APLICACIÓN DEL MÉTODO DE OBSERVACIÓN AUTOMATIZADA AL DISEÑO DE CIMENTACIONES

Las incertidumbres en estos proyectos surgen al predecir los asentamientos causados por las operaciones de túneles, la tasa de asentamiento de los terraplenes construidos sobre suelos blandos y los movimientos del suelo que surgen durante la excavación. Por ejemplo, cuando el apoyo a la excavación para un proyecto en un área urbana (Figura 1) se lleva a cabo bajo un contrato de diseño-licitación-construcción, las incertidumbres de la etapa de diseño relacionadas con la predicción de los movimientos del suelo incluyen los procedimientos de construcción y la resistencia y rigidez de los suelos afectados. Cuando se intenta predecir las tasas de asentamientos, por ejemplo, cuando se considera un proceso de construcción de terraplenes por etapas, existen incertidumbres sustanciales en la conductividad hidráulica del campo, así como en la compresibilidad de los suelos afectados. El enfoque observacional permite ajustar un diseño en función del desempeño observado del proceso de construcción real.

El método de observación fue concebido y desarrollado cuando la instrumentación era tosca y la potencia de cálculo mínima. Ambos han avanzado más allá de la imaginación de quienes utilizaron el enfoque cuando se desarrolló por primera vez. Debido a los avances en sensores y tecnología de la información, no es raro que en grandes proyectos de infraestructura se recopilen datos de rendimiento de forma autónoma y se muestren en el sitio web del proyecto para informar a las partes interesadas en tiempo real. Este enfoque permite una rápida difusión de información clave y una mejor toma de decisiones. Al vincular un modelo numérico con el sistema de recopilación de datos, se pueden actualizar las predicciones del desempeño del diseño.

En este enfoque de observación automatizado, también conocido como gestión adaptativa, las observaciones en etapas seleccionadas de la construcción se pueden utilizar para actualizar las predicciones de rendimiento. Un beneficio adicional es que se puede obtener información sobre parámetros clave del suelo in situ para poder compararlos con los utilizados en el diseño. El proceso se ilustra en la Figura 2.

Se realiza una simulación numérica del problema y se almacenan los resultados. Luego, los resultados calculados se comparan con las observaciones de campo y se realiza un análisis de regresión para minimizar una función objetivo de mínimos cuadrados ponderados para cuantificar el ajuste entre los resultados calculados y medidos. El ajuste del modelo se considera una "solución óptima", ya sea cuando los valores de los parámetros cambian menos que una cantidad fraccionaria preestablecida entre iteraciones o cuando las perturbaciones en los parámetros de entrada cambian los valores de la función objetivo en menos de una cantidad fraccionaria preestablecida (por ejemplo, 0,1 por ciento). Las regresiones se repiten hasta alcanzar un ajuste óptimo.

Una verificación importante en el proceso es asegurarse de que el parámetro ajustado esté dentro del rango esperado del parámetro que se está optimizando y que refleje la experiencia pasada. Está más allá del alcance de este artículo brindar una discusión detallada de cada uno de estos componentes, pero a continuación se presentan algunos comentarios abreviados.

En general, los análisis numéricos se han convertido en elementos clave en la caja de herramientas de un ingeniero geotécnico. Ya sea que se trate de elementos finitos, diferencias finitas o un cálculo en una hoja de cálculo, sus usuarios deben asumir un comportamiento particular del suelo y definir los parámetros apropiados necesarios para el diseño. Por ejemplo, es posible que se requieran pruebas de compresión y extensión para desarrollar parámetros constitutivos y de resistencia que sean apropiados para modelar la construcción y secuencia planificadas. Para tener éxito con los enfoques numéricamente más avanzados, es importante comprender las limitaciones de cada método, incluidas cuestiones de implementación puramente numéricas, cuestiones de modelado constitutivo y simulación precisa de un proceso de construcción particular. Si bien la potencia informática continúa aumentando, el conocimiento del comportamiento esfuerzo-deformación del suelo in situ y la comprensión detallada de la relación entre las actividades de construcción y la respuesta del suelo van quedando atrás. Los resultados de la gestión adaptativa pueden proporcionar información cuantitativa a este respecto.

Los datos de seguimiento precisos y oportunos son clave para el éxito de la gestión adaptativa. Actualmente, es posible operar de forma autónoma estaciones totales robóticas para monitorear el desplazamiento de prismas ópticos estratégicamente ubicados, implementar inclinómetros in situ para medir de forma remota los movimientos laterales del suelo con profundidad, monitorear las presiones de agua intersticial con piezómetros de cuerda vibrante, medir deformaciones con medidores montados en estructuras soportes y conectar medidores de inclinación a elementos estructurales para calcular la distorsión angular de una estructura afectada. Además, también se pueden recoger de forma autónoma células de carga sobre anclajes, extensómetros para medir deformaciones verticales del terreno y sensores de nivel de líquidos para asentamientos diferenciales.

Todos estos datos pueden enviarse a una computadora host para su procesamiento, visualización y uso en el proceso de optimización. Es imperativo establecer las precisiones de estos dispositivos, ya que afectan los resultados de optimización a través de la desviación estándar del error de las mediciones encontradas en la función objetivo. Un aspecto importante del seguimiento es que los resultados deben vincularse específicamente a las actividades de construcción en el sitio. Por ejemplo, al evaluar los movimientos del suelo causados por la construcción de un sótano profundo, el análisis numérico generalmente sólo considera los movimientos causados por el alivio de esfuerzos que surgen de la excavación del suelo. A menos que una actividad de construcción se modele explícitamente en el análisis numérico, los movimientos observados causados por dichas actividades se atribuirán implícita e incorrectamente al proceso de excavación.

Está bien establecido que durante la construcción pueden ocurrir movimientos causados por la instalación de muros de soporte y cimientos profundos, mano de obra deficiente y remoción de cimientos existentes. Estas actividades no se modelan fácilmente en una simulación del problema con elementos finitos y, de hecho, ni siquiera son posibles durante la etapa de diseño. A medida que avanza la construcción, estos factores se conocen con una cuidadosa consideración de las actividades en el sitio y las respuestas observadas, y las actividades se pueden modelar de una manera simplificada, si es necesario. En cualquier caso, se deben relacionar las condiciones de construcción con las observaciones mientras se evalúan los resultados del abordaje. Además, si bien los análisis 3D se pueden utilizar para algunos tipos de problemas (por ejemplo, construcción de túneles y terraplenes), la mayoría de los análisis de excavación asumen condiciones 2D. Sin embargo, las condiciones de deformación plana generalmente no existen a lo largo de una excavación, por lo que se deben seleccionar datos que representen momentos en que las condiciones de deformación plana son aplicables.

La optimización es el proceso de encontrar los parámetros que dan como resultado el "mejor ajuste" entre los resultados calculados y observados. En un problema inverso, las características principales de un sistema real se incorporan a un modelo numérico, y algunos de los parámetros de entrada, generalmente parámetros del suelo, se refinan sobre la base de mediciones de campo para que se pueda llevar a cabo un análisis de esfuerzo y deformación más preciso. con los parámetros refinados. Un método de solución de gradiente es apropiado para encontrar el "mejor ajuste" cuando solo se optimizan unos pocos parámetros. La clave para la eficacia del método es seleccionar un modelo que capture los aspectos importantes de la respuesta del suelo, así como identificar los parámetros que se van a optimizar.

Este proceso, por supuesto, depende del problema. Muchas veces, la optimización se reduce a identificar parámetros de deformación asociados a un estrato de suelo problemático. Los análisis inversos se pueden lograr acoplando un paquete estadístico, como la caja de herramientas de optimización en MATLAB, con un código de elementos finitos, como se indica en la Figura 3. Se puede escribir un programa en PYTHON para transferir datos entre el código de elementos finitos y MATLAB. de modo que las iteraciones entre el código de elementos finitos y la optimización se realicen automáticamente sin intervención del operador hasta que se obtenga un resultado convergente. Se puede encontrar orientación sobre la selección inicial de los parámetros a optimizar en los valores de Sensibilidad escalada compuesta y el Coeficiente de correlación de parámetros, estadísticas relacionadas con la optimización para un conjunto particular de observaciones de campo. La importancia relativa de los parámetros del modelo que se estiman simultáneamente se puede definir utilizando el CSS. Los valores de PCC indican si es probable que los valores de los parámetros estimados sean únicos y si los parámetros pueden optimizarse al mismo tiempo.

La construcción del Centro de Investigación Biomédica Louis A. Simpson y Kimberly K. Querry de 14 pisos, conocido localmente como SQBRC en el campus de Northwestern y para los lugareños en Chicago, incluyó un corte de 13 a 18 m de profundidad para dos niveles de sótano. Las condiciones del subsuelo y los movimientos laterales típicos del sistema de soporte se muestran en la Figura 4. Durante las fases de licitación y diseño del proyecto, el diseñador, Hayward Baker, Inc., reconoció los riesgos asociados con posibles movimientos excesivos del suelo que se desarrollan durante la excavación. HBI optó por utilizar el método de observación mejorado por la gestión adaptativa durante la excavación para monitorear el desempeño del sistema de soporte y usar medidas planificadas previamente si el movimiento excedía los umbrales. La empresa empleó un sistema de monitoreo autónomo con resultados mostrados en tiempo real en el sitio web del proyecto, lo que permitió a los diseñadores y contratistas reaccionar rápidamente y con conocimiento de causa. A medida que avanzaba el proyecto, se incorporó al sistema un circuito de retroalimentación de observación casi en tiempo real y predicciones actualizadas de los movimientos del suelo.

Un componente clave del sistema de monitoreo fueron los Shape Acceleration Arrays colocados junto a las paredes de Tablestacas para medir los movimientos laterales que se desarrollaron debajo del nivel del suelo. La principal incertidumbre anticipada durante el diseño fueron los movimientos incrementales del suelo durante la excavación de la Etapa 3 a la Etapa 5 (Figura 4). Esta etapa de excavación relativamente grande fue el punto en el que la excavación comenzó a estresar significativamente las arcillas blandas a medianas. La Figura 4 también ilustra las respuestas observadas durante la excavación al mostrar los movimientos laterales que se desarrollaron durante la construcción en una de las SAA. Como se anticipó, los movimientos incrementales más grandes ocurrieron cuando la excavación descendió del nivel de la Etapa 3 al nivel de la Etapa 5. Para gestionar la incertidumbre asociada con la magnitud final de estos movimientos, el diseño requería que la excavación durante esta etapa avanzara en dos pasos iguales. Si el movimiento era demasiado grande después del primer paso, el contrato preveía la activación automática de un soporte alternativo que consistía en guías internas y puntales transversales al nivel indicado en la figura. Afortunadamente, estos movimientos incrementales estuvieron dentro de las expectativas de diseño, por lo que no fue necesario soporte adicional. Como resultado, la construcción no se retrasó mientras se tomaban decisiones debido a la automatización.

Otra incertidumbre fue que los movimientos medidos al final de la excavación serían los previstos en la etapa de diseño porque esta incertidumbre podría reducirse antes del final de la excavación utilizando los resultados de los análisis inversos realizados cuando el nivel excavado estaba en la Etapa 5. Para los resultados Como se muestra en este documento, se utilizó el modelo de suelo endurecido con rigidez de deformación pequeña para representar el comportamiento esfuerzo-deformación de capas de arcilla media y rígida. Los parámetros iniciales se basaron en estudios previos de análisis inverso que se han llevado a cabo para excavaciones en suelos del área de Chicago. Con base en los valores de las sensibilidades escaladas compuestas y los coeficientes de correlación, se seleccionaron un parámetro de deformación grande y uno de deformación pequeña para la optimización para cada uno de los estratos de arcilla rígidos y blandos a medianos. El parámetro de rigidez de carga primaria, E50 ref, y el parámetro γ0.7, el nivel de deformación por corte en el que el módulo de corte secante se redujo al 70 por ciento de su valor inicial, se optimizaron para las arcillas medias y rígidas. Se optimizaron indirectamente dos parámetros de rigidez adicionales para ambas capas, Eoed ref y Eur ref.

Los resultados del proceso de optimización se muestran en la Figura 5. Los datos del SAA-1, el SAA ubicado en el medio de la pared norte de la excavación, de las Etapas 3 y 5 formaron las observaciones para los análisis inversos en este caso. El ajuste basado en estos parámetros optimizados se muestra en el lado izquierdo de la Figura 5. Como se esperaba, se obtuvo un ajuste muy bueno. Las deformaciones pronosticadas en la Etapa 7 (es decir, el fondo de la excavación), basadas en los parámetros optimizados de las Etapas 3 y 5, se comparan en el lado derecho de la Figura 5 con las mediciones observadas en la Etapa 7. Estos movimientos pronosticados concuerdan bien con los valores observados y estaban dentro de los límites permitidos de 50 mm. Otro beneficio del sistema automatizado fue la capacidad de ayudar a identificar rápidamente la causa de los movimientos inesperados observados en uno de los SAA. Un movimiento hacia la excavación de 7 mm ocurrió en un momento en que no había excavación en curso mientras la excavación permanecía en el nivel de la Etapa 3. Debido a que este movimiento ocurrió antes del período crítico de excavación, era importante identificar la causa del movimiento antes de tomar una decisión sobre el nivel adicional de soporte.

Durante este tiempo se estuvieron instalando micropilotes que sustentan una plataforma de trabajo de concreto armado. El SAA en particular estaba ubicado cerca de uno de los micropilotes y el movimiento se desarrolló mientras se instalaba ese micropilote. Todos los demás datos de SAA de instrumentos ubicados a mayores distancias de cualquier micropilote no respondieron a las instalaciones de micropilotes. Este fenómeno fue localizado y no afectó la respuesta general del terreno a la excavación.

Para que el análisis inverso sea viable, las observaciones de campo deben ser confiables, precisas y obtenidas de manera oportuna, y el modelo constitutivo debe tener la capacidad de replicar el comportamiento observado. Tenga en cuenta que cualquier incertidumbre causada por el desconocimiento de los procedimientos de construcción cuando se desarrolla un diseño ya no se aplica porque el proceso se conocerá en el momento de la actualización.

Una cuestión clave es seleccionar el modelo de suelo que se utilizará en el esquema de optimización al realizar una actualización. Es importante determinar rápidamente cómo un proceso de construcción particular afecta el suelo y los materiales rocosos porque la precisión de las actualizaciones depende de los movimientos medidos durante las primeras etapas de la construcción, cuando las deformaciones y los niveles de deformación por corte son pequeños. Luego, el modelo constitutivo debe incluir esta característica de comportamiento, o el parámetro optimizado cambiará hasta que las deformaciones sean lo suficientemente grandes como para que una mayor degradación se represente con precisión en el modelo.

Si el objetivo es obtener predicciones de rendimiento razonables durante la construcción, el modelo constitutivo utilizado en los análisis para representar el comportamiento del suelo en los estratos críticos del suelo debe representar el comportamiento en todos los niveles de deformación esperados.

Como fue el caso del ejemplo de SQBRC, cuando se aplica el método a excavaciones profundas donde limitar los movimientos inducidos por la excavación es una cuestión de diseño importante, entonces es apropiado un modelo que represente explícitamente deformaciones desde muy pequeñas hasta relativamente grandes. Alternativamente, cuando se consideran terraplenes construidos sobre terreno blando, la capacidad de rigidez a pequeñas deformaciones no será necesaria debido a las grandes deformaciones esperadas en los estratos blandos.

Las capacidades actuales del método de gestión adaptativa incluyen simulaciones de trenes planos y actualizaciones de rendimiento casi en tiempo real. Por ejemplo, las predicciones actualizadas de los movimientos de las paredes de soporte estuvieron disponibles seis horas después de que las lecturas del inclinómetro in situ se transmitieran al sitio web del proyecto SQBRC. Otro beneficio importante del método es que los parámetros optimizados derivados de un proyecto pueden proporcionar un punto de partida, ajustado a los datos específicos del sitio, para un proyecto similar en la misma geología. Mientras que los modelos de suelo más complicados implican más parámetros o más suposiciones sobre el comportamiento del suelo, el resultado estadístico del proceso de optimización proporciona información sobre qué parámetros tienen el mayor impacto en la solución. Por lo tanto, otros parámetros necesarios en el modelo son menos importantes y pueden identificarse mediante resultados experimentales o experiencia con suficiente precisión para un problema particular.

La gestión adaptativa mediante análisis inverso es una extensión avanzada del método de observación adoptado por Terzaghi y Peck que aprovecha las grandes mejoras en el seguimiento, la tecnología de la información y la potencia informática. Debido a que la construcción y el desempeño de proyectos geotécnicos están tan interrelacionados, el método obliga al diseñador a considerar explícitamente esta relación durante la etapa de diseño, minimizando así el potencial de sorpresas inesperadas durante la construcción. Un subproducto importante del método es la identificación de parámetros de suelo in situ para los estratos de suelo importantes afectados por la instalación construida y, como tal, tabular dichos parámetros para un estrato geológico particular, lo que puede dar como resultado una base de datos de parámetros que representan ese Respuesta in situ de los estratos basada en el rendimiento a gran escala.