4. Cálculo de la cantidad de agua de mezclado y el contenido del aire.

4. Cálculo de la cantidad de agua de mezclado y el contenido del aire.

Source publication
Article
Full-text available
En este proyecto se analizo el comportamiento de 35 cilindros de concreto hidraulico y 60 especimenes de concreto hidraulico adicionado con fibra de cactus opuntia. Para la elaboracion del concreto, se empleo material petreo de canto redondeado, cemento CPO 30R RS BRA y agua potable; de acuerdo con el metodo del American Concrete Institute. La fibr...

Citations

... Generally, in the European Union, 500 kg of construction rubble and demolition waste correspond annually to each citizen [5]. Therefore, the study about development and performance on concrete using different aggregates or additions are increasing noticeable [6]. The recycled concrete aggregates (RCA) are the principal components of old concrete, and for many reasons, there is a need to re-use them [4], [7]. ...
... The Er read is related to the concrete saturation pores and the hydration degree of the specimen. It is a function of variables such as the cement, the inorganic additions, the water/cement rate, and the porosity of the structure [6]. Er depends on porosity and pore saturation. ...
... The RCA helps to improve the non-destructive performance test, this blend was 3.09 percent and 5.50 percent higher compared with OF I +RCA blend in the U P V test, and RCA blend was 1.52 percent and 8.26 percent higher compared with OF I + RCA blend in the Er test. This improvement in non-destructive tests is beneficial for the concrete performance due to there are additions and substitutions that no improve all those properties or features, as it is possible to see in [6]. Once the non-destructive tests were performed, these are classified into different durability and corrosion risk items. ...
Article
Nowadays, the solid residues of concrete are considered waste, and this has been transformed into an environmental problem. This study analyzes the use of aggregates that comes from the concrete demolition process in order to create recycled concrete. The use of this material reduces costs and mitigates pollution. The present research describes the comparison of concrete blends using Opuntia Ficus Indica as addition and recycled coarse aggregates as a substitution against a control blend. Mechanical and non-destructive tests were performed to evaluate the performance of each mixture. A data science technique was used to generate artificial data to increase the number of data to be evaluated. Numerical models were established to find correlations between all the features that describe the materials. The use of recycled aggregates and the use of the Opuntia Ficus Indica improved the performance in all the tests made to the concrete. Additionally, different models based on regression trees were used to predict with high accuracy the compressive strength in this kind of material just considering the electrical resistivity as an input parameter.
... It depends on a great proportion of saturation of the concrete pores and to a lesser degree on the hydration of the blend and salts dissolved in the aqueous phase. It is a function of variables such as the type of cement, the inorganic additions, the water/cement rate, and the porosity of the structure [24]. Er depends on the degree of porosity and degree of pore saturation, both properties that depend on the water/cement ratio and mixture compaction. ...
Article
Nowadays, the use of additions in the concrete blends to improve its behavior is increasingly noticeable. The present research describes the effect of adding a polymer to a concrete blend of materials belonging to the zone of Morelia, Mexico. The polymer is an organic starch gained commercially, and it was added at a 2 percent per cement weight. The concrete’s physical and mechanical performance was monitored against a control blend to quantify any improvements. Destructive and non-destructive tests were performed. The addition of a polymer improved substantial concrete performance. Numerical models found correlations among the tests made, a technique by machine learning for establishing predictive models to assess the results.
... El uso de materiales para la construcción ha ido en aumento en los últimos años, buscando alternativas de adiciones que sean capaces de modificar la estructura de los materiales para obtener comportamientos que sean compatibles con el cuidado del medio ambiente, así como el aumento de la durabilidad [1]. La mayoría de la infraestructura existente elaborada a base de concreto presenta problemas en diferentes magnitudes debido a la ausencia de diseños adecuados en la mayoría de los casos, así como el uso inadecuado de los materiales [2]. ...
Conference Paper
Full-text available
El uso de materiales para la construcción ha ido en aumento en los últimos años, buscando alternativas de adiciones que sean capaces de modificar la estructura de los materiales para obtener comportamientos que sean compatibles con el cuidado del medio ambiente, así como el aumento de la durabilidad [1]. La mayoría de la infraestructura existente elaborada a base de concreto presenta problemas en diferentes magnitudes debido a la ausencia de diseños adecuados en la mayoría de los casos, así como el uso inadecuado de los materiales [2]. En la actualidad, la innovación en el desarrollo tecnológico de técnicas para realizar estudios y análisis de datos ha ido en aumento. Una de estas técnicas se basa en el aprendizaje automático (Machine Learning), el cual es un campo que nació de la IA, y ha crecido con el uso de la web y de la automatización de la información. Arthur Samuel pionero americano en el campo de la computación gaming e IA definió en 1959 el aprendizaje automático como el campo de estudio que le da a los ordenadores la habilidad de aprender algo sobre lo que no han sido explícitamente programados [3]. El presente trabajo involucra la construcción y evaluación de un modelo basado en un algoritmo de Machine Learning conocido como K-NN (Nearest Neighborhood), el cual toma como conjunto de datos los resultados de diferentes pruebas destructivas y no destructivas de un concreto adicionado con almidón para evaluar y predecir su durabilidad. Está demostrado que el almidón utilizado como adición en mezclas de concreto ayuda a mejorar el desempeño mecánico y la durabilidad ante condiciones de intemperismo como se registra en [4]. El uso de algoritmos de Machine Learning en el análisis del desempeño de materiales ha crecido de manera importante, como se observa en problemas de regresión, donde es posible usar estructuras de árboles de regresión para calcular la resistividad eléctrica y la resistencia a esfuerzos de tensión del concreto [5]. El uso de redes neuronales profundas para estimar el esfuerzo de compresión simple en elementos de concreto usando parámetros de diseño de la mezcla [6], así como el uso de algoritmos de redes neuronales convolucionales para la detección y predicción de grietas en elementos de concreto basado en imágenes como se ve ampliamente explicado en [7].