Mesterséges intelligencia alkalmazása a betonminőség elérésének valószínűség-számításában a betonkeverő üzemekben
DOI:
https://doi.org/10.66987/EPKO.2026.31Kulcsszavak:
SonReb kalibrálás, betonszilárdság-előrejelzés, gépi tanulás, érettségi index, Conformal Prediction, NDTAbsztrakt
A romániai betongyártásban a minőség-ellenőrzés ma is determinisztikus és reaktív: kizárólag
a 28 napos roncsolásos próbatest-vizsgálaton alapul, ami kizárja a valós idejű beavatkozást a
kivitelezés során. A hatályos SonReb-alapú NDT-módszer kalibrációs görbéi döntően CEM I alapú
adatbázison nyugszanak, ezért modern CEM II/III keverékcementeknél ±25–35%-os szilárdsági becslési
hiba léphet fel – alacsony keményedési hőmérsékleten akár ±15–30 MPa eltéréssel. Jelen cikk egy
doktori kutatási tervet mutat be: négy adatforrást – SCADA üzemi adatok, ERA5 éghajlati változók IoTkorrektúrával,
SonReb NDT-mérések és laboratóriumi törési kísérletek (324 kocka, DoE 3×3×6×6) –
négyszintű gépi tanulási architektúrába (XGBoost → reziduális ANN → MC Dropout → Conformal
Prediction) integrál, matematikailag garantált ≥90%-os megbízhatósági intervallummal. Célkitűzés:
RMSE < 3,8 MPa, R² > 0,90, CI-lefedettség ≥ 90%.
Célkitűzés: RMSE < 3,8 MPa, R² > 0,90, CI-lefedettség ≥ 90%.
Hivatkozások
[1] Yang Y. et al., Predicting the Compressive Strength of Environmentally Friendly Concrete Using Multiple
Machine Learning Algorithms. Buildings, 14, 190, 2024.
[2] Yeh I.C., Modeling of Strength of High Performance Concrete Using Artificial Neural Networks. Cement and
Concrete Research, 28, 1797–1808, 1998.
[3] Rana Md S. et al., Comparative Analysis of ML Models for Predicting Compressive Strength of UHPSFRC.
Journal of Engineering Research, 13, DOI:10.1016/j.jer.2025.01.004, 2025.
[4] Xin P. et al., A digital twin approach for sustainable construction. Scientific Reports, 16, DOI:10.1038/s41598-
025-32276-4, 2025.
[5] Mouawad F. et al., Predicting Compressive Strength of Sustainable Concrete Using ML and ANN.
Construction Materials, 5(3), 56, 2025.
[6] Li Z. et al., Simulation-Based Transfer Learning for Concrete Strength Prediction. In: Lecture Notes in
Computer Science, Springer, DOI:10.1007/978-3-031-53389-1_98, 2024.
[7] Gal Y. & Ghahramani Z., Dropout as a Bayesian Approximation: Representing Model Uncertainty in Deep
Learning. ICML 2016.
[8] Angelopoulos A.N. & Bates S., Conformal Prediction: A Gentle Introduction. Foundations and Trends in
Machine Learning, 2023.
[9] Ivanchev I. et al., Assessment of Concrete Compressive Strength at Early Age Using SonReb Method.
DOI:10.1109/MMA62616.2024.10817684, 2024.
[10] Martin N. & Alavi S.A., Uncertainty and Prediction Intervals of New ML Approach for NDT Evaluation of
Concrete. Buildings, DOI:10.3390/buildings15040544, 2025.
[11] Szilágyi K. & Borosnyói A., 50 years of experience with the Schmidt rebound hammer. Concrete Structures,
10, 46–56, 2009.
[12] Pucinotti R., Non destructive in situ strength assessment of concrete. Construction and Building Materials,
75, 331–341, 2014.
[13] Soci C. et al., The ERA5 global reanalysis from 1940 to 2022. Quarterly Journal of the Royal Meteorological
Society, 150(764), 4014–4048, 2024.
[14] Tang K. & Tan Y., Modelling In Situ Concrete Temperature Development: Impact of Ambient Temperature
and GGBS Replacement. CivilEng, DOI:10.3390/civileng5030037, 2024.
[15] ***, SR EN 206+A2:2021 – Beton. Specificatie, performanta, productie si conformitate. ASRO, Bucuresti,
2021.
[16] ***, Proceq / Screening Eagle Technologies, Pundit 200 – Ultrasonic Pulse Velocity Instrument, Operating
Instructions. www.screeningeagle.com (Utolsó letöltés: 2026. 05. 13.).
[17] ***, Proceq / Screening Eagle Technologies, Silver Schmidt OS8200 – Technical Specifications.
www.screeningeagle.com (Utolsó letöltés: 2026. 05. 13.).
[18] ***, SR EN 13791:2019 – Evaluarea rezistentei la compresiune a betonului din structuri si prefabricate.
ASRO, Bucuresti, 2019.
[19] ***, SR EN 12504-2:2021 – Incercari pe beton in structuri. Determinarea indicelui de recul. ASRO,
Bucuresti, 2021.
[20] ***, SR EN 12504-4:2021 – Incercari pe beton in structuri. Determinarea vitezei de propagare a sunetelor.
ASRO, Bucuresti, 2021.
[21] ***, C 26-85 – Instructiuni tehnice pentru determinarea rezistentei betonului prin metode nedistructive
combinate. INCERC, Bucuresti, 1985. [Nagyrészt hatályon kívül helyezve. A II. rész 6–9. fejezete érvényes marad, kizárólag az ultrahangos impulzusterjedés fizikai mérési módszertana miatt. A SonReb kalibrációs görbéket az NP 137-2014 tartalmazza.]
[22] Kiss Z., Onet T., Proiectarea structurilor de beton dupa SR EN 1992-1. Ed. Abel, Cluj-Napoca, 2008.
[23] ***, NP 137-2014 – Normativ pentru evaluarea in situ a rezistenței betonului din construcțiile existente.
MDRAP, București, 2014.
[24] ***, NE 012/1-2022 – Normativ pentru producerea betonului şi executarea lucrărilor din beton, beton armat
şi beton precomprimat. Partea 1: Producerea betonului. MDLPA, București, 2023 (Ord. nr. 30/2023).
[25] ***, NE 012/2-2022 – Normativ pentru producerea betonului şi executarea lucrărilor din beton, beton armat
şi beton precomprimat. Partea 2: Executarea lucrărilor din beton. MDLPA, București, 2023.
[26] ***, SR EN 12390-3:2019 – Încercări pe beton întărit. Partea 3: Rezistența la compresiune a epruvetelor.
ASRO, București, 2019.
Letöltések
Megjelent
Folyóirat szám
Rovat
License
Copyright (c) 2026 Ferenc-Zoltán SIMÓ, Zoltán KISS, Attila PUSKÁS
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
