Publicación:

Propuesta de un modelo predictivo para monitorear el cumplimiento de las especificaciones del asfalto tipo exportación por grado de desempeño PG en GRB, aplicando análisis e inferencia de datos y correlación estadística

Resumen

En este trabajo se evaluó la calidad del asfalto grado desempeño (PG), desde un enfoque de la ciencia de datos; esto a través del estudio de las correlaciones estadísticas para la estimación de parámetros reológicos, físicos y mecánicos a partir del análisis de bases de datos existentes de la GRB. Para el desarrollo del proyecto, el modelamiento se realizó por medio del software MATLAB, aplicando machine learning con un algoritmo de aprendizaje automático, específicamente aprendizaje no supervisado por medio del algoritmo SVD. El objetivo principal del aprendizaje no supervisado es encontrar patrones en los datos de entrada que indiquen características potenciales; para luego aplicar las correlaciones a lugar y posteriormente poder obtener las predicciones de las propiedades correspondientes al estudio de la calidad del asfalto PG. Inicialmente se realizó un pretratamiento de datos y luego se aplicó aprendizaje no supervisado, donde los resultados que se desean obtener del modelo se conocían previamente, y estos se usaron como datos de entrenamiento (validación). En este modelo se trabajó con dos tipos de datos; datos de entrenamiento provenientes de una matriz conformada por las caracterizaciones de asfalto PG tipo exportación, y datos de prueba conformados por una matriz proveniente de analítica del asfalto tipo exportación en GRB. Para la validación del modelo se usó una matriz de datos de la cual se lograron predecir 4 propiedades del asfalto en la etapa de interés PAV (envejecimiento a largo plazo), etapa III de la caracterización asfalto grado PG 64-22. Las propiedades que se lograron predecir fueron: Temperatura de falla Asfalto Residuo PAV, Módulo Reológico a 64°C, Asfalto Residuo PAV, Rigidez a -12°C, Asfalto Residuo PAV y m(t) a -12°C, Asfalto Residuo PAV.