En el diseño estructural de edificios de muros de corte, el proceso inicial requiere la interacción entre los equipos de arquitectura e ingeniería para definir la configuración adecuada de los muros, una etapa que suele llevarse a cabo mediante un procedimiento de prueba y error, sin tener en cuenta proyectos similares anteriores. Para el análisis de ingeniería, en primer lugar, se requiere la definición del espesor y la longitud de los muros, su ubicación, y en algunos casos la presencia de nuevas secciones de muros para cumplir no sólo con los requisitos arquitectónicos, sino también con las necesidades de ingeniería, como los límites de deformación, el corte basal, entre otros. Por esta razón, el presente trabajo desarrolla un framework basado en redes neuronales artificiales (ANN) para diseñar la configuración estructural en planta de muros en edificios de hormigón armado. El estudio incluye, como primera etapa, el levantamiento de los planos de arquitectura e ingeniería de un total de 165 edificios construidos en Chile; la base de datos generada cuenta con la definición geométrica y topológica de los muros y losas. Como segunda etapa, se entrenó un modelo ANN para la regresión de los espesores y longitudes de los segmentos de muros, haciendo uso de un vector de características que modela la variación entre los planos de arquitectura e ingeniería para un conjunto de condiciones como el espesor, la conectividad (vertical y horizontal), el área, la densidad de muros, la distancia entre elementos, los ángulos, el tipo de suelo de fundación, entre otros parámetros de ingeniería, logrando notables resultados en cuanto al coeficiente de determinación (R2) de 0.995 y 0.994 para la predicción del espesor y largo. Sin embargo, un modelo regresivo de esta naturaleza no incorpora el detalle espacial ni la información contextual del perímetro de cada muro; además, la predicción de otros parámetros como la traslación del muro no presenta un adecuado desempeño. Por ello, como tercera etapa, se propuso un framework basado en modelos de redes neuronales convolucionales (CNN) para generar el plano final de ingeniería combinando dos predicciones de plano independientes, considerando los datos arquitectónicos como input. El primer plano de planta se realiza mediante dos modelos regresivos que predicen los valores de ingeniería del grosor, la longitud, la traslación de los muros en ambos ejes a partir de la planta arquitectónica, y la anchura y relación de aspecto del cuadro delimitador del piso. La segunda predicción se realiza mediante un modelo que genera una imagen probable del plano de ingeniería para cada muro. Finalmente, ambas se combinan para obtener el plano final de la planta de ingeniería, lo que permite predecir los parámetros de diseño de los segmentos de muro y proponer nuevos elementos estructurales no presentes en arquitectura, lo que convierte a la metodología en un excelente candidato para acelerar el diseño conceptual de la configuración inicial de los muros de un edificio.

Agencia Nacional de Investigación y Desarrollo (ANID) Beca para estudios de magíster / MAGÍSTER BECAS CHILE/2020 - 22200500