Machine learning aplicado à engenharia civil: análise preditiva da resistência à compressão do concreto
RCMOS - Revista Científica Multidisciplinar O Saber · 29.05.2026 · 1 (1)
DOI: 10.51473/rcmos.v1i1.2026.2425 ↗Kurz gefasst
Fachartikel in der Zeitschrift RCMOS - Revista Científica Multidisciplinar O Saber, online erschienen am 29.05.2026. Verfasst von Luciana Andrade Villar und 1 weiteren Autor:innen. Die Arbeit nennt 14 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
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.
Zitieren
APA
Villar, L. A., & Pinotti, M. A. (2026). Machine learning aplicado à engenharia civil: análise preditiva da resistência à compressão do concreto. RCMOS - Revista Científica Multidisciplinar O Saber, 1(1). https://doi.org/10.51473/rcmos.v1i1.2026.2425
Vancouver
Villar LA, Pinotti MA. Machine learning aplicado à engenharia civil: análise preditiva da resistência à compressão do concreto. RCMOS - Revista Científica Multidisciplinar O Saber. 2026;1(1). doi:10.51473/rcmos.v1i1.2026.2425
BibTeX
@article{Villar2026,
author = {Villar, Luciana Andrade and Pinotti, Milton Augusto},
title = {Machine learning aplicado à engenharia civil: análise preditiva da resistência à compressão do concreto},
journal = {RCMOS - Revista Científica Multidisciplinar O Saber},
year = {2026},
volume = {1},
number = {1},
doi = {10.51473/rcmos.v1i1.2026.2425}
}
EUVIMED