En los proyectos de excavación profunda, uno de los principales desafíos radica en la gestión de la variabilidad de las condiciones subsuperficiales. La naturaleza heterogénea de las propiedades del suelo y la roca requiere investigaciones exhaustivas del sitio, que incluyen técnicas como perforaciones, Pruebas de Penetración Estándar (SPT), Pruebas de Penetración con Cono (CPT) y estudios geofísicos. Estos métodos son cruciales para caracterizar con precisión las condiciones subsuperficiales, lo que permite evaluar los impactos potenciales en las estructuras adyacentes.
Una comprensión profunda de la interacción suelo-estructura es esencial, especialmente cuando las estructuras existentes están cerca de las actividades de excavación. La modelización numérica, en particular el Análisis de Elementos Finitos (FEA), se utiliza para simular las interacciones complejas entre el suelo, el sistema de soporte de excavación y las estructuras existentes. Estos modelos deben actualizarse regularmente con datos en tiempo real de los sistemas de monitoreo para tener en cuenta los cambios en las condiciones del sitio y para refinar las predicciones del comportamiento del terreno.
Para gestionar las incertidumbres inherentes, se emplean métodos probabilísticos y análisis de sensibilidad. Estos enfoques ayudan a cuantificar el rango de posibles resultados, proporcionando un marco probabilístico para la toma de decisiones y la evaluación de riesgos. Este proceso es crucial para anticipar y mitigar posibles problemas que podrían comprometer la estabilidad de las estructuras adyacentes.
Estabilidad Estructural
El diseño de sistemas de soporte efectivos es un aspecto crítico para garantizar la estabilidad estructural tanto de la excavación como de los edificios cercanos. Los sistemas de soporte, como los muros de diafragma, los pilotes secantes, los pernos y los anclajes en el suelo, deben adaptarse a las condiciones específicas del sitio y a la naturaleza de la excavación. El proceso de diseño implica un análisis detallado de la distribución de cargas, las deformaciones esperadas y el potencial de movimientos del suelo que podrían afectar las estructuras existentes.
El monitoreo juega un papel fundamental en la garantía de la estabilidad estructural. Instrumentos avanzados, como los inclinómetros para medir movimientos laterales, los piezómetros para monitorear la presión de agua en los poros y los medidores de deformación para detectar cambios en el estrés, proporcionan datos esenciales. Estos instrumentos se colocan estratégicamente para monitorear ubicaciones críticas y proporcionar datos continuos, permitiendo a los ingenieros detectar y responder a signos de estrés de manera temprana.
Un enfoque sistemático para la interpretación de datos es esencial. Establecer lecturas de referencia y establecer niveles de activación para la intervención permite una respuesta proactiva a posibles problemas. Por ejemplo, si los datos de monitoreo indican un asentamiento excesivo o movimiento lateral, se pueden implementar acciones correctivas inmediatas, como ajustar las secuencias de excavación o reforzar los sistemas de soporte, para prevenir daños estructurales.
Técnicas Avanzadas de Gestión de Riesgos
La gestión efectiva de riesgos en proyectos de excavación profunda implica la integración de datos de monitoreo en tiempo real con modelos numéricos avanzados. Las plataformas que facilitan la comparación continua de datos en tiempo real con modelos predictivos son invaluables en este contexto. Permiten actualizaciones dinámicas de los modelos, reflejando las condiciones actuales y permitiendo ajustes oportunos en las metodologías de construcción.
Estos sistemas analizan varios escenarios, incluidos los peores casos, y proporcionan recomendaciones para mitigar riesgos. Este enfoque no solo mejora la seguridad, sino que también optimiza la eficiencia del proyecto al permitir una planificación y asignación de recursos más precisas.
Integración de IA y Tecnología
El uso de IA y aprendizaje automático en la ingeniería geotécnica representa un avance significativo en las capacidades predictivas. Los algoritmos de IA pueden analizar grandes conjuntos de datos de sistemas de monitoreo, identificando tendencias y anomalías que pueden no ser inmediatamente evidentes. Esta capacidad es particularmente útil para predecir movimientos del suelo y respuestas estructurales, permitiendo la protección de estructuras preexistentes y una toma de decisiones más precisa y oportuna.
Los modelos de aprendizaje automático, entrenados con datos históricos y en tiempo real, pueden proporcionar perspectivas predictivas que mejoran los análisis de ingeniería tradicionales. Por ejemplo, pueden prever tendencias de asentamiento basadas en datos observados, permitiendo una intervención temprana si se detectan desviaciones del comportamiento esperado. La integración de estas tecnologías en plataformas de monitoreo permite un enfoque más completo y proactivo para gestionar los riesgos asociados con excavaciones profundas.
Aprovechando Daarwin para la Protección Estructural en una Excavación Urbana Compleja
La integración de tecnologías avanzadas en la ingeniería geotécnica ofrece beneficios prácticos significativos, particularmente en el ámbito de la gestión de riesgos para proyectos de excavación profunda. Plataformas como Daarwin son cruciales para proporcionar alertas tempranas y optimizar la gestión de riesgos mediante la comparación continua de modelos predictivos con datos de monitoreo en tiempo real.
El siguiente estudio de caso ejemplifica la utilidad de Daarwin para mitigar posibles daños a estructuras preexistentes, centrándose en una excavación de corte y cubierta adyacente a un puente existente dentro de un proyecto de túneles en Londres.
En este proyecto, la plataforma Daarwin integró continuamente modelos predictivos en 2D y 3D con datos en tiempo real de varios instrumentos de monitoreo, incluidos inclinómetros, marcadores de asentamiento y sensores de vibración. Este enfoque integral permitió una evaluación detallada y dinámica de los impactos de la excavación tanto en el puente como en el entorno circundante. La comparación continua de los datos monitoreados con los modelos predictivos facilitó la detección temprana de desviaciones del comportamiento esperado, proporcionando alertas oportunas para posibles problemas estructurales.
Una demostración significativa de las capacidades de Daarwin ocurrió cuando la plataforma identificó un asentamiento menor inesperado cerca de uno de los estribos del puente, señalando un posible riesgo para la integridad estructural. Utilizando sus algoritmos analíticos avanzados, Daarwin rápidamente señaló esta anomalía, permitiendo al equipo de ingeniería tomar medidas correctivas rápidas. La respuesta implicó la instalación de soportes temporales para apoyar la estructura afectada y ajustes en la secuencia de excavación para controlar y mitigar los desplazamientos adicionales del suelo. Estas medidas proactivas fueron fundamentales para preservar la estabilidad estructural del puente y garantizar la seguridad general del proyecto de excavación.
El uso de Daarwin en este contexto no solo demostró la capacidad de la plataforma para ofrecer alertas tempranas, sino que también mostró su eficacia en la optimización de estrategias de gestión de riesgos. Al facilitar la comparación continua y en tiempo real entre los datos del campo y los modelos teóricos, Daarwin permitió un enfoque proactivo para gestionar los impactos de la excavación. Este enfoque no solo protegió la infraestructura existente, sino que también optimizó la programación del proyecto y la utilización de recursos. En colaboración con:
Berta Solà
Ingeniera Geotécnica
