UTE - 0013

FACULTAD DE INGENIERÍA
CARRERA DE ELECTRONICA Y TELECOMUNICACIONES

Riobamba, 29 de octubre del 2018

Ing.
Jesenia Cevallos, Ph.D
DIRECTOR DE LA CARRERA DE ELECTRONICA Y TELECOMUNICACIONES
Presente.

De mi consideración:

Luego de expresarle un atento saludo, me dirijo ante usted para solicitarle la aprobación del perfil del proyecto de
investigación titulado “DISEÑO E IMPLEMENTACIÓN DE UN SISTEMA INTELIGENTE PARA CARACTERIZACIÓN DEL
HORMIGÓN CON TECNOLOGÍA RADAR” en el área del conocimiento de electrónica en la cual ejecutará la
investigación.

Por la atención al presente anticipo mi agradecimiento.

Atentamente.

Erika Tatiana Mayorga Mayorga Franklin Iván Quinatoa Herrera

C.I.060580777-5 C.I. 060478588-1

Adjunto: Documento el Perfil de proyecto de investigación

 UNIVERSIDAD NACIONAL DE CHIMBORAZO

FACULTAD DE INGENIERÍA

CARRERA DE ELECTRÓNICA Y TELECOMUNICACIONES

Proyecto de Investigación previo a la obtención del título de ingeniería en Electrónica y

Telecomunicaciones.

TRABAJO DE TITULACIÓN

“DISEÑO E IMPLEMENTACIÓN DE UN SISTEMA INTELIGENTE PARA CARACTERIZACIÓN DEL

HORMIGÓN CON TECNOLOGÍA RADAR”

Autor(es): Erika Tatiana Mayorga Mayorga

Franklin Iván Quinatoa Herrera
Tutor: Msc. Cristian Rocha.

Riobamba - Ecuador
Año 2018
 I. INTRODUCCIÓN

En este proyecto de investigación se pretende elaborar un prototipo de reconocimiento de

materiales, capaz de diferenciar las principales características que interviene en la calidad de
concreto, los nos permiten determinar la fiabilidad de la estructura la cual debe garantizar la
máxima remoción de aire atrapado en la mezcla.
Para el diagnostico de las estructuras de concreto se obtendrán muestras de diferentes obras y se
evaluará si estos alcanzan la resistencia que exige la norma, puesto que existe un porcentaje muy
significativo de viviendas que utilizan el concreto preparado artesanalmente a comparación del
concreto premezclado, esto debido a los bajos costos que representa, pero es necesario saber si el
concreto empleado es de buena calidad. (Castro Mendizaba & Yucra Vargas, 2018).

Con el prototipo electrónico se pretende alertar la degradación del concreto, para ello será
necesario establecer los parámetros de las señales electromagnéticas de diversas muestras con
distintos niveles de calidad. Después de haber establecido un parámetro cuantificable con el que
podamos trabajar, podremos desarrollar un sistema basado en inteligencia artificial, capaz de
entrenarse para dar respuesta a la eficacia del concreto y así poder prevenir el riesgo existente en
edificaciones deficientes, siendo el caso más común la reacción álcali-agregado para garantizar
su mayor durabilidad. (Intituto Mexicano del Cemento y del Concreto, 2017).

Para poder contar con las muestras necesarias de hormigón y desarrollar este prototipo se contará
con el apoyo del ING de ing. civil técnico del laboratorio “de civil”, ubicado en el bloque C de la
Universidad Nacional de Chimborazo.
 II. PLANTEAMIENTO DEL PROBLEMA

En la actualidad un sistema capaz de identificar los niveles de calidad del hormigón resulta un
recurso esencial para cualquier especialista de la construcción, con el uso de medios tecnológicos
se garantizará un mayor tiempo de vida útil a las edificaciones, dando solución a amenazas que
constituye una edificación con malos materiales de construcción, también para estar al día en el
auge de la industria y de su competencia.
La Universidad Nacional de Chimborazo, así como el país, no dispone de un sistema entrenado
para caracterización de hormigón basado en inteligencia artificial capaz de resolver problemas que
son difíciles para las computadoras convencionales o los seres humanos.
Los mecanismos de identificación influyen de manera sustancial en la valoración de la
construcción, este proyecto de investigación busca mejorar los métodos de estimación del índice
de calidad de la estructura, mediante inteligencia artificial y así mejorar los procesos de
cimentación.

III. OBJETIVOS:

Objetivo General

 Diseñar e implementar un sistema inteligente para caracterización del hormigón con

tecnología radar, a partir de muestras proporcionadas por el departamento de ingeniería
civil de la universidad Nacional de Chimborazo.

Objetivo Específicos

 Diseñar un prototipo de un sistema inteligente para para caracterización del hormigón en

edificaciones.
 Implementar un sistema inteligente para caracterización del hormigón con tecnología radar
en el departamento de ingeniería Civil de la UNACH.
 Evaluar los resultados obtenidos con la implementación del prototipo.
IV. ESTADO DEL ARTE

4.1 ANTECEDENTES DEL TEMA

El extraordinario avance experimentado en las últimas décadas, por las diferentes tecnologías y su
introducción en la mayoría de los sectores de la sociedad ha automatizado la mayor parte de las
actividades, exigiendo una alta preparación profesional, capacitación continua y vinculación entre
los profesionales de diferentes disciplinas. Por lo que es indispensable situar el conocimiento, la
ciencia y la tecnología en lugares sobresalientes de la escala del saber y la inteligencia, en todas
las profesiones y oficios.

El sismo producido el 16 de abril del 2016 al ser de grandes dimensiones demostró la

vulnerabilidad estructural en muchas zonas, dejándonos la lección más importante que es el
mejoramiento del proceso constructivo, incluyendo el sometimiento a pruebas de calidad de
edificaciones existentes, cumpliendo con la normativa de construcción vigente. Se observa que
una de las principales causas de los daños fueron las carencias del control en la estructuración, el
diseño estructural y la construcción, control que se hace sin criterios de calidad. Las autorizaciones
de construcción y de habitabilidad deben estar acompañadas de normas y códigos de construcción
en constante actualización. En el caso de Ecuador, las Normas Ecuatorianas de Construcción,
NEC, fueron aprobadas en 2014. (Secretaria Nacional de Planificacion y Desarrollo, 2016).

En Ecuador la evaluación y aceptación del hormigón será según lo indicado en la parte pertinente
de las normas NTE INEN 1855-1(ASTM C94) y NTE INEN 1855-2 (NORMA ECUATORIANA
DE LA CONSTRUCCION-NEC, 2014).

Es necesario investigar el grado de calidad del concreto que hay en el Ecuador ya que, al estar
ubicado en una zona sísmica, se debe asegurar el comportamiento de la estructura y si el concreto
no es de buena calidad no cumplirá con lo proyectado.
Con el estudio de la calidad del concreto, se puede hacer un diseño de mezclas con las
características y propiedades de los agregados de la zona. (Castro Mendizaba & Yucra Vargas,
2018).
4.2 GEORADAR PARA CARACTERIZACIÓN DE MATERIALES

El principio de funcionamiento de la tecnología georadar se basa en la medida de la respuesta de

los diferentes materiales a las ondas electromagnéticas de alta frecuencia, según (Llopis, 2014) un
GPR esta compuesto de tres grupos esenciales: las antenas que son encargadas de emitir y recibir
las ondas electromagnéticas, la unidad central encargada de controlar estas emisiones y
recepciones de la antenas y un ordenador encargado de registrar, almacenar y procesar la
información recibida por las antenas y gestionadas por la unidad de control.

4.3 ADQUISICIÓN DE DATOS

La cabeza de detección es colocada directamente sobre la superficie del hormigón y son capaces
de tomar registros de la variación de la onda reflejada. El uso del dispositivo superficial es más
adecuado para el estudio del comportamiento de la actividad de la onda electromagnética,
dependiente de la calidad del hormigón, lo cual es muy utilizado para el reconocimiento de
materiales.

Cabeza de
GPR
detección

Software de
FPGA Amplificador
análisis

Figura 1: Adquisición de datos.

4.4 ANÁLISIS Y TRATAMIENTO DE SEÑALES

Según (Sutton & Barto, 2018), la neurociencia es el estudio multidisciplinario de los sistemas
nerviosos cómo: regulación de las funciones corporales; comportamiento de control; cambiar con
el tiempo como resultado del desarrollo, el aprendizaje y el envejecimiento; y cómo los
mecanismos celulares y moleculares hacen posible estas funciones. Uno de los aspectos más
interesantes del aprendizaje por refuerzo es la evidencia creciente de la neurociencia de que los
sistemas nerviosos de los humanos y muchos otros animales implementan algoritmos que se
corresponden de manera sorprendente con los algoritmos de aprendizaje por refuerzo.
Muchos aspectos del aprendizaje por refuerzo fueron influenciados por la neurociencia. Esto es
particularmente cierto para la idea del rastro de elegibilidad, uno de los mecanismos básicos del
aprendizaje por refuerzo, que se originó como una propiedad conjeturada de las sinapsis, las
estructuras mediante las cuales las células nerviosas (las neuronas) se comunican entre sí.

En 2016 (Goodfellow, Bengio, & Courville, 2016), en su libro Deep Learning, definen a Machine
Learning como una forma de estadística aplicada con mayor énfasis al uso de computadoras para
estimar estadísticamente funciones complicadas y un menor énfasis en probar los intervalos de
confianza entorno a estas funciones; por lo tanto presentamos los dos enfoques centrales de las
estadísticas: estándares frecuentistas e interferencia bayesiana.

La mayoría de los algoritmos de Machine Learning se pueden dividir en las categorías de

aprendizaje supervisado y no supervisado.

Usando un georadar identificador de objetos para desarrollar una aplicación de aprendizaje

automático, desde la carga de datos hasta la implementación de un modelo capacitado. Para cada
fase de capacitación, es necesario dominar las técnicas que son fundamentales para lograr modelos
precisos, y tareas de capacitación más desafiantes, que incluyen la selección de algoritmos, la
optimización de los parámetros del modelo y evitar el sobreajuste.

Al desarrollar esta aplicación, seguiremos estos pasos:

 1. Acceder y explorar los datos.

2. Reprocesar los datos y extraer características.

3. Desarrollar modelos predictivos.

4. Optimizar el modelo.

5. Implementar análisis en un sistema de producción.

Figura 2 : TREN: Iterar hasta lograr un rendimiento satisfactorio. Copyright (MathWorks, 2016)

Figura 3: PREDICTO: Integrar modelos entrenados en aplicaciones. Copyright (MathWorks, 2016)

 V. METODOLOGÍA

a. TIPO DE ESTUDIO
El nivel de la investigación es bibliográfico, aplicativo y experimental, utilizando hipótesis de
trabajo de tipo casual.

b. IDENTIFICACIÓN DE VARIABLES
Variable Independiente
Calidad de hormigón.
Variable Dependiente
Variación de la onda reflejada.
Estimación del sistema de identificación de calidad de hormigón.
c. POBLACIÓN Y MUESTRA
El universo o la población se tomarán del total de muestras proporcionadas por el Laboratorio de

Ingeniería civil de la Universidad Nacional de Chimborazo.

d. OPERACIONALIZACIÓN DE LAS VARIABLES

Tabla 1: Operacionalización de variables

VARIABLE TIPO DEFINICIÓN DIMENSIÓN INDICADORES

CONCEPTUAL
Censar variaciones en la
reflexión de ondas
electromagnéticas
Diseño e emitidas por las diversas
implementación muestras de hormigón,
Independiente. Variación de la Estructura.
de un sistema estas señales serán
onda reflejada.
inteligente para procesadas y analizadas
caracterización por un sistema inteligente,
del hormigón con para obtener sus
tecnología radar. parámetros y poder
realizar una comparativa
con estructuras de
edificaciones
convencionales.
Mejorar las
técnicas de Dependiente Evaluar el proceso de
Resultado
validación de estimación de la calidad
calidad del de hormigón en Evaluar
hormigón edificaciones.

e. TÉCNICA DE INVESTIGACIÓN

Técnica documental. - Mediante esta técnica se recopilará toda la información de fuentes

primarias y secundarias que permitirá enunciar y desarrollar teorías que sustentarán el marco
teórico en el cual se basará el análisis e interpretación del proyecto de investigación.

Técnica de campo. - Esta técnica permitirá establecer una relación directa con el objeto de estudio,
donde se desarrollará pruebas experimentales que permitirán comprobar la hipótesis planteada.

f. INSTRUMENTOS DE RECOLECCIÓN DE DATOS

En base a la técnica de investigación seleccionada, el instrumento de recolección y análisis de
datos será una escala de valoración.

g. PROCEDIMIENTOS

a) Recopilación.
Recopilar información bibliográfica, antecedentes e información correspondiente a las
técnicas de valoración de calidad hormigón en estructuras y sistemas basados en redes
neuronales.

b) Diseñar
Diseñar e implementar un prototipo de un sistema inteligente para el reconocimiento de la
calidad del concreto en edificaciones, a partir de muestras de hormigón.

c) Evaluar.
Evaluar la fiabilidad del sistema para poder verificar el desempeño del proyecto.
 VI. CRONOGRAMA

Tabla 3: Cronograma de Actividades

N.º Actividades Mes 1 Mes 2 Mes 3 Mes 4 Mes 5

1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
1 Metodología de la Investigación
1.1 Planificación del proyecto. x
1.2 Levantamiento de información. x x
1.3 Aprobación del Tema. x
1.4 Desarrollo de anteproyecto. x x
1.5 Aprobación de Perfil del Proyecto. x
2 Tutoría del proyecto de investigación
2.1 Análisis de información de los métodos y herramientas de replicación. x
2.2 Análisis Metodológica. x x x
2.3 Corroboración de la hipótesis. x
2.4 Conclusiones de la investigación x
3 Aprendizaje autónomo
3.1 Investigación de herramientas de evaluación de calidad del hormigón. x x
3.2 Investigación de desarrollo del sistema inteligente. x x
3.3 Investigación de modelos o herramientas que permita corroborar la x x
hipótesis.
4 Desarrollo del proyecto de investigación x x
4.1 Diseño e implementación del georadar. x x
4.2 Diseño y programación del sistema inteligente. x x x
4.3 Realización de pruebas y obtención de resultados x x x
4.4 Verificación de los resultados. x x
5 Documentación
5.1 Documentación proyecto de investigación x x x x x x x x x x X x x x x x x x x x
6 Presentación y defensa x
VII. BIBLIOGRAFÍA

Bibliografía
Castro Mendizaba, M., & Yucra Vargas, N. M. (2018). Evaluación y diagnóstico de la calidad
del concreto elaborado a pie de obra en zonas rurales en los distritos de Cerro
Colorado, Paucarpata y Socabaya en la Ciudad de Arequipa. AREQUIPA:
UNIVERSIDAD NACIONAL DE SAN AGUSTIN.
Gonzáles, F. J. (2015). UF2234:Instalación de equipos y elementos de sistemas de
automatización industrial. Antequera: IC .
Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. Massachusetts:
Massachusetts Institute of Tecnology.
Intituto Mexicano del Cemento y del Concreto, A. (marzo de 2017). CONSTRUCCION Y
TECNOLOGIA EN CONCETO. REVISTACYT, 2. Obtenido de www.imcyc.com:
http://www.imcyc.com
Llopis, V. P. (2014). Ensayos no destructivos en hormigon. Georadar y ultrasonidos. Valencia:
Universitat Politecnica de Valencia.
MathWorks. (2016). Mastering Machine Learning. MathWorks.
NORMA ECUATORIANA DE LA CONSTRUCCION-NEC. (2014). ESTRUCTURAS DE
HORMIGON ARMADO. QUITO: NEC.
Secretaria Nacional de Planificacion y Desarrollo. (2016). Evaluacion de los costos de
conturccion Sismo en el Ecuador abril 2016. Quito: Senplades.
Sutton, R. S., & Barto, A. G. (2018). Reinforcement Learning An Introduccion second edition.
Londres: MIT.
VIII. ANEXOS