Table of Contents

Introducción: El reto de conservar la integridad estructural en los edificios del patrimonio

Los edificios históricos sirven como vínculos tangibles con nuestro pasado cultural, encarnando la artesanía, el arte y la ingeniería de épocas pasadas. Desde las catedrales medievales hasta los puentes antiguos de mampostería, estas estructuras enfrentan una amenaza común: deterioro gradual causado por la exposición ambiental, fatiga material y actividad sísmica. Preservarlas requiere intervenciones delicadas que mejoran la seguridad sin borrar el tejido original.

La necesidad de un análisis tan riguroso es urgente. Según el Consejo Internacional de Monumentos y Sitios (ICOMOS), muchas estructuras históricas están en riesgo de negligencia, cambio climático y urbanización. Las directrices ICOMOS enfatizan que las intervenciones deben ser "minimally invasivas" y reversibles—critecer directamente en las secciones de optimización que se implementan.

¿Qué es la optimización multiobjetiva?

La optimización multiobjetiva (MOO) es una rama de matemáticas aplicadas e ingeniería que busca encontrar soluciones óptimas cuando múltiples, a menudo conflictivas, objetivos deben ser satisfechos simultáneamente. En la ingeniería estructural, estos objetivos suelen incluir minimizar el costo, maximizar la seguridad, reducir el uso de materiales y preservar las características estéticas. A diferencia de la optimización de un solo objeto (que produce una solución mejor), MOO genera un conjunto de soluciones de compensación definidas [objetivo]

Matemáticamente, MOO se expresa como:

[LT:0] [FLT] [FLT] ] [Minimizar (o maximizar) [x]] [FLT] [4] [FLT] [4] [FLT] [4]] [FLT] [4] [F] [4]] [F] [4]]

Para los edificios históricos, los objetivos podrían ser:

  • Seguridad estructural: máxima tensión bajo cargas de diseño, resiliencia sísmica o probabilidad de colapso.
  • Conservación de la vivienda: porcentaje de material original retenido, impacto visual o grado de reversibilidad.
  • Costo económico: costo total de intervención, coste de mantenimiento de ciclo de vida o valor económico del edificio.
  • Impacto ambiental: carbono encarnado de nuevos materiales, uso de la energía o generación de desechos.

Los algoritmos de la solución de problemas de MOO son el Clasificación genética no dominada Algorithm II (NSGA-II), ]Multi-objetivo Optimización del cisma de partículas (MOPSO) y ]

Por qué los edificios históricos plantean desafíos de optimización única

Conflicto entre fuerza y autenticidad

Uno de los retos principales en la ingeniería del patrimonio es que los códigos estructurales modernos (por ejemplo, ASCE 7, Eurocodes) están diseñados para nuevas construcciones con materiales homogéneos y caminos de carga conocidos. Las estructuras históricas a menudo utilizan mampostería irregular de piedra, marcos de madera o ladrillos no reforzados, materiales con alta variabilidad y defectos internos desconocidos.

Incertidumbre en Propiedades materiales y carga

Muchos edificios del patrimonio han sido reparados o modificados durante siglos, creando comportamientos compuestos que es difícil de modelar. Las condiciones del suelo pueden haber cambiado, y los vacíos o las grietas invisibles pueden comprometer la integridad. MOO puede incorporar modelos probabilísticos de fuerza de material, variabilidad de carga (viento, terremoto, cambios de mesa de agua), e incertidumbre de medición.

Conflictos de los actores

Los proyectos de conservación suelen involucrar a múltiples actores: autoridades del patrimonio, comunidades locales, agencias gubernamentales y propietarios privados. Cada uno puede tener diferentes prioridades: control de costos, seguridad, valor turístico o precisión histórica. MOO proporciona un marco transparente para mostrar cómo cada intercambio afecta objetivos, facilitando el consenso. Por ejemplo, una comunidad local podría aceptar un costo ligeramente superior si la fachada original permanece inalterable, mientras que una empresa de ingeniería podría preferir una solución más barata pero visible.

Aplicaciones de la optimización multiobjetiva en estructuras de patrimonio

Fortalecimiento de las Murallas de Masonería y Arcos

Los muros de mampostería no reforzados (URM) son comunes en edificios históricos. Retrofiting them to resist sísmico forces often involves applying shotcrete or installing steel frames. MOO puede identificar el espesor óptimo, el diseño y la composición material de capas de reacondicionamiento. Un estudio publicado en el Journal of Cultural Heritage demostró cómo la optimización de la multiobjetividad

Reemplazamientos y reparaciones de techo de madera

Los techos históricos de madera a menudo sufren de deterioro de la carcasa o de insectos. Reemplazarlos destruyen totalmente el material original, mientras que el remiendo puede dejar puntos débiles. MOO puede optimizar la distribución de las juntas de bufanda, la especie de madera de reemplazo, y el número de nuevos trusos.Modendo el techo como un sistema estructural con vías de carga, los ingenieros pueden encontrar una configuración que maximice la reutilización de la madera existente al cumplir los estándares de carga [LT]

Posición óptima de barras de refuerzo en arcos

Los arcos de piedra o ladrillo son características icónicas de muchas estructuras históricas. Sin embargo, a menudo carecen de capacidad de tensil. La adición de barras de refuerzo interna (por ejemplo, tendones de acero inoxidable) en canales perforados puede preservar la apariencia externa. MOO puede determinar el número óptimo, el diámetro y la colocación de tendones para minimizar la perforación y evitar intersectar líneas de mortero históricas.

Estabilización de la Fundación bajo estructuras sensibles

Las bases de asentamiento son un problema común. Soluciones tradicionales como la base de las pilas de hormigón pueden perturbar los restos arqueológicos. MOO permite a los ingenieros evaluar combinaciones de mejora del suelo, micro-piles y grouting para minimizar tanto la deflexión vertical como la perturbación del patrimonio enterrado. Esto se utilizó en la estabilización de la Torre de Pisa donde un enfoque de corrección multiobtrusión balanceada

Real-World Case Studies

Estudio de caso 1: Retrofit sismic de una Iglesia medieval en Italia

Un templo de piedra del siglo 12 en Umbria, Italia, exhibió una grieta severa después de una serie de terremotos menores. Ingenieros utilizaron NSGA-II para optimizar tres objetivos: (1) desplazamiento lateral máximo bajo un terremoto de diseño, (2) costo total de intervención (materiales y mano de obra), y (3) porcentaje de superficie de piedra original que dejó visible.

Estudio de caso 2: Retrofiting a 19th-Century Masonry Bridge in the UK

El puente de la carga de la albañil y la albañil construido en 1840 se enfrentaba a una creciente carga de tráfico. Los ingenieros aplicaron la optimización multiobjetiva para decidir el refuerzo de las paredes de la albañil. Objetivos: minimizar la masa del refuerzo, maximizar la capacidad de carga residual, y minimizar el impacto visual.

Estudio de caso 3: Fortalecimiento de un edificio de escuelas de Masonería en Lisboa

Una escuela de finales del siglo XIX en Lisboa (Portugal) necesitaba una mejora sísmica para cumplir con los estándares de seguridad modernos mientras conservaba su fachada decorativa neo-manuelina.El problema de la optimización incluía tres objetivos: capacidad de corte base, costo y grado de alteración estética.La solución seleccionada era una combinación de concreto de la capacidad de conexión de la calle

Beneficios de la adopción de la optimización multiobjetiva en la conservación del patrimonio

Las ventajas de MOO van más allá de la simple visualización de la salida comercial. Incluyen:

  • Transparencia: Todas las opciones de diseño y su desempeño se hacen visibles, reduciendo la toma de decisiones arbitrarias. Las autoridades del patrimonio pueden ver exactamente qué cada opción sacrifica o gana.
  • Eficiencia]: El método explora sistemáticamente miles de candidatos de diseño, identificando soluciones que podrían perderse los ensayos manuales y el terrorismo, lo que a menudo conduce a ahorros de costos y a un mejor rendimiento estructural.
  • Revisibilidad de cumplimiento: Porque los objetivos pueden incluir “la manguera de la remoción” o “la de la reversibilidad”, MOO genera soluciones alineadas con los estatutos de conservación modernos (por ejemplo, la Carta de Venecia).
  • Reducción de la cisma: Al incorporar incertidumbres (fuerza material, variación de carga, degradación futura), el frente de Pareto incluye diseños robustos que funcionan bien en escenarios de peor envergadura.
  • Participación de los interesados: Visualizar los beneficios comerciales ayuda a los no ingenieros (grupos comunitarios, políticos) a comprender las limitaciones técnicas, fomentar la confianza y aprobar proyectos más suaves.

Estos beneficios han sido reconocidos en las directrices de ICOMOS] y el Comité Científico Internacional sobre el Análisis y Restauración de Estructuras del Patrimonio Arquitectónico (ISCARSAH). Ambas organizaciones recomiendan que los diseños de intervención sean apoyados por análisis rigurosos, preferiblemente utilizando marcos multiobjetivos donde existen múltiples objetivos.

Pasos de implementación para Ingenieros y Conservadores

Paso 1: Definir los objetivos y las limitaciones

Trabajar con los interesados para identificar objetivos mensurables de 3 a 5, definir rangos y unidades. Los puntos de vista pueden incluir el presupuesto máximo de costos, el mínimo de vida útil o el máximo cambio permitido en la geometría de construcción. Es esencial indicar claramente si cada objetivo es minimizarse o maximizar.

Paso 2: Crear un modelo computacional de la estructura

Construya un modelo de elemento finito (FEM) o modelo de análisis estructural equivalente del edificio existente. Incluye propiedades materiales (con variabilidad adecuada), condiciones de límite y casos de carga (muertos, vivos, vientos, sísmicos). Calibra el modelo utilizando patrones de crack existentes o datos de deformación histórica. Software como SAP2000, DIANA o Ansys puede vincularse a algoritmos de optimización mediante scripting (Python, MATLA).

Paso 3: Seleccione un algoritmo de optimización

Para problemas con menos de 10 variables de diseño, un método de suma ponderada puede bastar, pero para geometrías complejas, algoritmos basados en la población como NSGA-II o MOPSO son preferidos. Plataformas de código abierto como pymoo] (Python) o ]Modelos de determinación de la complejidad

Paso 4: Ejecute la optimización y visualice el frente de Pareto

Ejecute el bucle de optimización, que llamará al solucionador FEM para cada candidato de diseño. Después de la convergencia, complot el frente Pareto usando coordenadas paralelas o tramas de dispersión. Identifica puntos de rodilla – las soluciones donde las mejoras en un objetivo vienen a costa de drásticas declives en otro. Típicamente el "knee" representa un diseño equilibrado que es probable que sea aceptable para todas las partes.

Paso 5: Involucrar a los interesados en la selección final

Presentar el Pareto a los interesados, destacando los intercambios. Permitirles clasificar objetivos si es necesario, algunos pueden priorizar la conservación del patrimonio sobre el costo o viceversa. Utilizar herramientas de visualización interactiva (por ejemplo, D3.js en un panel web) para permitir que los interesados exploren diferentes soluciones. Una vez seleccionado un diseño, refina con un análisis de sensibilidad local para asegurar que siga siendo viable bajo incertidumbre.

Future Directions and Innovations

El campo de la optimización multiobjetiva para los edificios del patrimonio está evolucionando rápidamente. Tres tendencias emergentes son particularmente prometedoras:

  • ]Integración con la modelación de información de construcción (BIM): Las plataformas Heritage BIM (HBIM) ahora soportan el modelado paramétrico de elementos históricos. Combinar HBIM con MOO permite visualizar las soluciones de seguridad de costes en tiempo real, acelerando el proceso de diseño.
  • Uso de modelos de Surrogate de Aprendizaje Profundo: Correr miles de simulaciones FEM puede ser costoso computacionalmente. Los investigadores están capacitando redes neuronales para aproximar el comportamiento estructural, reduciendo el tiempo de optimización de días a minutos. Esto se ha demostrado para puentes de arcos de mampostería y marcos de madera.
  • Optimización multiobjetiva probabilística: En lugar de estimaciones de un solo punto, la próxima generación de MOO incluye distribuciones probabilísticas completas para objetivos, dando lugar a una “probabilidad frente Pareto” que muestra la probabilidad de lograr cada compensación. Esto es especialmente útil para la ingeniería del terremoto donde el movimiento terrestre es aleatorio.

Además, las iniciativas internacionales de intercambio de datos (por ejemplo, el proyecto europeo HeritageCare]) están creando bases de datos de estructuras patrimoniales que pueden utilizarse para capacitar y validar modelos MOO, acelerando la adopción en toda la comunidad de conservación.

Conclusión: Una evolución necesaria en ingeniería de conservación

Los edificios históricos son irreemplazables, pero también deben ser seguros para los ocupantes y el público. La optimización multiobjetiva ofrece una manera rigurosa, transparente y eficiente de navegar por los difíciles intercambios inherentes a los proyectos de conservación. Al generar un conjunto de soluciones de Pareto-optimal, los ingenieros pueden demostrar a todos los interesados exactamente lo que se gana y se pierde con cada opción de diseño.