Uso de redes neuronales en la optimización del proceso de diseño de mezclas de concretos reforzados con fibras con alto comportamiento de endurecimiento por deformación (HPFRCC)

High-Performance Fiber-Reinforced Cementitious Composites (HPFRCC) are used in earthquake resistant constructions where strain hardening and energy absorption capacity are relevant mechanical properties that determine the quality of the mixture. Optimal mixing dosing is usually achieved by experimen...

Full description

Autores:: Sánchez Díaz, Jairo Alfredo

Tipo de recurso:

Fecha de publicación:: 2020

Institución:: Escuela Colombiana de Ingeniería Julio Garavito

Repositorio:: Repositorio Institucional ECI

Idioma:: spa

id	ESCUELAIG2_832dec95100af9bc78969d916f13e59b
oai_identifier_str	oai:repositorio.escuelaing.edu.co:001/1262
network_acronym_str	ESCUELAIG2
network_name_str	Repositorio Institucional ECI
repository_id_str
dc.title.spa.fl_str_mv	Uso de redes neuronales en la optimización del proceso de diseño de mezclas de concretos reforzados con fibras con alto comportamiento de endurecimiento por deformación (HPFRCC)
title	Uso de redes neuronales en la optimización del proceso de diseño de mezclas de concretos reforzados con fibras con alto comportamiento de endurecimiento por deformación (HPFRCC)
spellingShingle	Uso de redes neuronales en la optimización del proceso de diseño de mezclas de concretos reforzados con fibras con alto comportamiento de endurecimiento por deformación (HPFRCC) Redes Neuronales Artificiales HPFRCC Postfisuración Absorción de energía Artificial Neural Networks HPFRCC Strain Energy Absorption
title_short	Uso de redes neuronales en la optimización del proceso de diseño de mezclas de concretos reforzados con fibras con alto comportamiento de endurecimiento por deformación (HPFRCC)
title_full	Uso de redes neuronales en la optimización del proceso de diseño de mezclas de concretos reforzados con fibras con alto comportamiento de endurecimiento por deformación (HPFRCC)
title_fullStr	Uso de redes neuronales en la optimización del proceso de diseño de mezclas de concretos reforzados con fibras con alto comportamiento de endurecimiento por deformación (HPFRCC)
title_full_unstemmed	Uso de redes neuronales en la optimización del proceso de diseño de mezclas de concretos reforzados con fibras con alto comportamiento de endurecimiento por deformación (HPFRCC)
title_sort	Uso de redes neuronales en la optimización del proceso de diseño de mezclas de concretos reforzados con fibras con alto comportamiento de endurecimiento por deformación (HPFRCC)
dc.creator.fl_str_mv	Sánchez Díaz, Jairo Alfredo
dc.contributor.advisor.spa.fl_str_mv	Abellán García, Joaquín (dir) Ospina Becerra, Victoria Eugenia (co-dir)
dc.contributor.author.spa.fl_str_mv	Sánchez Díaz, Jairo Alfredo
dc.subject.spa.fl_str_mv	Redes Neuronales Artificiales HPFRCC Postfisuración Absorción de energía
topic	Redes Neuronales Artificiales HPFRCC Postfisuración Absorción de energía Artificial Neural Networks HPFRCC Strain Energy Absorption
dc.subject.keywords.spa.fl_str_mv	Artificial Neural Networks HPFRCC Strain Energy Absorption
description	High-Performance Fiber-Reinforced Cementitious Composites (HPFRCC) are used in earthquake resistant constructions where strain hardening and energy absorption capacity are relevant mechanical properties that determine the quality of the mixture. Optimal mixing dosing is usually achieved by experimentation in laboratories, an activity that is a costly as the tests are done with a limited number of dosages. Currently, there are viable and globally proven dosages with components that are not available in Colombia and have a high import cost. The use of national materials is a viable alternative, however, it is necessary to know the behaviour of the mechanical properties of the HPFRCC that includes materials from the national market. For this reason, the use of Artificial Neural Networks (ANN) is an alternative that provides the possible results of experimentation with high precision at a low cost. This study proposes different types of ANN architectures, which are trained and evaluated. Two architectures types are selected to estimate the strain hardening and energy absorption capacity of HPFRCC dosages that include fibers available in Colombia and their respective cost. In addition, here are presented dosages with the highest probability of success in strain hardening greater than 0.3% and energy absorption capacity greater than 50 kJ/m3, at the lowest cost. In this way, decision-making is contributed for the development of HPFRCC with materials from the national market.
publishDate	2020
dc.date.accessioned.spa.fl_str_mv	2020-08-27T14:50:42Z
dc.date.available.spa.fl_str_mv	2020-08-27T14:50:42Z
dc.date.issued.spa.fl_str_mv	2020
dc.date.accessioned.none.fl_str_mv	2021-10-01T16:10:08Z
dc.date.available.none.fl_str_mv	2021-10-01T16:10:08Z
dc.type.spa.fl_str_mv	Trabajo de grado - Maestría
dc.type.coarversion.fl_str_mv	http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.version.spa.fl_str_mv	info:eu-repo/semantics/publishedVersion
dc.type.content.spa.fl_str_mv	Text
dc.type.driver.spa.fl_str_mv	info:eu-repo/semantics/masterThesis
dc.type.redcol.spa.fl_str_mv	http://purl.org/redcol/resource_type/TM
status_str	publishedVersion
dc.identifier.uri.none.fl_str_mv	https://repositorio.escuelaing.edu.co/handle/001/1262
url	https://repositorio.escuelaing.edu.co/handle/001/1262
dc.language.iso.spa.fl_str_mv	spa
language	spa
dc.rights.spa.fl_str_mv	Derechos Reservados - Escuela Colombiana de Ingeniería Julio Garavito
dc.rights.coar.fl_str_mv	http://purl.org/coar/access_right/c_abf2
dc.rights.uri.spa.fl_str_mv	https://creativecommons.org/licenses/by-nc/4.0/
dc.rights.accessrights.spa.fl_str_mv	info:eu-repo/semantics/openAccess
dc.rights.creativecommons.spa.fl_str_mv	Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)
rights_invalid_str_mv	Derechos Reservados - Escuela Colombiana de Ingeniería Julio Garavito https://creativecommons.org/licenses/by-nc/4.0/ Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0) http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv	openAccess
dc.format.mimetype.spa.fl_str_mv	application/pdf
dc.publisher.spa.fl_str_mv	Escuela Colombiana de Ingeniería Julio Garavito
dc.publisher.program.spa.fl_str_mv	Maestría en Gestión de Información
institution	Escuela Colombiana de Ingeniería Julio Garavito
bitstream.url.fl_str_mv	https://repositorio.escuelaing.edu.co/bitstream/001/1262/1/Autorizaci%c3%b2n.pdf https://repositorio.escuelaing.edu.co/bitstream/001/1262/2/S%c3%a1nchez%20D%c3%adaz%20Jairo%20Alfredo-2020.pdf https://repositorio.escuelaing.edu.co/bitstream/001/1262/3/license.txt https://repositorio.escuelaing.edu.co/bitstream/001/1262/6/Autorizaci%c3%b2n.pdf.txt https://repositorio.escuelaing.edu.co/bitstream/001/1262/8/S%c3%a1nchez%20D%c3%adaz%20Jairo%20Alfredo-2020.pdf.txt https://repositorio.escuelaing.edu.co/bitstream/001/1262/7/Autorizaci%c3%b2n.pdf.jpg https://repositorio.escuelaing.edu.co/bitstream/001/1262/9/S%c3%a1nchez%20D%c3%adaz%20Jairo%20Alfredo-2020.pdf.jpg
bitstream.checksum.fl_str_mv	834c079d81fd84497e56b13eba72291e a6f159d3d766912f8c5b2873d6705822 8a4605be74aa9ea9d79846c1fba20a33 4aab51c2f36fa12bc84f721355eba980 1f9db965009f746f783af398b25a3c35 9f25822a7cd282e027aeee53b38e1535 c891d13e5cff355222b6225b96784397
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5 MD5 MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio Escuela Colombiana de Ingeniería Julio Garavito
repository.mail.fl_str_mv	repositorio.eci@escuelaing.edu.co
_version_	1814355620818583552
spelling	Abellán García, Joaquín (dir)e097d3387580165aa47099b35c36a1d4500Ospina Becerra, Victoria Eugenia (co-dir)3f0c5e78e88f4d415fe89ac0ab13d071300Sánchez Díaz, Jairo Alfredo10f8dee37ede21f9ea09b86e826217176002020-08-27T14:50:42Z2021-10-01T16:10:08Z2020-08-27T14:50:42Z2021-10-01T16:10:08Z2020https://repositorio.escuelaing.edu.co/handle/001/1262High-Performance Fiber-Reinforced Cementitious Composites (HPFRCC) are used in earthquake resistant constructions where strain hardening and energy absorption capacity are relevant mechanical properties that determine the quality of the mixture. Optimal mixing dosing is usually achieved by experimentation in laboratories, an activity that is a costly as the tests are done with a limited number of dosages. Currently, there are viable and globally proven dosages with components that are not available in Colombia and have a high import cost. The use of national materials is a viable alternative, however, it is necessary to know the behaviour of the mechanical properties of the HPFRCC that includes materials from the national market. For this reason, the use of Artificial Neural Networks (ANN) is an alternative that provides the possible results of experimentation with high precision at a low cost. This study proposes different types of ANN architectures, which are trained and evaluated. Two architectures types are selected to estimate the strain hardening and energy absorption capacity of HPFRCC dosages that include fibers available in Colombia and their respective cost. In addition, here are presented dosages with the highest probability of success in strain hardening greater than 0.3% and energy absorption capacity greater than 50 kJ/m3, at the lowest cost. In this way, decision-making is contributed for the development of HPFRCC with materials from the national market.El Concreto Reforzado con Fibras con Alto Comportamiento de Endurecimiento por Deformación (HPFRCC) se usa en construcciones sismorresistentes donde el alargamiento postfisuración y la capacidad de absorción de energía son propiedades mecánicas relevantes que determinan la calidad de la mezcla. La óptima dosificación de la mezcla se logra generalmente mediante la experimentación en laboratorios de materiales, actividad que resulta costosa ya que los ensayos se hacen en un número limitado de dosificaciones . Actualmente, existen dosificaciones viables y comprobadas a nivel mundial con componentes que no están disponibles en Colombia y que presentan un alto costo de importación. El uso de materiales nacionales es una alternativa viable, no obstante, se requiere conocer el comportamiento de las propiedades mecánicas del HPFRCC que incluyan materiales del mercado nacional. Por esto, el uso de Redes Neuronales Artificiales (RNA) es una alternativa que permite conocer los posibles resultados de la experimentación con alta precisión y a un costo mucho menor. El presente estudio plantea diferentes tipos de arquitecturas de RNA, las cuales son entrenadas y evaluadas a fin de identificar el modelo que más se ajusta a los datos. Se seleccionan dos arquitecturas para estimar el alargamiento postfisuración y la capacidad de absorción de energía de dosificaciones de HPFRCC que incluyen fibras disponibles en Colombia y su respectivo costo. Asimismo, se presentan aquellas dosificaciones con mayor probabilidad de éxito en el alargamiento post-fisuración superior al 0,3% y capacidad de absorción de energía superior a 50 kJ/m³, al menor coste. De esta manera se contribuye a la toma de decisiones en el desarrollo de HPFRCC con materiales del mercado nacional.MaestríaMagíster en Gestión de Informaciónapplication/pdfspaEscuela Colombiana de Ingeniería Julio GaravitoMaestría en Gestión de InformaciónDerechos Reservados - Escuela Colombiana de Ingeniería Julio Garavitohttps://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccessAtribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)http://purl.org/coar/access_right/c_abf2Redes Neuronales ArtificialesHPFRCCPostfisuraciónAbsorción de energíaArtificial Neural NetworksHPFRCCStrainEnergy AbsorptionUso de redes neuronales en la optimización del proceso de diseño de mezclas de concretos reforzados con fibras con alto comportamiento de endurecimiento por deformación (HPFRCC)Trabajo de grado - Maestríainfo:eu-repo/semantics/publishedVersionTextinfo:eu-repo/semantics/masterThesishttp://purl.org/redcol/resource_type/TMhttp://purl.org/coar/version/c_970fb48d4fbd8a85ORIGINALAutorizaciòn.pdfFirmado director y co-directoraapplication/pdf158117https://repositorio.escuelaing.edu.co/bitstream/001/1262/1/Autorizaci%c3%b2n.pdf834c079d81fd84497e56b13eba72291eMD51metadata only accessSánchez Díaz Jairo Alfredo-2020.pdfapplication/pdf40347475https://repositorio.escuelaing.edu.co/bitstream/001/1262/2/S%c3%a1nchez%20D%c3%adaz%20Jairo%20Alfredo-2020.pdfa6f159d3d766912f8c5b2873d6705822MD52open accessLICENSElicense.txttext/plain1748https://repositorio.escuelaing.edu.co/bitstream/001/1262/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD53open accessTEXTAutorizaciòn.pdf.txtAutorizaciòn.pdf.txtExtracted texttext/plain3853https://repositorio.escuelaing.edu.co/bitstream/001/1262/6/Autorizaci%c3%b2n.pdf.txt4aab51c2f36fa12bc84f721355eba980MD56metadata only accessSánchez Díaz Jairo Alfredo-2020.pdf.txtSánchez Díaz Jairo Alfredo-2020.pdf.txtExtracted texttext/plain214068https://repositorio.escuelaing.edu.co/bitstream/001/1262/8/S%c3%a1nchez%20D%c3%adaz%20Jairo%20Alfredo-2020.pdf.txt1f9db965009f746f783af398b25a3c35MD58open accessTHUMBNAILAutorizaciòn.pdf.jpgAutorizaciòn.pdf.jpgGenerated Thumbnailimage/jpeg13724https://repositorio.escuelaing.edu.co/bitstream/001/1262/7/Autorizaci%c3%b2n.pdf.jpg9f25822a7cd282e027aeee53b38e1535MD57metadata only accessSánchez Díaz Jairo Alfredo-2020.pdf.jpgSánchez Díaz Jairo Alfredo-2020.pdf.jpgGenerated Thumbnailimage/jpeg7212https://repositorio.escuelaing.edu.co/bitstream/001/1262/9/S%c3%a1nchez%20D%c3%adaz%20Jairo%20Alfredo-2020.pdf.jpgc891d13e5cff355222b6225b96784397MD59open access001/1262oai:repositorio.escuelaing.edu.co:001/12622021-10-01 17:14:23.915open accessRepositorio Escuela Colombiana de Ingeniería Julio Garavitorepositorio.eci@escuelaing.edu.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

Uso de redes neuronales en la optimización del proceso de diseño de mezclas de concretos reforzados con fibras con alto comportamiento de endurecimiento por deformación (HPFRCC)

Publicaciones similares