Monitorización estructural (SHM): cómo pasar del modelo teórico al dato en tiempo real – gutec

Introducción

La monitorización de la salud estructural (SHM, por sus siglas en inglés) ha pasado de ser un proyecto de I+D a una práctica operativa que respalda decisiones de negocio en tiempo real. En sectores como infraestructura civil, energía, industria y edificación compleja, el reto ya no es solo simular o medir, sino integrar modelos teóricos con datos operativos confiables, sincronizados y accionables. Lograrlo exige un flujo de valor que una modelado (FEM/BIM), sensorización, adquisición de datos, sincronización temporal, edge computing, comunicaciones robustas, analítica con control de calidad y un gemelo digital que cierre el ciclo entre predicción y realidad. La promesa es clara: reducir incertidumbre, priorizar intervenciones y extender la vida útil con seguridad y eficiencia económica medible.

Este documento detalla cómo pasar del modelo teórico al dato en tiempo real de forma rigurosa y escalable, con criterios de ingeniería y gobierno del dato. Nos centraremos en objetivos de negocio (disponibilidad, fiabilidad, reducción de costes de mantenimiento, mitigación de riesgos y cumplimiento normativo) y en prácticas operativas (estandarización, QA/QC, seguridad, interoperabilidad) que facilitan la adopción. Además, se incluyen tablas de indicadores, procedimientos, checklists y plantillas para acelerar la implementación.

El enfoque se orienta a resultados: desde la definición de hipótesis estructurales, selección de sensores y puntos de control, hasta el despliegue de arquitectura edge-cloud y analítica de valor (detección de daño, identificación modal operativa, análisis de fatiga, evaluación de deterioro, alarmas y desencadenadores de intervención). El objetivo no es “tener datos”, sino transformar esos datos en decisiones confiables y trazables, con métricas de rendimiento (KPI) alineadas al riesgo y al coste del ciclo de vida del activo.

Visión, valores y propuesta

Enfoque en resultados y medición

La visión de un programa SHM eficaz es converger tres mundos: el de la teoría (modelos y normativa), el de la sensorización (medida y adquisición) y el de la operación (decisiones y valor). La misión es garantizar que cada medición esté trazada a una hipótesis estructural, con incertidumbre cuantificada y calidad verificada, y que cada alerta derive en una acción priorizada por impacto en riesgo, disponibilidad y coste. Nuestros principios: ingeniería primero, datos con propósito, ciberseguridad desde el diseño y automatización basada en estándares. Las métricas clave (KPI) deben alinearse a objetivos de negocio: disponibilidad del sistema de datos ≥99,5%, integridad del dato ≥99,9%, latencia de eventos críticos <5 s, falsos positivos de alarma (FAR) <1%, error relativo en frecuencias naturales <5%, reducción de costes de inspección en campo 20–40% sin pérdida de seguridad, y aumento de la vida útil remanente fundamentado y auditable.

En un despliegue SHM maduro, la medición no es un fin en sí mismo: se vincula a indicadores de condición, a escenarios de carga y a criterios de diseño y evaluación (Eurocódigos, bases de cálculo y evaluaciones en servicio). La propuesta es pragmática: un marco por fases, con hitos medibles, que permite crear valor desde un piloto centrado en un componente crítico hasta una plataforma corporativa que soporte múltiples activos. La medición se concibe como parte de un sistema vivo: se revisa el mapa de riesgos, se recalibran modelos con datos, se ajustan umbrales con aprendizaje continuo y se documentan las decisiones con trazabilidad.

La medición del éxito combina métricas técnicas y de negocio. Técnicas: RMS de residuales entre modelo y respuesta, cobertura de canales y tasa de paquetes, deriva de calibración, sincronización temporal (PTP/NTP) y robustez ante ruido y condiciones ambientales. De negocio: reducción de cierres no programados, priorización de CAPEX por criticidad, tiempo medio de diagnóstico (MTTD), tiempo medio de respuesta (MTTR), variación del índice de disponibilidad operacional (AI), y mejora del NPS de los stakeholders técnicos (propietarios, operadores, aseguradoras y reguladores).

• Arquitectura basada en hipótesis: cada sensor y canal responde a una hipótesis de comportamiento estructural, con criterio de aceptación y plan de QA/QC asociado.
• Métricas y umbrales verificables: KPI técnico-operativos definidos desde el inicio, con alarmas jerárquicas (informativas, advertencia, críticas) y evidencias para auditoría.
• Estandarización e interoperabilidad: protocolos abiertos, catálogos de variables, taxonomías y modelos de datos consistentes que faciliten escalabilidad y mantenimiento.

Servicios, perfiles y rendimiento

Portafolio y perfiles profesionales

Para pasar del modelo teórico al dato en tiempo real, se requiere un portafolio orquestado de servicios y perfiles. Servicios clave: ingeniería de modelado (FEM/BIM), análisis de modos operativos (OMA), diseño de red sensórica (acelerómetros, inclinómetros, extensometría, fibra óptica distribuida, GNSS, termometría, anemometría), adquisición y sincronización (DAQ, PTP), edge computing (filtrado, fusión, compresión sin pérdidas, detección de eventos), comunicaciones y ciberseguridad (VPN, TLS, segmentación), dataops (ETL/ELT, catalogación, control de versiones, calidad), analítica (detección de daño, trending, pronóstico de deterioro), visualización y gemelo digital, operación 24/7 (observabilidad, SRE) y gobernanza (políticas, cumplimiento, auditoría).

Perfiles esenciales: ingeniero/a estructural con experiencia en diagnóstico, especialista en vibraciones y dinámica, ingeniero/a de instrumentación y medidas, arquitecto/a de datos y de soluciones IoT, desarrollador/a de analítica científica, ingeniero/a de ciberseguridad OT/IT, SRE/DevOps para observabilidad y resiliencia, técnico/a de campo con certificación en trabajo en altura y acceso a espacios confinados, y un gestor/a de proyecto con enfoque en valor y riesgos. El rendimiento se asegura combinando SLAs técnicos (disponibilidad de plataforma, recuperación ante fallos, tiempos de respuesta) con OKR estratégicos (madurez de modelos, cobertura de variables críticas, reducción de incertidumbre y valor generado).

Proceso operativo

1. Definición de hipótesis y KPI: traducir requerimientos de integridad y seguridad a hipótesis medibles; seleccionar KPI técnicos y de negocio y sus umbrales iniciales.
2. Diseño sensórico y de red: escoger tecnologías, rangos, precisiones y ubicaciones óptimas con base en el modelo y el análisis modal; plan de sincronización temporal y alimentación.
3. Arquitectura de datos y edge: definir pipelines, almacenamiento, cómputo en borde, formatos (parquet, OPC UA, MQTT), políticas de calidad y ciberseguridad desde el diseño.
4. Despliegue y comisionado: instalación, calibración, pruebas integrales (pérdida de paquetes, PTP, latencia), y validación de hipótesis con pruebas de carga/ambientales.
5. Analítica y gemelo digital: identificación modal y actualización del modelo, detección de daño, trending, pronóstico y tableros de decisión con trazabilidad y versionado.
6. Operación 24/7 y mejora continua: monitorización de SLAs/SLIs, mantenimiento preventivo, recalibración por estación, ajuste de umbrales, retraining de modelos analíticos.
7. Informe y gobierno: reportes ejecutivos y técnicos, auditoría de decisiones, gestión documental, lecciones aprendidas y roadmap de escalado.

Cuadros y ejemplos

Representación, campañas y/o producción

Desarrollo profesional y gestión

“Producción” en SHM significa ejecutar un despliegue seguro y repetible que convierta hipótesis en flujos de datos confiables. El proceso de gestión comienza con el “scouting” de riesgos del activo: componentes críticos (apoyos, tirantes, uniones, conexiones, soldaduras, secciones con corrosión potencial), modos relevantes y fuentes de excitación. A partir de ahí se construye un plan de instrumentación con trazabilidad: cada sensor se justifica por su sensibilidad a modos o degradaciones específicas, con rangos y precisiones dimensionados. En negociación se acuerdan KPI y SLAs (disponibilidad, latencia, cobertura, mantenimiento) y se define un cronograma de comisionado. La producción incluye logística de campo, certificaciones, permisos, izado, pruebas de seguridad eléctrica, aislamiento, y ensayos de aceptación. La operación posterior incorpora observabilidad y soporte continuo, con acuerdos de actualización del modelo y reportes periciales ante eventos.

Un despliegue de campañas de medición puede ser continuo (permanente) o episódico (pruebas cuando se requiere). En ambos casos, la gestión del dato es central: sincronización temporal de precisión, codificación consistente de variables, calibraciones documentadas, gestión de versiones de firmware y software, y controles de acceso. La trazabilidad se conserva con registros automáticos de comisionado y bitácoras de configuración. La calidad de una campaña no se mide por la cantidad de canales, sino por la capacidad de discriminar estados y apoyar decisiones con confianza estadística y criterios ingenieriles claros.

• Checklist 1: seguridad y permisos de trabajo, equipos verificados, planes de rescate, protecciones y aislamiento; ensayos de continuidad y puesta a tierra.
• Checklist 2: verificación de referencia temporal (PTP/NTP), latencia de red, pérdida de paquetes, calibración con patrones trazables, pruebas de ruido y deriva térmica.
• Checklist 3: pruebas funcionales end-to-end (sensor→edge→broker→lago→analítica→alerta→tablero), documentación y firma de aceptación operativa.

Contenido y/o medios que convierten

Mensajes, formatos y conversiones

La comunicación efectiva del valor de SHM se basa en mensajes que traduzcan ingeniería en impacto económico y de riesgo. Los formatos que mejor convierten incluyen minicasos con KPI (disponibilidad, reducción de inspecciones, detección temprana), demostraciones en vivo del gemelo digital y comparativas “antes/después” de decisiones basadas en datos. Los hooks deben centrar la conversación en el coste de la incertidumbre y el valor de reducirla: cuánto cuesta cerrar un activo por precaución, cuánto CAPEX se ahorra al postergar una intervención con evidencia robusta, cuánto se reduce el riesgo operativo o reputacional con alertas de baja tasa de falsos positivos. Los CTA efectivos ofrecen piloto rápido, auditoría de oportunidad o evaluación de madurez. Las variantes A/B pueden testear el énfasis (seguridad vs. ahorro), la profundidad técnica y el foco sectorial (puentes, eólicos, industrial, edificación).

Workflow de producción

1. Brief creativo: objetivo de negocio, público técnico y decisor, métricas de éxito y evidencia específica a mostrar.
2. Guion modular: estructura en problemas, hipótesis, medición, resultados y decisiones; versiones corta, técnica y ejecutiva.
3. Grabación/ejecución: capturas del activo, paneles reales, testimonios técnicos, protocolos y procedimientos de calidad.
4. Edición/optimización: destacar KPI, clarificar gráficos y asegurar consistencia terminológica con normas y prácticas.
5. QA y versiones: revisión técnica, legal y de marca; variantes por sector y por etapa del ciclo de compra.

Formación y empleabilidad

Catálogo orientado a la demanda

• SHM Fundamentals: de la teoría al dato, con análisis modal, selección de sensores, QA/QC y gemelo digital.
• Arquitecturas SHM: edge computing, comunicaciones industriales, sincronización, ciberseguridad y observabilidad.
• Analítica de condición: OMA, detección de daño, trending multivariante, pronóstico y aprendizaje automático responsable.
• Gobierno del dato y cumplimiento: estándares, taxonomías, trazabilidad, auditoría y gestión de riesgos.

Metodología

La formación combina módulos teóricos con prácticas sobre casos reales, laboratorios de instrumentación y ejercicios de puesta en marcha. Las evaluaciones incluyen pruebas de diseño de red sensórica, configuración de pipelines, análisis modal y configuración de alarmas. Se promueve feedback continuo y tutorías técnicas, con acceso a una bolsa de trabajo especializada en infraestructura crítica y digitalización industrial. Los proyectos finales integran un piloto de SHM con criterios de éxito definidos, evidencias de calidad y presentación ejecutiva orientada a ROI y riesgo.

Modalidades

• Presencial/online/híbrida: flexibilidad para equipos técnicos y directivos, con sesiones hands-on en laboratorio.
• Grupos/tutorías: grupos reducidos y tutorías 1:1 para resolver retos específicos de cada organización.
• Calendarios e incorporación: convocatorias trimestrales y acceso continuo a la biblioteca de recursos y plantillas.

Procesos operativos y estándares de calidad

De la solicitud a la ejecución

1. Diagnóstico: evaluación del activo, modos críticos, riesgos y oportunidades; revisión de información disponible y brechas.
2. Propuesta: alcance por fases, diseño sensórico y de arquitectura, KPI, SLAs, cronograma y presupuesto basado en valor.
3. Preproducción: ingeniería de detalle, logística, permisos, plan de seguridad, configuración de dispositivos y pruebas FAT/SAT.
4. Ejecución: instalación, comisionado, pruebas end-to-end, aceptación operativa y baseline con condiciones representativas.
5. Cierre y mejora continua: documentación, handover, plan de operación, revisiones periódicas, lecciones aprendidas y roadmap.

Control de calidad

• Checklists por servicio: instalación, calibración, conectividad, sincronización, integridad del dato y verificación de analítica.
• Roles y escalado: responsabilidades claras, canales de soporte, gestión de incidentes y continuidad de negocio.
• Indicadores (conversión, NPS, alcance): además de KPI técnicos, seguimiento de adopción, satisfacción y valor percibido por stakeholders.

Casos y escenarios de aplicación

Puente atirantado con tráfico intenso

Objetivo: identificar cambios en frecuencias y modos principales debidos a fatiga y tensiones térmicas. Diseño: acelerometría en tablero y pilonos, inclinometría en apoyos, extensometría en tirantes y termometría para desacoplar efectos ambientales. KPI: disponibilidad de datos ≥99,7%, error en identificación modal ≤3%, FAR ≤1%. Resultado: detección temprana de variación del 2,1% en frecuencia del primer modo torsional, correlacionada con temperatura y patrones de tráfico; ajuste de umbrales y recomendación de inspección específica con endoscopia. Impacto: reducción del 35% en inspecciones generalistas y eliminación de cierre preventivo, con ahorro anual estimado del 0,6% del valor del activo.

Parque eólico en costa

Objetivo: cuantificar respuesta dinámica de torres bajo ráfagas y oleaje, con pronóstico de fatiga y priorización de mantenimiento. Diseño: sensores MEMS de alta fidelidad en góndola y torre, Strain en zonas de soldadura crítica, data fusion con SCADA y anemometría. KPI: latencia <2 s para alarmas de ráfaga, cobertura de eventos 99,5%, RMSE de pronóstico de daño acumulado <10%. Resultado: modelo de pronóstico mejorado con reducción de desviación en 12%, ajuste de programaciones de mantenimiento y disminución de paradas no planificadas en 18%. ROI: retorno a 14 meses por optimización de logística y repuestos.

Edificio con estructuración mixta y ocupación variable

Objetivo: verificar desempeño en servicio y confort, con atención a vibraciones en forjados y desplazamientos en eventos. Diseño: sensorización discreta en plantas críticas, GNSS de alta precisión en coronación, fusión con BMS para cargas de ocupación. KPI: confort (ISO de vibraciones), disponibilidad ≥99,5%, tiempo de diagnóstico <15 min ante evento. Resultado: correlación de picos con eventos de ocupación y microclima, recomendaciones de gestión de flujos y ajuste de amortiguación secundaria. Beneficio: reducción de quejas, mejora de satisfacción de inquilinos y reducción de intervenciones reactivas.

Guías paso a paso y plantillas

Plantilla de hipótesis y diseño sensórico

• Definir hipótesis estructural: modos objetivo, zonas críticas, variables y sensibilidad requerida.
• Seleccionar sensores y rangos: precisión, ruido, temperatura, IP, EMC y consideraciones de montaje.
• Mapear ubicaciones: justificación ingenieril, accesibilidad, mantenimiento y seguridad operativa.

Checklist de comisionado y QA/QC

• Sincronización temporal validada (PTP/NTP), PPS si aplica, y auditoría de desfases entre canales.
• Ensayo de extremo a extremo: inyección de señal/conmoción, verificación de latencia, pérdida de paquetes y persistencia correcta.
• Baseline de condiciones: registro de referencia con condiciones térmicas/vibratorias y firma de aceptación.

Guión o checklist adicional

• Gobierno del dato: catálogos, taxonomías, metadatos, control de versiones y políticas de acceso.
• Ciberseguridad: segmentación de red, hardening, gestión de llaves/certificados, actualización segura.
• Operación y mantenimiento: plan de recalibración, inspecciones visuales, rotación de equipos y pruebas de recuperación.

Recursos internos y externos (sin enlaces)

Recursos internos

• Catálogos/guías/plantillas: diseño sensórico, QA/QC, arquitectura edge-cloud, catálogos de variables y modelos de datos.
• Estándares de marca y guiones: demos técnicas, casos con KPI, procedimientos y scripts de pruebas.
• Comunidad/bolsa de trabajo: perfiles técnicos, foros de dudas, repositorio de buenas prácticas y lecciones aprendidas.

Recursos externos de referencia

• Buenas prácticas y manuales: guías de inspección y SHM, identificación modal operativa y mantenimiento basado en condición.
• Normativas/criterios técnicos: bases de diseño, evaluación de estructuras existentes y estándares de interoperabilidad.
• Indicadores de evaluación: métricas de disponibilidad, integridad, latencia, precisión modal, FAR y ROI operativo.

Preguntas frecuentes

¿Cómo defino cuántos sensores necesito y dónde colocarlos?

Empiece por la hipótesis: qué modo o degradación desea detectar. Use el modelo (FEM/BIM) para ubicar sensores en zonas de máxima sensibilidad y observabilidad del modo. Dimensione rangos, precisiones y direccionabilidad. Valide con análisis modal y una prueba de campo. Menos canales bien ubicados y calibrados suelen rendir mejor que redes sobredimensionadas sin justificación.

¿Qué latencia y disponibilidad son razonables para un SHM en tiempo real?

Para eventos críticos, busque latencia <5 s end-to-end; para trending, latencias de minutos son aceptables. La disponibilidad objetivo recomendada es ≥99,5% a nivel de plataforma y ≥99% por canal, con redundancia en puntos críticos y recuperación automática ante fallos.

¿Cómo evitar falsas alarmas y sobreajuste de modelos?

Separe entrenamiento, validación y test en periodos representativos; modele y compense efectos ambientales; use umbrales adaptativos y control estadístico (p. ej., control de tasas de falsas alarmas). Aplique revisión por pares para cambios de modelos y mantenga trazabilidad de versiones y evidencia de desempeño.

¿Cómo justifico el ROI de un SHM?

Cuantifique el coste del riesgo y la incertidumbre: cierres evitados, inspecciones optimizadas, intervención priorizada, prolongación de vida útil, primas de seguro, cumplimiento y reputación. Vincule KPI técnicos con impactos financieros y presente alternativas con y sin SHM para evidenciar el diferencial de valor.

Conclusión y llamada a la acción

Pasar del modelo teórico al dato en tiempo real en SHM no es un salto de fe, es un proceso con etapas claras, estándares y métricas. Al alinear hipótesis, sensorización, edge, datos y analítica con objetivos de negocio, se reduce la incertidumbre y se maximiza el valor. La clave es empezar con un piloto enfocado, con KPI de disponibilidad, precisión y alarmas bien definidos; escalar con una arquitectura interoperable y segura; y consolidar una operación 24/7 que convierta mediciones en decisiones trazables. El siguiente paso: seleccionar un activo, fijar hipótesis y ejecutar un piloto con criterio de éxito medible.

Glosario

SHM (Structural Health Monitoring)

Disciplina que combina modelado, sensorización y analítica para evaluar en tiempo real el estado y la integridad de estructuras.

OMA (Operational Modal Analysis)

Identificación de parámetros modales (frecuencias, amortiguamiento, formas) a partir de excitaciones operativas sin pruebas forzadas.

Edge computing

Procesamiento de datos próximo a la fuente (sensores) para filtrar, analizar y actuar con baja latencia y eficiencia de red.

Gemelo digital

Representación virtual enlazada a datos en tiempo real que permite simular, predecir y optimizar el comportamiento de un activo.