre cómo proceder al realizar una evaluación estructural de un puente. Los ingenieros siempre realizan cálculos más o menos complejos en una computadora, pero esto se puede hacer utilizando métodos convencionales, que ofrecen resultados con relativamente poco esfuerzo, o utilizando análisis refinados, que son mucho más intensivos en términos de tiempo y potencia de procesamiento y, por lo tanto, más caros, aunque ofrecen resultados más precisos y menos conservadores. “A menudo, no sabes si tiene sentido realizar estos análisis refinados o si son solo un gasto innecesario, explica Kuhn.“Nuestra herramienta de IA puede evaluar si es probable que los análisis sean efectivos y si el costo involucrado vale la pena
La tubería de simulación ofrece datos adicionales
Como base para el modelo, los investigadores utilizaron la cartera de puentes de marco rígido SBB. “Observamos muchos ejemplos – cómo se construyeron, qué tan variables son – y desarrollamos una tubería de simulación paramétrica basada en ellos,” dice el investigador. Esto generó estructuras virtuales a partir de varios parámetros de puente, calculó el alcance de la utilización de la capacidad estructural y, por lo tanto, produjo datos adicionales.
Los investigadores construyeron una red neuronal artificial, un algoritmo que aprende de los datos de manera similar a nuestro cerebro. Esto dio lugar a un modelo basado en el aprendizaje automático que ofrece las predicciones deseadas para muchos puentes de marco rígido existentes, incluso si estos no han sido calculados por expertos o por la tubería de simulación. “Validamos nuestro modelo en un conjunto de datos de prueba y lo evaluamos con ejemplos de puentes reales,” Kuhn explica. “El modelo exhibe una buena alineación y el nivel de precisión necesario para SBB. Por lo tanto, hemos desarrollado un prototipo inicial.” El siguiente paso consiste en trabajar junto con SBB para garantizar que los ingenieros de puentes puedan aplicar el modelo en la práctica – y luego facilitar una aplicabilidad más amplia del modelo.
El asistente de IA invierte el proceso de diseño
En un segundo proyecto de la cátedra Kaufmann, Sophia Kuhn trabajó con el profesor Michael Kraus y el Centro Suizo de Ciencia de Datos en el diseño de nuevos puentes. “Nuestro objetivo era desarrollar un asistente de IA que ayude activamente al equipo de ingenieros a diseñar el puente y conduzca a estructuras rentables que sean lo más sostenibles posible sin afectar la seguridad, explica Kuhn. Tradicionalmente, los ingenieros elaboran un diseño de puente y luego utilizan un software de cálculo convencional para determinar la seguridad estructural, la capacidad de servicio, los costos y otras características. Si estos valores no cumplen con las especificaciones, el equipo cambia el diseño hasta que se cumplen los objetivos del proyecto – un proceso largo en el que a menudo se desaprovecha una gran cantidad de potencial.
“En realidad, lo que se prefiere es invertir este proceso, pero eso no es posible con el software de cálculo convencional,” dice el investigador. “Lo que uno quiere es ingresar los objetivos del proyecto y las condiciones de contorno y luego recibir diseños propuestos que cumplan con estas especificaciones sin la necesidad de iteraciones laboriosas.” El asistente de IA desarrollado por los investigadores, que utiliza algoritmos de IA “generative”, permite precisamente eso. No solo acelera el enfoque hacia adelante al evaluar varios diseños casi en tiempo real, sino que también genera diseños proactivos que cumplen con las limitaciones y objetivos definidos.Play VideoDependiendo de la entrada, la herramienta de diseño de IA muestra diferentes alternativas de puente (Video: Vera Balmer)
Como estudio de caso para desarrollar su asistente de IA, los investigadores, en colaboración con su colega Vera Balmer, utilizaron el proyecto de un puente peatonal en St. Gallen diseñado por la empresa de ingeniería Basler & Hofmann junto con Nau2 y dgj Landscapes. Este puente, conocido como el puente peatonal Wiborada, atraviesa un parque en el casco antiguo y debe evitar tocar cualquiera de los árboles protegidos si es posible. Durante su trabajo en este proyecto, los investigadores de ETH estuvieron en contacto con la empresa de ingeniería, que quedó impresionada con la presentación de los resultados. El asistente de IA entregó varios ejemplos de puentes posibles y también realizó un análisis de sensibilidad de “” que indicaba qué parámetros tienen la mayor influencia en la seguridad estructural de acuerdo con las normas, o en los costos estimados o la sostenibilidad.
“El asistente de IA, por lo tanto, apoya a los ingenieros pero no los reemplaza”, enfatiza Kuhn. Por ejemplo, si el asistente de IA propone un diseño que, aunque es inesperado, cumple con las especificaciones en términos de seguridad estructural y compatibilidad ambiental, los ingenieros aún deben evaluar si es posible construir dicho puente y si será duradero. “Weirre no proporciona una solución con un solo clic. Siempre implica una interacción entre el ingeniero y la IA,” dice el investigador.
Kit de herramientas para modelos de IA adaptados
La construcción de puentes no es la única aplicación potencial de estas técnicas avanzadas de aprendizaje automático. Junto con otros investigadores de ETH del Swiss Data Science Center y la silla de arquitectura Gramazio Kohler Research, el grupo de investigación de la silla Kaufmann desarrolló un conjunto de herramientas que también hizo que los algoritmos de IA fueran accesibles para otros ingenieros y arquitectos sin la necesidad de amplias habilidades de programación.
“Con solo unas pocas líneas de código, nuestro kit de herramientas de código abierto permite a los usuarios construir modelos avanzados y modelos generativos que se pueden usar para resolver problemas complejos y de alta dimensión en la arquitectura, la industria de la construcción y más allá, explica Kuhn. Esto tiene como objetivo proporcionar un apoyo de base amplia para la planificación económica y sostenible en la construcción. “En el sector de la construcción, estos enfoques están menos extendidos que en otras industrias como la ingeniería mecánica,” dice el investigador. “Todavía hay un potencial considerable para una mayor eficiencia y sostenibilidad utilizando métodos basados en datos – y thatis nuestro objective.”
Referencia
Balmer, V, Kuhn, SV, Bischof R, Salamanca, L, Kaufmann, W, Pérez-Cruz, F, Kraus, MA. Diseño de Exploración Espacial y Explicación a través de Autoencoders Variacionales Condicionales en Diseño Conceptual de Puentes Peatonales Basado en Meta-Modelos. Automatización en Construcción, Vol. 163, julio de 2024, 105411, doi: página externa10.1016/j.autcon.2024.105411
ETH Zürich News. B. V. Traducido al español
Contacto