19 febrero, 2025 3:28 pm

El desarrollo de métodos computacionales de estadística descriptiva, analítica predictiva, inteligencia artificial y visión por computadora, así como la implementación de metodologías ágiles basadas en trabajo colaborativo para la asistencia en el desarrollo de proyectos de infraestructura ha demostrado traer consigo múltiples beneficios, principalmente la optimización de tiempo y el manejo preciso de la información, lo cual se puede traducir en un uso eficiente de recursos humanos y financieros durante el ciclo de vida del proyecto.

Juan A. Monter Maestro en Ingeniería de Negocios. Ha sido director general y asesor en diversas instancias privadas y públicas. Es director general y fundador de Kaminoittech.

Fabián Torres Robles Doctor en Ingeniería. Ha participado en el desarrollo y coordinación de diferentes proyectos de investigación e innovación tecnológica. Es director del área de ciencia de datos en Kaminoittech.

La idea de inteligencia artificial (IA) data de los decenios de 1940-1950. Autores como Warren McCulloch, Alan Turing e Isaac Asimov, entre otros, asociaron los conceptos de computación, inteligencia y máquinas describiendo las maneras en que estos podrían imitar diferentes procesos inteligentes (aprendizaje máquina, visión por computadora, procesamiento del lenguaje natural, evolución genética, etc.) para la optimización y resolución de problemas (Dobrev, 2012). Hoy en día, estos conceptos se utilizan para describir un conjunto de métodos computacionales que hacen uso de datos digitales para optimizar la resolución de problemas de estadística y probabilidad, y pueden ser utilizados en una variedad de aplicaciones. Dentro de este conjunto de métodos destacan dos vertientes que han aportado ventajas significativas a proyectos de diferente índole: el deep learning (DL) y la visión computacional (VC).

El DL es una subrama de un conjunto de métodos llamados redes neuronales, que imitan el proceso de aprendizaje del cerebro humano modificando arquitecturas computacionales basadas en la interconexión de millones de neuronas a través de la experiencia obtenida durante el procesamiento iterativo de datos de entrenamiento y validación. Por otro lado, la VC tiene como objetivo resolver la manera en que los estímulos visuales son procesados por el cerebro para extraer información a partir de imágenes de acuerdo con su contexto, a través de la implementación de métodos de procesamiento digital de imágenes, así como del uso de métodos de aprendizaje máquina como DL, y asiste en la resolución de problemas relacionados con la localización, segmentación y clasificación de objetos en imágenes digitales.

Estas dos ramas de la IA revisten un interés particular por dos razones: a principios de este siglo, la aparición en el mercado –a un precio accesible– de sistemas computacionales capaces de procesar millones de datos simultáneamente para su implementación en computadoras personales habilitó la posibilidad de implementar y desarrollar estos métodos a un bajo costo. Por otro lado, a principios de la década de 2010 se demostró la capacidad que algunas arquitecturas computacionales basadas en DL tenían para realizar las tareas de identificación de objetos en imágenes y videos digitales con mayor precisión que un operador humano.

Esto ha permitido a diferentes industrias –como las de la salud y la infraestructura– beneficiarse con herramientas de VC que resuelven los problemas del procesamiento y análisis de información visual proveniente de diferentes etapas del desarrollo de un proyecto y mejoran la precisión de la información obtenida para asistir los procesos de toma de decisiones, control de calidad y gestión de recursos de manera más estricta y eficiente (McMillan y Varga, 2022).

Beneficio para los proyectos de infraestructura

Hoy en día, la industria de la arquitectura, ingeniería y construcción (AEC) tiene acceso a información visual de diferentes maneras. Las cámaras de vigilancia, los teléfonos inteligentes y las tabletas personales con cámaras digitales de alta resolución con información georreferenciada, así como las cámaras integradas a la maquinaria, proveen datos visuales en tiempo real, los cuales son un recurso valioso en el respaldo de las decisiones tomadas durante los procesos de diseño, construcción y documentación del progreso de la obra de manera detallada. A su vez, mediante el uso de drones e imágenes satelitales es posible evaluar grandes áreas geográficas para tener una visión general del proyecto y su entorno, y asistir en los procesos de planificación, logística, seguridad y supervisión. El uso de tecnologías avanzadas como los radares de apertura sintética (SAR) y técnicas de escaneo remoto 3D como lidar (light detection and ranging) proporcionan información mediante el uso de sensores visuales especializados de alta resolución para generar modelos más exactos, independientemente de las condiciones climáticas, y proveen a la industria información útil para la supervisión y el monitoreo de los cambios topográficos y de los detalles estructurales durante la evolución del proyecto.

La adopción de estas tecnologías y el uso de esta información ha generado beneficios significativos en todas las etapas del ciclo de vida de los proyectos de la industria AEC, al asistir en la planificación, ejecución y supervisión de un proyecto desde su concepción hasta su operación y mantenimiento a largo plazo, a través de la automatización de tareas rutinarias. La información obtenida mediante estas herramientas apoya a los tomadores de decisiones durante los procesos de estimación y valoración de riesgos y contingencias, la optimización del diseño, así como el monitoreo y detección de anomalías, tareas que son necesarias para garantizar una eficiente relación costo-beneficio en términos de sustentabilidad, uso energético y de otros recursos (Spencer et al., 2019). Diversos proyectos se han visto beneficiados por el uso de la información visual que puede obtenerse a través de estos datos. Las imágenes satelitales se han utilizado para la identificación y clasificación automática de zonas de vegetación y áreas urbanas, entre otras, información que, utilizada en conjunto con imágenes SAR, contribuyen a la identificación de zonas de riesgo y en el proceso de monitoreo de obra. Por otro lado, mediante la localización y clasificación automática en videos e imágenes de un dispositivo móvil se pueden identificar fallas y errores en los requisitos de operación establecidos en los estándares de conservación y mantenimiento de un proyecto de infraestructura (véase figura 1).

Las metodologías ágiles de trabajo han mostrado su utilidad para mejorar la eficiencia en la industria AEC, a través de la inclusión de información visual precisa y siempre disponible. La metodología BIM es un claro ejemplo de esto. Se trata de un proceso orientado al trabajo colaborativo que, mediante el uso de software especializado para la visualización y manejo de la información de un proyecto, asiste en la optimización de los procesos de planeación, construcción, operación y mantenimiento haciendo uso de la representación digital de las características físicas y funcionales del proyecto durante todo su ciclo de vida (véase figura 2).

Esta metodología se beneficia con la integración de métodos de IA y VC a través de la automatización de los procesos de reconocimiento de objetos y la extracción de información relevante con mediciones precisas de las características del proyecto para obtener representaciones más exactas (Isikdag, 2015).

Retos

La convergencia de la industria AEC con las tecnologías de IA y VC ha desencadenado una revolución que está redefiniendo por completo la manera en que se conciben, planifican, ejecutan y supervisan los proyectos de infraestructura, al impulsar la eficiencia y la sostenibilidad al tiempo que marca el camino hacia un futuro en el que la capacidad humana y la tecnología se fusionan para dar forma a un entorno más eficiente. Aunque estas herramientas representan una serie de beneficios y ventajas para el desarrollo de un proyecto, existen retos y áreas de oportunidad que el sector AEC debe trabajar. El correcto funcionamiento de estos métodos depende principalmente de los datos con los cuales se alimentan.

Conclusión

La industria AEC tiene acceso a información visual a través de diferentes fuentes, pero aún existen retos tecnológicos, como la cobertura y el acceso a dispositivos especializados que limitan la implementación de algunas de estas herramientas. Por otro lado, las empresas deben invertir en el desarrollo de equipos interdisciplinarios de ingenieros, arquitectos, científicos de datos y expertos en softwares especializados en el análisis e interpretación de la información para obtener las ventajas que estas herramientas ofrecen. Hoy en día en México, varias empresas tecnológicas y emergentes han empezado a trabajar en el desarrollo de soluciones de IA y VC para la industria AEC. También el gobierno mexicano ha comenzado a destinar recursos para financiar proyectos de investigación y desarrollo relacionados con la integración de soluciones de IA a través del uso de fondos y programas de innovación. Sin embargo, la adopción de estas tecnologías se ha dado a un paso gradual y escalonado, y a medida que estas demuestren su valor en términos de eficiencia, seguridad y rentabilidad, es posible que la inversión aumente con el tiempo

Referencias

Dobrev, D. (2005). A definition of artificial intelligence. Mathematica Balkanica, New Series 19: 67-74.

Isikdag, U. (2015). Enhanced building information models: Using IoT services and integration patterns. Springer.

McMillan, L., y L. Varga (2022). A review of the use of artificial intelligence methods in infrastructure systems. Engineering Applications of Artificial Intelligence 116.

Spencer, B. F., et al. (2019). Advances in computer vision-based civil infrastructure inspection and monitoring. Engineering (2)5: 199-222.

Compartir en:

DESTACADOS

INGENIERÍA SÍSMICA

TEMA DE PORTADA Microsismos en la megalópolis Gerardo Suárez Investigador emérito del Instituto de Geofísica de la UNAM, del cual fue director. Fue coordinador de

Leer más »

TEMA DE PORTADA

Desarrollo Innovación y resiliencia en la gerencia de proyectos Claves para el futuro de la infraestructura En este artículo se examinan las tendencias emergentes en

Leer más »

GESTIÓN

Un nuevo sistema de planeación hídrica en México El objetivo más importante de un sistema de planeación hídrica debe ser el lograr una gestión eficiente

Leer más »

HISTORIA

Kilómetro 0 en México La historia de los países, el nuestro incluido, está signada por la construcción de caminos y carreteras que van originando su

Leer más »

URBANISMO

Hacia un futuro más eficiente y sostenible Wise cities, la siguiente generación de las smart cities* En este trabajo se presentan las características frecuentes de

Leer más »