Mostrar el registro sencillo del ítem

dc.contributor.advisorAbellán García, Joaquín (dir)spa
dc.contributor.advisorOspina Becerra, Victoria Eugenia (co-dir)spa
dc.contributor.authorSánchez Díaz, Jairo Alfredospa
dc.date.accessioned2020-08-27T14:50:42Zspa
dc.date.accessioned2021-10-01T16:10:08Z
dc.date.available2020-08-27T14:50:42Zspa
dc.date.available2021-10-01T16:10:08Z
dc.date.issued2020spa
dc.identifier.urihttps://repositorio.escuelaing.edu.co/handle/001/1262
dc.description.abstractHigh-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.eng
dc.description.abstractEl 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.spa
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.publisherEscuela Colombiana de Ingeniería Julio Garavitospa
dc.rightsDerechos Reservados - Escuela Colombiana de Ingeniería Julio Garavitospa
dc.rights.urihttps://creativecommons.org/licenses/by-nc/4.0/spa
dc.subjectRedes Neuronales Artificialesspa
dc.subjectHPFRCCspa
dc.subjectPostfisuraciónspa
dc.subjectAbsorción de energíaspa
dc.titleUso 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)spa
dc.typeTrabajo de grado - Maestríaspa
dc.type.versioninfo:eu-repo/semantics/publishedVersionspa
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2spa
oaire.versionhttp://purl.org/coar/version/c_970fb48d4fbd8a85spa
dc.description.degreelevelMaestríaspa
dc.description.degreenameMagíster en Gestión de Informaciónspa
dc.publisher.programMaestría en Gestión de Informaciónspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.creativecommonsAtribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)spa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdccspa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/masterThesisspa
dc.type.redcolhttp://purl.org/redcol/resource_type/TMspa
dc.subject.keywordsArtificial Neural Networksspa
dc.subject.keywordsHPFRCCspa
dc.subject.keywordsStrainspa
dc.subject.keywordsEnergy Absorptionspa


Ficheros en el ítem

Thumbnail
Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Derechos Reservados - Escuela Colombiana de Ingeniería Julio Garavito
Excepto si se señala otra cosa, la licencia del ítem se describe como Derechos Reservados - Escuela Colombiana de Ingeniería Julio Garavito