Escrito por Vidra IA
Un transformador de 80 toneladas no puede esperar a que un algoritmo le diga “hay tráfico, toma la variante”. Necesita saber, antes de salir del taller, si el puente de la variante soporta ese peso, si el gálibo del paso inferior admite su altura y si el permiso especial de circulación cubre ese tramo concreto. Mover maquinaria pesada, prefabricados de gran tamaño o estructuras metálicas no es un problema de tráfico: es un problema de restricciones físicas y legales que, si se ignoran, paralizan la obra o rompen infraestructura pública.
La inteligencia artificial en construcción lleva años mejorando la logística convencional de materiales (ya lo tratamos en nuestro artículo sobre optimización de rutas de transporte en construcción). Pero ese enfoque, centrado en minimizar distancia y coste de combustible, asume que cualquier camión puede tomar cualquier carretera. Esa asunción se rompe por completo cuando hablamos de transporte sobredimensionado o de alto tonelaje.
Este artículo aborda el reto específico de las cargas que no pueden tomar cualquier ruta: restricciones de peso por puente y vía, gestión de permisos especiales y re-rutado en tiempo real ante cortes imprevistos. Es un problema distinto, con datos distintos y con un coste de error mucho más alto que en la logística estándar.
El problema técnico en detalle
Una ruta estándar falla y el coste es un retraso de minutos. Una ruta mal calculada para una carga sobredimensionada puede derribar un puente, bloquear una autovía durante horas o anular un permiso ya pagado. El margen de error es, literalmente, estructural.
El cálculo depende de variables que la optimización logística convencional no modela:
- Restricciones de peso por puente (MLC o clasificación de carga admisible), que varían por tramo y no siempre están digitalizadas.
- Gálibo vertical y horizontal en pasos inferiores, rotondas y curvas, crítico para prefabricados de más de 4,5 metros de altura.
- Permisos especiales de circulación, con validez temporal, franjas horarias autorizadas y rutas predefinidas que cambian por comunidad autónoma o país.
- Capacidad portante del firme en vías secundarias, relevante para convoyes de más de 60 toneladas.
- Incidencias no planificadas: cortes por obra, restricciones estacionales (vendimia, nieve) o eventos que bloquean la ruta autorizada.
La mayoría de constructoras gestiona esto hoy con hojas de cálculo, llamadas a la administración de carreteras y la experiencia del gestor de transportes especiales. Funciona, pero no escala: cada ruta nueva exige semanas de trámite y cualquier corte imprevisto obliga a recalcular manualmente, con el convoy ya parado y facturando.
Cómo funciona el método
El primer paso es modelar la red viaria como un grafo de restricciones: cada nodo es una intersección o punto de interés, cada arista lleva asociados atributos de peso máximo, gálibo, ancho de carril y estado del permiso. Es la misma lógica que un grafo de tareas en BIM, pero en lugar de dependencias de obra, las aristas llevan límites físicos y legales.
Sobre ese grafo no basta un algoritmo de camino más corto clásico. Se necesita un Mixed-Integer Programming (MIP) o un A* con poda de restricciones duras: cualquier arista cuyo peso máximo, altura o anchura no admita la carga queda eliminada del espacio de búsqueda antes de evaluar coste. La ruta óptima nunca es ilegal por construcción, no por validación posterior.
Para el re-rutado dinámico ante cortes no previstos, un MIP recalculado desde cero es demasiado lento si el convoy ya está en marcha. Ahí entran modelos de Graph Neural Networks (GNN) entrenados para aproximar el coste de rutas alternativas en milisegundos, usando como features históricos de incidencias, franjas horarias y tipo de vía. La GNN no decide; propone candidatos factibles que un solver exacto valida en segundo plano.
Métricas relevantes en este tipo de sistema:
| Métrica | Qué mide | Referencia orientativa |
|---|---|---|
| Tasa de factibilidad de ruta | % de rutas propuestas que no violan ninguna restricción | >99% exigible, no negociable |
| Latencia de re-rutado | Tiempo entre incidencia detectada y ruta alternativa viable | <5 min para operar en carretera |
| Reducción de lead time de permiso | Días ahorrados en tramitación respecto a proceso manual | 30-50% en organismos con API |
| Coste de desvío | Sobrecoste km/hora frente a ruta original | KPI de control económico |
La diferencia frente a la optimización de rutas estándar es de fondo, no de grado: ahí se optimiza sobre un espacio de soluciones todas factibles; aquí primero hay que definir qué parte del espacio es siquiera legal y segura.
Integración práctica
Ninguna empresa constructora parte de cero del todo. La mayoría ya tiene algunos de estos datos, dispersos en sistemas distintos. La implementación realista tiene tres fases.
Fase 1: consolidación de datos. Integrar catastro de infraestructuras viarias (capas GIS de peso y gálibo, muchas veces públicas vía organismos de carreteras), histórico de permisos concedidos y denegados, y las dimensiones reales de la carga extraídas del modelo BIM e inteligencia artificial: un prefabricado puede diferir de sus planos si hubo ajustes en fábrica, por eso conviene validar con visión artificial en obra las dimensiones as-built antes de generar la ruta.
Fase 2: motor de rutas y permisos. Desplegar el grafo de restricciones con el solver MIP/A* y conectar la solicitud de permiso especial a un pipeline de automatización documental con LLMs, que redacta y envía la solicitud con los datos de la carga ya estructurados. Aquí es donde la digitalización de documentación técnica con OCR estructurado aplicado a la obra acelera la ingesta de normativa por tramo, convertida de PDF a reglas de grafo consultables.
Fase 3: monitorización y re-rutado. Sensores IoT en el convoy (GPS, telemetría de peso por eje) alimentan el sistema con posición real; una integración con APIs de tráfico e incidencias dispara el modelo GNN de re-rutado cuando detecta un corte en la ruta autorizada, y un operador humano valida el cambio antes de ejecutarlo.
El sistema también retroalimenta la predicción de costes construcción IA: cada desvío o retraso de permiso queda registrado como variable histórica para estimar mejor el coste logístico en proyectos futuros con cargas similares.
Limitaciones y condiciones de uso
Este enfoque exige datos que no siempre existen en formato digital. Si el organismo de carreteras no publica capas GIS de peso por puente, hay que construirlas manualmente, tramo a tramo, lo que puede tardar meses en zonas rurales o países sin catastro viario digitalizado.
El modelo de re-rutado con GNN necesita historial de incidencias suficiente para generalizar; con menos de uno o dos años de datos por región, su aproximación de coste es poco fiable y conviene apoyarse solo en el solver exacto, más lento pero correcto.
La automatización de permisos con LLMs reduce el tiempo de redacción, no el tiempo de aprobación administrativa: sigue dependiendo del organismo receptor. Y en corredores internacionales con normativa distinta por frontera, el grafo de restricciones debe mantenerse por jurisdicción, lo que multiplica el coste de mantenimiento.
Para proyectos puntuales con una o dos cargas sobredimensionadas al año, el retorno de un sistema completo rara vez justifica la inversión. Tiene sentido a partir de un volumen recurrente de transporte especial, típico en obra civil, energía o industrial pesada.
Lo que esto significa para el sector
La ventaja competitiva aquí no es la velocidad de cálculo, es la reducción del riesgo. Una ruta mal planificada para una carga sobredimensionada no genera solo coste de desvío; genera exposición legal, daño a infraestructura pública y paradas de obra que afectan al CPI y al SPI del proyecto entero.
Las constructoras que digitalicen primero sus restricciones viarias y su histórico de permisos tendrán una ventaja de ejecución medible: menos días de convoy parado, menos permisos denegados por error de datos y una trazabilidad que hoy casi nadie tiene. Es un terreno donde la inteligencia artificial en construcción no sustituye al gestor de transportes especiales: le da, por primera vez, un mapa fiable de lo que es legal y seguro antes de mover la carga.
Si tu organización gestiona transporte especial de forma recurrente y quiere evaluar un piloto de este enfoque, podemos ayudarte a diseñarlo con tus propios datos de permisos e infraestructura.
¿Evaluando una iniciativa similar?
Podemos ayudarte a definir el alcance y la ruta técnica más práctica para tu proyecto de IA.
Hablemos de tu proyecto