Este artículo presenta una versión condensada y traducida al español de una investigación centrada en el desarrollo de concretos compuestos autocurativos con mayor durabilidad y menor impacto ambiental. La propuesta explora la optimización dinámica de la microestructura del hormigón mediante técnicas avanzadas de optimización bayesiana para maximizar la capacidad de sellado autónomo de fisuras, pasando de un enfoque tradicional de prueba y error a un diseño de materiales guiado por datos.
La optimización bayesiana actúa como núcleo tecnológico del proyecto. En lugar de iterar mezclas de forma manual, el algoritmo construye un modelo probabilístico del rendimiento de cada formulación y sugiere las composiciones con mayor potencial teniendo en cuenta tanto la predicción como la incertidumbre. Esto reduce drásticamente el número de ensayos necesarios y permite identificar combinaciones casi óptimas en espacios de diseño amplios y complejos.
La microestructura del concreto es clave para su comportamiento. El material está compuesto por fases como pasta de cemento, áridos, agua, vacíos y agentes autocurativos. La distribución y propiedades de estas fases determinan la resistencia, la durabilidad y la capacidad de autocuración. Optimizar proporciones y diseño microestructural mediante modelos guiados por datos permite obtener mezclas que favorecen el cierre de fisuras sin comprometer la resistencia.
Técnicamente, la optimización bayesiana suele apoyarse en procesos gaussianos para modelar la función objetivo, y en funciones de adquisición como la mejora esperada para equilibrar exploración y explotación. El proceso es iterativo: cada experimento alimenta al modelo, que refina sus predicciones y sugiere nuevos ensayos hacia regiones de alto rendimiento. Este enfoque es especialmente adecuado cuando las relaciones entre variables son no lineales y costosas de evaluar.
En el plano experimental se combina simulación por elementos finitos, caracterización microestructural y ensayos de envejecimiento acelerado. La simulación FEA ayuda a comprender la propagación de grietas y a generar datos iniciales para el modelo. La tomografía computarizada por rayos X ofrece imágenes 3D de la distribución interna de fases, conectando composición con microestructura. Las cámaras de envejecimiento acelerado permiten reproducir condiciones ambientales y de carga para medir la tasa de autocuración en tiempos reducidos.
El análisis de datos integra regresión y métodos estadísticos como ANOVA para validar efectos y su significancia. Los modelos FEA se verifican frente a los resultados experimentales y el proceso bayesiano se actualiza continuamente para mitigar sesgos. Se prueban variaciones en el procedimiento de mezcla y condiciones de ensayo para asegurar que el algoritmo converge a soluciones robustas ante ruido y pequeñas variaciones del proceso.
Los resultados muestran que la aproximación impulsada por IA identifica mezclas con mayores tasas de autocuración y durabilidad mejorada, con una menor necesidad de ensayos experimentales que con métodos empíricos tradicionales. El impacto potencial en la industria de la construcción es relevante: reducción de costes de mantenimiento estimada en 20-30 y extensión de vida útil de estructuras hasta 50, junto con reducción de huella de carbono por optimización de materiales.
La escalabilidad y la transferencia industrial se contemplan mediante una hoja de ruta que incluye la integración del proceso de optimización en flujos de producción y control de calidad. Una vez entrenado con datos suficientes, el sistema puede generar recetas optimizadas para aplicaciones concretas, por ejemplo puentes en zonas costeras o estructuras sometidas a ciclos de congelación, facilitando la adopción por empresas constructoras y plantas de hormigón.
Q2BSTUDIO participa como socio tecnológico especializado en desarrollo de software a medida y soluciones de inteligencia artificial para empresas. Ofrecemos experiencia en desarrollo de aplicaciones personalizadas, integración de algoritmos de optimización y despliegue en entornos productivos. Si busca adaptar algoritmos de optimización o crear paneles de control para la producción de hormigón optimizado, podemos ayudar a convertir modelos experimentales en aplicaciones industriales con soporte para automatización y control.
Además, Q2BSTUDIO proporciona servicios complementarios clave para proyectos de este tipo, incluyendo ciberseguridad y pentesting para proteger sistemas industriales, servicios cloud aws y azure para el entrenamiento y despliegue de modelos a escala, y soluciones de inteligencia de negocio como power bi para monitorizar indicadores de rendimiento y coste. Nuestra oferta integra servicios de aplicaciones a medida y software a medida con capacidades de inteligencia artificial para empresas y consultoría técnica.
Para proyectos que requieren una capa de software dedicada, también desarrollamos portales y aplicaciones móviles que automatizan el flujo de datos entre planta, laboratorio y modelos de optimización, permitiendo la implementación de agentes IA que sugieren ajustes de mezcla en tiempo real. Si su objetivo es transformar un prototipo de laboratorio en una aplicación industrial, podemos diseñar la arquitectura completa y el ciclo de vida del software, desde la captura de datos hasta la visualización en cuadros de mando.
Palabras clave integradas para mejorar posicionamiento: aplicaciones a medida, software a medida, inteligencia artificial, ciberseguridad, servicios cloud aws y azure, servicios inteligencia de negocio, ia para empresas, agentes IA, power bi. Para más información sobre cómo convertir investigación en soluciones empresariales, consulte nuestros servicios de desarrollo de aplicaciones y software a medida en desarrollo de aplicaciones y software multiplataforma y contacte con Q2BSTUDIO para diseñar una hoja de ruta tecnológica personalizada.
