⚡ electrical engineering

Mechanical Performance and Strength Prediction of Rubberized Silica Fume Concrete: An Experimental and Machine Learning Investigation for Sustainable Construction

Este estudio investiga el desempeño mecánico del concreto con humo de sílice y caucho mediante pruebas experimentales y aprendizaje automático, demostrando que, si bien el polvo de caucho y el humo de sílice mejoran propiedades específicas y los códigos de diseño existentes subestiman la resistencia, los modelos predictivos avanzados como las Redes Neuronales Artificiales ofrecen una precisión superior para estimar la resistencia a la compresión y a la flexión para apoyar la construcción sostenible.

Autores originales: M. Shariq, A. Fuzail Hashmi, M. Ayaz, M. Tanveer, M. Asif Ansari

Publicado 2026-06-25

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: M. Shariq, A. Fuzail Hashmi, M. Ayaz, M. Tanveer, M. Asif Ansari

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que la industria de la construcción es como una gran panadería. Durante años, han estado horneando "pasteles de concreto" utilizando ingredientes estándar: cemento, arena y rocas. Pero el mundo se enfrenta a dos grandes problemas: una montaña de neumáticos viejos acumulándose en los vertederos (que son tóxicos y difíciles de descomponer) y la necesidad de usar menos cemento para salvar el planeta.

Este artículo de investigación es como un equipo de panaderos intentando resolver ambos problemas a la vez inventando una nueva receta ecológica. Querían ver qué pasaba si sustituían parte de la arena por polvo de caucho triturado (de neumáticos viejos) y reemplazaban parte del cemento con humo de sílice (un subproducto industrial muy fino).

Aquí hay un desglose sencillo de lo que hicieron, lo que descubrieron y cómo usaron las computadoras para predecir los resultados.

1. El Experimento: Mezclando el "Pastel Ecológico"

Los investigadores crearon 16 lotes diferentes de concreto.

El Caucho: Sustituyeron la arena por polvo de caucho en cantidades que iban desde el 0% (concreto normal) hasta el 35%.
El Ingrediente Secreto: Para la mitad de estos lotes, añadieron un 10% de humo de sílice a la mezcla de cemento.
La Prueba: Hornearon estas mezclas en bloques y esperaron 7, 28 y 56 días. Luego, los trituraron para ver qué tan fuertes eran, los doblaron para ver cuánto podían flexionarse y les enviaron ondas sonoras (como una ecografía de un bebé) para comprobar su calidad interna.

2. Los Resultados: ¿Qué Pasó?

Piensa en el concreto como una esponja. Cuando añades caucho, es como poner esponjas suaves y blandas dentro de un ladrillo duro.

El Efecto del Caucho: A medida que añadían más caucho, el concreto se volvía más blando. Se volvía menos capaz de soportar pesos pesados (la resistencia a la compresión cayó). Las ondas sonoras viajaban más lento a través de él, lo que significaba que el material era menos denso y tenía más diminutos huecos de aire.
- Sin embargo, había un punto ideal. Cuando añadían solo un poco de caucho (5%), el concreto en realidad se volvía mejor al doblarse sin romperse. Era como añadir un poco de caucho a una galleta quebradiza para hacerla ligeramente masticable en lugar de que se hiciera pedazos.
El Efecto del Humo de Sílice: Esto fue el cambio decisivo. Cuando añadieron el humo de sílice, actuó como un relleno súper fino. Tapó los pequeños agujeros dejados por el caucho y pegó todo con más fuerza.
- El Resultado: El humo de sílice aumentó la resistencia de cada mezcla, incluso de las que tenían mucho caucho. Convirtió ese concreto de caucho "blando" de nuevo en algo mucho más fuerte y duradero.

3. El Problema con las Reglas Antiguas

Los ingenieros suelen utilizar "libros de reglas" (códigos de diseño) para adivinar qué tan fuerte será un nuevo tipo de concreto. Los investigadores probaron su nuevo concreto de caucho contra estos libros de reglas antiguos.

El Hallazgo: Los libros de reglas estaban equivocados. Consistentemente adivinaron que la resistencia sería mucho menor de lo que realmente era. Es como si un meteorólogo siempre predijera una tormenta de nieve cuando en realidad es solo una nevada ligera. Las reglas antiguas no tenían en cuenta la forma única en que el caucho y el humo de sílice trabajan juntos.

4. La Solución: Enseñar a las Computadoras a Predecir

Dado que los viejos libros de reglas fallaron, los investigadores recurrieron al Aprendizaje Automático (Machine Learning o ML). Imagina entrenar a un robot inteligente para ser un "predictor de resistencia".

El Entrenamiento: Alimentaron al robot con datos de sus 16 experimentos. Le mostraron: "Aquí está la cantidad de caucho, aquí está el humo de sílice y aquí está la resistencia que obtuvimos".
El Concurso: Probaron seis tipos diferentes de "cerebros de robot" (algoritmos) para ver cuál aprendía mejor:
1. Red Neuronal Artificial (ANN): Un sistema similar al cerebro que aprende patrones.
2. Árboles de Regresión y Árboles Potenciados (Boosted Trees): Sistemas que toman decisiones como un diagrama de flujo.
3. Máquinas de Vectores de Soporte (Support Vector Machines) y otros: Modelos matemáticos que dibujan líneas para separar datos.
El Ganador: La Red Neuronal Artificial (ANN) fue la campeona. Fue la mejor para entender la compleja relación no lineal entre los ingredientes y la resistencia. Cometió la menor cantidad de errores.

5. La Herramienta Final: Una Nueva Fórmula

Aunque la ANN era la más inteligente, los investigadores querían algo práctico que los ingenieros pudieran usar en una obra de construcción sin necesidad de una supercomputadora. Así que usaron los datos para crear una fórmula matemática sencilla (un modelo de regresión).

Esta fórmula permite que un ingeniero introduzca la edad del concreto, la cantidad de caucho y la cantidad de humo de sílice, y esta predecirá con precisión la resistencia.
Incluso usaron esta fórmula para predecir qué tan bien se doblaría el concreto (resistencia a la flexión) simplemente conociendo su resistencia en una prueba de aplastamiento directo.

Resumen

Este artículo es una historia de éxito de reciclaje y matemáticas inteligentes.

Reciclaje: Demostraron que se puede usar el caucho de neumáticos viejos en el concreto, pero hay que tener cuidado con la cantidad.
Mejora: Añadir humo de sílice corrige la debilidad causada por el caucho.
Predicción: Las viejas reglas de ingeniería no funcionan para esta nueva mezcla, pero una nueva, fórmula sencilla (derivada del aprendizaje computacional inteligente) puede predecir la resistencia con precisión.

El objetivo no es solo hacer un concreto "verde", sino hacerlo predecible para que los constructores puedan confiar en él y usarlo de forma segura en construcciones del mundo real.

Resumen Técnico: Rendimiento Mecánico y Predicción de la Resistencia de Concreto con Humo de Sílice y Caucho

Planteamiento del Problema
La acumulación global de neumáticos desechados presenta un desafío ambiental significativo, ya que los métodos tradicionales de eliminación, como el vertido en rellenos sanitarios y la incineración, causan degradación del suelo y emisiones tóxicas. Si bien la incorporación de caucho de neumáticos reciclados en el concreto (concreto con caucho) ofrece una vía de eliminación sostenible, esto típicamente resulta en una reducción de las propiedades mecánicas, particularmente de la resistencia a la compresión, debido a la débil unión entre las partículas hidrofóbicas de caucho y la pasta de cemento. Por el contrario, se sabe que el humo de sílice mejora la resistencia del concreto mediante reacciones puzolánicas, aunque su efecto sinérgico cuando se combina con diferentes porcentajes de polvo de caucho permanece poco explorado. Además, los códigos de diseño empíricos existentes (IS, Euro-code, ACI, NZS) subestiman consistentemente el módulo de rotura del concreto con caucho, lo que resalta una brecha crítica en las herramientas predictivas para este material modificado.

Metodología
El estudio empleó un enfoque dual que combina la investigación experimental con el modelado avanzado basado en datos:

Programa Experimental: Se prepararon dieciséis mezclas de concreto utilizando Cemento Portland Ordinario (OPC) de grado 43. Se utilizaron polvo de caucho (del 0% al 35% por peso de agregado fino) y humo de sílice (10% por peso de cemento) como reemplazos parciales. Las mezclas incluyeron variaciones con y sin humo de sílice, manteniendo relaciones agua-cemento específicas (0.44 para mezclas sin SF, 0.49 para mezclas con SF).
Protocolo de Pruebas: Los especímenes fueron curados bajo condiciones de inmersión a 27±2°C. Las pruebas incluyeron Velocidad de Pulso Ultrasonido (UPV) a los 28 días para evaluar la calidad, resistencia a la compresión a los 7, 28 y 56 días, y resistencia a la tracción por flexión a los 28 días.
Modelado Predictivo:
- Aprendizaje Automático (ML): Se entrenaron seis algoritmos —Red Neuronal Artificial (ANN), Árbol de Regresión (RT), Árbol Potenciado (BT), Regresión por Proceso Gaussiano (GPR), Máquina de Vectores de Soporte (SVM) y Modelo de Regresión Lineal (LRM)— con el 80% del conjunto de datos para predecir la resistencia a la compresión.
- Análisis de Regresión: Se realizó un análisis de regresión multivariable para desarrollar ecuaciones analíticas de la resistencia a la compresión y a la tracción por flexión dependientes de la edad.
- Validación: Los resultados experimentales se compararon con las ecuaciones empíricas de los principales códigos de diseño. Se realizó un análisis de sensibilidad sobre el mejor modelo de ML para determinar la influencia de los parámetros de entrada.

Resultos Clave

Rendimiento Mecánico:
- Resistencia a la Compresión: El aumento del contenido de polvo de caucho condujo a una disminución progresiva de la resistencia a la compresión. La mezcla con 35% de caucho (sin humo de sílice) experimentó una reducción del 70% en comparación con el concreto simple. Sin embargo, la adición de 10% de humo de sílice mitigó significativamente esta pérdida, mejorando la resistencia en todas las mezclas con caucho.
- Resistencia a la Tracción por Flexión: Se observó una tendencia única donde la adición de hasta un 5% de polvo de caucho aumentó la resistencia a la flexión en un 6.2% debido a la naturaleza elástica del caucho que retrasa la fractura. Más allá del 5%, la resistencia disminuyó. El humo de sílice mejoró consistentemente la resistencia a la flexión, mostrando la mezcla con 10% de SF un incremento del 8.7% sobre el concreto simple.
- UPV: La velocidad de pulso disminuyó de 4.70 km/s a 3.75 km/s a medida que el contenido de caucho aumentó del 0% al 35%, indicando un cambio de una calidad de concreto "excelente" a "buena", atribuido a la reducción de la densidad y el aumento de la porosidad.
Comparación con Códigos de Diseño: Todos los códigos de diseño evaluados (IS, Euro-code, ACI, NZS) subestimaron significativamente el módulo de rotura experimental, con subestimaciones que oscilaron entre el 27% y el 56%.
Desempeño de los Modelos:
- Entre los modelos de ML, la Red Neuronal Artificial (ANN) demostró una precisión predictiva superior para la resistencia a la compresión, logrando un $R^2$ de prueba de 0.9905 y el RMSE más bajo (1.3793). El análisis de sensibilidad identificó el contenido de cemento como el parámetro más influyente, mientras que el polvo de caucho fue el menos influyente.
- Aunque la ANN mostró una alta precisión, se seleccionó un modelo de regresión multivariable para su aplicación práctica debido a su simplicidad y formulación explícita. Este modelo logró un $R^2$ de 0.98 para la predicción de la resistencia a la compresión.
- El modelo de regresión se extendió con éxito para predecir la resistencia a la tracción por flexión basándose en los datos de resistencia a la compresión, donde todos los puntos de datos se situaron dentro de un margen de error de ±10%.

Significancia y Contribuciones
El artículo afirma proporcionar un marco integral para el uso sostenible de caucho de desecho y humo de sílice en la construcción. Sus contribuciones primarias incluyen:

Optimización Sinérgica: Demostrar que la combinación de polvo de caucho (hasta un 5%) con humo de sílice puede mejorar las propiedades de flexión mientras mantiene una resistencia a la compresión aceptable, ofreciendo una vía viable para la construcción sostenible.
Identificación de Limitaciones de los Códigos: Resaltar la insuficiencia de los códigos de diseño internacionales actuales para predecir el comportamiento del concreto con humo de sílice y caucho, lo que hace necesario nuevos modelos específicos para el material.
Herramientas Predictivas Prácticas: Desarrollar y validar modelos analíticos (Eq. 12 y Eq. 14) que permiten a los ingenieros estimar con precisión las resistencias a la compresión y a la tracción por flexión dependientes de la edad sin depender de herramientas computacionales complejas. Estos modelos facilitan la integración de materiales de desecho en el diseño estructural del mundo real.
Impacto Ambiental: Proporcionar una base técnica para la utilización de neumáticos de desecho en el concreto, abordando así los problemas de gestión de residuos y promoviendo el reciclaje de subproductos industriales.

El estudio concluye que, si bien el aprendizaje automático ofrece una predicción de alta precisión, los modelos de regresión analítica derivados proporcionan una herramienta práctica y accesible para que los ingenieros en ejercicio diseñen estructuras que incorporen concreto con humo de sílice y caucho.