⚡ electrical engineering

Safety Resilience Evaluation of Tower-Crane Construction Using a Cloud Model and an Intuitionistic Fuzzy Bayesian Network

Este estudio propone un marco de evaluación de la resiliencia de seguridad para la construcción con grúas torre que integra un modelo de nube con una red bayesiana difusa intuicionista para evaluar la robustez del sistema bajo incertidumbre, identificando factores de mejora clave mediante la aplicación de un estudio de caso.

Autores originales: Tingting Nie, Bo Liang, Jian He

Publicado 2026-08-03

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Tingting Nie, Bo Liang, Jian He

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres el capitán de una enorme ciudad flotante hecha de acero, donde el clima cambia cada hora y la tripulación se intercambia constantemente. En este mundo, la seguridad no consiste solo en marcar una casilla para ver si un perno está apretado; se trata de qué tan bien puede toda la nave resistir un golpe, recuperarse y seguir navegando incluso cuando las cosas salen mal. Este es el mundo de la "resiliencia de seguridad". Piensa en ello como el sistema inmunológico de un superhéroe: no se trata solo de tener una armadura fuerte (eso es la capacidad de absorción), sino también de qué tan rápido puedes curar una herida (eso es la capacidad de recuperación) y qué tan inteligentemente te adaptas a la estrategia cuando el enemigo cambia sus tácticas (eso es la capacidad de adaptación).

Durante años, los ingenieros han intentado medir esta resiliencia utilizando listas de verificación simples o números únicos, pero esas herramientas son como intentar describir una tormenta con una sola gota de lluvia. Pasan por alto las partes desordenadas, inciertas y humanas de la historia. Para solucionar esto, los investigadores han comenzado a utilizar la lógica "difusa" (que maneja los "tal vez" y los "no estoy seguro" del pensamiento humano) y los "modelos de nube" (que convierten palabras vagas como "bastante bueno" en números reales). Ahora, un nuevo estudio toma estas herramientas y las combina con una "red bayesiana", que es básicamente un diagrama de flujo inteligente que conecta los puntos entre diferentes causas y efectos, permitiéndonos ver cómo un pequeño problema en un área puede propagarse y afectar a todo el sistema.

El artículo que estás a punto de leer se sumerge en el caso específico de las grúas torre: esas gigantescas máquinas con cuello de cisne que construyen nuestros rascacielos. Los autores, Tingting Nie, Bo Liang y Jian He, se dieron cuenta de que, si bien sabemos mucho sobre los accidentes de grúas, no tenemos una buena forma de medir qué tan resiliente es una grúa antes de que ocurra un desastre. Construyeron una nueva "bola de cristal" digital para probar esto.

Esto es lo que hicieron y encontraron:

Comenzaron reuniendo a un equipo de cinco expertos —ingenieros sénior, inspectores y profesores— para observar una grúa torre específica (un modelo QTZ125) utilizada en un proyecto de vivienda llamado Hongling Jiayuan. En lugar de simplemente preguntar a los expertos "¿Es esto seguro?", los investigadores les pidieron que usaran palabras descriptivas como "muy alto", "moderado" o "muy bajo" para juzgar 12 factores diferentes, desde la resistencia estructural de la grúa hasta la capacidad de comunicación de la tripulación.

Debido a que el lenguaje humano es desordenado, el equipo utilizó un truco matemático especial llamado "Conjunto Difuso Intuicionista". Imagina que estás calificando una película. Podrías decir: "Me gustó mucho (apoyo), pero el final fue confuso (oposición) y no estoy del todo seguro de si la volvería a ver (vacilación)". Este método matemático captura los tres sentimientos a la vez, en lugar de forzar un simple "sí" o "no". Luego, alimentaron esas calificaciones difusas en su "modelo de nube", que convirtió esas opiniones vagas en probabilidades precisas.

Finalmente, conectaron todo en su diagrama de flujo de red bayesiana. Esto les permitió simular cómo la grúa se comportaría bajo presión. El resultado fue que la grúa en el estudio tuvo una puntuación de resiliencia integral de 0.785, y había una probabilidad del 70.6% de que se encontrara en un estado de "alta resiliencia". En términos sencillos, la grúa estaba funcionando bastante bien en general. Era particularmente fuerte en "absorber" impactos (como tener una base sólida y dispositivos de seguridad adecuados) y en "adaptarse" a los cambios (como tener una buena gestión).

Sin embargo, el estudio también detectó los eslabones débiles. La grúa era más débil en la "capacidad de recuperación", lo que significa que, si algo saliera mal, podría tardar más de lo ideal en repararse y volver al trabajo. Cuando los investigadores realizaron un "análisis de sensibilidad" (una prueba para ver qué factores causarían la mayor caída en la seguridad si empeoraran), encontraron las cinco cosas principales que requerían más atención:

Actualización de estándares y mejora continua (asegurarse de que las reglas sigan el ritmo de la realidad).
Gestión organizacional y cierre de responsabilidades (asegurarse de que alguien realmente tome el mando y termine el trabajo).
Control de instalación, desmontaje y elevación (las partes complicadas de montar y desmontar la grúa).
Estabilidad de la cimentación y de los accesorios (asegurarse de que la base sea sólida).
Inspección, mantenimiento y rectificación de peligros (corregir problemas antes de que se conviertan en desastres).

Los autores advierten cuidadosamente que este modelo no predice accidentes ni reemplaza una inspección física. En cambio, actúa como una herramienta de diagnóstico que traduce el juicio humano y los registros de papel en un mapa claro y rastreable de dónde es fuerte el sistema y dónde necesita un ajuste. Sugieren que, al enfocarse en las "causas raíz" como la gestión y la actualización de reglas, en lugar de solo reparar los síntomas inmediatos, los sitios de construcción pueden construir grúas que no solo se mantengan en pie, sino que realmente tengan la capacidad de recuperarse.

Resumen Técnico: Evaluación de la Resiliencia de Seguridad en la Construcción con Grúa Torre mediante un Modelo de Nube y una Red Bayesiana Difusa Intuicionista

Planteamiento del Problema
La seguridad en la construcción con grúas torre depende de una compleja interacción entre la fiabilidad del equipo, la estabilidad de la cimentación, el control operativo, la coordinación del personal y los sistemas de gestión. Los métodos de evaluación de seguridad convencionales, como las listas de verificación o los indicadores de monitoreo únicos, no logran capturar la capacidad del sistema para absorber perturbaciones, recuperar operaciones seguras y adaptarse a las condiciones cambiantes del sitio (resiliencia de seguridad). Las evaluaciones de resiliencia existentes suelen centrarse en proyectos de ingeniería general o hidráulicos, descuidando los riesgos acoplados específicos de las grúas torre. Además, los enfoques actuales tienen dificultades para representar adecuadamente la incertidumbre, la vacilación y la ambigüedad lingüística inherentes al juicio de los expertos respecto al cumplimiento de las normas y la implementación en campo. Existe la necesidad de un marco que vaya más allá de la simple identificación de riesgos para evaluar la capacidad dinámica de un sistema de grúa torre para mantener la seguridad bajo perturbaciones.

Metodología
El estudio propone un marco de evaluación híbrido que integra un Modelo de Nube, la teoría de Conjuntos Difusos Intuicionistas (IFS) y una Red Bayesiana (BN), estructurado a través de un Modelado Estructural Interpretativo (ISM).

Identificación de Factores y Jerarquía: Se identificaron doce factores influyentes a partir de los estándares de grúas torre, la teoría de la resiliencia y la literatura, categorizados en tres capacidades: Absortiva, de Recuperación y Adaptativa. Se empleó el ISM para analizar las relaciones de influencia directa entre estos factores (basadas en la puntuación de expertos), lo que resultó en una estructura jerárquica de cuatro niveles (Factores raíz $\rightarrow$ Indirecto profundo $\rightarrow$ Indirecto superficial $\rightarrow$ Factores directos).
Representación Difusa Intuicionista: Las evaluaciones lingüísticas de los expertos (que van desde "Muy Alto" hasta "Muy Bajo") se convirtieron en Números Difusos Intuicionistas (IFN). Este enfoque captura la membresía (apoyo), la no-membresía (oposición) y los grados de vacilación, preservando la incertidumbre en el juicio de los expertos.
Conversión al Modelo de Nube: Los puntajes de los IFN se procesaron a través de un Modelo de Nube para generar probabilidades de soporte local y probabilidades de grado (Resiliencia Baja, Media, Alta). Este paso traduce conceptos lingüísticos cualitativos en parámetros probabilísticos cuantitativos, gestionando la difusión entre los grados.
Inferencia de la Red Bayesiana: La jerarquía de cuatro niveles del ISM se mapeó sobre la topología de una Red Bayesiana. La red utiliza:
- Probabilidades de Soporte Local de los Nodos: Derivadas de la función de puntuación del Modelo de Nube, que representan el estado binario (Soporte Efectivo vs. Requiere Mejora) de los nodos de los factores.
- Tablas de Probabilidad Condicional (CPT): Generadas mediante una agregación ponderada de los estados de los nodos padres y las probabilidades de soporte local para propagar la influencia a través de la jerarquía.
- Inferencia hacia Adelante: Calcula la puntuación de resiliencia de seguridad global y las probabilidades de grado.
- Análisis de Sensibilidad: Identifica factores clave perturbando las probabilidades de soporte local para observar los cambios en la probabilidad general de alta resiliencia.

Contribuciones Clave

Marco Integrado: El estudio desarrolla un método novedoso que combina el ISM para la jerarquía estructural, IFS para el manejo de la vacilación de los expertos, Modelos de Nube para convertir la difusión lingüística en probabilidades y BNs para la inferencia probabilística.
Sistema de Indicadores de Resiliencia Tridimensional: Establece un sistema de indicadores específico para grúas torre que cubre las capacidades Absortiva (ej. capacidad estructural, cimentación), de Recuperación (ej. mantenimiento, control de instalación) y Adaptativa (ej. gestión, actualización de estándares).
Soporte de Decisión Trazable: A diferencia de las predicciones de caja negra, el marco proporciona un camino trazable desde los factores de gestión raíz hasta los resultados operativos directos, distinguiendo entre la "probabilidad de grado de alta resiliencia" y la "probabilidad de soporte local del nodo".
Estrategia Semicuantitativa: El método aborda la escasez de datos de accidentes para grúas torre apoyándose en la semántica de los expertos y los estándares en lugar de basarse puramente en el entrenamiento de datos.

Resultos
El marco se aplicó a una grúa torre QTZ125 en el proyecto de vivienda de reasentamiento Hongling Jiayuan.

Resiliencia Global: La puntuación de resiliencia de seguridad integral fue de 0.785, con una probabilidad del 70.6% de estar en un estado de "Alta Resiliencia".
Desglose de Capacidades: La capacidad Absortiva fue la más fuerte (0.821), seguida de la Adaptativa (0.768) y la de Recuperación (0.758). La capacidad de Recuperación fue identificada como la principal área de mejora.
Desempeño de Factores: Factores como la "Efectividad de los dispositivos de protección de seguridad" (0.977 de probabilidad de alta resiliencia) y la "Capacidad estructural" mostraron un fuerte apoyo. Por el contrario, la "Actualización de estándares y mejora continua" (0.318) y la "Trazabilidad de registros de alarmas e información" (0.470) mostraron menores probabilidades de resiliencia.
Análisis de Sensibilidad: El análisis identificó cinco factores de mejora críticos con el mayor impacto en la probabilidad general de alta resiliencia:
1. Actualización de estándares y mejora continua (Rango de impacto: 0.132)
2. Gestión organizacional y cierre de responsabilidades (Rango de impacto: 0.124)
3. Control de instalación/desmontaje/elevación
4. Estabilidad de la cimentación y accesorios
5. Inspección, mantenimiento y rectificación de peligros

Significancia y Reclamaciones
El artículo sostiene que el marco propuesto sirve como una herramienta de soporte de decisión trazable para evaluar la resiliencia de seguridad de las grúas torre bajo la incertidumbre de la información de los expertos. Enfatiza que el modelo no reemplaza las inspecciones en el sitio ni predice ocurrencias de accidentes específicos. Su valor reside en transformar las cláusulas de los estándares, los registros del proyecto y los juicios de los expertos en resultados de inferencia probabilística que diagnostican los eslabones débiles.

El estudio concluye que mejorar la resiliencia de las grúas torre requiere un enfoque de ciclo cerrado que vaya más allá de la rectificación de la inspección directa. Debe abordar los impulsores subyacentes como la responsabilidad organizacional, la actualización de estándares y el control de procesos (instalación/desmontaje/elevación). La metodología ofrece un flujo de trabajo estructurado para la evaluación periódica en proyectos de construcción similares, permitiendo que la gestión retroalimente los resultados diagnósticos en los procesos organizacionales y operativos.

Más como este