Modelos predictivos de la consistencia del hormigón mediante estadística clásica y redes neuronales artificiales

Abstract

[ES] Cuando queremos asegurar las características de un hormigón de buena calidad debemos asegurarnos de controlar características que deben cumplirse en estado fresco y en estado endurecido; debemos controlar que los materiales no tengan contaminación y sean resistentes a la abrasión; debemos controlar un buen mezclado que garantice la uniformidad de la mezcla; controlar un buen transporte que pueda mantener las propiedades del hormigón fresco durante el trayecto desde la planta de mezclado a obra y sobre todo debemos controlar la adecuada colocación que asegure la ausencia de defectos superficiales o internos de la matriz del elemento hormigonado. En resumen, debemos ser capaces de controlar las innumerables variables que tienen mas o menor relación con el elemento de hormigón resultante.

En este estudio nos enfocaremos en el análisis de las variables que controlan la consistencia o asentamiento que debiera tener un hormigón de buena calidad en estado fresco. Analizaremos la manera en que se pierde consistencia o asentamiento en el hormigón por ser un requerimiento importante en construcción y en actividades de industria del mundo actual como son las operaciones de hormigón premezclado o situaciones en las que necesitamos que el hormigón mantenga su consistencia durante toda la operación de colocación.

En este estudio nos concentraremos en analizar las variables que influyen en la consistencia o asentamiento de una mezcla de hormigón normal y además intentaremos predecir este asentamiento con herramientas estadísticas clásicas y modernas como son las redes neuronales artificiales. Estas predicciones nos permitirán hacer recomendaciones útiles para las operaciones de transporte y colocación del hormigón.

Para realizar la predicción de las características de consistencia o asentamiento de un hormigón en estado fresco construiremos una base de datos, los cuales han sido extraídos de artículos científicos con data corroborada de consistencia o asentamiento y sobre todo de los materiales con las que fueron realizadas estas mezclas. Con la data recolectada haremos un análisis estadístico convencional mediante métodos de regresión lineal simple y regresión lineal múltiple aditiva de tal manera de verificar la relación entre variables y resultados; posteriormente complementaremos este análisis con un modelo basado en redes neuronales artificiales que nos permita corroborar o desmentir lo que la estadística tradicional nos muestre. Para la construcción del modelo basado en redes neuronales artificiales utilizaremos herramientas computacionales conocidas en el mercado como son el MATLAB© de la empresa MathWorks.

[EN] When we want to ensure the characteristics of good quality concrete, we must ensure that we have control of the characteristics in the fresh state and in the hardened state; we must control that the materials that they do not have contamination and are resistant to abrasion; we must control a good mixing that guarantees the uniformity of the mixture; Control a good transport that can maintain the properties of the fresh concrete during the journey from the mixing plant to the construction site and, above all, we must control the proper placement that ensures the absence of superficial or internal defects in the matrix of the concreted element. In summary, we must be able to control the innumerable variables that have relationship with the resulting concrete element. In this paper we will focus on the analysis of the variables that control the consistency or settlement that good quality concrete should have in its fresh state. We will analyze the way in which consistency or settlement in concrete is lost as it is an important requirement in construction and in industrial activities in today's world, such as ready-mix concrete operations or situations in which we need the concrete to maintain its consistency throughout the placement operation. In this paper we will focus on analyzing the variables that influence the consistency or settlement of a normal concrete mix and we will also try to predict this settlement with classical and modern statistical tools such as artificial neural networks. These predictions will allow us to make useful recommendations for concrete transport and placement operations. To predict the characteristics of consistency or settlement of concrete in a fresh state, we will build a database, which have been extracted from scientific articles with corroborated data on consistency and, above all, from the materials with which these were made. With the data collected, we will carry out a conventional statistical analysis using simple linear regression and additive multiple linear regression methods to verify the relationship between variables and results; later we will complement this analysis with a model based on artificial neural networks that allows us to corroborate or deny what traditional statistics show us. For the construction of the model based on artificial neural networks we will use computational tools known in the market such as MATLAB© from the company MathWorks.