Optimization of shear wall dimensions through the use of AI to reduce costs in 6-storey buildings in the Miraflores district

En el presente artículo se investiga la implementación de las Redes Neuronales Artificiales como un tipo de Inteligencia Artificial con la finalidad de reducir los costos de concreto armado. Por esto, se propuso el uso de este tipo de algoritmo con el objetivo de optimizar las secciones de los muros de corte en edificaciones de 6 pisos sin irregularidades. Se configuraron 10 redes neuronales distintas con el fin de elegir la que se adapte mejor a los datos empleados para el entrenamiento. En cada algoritmo se establecieron como variables de entrada el ancho y largo de la edificación; y la distancia entre luz máxima del eje X e Y. Sin embargo, el número de capas ocultas y el de neuronas en cada una de ellas fue distinto. En la etapa de entrenamiento se emplearon 30 casos con dimensiones optimizadas, con esto se obtuvo que la red neuronal predice la longitud total de la placa y su espesor con un error del 10%.This article investigates the use of Artificial Neural Networks as a type of Artificial Intelligence in order to reduce the costs of reinforced concrete. For this reason, the use of this type of algorithm was proposed with the objective of optimizing the sections of the shear walls in 6-story buildings without irregularities. Ten different neural networks were configured in order to choose the one that best suits the data used for training. In each algorithm, the width and length of the building; and the distance between maximum span of the X and Y axis were established as input variables. However, the number of hidden layers and the number of neurons in each of them was different. In the training stage, 30 cases with optimized dimensions were used, with this it was obtained that the neuronal network predicts the total length of the shear wall and its thickness with an error of 10%.Trabajo de investigació