Metodología de prediagnóstico de patologías por humedad usando IA en edificaciones

Abstract

La metodología desarrollada tiene como objetivo contribuir a la conservación y protección de las edificaciones mediante una herramienta desarrollada como una IA que permite hacer prediagnósticos de patologías por humedad en elementos verticales (muros de mampostería) y horizontales (cubiertas inclinadas, cubiertas planas, entrepisos en madera, concreto o estructura metálica) a través de un algoritmo de análisis deductivo que usa el método de la Distancia de Hamming en combinación con algunas reglas establecidas. Para esto se hizo un reconocimiento de los métodos de estanqueidad de las edificaciones, la materialidad de sus elementos y acabados, los mecanismos de daño por humedad, identificación de lesiones y correlaciones entre los daños y los elementos para con esta información construir la metodología de prediagnóstico de patologías por humedad, cuya aplicación se enfoca, por ahora, en el mantenimiento, el trabajo de campo de patología y posventas de las construcciones. Se encuentra fundamentada en las propuestas de otros autores, con la diferencia de que ésta es enfocada en la automatización de este proceso, para ello se establecieron reglas, correlaciones e interacciones entre todas las variables. Para probar el correcto funcionamiento de la IA se hace una prueba mediante un caso de estudio, donde se evalúan nueve lesiones previamente diagnosticadas que se comparan con los resultados obtenidos con la IA, de esta forma se hace una evaluación cualitativa de la asertividad de los prediagnósticos y se plantean algunos puntos de mejora para investigaciones futuras. También se hace un caso práctico donde se prediagnostica una humedad y se ponen en practica las sugerencias del prediagnóstico para eliminar la causa de la humedad. (Texto tomado de la fuente)

The developed methodology aims to contribute to the conservation and protection of buildings through a tool developed as an AI that allows pre-diagnostics of dampness pathologies in vertical elements (masonry walls) and horizontal elements (pitched roofs, flat roofs, mezzanines by wooden, concrete or metal structure) through a deductive analysis algorithm that uses the Hamming Distance method in combination with established rules. A recognition was made of the sealing methods of the buildings, the materiality of its elements and finishes, the dampness damage mechanisms, identification of injuries and correlations between the damages and the elements to build the pre-diagnostic methodology with this information of pathologies due to dampness, whose application is focused, for now, on maintenance, pathology field work and post-sales of constructions. It is based on the proposals of other authors, with the difference that it is focused on the automation of this process, for which rules, correlations, and interactions between all the variables will be found. In order to prove the correct functioning of the AI, a test is carried out through a case study, where nine previously diagnosed damages are evaluated and compared with the results obtained with the AI, in this way a qualitative evaluation of the assertiveness of the prediagnostics is made and some improvement points are raised for future research. A practical case is also made in which humidity is prediagnosed and the suggestions from the AI are put into practice to eliminate the cause of the humidity.