A resistência mecânica à compressão é uma das principais características do concreto, pois se refere à sua capacidade estrutural, sendo uma propriedade bastante discutida na ABNT NBR 6118. Mais do que simplesmente um número, essa característica é uma identidade para o concreto, que está, inclusive, relacionada a outras propriedades, como a proporção água/cimento e a sua durabilidade.

Obter essa propriedade é uma das formas de se ter informações sobre a matriz de concreto, sendo a maneira mais convencional a extração de testemunho para ensaio. No entanto, é possível estimar a resistência à compressão por meios indiretos, especialmente para as recorrentes situações em que extrair um testemunho é inconveniente, devido à mobilização local, prejuízo estético, barulhos e pó gerado.

Nesse estudo publicado no ENSUS-2024, a equipe da Pi Engenharia buscou avaliar modelos de integração numérica que articulam de maneira diferentes resultados de Ultrassonografia Transversal e Longitudinal do concreto e Resistividade Elétrica Superficial e Volumétrica. A utilização de modelagem via rede neural se mostrou satisfatória, alcançando desvios pequenos.

O artigo propôs o desenvolvimento de um modelo para estimar a resistência à compressão axial do concreto utilizando ensaios não destrutivos, como a determinação da velocidade de propagação da onda ultrassônica e resistividade elétrica. Foram utilizados corpos de prova moldados em laboratório com diferentes cimentos, corpos de prova de concreto provenientes de obras e corpos de prova de argamassas estruturais. Os resultados mostram que os ensaios não destrutivos permitem estimativas precisas da resistência à compressão com modelos desenvolvidos à partir de algoritmos de machine learning. Os modelos obtidos a partir de algoritmos de machine learning possibilitaram a estimativa da resistência à compressão axial em campo e em laboratório com coeficientes de determinação maiores que 0,85 e 0,95 respectivamente.