I.

DISEÑO METODOLÓGICO:

1.1 Diseño de contrastación de la hipótesis:

Dado que en el presente proyecto es una investigación aplicada (de acuerdo al
fin que persigue) y experimental (de acuerdo a la metodología para demostrar
la hipótesis), por ello se desarrollarán las siguientes fases:
- Ensayo a los agregados grueso y fino, con la finalidad de obtener las
características de los agregados. Estos datos serán usados para la
realización de los diseños de mezclas.
- Se elaborarán 5 diseños de mezclas con diferentes resistencias (175
Kg/cm2, 210 Kg/cm2, 250 Kg/cm2, 280 Kg/cm2 y 300 Kg/cm2), de las
cuales se harán 42 probetas cilíndricas de dimensiones 6” x 12”, para
cada resistencia propuesta. Las relaciones de a/c serán tomadas
dependiendo la resistencia de diseño a usar.
Se tomó dicha cantidad de probetas para ser ensayadas, debido que la
norma E0.60 del Reglamento Nacional de Edificaciones indica que para
cada diseño de mezcla deben prepararse y curarse por lo menos 2
probetas para cada edad de ensayo, por ello se hará uso de 210 muestras
con diferentes resistencias y diseños. Con el fin de brindar la mayor
información a la Red Neurona Artificial para mejorar su nivel de
predicción de resistencia.
- Obtención de resultados del ensayo de la resistencia a la compresión del
concreto, estos servirán como base de datos para el entrenamiento de la
Red Neuronal Artificial.
- Estructuración de la red neuronal a usar, teniendo en cuenta las variables
de entrada y sus pesos, que en conjunto con un sesgo (b) pasan por la
función de activación (cálculo interno que se desarrolla en la neurona),
de este modo se obtendrá un valor de salida que es la resistencia predicha.
Lo planteado será definir los parámetros de entrada, de este modo se
modelará por medio de grafos (capas de entradas, ocultas y de salida).
Con ello se trata de formar una red multicapa enlazando así cada neurona
hasta llegar a la resistencia. Cabe indicar que cada neurona tiene una
función de activación diferente.
 IMAGEN N°01

IMAGEN N°02

- Programación con una herramienta de software para la elaboración de

dicha Red Neuronal Artificial, el lenguaje a usar será Python (software
libre) y el algoritmo Backpropagation (búsqueda del menor coste de atrás
hacia adelante para llegar a la respuesta deseada).
- Se cuenta con un registro de 210 de ensayos de roturas de probetas de
concreto, el entrenamiento se realiza usando el 80% de los datos, para
asegurar un mejor proceso de entrenamiento de la Red Neuronal
Artificial. Además, se considera usar el 20% de los datos, para ejecutar
el proceso de prueba de la Red Neuronal Artificial.

- Validación y comprobación de resistencia predicha, los cuales se

contrastarán datos obtenidos con el modelo propuesto y con los obtenidos
tradicionalmente a través de la máquina de ensayo a la comprensión.
1.2 Población y muestra:
1.2.1 Población:
Probetas ensayadas

1.2.2 Muestra
Se elaboraron 5 diseños de mezclas (210 probetas cilíndricas de 6”

x 12”,42 por cada diseño), dichos resultados se usarán para la futura

validación de la Red Neuronal Artificial.

RESISTENCIA EDAD DE ENSAYO SUB

7 días 14 días 28 días TOTAL
175 14 14 14 42
210 14 14 14 42
250 14 14 14 42
280 14 14 14 42
300 14 14 14 42
TOTAL DE 210
PROBETAS
TABLA N°02 MUESTRAS DE RESISTENCIA POR EDAD