Modeling of resistence to the compression of concrete mediante redes neuronal artificiales

• Autores: Acuña Pinaud, Leoncio Luis, Torre Carrillo, Ana Victoria, Moromi Nakata, Isabel, Espinoza Haro, Pedro Celino, García Fernández, Francisco
• Formato: artículo
• Fecha de Publicación: 2013
• Institución: Universidad Nacional de Ingeniería
• Repositorio: Revista UNI - Tecnia
• Lenguaje: español
• OAI Identifier: oai:oai:revistas.uni.edu.pe:article/71
• Enlace del recurso: http://www.revistas.uni.edu.pe/index.php/tecnia/article/view/71
• Nivel de acceso: acceso abierto
• Materia: Concreto, Resistencia a compresión, Redes neuronales artificiales.

The use of concrete as a structural element increases year by year. However, this product needs very stringent control of its mechanical properties in order to be uses as structural element. This type of control requires to have very large testing equipment with a load capacity of up to 3.000KN. Production control would benefit greatly from the use of a highly reliable alternative method that would enable the mechanical properties to be found through more easily obtained physical and mechanical properties. The high capacity of artificial neural networks (ANN) to model a broad range of industrial processes makes them a very useful instrument in the concrete industry. In this study, one neural network was developed to obtain the properties of compressive strength. This property was then modeled though the composition of concrete and manufacturing parameters. The network designed, a multilayer perceptron, allowed the compression strength to be obtained with a regression coefficient of 0,97. This demonstrates the effectiveness of ANN for obtaining the mechanical properties of compression strength of concrete. 
El uso del concreto como elemento estructural va aumentando año tras año. Sin embargo, este producto requiere de unos estrictos controles de calidad sobre sus propiedades mecánicas para el uso como elemento estructural. Este tipo de control implica la existencia de equipos de ensayo con una capacidad de carga de hasta 3.000KN. Sería de gran utilidad para el control de producción la utilización de un método alternativo de gran fiabilidad, que permitiera conocer las propiedades mecánicas a partir de otras propiedades físicas y mecánicas más fáciles de obtener. La alta capacidad de las redes neuronales artificiales (ANN) para modelar los más diversos procesos industriales, las convierte en una herramienta de gran utilidad en el ámbito de la industria del concreto. En este estudio se ha desarrollado una red neuronal para obtener la resistencia a compresión del concreto y se ha modelado dicha propiedad a partir de la composición del concreto y de sus parámetros de fabricación. La red neuronal diseñada, un perceptrón multicapa, ha permitido obtener la resistencia a compresión del concreto con un coeficiente de correlación de 0,97. Esto demuestra la capacidad de las redes neuronales artificiales para obtener la resistencia a compresión del concreto.