Mi primer post sobre Industria 4.0 señalaba la necesidad de disponer de tecnologías claveque posibilitasen la 4ª revolución industrial y que se han dado en llamar “habilitadores digitales”. Cada revolución industrial ha tenido sus habilitadores. La primera fue posible gracias a invenciones como la máquina de vapor o el telar mecánico. La segunda, vino de la mano de avances como la luz eléctrica o las cadenas de montaje de coches. En la tercera, hicieron su aparición tecnologías disruptivas como la robótica, la microelectrónica o las redes de ordenadores.
Y llegamos a la cuarta. Diferentes estrategias de fabricación avanzada como la Industrie 4.0 de Alemania o el Advanced Manufacturing Partnership de EEUU han señalado diferentes habilitadores clave. En España tampoco nos hemos quedado atrás con la iniciativa “Industria Conectada”.
Este post pretende ser una “lista de la compra” con aquellas tecnologías consideradas como más relevantes en esta cuarta revolución. Cada breve descripción está enlazada con información ampliada dentro de nuestro Blog. En próximas entregas, completaremos esta información para tener el abanico completo de tecnologías:
Realidad Virtual Aumentada: se usa para proporcionar información adaptada al contexto al operario (e.g. durante una operación de mantenimiento) y mezclada con su campo de visión.
IoT: conexión a internet de casi cualquier objeto, en este caso, que nos podamos encontrar en una fábrica: una pieza, un motor, una herramienta…
Trazabilidad: busca el seguimiento y registro exhaustivo de operaciones de fabricación (automáticas y manuales) así como de las condiciones en las que se han efectuado (temperatura, velocidad de producción…)
Mantenimiento predictivo: permite realizar mantenimiento de forma optimizada con el fin de evitar paradas inesperadas y costes excesivos por mantenimientos periódicos innecesarios.
Visión artificial: dotar al proceso productivo de información visual de contexto para realizar controles de calidad o servir de ayuda en la propia fabricación (e.g. posicionamiento automático de un robot para tomar una pieza).
Big Data: Generación de conocimiento y valor a partir de datos de la fabricación y otros datos de contexto (e.g. demanda de productos similares o relacionados).
Simulación de procesos productivos: permite contar con un “gemelo digital” del proceso productivo que puede optimizar la producción y ayudar en la toma de decisiones (e.g. cambiar el flujo de trabajo de una línea).
Impresión 3D: se usa para recreación de réplicas tridimensionales de: piezas existentes, repuestos, o prototipos a escala o de tamaño real para su revisión o ensayo.
Cloud Computing: aprovecha los recursos de computación en internet para acometer procesos de almacenamiento y tratamiento de datos de gran volumen (e.g. Big Data) sin necesidad de realizar inversión en infraestructura IT propia.
Ciberseguridad: como conjunto de medidas de seguridad físicas y lógicas que protejan las infraestructuras de distintas amenazas, tanto informáticas como físicas (e.g. sabotaje).
Sistemas Ciber-físicos: cualquier sistema complejo formado por alguna de las tecnologías anteriores que buscan un funcionamiento mejorado, en este caso de la fabricación.
La fortaleza de estos habilitadores digitales no reside en sus características individuales, sino en su capacidad para combinarse. Los ingenieros somos demasiado aficionados al último grito en tecnología y luego encontrar un problema o ámbito para su aplicación. Pero para tener éxito en esta revolución, es necesario dar respuesta a retos concretos dentro de las fábricas, con soluciones innovadoras, y por qué no, combinando varios habilitadores digitales. Por otra parte, esta terminología crea un marco común que facilita el diálogo entre tecnólogos y responsables de fabricación para acometer con éxito proyectos que busquen optmizar la fábrica.
Si pensamos, por ejemplo, en optimizar las operaciones de mantenimiento en una fábrica, el mantenimiento predictivo será una de los primeros habilitadores que nos vendrá a la cabeza. Asimismo, esta solución tecnológica se beneficiará de una conexión a un sistema de Cloud computing donde se analicen los datos provenientes de sensores instalados en diferentes fábricas y que aprovechen la información realizando unos mejores diagnósticos o predicciones del elemento a mantener en cada caso. En este tipo de soluciones cloud, sin embargo, debe garantizarse la seguridad de la información transmitida mediante mecanismos adecuados de ciberseguridad. Estaríamos, por lo tanto, ante una solución tipo Industria 4.0 de Mantenimiento predictivo multi-planta y ciber-seguro.
Este listado, no obstante, no pretende ser cerrado ya que, como hemos comentado, la combinación de diferentes habilitadores da lugar a un amplio abanico de solucionesIndustria 4.0. Además, la evolución tecnológica es continua y cada vez más rápida. En próximos post analizaremos más escenarios donde los habilitadores digitales pueden dar respuesta a retos planteados en la fabricación.
Leíamos hace un tiempo, a modo de titular en un importante periódico, que el presidente de REPSOL, Antonio Brufau, aseguraba textualmente que “es falso que el coche eléctrico no emita CO2”, “que no es tan limpio como lo pintan” y que “emite CO2 porque la electricidad que consume sí produce emisiones”. Con este titular y sin saberlo (o quizás sí), el presidente de REPSOL estaba abogando por la consideración del ciclo de vida de un producto para hacer autodeclaraciones ambientales. Y es que esta duda tan generalizada sobre la relación, existente o no, entre el vehículo eléctrico y el CO2 no debe llevarnos a pensar que no es una de las opciones de movilidad medioambientalmente más favorables porque lo es. Lo que ocurre es que siempre debe primar la rigurosidad a la hora de expresarnos.
Una de las primeras ocasiones en las que aparece el concepto de ciclo de vida es a finales de los años 60, en EE.UU, cuando la compañía Coca-Cola® decide llevar a cabo un estudio para analizar el impacto ambiental de diferentes envases alternativos a la botella de cristal. Este concepto surge de manera muy lógica ante la demanda incipiente de repartir cargas ambientales: a nadie le gustaba ser el más contaminante. Las empresas comenzaban a pedir la responsabilidad extendida al respecto y a través de metodologías como el Análisis de Ciclo de Vida (ACV) -uno de los métodos más aceptados internacionalmente para investigar el comportamiento ambiental del ciclo de vida de los productos- se podía comprobar que, en ciertos casos, los impactos ambientales asociados a la etapa de fabricación de un producto no eran los más relevantes.
Veamos un ejemplo práctico. Imagina la siguiente conversación entre María Ecológica y María Preguntona:
María Ecológica: “¿Has visto las guirnaldas que he puesto de adorno para la fiesta?, son de papel reciclado, ya sabes que yo soy muy ecológica” María Preguntona: “Son preciosas ¿dónde las has comprado?” María Ecológica: “En una tienda on-line de China, baratísimas”
Aplicar el ACV a estas guirnaldas nos confirmaría que esta etiqueta que María Ecológica se atribuye, no es tal. El hecho de comprarlas en China puede hacer que un producto fabricado con papel reciclado tenga un precio ambiental oculto, que se “disfraza” con un proceso de fabricación que utiliza una materia prima ambientalmente más amigable. Y en el momento en que, como consumidores, escogemos lo que compramos, compartimos la responsabilidad ambiental con la industria, no lo olvidemos.
Cuando una empresa se pregunta cuál es el perfil ambiental de su producto, en CARTIF aconsejamos siempre aplicar esta metodología ya que los resultados que se obtienen son una fotografía ambiental detallada del ciclo de vida del proceso, producto o servicio (proveedores incluidos), con la consecuente oportunidad de detectar puntos críticos y reducir costes, ambientales y económicos. Lo hemos visto muchas veces en nuestros proyectos. Independientemente de que seamos un simple consumidor o un director de producto, el conocimiento del impacto del ciclo de vida de lo que adquirimos, fabricamos o vendemos, es fundamental para tomar decisiones coherentes y hablar con propiedad acerca de nuestro comportamiento ambiental.
Por eso, el presidente de Repsol afirmaba que quedarnos en la etapa de uso de un vehículo eléctrico para aseverar que no emite CO2 es incorrecto. Aunque sea la etapa más importante (también en los vehículos de combustible fósil), hay que extender la evaluación a su ciclo de vida que, obviamente, incluye la producción de la energía eléctrica que lo alimenta. Y es que para hablar claro deberíamos, o bien matizar que el vehículo eléctrico no emite CO2 durante su etapa de uso o aplicar el ACV considerando su ciclo de vida (y en CARTIF ya lo hemos hecho) para, en base a eso, generar titulares ambientales.
Con lo que nos gustan a nosotros las evaluaciones ambientales bien hechas y las afirmaciones ambientales rigurosas. Pregúntanos y te contaremos cómo hacerlo.
Estamos acostumbrados a ver cómo las nuevas tecnologíasayudan a las personas que tienen alguna discapacidad física: sillas de ruedas automáticas, prótesis revolucionarias, incluso sensores de imagen o voz directamente conectados al cerebro por medio de electrodos. Pero ¿qué hay de las personas con alguna discapacidad psíquica? Pensemos en quienes sufren esquizofrenia. Es esta una condición crónica caracterizada por ciertas conductas que resultan anómalas para la comunidad. En particular, muchas personas con esquizofrenia tienen dificultad para reconocer las emociones en las expresiones faciales de otras personas, lo cual afecta gravemente a su comportamiento social. Además, esta dificultad no es exclusiva de la esquizofrenia, sino que se observa también en casos de manía, demencia, daño cerebral, autismo etc.
Aquí entran en juego las tecnologías de robótica social. Un robot social es aquel que interactúa y se comunica con las personas (o con otros robots) siguiendo una serie de comportamientos y reglas sociales. Además, tradicionalmente se considera que un robot debe estar materializado en forma de dispositivo físico. Pero las mismas habilidades de interacción diseñadas para un robot físico pueden integrarse en un personaje virtual representado en un ordenador. Desde esta perspectiva, un avatar puede ser considerado un robot, en línea con el nuevo paradigma tecnológico en el que la frontera entre lo físico y lo virtual se diluye progresivamente.
Ahora bien, ¿qué ventajas tiene el uso de avatares en terapias psicológicas y psiquiátricas? En mi opinión, innumerables. Un avatar puede alcanzar un nivel de expresividad comparable (si no superior) al de un robot físico, e incluso al de una personal real. Ni siquiera se necesita una apariencia humana hiperrealista: un simple dibujo animado puede resultar enormemente expresivo (pensemos en el Coyote cuando en su persecución del Correcaminos, sobrepasa el límite del acantilado). A diferencia de una persona real, la expresividad de avatar puede ser controlada al milímetro por un terapeuta. Este puede hacer que el avatar virtual muestre emociones en distinto grado, desde incipientes hasta muy marcadas, aleatoriamente o en progresión, incluso en función del comportamiento del usuario.
Otro gran aspecto involucrado es la sensorización. Aquí juega un papel determinante la tecnología de Visión Artificial. Estamos acostumbrados a las cámaras de nuestros móviles que detectan y siguen caras, identifican cuáles corresponden a personas de nuestro entorno familiar o social y determinan cuándo abren los ojos y sonríen. Obviamente, esta tecnología puede ponerse al servicio de percibir la actitud del usuario durante una interacción: si sonríe o está triste, si se muestra tranquilo o nervioso, si se siente angustiado. El análisis de voz puede complementar esta información. Las propias palabras empleadas por la persona dicen mucho de su estado de ánimo. Pero, además, el tono y el ritmo también aportan información crucial: una persona irritada habla rápido y a volumen alto, mientras que alguien que está aburrido habla despacio, como arrastrando las palabras. Bien es verdad que hoy por hoy, el análisis de la voz va un paso por detrás del análisis de imágenes, probablemente porque está muy unido a la inteligencia artificial, que aún representan un reto (es verdad, cada vez más al alcance de la tecnología).
¿A dónde llegamos con todo esto? A un avatar virtual (o físico) que sigue el rostro del usuario con la mirada, interpreta sus emociones y reacciona de forma acorde a ellas, conversa con él y puede ser supervisado por un terapeuta, con la ventaja de estar disponible las 24 horas del día. Un compañero, en definitiva, que sirve de entrenador personal de cara a mejorar la percepción de las emociones humanas. No es el futuro. Es el presente.
Seguro que muchos de vosotros conserva como recuerdo de infancia ir a comprar leche fresca de vaca a la granja o pueblo más cercano, o recuerda incluso la furgoneta del lechero (“las lecheras” en mi caso) pasando por las calles vendiendo la leche en cántaros. Ese saborcillo de la leche, esa nata que quedaba en la superficie tras hervirla en casa y ¡qué buena esa nata para preparar unas deliciosas pastas!
En España, el suministro directo por parte del productor de pequeñas cantidades de leche cruda al consumidor final o a establecimientos locales de venta al por menor que suministran directamente al consumidor final, está prohibido según el Real Decreto 640/2006.
Sin embargo, la AECOSAN (Agencia Española de Consumo, Seguridad Alimentaria y Nutrición) está valorando la posibilidad de modificar este Decreto, por lo que en 2015 solicitó al Comité Científico que informase sobre los riesgos microbiológicos asociados al consumo de leche cruday productos lácteos elaborados a base de leche cruda. El informe elaborado por el Comité Científico recogía de manera concreta los aspectos relativos a:
La venta de leche y nata crudas.
La elaboración de quesos de más de 60 días con leche cruda que no cumple con los criterios de células somáticas y gérmenes totales.
Los requisitos exigibles al calostro
Sin embargo, la venta de leche y natas crudas en España destinadas a consumo humano directo no se encuentra limitada o prohibida, si se cumplen todos los requisitos previstos en el Reglamento (CE) nº 852/2004 y Reglamento (CE) nº 853/2004.
Por tanto, actualmente en España podemos encontrar lugares donde comprar leche cruda. De hecho, la tendencia por “lo natural es más sano” y otras modas han hecho aumentar la venta de este producto. En España se consumieron 42 toneladas de leche cruda en 2013 (1,2% del total de leche consumida), según datos del Ministerio de Agricultura, Alimentación y Medio Ambiente. En Estados Unidos esta tendencia es mucho mayor y existen auténticos grupos de presión que fomentan el consumo de leche cruda y sus derivados. Hasta aquí, de acuerdo. Pero ¿es seguro el consumo de leche cruda?
Según la legislación, la leche cruda es “la leche producida por la secreción de la glándula mamaria de animales de abasto que no haya sido calentada a una temperatura superior a 40 ºC, ni sometida a un tratamiento de efecto equivalente”. Por tanto, cuando se habla de consumo de leche cruda nos referimos a la leche sin ningún tratamiento, ni siquiera ese proceso de hervido al que sometíamos en nuestras casas a la leche comprada en la vaquería y que, dicho sea de paso, queda al criterio de cada consumidor.
La leche es un alimento rico en nutrientes, alta actividad de agua y con un pH adecuado para el crecimiento de microorganismos, tanto beneficiosos (especies de los géneros Lactobacillus, Streptococcus, Enterococcus) como patógenos (siendo los más frecuentes Salmonella spp., Campylobacter spp., Escherichia coli, Yersinia enterocolitica, Listeria monocytogenes, y Staphylococcus aureus, pero también virus, parásitos y toxinas alimentarias) y aquí es donde corremos un riesgo al consumir leche cruda o productos derivados de ella.
La leche cruda, contrariamente a lo que mucha gente piensa, no es estéril, y puede ser el vehículo de transmisión de varias enfermedades, algunas de ellas muy graves dependiendo del estado de salud de la persona afectada o el momento de su vida en que se encuentre (niños, embarazadas, personas inmunodeprimidas, etc). Al no tener ningún tratamiento térmico posterior a su ordeño, no elimina los posibles patógenos que pudieran existir, y que pueden haber llegado a la leche por una infección sistémica de los animales, o por una mastitis de los mismos (infección de las ubres). Además, durante el ordeñoy su posterior distribución existe el riesgo de contaminaciones y deterioro de la misma.
Tratamientos como la pasteurización (calentamiento por un tiempo determinado a temperaturas inferiores a 100ºC) o la esterilización (temperaturas superiores a 100ºC durante un tiempo determinado), nos permiten disponer en nuestros hogares de leche segura para nuestro consumo, acabando con las formas vegetativas en el primer caso y con las formas vegetativas y esporuladas la segunda.
Las modas y grupos que defienden el consumo de leche cruda recomiendan su consumo sin ningún tratamiento térmico, aconsejándola incluso para niños, argumentando que la propia leche es segura confiando en el control del ganado y de las buenas prácticas. Además, creen que le leche cruda es capaz de prevenir alergias e intolerancias. Pero ni la pasteurización ni la esterilización determinan la alergia o intolerancia a la leche: ya sea cruda, pasterizada o esterilizada no es adecuada para las personas que presenten intolerancia a la lactosa.
Es cierto que las operaciones de procesado de la leche influyen en su calidad organoléptica y que se pierden algunos de sus sabores y olores, sobre todo debido al proceso de homogeneización de la grasa, y no tanto a los procesos térmicos que la hacen segura para su consumo.
La aplicación de la tecnología a los procesos alimentarios, ha permitido a lo largo de los años ofrecer alimentos seguros y accesibles a los consumidores. En el caso de la leche, quizás añoramos su sabor en origen, pero si hacemos un análisis real de los riesgos que supone el consumo de leche cruda sin ningún tratamiento no merece la pena jugar a la ruleta con un vaso de leche cruda…por muy rica que esté.
Una red neuronal es un algoritmo que imita el funcionamiento de las neuronas y de las conexiones que hay entre ellas y son entrenadas para que tengan la capacidad de desempeñar una tarea. Se dice que una red neuronal aprende mediante el entrenamiento porque no hay una programación explícita para realizar una tarea, sino que la red se programa sola a partir de ejemplos. Las redes neuronales son el mayor exponente del llamado machine learning o aprendizaje automático.
Las redes neuronales pueden aprender a clasificar y a imitar el comportamiento de sistemas complejos. Si queremos que aprenda a diferenciar entre manzanas y naranjas sólo tenemos que mostrarle unos cuantos ejemplares de ambas frutas y decirle, a la vez, si se trata de una manzana o de una naranja. Una vez entrenada la red neuronal sabrá si está ante una manzana o una naranja. Lo interesante es que lo sabrá aunque las manzanas y naranjas no sean las que se le enseñaron durante el entrenamiento ya que las redes neuronales no memorizan, sino que generalizan. Esa es la clave del aprendizaje de las máquinas.
El interés en las redes neuronales decayó en el cambio de siglo. Por un lado, el mundo empresarial no había visto satisfechas todas sus expectativas y, por otro lado, el mundo académico se centró en algoritmos más prometedores. Sin embargo, algunos investigadores, sobre todo en torno a la Universidad de Montreal, perseveraron en el estudio de las redes neuronales y las hicieron evolucionar hasta lo que llamaron Deep Learning.
El Deep Learning es una serie de algoritmos emparentados con las redes neuronales que tienen la misma finalidad y un rendimiento mayor que otras formas de Machine Learning. La mayor diferencia es la capacidad de abstracción. Volviendo al ejemplo anterior, para clasificar naranjas y manzanas con una red neuronal es necesario extraer características que definan las frutas. Estas características pueden ser el color, la forma, el tamaño, etc. Representar las frutas mediante estas características es una forma de abstracción que debe ser diseñada por la persona que entrene la red neuronal. Pues bien, los algoritmos Deep learning son capaces de realizar una abstracción semejante por sí mismos, sin necesidad de que alguien la diseñe previamente. Por esta razón se dice que el Deep Learningno sólo es capaz de aprender, sino que, además, puede encontrar significado.
El Deep Learning ha aparecido en los medios de comunicación por el interés que han puesto en él grandes empresas y también por la espectacularidad de sus logros tecnológicos. A principios de 2016, los medios dieron noticia de cómo el programa AlphaGo de la empresa Google DeepMind ganó al campeón de goLee Sedol. Esto ha sido un logro técnico sin precedentes, puesto que la estrategia seguida con el ajedrez no puede usarse con el go. Cuando Garry Kasparov perdió al ajedrez en 1996 lo hizo frente a una máquina, la Deep Blue de IBM, programada para calcular todos los posibles movimientos futuros del contrincante. Por el contrario, la máquina de Google DeepMind no está programada para jugar al go, sino que fue enseñada a jugar al go antes de enfrentarse a Lee Sedol. Primero aprendió jugando con el campeón europeo de go y después contra otra versión de sí misma. Partida a partida, la máquina fue mejorando su juego hasta hacerse imbatible.
Grandes empresas como Google o Facebookusan Deep Learning de manera rutinaria en sus productos para reconocer caras y para interpretar el lenguaje natural. También hay empresas pequeñas que ofrecen productos basados en esta tecnología, como Artelnics o Numenta, que pueden aplicarse en muchos procesos industriales. Es de esperar un gran desarrollo de aplicaciones basadas en Deep Learning debido a la necesidad de automatizar el tratamiento inteligente de las enormes cantidades de datos que se generan a diario y, además, porque hay una serie de herramientas open source que ponen estos algoritmos al alcance de todos, como Theano, TensorFlow, H2O u OpenAI Gym .
El éxito de las aplicaciones industriales del Deep Learningdependerá de la disponibilidad de grandes cantidades de datos de calidad, de los recursos de computación disponibles y de su aplicación a problemas apropiados. La detección y clasificación de defectos o averías, el modelado de sistemas para su control y la detección de anomalías podrían ser las primeras aplicaciones prácticas exitosas.
A pesar del título, este blog no es sobre bailes de salón, pero si sobre algo relacionado con el movimiento y cómo llevar el paso a tu pareja de baile.
¿Alguna vez has notado como una pasarela oscila cuando pasas por ella, o cómo la grada del estadio vibra cuando saltas y animas a tu equipo favorito? Si no lo has experimentado, te recomiendo que veas estos vídeos: Millenium Bridge London, Commerzbank-Arena Frankfurt o Volga Bridge Volgograd.
¿Por qué estas estructuras oscilan si están construidas con materiales tan resistentes y rígidos como el hormigón y el acero? En general, todas las estructuras vibran bajo la acción de personas, vehículos o ráfagas de viento, pero unas estructuras lo hacen de forma más perceptible que otras.
Las estructuras desarrollan oscilaciones de mayor o menor amplitud dependiendo de sus parámetros de rigidez, masa y amortiguamiento. Como norma general, a mayor esbeltez de la estructura, más susceptible es de desarrollar oscilaciones apreciables y en algún caso molestas y peligrosas para las personas.
Experimentando con la frecuencia de resonancia (www.exploratium.edu)
La mejor forma de entender estos conceptos es experimentando. Si estás en casa, te animo a que vayas a la cocina y que cojas unos espaguetis y unas fresas. Si no tienes fresas, podrías usar pequeñas bolas hechas de plastilina. Una vez tengas estos elementos, sujeta firmemente por un extremo uno de los espaguetis y clava una fresa/bola en el otro. Ahora realiza pequeños movimientos hacia adelante y hacia atrás con tu mano.
Cambiando la frecuencia del movimiento verás como a una de estas frecuencias el espagueti desarrolla grandes oscilacionesllegando a romperse. Esta es la “frecuencia de resonancia” del conjunto espagueti-fresa y está definida por la flexibilidad o “rigidez” del espagueti y el peso o “masa” de la fresa. Si ahora pruebas a experimentar usando dos espaguetis en vez de uno y posteriormente cambias la fresa por una de mayor o menor peso verás cómo la frecuencia de resonancia cambia, siendo menor a menor rigidez y/o mayor masa tengas.
En cuanto al amortiguamiento, esta propiedad depende del tipo de material usado, y básicamente lo que hace es oponerse al movimiento, o dicho de otro modo, a mayor amortiguamiento, las amplitudes de la oscilación a la frecuencia de resonancia serán menores, y menor será el tiempo de la vibración una vez que cesa la fuente de la excitación. Esto lo podemos comprobar usando un trozo de alambre de acero en vez del espagueti. Veremos que el espagueti tiene mayor amortiguamiento que el acero pero, por el contrario, es más frágil.
Volviendo a las estructuras civiles, éstas están diseñadas y construidas con distintos materiales y geometrías que las hace tener diferentes valores de masa, rigidez y amortiguamiento, y por tanto distintas frecuencias de resonancia. ¿Qué pasaría si una pasarela peatonal tiene una frecuencia de resonancia cercana o igual a la frecuencia de paso de personas circulando sobre ella? Por lo visto en el experimento, las estructuras de la pasarela desarrollaría oscilaciones de amplitud apreciable, siendo mayores o menores dependiendo de su amortiguamiento. Si este fuera muy bajo, las oscilaciones serían tan grandes que tendrían que cerrar al tráfico la estructura para su modificación. Esto fue lo que ocurrió al tercer día de la inauguración del Millenium Bridge de Londres.
Instalación temporal de amortiguadores de masa pasivos y activos en la Pasarela del Museo de la Ciencia de Valladolid
Básicamente, hay dos soluciones para evitar que una estructura vibre de forma apreciable. La primera consiste en modificar su frecuencia de resonancia cambiando su rigidez y/o masa, y la segunda se basa en añadir amortiguamiento a la estructura. La primera solución es en general cara y modificaría de forma significativa el diseño final de la estructura haciéndola menos esbelta lo cual no suele ser del agrado del diseñador/arquitecto. La segunda solución, más económica y discreta, consistiría en añadir elementos amortiguadores en distintas partes de la estructura tal que aumenten su amortiguamiento global. Algunos ejemplos de estos elementos son amortiguadores hidráulicos similares a los de los coches o elementos viscoelásticos. Para su correcto funcionamiento, estos dispositivos necesitan estar unidos a dos puntos de la estructura con movimiento relativo.
Otro sistema que añade amortiguamiento y en el que CARTIF lleva años trabajando, son los amortiguadores de masa o TMD (Tuned Mass Damper), los cuales consisten en masas que son acopladas a las estructuras mediante muelles o cables metálicos (tipo pendular) y elementos amortiguadores de naturaleza pasiva como amortiguadores hidráulicos e imanes de neodimio, o de naturaleza activa como amortiguadores de líquidos magnetorreológicos. Este sistema tiene la ventaja de necesitar unirse a la estructura solo por un punto, siendo en general, el de mayor amplitud de oscilación. Su principio de funcionamiento consiste en amortiguar la estructura por medio de la transferencia de energía cinética entre la estructura y el TMD. Un ejemplo de estos sistemas es el instalado recientemente en el segundo edificio masa alto del mundo, el Shanghái Tower, donde un TMD de tipo pendular de 1000 toneladas reduce drásticamente las oscilaciones del rascacielos que experimenta como consecuencia de la acción del viento.
Por tanto, aunque las estructuras vibren, mediante el uso de sistemas de amortiguación como los TMD, siempre es posible “llevarlas el paso” para que oscilen suavemente.
