Modelo predictivo para la formulación de concreto en Argos

El presente documento describe el trabajo realizado para predecir la resistencia a la compresión del concreto utilizando datos de las principales propiedades de desempeño de este material, suministrados por Argos, y aplicando técnicas de machine learning. Se llevaron a cabo procesos exhaustivos de limpieza y análisis de datos para identificar las variables predictoras. Se probaron distintos modelos de regresión y se seleccionaron 4: Extra Trees Regressor, eXtreme Gradient Boosting Regressor (XGBoost), Multi-layer Perceptron Regressor (MLP) y Random Forest Regressor. Luego, se aplicaron técnicas de ajuste de hiperparámetros con Algoritmos Genéticos, Particle Swarm Optimization (PSO) y Optimización Bayesiana. El modelo MLP mostró el mayor rendimiento, alcanzando un Porcentaje Medio Absoluto de Error (MAPE) de 11,4%. Este estudio demuestra la aplicabilidad de las técnicas de machine learning en la industria del concreto y sugiere futuras investigaciones para explorar otras variables relevantes y probar diferentes modelos predictivos.