Machine learning aplicado à engenharia civil: análise preditiva da resistência à compressão do concreto

Abstract

Observa-se um avanço significativo no processo de digitalização da engenharia civil, impulsionado pelo desenvolvimento de tecnologias computacionais e pelo aumento da disponibilidade de dados técnicos provenientes de processos produtivos. Nesse cenário, técnicas de Inteligência Artificial (IA), como Machine Learning (ML) e Deep Learning (DL), aplicam-se à engenharia civil para analisar grandes volumes de dados e identificar padrões complexos em variáveis de dosagem e de resistência. Na área da tecnologia do concreto, essas técnicas têm sido investigadas como ferramentas promissoras para estimar propriedades mecânicas do material, como a resistência à compressão, a partir de parâmetros relacionados à dosagem e às condições de produção. O presente artigo apresenta a aplicação e a avaliação de modelos de Machine Learning para a análise preditiva da resistência à compressão do concreto (ƒck). O objetivo principal é aplicar algoritmos de regressão supervisionada para estimar o ƒck a partir de parâmetros de dosagem, contribuindo para o controle tecnológico e para a tomada de decisão em projetos estruturais. A metodologia adotada incluiu a coleta de 300 amostras de traços reais de uma concreteira localizada em Brusque/SC, abrangendo dez atributos relacionados à composição do concreto. Realizou-se uma seleção preliminar de algoritmos, incluindo Regressão Linear, Árvore de Decisão, Random Forest, SVR e K-vizinhos mais próximos (KNN), sendo o SVR selecionado como o modelo de melhor desempenho, com base na similaridade e na proximidade dos dados. A validação do modelo foi planejada com dados históricos e experimentais, utilizando validação cruzada k-fold. Conclui-se que a abordagem baseada em SVR oferece uma ferramenta promissora para a predição do ƒck, com potencial de aplicação prática no controle de qualidade do concreto e na otimização de dosagens em centrais dosadoras.