Inteligencia artificial en el diseño de mezclas de concreto: una revisión integral

Área de la Ciencia:

• Ingeniería Civil; Ciencia de Materiales; Ciencias de la Computación

Sus antecedentes:

• El diseño tradicional de mezclas de concreto es empírico, costoso y requiere mucho tiempo.
• La optimización de las propiedades del concreto requiere equilibrar el rendimiento, el uso de materiales y el costo.
• Los avances en IA ofrecen soluciones basadas en datos para el diseño de mezclas de concreto.

Objetivo del estudio:

• Revisar las aplicaciones de IA y aprendizaje automático en el diseño de mezclas de concreto.
• Explorar el papel de la IA en la predicción del rendimiento del concreto y la optimización de proporciones.
• Destacar el potencial de la IA para la reducción de costos y la sostenibilidad en la construcción.

Principales métodos:

• Utilización de conjuntos de datos históricos de propiedades de materiales de concreto, relaciones de mezcla y resultados de rendimiento.
• Aplicación de modelos de aprendizaje automático, como la Regresión de Bosques Aleatorios (RF), para la predicción del rendimiento.
• Empleo de marcos de optimización para identificar diseños de mezcla rentables y sostenibles.

Principales resultados:

• Los modelos de IA predicen con precisión las métricas de rendimiento del concreto, como la resistencia a la compresión a los 28 días.
• Los marcos de optimización identifican diseños de mezcla que cumplen con los requisitos de resistencia específicos.
• Los marcos de IA demuestran el potencial de reducir las pruebas de laboratorio y los costos asociados.

Conclusiones:

• El diseño de mezclas de concreto basado en IA ofrece un enfoque más preciso y eficiente.
• Estos métodos reducen costos, ahorran tiempo y minimizan las pruebas de laboratorio intensivas en recursos.
• La IA contribuye al desarrollo de concreto sostenible y de alto rendimiento para la construcción moderna.