Optimización Multicriterio de Cubiertas en Almacenes Aeroportuarios mediante Diseño Generativo y Simulación Climática: Caso de Estudio en Arquitectura Industrial Aeroportuaria

Autores

  • Jhordan Renzzo Cabel Aguilera Colegio de Arquitectos del Perú Regional Lima, Av. San Felipe 999, Jesús María, Lima, Perú

DOI:

https://doi.org/10.17268/

Palavras-chave:

Diseño Generativo, Simulación Climática, Arquitectura Paramétrica, ; Cubiertas Industriales, Optimización Multiobjetivo

Resumo

Esta investigación explora el uso del diseño generativo y la simulación climática temprana para optimizar cubiertas industriales en almacenes semiabiertos del Aeropuerto Internacional Jorge Chávez. Se comparan tres soluciones: la original del cliente, una propuesta arquitectónica entregada en el ejercicio profesional y una alternativa generada mediante algoritmos de optimización multiobjetivo asistidos por aprendizaje automático. Usando herramientas como Ladybug Tools y Wallacei X, se evaluó el desempeño ambiental a partir de datos EPW, con énfasis en cobertura de sombra, UTCI y MRT. Los resultados revelan que, aunque la solución entregada al cliente cumple con los parámetros medidos, la solución generativa mejora el rendimiento técnico de la propuesta original con una geometría más optimizada bajo múltiples criterios de optimización. El estudio confirma el potencial del diseño computacional en fases iniciales de proyectos industriales, optimizando el desempeño pasivo bajo restricciones técnicas y operativas reales.

Referências

Cabel, J. (2023). Diseño Generativo para el Centro de I+I+D de la Sede Regional de IMARPE Huanchaco. SCIÉNDO, 26(2), 133–138.

Chi, D. A., González M., E., Valdivia, R., & Gutiérrez J., E. (2021). Parametric design and comfort optimiza-tion of dynamic shading structures. Sustainability, 13(14), 7670. https://doi.org/10.3390/su13147670

Fernández Gómez, J. (2021). Eficiencia energética en el sector industrial (Cuadernos Orkestra, 02/2021). Orkestra - Instituto Vasco de Competitividad, Fundación Deusto. https://www.orkestra.deusto.es/images/investigacion/publicaciones/informes/cuadernos-orkestra/210005-Eficiencia-Energ%C3%A9tica-Sector-Industrial-INFORME-COMPLETO-.pdf

Guo, H., Aviv, D., Loyola, M., Teitelbaum, E., Houchois, N., & Meggers, F. (2020). On the understanding of the mean radiant temperature within both the indoor and outdoor environment, a critical re-view. Renewable and Sustainable Energy Reviews, 117(109207), 109207. https://doi.org/10.1016/j.rser.2019.06.014

Han, T., Huang, Q., Zhang, A., & Zhang, Q. (2018). Simulation-based decision support tools in the early de-sign stages of a green building—A review. Sustainability, 10(10), 3696. https://doi.org/10.3390/su10103696

Hibbeler, R. C. (2020). Structural analysis (10th ed., SI Units). Pearson Education, Inc

Ladybug Tools LLC. (s.f.). EPW map. Ladybug Tools. https://www.ladybug.tools/epwmap

Makki, M., Showkatbakhsh, M., & Song, Y. (2019). Wallacei Primer 2.0 [Manual]. Wallacei. https://www.wallacei.com/

Matzarakis, A., Muthers, S., & Rutz, F. (2014). Application and comparison of UTCI and PET in temperate climate conditions. Finisterra, 49(98), 21–31. https://doi.org/10.18055/Finis6453

Rhino Plugin. (s/f). Pollination.solutions. Recuperado el 3 de agosto de 2025, de https://www.pollination.solutions/rhino-plugin.

Swearingen, C. (2023). Innovating Sustainability with Generative Design. SME (Society of Manufacturing Engineers). https://www.sme.org/technologies/articles/2023/june/innovating-sustainability-with-generative-design

Tumini, I., & Higueras Garcia, E. (2013). Alcances y limitaciones de las herramientas de simulación para el estudio del microclima urbano. Dyna energia y sostenibilidad, 2(3), [17 p.]-[17 p.]. https://doi.org/10.6036/es6921

Publicado

2026-10-03

Edição

Seção

Artículos Originales

Como Citar

Optimización Multicriterio de Cubiertas en Almacenes Aeroportuarios mediante Diseño Generativo y Simulación Climática: Caso de Estudio en Arquitectura Industrial Aeroportuaria. (2026). SCIÉNDO INGENIUM, 22(3), 13-32. https://doi.org/10.17268/