Tesis ( Magíster en Gestión de Información )

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.