DeepIsolationNet - Sistema de IA para la inspección y monitoreo eficiente de aisladores sísmicos para una infraestructura civil resiliente

Muchos edificios importantes en el Perú se vienen construyendo con sistemas de aislamiento sísmico, dispositivos que buscan proteger de daños a los edificios. Sin embargo, un gran número de edificios cuentan ya con más de 10 años de operación y han sido sometidos a sismos moderados. Por tanto, es probable tener un deterioro en los dispositivos de aislamiento. Este posible deterioro puede comprometer la seguridad de edificios y su contenido. Actualmente, no existe un método práctico, escalable, y eficiente para la inspección rutinaria y el monitoreo del deterioro en aisladores sísmicos. La inspección tradicional de estructuras se basa en revisiones visuales y medidas in situ, las cuales requieren de personal y equipos, y demandan gran cantidad de tiempo. Por tanto, es inviable el realizar una inspección rutinaria a cada uno de estos dispositivos existentes en el país con métodos tradicionales. Hipótesis: Las señales de vibraciones ambientales y de acelerómetros de monitoreo sísmico albergarían información relevante del estado de deterioro de aisladores que puede ser extraída automáticamente empleando modelos de redes neuronales. La metodología a utilizar es cuantitativa y experimental porque se diseñarán diversos escenarios para la generación de datos para predicciones futuras de los estados de deterioro de aisladores con diferentes variables. Los datos recolectados servirán para el desarrollo de modelos predictivos empleando estrategias de Aprendizaje Profundo. El proyecto propone establecer un sistema práctico y escalable para la inspección, evaluación, y monitoreo de la condición de sistemas de aislamiento sísmico de estructuras críticas, basándose en la integración de ensayos no destructivos, instrumentación, simulación computacional, e Inteligencia Artificial. Los objetivos específicos son: Desarrollar y curar una base de datos de señales de vibración ambiental en aisladores sísmicos en operación y durante sismos severos; Desarrollar y validar un modelo predictivo basado en Aprendizaje Profundo para la detección del estado de deterioro de aisladores sísmicos en operación cotidiana de edificios; Desarrollar y validar un modelo predictivo basado en Aprendizaje Profundo para la estimación del daño de edificios aislados sujetos a eventos severos; y Diseñar y validar un software que integre las soluciones planteadas para el testeo general del sistema, utilizando mediciones de estructuras a escala real. Se espera como resultado el desarrollo de un sistema automatizado para la inspección y diagnóstico del estado de deterioro de estructuras con aislamiento sísmico en operación cotidiana, lo cual permitirá reducir significativamente los tiempos de evaluación y aumentar la frecuencia del monitoreo. Este sistema integrará tecnologías basadas en aprendizaje profundo aplicadas al análisis de señales de vibración, promoviendo una inspección más precisa y objetiva de los dispositivos de aislamiento sísmico. El proyecto contribuirá a mejorar la toma de decisiones en la gestión del mantenimiento y la operación de infraestructuras existentes, fortaleciendo su resiliencia sísmica. El proyecto generará un impacto multidimensional al incorporar metodologías innovadoras basadas en aprendizaje profundo para el diagnóstico automatizado de dispositivos de aislamiento sísmico, mejorando la precisión y eficiencia en la detección de daños. Contribuirá a la seguridad estructural, especialmente en infraestructuras críticas como hospitales, optimizará recursos al prevenir fallas costosas y proteger inversiones públicas, y abrirá oportunidades de comercialización para el sector de ingeniería y monitoreo estructural. Además, fortalecerá el desarrollo industrial, impulsará la transferencia tecnológica y apoyará el avance del marco técnico y normativo en resiliencia sísmica a nivel internacional.