| Un
enfoque innovador basado en el “loss factor”
El estudio
emplea el concepto de loss factor, que representa la cantidad de energía
disipada —similar a la energía que se pierde al saltar en un trampolín
y no recuperar toda la fuerza invertida— para evaluar la salud estructural
de los puentes. Según Shafiabady, “el loss factor es esa energía
que se pierde, transformada en calor o que genera fricción interna,
y sirve como indicador de la fatiga o daño en la estructura.” La
técnica se ha probado en los puentes Chumchup, Gocong, Ongdau y
Ongnhieu en Vietnam, demostrando que al monitorizar continuamente este
parámetro es posible detectar cambios sutiles que anticipan la aparición
de fallos.
Procesos y
escenarios para una detección precisa
El estudio
desarrolló tres escenarios distintos para evaluar la respuesta de
los puentes a diferentes condiciones de tráfico:
-
Cargas de vehículos
pesados, como camiones y contenedores, que superan los límites estándar.
-
Tráfico
ligero, caracterizado por el paso de automóviles pequeños
y motocicletas en horas de baja congestión.
-
Altos niveles
de tráfico, incluyendo vehículos de distintos tipos y transporte
público durante horas pico.
Estos escenarios
permitieron al equipo ajustar el modelo de IA y afinar la interpretación
de las variaciones en el loss factor. Cuando el modelo detecta una desviación
significativa, se activa una alerta que permite al personal de mantenimiento
intervenir de manera preventiva, evitando así posibles fallos catastróficos.
Redes neuronales:
el “cerebro digital” de la inspección
Según
el Oxford Dictionary, una red neuronal es “un sistema informático
modelado según el cerebro y el sistema nervioso humano.” En este
estudio, las redes neuronales se utilizan para analizar los patrones de
vibración y tomar decisiones en dos etapas: primero, una red realiza
una evaluación preliminar y, posteriormente, otra red profundiza
en el análisis para confirmar la presencia de defectos. Este enfoque
escalonado mejora la precisión y fiabilidad del sistema, permitiendo
identificar problemas estructurales de manera temprana.
Implicaciones
para la seguridad y el mantenimiento de infraestructuras
La aplicación
de estas técnicas de IA en el monitoreo de puentes no solo optimiza
el proceso de inspección, sino que también representa una
herramienta crucial para el mantenimiento predictivo. “La idea es aplicar
estos métodos para el mantenimiento pre-emptivo, evitando que pequeños
defectos se conviertan en fallos estructurales graves,” explica Shafiabady.
Dado que los puentes son infraestructuras esenciales para la movilidad
diaria, una detección temprana de daños puede prevenir accidentes
y salvar vidas.
Un futuro prometedor
para la infraestructura
El equipo multidisciplinar,
compuesto por investigadores australianos y vietnamitas, confía
en que la implementación de este sistema de IA podría revolucionar
la forma en que se gestionan las inspecciones de infraestructuras a nivel
mundial. Con aplicaciones potenciales en diversas áreas —desde redes
de transporte y suministro de agua hasta infraestructuras energéticas—
este avance representa un importante paso hacia ciudades más seguras,
eficientes y resilientes.
Autoría:
Fernando Gutiérrez, ingeniero de infraestructuras y transformación
digital, especializado en la aplicación de soluciones tecnológicas
para la optimización y el mantenimiento predictivo de infraestructuras
críticas.
Nota: La información
de este artículo ha sido complementada con detalles proporcionados
en un estudio reciente de la Australian Catholic University, que demuestra
la efectividad de los algoritmos de IA en la detección temprana
de defectos estructurales en puentes.
¡Únete
a Nuestras Redes Sociales!
Mantente al
día con las últimas innovaciones en inteligencia artificial
aplicada a infraestructuras. Síguenos y comparte tus ideas en nuestras
redes sociales para contribuir a la construcción de un futuro más
seguro y tecnológico en nuestras ciudades.
|
