- ES Español (Latinoamérica)
- EN English
2.8. Tecnologías Digitales en Ingeniería Civil (DTC)
Esta área de conocimiento abarca las herramientas digitales transformadoras, metodologías y procesos basados en datos que están reconfigurando la planificación, diseño, construcción, operación y gestión de infraestructuras civiles. Se centra en la integración de inteligencia computacional, sensores, automatización y modelado de información para crear entornos construidos más inteligentes, eficientes y resilientes.
2.8.1. DTC/Monitoreo de Salud Estructural (SHM) y Tecnologías de Sensores (Core Tier1: 1 hr, Core Tier2: 1 hr) ↑ Volver arriba
Principios, tecnologías y métodos de análisis de datos para monitorear continuamente o periódicamente la condición y el rendimiento de infraestructuras civiles utilizando redes de sensores para detectar daños, evaluar seguridad e informar el mantenimiento.
Temas:
Core
- Objetivos de SHM, paradigmas y análisis costo-beneficio del ciclo de vida
- Tipos de sensores: galgas extensiométricas, acelerómetros, inclinómetros, fibra óptica, piezoeléctricos
- Sistemas de adquisición de datos, acondicionamiento de señales y teoría de muestreo
- Redes inalámbricas de sensores (WSN) y protocolos de comunicación IoT
- Detección de daños basada en vibraciones y análisis modal
- Sensores avanzados: fibra óptica distribuida, visión por computador y interferometría radar
- Gestión de datos, almacenamiento en la nube y ciberseguridad para sistemas SHM
- Reconocimiento de patrones estadísticos y algoritmos de detección de anomalías
- Sistemas de soporte de decisiones para planificación de mantenimiento basados en datos SHM
Aprendizaje esperado (Learning Outcomes):
Core:
- Enumerar los objetivos primarios y los beneficios potenciales de un sistema de Monitoreo de Salud Estructural (SHM) [Familiarizarse]
- Seleccionar tipos de sensores apropiados para monitorear respuestas estructurales específicas (deformación, vibración, deflexión) [Evaluar]
- Diseñar la distribución de una red de sensores básica para una viga simplemente apoyada o un pilar de puente [Usar]
- Explicar las ventajas y desafíos de las redes inalámbricas de sensores frente a los sistemas cableados [Familiarizarse]
- Realizar un análisis modal básico en un conjunto de datos de aceleración para identificar frecuencias naturales [Usar]
- Comparar tecnologías avanzadas de sensado para detectar propagación de grietas o asentamiento [Evaluar]
- Desarrollar un plan de gestión de datos para un proyecto SHM a largo plazo, considerando almacenamiento en la nube [Usar]
- Aplicar una carta de control estadística simple para identificar anomalías en datos de sensores en serie temporal [Evaluar]
- Proponer una acción de mantenimiento basada en la salida de un sistema de soporte de decisiones basado en SHM [Usar]
2.8.2. DTC/Modelado de Información de Construcción (BIM) para Entrega Digital y Gestión de Activos (Core Tier1: 1 hr, Core Tier2: 1 hr) ↑ Volver arriba
Metodología integral para crear y gestionar representaciones digitales de las características físicas y funcionales de instalaciones (BIM), que soporta la colaboración, toma de decisiones y gestión de información a lo largo del ciclo de vida del proyecto desde la concepción hasta la demolición.
Temas:
Core
- Conceptos BIM: dimensiones (3D, 4D, 5D, 6D, 7D), LOD y LOIN
- Herramientas de autoría BIM y técnicas de modelado paramétrico
- Coordinación de modelos, detección de interferencias y análisis de choques
- Plataformas de colaboración, Entornos de Datos Comunes (CDE) y planes de ejecución BIM
- Análisis basado en BIM: desglose de cantidades, simulación energética y análisis estructural
- Gemelos digitales y la conexión entre BIM y datos operacionales
- Estándares de interoperabilidad: IFC, COBie y openBIM
- Modelos de información de activos (AIM) y BIM para gestión de instalaciones (FM)
- Presentación reglamentaria y verificación automatizada de cumplimiento de códigos
Aprendizaje esperado (Learning Outcomes):
Core:
- Definir las diferentes dimensiones de BIM (3D-7D) y su información asociada [Familiarizarse]
- Crear un modelo paramétrico 3D básico de un sistema de estructura de entramado utilizando software BIM [Usar]
- Realizar un análisis de detección de interferencias entre modelos arquitectónicos y estructurales [Evaluar]
- Esquematizar los componentes clave de un Plan de Ejecución BIM (BEP) [Familiarizarse]
- Extraer un cronograma de desglose de cantidades de materiales de un modelo BIM [Usar]
- Explicar la relación entre un modelo BIM y un gemelo digital para un activo [Familiarizarse]
- Exportar un modelo BIM utilizando el formato IFC para garantizar interoperabilidad [Usar]
- Desarrollar un entregable de Modelo de Información de Activos (AIM) para entregar a un gestor de instalaciones [Evaluar]
- Evaluar el potencial de la verificación automatizada de reglas para el cumplimiento de códigos de construcción [Evaluar]
2.8.3. DTC/Aplicaciones de Inteligencia Artificial y Aprendizaje Automático en Ingeniería Civil ↑ Volver arriba
Conceptos fundamentales y aplicaciones de inteligencia artificial (IA) y aprendizaje automático (ML) para resolver problemas complejos de ingeniería civil, incluyendo análisis predictivo, reconocimiento de patrones, optimización y soporte automatizado de decisiones.
Temas:
Core
- Fundamentos de IA: aprendizaje supervisado, no supervisado y por refuerzo
- Preparación de datos, ingeniería de características y flujos de trabajo de entrenamiento de modelos
- Modelos predictivos para el rendimiento y deterioro de infraestructuras
- Aplicaciones de visión por computador para monitoreo de progreso de construcción y detección de defectos
- Algoritmos de optimización para diseño, programación y asignación de recursos
- Procesamiento de lenguaje natural (NLP) para analizar documentos e informes de construcción
- IA generativa para exploración de diseño y verificación automatizada de códigos
- IA explicable (XAI) y consideraciones éticas en la toma de decisiones algorítmica
- Computación perimetral (edge computing) e IA embebida para monitoreo estructural en tiempo real
Aprendizaje esperado (Learning Outcomes):
Core:
- Distinguir entre los principales tipos de aprendizaje automático (supervisado, no supervisado, por refuerzo) [Familiarizarse]
- Preparar un conjunto de datos para entrenar un modelo ML simple, manejando valores faltantes y escalado [Usar]
- Desarrollar un modelo básico de regresión para predecir una propiedad del concreto a partir de parámetros de mezcla [Evaluar]
- Describir cómo la visión por computador puede utilizarse para inspección automatizada de obras [Familiarizarse]
- Aplicar técnicas de NLP para extraer información clave de un conjunto de informes de inspección [Evaluar]
- Utilizar una herramienta de IA generativa para explorar alternativas de diseño conceptual para un diseño de sitio [Usar]
- Explicar la importancia de la IA explicable y la mitigación de sesgos en aplicaciones de ingeniería [Familiarizarse]
- Diseñar un concepto para un sistema de IA perimetral para monitorear vibraciones en tiempo real en un puente [Evaluar]
2.8.4. DTC/Gemelos Digitales para Gestión del Ciclo de Vida de Infraestructura ↑ Volver arriba
Creación, actualización y utilización de réplicas digitales dinámicas de activos físicos que se sincronizan con datos en tiempo real de sensores y otras fuentes para simular, predecir y optimizar el rendimiento a lo largo del ciclo de vida del activo.
Temas:
Core
- Definición de gemelo digital, componentes y niveles de integración
- Integración de datos en tiempo real de sensores IoT y sistemas operacionales
- Modelos de simulación basados en física y datos dentro del gemelo
- Visualización interactiva, paneles de control e interfaces de realidad aumentada (AR)
- Mantenimiento predictivo y pronóstico de vida útil remanente
- Gemelos digitales federados para infraestructura a escala urbana o nivel de red
- Control autónomo y optimización de lazo cerrado de sistemas de infraestructura
- Modelos de negocio y propuesta de valor para la implementación de gemelos digitales
- Ciberseguridad y gobernanza de datos para sistemas críticos de gemelos digitales
Aprendizaje esperado (Learning Outcomes):
Core:
- Describir los componentes principales y flujos de datos de un gemelo digital para un puente o edificio [Familiarizarse]
- Conectar un flujo simple de datos de sensores a un panel de visualización para una maqueta de gemelo digital [Usar]
- Utilizar un modelo de simulación dentro de un gemelo digital para predecir la respuesta estructural bajo un escenario de carga [Evaluar]
- Explicar cómo las estrategias de mantenimiento predictivo se ven potenciadas por la tecnología de gemelos digitales [Familiarizarse]
- Conceptualizar un gemelo digital federado para gestionar una red urbana de distribución de agua [Evaluar]
- Diseñar una lógica de control de lazo cerrado para optimizar el uso de energía en un gemelo digital de edificio [Evaluar]
- Analizar el potencial de retorno de inversión (ROI) para implementar un gemelo digital en un proyecto grande [Familiarizarse]
- Desarrollar una evaluación de riesgos de ciberseguridad para un gemelo digital de infraestructura crítica [Evaluar]
2.8.5. DTC/Ingeniería Geoespacial ↑ Volver arriba
Adquisición, procesamiento, análisis y visualización de datos espaciales utilizando Sistemas de Información Geográfica (SIG), teledetección (satelital, aérea) y Detección y Ranging por Luz (LiDAR) para análisis de sitio, planificación, cartografía y monitoreo en proyectos de ingeniería civil.
Temas:
Core
- Fundamentos de SIG: modelos de datos espaciales, sistemas de coordenadas y proyecciones
- Plataformas de teledetección y características de imágenes (resolución, bandas espectrales)
- Tecnología LiDAR: principios, nubes de puntos y modelos digitales de elevación (DEM)
- Análisis espacial: superposición, zonas de amortiguamiento, análisis de redes y modelado de idoneidad
- Cartografía y producción de mapas para comunicación en ingeniería
- Procesamiento de imágenes y clasificación para mapeo de uso/cobertura del suelo
- Detección de cambios y análisis de series temporales para monitoreo
- Integración de BIM y SIG (GeoBIM) para planificación de infraestructura
- SIG web y aplicaciones móviles de SIG para recolección de datos de campo
Aprendizaje esperado (Learning Outcomes):
Core:
- Realizar una transformación de coordenadas y reproyección de datos espaciales [Usar]
- Comparar las aplicaciones de imágenes satelitales ópticas, fotografía aérea y LiDAR [Familiarizarse]
- Procesar una nube de puntos LiDAR para generar un Modelo Digital de Terreno (DTM) [Evaluar]
- Realizar un análisis de idoneidad de sitio para un nuevo trazado de carretera utilizando operaciones de superposición de SIG [Usar]
- Crear un mapa temático efectivo para un informe de ingeniería [Evaluar]
- Clasificar cobertura del suelo a partir de una imagen satelital usando un método de clasificación supervisada [Usar]
- Cuantificar la expansión urbana o deforestación a partir de imágenes satelitales multitemporales [Evaluar]
- Integrar una huella de edificio desde un modelo BIM en un SIG para análisis de exposición solar [Usar]
- Diseñar un formulario móvil de recolección de datos SIG para un levantamiento de campo [Usar]
2.8.6. DTC/Análisis de Datos, Visualización e Informática para Sistemas Civiles ↑ Volver arriba
Métodos para gestionar, analizar, interpretar y comunicar conjuntos de datos grandes y complejos generados a lo largo del ciclo de vida de infraestructuras para extraer conocimientos, respaldar decisiones y mejorar resultados.
Temas:
Core
- Tipos y fuentes de datos en ingeniería civil: estructurados, no estructurados, en streaming
- Técnicas de limpieza, transformación y preparación de datos
- Análisis exploratorio de datos (EDA) y estadísticas descriptivas
- Principios y herramientas de visualización de datos (paneles, gráficos, diagramas)
- Fundamentos de bases de datos (SQL, NoSQL) para gestión de datos de ingeniería
- Plataformas de big data y conceptos de computación distribuida (p. ej., Hadoop, Spark)
- Estadísticas espaciales y análisis geoestadístico
- Teoría de la información y evaluación de calidad de datos
- Narrativa de datos y comunicación para audiencias técnicas y no técnicas
Aprendizaje esperado (Learning Outcomes):
Core:
- Limpiar y estructurar un conjunto de datos desordenado de una base de datos de costos de construcción [Usar]
- Realizar análisis exploratorio de datos para identificar tendencias y valores atípicos en datos de sensores [Evaluar]
- Crear visualizaciones efectivas (histogramas, diagramas de dispersión, series temporales) para comunicar conocimientos de datos [Usar]
- Escribir consultas SQL básicas para extraer y filtrar datos de una base de datos relacional [Familiarizarse]
- Describir la arquitectura de una plataforma de big data y su relevancia para análisis de infraestructura [Familiarizarse]
- Aplicar kriging u otro método geoestadístico para interpolar datos de propiedades del suelo en un sitio [Evaluar]
- Evaluar la calidad y adecuación de un conjunto de datos para un análisis específico [Evaluar]
- Desarrollar una narrativa basada en datos para presentar los hallazgos de un estudio de rendimiento de infraestructura a stakeholders [Usar]
2.8.7. DTC/Automatización, Robótica y Fabricación Aditiva (Impresión 3D) en Construcción ↑ Volver arriba
Aplicación de sistemas automatizados, plataformas robóticas y tecnologías de fabricación aditiva (impresión 3D) para realizar tareas de construcción, con el objetivo de aumentar productividad, seguridad, precisión y habilitar nuevas posibilidades de diseño.
Temas:
Core
- Fundamentos de automatización: grados de automatización, sistemas de control y cinemática robótica
- Sistemas robóticos para manejo de materiales, ensamblaje e inspección
- Procesos de fabricación aditiva para construcción: extrusión, unión de polvos
- Materiales para fabricación robótica e impresión 3D (hormigón, polímeros, compuestos)
- Planificación de trayectorias y simulación para robots de construcción
- Robótica de enjambre y sistemas multi-robot colaborativos
- Vehículos Aéreos No Tripulados (UAVs/drones) para topografía, inspección y entrega
- Robótica vestible (exoesqueletos) para asistencia y seguridad de trabajadores
- Fabricación digital y ensamblaje robótico de estructuras complejas
Aprendizaje esperado (Learning Outcomes):
Core:
- Clasificar diferentes niveles de automatización aplicables a tareas de construcción [Familiarizarse]
- Seleccionar un sistema robótico o proceso de fabricación aditiva apropiado para una aplicación de construcción específica [Evaluar]
- Explicar los desafíos y oportunidades de la impresión 3D con hormigón [Familiarizarse]
- Simular una trayectoria robótica simple para colocar ladrillos o rociar aislamiento [Usar]
- Diseñar un concepto para un enjambre de drones que mapee colaborativamente un sitio de construcción [Evaluar]
- Describir los beneficios de seguridad y productividad de los exoesqueletos para trabajadores de construcción [Familiarizarse]
- Planificar un flujo de trabajo de fabricación digital para un componente arquitectónico no estándar [Evaluar]
- Evaluar el impacto económico y de programación de introducir robótica en un proyecto de construcción [Evaluar]