Resumen Técnico: Marco de Aprendizaje Automático Integrado con la Física para la Predicción de la Capacidad de Carga de Conexiones de Acero a Madera Atornilladas en Maderas Duras Tropicales

1. Planteamiento del Problema

Predecir la capacidad de carga lateral de las conexiones de acero a madera atornilladas sigue siendo un desafío significativo en la ingeniería de la madera, particularmente para las maderas duras tropicales. Los estándares de diseño existentes, como el Modelo de Fluencia Europeo (EYM) y el Modelo de Corte de Fila (RSM), fueron calibrados principalmente utilizando especies de coníferas templadas (p. ej., abeto, pino, picea). Estos modelos suelen carecer de precisión cuando se aplican a maderas duras tropicales malayas como el Balau (Shorea spp.) y el Bitis (Madhuca spp.), que poseen mayores densidades, diferentes estructuras de grano y mecanismos de falla distintos.

Además, la aplicación del aprendizaje automático (ML) en este dominio enfrenta tres obstáculos metodológicos específicos:

1. Escasez y Estructura de Datos: Los conjuntos de datos experimentales para pruebas de conexión son típicamente pequeños y altamente estructurados, con múltiples especímenes que comparten entradas geométricas idénticas dentro de un mismo grupo de conexión.
2. Fuga de Datos (Data Leakage): La validación cruzada aleatoria estándar a nivel de espécimen conduce a una fuga de datos, donde los modelos "memorizan" las respuestas de los grupos en lugar de aprender mapeos generalizables, lo que resulta en estimaciones de rendimiento excesivamente optimistas.
3. Falta de Fundamentación Física: Los modelos puramente basados en datos pueden producir predicciones que violan principios de ingeniería establecidos, especialmente al extrapolar más allá del dominio de entrenamiento.

2. Metodología

2.1 Conjunto de Datos Experimentales

El estudio utilizó un conjunto de datos compuesto por 36 grupos de conexión (360 especímenes individuales) derivados de pruebas sistemáticas de conexiones atornilladas de acero a madera de una sola cizalla y una sola fila.

• Especies: Balau y Bitis (Grupo de Resistencia 1 de Malasia).
• Configuración: Pernos M13 Grado 4.6, placas de acero dulce de 6 mm, carga paralela a la veta.
• Variables: Número de sujetadores ($N$), relación de distancia al extremo ($e/d$) y relación de espaciado de pernos ($s_b/d$).
• Objetivo: Se utilizó la capacidad de carga media de cada grupo como el punto de datos para el modelado.

2.2 Marco Integrado con la Física

El estudio adoptó una estrategia de aprendizaje de residuos físicos en lugar de entrenar modelos para predecir la capacidad de carga desde cero.

• Ancla Física: Se computaron tres ecuaciones de diseño establecidas (EYM, RSM y MS544-5) para cada grupo. El mínimo de estas tres predicciones ($R_{min}$) sirvió como la base física.
• Aprendizaje de Residuos: Los modelos de ML fueron entrenados para predecir el error residual ($\varepsilon = R_{exp} - R_{min}$) en lugar de la capacidad de carga absoluta. La predicción final ($R_{ml}$) se calcula como $R_{min} + \hat{y}(\varepsilon)$. Esto asegura que las predicciones permanezcan ancladas a la teoría física.

2.3 Validación y Explicabilidad

• Validación Cruzada de Dejar Uno Fuera por Grupo (Group-LOO-CV): Para prevenir la fuga de datos, el estudio empleó un esquema de validación cruzada de 36 pliegues donde grupos de conexión completos (no especímenes individuales) fueron retenidos como conjuntos de prueba. Esto asegura que el modelo sea probado con configuraciones geométricas no vistas.
• Algoritmos: Se evaluaron seis algoritmos: Regresión de Vectores de Soporte (SVR), CatBoost, XGBoost, Bosque Aleatorio (Random Forest), K-Vecinos Más Cercanos (KNN) y Gradient Boosting.
• Explicabilidad: Se utilizaron SHAP (Explicaciones de Aditividad de Shapley) y la importancia de permutación para cuantificar las contribuciones de las características y asegurar la interpretabilidad física.
• Calibración: Se derivó un factor de calibración ($\phi$) como el percentil 5 de la relación entre los valores experimentales y predichos para generar resistencias de diseño conservadoras ($R_{5th}$).

3. Resultados Clave

3.1 Desempeño Predictivo

Todos los modelos superaron la línea base basada en códigos ($R_{min}$). La Regresión de Vectores de Soporte (SVR) emergió como el modelo con mejor desempeño:

• $R^2$: 0.876 (±0.043)
• RMSE: 6.09 kN
• MAE: 4.80 kN
• Sesgo (Bias): -0.783 kN (ligeramente conservador)

CatBoost ($R^2$ = 0.846) y XGBoost ($R^2$ = 0.842) le siguieron de cerca. Las pruebas estadísticas (Wilcoxon signed-rank) indicaron que, aunque SVR fue el mejor desempeño, las diferencias entre los tres mejores modelos no fueron estadísticamente significativas al nivel de confianza del 95%. Sin embargo, SVR demostró el desempeño más consistente a través de los pliegues.

3.2 Importancia de las Características

El análisis SHAP reveló que la Especie de Madera, la Relación de Espaciado de Pernos y la Relación de Distancia al Borde fueron los predictores más influyentes.

• Especie de Madera: Identificada como la característica dominante, reflejando la diferencia de 6.9 kN en la capacidad media entre Bitis y Balau.
• Utilización del Ancla Física: SVR y CatBoost asignaron una importancia significativa al ancla física ($R_{min}$), asegurando la consistencia física. En contraste, XGBoost ignoró en gran medida el ancla física (valor SHAP ~0.19 kN), apoyándose en su lugar en las entradas geométricas, lo que puede limitar su fiabilidad de extrapolación.

3.3 Calibración y Aplicación de Diseño

El estudio derivó factores de calibración ($\phi$) para convertir las predicciones brutas en valores de diseño conservadores.

• Factor de Calibración SVR: $\phi$ = 0.842.
• Resistencia Característica ($R_{5th}$): La predicción calibrada de SVR arrojó una $R_{5th}$ de 26.27 kN, la cual es ligeramente inferior al referente experimental de 27.45 kN. Esto confirma que el marco produce valores de diseño conservadores y seguros comparables con los estándares existentes como MS544-5.

4. Contribuciones Clave

1. Rigor Metodológico: El estudio aborda el problema crítico de la fuga de datos en conjuntos de datos experimentales pequeños y estructurados mediante la implementación de Group-LOO-CV, un paso necesario que suele pasarse por alto en las aplicaciones de ML estructural.
2. Estrategia de Residuos Físicos: Demuestra que entrenar modelos para corregir la brecha entre las predicciones de los códigos y los resultados experimentales (en lugar de predecir desde cero) produce mayor precisión y consistencia física para maderas duras tropicales.
3. Explicabilidad en el Diseño: Al integrar el análisis SHAP, el estudio valida que los modelos de ML aprenden relaciones físicamente significativas (p. ej., la dominancia de las especies y las relaciones de espaciado) en lugar de correlaciones espurias.
4. Calibración Práctica: La derivación de un factor de calibración específico proporciona una vía directa para integrar las predicciones de ML en marcos de diseño estructural conservadores, cerrando la brecha entre la precisión basada en datos y los requisitos de seguridad de la ingeniería.

5. Significado y Reivindicaciones

El artículo afirma representar uno de los primeros marcos de aprendizaje automático integrados con la física desarrollados específicamente para predecir la capacidad de carga de conexiones de acero a madera atornilladas en maderas duras tropicales del Grupo de Resistencia 1 de Malasia.

La significancia del trabajo reside en su capacidad para:

• Extender la guía de diseño a maderas duras tropicales donde los estándares existentes son menos precisos.
• Proporcionar un "camino claro y físicamente fundamentado" para extender la guía de diseño sin reemplazar las teorías mecánicas establecidas.
• Ofrecer un protocolo de validación robusto y resistente a la fuga que pueda servir como plantilla para otros problemas de ingeniería estructural con datos limitados y estructurados.

Los autores mantienen una postura modesta, reconociendo que el marco está actualmente limitado a las especies Balau y Bitis y a configuraciones de una sola fila. Enfatizan que el modelo está destinado a ser una herramienta de apoyo a la decisión para complementar, no para reemplazar, los estándares de diseño existentes, y que el trabajo futuro requiere la validación en conjuntos de datos externos y un rango de especies más amplio.