Suhteitus on tärkeä betonin valmistuksen suunnitelma, jolla pyritään saamaan tuoreelle ja kovettuneella betonille halutut ominaisuudet. Tässä työssä on keskitytty betonin suhteituksen laskemiseen ryhmittelyn, luokittelun ja regression kautta.
Puristuslujuus on betonin tärkein ominaisuus ja se toimii tässä työssä vastearvona luokittelussa ja regressiossa. Puristuslujuuden vastearvoja tutkitaan ennustemuuttujien eli prediktorien avulla. Ennustemuuttujina ovat esimerkiksi sementtimäärä, vesimäärä, kiviainesmäärä ja erilaisten lisäaineiden määrä. Ryhmittelyllä analysoidaan ensin näytteitä parhaiden havaintojen esille kaivamiseksi ja mahdollisten harhaisuuksien poistamiseksi.
Suhteitusta voidaan suorittaa reaaliaikaisesti betoniasemalla mutta tämän tutkimuksen perusteella voidaan suhteitus ottaa yhdeksi suunnittelun osa-alueeksi. Tällöin on kuitenkin oltava betonissa reagoivien osa-aineiden käytöstä aikaisempaa tietoa, jonka avulla laskenta suoritetaan ja päätökset tehdään.
Aineiston käsittely voidaan suorittaa monellakin työkalulla, mutta tässä työssä käytetään Matlab-ohjelmistoa ryvästämis-, luokittelu- ja regressioanalyysien suorittamiseksi. Työkalussa on valmiina monia valmiita toimintoja laskennan suorittamiseksi ja tulosten esittämiseksi havainnollisesti.
Reseptien suunnittelijan antamaa suhteitusta siis verrataan eri menetelmien kautta muodostettuihin suhteituksiin ja annetaan korjausehdotus tai kommentti suhteitukseen, mikäli siihen on tarvetta. Kehitettyjä menetelmiä voidaan käyttää esimerkiksi betonin valmistuksen opetuksessa siten, että rakennesuunnittelu, työmaa sekä muut osapuolet luovat menestyksekkään betoniketjun. Lisäksi, menetelmät voitaisiin toteuttaa osaksi reaaliaikaisen suhteituksen prosessia. / Concrete mix design is an important part of manufacturing planning aiming to achieve certain desired properties for the fresh and hardened concrete. This work focuses on the concrete mix design via clustering, classification and regression.
The most important feature of hardened concrete is compressive strength. In this study, the response values of concrete compressive strength are examined with predictors. The predictive variables are for example the amount of cement, water, aggregates and various additives. With clustering the data is preprocessed before applying classification and regression. The preprocessing leads to best data samples and finding outliers.
The concrete mix design can be performed in real-time at a batching plant, but it should also be taken as one action in the normal design work. Before we can get any results and make decisions, we must have historical information about the behavior of the materials.
The data processing can be done in many ways, but now we focus on clustering, classification and linear regression methods with Matlab software. This software has many built-in functions and methods to perform calculations and to present the results graphically.
The existing mix design can be compared to the mix design created via statistical approach. The results shall be reviewed and action taken, if needed. The results of this thesis can be used by designers, site and other relevant stakeholders involved in creating the successful concrete chain and also for training purposes. The methods developed in this thesis can be used as a part of the real-time process in batching plant.
| Identifer | oai:union.ndltd.org:oulo.fi/oai:oulu.fi:nbnfioulu-201710112971 |
| Date | 18 October 2017 |
| Creators | Välimäki, M. (Mauri) |
| Publisher | University of Oulu |
| Source Sets | University of Oulu |
| Language | Finnish |
| Detected Language | Finnish |
| Type | info:eu-repo/semantics/masterThesis, info:eu-repo/semantics/publishedVersion |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess, © Mauri Välimäki, 2017 |
Page generated in 0.0025 seconds