Resumen Técnico: Resiliencia Sísmica Ciber-Física en el Perú

Planteamiento del Problema

Perú enfrenta una vulnerabilidad sísmica crítica debido a su ubicación en la convergencia de las placas tectónicas de Nazca y Sudamericana, evidenciada por eventos históricos como los terremotos de Pisco (Mw 8.0) en 2007 y Ancash (Mw 7.9) en 1970. A pesar de este alto peligro, el sector de la construcción peruano sigue limitado por metodologías de diseño prescriptivas (NTP E.030/E.090) que carecen de marcos de Ingeniería Sísmica Basada en el Desempeño (PBEE). Si bien la madera contralaminada (CLT) y la albañilería confinada ofrecen potencial para la resiliencia sísmica, su implementación en el Perú se ve obstaculizada por la falta de monitoreo en tiempo real, bases de datos experimentales y disposiciones regulatorias. Además, la transición hacia PBEE es computacionalmente prohibitiva debido a la dependencia de análisis de series temporales no lineales (NLTHA) de alto costo, y existe una brecha significativa en la integración de Gemelos Digitales (DT) y Aprendizaje Automático (ML) para reducir la incertidumbre epistémica en la estimación de pérdidas.

Metodología

El estudio emplea una Revisión Sistemática de la Literatura siguiendo directrices estandarizadas de síntesis de investigación en ingeniería. El proceso consistió en cuatro fases:

1. Identificación: Una búsqueda booleana en Scopus y Web of Science arrojó 412 registros utilizando términos relacionados con Gemelos Digitales, Aprendizaje Automático, CLT, Albañilería y Sísmica/PBEE.
2. Tamizaje y Elegibilidad: Tras eliminar duplicados y revisar títulos y resúmenes, se evaluaron 84 registros.
3. Inclusión: Se seleccionaron 38 estudios de alto impacto para la extracción de datos, centrándose en aplicaciones de DT/ML en ingeniería estructural con enfoque sísmico en CLT o albañilería.

El artículo sintetiza estos hallazgos para comparar las prácticas globales (EE. UU., Japón) con la realidad peruana y propone un marco de PBEE modernizado y novedoso. Este marco integra una arquitectura de Gemelo Digital en la Fase de Construcción (CP-DT) que vincula el Modelado de Información de Construcción (BIM) con el Monitoreo de Salud Estructural (SHM) operativo.

Contribuciones Clave y Marco Propuesto

El artículo introduce un marco de PBEE modernizado y adaptado para el Perú, centrado en el CP-DT y cuatro innovaciones técnicas específicas:

1. EAL Mejorado por ML (Pérdida Anual Esperada):
   El integral de pérdida estándar de FEMA P-58 se aumenta con un factor de reducción de incertidumbre derivado de ML, $\alpha_{ML}$ (donde $\alpha_{ML} \in (0, 1]$). A medida que el Gemelo Digital acumula datos de sensores, $\alpha_{ML}$ se calibra continuamente mediante un modelo de Random Forest, reduciendo la incertidumbre epistémica y disminuyendo la EAL estimada desde su línea base inflada.

   • Fórmula: $EAL_{DT} = \int_0^\infty [\sum P(DS_j | EDP) \cdot C_j] \cdot \alpha_{ML} \cdot d\lambda(IM)$

2. Formulación Cinemática para Muros de Balanceo de CLT:
   Una formulación de momento de restitución para muros de balanceo (rocking walls) de CLT con postensado (PT) y disipadores de energía se actualiza vía el DT. El DT utiliza regresión de ML sobre datos de galgas extensométricas para actualizar la pérdida de postensado a largo plazo ($T_{pt,0}$) y las fuerzas de fluencia afectadas por fatiga ($F_{hd,y}$), asegurando que el modelo refleje la realidad física "tal como fue construida".

3. Índice de Daño Basado en Frecuencia ($DI_{CLT}$):
   Se computa un índice de daño estructural global utilizando datos de vibración ambiental del DT. Este compara las frecuencias naturales derivadas de la Identificación de Subespacios Estocásticos (SSI) contra las frecuencias teóricas de BIM.

   • Fórmula: $DI_{CLT} = 1 - \frac{1}{N} \sum_{i=1}^N (\frac{f^n_{DT,i}}{f^n_{BIM,i}})^2 \cdot w_i$
   • Escala: 0 indica que no hay daño; acercarse a 1 indica degradación severa.

4. Modelo Sustituto de Random Forest para Predicción Rápida:
   Para evitar el costo computacional de un NLTHA completo, un modelo sustituto de Random Forest (RF) mapea parámetros sísmicos y estructurales (por ejemplo, aceleración espectral, periodo, relación de masa) hacia la Máxima Relación de Deriva de Piso (MIDR). El modelo es entrenado sobre una base de datos sintética de más de 5,000 registros de NLTHA específicos para las condiciones de peligro en Perú.

Resultados

• Madurez Comparativa: Una matriz comparativa destaca que, mientras EE. UU. y Japón poseen una integración avanzada de PBEE, estimación de pérdidas en tiempo real y extensas bases de datos experimentales, el Perú depende actualmente de códigos prescriptivos básicos sin implementación de PBEE o DT en madera/albañilería.
• Desempeño del Modelo: El modelo sustituto de Random Forest propuesto logró un coeficiente de determinación $R^2 > 0.94$ en la validación cruzada para la predicción de MIDR, demostrando una alta fidelidad en la predicación de la demanda estructural.
• Reducción de Incertidumbre: Se proyecta que la integración de DT y ML reducirá la incertidumbre epistémica en la estimación de pérdidas sísmicas en hasta un 35%.
• Hoja de Ruta de Implementación: El artículo traza una hoja de ruta de cuatro fases para el Perú:
  • Fase 1 (Años 1–2): Establecer una Base de Datos Sísmica de CLT peruana (50+ pruebas cíclicas, 5,000+ registros de NLTHA).
  • Fase 2 (Años 2–3): Desplegar un piloto de CP-DT en un edificio de CLT de 6 pisos en Lima con sensores MEMS embebidos.
  • Fase 3 (Años 3–5): Extender el CP-DT a la albañilería confinada y desarrollar una plataforma de código abierto compatible con ETABS y OpenSees.
  • Fase 4 (Año 5+): Informar las revisiones regulatorias (NTP E.030/E.090) con disposiciones basadas en el desempeño.

Significancia y Reivindicaciones

El artículo afirma que la integración de Gemelos Digitales y Aprendizaje Automático en PBEE para CLT y albañilería es un objetivo prácticamente alcanzable con beneficios inmediatos para la reducción del riesgo sísmico en el Perú. Su principal significancia radica en:

1. Cerrar la Brecha: Proporcionar un análisis de brechas cuantificado y una estrategia concreta de transferencia tecnológica desde mercados maduros (EE. UU./Japón) al contexto peruano.
2. Modernización Regulatoria: Ofrecer una base técnica para actualizar las regulaciones peruanas (NTP E.030/E.090) para incluir el diseño basado en el desempeño y requisitos de monitoreo digital.
3. Eficiencia Económica: Demostrar que la reducción de la incertidumbre epistífica mediante la integración DT-ML conduce a decisiones de inversión más precisas e informadas sobre el riesgo, lo cual es crítico para una nación con alta vulnerabilidad sísmica y recursos limitados.
4. Calibración del Ciclo de Vida: Establecer una arquitectura de CP-DT que asegure que el modelo digital esté calibrado con la realidad física desde las etapas de fabricación y ensamblaje, en lugar de depender únicamente de supuestos post-construcción.

El estudio concluye que este enfoque transforma el paradigma del cumplimiento prescriptivo hacia la resiliencia basada en el desempeño, abordando directamente los desafíos de los materiales locales, las prácticas de construcción y las restricciones económicas en el Perú.