IA capaz de predecir cuándo las estructuras de concreto se agrietan

Los modelos de aprendizaje automático podrían aliviar los riesgos que plantean las grietas y la corrosión de las estructuras de concreto.

Científicos afirman que han diseñado modelos de aprendizaje automático capaces de predecir cuándo y por qué las estructuras construidas con concreto armado empiezan a deteriorarse y agrietarse.

El cemento es el material de construcción más común del mundo moderno que se utiliza en la construcción de una amplia variedad de estructuras, como puentes, embarcaderos, casas, aparcamientos de varios pisos y edificios.

Sin embargo, y a pesar de su resistencia y durabilidad, el concreto armado puede agrietarse y deslaminarse como parte de un proceso llamado desconchado, que suele estar causado por la corrosión de las secciones de acero del concreto.

Investigadores de la Universidad de Sharjah afirman ahora haber diseñado nuevos modelos de aprendizaje automático que creen que pueden predecir cuándo y por qué puede producirse el desconchado, lo que proporciona a los ingenieros tiempo suficiente para ofrecer soluciones y prácticas sobre cómo detener el desconchado y sus efectos perjudiciales.

La investigación “investiga los factores multifacéticos que influyen en el desconchado, empleando un enfoque integral que integra técnicas estadísticas y de aprendizaje automático para el modelado predictivo.

“Las estadísticas descriptivas perfilan meticulosamente el conjunto de datos, haciendo hincapié en la edad, el espesor, la precipitación, la temperatura y los parámetros de tráfico“, escriben los científicos.

El desconchado tiene muchos efectos adversos. En ausencia de una evaluación y predicción adecuadas, así como del tratamiento correcto, puede conducir a consecuencias peligrosas.

Cuando el acero se corroe, se expande mucho más allá de su volumen original, presionando el cemento circundante y provocando la aparición de grietas y el deterioro de las estructuras de concreto.

El agrietamiento de las estructuras de concreto es un fenómeno de deterioro, que supone una amenaza no sólo para los pavimentos y edificios de concreto, sino también un riesgo para la salud y la seguridad.

El Dr. Ghazi Al-Khateeb, autor principal y profesor de pavimentos de asfalto, daños en el pavimento y mecánica de la Universidad de Sharjah, dijo que en el estudio se tuvieron en cuenta los factores clave que influyen en el desconchado, en particular su impacto en la Pavimento de Concreto Armado (PRAA).

El PRAA se ha convertido en el pavimento de cemento más común en la era moderna, ya que elimina la inclusión de juntas transversales que suelen requerir un mantenimiento continuo y costoso.

Se adopta como parte de las medidas para ayudar al concreto a resistir las presiones ambientales y del tráfico.

Los autores también consideraron en su análisis el Tráfico Diario Promedio Anual o AADT, que calcula la suma del tráfico total sobre un pavimento durante todo el año dividido por 365 días.

El profesor Al-Khateeb dijo:

“El estudio de investigación identificó factores clave que influyen en el desconchado en el pavimento de concreto armado continuo (CRCP), incluida la edad, las variables climáticas como la temperatura, la precipitación y la humedad, así como el tráfico diario promedio anual (AADT) y el espesor del pavimento.

“Estos factores se destacaron como contribuyentes principales al deterioro del CRCP”.

El estudio de investigación, escriben los autores, “se adhirió a una metodología sistemática, que comprende varias etapas para garantizar la solidez…

Las estadísticas descriptivas perfilan meticulosamente el conjunto de datos, enfatizando la edad, el espesor, la precipitación, la temperatura y los parámetros de tráfico”.

Los autores emplearon el análisis de regresión para las relaciones clave de los diferentes factores que causan el desconchado.

Sus resultados enfatizaron “la importancia de la edad, la temperatura anual, la precipitación anual, la humedad máxima y el índice de rugosidad internacional (IRI) inicial como factores influyentes”.

“La selección de la regresión del proceso gaussiano y los modelos de árbol de conjunto se debe a su adaptabilidad para capturar relaciones intrincadas dentro del conjunto de datos, y su rendimiento comparativo proporciona información valiosa sobre los diversos capacidades predictivas de estos modelos en el contexto del desconchado del hormigón armado”.

Al introducir los resultados del análisis de estos factores en los modelos que diseñaron, los autores descubrieron que sus máquinas de aprendizaje tenían la capacidad de pronosticar cuándo puede producirse el deterioro del concreto armado y los factores que suponen una amenaza para la durabilidad del concreto.

Los modelos de aprendizaje automático que emplearon los autores, según el profesor Al-Khateeb, eran en su mayoría del tipo de regresión de proceso gaussiano y modelos de árbol de conjunto, que “demostraron la mayor precisión en la predicción del desconchado”.

“Sin embargo, se observó que el rendimiento del modelo variaba según la arquitectura específica y las características del conjunto de datos utilizado, lo que indica la importancia de una selección cuidadosa del modelo”.

Por lo tanto, los autores aconsejaron a los ingenieros y profesionales que fueran cautelosos al emplear modelos de aprendizaje automático, señalando que en “el aprendizaje automático, la adopción de modelos, incluidos los modelos de regresión de proceso gaussiano y de árbol de conjunto, se basa en sus diversas capacidades y su idoneidad para la compleja tarea en cuestión.

Sus diferentes precisiones predictivas subrayan la importancia de una selección de modelos juiciosa”.

El estudio de investigación, en palabras de los autores, “hace avanzar las prácticas de ingeniería de pavimentos al ofrecer perspectivas matizadas sobre los factores que influyen en el desconchado en los pavimentos de concreto armado, lo que afina nuestra comprensión de las influencias del desconchado”.

“En consecuencia, el estudio no solo abre vías para desarrollar mejores metodologías predictivas, sino que también mejora la durabilidad de la infraestructura de los pavimentos de concreto armado, abordando implicaciones más amplias para la toma de decisiones informada en la gestión de la infraestructura de transporte”.

Cuando se le preguntó sobre las implicaciones prácticas inmediatas del estudio, el profesor Al-Khateeb se refirió a los hallazgos de la investigación de los autores que, según él, resaltaban “la necesidad de estrategias de mantenimiento que incorporen factores críticos como la edad, la carga de tráfico y el espesor del pavimento.

Al abordar estas variables, los profesionales pueden mejorar la durabilidad de los pavimentos de concreto armado y reducir los riesgos de desconchado”.

El profesor Al-Khateeb afirmó que aún hay margen para realizar más investigaciones que consoliden los hallazgos, centrándose más en “explorar los cambios temporales en los patrones de desconchado, integrar datos de sensores en tiempo real para realizar predicciones más precisas, abordar la variabilidad de los datos regionales y examinar los impactos del cambio climático en el desconchado”.

“Estas vías podrían mejorar significativamente las metodologías predictivas y aumentar la resiliencia de los sistemas de pavimento de concreto”.

Fuente: Nature