Tabla de contenido
Gracias a los avances tecnológicos, las demoliciones se realizan ahora con mayor precisión, eficiencia y de manera más sostenible y segura
Las nuevas tecnologías se están integrando gradualmente en todos los sectores, incluida la construcción, promoviendo industrias más sostenibles y eficientes. En este marco, TECNALIA y el Instituto Tecnológico de Aragón (ITA) han replicado, tras un año, un análisis de publicaciones y patentes de 25 tecnologías para conocer su aplicación y evolución en el sector de la demolición.
Las tecnologías que despuntan por número de patentes y publicaciones son la IoT y el uso de la inteligencia artificial (IA) en su modalidad de Machine Learning/Deep Learning. Aunque las tecnologías que mayor crecimiento han supuesto el último año han sido la aplicación de la Realidad Aumentada (RA) y Realidad Virtual (VR), con un incremento de un 116 %, seguido del uso de BIM/GIS con un incremento del 91 % en el número de patentes y publicaciones.
El análisis realizado revela que tecnologías como BIM/GIS y AR/VR han visto duplicado en un año el número de patentes que han sido solicitadas, y se consolidan como tecnologías clave para la optimización de la fase de demolición y reutilización de residuos de la construcción.
A continuación, se detallan los beneficios que sugiere el análisis de evolución de 2024.
BIM y GIS: herramientas para la planificación y optimización de demoliciones
- Por un lado, combinar BIM con GIS y teledetección mejora la estimación del stock de edificios existentes a varios niveles (edificio, elemento y material). Esta integración apoya las auditorías previas a la demolición y el censo inventario de recursos.
- Asimismo, el uso de modelos BIM en la planificación de trabajos de demolición permite una estimación precisa de costos, secuencias de demolición y análisis de impacto ambiental.
- Integrar tecnologías digitales como BIM y GIS en la fase de demolición mejora la sostenibilidad, optimiza la gestión de recursos y apoya los procesos de toma de decisiones. En definitiva, posibilita determinar el potencial del edificio a su fin de vida y, en consecuencia, desplegar estrategias para la máxima retención de valor de los diferentes elementos y materiales que lo componen, pudiendo ser dirigidos hacia las aplicaciones de mercado que mayor atractivo económico y ambiental proporcionen.
- La combinación de BIM y VR en la planificación y optimización de proyectos de demolición permite una mejor coordinación y seguimiento del progreso, reduciendo tiempos y costos de deconstrucción.
- En esta línea, herramientas como BIM4DW (BIM for demolition waste) son un claro exponente de esta tendencia, donde mediante un configurador sencillo basado en BIM y 2D es posible clasificar los materiales de un edificio y planificar la demolición y la gestión de los residuos. Se trata de una herramienta que permite estimar los costes y el impacto ambiental de la actuación de demolición de forma automática.
IoT: mejora de la eficiencia, seguridad y sostenibilidad del proceso
En los últimos años, se han desarrollado marcos para monitorear en tiempo real las emisiones de ruido y polvo en sitios de demolición utilizando datos de sensores en tiempo real. Esto ayuda a gestionar los contaminantes ambientales y a cumplir con las regulaciones.
Además, la combinación de IoT con otras tecnologías digitales, como la inteligencia artificial, la visión artificial y el aprendizaje automático, facilitan la implementación de prácticas de economía circular en la industria de la construcción. Esto incluye la previsión de generación de residuos tras demolición y la identificación de rutas de valorización optimizadas.
La integración de IoT con tecnologías de aprendizaje profundo permite la caracterización y monitoreo en línea de flujos de residuos de demolición. Esto incluye la detección de contaminantes y la optimización de plantas de procesamiento.
Desarrollos como TRAZIA, el sistema de sensórica avanzada multiseñal e IA integrada que ha lanzado TECNALIA para impulsar la revalorización de materiales, permiten la clasificación de recursos primarios y secundarios en un flujo de residuos de la demolición.
Machine learning, deep learning y edge learning: innovación en seguridad y gestión de residuos
Las tendencias destacan cómo las tecnologías de machine learning, deep learning y edge learning están transformando la fase de demolición de edificios, mejorando la eficiencia, seguridad y sostenibilidad del proceso. Modelos de aprendizaje profundo se han utilizado para simular el proceso de demolición de estructuras de cables, optimizando la seguridad y eficiencia del proceso.
- Un marco de evaluación de seguridad basado en deep learning y algoritmos de búsqueda en grafos permite evaluar la seguridad en el desmontaje de estructuras de celosía espaciales de gran envergadura.
- También es clave para la mejora de la posterior gestión y clasificación de residuos. Se han desarrollado, por ejemplo, modelos de deep learning para la clasificación de residuos plásticos de construcción y demolición utilizando imágenes RGB.
Otras tecnologías analizadas
- Además, se observa que el uso de IA, aprendizaje automático y gemelos digitales avanza aún más en estas capacidades, haciendo que los procesos de demolición sean más eficientes y respetuosos con el medio ambiente.
- La integración de tecnologías AR y VR en la fase de demolición de edificios también mejora la precisión, la eficiencia y la seguridad, al tiempo que facilita la preservación del patrimonio y la optimización de proyectos.
- Por otro lado, los gemelos digitales se utilizan para la planificación y simulación de proyectos de demolición, permitiendo una mejor coordinación, seguimiento del progreso y mejora de la seguridad en lugares de demolición. Esto incluye la evaluación de rutas óptimas de eliminación de residuos y la planificación del proceso de demolición.
Conclusión
Las tecnologías mencionadas en el ámbito de la demolición de edificaciones han revolucionado la forma en que se llevan a cabo estos procesos. En suma, la precisión en la demolición se ha incrementado significativamente gracias a la utilización de maquinaria avanzada y técnicas especializadas. Esto permite que las estructuras sean desmanteladas de manera controlada, minimizando el riesgo de daños colaterales a edificaciones adyacentes y garantizando la seguridad de los trabajadores y del entorno.
Además, la implementación de tecnologías como drones y sistemas de monitoreo en tiempo real proporciona una visión detallada del sitio de demolición, lo que facilita la planificación y ejecución de las tareas. Estas herramientas permiten identificar puntos críticos y evaluar la estabilidad de las estructuras antes de proceder con la demolición, lo que contribuye a una mayor seguridad en el proceso.
Otro aspecto importante es la optimización de los tiempos y espacios de trabajo. El uso de IA, aprendizaje automático y gemelos digitales como hemos comentado, permiten realizar tareas que antes requerían mucho más tiempo y esfuerzo humano. Esto no solo impacta en el proceso de demolición, sino que también en los costes asociados, lo que resulta en un beneficio tanto para las empresas de construcción como para los clientes.
Esos modelos también son clave para la mejora de la gestión y clasificación de residuos. Gracias a técnicas de reciclaje y reutilización de materiales es posible recuperar una parte significativa de los elementos estructurales, como acero, hormigón y madera, que pueden ser reutilizados en nuevos proyectos. Esto no solo contribuye a la sostenibilidad ambiental, sino que también promueve una economía circular en la industria de la construcción, donde los recursos se utilizan de manera más eficiente y responsable.
En TECNALIA combinamos adecuadamente el conocimiento del sector de demolición con nuestra anticipación en el desarrollo de soluciones tecnológicas que permitan una evolución del sector y una mejora en productos y procesos.
*Este artículo se basa en el radar tecnológico elaborado por Sandra Hernando Casas de TECNALIA y Jorge Riobó Iglesias, del Instituto Tecnológico de Aragón (ITA) en el marco del proyecto ECONOVA-MSC.
