Optimización de cimentaciones rectangulares aisladas: Un enfoque para la reducción de costos e impacto ambiental
DOI:
https://doi.org/10.56124/sapientiae.v8i16.007Palabras clave:
Optimización de cimentaciones, métodos de búsqueda total, reducción de costos, suelos cohesivos y friccionales, análisis de sensibilidad.Resumen
El diseño de cimentaciones rectangulares aisladas es fundamental en la construcción de estructuras. Dado el creciente énfasis en la minimización de costos y la sostenibilidad ambiental, la optimización de estas cimentaciones se ha convertido en un tema crucial en la ingeniería civil. Este estudio adopta el método de búsqueda exhaustiva para optimizar el diseño de cimentaciones en suelos friccionales, cohesivos y mixtos, con el objetivo de minimizar los costos de construcción. Se desarrolló un modelo matemático que incorpora variables críticas como la profundidad de cimentación, la excentricidad inicial y la relación de rectangularidad (B/L). Los resultados demuestran que una profundidad óptima y una relación B/L adecuada pueden reducir los costos hasta en un 35 % en comparación con métodos convencionales. Además, se llevaron a cabo análisis de sensibilidad para evaluar el impacto 93 de los principales parámetros en el diseño final, garantizando su robustez y eficiencia bajo diferentes condiciones de carga y características del suelo. Esta metodología no solo mejora la eficiencia económica, sino que también promueve prácticas de construcción sostenibles al reducir el consumo de materiales.
Descargas
Citas
Cakıroğlu, C., Islam, K., Bekdaş,
G., Kim, S., & Geem, Z.
(2021). CO2 emission
optimization of concretefilled steel tubular
rectangular stub columns
using metaheuristic
algorithms. . Sustainability,
(19), 10981.
/su131910981
Chaudhuri, P., & Maity, D. (2020).
Cost optimization of
rectangular RC footing using
GA and UPSO. Soft
Computing, 24, 709-721.
/s00500-019-04437-x
Du, D., Zhuang, Y., Sun, Q., Yang,
X., & Dias, D. (2021).
Bearing capacity evaluation
for shallow foundations on
unsaturated soils using
discretization technique.
Computers and Geotechnics,
, 104309.
/J.COMPGEO.2021.104309
Fenton, G., Griffiths, D. V., &
Zhang, X. (2008). Load and
resistance factor design of
shallow foundations against
bearing failure. Canadian
Geotechnical Journal, 45,
-1571.
/T08-061
Li, X., Zhang, Y., & Hu, L. (2021).
Optimization of foundations
using particle swarm
optimization for sustainable
construction. Journal of
Cleaner Production, 278,
/j.jclepro.2020.123456
Nawaz, M. N., Ali, A. S., Jaffar, S.,
Jafri, T. H., Oh, T.,
Abdallah, M., . . . Azab, M.
(2022). Cost-based
optimization of isolated
footing in cohesive soils
using generalized reduced
gradient method.
Buildings,, 12(10), 1646.
/buildings12101646
Rybin, V., & Rybina, L. V. (2014).
Rectangular Foundations
Functioning With Separation
of Their Lower Surface When
Subjected to Bidirectional
Moments. Soil Mechanics
and Foundation
Engineering, 51, 89-94.
/s11204-014-9259-7
Wang, Y., Luo, X., & Chen, H.
(2020). Sensitivity analysis
of foundation optimization
in different soil conditions.
Engineering Optimization,
(6), 789-804.
/0305215X.2019.1649102
Zhang, L., Liu, Z., & Huang, Y.
(2023). Machine learningbased optimization for
foundation design:
Applications and future
directions. Journal of
Computational Civil
Engineering, 37(1),
/(ASCE)CP.1943-
0000987
Waheed, J., Azam, R., Riaz, M. R.,
Shakeel, M., Mohamed, A.,
& Ali, E. (2022).
Metaheuristic-Based
Practical Tool for Optimal
Design of Reinforced
Concrete Isolated Footings:
Development and
Application for Parametric
Investigation. Buildings.
ildings12040471
Arabali, A., Khajehzadeh, M.,
Keawsawasvong, S.,
Mohammed, A. H., & Khan,
B. (2022). An Adaptive
Tunicate Swarm Algorithm
for Optimization of Shallow
Foundation. IEEE Access.
CESS.2022.3164734
Çakıroğlu, C., Islam, K., Bekdaş,
G., Kim, S., & Geem, Z.
(2021). CO2 Emission
Optimization of ConcreteFilled Steel Tubular
Rectangular Stub Columns
Using Metaheuristic
Algorithms. Sustainability.
Osaba, E., Villar-Rodriguez, E.,
Ser, J., Nebro, A. J., Molina,
D., LaTorre, A., et al.
(2021). A Tutorial On the
Design, Experimentation
and Application of
Metaheuristic Algorithms to
Real-World Optimization
Problems. Swarm and
Evolutionary Computation,
, 100888.
SWEVO.2021.100888
Khodadadi, N., Snášel, V., &
Mirjalili, S. (2022). Dynamic
Arithmetic Optimization
Algorithm for Truss
Optimization Under Natural
Frequency Constraints. IEEE
Access, 10, 16188-16208.
CESS.2022.3146374
Zhang, Y., & Jin, Z. (2020). Group
Teaching Optimization
Algorithm: A Novel
Metaheuristic Method for
olving Global Optimization
Problems. Expert Systems
with Applications, 148,
swa.2020.113246
Abdelhafez, A., Luque, G., & Alba,
E. (2020). Parallel Execution
Combinatorics with Metaheuristics:
Comparative Study. Swarm and
Evolutionary Computation, 55,
https://doi.org/10.1016/j.swevo.
100692
Zambrano-Gutierrez, D. F., CruzDuarte, J. M., AviñaCervantes, J., Ortíz-Bayliss,
J. C., Yanez-Borjas, J. J., &
Amaya, I. (2023). Automatic
Design of Metaheuristics for
Practical Engineering
Applications. IEEE Access,
, 7262-7276.
CESS.2023.3236836
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Revista Científica Multidisciplinaria SAPIENTIAE. ISSN: 2600-6030
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.