⚡ electrical engineering

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

Este estudo investiga o desempenho mecânico de concreto com adição de sílica ativa e borracha através de testes experimentais e aprendizado de máquina, demonstrando que, embora o pó de borracha e a sílica ativa melhorem propriedades específicas e os códigos de projeto existentes subestimem a resistência, modelos preditivos avançados, como Redes Neurais Artificiais, oferecem precisão superior para estimar a resistência à compressão e à flexão para apoiar a construção sustentável.

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

Publicado 2026-06-25

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

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

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que a indústria da construção seja como uma grande padaria. Durante anos, eles têm assado "bolos de concreto" usando ingredientes padrão: cimento, areia e pedras. Mas o mundo está enfrentando dois grandes problemas: uma montanha de pneus velhos acumulando em aterros sanitários (que são tóxicos e difíceis de decompor) e a necessidade de usar menos cimento para salvar o planeta.

Este artigo de pesquisa é como uma equipe de padeiros tentando resolver ambos os problemas ao mesmo tempo, inventando uma nova receita ecológica. Eles queriam ver o que acontece se substituíssem parte da areia por pó de borracha triturada (de pneus velhos) e substituíssem parte do cimento por sílica fumaça (um subproduto industrial fino).

Aqui está uma divisão simples do que eles fizeram, o que descobriram e como usaram computadores para prever os resultados.

1. O Experimento: Misturando o "Bolo Ecológico"

Os pesquisadores criaram 16 lotes diferentes de concreto.

A Borracha: Eles substituíram a areia pelo pó de borracha em quantidades variando de 0% (concreto puro) até 3اً 35%.
O Ingrediente Secreto: Para metade desses lotes, eles adicionaram 10% de sílica fumaça ao mix de cimento.
O Teste: Eles assaram essas misturas em blocos e esperaram 7, 28 e 56 dias. Depois, esmagaram esses blocos para ver quão fortes eram, dobraram-nos para ver quanto podiam flexionar e enviaram ondas sonoras através deles (como um ultrassom de bebê) para verificar sua qualidade interna.

2. Os Resultados: O Que Aconteceu?

Pense no concreto como uma esponja. Quando você adiciona borracha, é como colocar esponjas macias e fofas dentro de um tijolo duro.

O Efeito da Borracha: À medida que adicionavam mais borracha, o concreto ficava mais macio. Tornava-se menos capaz de suportar pesos pesados (a resistência à compressão caiu). As ondas sonoras viajavam mais devagar através dele, o que significa que o material tornou-se menos denso e tinha mais pequenos bolsões de ar.
- No entanto, havia um ponto ideal. Quando adicionavam apenas um pouco de borracha (5%), o concreto tornava-se melhor em dobrar sem quebrar. Era como adicionar um pouco de borracha a um biscoito quebradiço para torná-lo levemente mastigável em vez de estilhaçar.
O Efeito da Sílica Fumaça: Isso foi o divisor de águas. Quando adicionaram a sílica fumaça, ela agiu como um preenchimento super fino. Ela tapou os pequenos buracos deixados pela borracha e colou tudo de forma mais apertada.
- O Resultado: A sílica fumaça impulsionou a resistência de cada mistura, mesmo aquelas com muita borracha. Ela transformou o concreto de borracha "macio" de volta em algo muito mais forte e durável.

3. O Problema com as Regras Antigas

Os engenheiros geralmente usam "livros de regras" (códigos de projeto) para adivinhar quão forte será um novo tipo de concreto. Os pesquisadores testaram seu novo concreto de borracha contra esses livros de regras antigos.

A Descoberta: Os livros de regras estavam errados. Eles consistentemente previam que a resistência seria muito menor do que realmente era. É como um meteorologista que sempre prevê uma nevasca quando, na verdade, é apenas uma neve leve. As regras antigas não levaram em conta a maneira única como a borracha e a sílica fumaça trabalham juntas.

4. A Solução: Ensinando Computadores a Prever

Como os antigos livros de regras falharam, os pesquisadores recorreram ao Aprendizado de Máquina (Machine Learning - ML). Imagine treinar um robô inteligente para ser um "preditor de resistência".

O Treinamento: Eles alimentaram o robô com dados de seus 16 experimentos. Mostraram a ele: "Aqui está a quantidade de borracha, aqui está a sílica fumaça e aqui está a resistência que obtivemos".
O Concurso: Eles testaram seis tipos diferentes de "cérebros de robô" (algoritmos) para ver qual aprendia melhor:
1. Rede Neural Artificial (ANN): Um sistema semelhante ao cérebro que aprende padrões.
2. Árvores de Regressão e Árvores de Impulsionamento (Boosted Trees): Sistemas que tomam decisões como um fluxograma.
3. Máquinas de Vetor de Suporte (Support Vector Machines) e outros: Modelos matemáticos que desenham linhas para separar dados.
O Vencedor: A Rede Neural Artificial (ANN) foi a campeã. Foi a melhor em entender a relação complexa e não linear entre os ingredientes e a resistência. Cometeu o menor número de erros.

5. A Ferramenta Final: Uma Nova Fórmula

Embora a ANN fosse a mais inteligente, os pesquisadores queriam algo prático para engenheiros usarem em um canteiro de obras sem precisar de um supercomputador. Por isso, usaram os dados para criar uma fórmula matemática simples (um modelo de regressão).

Esta fórmula permite que um engenheiro insira a idade do concreto, a quantidade de borracha e a quantidade de sílica fumaça, e ela preverá com precisão a resistência.
Eles até usaram essa fórmula para prever quão bem o concreto dobra (resistência à flexão) apenas conhecendo sua resistência em um teste de esmagamento direto.

Resumo

Este artigo é uma história de sucesso de reciclagem e matemática inteligente.

Reciclagem: Eles provaram que você pode usar pneus velhos no concreto, mas precisa ter cuidado com a quantidade.
Melhoria: Adicionar sílica fumaça corrige a fraqueza causada pela borracha.
Previsão: As velhas regras de engenharia não funcionam para este novo mix, mas uma nova, fórmula simples (derivada de aprendizado computacional inteligente) pode prever a resistência com precisão.

O objetivo não é apenas fazer um concreto "verde", mas sim torná-lo previsível para que os construtores possam confiar nele e usá-lo com segurança em construções do mundo real.

Resumo Técnico: Desempenho Mecânico e Predição de Resistência de Concreto com Pó de Borracha e Sílica Fume

Definição do Problema
O acúmulo global de pneus descartados apresenta um desafio ambiental significativo, com os métodos tradicionais de descarte, como aterros sanitários e incineração, causando degradação do solo e emissões tóxicas. Embora a incorporação de borracha de pneus reciclados no concreto (concreto com borracha) ofereça uma via sustentável de descarte, isso geralmente resulta em uma redução das propriedades mecânicas, particularmente da resistência à compressão, devido à fraca adesão entre as partículas hidrofóbicas de borracha e a pasta de cimento. Por outro lado, a sílica fume é conhecida por aumentar a resistência do concreto através de reações pozolânicas, contudo, seu efeito sinérgico quando combinada com percentuais variáveis de pó de borracha permanece subexplorado. Além disso, os códigos de projeto empíricos existentes (IS, Euro-code, ACI, NZS) consistentemente subestimam o módulo de ruptura do concreto com borracha, evidenciando uma lacuna crítica nas ferramentas preditivas para este material modificado.

Metodologia
O estudo empregou uma abordagem dupla combinando investigação experimental com modelagem avançada baseada em dados:

Programa Experimental: Dezesseis misturas de concreto foram preparadas utilizando Cimento Portland Comum (OPC) de classe 43. O pó de borracha (0% a 35% em peso do agregado miúdo) e a sílica fume (10% em peso do cimento) foram utilizados como substituições parciais. As misturas incluíram variações com e sem sílica fume, mantendo relações água-cimento específicas (0,44 para misturas sem SF, 0,49 para misturas com SF).
Protocolo de Teste: Os corpos de prova foram curados sob condições submersas a 27±2°C. Os testes incluíram Velocidade de Pulso Ultrassônico (UPV) aos 28 dias para avaliar a qualidade, resistência à compressão aos 7, 28 e 56 dias, e resistência à tração na flexão aos 28 dias.
Modelagem Preditiva:
- Aprendizado de Máquina (ML): Seis algoritmos — Rede Neural Artificial (ANN), Árvore de Regressão (RT), Árvore de Impulso (BT), Regressão de Processo Gaussiano (GPR), Máquina de Vetores de Suporte (SVM) e Modelo de Regressão Linear (LRM) — foram treinados em 80% do conjunto de dados para prever a resistência à compressão.
- Análise de Regressão: Uma análise de regressão multivariável foi realizada para desenvolver equações analíticas de resistência à compressão e à tração na flexão dependentes da idade.
- Validação: Os resultados experimentais foram comparados com equações empíricas de principais códigos de projeto. Uma análise de sensibilidade foi conduzida no melhor modelo de ML para determinar a influência dos parâmetros de entrada.

Principais Resultados

Desempenho Mecânico:
- Resistência à Compressão: O aumento do conteúdo de pó de borracha levou a uma diminuição progressiva da resistência à compressão. A mistura com 35% de borracha (sem sílica fume) apresentou uma redução de 70% em relação ao concreto comum. No entanto, a adição de 10% de sílica fume mitigou significativamente essa perda, aumentando a resistência em todas as misturas com borracha.
- Resistência à Tração na Flexão: Uma tendência única foi observada, onde a adição de até 5% de pó de borracha aumentou a resistência à flexão em 6,2% devido à natureza elástica da borracha que retarda a fratura. Além de 5%, a resistência declinou. A sílica fume melhorou consistentemente a resistência à flexão, com a mistura de 10% de SF apresentando um aumento de 8,7% sobre o concreto comum.
- UPV: A velocidade de pulso diminuiu de 4,70 km/s para 3,75 km/s conforme o conteúdo de borracha aumentou de 0% para 35%, indicando uma mudança da qualidade de "excelente" para "boa" no concreto, atribuída à redução da densidade e ao aumento da porosidade.
Comparação com Códigos de Projeto: Todos os códigos de projeto avaliados (IS, Euro-code, ACI, NZS) subestimaram significativamente o módulo de ruptura experimental, com subestimações variando de 27% a 56%.
Desempenho do Modelo:
- Entre os modelos de ML, a Rede Neural Artificial (ANN) demonstrou superior precisão preditiva para a resistência à compressão, alcançando um $R^2$ de teste de 0,9905 e o menor RMSE (1,3793). A análise de sensibilidade identificou o conteúdo de cimento como o parâmetro mais influente, enquanto o pó de borracha foi o menos influente.
- Embora a ANN tenha apresentado alta precisão, um modelo de regressão multivariável foi selecionado para aplicação prática devido à sua simplicidade e formulação explícita. Este modelo alcançou um $R^2$ de 0,98 para a predição da resistência à compressão.
- O modelo de regressão foi aplicado com sucesso para prever a resistência à tração na flexão com base nos dados de resistência à compressão, com todos os pontos de dados dentro de uma margem de erro de ±10%.

Significância e Contribuições
O artigo afirma fornecer uma estrutura abrangente para o uso sustentável de borracha residual e sílica fume na construção. Suas principais contribuições incluem:

Otimização Sinérgica: Demonstrar que a combinação de pó de borracha (até 5%) com sílica fume pode aumentar as propriedades de flexão enquanto mantém uma resistência à compressão aceitável, oferecendo um caminho viável para a construção sustentável.
Identificação de Limitação de Códigos: Destacar a inadequação dos atuais códigos de projeto internacionais em prever o comportamento do concreto com borracha e sílica fume, o que exige novos modelos específicos para o material.
Ferramentas Preditivas Práticas: Desenvolver e validar modelos analíticos (Eq. 12 e Eq. 14) que permitem aos engenheiros estimar com precisão as resistências à compressão e à tração na flexão dependentes da idade sem depender de ferramentas computacionais complexas. Esses modelos facilitam a integração de materiais residuais no design estrutural real.
Impacto Ambiental: Fornecer uma base técnica para a utilização de pneus descartados no concreto, abordando problemas de gestão de resíduos e promovendo a reciclagem de subprodutos industriais.

O estudo conclui que, embora o aprendizado de máquina ofereça predição de alta precisão, os modelos de regressão analítica derivados fornecem uma ferramenta prática e acessível para engenheiros atuantes projetarem estruturas que incorporem concreto com borracha e sílica fume.