Por Juan Espinoza Castro, Jesús Inga Quinto, Doris Luna Olortigue, Ricky Ramírez Quincho y Fiorela Chávez Taza; estudiantes del noveno ciclo de la Facultad de Ingeniería, Filial Tarma.
A nivel mundial las infraestructuras críticas, como puentes, presas, centrales hidroeléctricas, carreteras y hospitales requieren monitoreo continuo y un mantenimiento efectivo a gran escala para asegurar su correcto funcionamiento y seguridad a largo plazo. Por ello, estas infraestructuras deben estar en apto funcionamiento para las actividades diarias de acuerdo al fin con que fueron diseñadas y construidas (Colpari, 2020).
En el Perú, la gestión de infraestructuras críticas enfrenta grandes desafíos debido a su ubicación en zonas de alta actividad sísmica y a factores como el envejecimiento de las estructuras y la exposición a fenómenos de cambios climáticos extremos. En este contexto, la inteligencia artificial (IA) y el machine learning (ML) ha comenzado a posicionarse como herramientas clave para detectar daños, optimizar el mantenimiento y reducir los riesgos debido al deterioro estructural. En el contexto nacional sobre la implementación de la IA y aprendizaje automático para el mantenimiento predictivo de infraestructuras críticas, se está trabajando en infraestructuras tecnológicas y en la capacitación de talento en IA para potenciar sectores productivos y servicios públicos (PNTD, 2023). Sin embargo, su aplicación en infraestructura critica es aún limitada y necesita un impulso para ser implementada efectivamente en inspección estructural y monitoreo en tiempo real (ENIA, 2021).
Las técnicas tradicionales de inspección y mantenimiento dependen de revisiones manuales periódicas, las cuales son costosas, demandan mucho tiempo y no siempre son efectivas para predecir o detectar fallas en las estructuras. Por ello, los avances en el monitoreo de infraestructura mediante IA y ML son aprendizajes profundos, lo que permite lograr mejoras significativas en la detección de daños estructurales (Monitoring et al., 2016).
En el Perú la implementación de sistemas de monitoreo estructural basados en IA y ML aún está en etapas iniciales, pero existen avances importantes en proyectos clave, como en puentes y carreteras. En las regiones Arequipa y Cusco se empezaron a implementar sensores para medir vibraciones y deformaciones en puentes vulnerables, cuyos datos recopilados son analizados por algoritmos de ML que detecta patrones anómalos indicativos de desgaste o daño estructural.
Ventajas del Mantenimiento Predictivo:
El mantenimiento predictivo impulsado por IA tiene un gran potencial en Perú, ya que aborda problemas críticos asociados a desastres naturales, altos costos de reparación y la falta de monitoreo constante en regiones remotas
| Ventajas | Descripción |
| Mitigación de riesgos sísmicos | Permite identificar fallas estructurales antes de un evento sísmico, crucial en el Cinturón de Fuego del Pacífico. |
| Protección de vidas humanas | Detecta daños a tiempo en infraestructuras como puentes o edificios públicos, reduciendo el riesgo de accidentes. |
| Eficiencia económica | Optimiza los recursos del Estado al priorizar intervenciones donde más se necesiten, evitando gastos innecesarios en mantenimiento rutinario. |
| Cobertura en áreas remotas | Permite monitorear en estructuras alejadas como la Amazonía o la sierra, donde el acceso es limitado. |
Principales aportes en la ingeniería civil:
La aplicación de la IA y aprendizaje automático (ML) en la ingeniería civil ha revolucionado de manera significativa el método de diseñar, edificar y preservar infraestructuras esenciales. En este sector, estas tecnologías han facilitado la identificación precoz de daños estructurales a través del seguimiento constante con sensores sofisticados, lo que incrementa la seguridad y disminuye los riesgos de derrumbes, particularmente en áreas de gran vulnerabilidad a terremotos, como el Perú. Las contribuciones también abarcan mejoras en los diseños estructurales, en los que los algoritmos de ML facilitan la simulación de situaciones complejas y la creación de soluciones más robustas y sostenibles. Estos programas no solo aseguran infraestructuras más seguras, sino que también establecen a la ingeniería civil como una disciplina más eficaz, tecnológica y enfocada en la sostenibilidad.
En conclusión, en el Perú, la aplicación la IA y aprendizaje automático (ML) en proyectos de infraestructura está incrementando notablemente la seguridad y eficacia de infraestructuras esenciales. Estas tecnologías facilitan la identificación precoz de daños estructurales y la ejecución de mantenimiento predictivo, maximizando recursos y extendiendo la durabilidad de estructuras en áreas susceptibles a terremotos y catástrofes naturales. Pese a retos, como los elevados costos iniciales y la escasez de infraestructura tecnológica en zonas alejadas, los progresos en proyectos, como el seguimiento de puentes en Cusco y Arequipa, evidencian que estas herramientas están revolucionando la administración de infraestructuras, estableciendo al país como un referente de innovación en la región.
Referencias:
Colpari Pozzo, M. H. (2020). Uso De Inteligencia Artificial Para La Detección Automatizada De Fisuras En.
ENIA. (2021). Inteligencia artificial: desafíos y oportunidades para el Perú. Estrategia Nacional de Inteligencia Artificial (ENIA).
Monitoring, H., Poised, T., & Use, W. (2016). SBIR-BACKED AIRCRAFT HEALTH MONITORING TECHNOLOGY POISED FOR.
PNTD. (2023). Politica Nacional de Trasformación Digital. https://cdn.www.gob.pe/uploads/document/file/4912655/Política Nacional de Transformación Digital al 2030_Resumen ejecutivo.pdf?v=1690558614
También te puede interesar: