Analiza ryzyka w ocenie jakości betonu towarowego, z wykorzystaniem logiki rozmytej

• Autorzy: Skrzypczak Izabela , Zięba Joanna

Identyfikatory

DOI

10.32047/CWB.2023.28.1.3

Warianty tytułu

EN

Risk analysis in quality assessment of ready-mixed concrete using fuzzy logic

• Języki publikacji: PL EN

Abstrakty

PL

Decyzja o zaliczeniu rozpatrywanej partii betonu do projektowanej klasy, zależy od spełnienia warunków dotyczących wytrzymałości - każdego wyniku i wartości średniej. Kryteria zgodności betonu zostały opisane w normie PN-EN 206+A1:2016. Rozpatrując ryzyko w ocenie jakości betonu można przyjąć, że w tej ocenie występują trzy poziomy wyniku: mały, średni i duży. Wykorzystując operacje logiczne na zbiorach rozmytych, można ustalać reguły wnioskowania, w celu ustalenia zależności między różnymi zmiennymi. W pracy przedstawiono analizę ryzyka produkowanego betonu, przeprowadzoną dla dwóch parametrów wejściowych, dotyczących średniej wytrzymałości betonu na ściskanie oraz usterek, uzyskanych podczas sprawdzania zgodności ocenianych właściwości, z prawdopodobieństwem ich wystąpienia. Trzecim czynnikiem, jako konsekwencji wystąpienia tych właściwości, będzie sprawdzenie wytrzymałości na ściskanie, produkowanego betonu. W przypadku oceny wytrzymałości betonu na ściskanie, w oparciu o trzy wyniki n = 3, uzyskanej średniej 28 MPa przed i po kontroli, zgodności określonej na poziomie średnich właściwości, ryzyko dotyczące prawidłowej oceny jakości produkowanego betonu, jest średnie.

EN

The decision to include the considered batch of concrete in the designed class depends on the satisfaction of the conditions imposed on the strength of each individual result and the average value. The concrete conformity criteria are formulated in EN 206+A1:2016. When considering risk in concrete quality assessment, it can be assumed that there are three levels of result: low, medium, and high risk in quality assessment. Using logical operations on fuzzy sets, inference rules can be constructed to establish relationships between different variables. The paper presents an analysis of the risk of produced concrete carried out for two input parameters. Parameters on the average compressive strength of concrete and online defects obtained during compliance checks. Defects are identified by the probability of their occurrence. The third parameter introduced relates to the consequences of the occurrence of events identified with the obtained defectiveness after the compliance check of the compressive strength of the concrete produced. When verifying the compressive strength of concrete based on a sample size of n = 3, with the result obtained of a mean value of 28 MPa and a defect before and after conformity control defined at the medium defectiveness, the risk regarding the correct assessment of the quality of the produced concrete is medium.

Słowa kluczowe

PL

ryzyko; beton towarowy; jakość; logika rozmyta

EN

risk; ready-mix concrete; quality; fuzzy logic

• Wydawca: Fundacja Cement, Wapno, Beton
• Czasopismo: Cement Wapno Beton
• Rocznik: 2023
• Tom: R. 28, nr 1
• Strony: 26--39
• Opis fizyczny: Bibliogr. 23 poz., il., tab.

Twórcy

autor

Skrzypczak Izabela

• Politechnika Rzeszowska, Wydział Budownictwa, Inżynierii Środowiska i Architektury, Katedra Geodezji i Geotechniki, Rzeszów

• https://orcid.org/0000-0003-0978-3040

autor

Zięba Joanna

• Politechnika Rzeszowska, Wydział Budownictwa, Inżynierii Środowiska i Architektury, Katedra Konstrukcji Budowlanych, Rzeszów

• https://orcid.org/0000-0003-1800-5697

Bibliografia

• 1. EN 206:2013+A1:2016: Concrete - Requirements, properties, production and conformity.
• 2. L. Czarnecki (ed.), Beton według normy PN-EN 206-1 - komentarz. Polski Cement, Kraków 2004.
• 3. D. Breysse, X. Romão, M. Alwash, Z.M. Sbartaï, V.A.M. Luprano, Risk evaluation on concrete strength assessment with NDT technique and conditional coring approach. J. Build. Eng. 32, 101541 (2020). https://doi.org/10.1016/j.jobe.2020.101541
• 4. M. Mohamed, D.Q. Tran, Risk-based inspection for concrete pavement construction using fuzzy sets and bayesian networks. Automat. Constr. 128, 103761 (2021). https://doi.org/10.1016/j.autcon.2021.103761
• 5. L. Sun, W. Gu, Pavement condition assessment using fuzzy logic theory and analytic hierarchy process. J. Transp. Eng. 137, 648 - 655 (2011). https://doi.org/10.1061/(asce)te.1943-5436.0000239.
• 6. I. Skrzypczak, Analysis of concrete quality assessment criteria and their impact on the manufacturer’s and recipient’s risk. Oficyna Wydawnicza Politechniki Rzeszowskiej, Rzeszów, 2013 (in Polish).
• 7. Sz. Woliński, Ryzyko w projektowaniu konstrukcji z betonu, ZNPG, 59, 55-61 (2006).
• 8. Sz. Woliński, Conformity control of concrete strength based on the risk assessment. ZN PRz, 53, 163-169 (2009).
• 9. Sz. Woliński, Ocena jakości betonu metodami normowymi i według logiki rozmytej. Dni Betonu 2006, 1121-1131 (2006).
• 10. Q. Mascarenhas Guedes, L. Gopfert, Study of the risks related to conformity criteria by CEB for important lots of concrete. Mater. Struct. 16, 269-273 (1983). https://doi.org/10.1007/BF02473692
• 11. S. Tesfamariam, H. Najjaran, Adaptive network-fuzzy inferencing to estimate concrete strength using mix design. NRCC-49681, http://irc.nrccnrcqc.ca
• 12. B. Möller, M. Beer, Fuzzy Randomness Uncertainty in Civil Engineering and Computational Mechanics. Springer, Berlin, 2004.
• 13. M. Neshat, A. Adeli, G. Sepidnam, M. Sargolzaei, Comparative study on fuzzy inference system for prediction of concrete compressive strength, Int. J. Phys. Sci. 7(3), 440-456 (2012). https://doi.org/ 10.5897/IJPS11.967
• 14. L. Zadeh, Fuzzy sets. Inform. Contr., 8, 338-353 (1965). https://doi.org/10.1016/S0019-9958(65)90241-X
• 15. L. Czarnecki, H. Justnes, Sustainable & durable concrete. Cem. Wapno Beton. 17(6), 341 - 360 (2012).
• 16. D. Straub, M.H. Faber, Risk based inspection planning for structural systems. Struct. Saf. 27 335 - 355 (2005). https://doi.org/10.1016/j.strusafe.2005.04.001.
• 17. S.S. Leu, C.M. Chang, Bayesian-network-based safety risk assessment for steel construction projects. Accid. Anal. Prev. 54 122 - 133 (2013). https://doi.org/10.1016/j.aap.2013.02.019.
• 18. R. Yager, D. Filev, Fundamentals of fuzzy modeling and control. WNT, Warszawa, 1995 (in Polish).
• 19. J. Ozolos, A. Borisov, Fuzzy classification based on pattern projections analysis. Pattern Recog. 34, 763-781 (2001). https://doi.org/10.1016/S0031-3203(00)00029-7
• 20. L. Brunarski, Podstawy matematyczne kształtowania kryteriów zgodności wytrzymałości materiałów. Prace naukowe ITB, WITB, Warszawa, 2009 (in Polish).
• 21. L. Taerwe, Evaluation of compound compliance criteria for concrete strength. Mater. Struct. 21, 13-20 (1988). https://doi.org/10.1007/BF02472524
• 22. L. Taerwe, The influence of autocorrelation on OC-lines of compliance criteria for concrete strength. Mater. Struct. 20, 418-427 (1987). https://doi.org/10.1007/BF02472492
• 23. I. Skrzypczak, W. Kokoszka, I. Zięba, A. Leśniak, D. Bajno, Ł. Bednarz, A Proposal of a Method for Ready-Mixed Concrete Quality Assessment Based on Statistical-Fuzzy Approach. Materials 13(24), 5674 (2020). https://doi.org/10.3390/ma13245674