Uso de redes neuronales artificiales en la ingeniería civil en Latinoamérica en

los últimos 10 años.

Pacotaype Meza Hugo

Pareja Palomino Thalía Mirella
Paucar Cárdenas Alejandro
Ravichagua Villajuan Joel David
Rojas Hidalgo Jessica Tatiana
Romero Cristóbal Misael Fernando

INTRODUCCIÓN
El auge del internet y consecuentemente con ello el crecimiento de la tecnología
derivó en un crecimiento exponencial de datos que necesitan ser procesados en
todas las áreas de la industria, vale decir la medicina, ingeniería, entre otros. Ante
ello surge como una alternativa de solución la misma tecnología, en este caso la
inteligencia artificial, en específico las redes neuronales artificiales, lo cual busca
coadyuvar en la solución de escenarios que muchas veces no puede ser realizado
por los seres humanos. Ante ello surge la necesidad imperiosa de reconocer la
importancia y el desarrollo de dichos conocimientos, ya que en el contexto actual es
innegable considerar otras opciones diferentes a las metodologías tradicionales, sin
embargo, se debe tener en cuenta la accesibilidad, el costo, los recursos que
demanda ello.

En consecuencia Latinoamérica no es ajeno a ello, sin embargo su uso es distinto en

cada país, lo que conlleva a realizar un diagnóstico pertinente, toda vez que se tiene
diversas razones desde lo económico, político, social y obviamente la importancia y
el enfoque que predispone cada país para la implementación de dicha metodología
en el campo de la ingeniería civil.

Las redes neuronales artificiales (RNA) simulan el comportamiento neuronal

biológico del ser humano, teniendo como fin mejorar los resultados en diversas
ramas que quieran aplicarlas ya que estas crean y diseñan herramientas capaces de
resolver dificultades por ellas mismas, utilizando técnicas basadas en algoritmos, y
proponen una variedad de soluciones ante diversos problemas, brindando ayuda
práctica para resolver problemas complejos [1], por lo que no es ajeno a ello las
dificultades que se presentan en la ingeniería civil.
En la actualidad el uso de las redes neuronales artificiales dentro de la ingeniería
civil es uno de las metodologías que viene adquiriendo un auge preponderante, toda
vez que se busca optimizar y automatizar los procesos, pues “La necesidad de usar
los modelos de RNA en el campo de la ingeniería civil, viene dada por la gran
cantidad de datos obtenidos de pruebas de laboratorio y el poco tiempo que se tiene
para analizarlos” [2, p. 01]. Cabe mencionar que cuando se habla de ingeniería civil
implica los rubros de la construcción ya sea de edificaciones, pavimentos, entre
otros.

Si bien es cierto el uso de esta metodología a nivel mundial viene siendo muy
difundida, pero es indispensable conocer los resultados de las diferentes casuísticas
desarrolladas en Latinoamérica en la última década, en consecuencia es necesario
plantearnos ¿Cuáles son los resultados de las investigaciones acerca del uso de
redes neuronales en Latinoamérica en la ingeniería civil en los últimos 10 años?, y a
partir de ello se analizará las ventajas o desventajas y las implicancias que tiene el
uso de dicha metodología en comparación con las metodologías tradicionales.

Muchos países latinoamericanos vienen empleando la metodología de las redes

neuronales en el campo de la ingeniería civil y el Perú no es ajeno a ello, ya que
para el pronóstico de la resistencia a la compresión de concreto desde los datos de
su fabricación considera que la única metodología que permite lograr ello es a través
de las redes neuronales, ya que con los métodos tradicionales no es posible ello [3].

Por otro lado, respecto la resistividad eléctrica del concreto, considera que las redes
neuronales es una metodología no destructiva y se obtiene mejores resultados en
comparación a la metodología tradicional que es el de los mínimos cuadrados [3].
Por las consideraciones expuestas con anterioridad, el objetivo de nuestro estudio
es identificar los resultados de las investigaciones acerca del uso de redes
neuronales en Latinoamérica en la ingeniería civil en los últimos 10 años, a través de
la revisión de la literatura.
MÉTODOS
Se realizó una búsqueda en cuatro base de datos: ProQuest, ScienceDirect, SciELO
y Redalyc. Las palabras claves utilizadas fueron “redes neuronales artificiales”,
“ingeniería civil”, y sus combinaciones. Los criterios de inclusión fueron: artículos
científicos originales del año 2012 hacia adelante a nivel Latinoamérica y en idioma
español. Por otro lado, los criterios de exclusión fueron resúmenes de congreso,
revisiones, estudios de caso, artículos de revisión y monografías. Después de haber
aplicado los filtros se trabajaron con 15 artículos originales. Para el análisis de los
datos se desarrolló una lectura detallada; las informaciones se asociaron por
categorías y subcategorías de acuerdo a los temas seleccionados.
REFERENCIAS
1. VALDERRAMA, Frank; CHÁVEZ, Daniel; MUÑOZ, Sócrates; TUESTA, Víctor;
MEJÍA, Heber. Importancia de las redes neuronales artificiales en la ingeniería
civil: Una revisión sistemática de la literatura. Revista Iteckne [en línea]. 2021,
18(1), 71-83 [fecha de consulta 05 abril 2022]. ISSN 1692-1798. DOI:
https://doi.org/10.15332/iteckne.v18i1.2542

2. MORALES, Daril Alemán. Técnicas de inteligencia artificial aplicadas a

problemas de ingeniería civil. Revista Universidad & Ciencia [en línea]. 2017, 6,
164-175 [fecha de consulta 17 abril 2022]. ISSN 227-2690. Disponible en:
https://www.redalyc.org/journal/1939/193955164005/html/
#redalyc_193955164005_ref7

3. ACUÑA, Luis; ESPINOZA, Pedro; MOROMI, Isabel; TORRE, Ana; GARCÍA,

Franciso. Concreto de alto rendimiento, predicción de su resistencia a la
compresión mediante redes neuronales artificiales. Revista TECNIA [en línea].
2017, 27(1), 51-51 [fecha de consulta 17 abril 2022]. DOI:
https://dx.doi.org/10.21754/tecnia.v27i1.125

4. LIZARAZO, Juan y GÓMEZ, José. Desarrollo de un modelo de redes neuronales

artificiales para predecir la resistencia a la compresión y la resistividad eléctrica
del concreto. Revista ingeniería e investigación [en línea]. 2007, 27(1), 11-18.
[fecha de consulta 05 abril 2022]. ISSN 0120-5609. Disponible en:
http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-
56092007000100002

5. BOJORQUEZ, Juan; TOLENTINO, Dante; RUIZ, Sonia; BOJORQUEZ, Edén.

Diseño sísmico preliminar de edificios de concreto reforzado usando redes
neuronales artificiales. Concreto y cemento. Revista concreto y cemento.
investigación y desarrollo [en línea]. 2016, 7(2), 60-78. [fecha de consulta 05 abril
2022]. Disponible en: http://www.scielo.org.mx/scielo.php?
script=sci_arttext&pid=S2007-30112016000100060
6. PURIZACA, Frank; MUÑOZ, Sócrates; TUESTA, Víctor; MEJÍA, Heber.
Desarrollo de un modelo predictivo de las propiedades mecánicas del suelo
usando redes neuronales artificiales. Revista Lámpsakos [en línea]. 2021, 26, 1-
20 [fecha de consulta 17 abril 2022]. Disponible en:
https://revistas.ucatolicaluisamigo.edu.co/index.php/lampsakos/article/view/
4042/3182

7. GONZÁLEZ, Luis; GUERRERO, Aydée A; DELVASTO, Silvio; ERNESTO,

Adrián. Exploración con redes neuronales artificiales para estimar la resistencia a
la compresión, en concretos fibroreforzados con acero. Revista Ciencia e
ingeniería neogranadina [en línea]. 2012, 22(1), 19-41[fecha de consulta 17 abril
2022]. ISSN 0124-8170 Disponible en:
http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0124-
81702012000100002

8. GARCÍA, Joaquín. Predicción basada en redes neuronales de la resistencia a

compresión a los 7 días de los UHPC incorporando SCM. Revista Matéria (Rio
de Janeiro) [en línea]. 2022, 26(4)[fecha de consulta 17 abril 2022]. ISSN 1517-
7076. DOI: https://doi.org/10.1590/S1517-707620210004.1380

9. TELLO, Lizette; AGUIRRE, Marcela; DÍAZ, Jean; HERNÁNDEZ, Francisco.

Evaluación de daños en pavimento flexible usando fotogrametría terrestre y
redes neuronales. Revista TecnoLógicas [en línea]. 2021, 24(50), 59-71[fecha de
consulta 17 abril 2022]. ISSN 2256-5337. DOI:
https://doi.org/10.22430/22565337.1686

10. FELIX, Emerson; RODRIGUES, Tito; CORREA, Mariana; POSAN, Edna;

CARRAZEDO, Rogério. Análisis da vida útil de estructuras de concreto armado
bajo la acción de la corrosión uniforme por medio de un modelo con RNA
acoplado al MEF. Revista ALCONPAT [en línea]. 2018, 8(1), 1-15 [fecha de
consulta 17 abril 2022]. ISSN 2007-6835. DOI:
https://doi.org/10.21041/ra.v8i1.256

11. BELTRAN, Gloria y ROMO, Miguel. Evaluación del rendimiento de redes

neuronales artificiales en la estimación de las propiedades de las capas de
 pavimentos. Revista En g. investigando [en línea]. 2014, 34(2), 11-16 [fecha de
consulta 17 abril 2022]. DOI: https://doi.org/10.15446/ing.investig.v34n2.42158

12. ZEA, Jorge; RIVEROS, Carlos; RIVERO, Javier. Optimización de secciones de

vigas y columnas para el cumplimiento de la deriva en edificaciones de concreto
reforzado mediante Redes Neuronales Artificiales. Revista Facultad de Ingeniería
Universidad de Antioquia [en línea]. 2014, 70, 34-44 [fecha de consulta 17 abril
2022]. ISSN 0120-6230. Disponible en:
http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-
62302014000100004&lang=es

13. VILLALBA, Jesús; GOMEZ, Iván; LAIER, José. Detección de daño en vigas
utilizando redes neuronales artificiales y parámetros dinámicos. Revista Facultad
de Ingeniería Universidad de Antioquia [en línea]. 2012, 63, 141-153 [fecha de
consulta 17 abril 2022]. ISSN 0120-6230. Disponible en:
http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-
62302012000200013&lang=es

14. PÉREZ, Carmen y HERNÁNDEZ, Alejandro. Predicción de resistencia a

compresión del hormigón mediante redes neuronales haciendo uso del agregado
de la cantera de Antonio Maceo. Revista de Arquitectura e Ingeniería [en línea].
2020,14(1),1-9 [fecha de consulta 17 abril 2022]. ISSN 1990-8830. Disponible en:
https://www.redalyc.org/journal/1939/193962633002/

15. BOJÓRQUEZ, Juan y RUIZ, Sonia. Factores de carga óptimos para el diseño
sísmico de edificios. Revista Ingeniería sísmica [en línea]. 2018, 98, 25-44 [fecha
de consulta 17 abril 2022]. DOI: https://doi.org/10.18867/ris.98.505

16. GARCÍA, Julio; RAMOS, Alfonso; HERRERA, Eddy. Redes neuronales

artificiales para representar la atenuación de la intensidad sísmica. Revista
Ingeniería y Universidad [en línea]. 2013, 17(2), 277-292 [fecha de consulta 17
abril 2022]. ISSN 0123-2126. Disponible en:
https://www.redalyc.org/articulo.oa?id=47728826001
17. DEL ANGEL, Francisco; LOUISSAINT, Wilbert. Desarrollo de una red neuronal
artificial para validar cálculos en el diseño estructural de puentes. Revista
Ingeniería [en línea]. 2013, 17(3),191-203 [fecha de consulta 17 abril 2022].
ISSN 1665-529X. Disponible en:
https://www.redalyc.org/articulo.oa?id=46730914003