FACULTAD DE INGENIERÍA
CARRERA DE ELECTRONICA Y TELECOMUNICACIONES
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.
Atentamente.
FACULTAD DE INGENIERÍA
TRABAJO DE TITULACIÓN
Riobamba - Ecuador
Año 2018
I. INTRODUCCIÓN
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
Objetivo Específicos
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.
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
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
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.
4. Optimizar el modelo.
Figura 2 : TREN: Iterar hasta lograr un rendimiento satisfactorio. Copyright (MathWorks, 2016)
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
e. TÉCNICA 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.
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
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