Perfil De Tesis 1.docx

UTE - 0013

FACULTAD DE INGENIERÍA CARRERA DE ELECTRONICA Y TELECOMUNICACIONES Riobamba, 29 de octubre del 2018 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.

Por la atención al presente anticipo mi agradecimiento.

Atentamente.

Erika Tatiana Mayorga Mayorga C.I.060580777-5

Adjunto: Documento el Perfil de proyecto de investigación

Franklin Iván Quinatoa Herrera C.I. 060478588-1

UNIVERSIDAD NACIONAL DE CHIMBORAZO

FACULTAD DE INGENIERÍA CARRERA DE ELECTRÓNICA Y TELECOMUNICACIONES Proyecto de Investigación previo a la obtención del título de ingeniería en Electrónica y Telecomunicaciones.

TRABAJO DE TITULACIÓN “DISEÑO E IMPLEMENTACIÓN DE UN SISTEMA INTELIGENTE PARA CARACTERIZACIÓN DEL HORMIGÓN CON TECNOLOGÍA RADAR”

Autor(es): Erika Tatiana Mayorga Mayorga Franklin Iván Quinatoa Herrera Tutor: Msc. Cristian Rocha. Riobamba - Ecuador Año 2018

I.

INTRODUCCIÓN

En este proyecto de investigación se pretende elaborar un prototipo de reconocimiento de materiales, capaz de diferenciar las principales características que interviene en la calidad de concreto, los nos permiten determinar la fiabilidad de la estructura la cual debe garantizar la máxima remoción de aire atrapado en la mezcla. Para el diagnostico de las estructuras de concreto se obtendrán muestras de diferentes obras y se evaluará si estos alcanzan la resistencia que exige la norma, puesto que existe un porcentaje muy significativo de viviendas que utilizan el concreto preparado artesanalmente a comparación del concreto premezclado, esto debido a los bajos costos que representa, pero es necesario saber si el concreto empleado es de buena calidad. (Castro Mendizaba & Yucra Vargas, 2018).

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



Diseñar e implementar un sistema inteligente para caracterización del hormigón con tecnología radar, a partir de muestras proporcionadas por el departamento de ingeniería civil de la universidad Nacional de Chimborazo.

Objetivo Específicos 

Diseñar un prototipo de un sistema inteligente para para caracterización del hormigón en edificaciones.



Implementar un sistema inteligente para caracterización del hormigón con tecnología radar en el departamento de ingeniería Civil de la UNACH.



Evaluar los resultados obtenidos con la implementación del prototipo.

IV. 4.1

ESTADO DEL ARTE ANTECEDENTES DEL TEMA

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.

El sismo producido el 16 de abril del 2016 al ser de grandes dimensiones demostró la vulnerabilidad estructural en muchas zonas, dejándonos la lección más importante que es el mejoramiento del proceso constructivo, incluyendo el sometimiento a pruebas de calidad de edificaciones existentes, cumpliendo con la normativa de construcción vigente. Se observa que una de las principales causas de los daños fueron las carencias del control en la estructuración, el diseño estructural y la construcción, control que se hace sin criterios de calidad. Las autorizaciones de construcción y de habitabilidad deben estar acompañadas de normas y códigos de construcción en constante actualización. En el caso de Ecuador, las Normas Ecuatorianas de Construcción, NEC, fueron aprobadas en 2014. (Secretaria Nacional de Planificacion y Desarrollo, 2016).

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

El principio de funcionamiento de la tecnología georadar se basa en la medida de la respuesta de los diferentes materiales a las ondas electromagnéticas de alta frecuencia, según (Llopis, 2014) un GPR esta compuesto de tres grupos esenciales: las antenas que son encargadas de emitir y recibir las ondas electromagnéticas, la unidad central encargada de controlar estas emisiones y recepciones de la antenas y un ordenador encargado de registrar, almacenar y procesar la información recibida por las antenas y gestionadas por la unidad de control.

4.3

ADQUISICIÓN DE DATOS

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.

Software de análisis

Cabeza de detección

GPR

FPGA

Amplificador

Figura 1: Adquisición de datos.

4.4

ANÁLISIS Y TRATAMIENTO DE SEÑALES

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. La mayoría de los algoritmos de Machine Learning se pueden dividir en las categorías de aprendizaje supervisado y no supervisado.

Usando un georadar identificador de objetos para desarrollar una aplicación de aprendizaje automático, desde la carga de datos hasta la implementación de un modelo capacitado. Para cada fase de capacitación, es necesario dominar las técnicas que son fundamentales para lograr modelos precisos, y tareas de capacitación más desafiantes, que incluyen la selección de algoritmos, la optimización de los parámetros del modelo y evitar el sobreajuste.

Al desarrollar esta aplicación, seguiremos estos pasos:

1. Acceder y explorar los datos. 2. Reprocesar los datos y extraer características. 3. Desarrollar modelos predictivos. 4. Optimizar el modelo. 5. Implementar análisis en un sistema de producción.

Figura 2 : TREN: Iterar hasta lograr un rendimiento satisfactorio. Copyright (MathWorks, 2016)

Figura 3: PREDICTO: Integrar modelos entrenados en aplicaciones. Copyright (MathWorks, 2016)

V.

METODOLOGÍA 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 Ingeniería civil de la Universidad Nacional de Chimborazo. d. OPERACIONALIZACIÓN DE LAS VARIABLES Tabla 1: Operacionalización de variables VARIABLE

TIPO

DEFINICIÓN

DIMENSIÓN

INDICADORES

Variación de la onda reflejada.

Estructura.

CONCEPTUAL Censar variaciones en la reflexión de ondas electromagnéticas Diseño e emitidas por las diversas implementación muestras de hormigón, Independiente. de un sistema estas señales serán inteligente para procesadas y analizadas caracterización por un sistema inteligente, del hormigón con para obtener sus tecnología radar. parámetros y poder realizar una comparativa con estructuras de edificaciones convencionales.

Mejorar técnicas validación calidad hormigón

las de de del

Dependiente

Evaluar el proceso de estimación de la calidad de hormigón en edificaciones.

Resultado Evaluar

e. TÉCNICA DE INVESTIGACIÓN Técnica documental. - Mediante esta técnica se recopilará toda la información de fuentes primarias y secundarias que permitirá enunciar y desarrollar teorías que sustentarán el marco teórico en el cual se basará el análisis e interpretación del proyecto 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. f. INSTRUMENTOS DE RECOLECCIÓN DE DATOS En base a la técnica de investigación seleccionada, el instrumento de recolección y análisis de datos será una escala de valoración. 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

Tabla 3: Cronograma de Actividades N.º 1 1.1 1.2 1.3 1.4 1.5 2 2.1 2.2 2.3 2.4 3 3.1 3.2 3.3 4 4.1 4.2 4.3 4.4 5 5.1 6

Actividades Metodología de la Investigación Planificación del proyecto. Levantamiento de información. Aprobación del Tema. Desarrollo de anteproyecto. Aprobación de Perfil del Proyecto. Tutoría del proyecto de investigación Análisis de información de los métodos y herramientas de replicación. Análisis Metodológica. Corroboración de la hipótesis. Conclusiones de la investigación Aprendizaje autónomo Investigación de herramientas de evaluación de calidad del hormigón. Investigación de desarrollo del sistema inteligente. Investigación de modelos o herramientas que permita corroborar la hipótesis. Desarrollo del proyecto de investigación Diseño e implementación del georadar. Diseño y programación del sistema inteligente. Realización de pruebas y obtención de resultados Verificación de los resultados. Documentación Documentación proyecto de investigación Presentación y defensa

Mes 1 1 2 x x

x x x

3

4

Mes 2 1 2

3

4

x

x

Mes 3 1 2

3

4

Mes 4 1 2

3

4

Mes 5 1 2

3

4

x x x x

x x x

x x

x x

x x

x x

x x

x

x x

x

x

x

x

x

x

x

x

x

x

X

x

x

x

x

x

x

x

x

x x x

x x x

VII.

BIBLIOGRAFÍA

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 .