Encuentra más información en nuestro repositorio digital
La integración de grandes modelos de lenguaje (LLM) en los flujos de trabajo de ingeniería estructural presenta tanto una oportunidad transformadora como un desafío crucial. Si bien los LLM permiten interacciones intuitivas en lenguaje natural con datos complejos, su razonamiento aritmético limitado, su fragilidad contextual y la falta de verificabilidad limitan su aplicación en dominios críticos para la seguridad. Este estudio presenta un novedoso proceso de automatización que combina la IA generativa con el modelado de elementos finitos mediante el Protocolo de Contexto de Modelo (MCP), una arquitectura modular y contextual que complementa la interpretación del lenguaje con el cálculo estructural. Al interconectar GPT-4 con OpenSeesPy mediante MCP (esquemas JSON, interfaces API, estándares de comunicación), el sistema permite a los ingenieros especificar y evaluar estructuras de marcos 3D mediante indicaciones conversacionales, a la vez que garantiza la fidelidad computacional y el cumplimiento normativo. En cuatro casos prácticos, el marco GPT+MCP demostró precisión predictiva para parámetros estructurales clave, con desviaciones inferiores al 1,5 % en comparación con las soluciones de referencia generadas mediante flujos de trabajo de análisis de elementos finitos convencionales. Por el contrario, el uso sin restricciones del LLM produce desviaciones superiores al 400%.
La arquitectura facilita la reproducibilidad, la trazabilidad y ciclos de análisis rápidos (6-12 s), lo que permite obtener retroalimentación en tiempo real tanto para el diseño como para la formación. Este trabajo establece un marco reproducible para el análisis fiable asistido por IA en ingeniería, ofreciendo una base escalable para futuros desarrollos en optimización y automatización regulatoria.