Trabajos Premiados X Edición
Trabajo ganador:
“SIMEVIA: Sistema Integrado de Mantenimiento y Ejecución Eficiente de Infraestructuras Viales con Tecnologías de Inteligencia Artificial”.
Resumen:
El desarrollo de tecnologías como la Visión e Inteligencia Artificial (VIA), el Machine Learning, los Gemelos Digitales, Big Data, Redes Neuronales…, junto con el desarrollo de la robótica, están permitiendo un cambio sin precedentes en el mundo industrial. Y lejos de provocar la destrucción de puestos de trabajo, se espera que estas tecnologías creen 133 millones de nuevos empleos asociados a nuevas funciones.
El mundo de la construcción históricamente no se ha alineado con estos desarrollos. Desde finales del siglo XIX y durante todo el siglo XX, se produjeron grandes avances en el campo de mecanización y automatización que llevaron al desarrollo de maquinaria específica, así como nuevos procedimientos de construcción que permitieron la creación de las grandes infraestructuras que utiliza actualmente nuestra sociedad. Además, estos avances incrementaron la eficiencia de los recursos humanos y materiales, aumentando la seguridad durante la ejecución. Pese a ello, son progresos que aún están lejos de los alcanzados en otros campos, más aún en el ámbito de la construcción de firmes. Los casos de uso de IA en la construcción aún son relativamente incipientes, aunque un conjunto reducido de empresas emergentes está ganando tracción y atención en el mercado por sus enfoques y potencial.
La solución bautizada como SIMEVIA (Sistema Integrado de Mantenimiento y Ejecución Eficiente de Infraestructuras Viales con Tecnologías de Inteligencia Artificial) permite intervenir en toda la cadena de valor de la construcción y el mantenimiento de infraestructuras viarias mediante herramientas eficientes desde el punto de vista económico, medioambiental y de la seguridad de los trabajadores.
En este sentido, SIMEVIA integra el uso de la Inteligencia Artificial en aspectos como la automatización de tareas de producción y conservación de vías; la mejora en la toma de decisiones, reduciendo costes y tiempos; la optimización logística o el incremento en la seguridad, tanto en el empleo de maquinaria pesada como en tareas de conservación de carreteras.
Autores:
José Ramón Albert García
Doctor en Ciencias Químicas con especialidad en Química Analítica por la Universidad de Valencia
PAVASAL
José Ramón López Marco
Licenciado en Ciencias Químicas con especialidad en Química Orgánica por la Universidad de Valencia
PAVASAL
Jesús Felipo Sanjuan
Licenciado en Ciencias Químicas con especialidad en Química Orgánica por la Universidad de Valencia
PAVASAL
Ander Ansuategi Cobo
Ingeniero en Informática y Doctor en Informática por la Universidad del País Vasco
TEKNIKER
Iñaki Maurtua Ormaechea
Doctor Ingeniero Industrial por la Universidad del País Vasco
TEKNIKER
Aitor Gutiérrez Basauri
Ingeniero en Informática por la Universidad del País Vasco
TEKNIKER
Jon Ander Ruiz Martínez
Ingeniero en Informática por la Universidad del País Vasco
TEKNIKER
Accésit:
“Hacia la modernización del análisis del estado superficial de pavimentos en Argentina”.
Resumen:
En Argentina se cuenta con una normativa específica para la evaluación del estado de los pavimentos desarrollada por la Dirección Nacional de Vialidad (DNV) en 1981. Con el tiempo, se han ido incorporando nuevas tecnologías para la evaluación, pero nunca se ha logrado automatizar el proceso ni representar el 100% del sector estudiado.
La normativa propone caracterizar las fallas del pavimento clasificando solo el 2% del tramo en estudio. Con equipos de medición de alto rendimiento, es posible relevar la totalidad del tramo, pero el análisis de fallas sigue siendo manual, mediante visualización de imágenes del pavimento en gabinete.
Es por eso por lo que los autores de este estudio se propusieron crear una nueva metodología que aprovechara al máximo las ventajas de estos nuevos equipos, adaptándose a la normativa nacional vigente. Pero además de eso, decidieron ir un paso más allá, creando un algoritmo que interprete toda la información recolectada sobre las fallas y recomiende al Ingeniero cuáles son las tareas de reparación óptimas para cada sección de pavimento en estudio.
El sistema agrupa, caracteriza y analiza fallas de pavimentos asfálticos basándose en la información obtenida por el Equipo Multifunción SPIDER-LCMS®. Adicionalmente, tras esta etapa de análisis, recomienda las tareas de reparación que considera óptimas para cada caso de manera automática.
Todo este desarrollo no podría haber sido posible sin la integración de Inteligencia Artificial (IA), que fue entrenada específicamente con datos históricos de las carreteras argentinas. Si bien la mayor parte del proceso es automático, la integración de un módulo de correcciones permite que el ojo clínico del ingeniero mejore aún más el resultado final de la evaluación.
Este nuevo sistema reduce significativamente los tiempos de procesamiento y proporciona más información que las metodologías tradicionales. De esta forma, se moderniza la evaluación de pavimentos, permitiendo la toma de decisiones informadas para mantenimiento.
Los resultados arrojados por este sistema han sido aplicados en trabajos de relevamiento, y contrastados con análisis ejecutados mediante la metodología tradicional, obteniéndose resultados esperanzadores respecto a su precisión.
Autores:
Gustavo Mezzelani
Ingeniero Civil
ITYAC
Franco A. Piazza
Ingeniero Civil
ITYAC
Lucas A. Bresciani
Ingeniero Civil
ITYAC
Diana S. Cainelli
Ingeniera Civil
ITYAC
Horacio P. Terráneo
Ingeniero Civil
ITYAC
Julián Matter
Ingeniero Civil
ITYAC
Juana Rubiolo
Ingeniera Civil
ITYAC
Giuliana Seifer
Ingeniera Civil
ITYAC
Lucas Chiabrando
Ingeniero Civil
ITYAC
Ilán Salomón
Ingeniero Civil
ITYAC