Noticias

Crystal plasticity (CP) are well-established models, used, e.g., in scale-bridging applications to obtain microstructure-sensitive mechanical response of polycrystalline materials. These models require a proper consideration of the single crystal deformation mechanisms, a representative description of the microstructure, and an appropriate scheme to connect the microstates with the macroscopic response. FFT-based methods, originally proposed by Moulinec and Suquet for composites and extended to polycrystals (our most recent formulation, including non-local large-strain elasto-viscoplasticity) are attractive due to their higher efficiency compared with CP-Finite Elements, and their direct use of voxelized microstructural images. In this talk, we will report recent progress on FFT-based polycrystal plasticity, with emphasis in novel implementations, including strain-gradient plasticity, achieving geometric accuracy working with voxelized images, non-periodic extensions, and dynamic effects. We will show applications of these methods to: micromechanics of nano-metallic laminates, wave propagation in heterogeneous materials, multiscale coupling with Lagrangian hydrocodes, integration with 3-D characterization methods, and use for training and validation of machine-learning methods.

The numerical simulation of the mechanical behavior of complex materials and systems remains a significant engineering challenge. Despite advances in computer architecture, multiscale modeling and machine learning, most complex simulations of materials use a constitutive model at its core. This talk describes two approaches to learning high-fidelity constitutive models of complex materials. The first approach is based on multiscale modeling where one recognizes that the effective behavior at the scale of applications is determined by physics at multiple length and time scales: electronic, atomistic, domains, defects etc. The data-driven constitutive relation is obtained as a neural approximation that is trained using data generated by repeated solution of the small scale problem. A key innovation is learning approximations that are independent of discretization. The second approach seeks to infer the constitutive reltions from experiments. Even as advances in experimental techniques that enable observations with unprecedented range and resolution have brought about an ever increasing stream of raw data, we remain poor in interpreted quantitative data that can be used to build models. We describe an approach that enables us to extract the underlying information from experimental observation, and to optimally design experiments to minimize the uncertainty in the model.

La monitorización estructural es una actividad fundamental para evaluar la seguridad y funcionalidad de diversas infraestructuras de ingeniería, como puentes, edificios, instalaciones industriales o torres eólicas, entre otras. El envejecimiento, junto con las cargas operativas y la acción de factores ambientales cada vez más exigentes, hacen necesario avanzar hacia modelos de seguimiento más eficientes y accesibles. En los últimos años, la inteligencia artificial, junto con el desarrollo de sensores IoT de bajo coste y plataformas digitales, ha emergido como una herramienta clave para complementar y transformar los enfoques tradicionales de mantenimiento periódico. Esto impulsa un cambio hacia estrategias más proactivas, basadas en el análisis continuo de datos y la detección temprana de anomalías, lo que permite evaluaciones más rápidas, precisas y fiables. En esta charla se abordarán las aplicaciones actuales de la inteligencia artificial en la monitorización y evaluación estructural, así como el papel de las tecnologías emergentes en sensorización y gemelos digitales, junto con sus principales ventajas y desafíos. Además, se presentarán casos reales de aplicación que reflejan los retos y oportunidades profesionales que estos ámbitos tecnológicos abren en la ingeniería moderna, donde existe una creciente demanda de perfiles capaces de integrar conocimiento estructural y de ingeniería civil con nuevas tecnologías y un enfoque innovador.

Formación en reparación, protección y refuerzo de estructuras de hormigón por parte de la empresa MAPEI

Formación en aceros inoxidables por parte de la empresa CEDINOX

La metodología BIM implementada a infraestructuras surge de la necesidad de convertir un flujo de trabajo fragmentado y poco operativo a un único modelo común alojado en la nube. Allplan Bridge es el primer software del mercado que permite generar un diseño 3D paramétrico a partir del cual obtener el modelo analítico, el cálculo e informes acordes a normativas y realizar el armado de toda la infraestructura de manera automática, mientras trabajas de manera colaborativa con el resto de tu equipo y en tiempo real.

La charla aborda el papel del machine learning en la mejora de la resiliencia y la recuperación funcional tras terremotos. Se presentan varios marcos metodológicos: uno probabilístico basado en redes bayesianas para estimar la pérdida funcional en hospitales con aislamiento sísmico; otro de optimización multiobjetivo (NSGA-II) para planificar estrategias de recuperación eficientes en tiempo y coste; y un marco escalable, apoyado en algoritmos supervisados y no supervisados, para evaluar la resiliencia regional de grandes conjuntos urbanos. En conjunto, estos enfoques permiten priorizar recursos y acelerar la restauración de servicios esenciales, demostrando el potencial del aprendizaje automático para fortalecer la continuidad funcional de las infraestructuras urbanas.

Los avances en Identificación Modal Operacional (OMA) e Inteligencia Artificial (IA) están transformando el Structural Health Monitoring (SHM) y la gestión de infraestructuras envejecidas. El reto principal es integrar el conocimiento físico de los modelos estructurales con las metodologías basadas en datos.

En la charla se presentarán aplicaciones que van de la investigación a la industria: detección de daños con OMA y machine learning, validación frente a modelos de elementos finitos y transferencia tecnológica. El objetivo es mostrar cómo la combinación de OMA e IA impulsa un marco integral de SHM para apoyar decisiones desde el nivel estructural hasta redes de infraestructuras críticas.

Rational management of aging bridge infrastructure under natural and anthropogenic hazards requires advanced methodologies that address structural robustness, risk, and resilience—from individual bridges to entire networks. This talk presents recent research developments from the University of Naples Federico II (Italy) on the multi-hazard assessment of existing bridges, combining multi-scale computational simulations with targeted experimental testing. Various approaches to nonlinear modelling (continuous vs. discontinuous, 1D vs. 2D/3D) and response analysis (static vs. dynamic) of bridge structures are explored to capture damage evolution and collapse mechanisms under extreme events such as traffic overloading, pier scour, and localised damage. Results from an extensive experimental programme on bridge girders are discussed, emphasising their role in calibrating and validating numerical models. Case studies on real bridges and portfolios illustrate practical applications and highlight critical challenges in the quantitative assessment of robustness and risk. Outputs from complementary approaches to vulnerability and risk assessment are presented to support the prioritisation of inspections, monitoring, detailed safety evaluations, and retrofit interventions for infrastructure systems exposed to multi-hazard environments.

Formación en aceros inoxidables por parte de la empresa CEDINOX