Propuesta metodológica para predecir la resistencia a la compresión de un cilindro de concreto de acuerdo con la norma del sector de la construcción mediante el uso de las TIC

dc.contributor.advisorGuzmán Lozano, Jesús Augustospa
dc.contributor.authorSilva Vanegas, Juan Sebastianspa
dc.contributor.authorZapata Cortés, Diego Giancarlospa
dc.contributor.cvlachttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001287907spa
dc.contributor.googlescholarhttps://scholar.google.es/citations?user=T9lhgskAAAAJ&hl=esspa
dc.coverage.campusCRAI-USTA Bogotáspa
dc.date.accessioned2020-07-28T15:24:44Zspa
dc.date.available2020-07-28T15:24:44Zspa
dc.date.issued2020-07-27spa
dc.descriptionEn la actualidad, para saber la resistencia a la compresión del concreto se deben evaluar especímenes de concreto y mediante una normativa existente, conocerla en cada edad. Las estructuras son diseñadas con una resistencia a la compresión del concreto que se espera a los 28 días, pero en muchas ocasiones se requiere conocerla antes de que se cumpla esa edad por razones técnicas y económicas en el proyecto. Para poder saber la resistencia sin fallar los especímenes a las diferentes edades, se entrenan redes neuronales y se crea una herramienta predictiva con la cual, sabiendo la resistencia a 3 días o a 7 días, se puede predecir con gran exactitud, las resistencias a las diferentes edades como son; 14 días, 28 días y 56 días. Con esta herramienta, se pueden saber dichas resistencias y tomar decisiones técnicas y económicas que favorecen al proyecto sin poner el riesgo la integridad estructural del mismos.spa
dc.description.abstractCurrently, to know the compressive strength of concrete, concrete specimens must be evaluated and, through existing regulations, known at each age. The structures are designed with a compressive strength of concrete that is expected at 28 days, but in many occasions it is required to know it before that age is reached for technical and economic reasons in the project. In order to know the resistance without failing the specimens at the different ages, neural networks are trained and a predictive tool is created with which, knowing the resistance at 3 days or 7 days, it is possible to predict with great accuracy, the resistance to the different ages as they are; 14 days, 28 days and 56 days. With this tool, you can know these resistances and make technical and economic decisions that favor the project without putting the structural integrity of the project at risk.spa
dc.description.degreelevelPregradospa
dc.description.degreenameIngeniero de Telecomunicacionesspa
dc.description.domainhttp://unidadinvestigacion.usta.edu.cospa
dc.format.mimetypeapplication/pdfspa
dc.identifier.citationSilva, S., & Zapata, G. (2020).Propuesta metodológica para predecir la resistencia a la compresión de un cilindro de concreto de acuerdo con la norma del sector de la construcción mediante el uso de las TIC [Trabajo de pregado Ingeniería de Telecomunicaciones] Universidad Santo Tomás. Bogotá, Colombiaspa
dc.identifier.instnameinstname:Universidad Santo Tomásspa
dc.identifier.reponamereponame:Repositorio Institucional Universidad Santo Tomásspa
dc.identifier.repourlrepourl:https://repository.usta.edu.cospa
dc.identifier.urihttp://hdl.handle.net/11634/28567
dc.language.isospaspa
dc.publisherUniversidad Santo Tomásspa
dc.publisher.facultyFacultad de Ingeniería de Telecomunicacionesspa
dc.publisher.programPregrado Ingeniería de Telecomunicacionesspa
dc.relation.referencesJordan, “済無No Title No Title,” J. Chem. Inf. Model., vol. 53, no. 9, pp. 1689–1699, 2013, doi: 10.1017/CBO9781107415324.004.spa
dc.relation.references“(No Title).” https://www.researchgate.net/profile/Adrian_Will/publication/228661525_Uso_de_redes_neuronales_y_ANFIS_para_predecir_la_resistencia_uniaxial_a_compresion_de_hormigones_de_alta_resistencia/links/0c9605331c9d7c46cd000000.pdf (accessed Apr. 12, 2020).spa
dc.relation.referencesNSR-10, “NSR-10 Requisitos generales de diseño y construcción sismo resistente,” Nsr-10, vol. Titulo A, p. 186, 2010.spa
dc.relation.references“Tipos de investigación: Descriptiva, Exploratoria y Explicativa.” https://noticias.universia.cr/educacion/noticia/2017/09/04/1155475/tipos-investigacion-descriptiva-exploratoria-explicativa.html (accessed Apr. 16, 2020).spa
dc.relation.references“Qué es SCRUM – Proyectos Ágiles.” https://proyectosagiles.org/que-es-scrum/ (accessed Apr. 16, 2020).spa
dc.relation.referencesG. Rivera, “Capítulo 6. Resistencia del concreto,” Concreto simple, no. 6, pp. 121–153, 2006, [Online]. Available: ftp://ftp.unicauca.edu.co/cuentas/geanrilo/docs/FIC y GEOTEC SEM 2 de 2010/Tecnologia del Concreto - PDF ver. 2009/Cap. 06 - Resistencia.pdf.spa
dc.relation.referencesI. N. de Vías, “Máquina de ensayo –,” Ens. Tracc. Indirect. Cilindros Norm. Concreto, vol. 411, pp. 1–5, 2007.spa
dc.relation.referencesMatlab Book Editors, “Mastering Machine Learning A Step-by-Step Guide with MATLAB,” p. 22, 2018.spa
dc.relation.references“Statistics and Machine Learning Toolbox - MATLAB.” https://la.mathworks.com/products/statistics.html#machine-learning (accessed Apr. 01, 2020).spa
dc.relation.referencesA. Lozano, “MARTILLO SCHMIDT (ESCLERÓMETRO).”spa
dc.relation.references“Desarrollo de un modelo de redes neuronales esarrollo de un modelo de redes neuronales artificiales para predecir la resistencia a la compresiÛn rtificiales para predecir la resistencia a la compresiÛn y la resistividad elÈctrica del concreto.” https://repositorio.unal.edu.co/bitstream/handle/unal/28787/14771-44391-1-PB.pdf?sequence=1&isAllowed=y (accessed Jul. 03, 2020).spa
dc.relation.referencesP. Folino, A. Will, F. Flores, and W. Diaz, “Uso de redes neuronales y ANFIS para predecir la resistencia uniaxial a compresión de hormigones de alta resistencia SUPERCONCRETE (SUstainability-driven international/intersectoral Partnership for Education and Research on modelling next generation CONCRETE) View project Acoustics, noise control View project.” Accessed: Apr. 12, 2020. [Online]. Available: https://www.researchgate.net/publication/228661525.spa
dc.relation.references“¿Qué es la inteligencia artificial (IA)? - MATLAB & Simulink.” https://la.mathworks.com/discovery/artificial-intelligence.html (accessed Apr. 15, 2020).spa
dc.relation.referencesL. Vokorokos, J. Mihalov, and L. Lescisin, “Possibilities of depth cameras and ultra wide band sensor,” in 2016 IEEE 14th International Symposium on Applied Machine Intelligence and Informatics (SAMI), Jan. 2016, pp. 57–61, doi: 10.1109/SAMI.2016.7422982.spa
dc.relation.references“Machine Learning: Tres cosas que es necesario saber - MATLAB & Simulink.” https://la.mathworks.com/discovery/machine-learning.html (accessed Apr. 15, 2020).spa
dc.relation.references“¿Qué es una red neuronal? - MATLAB & Simulink.” https://la.mathworks.com/discovery/neural-network.html (accessed Apr. 16, 2020)spa
dc.relation.references“Funciones en el modelo de Neurona Artificial.” http://www.redes-neuronales.com.es/tutorial-redes-neuronales/funciones-de-las-neuronas-artificiales.htm (accessed Jul. 17, 2020)spa
dc.relation.references“Regresión - MATLAB & Simulink - MathWorks América Latina.” https://la.mathworks.com/help/stats/regression-and-anova.html (accessed Apr. 16, 2020).spa
dc.relation.references“MATLAB - Wikipedia, la enciclopedia libre.” https://es.wikipedia.org/wiki/MATLAB (accessed Apr. 16, 2020).spa
dc.relation.referencesMinisterio de Ambiente Vivienda y Desarrollo Territorial, “Reglamento Colombiano de Construccion Sismo Resistente.,” p. 406, 1997, [Online]. Available: https://www.culturarecreacionydeporte.gov.co/sites/default/files/reglamento_construccion_sismo_resistente.pdf.spa
dc.relation.references“(No Title).” https://www.idrd.gov.co/sitio/idrd/sites/default/files/imagenes/3titulo-c-nsr-100.pdf (accessed Apr. 16, 2020).spa
dc.relation.references“Historias de Usuario, escritura, definicion y ejemplos — SCRUM MÉXICO.” https://www.scrum.mx/informate/historias-de-usuario (accessed Apr. 16, 2020).spa
dc.relation.references“Prueba de resistencia a la compresión del concreto | CivilGeeks.com.” https://civilgeeks.com/2017/08/24/prueba-resistencia-la-compresion-del-concreto/ (accessed Apr. 16, 2020).spa
dc.relation.referencesJesús David Osorio, “Resistencias del concreto | ARGOS 360.” https://www.360enconcreto.com/blog/detalle/resistencia-mecanica-del-concreto-y-compresion (accessed Mar. 31, 2020).spa
dc.relation.references“Fit Data with a Shallow Neural Network - MATLAB & Simulink - MathWorks América Latina.” https://la.mathworks.com/help/deeplearning/gs/fit-data-with-a-neural-network.html (accessed Apr. 16, 2020)spa
dc.relation.references“Train Regression Models in Regression Learner App - MATLAB & Simulink - MathWorks América Latina.” https://la.mathworks.com/help/stats/train-regression-models-in-regression-learner-app.html (accessed Apr. 16, 2020).spa
dc.relation.references“Open Network/Data Manager - MATLAB nntool - MathWorks América Latina.” https://la.mathworks.com/help/deeplearning/ref/nntool.html (accessed Apr. 16, 2020).spa
dc.relation.referencesC. M. Bishop and C. M. Roach, “Fast curve fitting using neural networks,” Rev. Sci. Instrum., vol. 63, no. 10, pp. 4450–4456, 1992, doi: 10.1063/1.1143696.spa
dc.relation.referencesS. Ekici, F. Unal, and U. Ozleyen, “Comparison of different regression models to estimate fault location on hybrid power systems,” IET Gener. Transm. Distrib., vol. 13, no. 20, pp. 4756–4765, Oct. 2019, doi: 10.1049/iet-gtd.2018.6213.spa
dc.relation.references“Simulate dynamic system - MATLAB sim - MathWorks América Latina.” https://la.mathworks.com/help/simulink/slref/sim.html (accessed Apr. 16, 2020).spa
dc.relation.references“Predict responses using ensemble of bagged decision trees - MATLAB - MathWorks América Latina.” https://la.mathworks.com/help/stats/compacttreebagger.predict.html (accessed Apr. 16, 2020).spa
dc.relation.references“App Designer - MATLAB & Simulink - MathWorks América Latina.” https://la.mathworks.com/help/matlab/app-designer.html (accessed Apr. 16, 2020).spa
dc.relation.referencesR. Marciniak, “Propuesta metodológica para el diseño del proyecto de curso virtual: aplicación piloto,” Apertura, vol. 9, no. 27, pp. 74–95, 2017, doi: 10.18381/Ap.v9n2.991.spa
dc.rightsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.subject.keywordMachine Learningspa
dc.subject.keywordIAspa
dc.subject.keywordConcretespa
dc.subject.keywordPredictionspa
dc.subject.lembAprendizaje de maquinaspa
dc.subject.lembConcretospa
dc.subject.lembPredicciónspa
dc.subject.lembTecnologíaspa
dc.subject.proposalResistenciaspa
dc.subject.proposalAlgoritmospa
dc.subject.proposalRed Neuronalspa
dc.subject.proposalNSR10spa
dc.subject.proposalConcretospa
dc.subject.proposalPredicciónspa
dc.subject.proposalIAspa
dc.titlePropuesta metodológica para predecir la resistencia a la compresión de un cilindro de concreto de acuerdo con la norma del sector de la construcción mediante el uso de las TICspa
dc.typebachelor thesis
dc.type.categoryFormación de Recurso Humano para la Ctel: Trabajo de grado de Pregradospa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.driveinfo:eu-repo/semantics/bachelorThesis
dc.type.localTesis de pregradospa
dc.type.versioninfo:eu-repo/semantics/acceptedVersion

Archivos

Bloque original

Mostrando 1 - 3 de 3
Cargando...
Miniatura
Nombre:
2020juansilva.pdf
Tamaño:
2.07 MB
Formato:
Adobe Portable Document Format
Descripción:
Thumbnail USTA
Nombre:
Carta_aprobacion Sebastian Silva y Giancarlos Zapata .pdf
Tamaño:
170.73 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta aprobación facultad
Thumbnail USTA
Nombre:
Carta_autorizacion_autoarchivo estudiantes.pdf
Tamaño:
118.02 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta autorización estudiantes

Bloque de licencias

Mostrando 1 - 1 de 1
Thumbnail USTA
Nombre:
license.txt
Tamaño:
807 B
Formato:
Item-specific license agreed upon to submission
Descripción: