INTEGRACIÓN DE ESTUDIOS PATOLÓGICOS EN HBIM PARA LA CONSERVACIÓN DEL

PATRIMONIO: UN ENFOQUE MULTIDIMENSIONAL BASADO EN DATOS

JAVIER RICARDO CAGUA HERRERA

UNIVERSIDAD SANTO TOMÁS

ESPECIALIZACIÓN PATOLOGÍA DE LA CONSTRUCCIÓN
VILLAVICENCIO
2025
 1. Introducción

El análisis de patologías en edificaciones existentes ha dependido históricamente de métodos

manuales y fragmentados, donde el patólogo recopila datos en campo, el arquitecto elabora planos y
el ingeniero estructura el diagnóstico, pero rara vez interactúan de forma simultánea en un entorno
colaborativo unificado. Esta situación genera inherentemente retrasos considerables, duplicidad de
esfuerzos y una notable desigualdad en la profundidad del análisis entre las distintas disciplinas
involucradas, comprometiendo la eficacia de las intervenciones. Abordando esta problemática
central, Chica-Segovia, León y Patiño-León (2023) proponen un innovador protocolo metodológico
que fusiona el rigor sistemático del estudio patológico convencional con las potentes ventajas que
ofrece el Building Information Modeling aplicado específicamente al patrimonio construido
(HBIM), buscando superar las barreras tradicionales y optimizar el proceso diagnóstico y de
gestión.

Este concepto actúa como un hilo conductor que articula de forma lógica los agentes patógenos
(causas), los defectos constructivos o de diseño (vulnerabilidades), las lesiones observables
(efectos) y su previsible evolución en el tiempo. Al ofrecer un lenguaje común y estructurado, este
enfoque permite la parametrización efectiva de las patologías, unificando datos gráficos (modelos
3D, planos), cualitativos (descripciones, fichas de campo) y cuantitativos (mediciones, severidad)
en un único modelo digital integrado. Esta consolidación de información diversa en una plataforma
centralizada contribuye directamente a mejorar la eficiencia en la toma de decisiones informadas,
reducir significativamente los errores de diagnóstico derivados de la información dispersa y
fomentar una visión holística del estado del edificio.

La necesidad imperiosa de dicha integración se fundamenta en dos vacíos críticos persistentes

en la práctica actual: por un lado, la falta de un estándar ampliamente aceptado para representar
gráficamente lesiones en modelos 3D con metadatos asociados (severidad, fecha, material
afectado); por otro, la ausencia de flujos de trabajo digitales y colaborativos que vinculen
eficazmente las fases preliminares de estudio (diagnóstico) con las etapas posteriores de
intervención (diseño de soluciones) y mantenimiento a largo plazo. (Historic England, 2017; Khalil,
Stravoravis, & Backes, 2020).

2. Metodología

La metodología diseñada por Chica-Segovia et al. (2023) se despliega de manera estructurada

en tres bloques principales, intrínsecamente interrelacionados: reconocimiento, diagnóstico e
intervención. Cada uno de estos bloques combina procedimientos de campo convencionales con
estrategias innovadoras de parametrización y gestión de la información dentro del entorno HBIM,
buscando una sinergia entre lo tradicional y lo digital.
 Reconocimiento exhaustivo y captura de datos

Se inicia con un levantamiento arquitectónico de alta precisión, empleando escáner láser 3D

y fotogrametría para generar una nube de puntos densa y fotorrealista. Simultáneamente, el equipo
de patología completa fichas digitales georreferenciadas, registrando fotografías de alta resolución,
condiciones ambientales (humedad relativa, temperatura, exposición solar) y mediciones
preliminares. Incluyen campos normalizados para material, tipo de lesión (fisura, mancha,
desprendimiento) y ubicación precisa, facilitando su posterior vinculación semántica y geométrica
al modelo. Esta captura se complementa con pruebas no destructivas (ultrasonido, termografía) y
ensayos de laboratorio (pH de morteros, muestreos biológicos) para aportar un diagnóstico inicial
robusto.

2.2. Carbonatación del concreto

Con la información recopilada, se aplica un método hipotético-deductivo:

✓ Hipótesis de agentes patógenos (filtraciones, condensaciones, agentes biológicos).

✓ Identificación de defectos preexistentes (fisuras originales, disgregación de materiales).
✓ Lesiones secuenciales (primarias, secundarias y terciarias).
✓ Trascendencia (evaluación de riesgo a futuro).

La matriz integra estas variables con condicionantes (edad, tipología) y agravantes (clima, falta
de mantenimiento), generando un mapa de riesgos para priorizar intervenciones.

2.3. Parametrización en HBIM

Se desarrollan familias paramétricas en el software BIM que incluyen atributos

personalizables: Tipo D eDaño, Nivel Severidad, Fecha Detección, Responsable Registro,
Profundidad(cm) y Extensión(m²). Estas familias se instancian en el modelo 3D, vinculadas a la
nube de puntos mediante coordenadas reales, permitiendo consultas avanzadas, filtrado por
atributos y generación automática de listados y planos de calificación.

2.4. Coordinación interdisciplinar en CDE

Mediante un Common Data Environment (CDE), se definen roles claros: modelador HBIM,
patólogo, ingeniero estructural y arquitecto conservador. Todos trabajan sobre el mismo modelo y
fichas, garantizando trazabilidad, evitando duplicidades y acelerando la resolución de incidencias.
 2.5. Salida automatizadas y dimensiones 4D-7D
La parametrización facilita la producción automática de: planos 2D de calificación; tablas
de cantidades para presupuesto (volúmenes de mortero, longitudes de fisuras, unidades de madera);
diagramas 4D (programación temporal) y 5D (costos); y bases para análisis de sostenibilidad (6D) y
mantenimiento (7D).

2.6. Futuras integraciones IA e IoT

Se plantea el empleo de algoritmos de deep learning para detección automática de grietas y
manchas en imágenes de inspección, y la instalación de sensores IoT para monitoreo continuo de
humedad, temperatura y movimiento de fisuras, alimentando el modelo en tiempo real y
acercándolo a un gemelo digital dinámico.

3. Resultados

La implementación del protocolo en tres edificaciones patrimoniales de Bogotá validó el

enfoque y ofreció datos cuantificables:

Eficiencia en levantamiento: Reducción del 30 % en el tiempo de generación de planos respecto a

métodos tradicionales, gracias a la captura masiva de datos y la eliminación de redibujados
manuales.

Precisión diagnóstica: En un templo colonial, la correlación de datos ambientales e incidentes de

eflorescencias permitió atribuirlas a capilaridad desde el subsuelo, optimizando la propuesta de
intervención.

Familias paramétricas: Se crearon más de 20 familias (fisuras, pudrición, eflorescencias,

corrosión) y se exportó un modelo con patologías a software de análisis sísmico, simulando la
evolución de fisuras bajo carga dinámica.

Entregables automatizados: Planos de calificación con 120 lesiones codificadas y filtrables; tablas
que cuantificaron 3,2 m³ de mortero, 45 m lineales de sellado y 12 piezas de madera, agilizando
presupuestos.

Coordinación en CDE: Gestión de 45 incidencias interdisciplinarias resueltas en máximo 48 h,

evitando retrasos y malentendidos.

Lecciones y ajustes: La creación inicial de familias requirió 80 h de desarrollo, subrayando la

necesidad de una biblioteca común. Problemas de interoperabilidad IFC aconsejan validar modelos
antes de su entrega. La resolución de escáner (5 mm) fue insuficiente para microfisuras (< 1 mm),
sugiriendo tecnologías de ultra alta resolución.
 4. Resultados y discusión

La propuesta de Chica-Segovia et al. (2023) demuestra una comprensión profunda de las

limitaciones de los estudios patológicos convencionales y ofrece un marco robusto para su
integración en HBIM.

Identificación de problemáticas

• Fragmentación: unifica datos geométricos, fotográficos, descriptivos y analíticos en un

único modelo.
• Estandarización: normaliza fichas de campo y familias BIM, garantizando consistencia.
• Dependencia manual: reconoce el cuello de botella del registro manual y avanza en
soluciones IA e IoT.

Aplicación de BIM/HBIM

El trabajo explora las dimensiones 3D–7D: mejora la precisión del levantamiento (3D),
optimiza la planificación temporal (4D) y de costos (5D), aporta a la sostenibilidad (6D) y al
mantenimiento predictivo (7D). Este enfoque multidimensional posiciona HBIM como herramienta
estratégica para la conservación patrimonial.

Coherencia y narrativa

El artículo fluye con claridad: justifica la necesidad, detalla la metodología, ilustra

resultados cuantificados, discute críticamente y cierra con recomendaciones. Figuras y tablas,
integradas eficazmente, refuerzan el mensaje sin interrumpir la lectura.

Impacto potencial

• Eficiencia y calidad: reduce tiempos y riesgos, ahorrando costes.

• Colaboración real: roles definidos y CDE optimiza la coordinación.
• Visión de futuro: IA e IoT abren camino a gemelos digitales dinámicos y mantenimiento
predictivo.

Retos pendientes

• Costo y capacitación: alta inversión inicial y formación especializada.

• Interoperabilidad: inconsistencias IFC exigen estándares más rigurosos y validación de
modelos.
• Accesibilidad tecnológica: explorar alternativas de menor coste para democratizar el acceso
a HBIM.

5. Conclusiones

La metodología de Chica-Segovia et al. (2023) representa un avance decisivo en la integración

de estudios patológicos con HBIM. Al convertir el “mecanismo de daño” en familias paramétricas
dentro de un modelo colaborativo, se consiguen beneficios tangibles en eficiencia, precisión
diagnóstica y coordinación interdisciplinar.

Para su consolidación y ampliación, se recomiendan:

• Crear y difundir una biblioteca abierta de familias paramétricas de patologías.

• Impulsar estándares IFC específicos para patrimonio y validación de modelos.
• Desarrollar herramientas de IA para detección automática de lesiones.
• Implementar sensores IoT para monitoreo continuo y gemelos digitales.
• Evaluar el impacto económico, temporal y ambiental en más proyectos reales.

Este enfoque sistémico y basado en datos abre nuevas posibilidades para la gestión integral del
patrimonio construido, fortaleciendo la toma de decisiones a lo largo de todo el ciclo de vida de la
edificación histórica.

6. Bibliografía
Barontini, A., Alarcon, C., Sousa, H., Oliveira, D., Masciotta, M., & Azenha, M. (2021).
Development and demonstration of an HBIM framework for the preventive conservation of
cultural heritage. International Journal of Architectural Heritage, 16(10), 1451–1473.
[Link]

Bruno, S., De Fino, M., & Fatiguso, F. (2018). Historic building information modelling:
Performance assessment for diagnosis-aided information modelling and management.
Automation in Construction, 86, 256–276. [Link]

Chen, K., Reichard, G., Xu, X., & Akanmu, A. (2021). Automated crack segmentation in close-
range building façade inspection images using deep learning techniques. Journal of
Building Engineering, 43, Article 102913. [Link]

Chica-Segovia, A., León, C. A., & Patiño-León, L. R. (2023). El estudio patológico en tiempos de
Building information modeling: De la teoría a la práctica. Revista de Arquitectura (Bogotá),
25(2), 138–154. [Link]

De Santiago, E., & González, I. (2019). El deber legal de conservación, la ITE y el IEE: Nuevos
instrumentos normativos para el impulso de la conservación y la rehabilitación edificatoria.
Informes de la Construcción, 71(554), e287. [Link]

Fernández, J., Teixeira, T., & Fernández, J. (2018). Implementación de la metodología BIM en los
estudios patológicos. En Proceedings of the REHABEND 2018 Congress (pp. 15–18).

Historic England. (2017). BIM for heritage: Developing a historic building information model.
Historic England.

Khalil, A., Stravoravis, S., & Backes, D. (2020). Categorisation of building data in the digital
documentation of heritage buildings. Applied Geomatics, 13(1), 29–54.
[Link]