PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
FACULTAD DE INGENIERÍA
CARRERA DE INGENIERÍA CIVIL
MATERA: ADMINISTRACIÓN EMPRESAS CONSTRUCTORAS 2
ACTIVIDAD: TRABAJO GRUPAL ¨LA INTELIGENCIAARTIFICIAL EN LA INGENIERÍA CIVIL¨
NOMBRES: ALEX MARCELO ORTEGA MONTERO. MISHELL FERNANDA JÁCOME CEVALLOS. JAHRISON
FERNANDO GUERRA PÉREZ
FECHA DE ENTREGA: 2021-08-25
Introducción
• La inteligencia artificial es la rama de la ciencia de la
computación que desarrolla máquinas y software con
una inteligencia que trata de imitar las funciones
cognitivas humanas.
• Es capaz de acelerar el proceso de toma de decisiones,
disminuye las tasas de error y aumenta la eficiencia de
los cálculos.
• Entre las diferentes técnicas de la inteligencia artificial
destacan el aprendizaje automático el reconocimiento
de patrones y el aprendizaje profundo.
(Yépez, 2020)
Consiste en crear teorías y modelos que muestren la
organización y funcionamiento de la inteligencia. Actualmente,
el mayor esfuerzo en la búsqueda de la inteligencia artificial se
Inteligencia Artificial
centra en el desarrollo de sistemas de procesamientos de
datos que sean capaces de imitar a la inteligencia humana,
realizando tareas que requieran aprendizaje, solución de
problemas y decisiones. A veces llamada inteligencia de
máquina, la inteligencia artificial cubre una vasta gama de
teorías y prácticas.
INTELIGENCIA ARTIFICIAL APLICADA EN LA INGENIERÍA CIVIL
Cuantización del tráfico en tiempo real utilizando inteligencia artificial de
borde en base a una mini-plataforma
Está basado en un
vehículo aéreo no
tripulado, el cual toma y La implementación
Sirve para la almacena datos para contó con éxito
adquisición de datos en luego ser procesados vehículos entre ellos
tiempo real del tráfico utilizando una automóviles y
en y alrededor de áreas arquitectura de red camiones junto con una
urbanas y neuronal diseñada para estimación de la
metropolitanas. el seguimiento de velocidad de cada
vehículos por detección vehículo detectado.
de objetos en tiempo
real.
Como funciona:
• El vehículo aéreo no tripulado es puesto en marcha, captura
videos en alta resolución durante unos 18 minutos, estos videos
son analizados y revisados por un procesador interno. Aquí se
tiene patrones de referencias y limitaciones de medidas para poder
clasificar los automotores según corresponda.
• Después de revisar los videos, se implementó un esquema de
clasificación utilizando solo cuatro etiquetas de clase para saber si
es, un automóvil, un camión, una motocicleta o una persona.
• Se agregaron contadores perpendiculares a la dirección del flujo
del tráfico. A cada instancia de clasificación de objetos se le asigna
una ID que se almacena junto con el número de fotograma cuando
el objeto se cruza uno de los contadores de línea.
Desventajas
• Los medios utilizados para la prueba de concepto solo abarcan
una pequeña ventana de tiempo sujeta a las condiciones
climáticas ideales.
• Solo se consideraron los vehículos más cercanos a la cámara
que viajan en una sola dirección ya que las obstrucciones como
la vegetación natural, barreras y mástiles de iluminación dieron
como resultado una precisión de detección limitada del tráfico en
el recorrido opuesto dirección.
Aplicación de la Inteligencia Artificial en el diseño de mezclas de Concreto
Predicción de
propiedades
Avances en el
diseño de mezclas
Optimización
de concreto con
fibra
Validación de
Dosificación de la
resultados en
mezcla
investigación
Predicción de propiedades Optimización
Una de las mayores aplicaciones de la IA en el La IA ha sido aplicada en problemas de
diseño de mezclas de concreto es la predicción optimización para diseños de mezclas,
de propiedades. Se destacan dos grandes fundamentalmente en especificar una
campos de la predicción: de las propiedades en dosificación de todos sus componentes
estado fresco y de las propiedades en estado buscando cumplir las propiedades usualmente
endurecido; en el primer campo, las predicciones consideradas en la práctica ingenieril de la
se centran en las propiedades reológicas, construcción, como es el cumplimiento de la
mientras que para el segundo un gran número se resistencia a la compresión y el asentamiento del
han realizado para las propiedades mecánicas, y cono de Abrams.
en una proporción menor, para las propiedades
de durabilidad.
Control de Calidad
Se distinguen tres campos relevantes: uno está relacionado con la
predicción del comportamiento de durabilidad del concreto, el segundo
está relacionado con los resultados en pruebas no destructivas para
estimar la resistencia a la compresión y el tercero tiene que ver con la
predicción a edades tempranas de la resistencia a la compresión. Las
temáticas mencionadas con aplicaciones de IA buscan simular
actividades de supervisión técnica o interventoría que son comunes.
Dosificación en el diseño de la Mezcla
En esta temática es importante resaltar el uso de dos técnicas cuyos
resultados son muy diferentes desde el punto de vista de la solución
entregada: el uso de Redes Neuronales Artificiales, en primer lugar, cuyo resultado es
único, y con el cual se logra simular en cierta medida un protocolo de diseño de
mezclas, y obviamente se obtiene una solución única. La segunda técnica es el
uso de Algoritmos Evolutivos, mediante la cual, buscando alcanzar una o varias
especificaciones en el concreto, la aplicación que explora en máximos locales
permite presentar un conjunto de soluciones de diseños de mezclas. Es importante
mencionar que estas aplicaciones se han desarrollado para concretos no reforzados
con fibras.
Validación de resultados en investigaciones experimentales
Un campo promisorio, pero aún poco explorado, es la utilización de técnicas de la
IA para validar resultados en investigaciones experimentales. Usando la
información disponible de valores de resistencia al corte, entrenó una Red
Neuronal Artificial para validar su propuesta de diseño a cortante de vigas en
concreto de alta resistencia validó con redes neuronales artificiales la
caracterización de la permeabilidad de mezclas de concreto usadas en
aplicaciones de transportes.
Avances en la aplicación IA en el diseño de mezclas de concreto reforzado
con fibra
La predicción de propiedades para diseños previos y la presentación de
soluciones reflejadas en dosificaciones de sus componentes en mezclas que
requieran cumplir con una especificación en particular, y la dinámica propia de la
investigación se han reportado resultados exploratorios. Como es propio también de
la misma dinámica, diversas investigaciones a nivel mundial han comenzado
etapas exploratorias, sobre la aplicación de la IA en problemas relacionados con
diseños de mezclas de concreto reforzado con fibras, en la estimación de la
resistencia al corte y de las resistencias a la compresión y a la flexión.
Técnicas de inteligencia artificial aplicadas a problemas de Ingeniería Civil
• Aplicación informática que emula el razonamiento de un experto en un dominio concreto.
• Estos sistemas eliminan el tedioso procedimiento de referirse a las figuras y tablas de los estándares
Sistemas internacionales de construcción, cada vez que se requiera conocer la cantidad exacta de cemento, agua,
Expertos arena y agregados del concreto por metro cúbico.
• Es un sistema de procesamiento de información que está basado en la forma en que funciona el sistema
nervioso de los animales.
Redes • Son un método de resolver problemas, de forma individual o combinadas con otros métodos, para aquellas
Neuronales tareas de clasificación, identificación, diagnóstico de datos.
Artificiales
• Es un paradigma computacional que provee herramientas matemáticas para representar y manipular la
información, de tal forma que se parezca a los procesos de comunicación y razonamiento humanos.
Sistemas • Los sistemas borrosos pueden ser utilizados cuando la complejidad del proceso en cuestión es muy alta y no
Borrosos existen modelos matemáticos precisos.
Modelo de predicción basado en inteligencia artificial para las pérdidas de
flujo de calor a largo plazo a través del suelo aplicado a grandes edificios no
residenciales
Utilizar redes neuronales artificiales para predecir la pérdida de transferencia de calor a largo
plazo de grandes losas a través del piso durante la temporada de calefacción, que es
exclusiva de muchos edificios no residenciales para reducir una gran cantidad de recursos.
Permite reducir el tiempo computacional requerido para una investigación integral. Modelos
a gran escala y dependientes del tiempo relacionados con ciertas categorías de edificios,
estos modelos generalmente corresponden a Áreas no residenciales.
Se utiliza para evaluar la pérdida de flujo de calor a través de la placa de análisis al suelo
durante un largo período de tiempo.
Ha desarrollado un método integral adecuado para permitir estudios detallados de
muestras grandes. El calor se transfiere del edificio al suelo circundante durante mucho
tiempo, lo que facilita la obtención por parte de los civiles. Ingenieros e investigadores.
En la práctica actual de
Los estudios futuros
la construcción, los
La sensibilidad, la El modelo ANN-GWO pueden centrarse en
suelos sintéticos
generalización y la desarrollado se convierte incorporar más datos
reforzados con tierra se
robustez del modelo en una fórmula para aumentar su poder
utilizan ampliamente
desarrollado se verifican matemática para calcular predictivo. Además, en el
para soportar cimientos
mediante el manualmente los valores futuro también se pueden
poco profundos. Un
comportamiento físico máximos de deflexión desarrollar métodos de
objetivo principal de la
básico de la predicción bajo cargas de servicio y aprendizaje sintéticos
construcción GRSF es
de asentamientos GRSF puede ser útil en las que combinen la
transferir cargas de
basada en conocimientos etapas iniciales de capacidad predictiva de
forma segura desde la
geotécnicos conocidos. diseño. diferentes modelos
superestructura a la
basados en IA.
subestructura.
Bibliografía
• United Nations Framework Convention on Climate Change, Available: http://unfccc.int/process.
• EPBD, The Directive 2010/31/EU of the European Parliament and of the Council of 19 May 2010 on the energy performance of buildings, Official Journal of the
European Union, 2010.
• W. Bahnfleth, C. Pedersen, A Three-Dimensional Numerical Study of Slab-on-Grade Heat Transfer, ASHRAE Transactions, 96 (1990) 61– 72.
• M. Deru, A Model for Ground-Coupled Heat and Moisture Transfer from Buildings, Technical Report June. National Renewable Energy Laboratory, Golden,
Colorado, 2003.
• Broekman, A., M.Steyn, W. J., & Gräbe, P. J. (2021). Real-time traffic quantization using a mini edge artificial intelligence platform. Transportation Engineering.
Published.
https://reader.elsevier.com/reader/sd/pii/S2666691X21000245?token=04E587274FE0F1ACC0653C12FEC86516548579C7F9A574F774A3CCC6604E285CC6FE0
E02FC3F91EB47849D0821946CBE&originRegion=us-east-1&originCreation=20210825033624
• M.T. Adams, J.G. Collin Large model spread footing load tests on geosynthetic reinforced soil foundations
• J. Geotech. Geoenviron. Eng., 123 (1997), pp. 66-72, 10.1061/(asce)1090-0241(1997)123:1(66) View Record in ScopusGoogle ScholarBaker et al., 1973
• W.E. Baker, P.S. Westine, F.T. DodgeSimilarity Methods in Engineering Dynamics: Theory and Practice of Scale Modeling Hayden Book Co. Inc., Rochelle,
NJ (1973)
• Universidad & Ciencia (2017).TÉCNICAS DE INTELIGENCIA ARTIFICIAL APLICADAS A PROBLEMAS DE INGENIERÍA CIVIL. Revisado 24 de Agosto del 2021.
https://core.ac.uk/download/pdf/287219501.pdf
• Cuaderno ACTIVA. Tecnológico de Antioquia, Medellín (Colombia). Aplicación de la Inteligencia Artificial en el diseño de mezclas de concreto. Estado del Arte.
Revisado 24 de Agosto del 2021. https://ojs.tdea.edu.co/index.php/cuadernoactiva/article/view/33/30
