Un trabajo publicado en Scientific Reports presenta un innovador enfoque para analizar el comportamiento diferido del hormigón en revestimientos de túneles, combinando ensayos a escala real con caracterización microscópica. La investigación confirma que más del 75 % de la deformación por creep se produce durante el primer mes, un dato clave para el diseño y control de la estabilidad en infraestructuras subterráneas sometidas a elevados esfuerzos geostáticos.

El estudio aborda una problemática central de la ingeniería: la capacidad del hormigón para mantener su forma bajo presiones sostenidas que, en túneles profundos, pueden superar los 40 MPa. A diferencia de otras estructuras, los revestimientos trabajan bajo estados tensionales complejos y multidireccionales, lo cual demanda modelos predictivos más precisos.

Mediante ensayos prolongados y técnicas avanzadas como nanoindentación, microscopía y análisis por rayos X, los investigadores identificaron los mecanismos internos que gobiernan la deformación. En particular, la zona de transición interfacial entre pasta y agregados —más gruesa y menos rígida en áridos gruesos— se presenta como un punto crítico para el inicio del creep. Asimismo, se determinó el rol relevante de la fase gel en la evolución de las deformaciones a largo plazo.

Uno de los aportes más significativos radica en la posibilidad de predecir el comportamiento futuro del material a partir de ensayos de corta duración, con errores inferiores al 10 %. Esto abre la puerta a optimizar tiempos de laboratorio, acelerar decisiones de proyecto y mejorar la confiabilidad de los modelos numéricos utilizados en simulaciones de vida útil.

Los resultados impactan directamente en el diseño de túneles carreteros y ferroviarios, permitiendo ajustar espesores, prever asentamientos y definir estrategias constructivas más seguras. A su vez, refuerzan la importancia de integrar escalas de análisis —desde lo nano hasta lo estructural— para comprender un material dinámico como el hormigón.

El estudio, aún en etapa previa a su edición final, plantea además nuevas líneas de investigación, incluyendo la incorporación de técnicas de aprendizaje automático para perfeccionar los modelos y el análisis de variables ambientales complejas que inciden en el comportamiento diferido del material.