Traducido del inglés al español - www.onlinedoctranslator.

com

materiales

Artículo

Metanálisis de mezclas de concreto reforzado con fibras de acero conduce

a una metodología práctica de diseño de mezclas

Emilio García-Taengua1,* , Mehdi Bakhshi2y Liberato Ferrara3

1 Escuela de Ingeniería Civil, Universidad de Leeds, Leeds LS2 9JT, Reino Unido
2 AECOM, Los Ángeles, CA 90071, EE. UU.; [email protected]
3 Departamento de Ingeniería Civil y Ambiental, Politecnico di Milano, 20133 Milán, Italia;
[email protected]
* Correspondencia: [email protected]

Resumen:Se informa el análisis de cientos de mezclas de SFRC compiladas a partir de artículos publicados durante los
últimos 20 años. Este artículo se centra en las relaciones entre el tamaño y la dosificación de las fibras de acero y las
cantidades relativas de los constituyentes de las mezclas de SFRC. La regresión lineal múltiple se aplica al modelado
estadístico de tales relaciones, lo que lleva a cuatro ecuaciones que muestran una precisión y solidez considerables en
la estimación de las proporciones de la mezcla de SFRC en función del contenido y las dimensiones de la fibra, el
tamaño máximo de los agregados y la relación agua-cemento. Las principales tendencias descritas por estas
ecuaciones se discuten en detalle. Se enfatiza la importancia de las interacciones entre los agregados, los materiales
cementicios complementarios y las fibras en la dosificación de las mezclas de SFRC, así como las implicaciones para la
trabajabilidad y la estabilidad. La simplicidad de estas ecuaciones basadas en datos las convierte en una herramienta
valiosa para guiar la dosificación de mezclas de SFRC. Su desempeño predictivo cuando se usan juntos como una

---- metodología de diseño de combinación basada en datos se confirma mediante un conjunto de datos de validación.
---

Citación:García-Taengua, E.;
Bakhshi, M.; Ferrara, L. Palabras clave:inteligencia artificial; hormigón; base de datos; FRC; diseño de mezcla; fibras; dosificación
Metanálisis de acero
Las mezclas de concreto reforzado con fibras

conducen a una metodología práctica de diseño

de mezclas.Materiales2021,14, 3900. https:// 1. Introducción

doi.org/10.3390/ma14143900
Hace unos sesenta años, se publicaron los primeros estudios pioneros que presentaban un
enfoque racional del concepto y las aplicaciones del hormigón reforzado con fibra (FRC) y del FRC de
Editor académico: Łukasz Sadowski
acero (SFRC) en particular, basados en la mecánica de la fractura.1–5]. Desde entonces, se ha llegado a
un consenso a nivel internacional sobre una metodología basada en el rendimiento para el diseño
Recibido: 17 junio 2021
Aceptado: 9 julio 2021
estructural, que se ha incorporado a los códigos y directrices modernos aceptados en todo el mundo,
Publicado: 13 julio 2021
como el Código Modelo y los documentos ACI 544 [6–11]. Sin embargo, la dosificación de las mezclas de
SFRC ha permanecido hasta ahora como una especie de área gris, que no ha recibido la misma atención.
Nota del editor:MDPI se mantiene neutral

con respecto a reclamos jurisdiccionales en Entre los profesionales del hormigón, la forma de pensar dominante en términos de dosificación de
mapas publicados y afiliaciones mezclas de SFRC sigue estando basada en un solo parámetro (la dosificación de fibras) que dicta el
institucionales. diseño de las mezclas. Además, la percepción errónea de que una buena mezcla de SFRC es básicamente
el resultado de la adición de fibra a una buena mezcla original, aderezada con algún ajuste de la mezcla
para cumplir con el rendimiento en estado fresco, todavía tiene una prevalencia significativa. Para
superar estas dos percepciones erróneas, se necesita una metodología para la dosificación de mezclas
de SFRC que vincule las principales variables de diseño de la mezcla con la dosis de fibra y las
Derechos de autor:© 2021 por los
autores. Licenciatario MDPI, Basilea,
dimensiones de la fibra y estas, a su vez, con los indicadores más significativos del desempeño de FRC en
Suiza. Este artículo es un artículo de el estado fresco y endurecido. Sin embargo, el primer y necesario paso hacia un método de dosificación
acceso abierto distribuido bajo los basado en el rendimiento es sin duda el análisis en profundidad y el modelado de las relaciones entre las
términos y condiciones de la licencia proporciones relativas de los diferentes constituyentes de SFRC, que es el enfoque de este documento.
Creative Commons Attribution (CC BY) Solo entonces se pueden conectar estas variables a las especificaciones de desempeño como parte de un
(https:// creativecommons.org/ marco conceptualmente sólido.
licenses/by/ 4.0/).

Compañero riales2021,14, 3900. https://doi.org/10.3390/ma14143900 https://www.mdpi.com/journal/materials

Materiales2021,14, 3900 2 de 17

En este marco, vale la pena señalar que el rendimiento en estado fresco de las mezclas de SFRC
debe considerarse igual de importante que las propiedades en estado endurecido. En primer lugar, debe
considerarse dentro de la categoría más amplia de los SFRC modernos, que incluye materiales con un
rendimiento mejorado en estado fresco, como el FRC autocompactante y los hormigones de ultra alto
rendimiento (reforzados con fibras) (UHPFRCC) [12,13]. En este contexto, el logro de niveles adecuados
de desempeño en estado fresco, que está indisolublemente relacionado con las propiedades mecánicas y
el desempeño estructural, es fundamental para el diseño de la mezcla. De hecho, un adecuado
comportamiento en estado fresco, es en la mayoría de los casos, determinante para la obtención del
comportamiento mecánico deseado. Una metodología de diseño de mezcla racional y personalizada para
SFRC puede permitir que las sinergias entre el rendimiento del estado fresco y endurecido se aprovechen
al máximo, por ejemplo, a través de la posibilidad de alinear, gracias a una reología del material
adecuadamente equilibrada, las fibras a lo largo de la dirección del flujo de fundición, de lo que se sigue
un comportamiento estructural óptimo del material [14,15]. De hecho, una buena metodología de diseño
de mezclas debe estar profundamente arraigada en la práctica actual de diseño de mezclas de concreto y
tecnologías de dosificación, y esa es la razón por la cual un análisis sistemático de toda la experiencia
acumulada de diseño, prueba, ajuste y producción de mezclas de SFRC, que está implícito en la gran
cantidad de diseños de mezclas utilizados en diferentes estudios a lo largo de los años, tiene un valor
enorme.
Para abordar estos problemas, está en marcha el proyecto “Optimización del hormigón reforzado
con fibras mediante minería de datos” con financiación recibida del Concrete Research Council a través
de la American Concrete Institute Foundation [dieciséis]. El estudio que se presenta en este documento
se ha realizado como parte de este proyecto. Tiene como núcleo la aplicación de técnicas de minería de
datos y modelado estadístico para analizar y modelar las relaciones entre las variables de diseño de la
mezcla, el comportamiento en estado fresco y las propiedades mecánicas, siguiendo los principios
metodológicos aplicados al hormigón autocompactante en trabajos anteriores [17,18].
El primer paso hacia esta tarea holística bastante desafiante consistió en construir una base de datos de proporciones de mezclas de SFRC y sus propiedades

de estado fresco y endurecido más relevantes a partir de los artículos publicados en los últimos veinte años, período que marca la madurez de la tecnología SFRC y de

sus aplicaciones. A continuación, se realizó un metanálisis, cuyo objetivo no solo era extraer las características más significativas de las mezclas de SFRC producidas,

estudiadas y empleadas con éxito hasta el momento, sino también encontrar las correlaciones entre las diferentes variables de diseño de mezclas. Tal análisis fue

concebido como un proceso de dos etapas. Como se mencionó anteriormente, el enfoque de este documento está en las relaciones entre el tamaño y la dosis de fibras

de acero y las cantidades relativas de los otros componentes de las mezclas de SFRC. Este trabajo fue pensado como prodrómico para un mayor análisis y explotación

de la base de datos y del proceso de metanálisis para derivar las correlaciones entre los parámetros de diseño de mezcla más significativos, identificados y analizados

en forma cruzada a continuación, con los indicadores de desempeño de las mezclas de SFRC. en estado fresco y endurecido para establecer una metodología de diseño

de mezclas basada en el rendimiento que debe incorporarse en los enfoques de diseño estructural tanto para las predicciones de diseño como para las herramientas

de control de calidad. Esta segunda etapa del estudio será abordada en un artículo aparte. a los indicadores de rendimiento de las mezclas de SFRC en estado fresco y

endurecido para establecer una metodología de diseño de mezclas basada en el rendimiento que debe incorporarse en los enfoques de diseño estructural tanto para

las predicciones de diseño como para las herramientas de control de calidad. Esta segunda etapa del estudio será abordada en un artículo aparte. a los indicadores de

rendimiento de las mezclas de SFRC en estado fresco y endurecido para establecer una metodología de diseño de mezclas basada en el rendimiento que debe

incorporarse en los enfoques de diseño estructural tanto para las predicciones de diseño como para las herramientas de control de calidad. Esta segunda etapa del

estudio será abordada en un artículo aparte.

2. Metodología
Los principios metodológicos aplicados a este estudio fueron los de un metanálisis, es decir, un
análisis de resultados experimentales recopilados de múltiples estudios diferentes y agregados en un
conjunto más grande de resultados o base de datos.19]. La base de datos compilada como parte de este
estudio incorporó la variabilidad que surge entre las mezclas diseñadas siguiendo diferentes enfoques y
considerando materiales de diferentes fuentes, lo que la hizo ampliamente representativa de las mezclas
de SFRC. Esta base de datos fue preprocesada y limpiada para detectar y descartar cualquier caso
anómalo o valores mal informados. Posteriormente, se aplicaron técnicas estadísticas para analizar la
información en la base de datos mediante el modelado de las relaciones entre los diferentes parámetros
de dosificación de la mezcla.
Materiales2021,14, 3900 3 de 17

2.1. Recopilación de datos y estructura de la base de datos

Se compiló una base de datos de mezclas de SFRC a partir de artículos publicados entre los años
2000 y 2019. Las principales fuentes utilizadas para buscar artículos fueronhttp://www.
cienciadirecta.com(consultado el 2 de septiembre de 2019) y el índice de artículos publicados por las
revistas del American Concrete Institute (ACI), con los términos de búsqueda "hormigón reforzado con
fibra de acero" y sus grafías alternativas, "SFRC" y "steel FRC". La lista completa de las fuentes a partir de
las cuales se compiló la base de datos se proporciona en el archivo de material complementario que
acompaña a este documento.
Los principales desafíos fueron la selección de documentos (para que estuviera disponible la
información suficiente para recopilar y fuera representativa de una amplia gama de SFRC) y el
tratamiento de la información incompleta [20]. El tamaño de la base de datos (número de casos)
también se consideró cuidadosamente. Los conjuntos de datos que comprenden menos de 30 casos
generalmente se consideran insuficientes, sin embargo, se acepta ampliamente que un número de
casos excesivamente grande puede ser problemático y hacer que la inferencia estadística sea menos
sólida.21]. En consecuencia, se decidió que la base de datos a compilar para este estudio debía incluir no
menos de 30 casos y no más de 1000 casos.
La base de datos de mezclas de SFRC se estructuró de modo que cada fila (o caso) correspondiera a
una mezcla de SFRC diferente, mientras que las columnas (variables) correspondían a los parámetros
que describen las proporciones de la mezcla y otras características que describen cada mezcla, incluidas
las dimensiones de las fibras.

2.2. Definición de Variables

Las variables relacionadas con la dosificación de las mezclas de SFRC se expresaron en términos de pesos
relativos por unidad de volumen de concreto, en unidades SI (p. ej., kg/m3). Estos incluyeron los contenidos de:
cemento, agua, escoria de alto horno granulada molida (GGBS), humo de sílice, cenizas volantes, polvo o relleno
de piedra caliza, agregado fino (arena), agregado grueso (grava), superplastificante, aditivo inclusor de aire,
retardador, y aditivos modificadores de la viscosidad (VMA). Los contenidos de fibra se expresaron como la
fracción de volumen de fibras, en porcentaje (VF).
La suma de los contenidos de cemento, GGBS, humo de sílice, cenizas volantes y polvo de piedra caliza se
almacenó en una variable llamada 'aglutinante', y la diferencia entre el contenido de aglutinante y el contenido
de cemento se almacenó en una variable denominada 'SCM', que representa para 'materiales cementicios
complementarios' [22].
El tamaño máximo de agregado se expresó en milímetros (mm), y el tamaño de las fibras utilizadas
en cada mezcla de SFRC se describió mediante las siguientes variables: longitud y diámetro de fibra en
milímetros (mm), relación de aspecto (no dimensional) y fibra forma (utilizando términos ampliamente
descriptivos como en forma de gancho o recto).
El tipo de cemento se almacenó en una variable categórica, codificada como CEM I, II, III o IV en
correspondencia con las principales categorías de las normas europeas [23].

2.3. Depuración de Datos y Análisis Descriptivo

Se llevó a cabo un análisis preliminar de la base de datos para detectar y descartar casos en los que la
información era claramente defectuosa o no era consistente con la gran mayoría de las mezclas (p. ej., valores
informados incorrectamente).
La presencia de datos faltantes era inevitable porque no siempre era posible recuperar los valores
de todas las variables. Se descartaron los casos en los que faltaba la mayor parte de la información.
Aquellos casos en los que faltaba una pequeña parte de la información se trataron mediante imputación
múltiple [24,25], un proceso mediante el cual los valores faltantes fueron reemplazados por
estimaciones basadas en la explotación de la correlación con otras variables, las relaciones conocidas
entre ellas o los fenómenos subyacentes que representan, o una combinación de ambas.
Se realizó un análisis descriptivo de la base de datos, variable por variable, para determinar
rangos típicos e identificar cualquier valor atípico. Se utilizaron histogramas y gráficas de
distribución de frecuencias acumuladas para investigar la distribución de frecuencias de cada
variable. Para cada variable se calculó la mediana como indicativo de su valor central, y se
calcularon los percentiles correspondientes a frecuencias acumuladas del 5% y 95% para definir el
rango de variación representativo de cada variable, en lugar de mínimos absolutos.
Materiales2021,14, 3900 4 de 17

y máximas. Los posibles valores atípicos se identificaron con base en las llamadas vallas de Tukey, también conocidas
como el método de rango intercuartílico para la detección de valores atípicos.26–28].

2.4. Modelado estadístico y gráficos de contorno

El modelado estadístico y el análisis posterior informados en este documento se ocupan de las
relaciones que existen entre las diferentes variables que describen las mezclas de SFRC en términos de
las cantidades relativas de sus constituyentes y las características de dichos constituyentes.
Se utilizó regresión lineal múltiple para modelar tales relaciones ajustando ecuaciones descriptivas
a los valores en la base de datos, con dos objetivos igualmente importantes. Primero, producir
diagramas que podrían usarse para visualizar, describir e interpretar esas relaciones. En segundo lugar,
proponer un conjunto coherente de ecuaciones que se puedan utilizar como parte del proceso de
dosificación de la mezcla de SFRC. En todos los casos se siguió el mismo proceso de modelado.
Inicialmente, los modelos de regresión incluían todas las interacciones por pares entre las variables y sus
términos cuadráticos. Luego se utilizó la regresión por pasos para simplificar los modelos iniciales,
eliminando secuencialmente aquellos términos e interacciones que no eran estadísticamente
significativos [21]. Los modelos finales corresponden a las ecuaciones reportadas en este documento, y
fueron descritos y discutidos utilizando los gráficos de contorno correspondientes.

3. Elaboración y Análisis Descriptivo de la Base de Datos

La base de datos de mezclas de SFRC compilada en este estudio, luego de la identificación y
eliminación de casos anómalos o severamente incompletos, comprendía 766 casos diferentes
extraídos de más de 100 artículos publicados entre 2000 y 2019.

3.1. Imputación de valores faltantes

La prevalencia de datos faltantes fue baja: el 56,6% de los casos en la base de datos estaban
completos y, en general, solo faltaba el 7,8% de la información. Los porcentajes de datos faltantes para
diferentes variables se muestran en la Tabla1, lo que muestra que los valores faltantes se concentraron
principalmente en dos variables: tipo de cemento y tamaño máximo de agregado.

Tabla 1.Porcentaje de valores faltantes para las variables seleccionadas.

Variable falta
tipo de cemento 42,1%
Tamaño máximo de agregado 23,9%
Dosificación de superplastificante 4,8%
Contenido de agregado fino 3,2%
Contenido de agregado grueso 3,2%
Contenido de SCM 2,6%
contenido de cemento 2,6%

Los datos faltantes con respecto al tipo de cemento no pudieron remediarse, debido al
porcentaje relativamente alto de datos faltantes y la naturaleza categórica y no cuantitativa de la
variable.
En la mayoría de los casos fue posible la imputación de los valores máximos faltantes del
tamaño agregado. Algunos de estos casos correspondían a mezclas de CRFA que no contenían
árido grueso, por lo que se imputó un tamaño máximo de árido de 4 mm. Sin embargo, algunos
de estos casos no tenían agregado grueso porque eran mezclas de muy alto rendimiento, y el
tamaño máximo de agregado se fijó en 1 mm, como suele ser el caso para UHPFRC: el único
agregado que contienen es arena fina [13,29]. Por otro lado, en aquellos casos correspondientes a
mezclas de CRFA con agregados tanto finos como gruesos, la imputación de los valores faltantes
del tamaño máximo de agregado se realizó mediante una ecuación de regresión ajustada al
subconjunto de casos completos.
La imputación del contenido de árido fino y grueso en los pocos casos en que ambos faltaban
(3,2 %) se hizo utilizando otra información reportada en los documentos de los que se extrajeron.
El volumen total de agregados por unidad de volumen de SFRC se determinó por sustracción, y las
proporciones relativas de los agregados se estimaron por aproximación.
Materiales2021,14, 3900 5 de 17

ing la clasificación combinada de sólidos a la curva de Bolomey [30] con un parámetro de 12,
considerando un peso específico promedio de 2.7 tanto para agregados finos como gruesos.

3.2. Análisis descriptivo

Mesa2presenta un resumen de la información en la base de datos. Se dan cinco valores
como descriptores de las variables y parámetros más significativos que definen la composición y
las características de las mezclas de SFRC en la base de datos.

Tabla 2.Valores representativos para las mezclas de SFRC en la base de datos.

Rango representativo Rango típico

Parámetro Mediana
Mínimo Máximo Mínimo Máximo
Ligante total (kg/m3) 440 270 710 390 550
Cemento (kg/m3) 400 325 678 360 485
SCM (kg/m3)1 60 20 198 40 100
Agua (kg/m3) 180 140 237 163 203
Relación W/C (no dimensional) 0,45 0.22 0,60 0.36 0.50
Superplastificante (kg/m3)2 4.0 1.3 14.0 2.6 7.0
Agregado fino (kg/m3) 835 524 1071 699 914
Árido grueso (kg/m3)3 880 388 1157 774 999
máx. Tamaño del agregado (mm) 14 1 20 10 dieciséis

Fracción de volumen de fibra (%) 0.51 0.25 2.0 0.43 1.0

Longitud de fibra (mm) 45 13 60 30 60
Relación de aspecto de fibra (no dimensional) sesenta y cinco 38 85 60 70
1Valorescalculados después de excluir mezclas que no incorporaron SCM.2Valores calculados después de excluir las mezclas que no tenían
superplastificante.3Valores basados en mezclas que contenían tanto agregados finos como gruesos.

La mediana es el valor por debajo del cual se encuentran el 50% de los casos,
representando así el valor medio de los diferentes parámetros. Los límites mínimo y máximo
del llamado 'rango representativo' corresponden a los percentiles 5 y 95, es decir, los valores
entre los que se encuentran el 90% de los casos. Por otro lado, el 'rango típico' se da como
indicativo de los valores más comunes para cada parámetro. Los límites mínimo y máximo
del 'rango típico' corresponden a los percentiles 25 y 75 respectivamente, comprendiendo
por tanto el 50% de los casos.
En casi el 42% de los casos no se reportó el tipo de cemento Portland. Sin embargo, en el
94% de los casos para los que se disponía de esta información, se trataba de CEM I o CEM II.
Además, CEM I, en particular, fue el más prevalente, siendo un 38 % más frecuente que CEM II
entre las mezclas de SFRC en la base de datos. En cuanto a la composición del ligante, también es
interesante señalar que el 52,7% de los casos correspondían a mezclas que no incorporaban SCM
además del cemento. Valores representativos para el contenido de SCM en la Tabla2se
determinaron con base en el subconjunto de casos que incluían SCM.
Se utilizó superplastificante en el 79% de los casos, lo que confirma que el uso de esta familia de aditivos
químicos se ha convertido en una práctica común en la dosificación de mezclas de SFRC. Como los valores en la
Tabla2muestran, la distribución de frecuencias de los contenidos de superplastificante estaba fuertemente
sesgada, ya que los valores pequeños eran mucho más comunes que los valores altos. Esto se atribuyó al hecho
de que favorecer contenidos bajos de superplastificante para controlar la trabajabilidad es ventajoso por
diferentes razones: problemas de estabilidad cuando se dosifica en exceso (que es particularmente crítico en el
caso de los FRC autocompactantes) [17,31,32], el costo relativamente alto de las mezclas y los rendimientos
decrecientes más allá del punto de saturación [33–35]. De hecho, tomando los valores medianos, la proporción
de superplastificante a contenido de cemento fue de 1,125%, lo cual es consistente con las dosis típicas de
punto de saturación, normalmente entre 1 y 1,5% [35,36].
En cuanto al contenido de fibra de acero, la distribución deVFLos valores en la base de datos
también estaban sesgados, ya que los valores más bajos eran más comunes que los valores altos:
la mediana (0,51 %) estaba más cerca del mínimo (0,25 %) que del máximo (2 %) del rango
representativo. En el 50% de los casos, la fracción volumétrica de fibra no superó el 0,51%. En el
75% de los casos,VFfue inferior al 1,0%, y fue inferior al 1,6% en el 90% de los casos.
Materiales2021,14, 3900 6 de 17

4. Modelos Estadísticos, Interpretación y Discusión

El proceso de modelado estadístico no es sencillo cuando se trata de un conjunto de datos
multivariante, como fue el caso en este estudio. Se podría aplicar la regresión lineal múltiple para
obtener tantas ecuaciones de regresión como variables haya en la base de datos, y más aún si se
consideraran diferentes subconjuntos de otras variables como predictores o covariables. Se exploró un
gran número de modelos alternativos para encontrar modelos refinados que cumplieran tres
condiciones: (i) ser satisfactorios en términos de bondad de ajuste, es decir, resultar razonablemente
precisos en el ajuste de los datos; (ii) no presentar problemas de multicolinealidad [37]; (iii) presentar una
especificación simple, ser relativamente simple y no incluir muchos términos e interacciones.

Después de varios intentos de análisis preliminares, resultó que tres modelos en particular
cumplían las condiciones anteriores y también constituían un conjunto estructurado y coherente de
ecuaciones que podía usarse para producir estimaciones razonables de proporción de mezcla de SFRC
sin ser excesivamente complejo. Las siguientes secciones presentan y discuten estos modelos.

4.1. Proporción de agregado grueso a fino

La proporción de agregado grueso a fino, o grava/arena (GRAMO/S), se consideró un parámetro

relevante para investigar, ya que generalmente es representativo de la granulometría de los agregados
combinados, lo que contribuye a la cohesión de las mezclas de SFRC fresco y, a su vez, afecta su
trabajabilidad y estabilidad en estado fresco [38]. Inicialmente, un análisis exploratorio que investiga la
relación entre elGRAMO/SSe realizó la relación, las dimensiones de las fibras y su dosificación. Sin
embargo, se concluyó que no hubo asociaciones estadísticamente significativas entre laGRAMO/Srazón y
estas variables. Las únicas dos variables que resultaron estar claramente correlacionadas con laGRAMO/
Sfueron el tamaño máximo de agregado y el contenido de agregado grueso. El diagrama de dispersión
en la Figura1muestra los valores de laGRAMO/S relación versus contenido de agregado grueso para las
mezclas de SFRC en la base de datos. Se observa una clara tendencia, mostrando una correlación directa
y positiva entre los dos parámetros.

Figura 1.Relación de agregado grueso a fino versus contenido total de agregado.

Se realizó un análisis de regresión múltiple para obtener una expresión que relacione la GRAMO/S
relación entre el contenido de agregado grueso y el tamaño máximo de agregado. Se obtuvo la siguiente
ecuación (R-cuadrado = 0.92), con un término de error de±0.10 para elGRAMO/Sestimar:

GRAMO
( )
=20,3 + 22,27metro+0.269GRAMO+0.001GRAMO2−0.029metro G×10−3±0.10 S (1)
Materiales2021,14, 3900 7 de 17

dondeGRAMOySson los contenidos de agregado grueso (grava) y agregado fino (arena),

respectivamente, expresados en kg/m3, ymetroes el tamaño máximo de árido expresado en mm.
Cifra2muestra la superficie de respuesta obtenida al graficar la Ecuación (1) contra el contenido de
agregado grueso y el tamaño máximo de agregado. Asumiendo el tamaño máximo de agregado a 14
mm, un aumento de 100 kg/m3en el contenido de agregado grueso corresponde a un aumento
promedio en elGRAMO/Srelación entre 0,12 y 0,19, siendo más pronunciada cuanto mayor sea el
contenido de árido grueso. Sin embargo, la relación entreGRAMO/Sy el contenido de agregado grueso
también fue ligeramente afectado por el tamaño máximo de agregado, como se puede observar en la
Figura2. Por ejemplo, aumentar el contenido de agregado grueso de 800 a 900 kg/m3se correlacionó
con laGRAMO/Srelación que aumenta en 0,17 para un tamaño máximo de árido de 10 mm, mientras que
este aumento fue de 0,14 para un tamaño máximo de árido de 20 mm.

Figura 2.Relación de agregado grueso a fino versus contenido de agregado y tamaño máximo de agregado.

4.2. Contenido agregado grueso

Después de modelar elGRAMO/Srelación, fue necesaria una investigación sobre las
cantidades relativas de agregado, ya que esto determina el volumen relativo de agregados y, a su
vez, el volumen relativo de pasta, que es crucial para el desempeño del estado fresco y endurecido.
39]. Además, la diferencia entre la forma y las dimensiones de los agregados y las fibras
justificaron el interés de cuantificar el efecto de las fibras sobre el contenido y la clasificación de los
agregados.40,41]. Se realizaron análisis preliminares para modelar los contenidos de arena, grava
y agregados totales en función de los otros parámetros de la mezcla. El modelo más satisfactorio
en términos de bondad de ajuste y especificación simple se obtuvo para el contenido de agregado
grueso.
El análisis de regresión múltiple para modelar el contenido de grava produjo una ecuación que
relaciona esta variable con el tamaño máximo de agregado, las dimensiones de fibra y la fracción de
volumen de fibra, todas las cuales fueron estadísticamente significativas. Después de considerar todos
los términos e interacciones cuadráticos, y eliminar todos los términos no significativos, la siguiente
ecuación (R-squared = 0.76), con un término de error de±129 kg/m23para la estimación, se obtuvo:
( )( )
GRAMO=−95−2.21metro2+VF4.15yoF−1.35λF−6.44metro + metro120−0.15yoF−0.22λF±129 (2)

dondemetroes el tamaño máximo de agregado (mm),VFes la fracción de volumen de fibra (porcentaje), yoFes la
longitud de la fibra (mm), yλFes la relación de aspecto de la fibra.

4.2.1. Dimensiones de fibra y contenido de grava

Cifra3muestra los gráficos de contorno para el contenido de grava versus la longitud de la fibra y la
relación de aspecto, obtenidos al graficar la Ecuación (2) considerando cuatro valores diferentes para la fibra
Materiales2021,14, 3900 8 de 17

fracción de volumen: 0,25%, 0,5%, 1,0% y 1,5%, y suponiendo un tamaño máximo de agregado igual a la
mediana de los valores de la base de datos, es decir, 14 mm.

Figura 3.Contenido de agregado grueso versus longitud de fibra y relación de aspecto para diferentes dosis de fibra: diagramas de contorno para fracciones
de volumen de fibra de 0.25% (a), 0,50% (b), 1,0% (C), 1,5% (d).

Se puede observar que el efecto relativo de la longitud de fibra y la relación de aspecto sobre el contenido
de grava cambia con la fracción de volumen de fibra. Para dosis bajas a medias de fibra (Figura3a,b), el factor
determinante fue la relación de aspecto: las relaciones de aspecto más bajas se asociaron con contenidos de
grava más altos. Para dosis medias a altas de fibra (Figura3c, d), tanto la relación de aspecto como la longitud
de las fibras se asociaron con cambios en el contenido de grava, y las fibras más largas se asociaron claramente
con mayores contenidos de grava.
Se encontró que el aumento de la relación de aspecto de la fibra estaba asociado con la disminución del
contenido de grava, lo que implicaba aumentar el contenido de arena y el volumen relativo de pasta, lo que
generalmente genera mezclas más cohesivas. Por lo tanto, se descubrió que las fibras con relaciones de aspecto
más altas generalmente requieren que la mezcla de SFRC sea más cohesiva, lo que se relacionó con los
requisitos de trabajabilidad y estabilidad en estado fresco [42,43]. Un razonamiento similar se aplica a la
relación entre la longitud de la fibra y el contenido de grava. El uso de fibras más cortas, particularmente
cuando la dosis de fibra no es pequeña, implica que el número de fibras por unidad de volumen sea alto, por lo
que se requiere que la mezcla sea más cohesiva, proporcionada con más arena y pasta, y menos grava. Tal
interpretación también es consistente con hallazgos previos con respecto a la sensibilidad de la relación de
vacíos a las dimensiones y el contenido de la fibra.44].
En la discusión anterior, se han hecho referencias a dosis bajas y altas de fibra en relación con la
figura3. La ecuación (2) se puede utilizar para cuantificar la fracción de volumen de fibra por encima de
la cual el efecto de la longitud de la fibra sobre el contenido de grava se vuelve más pronunciado. Al
diferenciar el contenido de grava, según la Ecuación (2), con respecto a la longitud de fibra y
Materiales2021,14, 3900 9 de 17

igualando a cero, se obtuvo dicho valor umbral para la fracción de volumen de fibra, que depende
del tamaño máximo del agregado (metro):
-
-0,36%sim=10mm
=0 ;
∂GRAMO
4.153VF−0.148metro=0→VF= 0,50%sim=14mm (3)
∂yoF -
0.71%sim=20mm

4.2.2. Fracción de volumen de fibra y contenido de grava

Cifra4muestra el gráfico de contorno obtenido al graficar los contenidos de grava, según la Ecuación (2), con
respecto a la fracción de volumen de fibra y la longitud de la fibra, asumiendo los valores de la mediana del tamaño
máximo del agregado y la mediana de la relación de aspecto de la fibra en la Tabla2. Se han añadido tres líneas
discontinuas como referencia, para facilitar la interpretación. La línea discontinua horizontal corresponde a una fracción
de volumen de fibra de 0,54 %, según la Ecuación (3), por debajo de la cual el contenido de grava no fue
significativamente sensible a la longitud de la fibra y estuvo mayormente en el rango de 800–850 kg/m3. Los contenidos
de grava dentro de este rango también se asociaron con fracciones de volumen de fibra más altas, siempre que la
longitud de la fibra estuviera en la región de 40 mm.

Figura 4.Contenido de agregado grueso contra longitud de fibra y fracción volumétrica.

Cifra4también muestra que las fibras más cortas en dosis moderadas a altas generalmente se
asociaron con contenidos de grava marcadamente decrecientes. Esto indicó que las mezclas de SFRC con
contenidos moderados a altos de fibras más cortas generalmente están proporcionadas para tener
menos grava y mayores volúmenes relativos de arena y pasta, lo que se atribuyó a mayores requisitos de
cohesión. Por otro lado, las dosis moderadas a altas de fibras más largas se asociaron con un mayor
contenido de grava, que oscila típicamente entre 850 y 950 kg/m3, como se muestra en la figura4. Esto se
puede atribuir a la compatibilidad de tamaño de las fibras de acero de 40 a 60 mm de largo con el
tamaño de partícula promedio de los agregados combinados clasificados en mezclas de SFRC.

4.2.3. Tamaño máximo de agregado y contenido de grava

Cifra5muestra el gráfico de efectos principales para el contenido de grava con respecto al tamaño
máximo de agregado, que representa el contenido medio de grava según la Ecuación (2). La línea roja
corresponde a las estimaciones promedio, mientras que la banda gris representa el margen de error de
la Ecuación (2). Este gráfico fue útil para discutir la tendencia general en la relación entre el contenido de
grava y el tamaño máximo de agregado desagregado del efecto de aquellos términos en la Ecuación (2)
que no incluyen el tamaño máximo de agregado.
Materiales2021,14, 3900 10 de 17

Figura 5.Contenido de agregado grueso versus tamaño máximo de agregado.

Como se muestra en la figura5, el aumento del tamaño máximo de los agregados se asoció
con el aumento del contenido de grava, sin embargo, esta tendencia no fue lineal. Para tamaños
máximos de árido superiores a 14 mm, la curvatura de esta relación sería compatible con que el
contenido de grava no se vea afectado por cambios en el tamaño máximo de árido, dado el
margen de error. En consecuencia, se puede decir que existe una correlación directa y positiva
entre el contenido de grava y el tamaño máximo de árido en mezclas de SFRC con un tamaño
máximo de árido no superior a 14 mm.

4.3. Contenido del aglutinante

Siguiendo los modelos relacionados con los agregados, el siguiente paso fue el modelado de las
cantidades relativas de aglomerante. Los esfuerzos iniciales de modelado incluyeron el contenido de cemento,
el contenido de SCM, las relaciones agua-aglutinante y agua-cemento en función del tamaño máximo de los
agregados, el contenido de los agregados, las dimensiones de las fibras y la fracción de volumen de las fibras. El
parámetro que condujo al mejor modelo en términos de precisión y simplicidad fue el contenido total de
ligante.
Se aplicó un análisis de regresión lineal múltiple al contenido de ligante (expresado en kg/m3) en
relación con las variables antes mencionadas, considerando inicialmente todos los términos cuadráticos
y de interacción. Luego de simplificar el modelo por regresión por pasos, se obtuvo la siguiente ecuación
(R-squared = 0.90), con un término de error de±56 kg/m23para la estimación:
( )
B=262.1−6.11metro+19800S -10.51S2−4328GRAMO+3.66GRAMO2−7.45S×GRAMO×10−4±56 (4)

dondeBes el contenido de ligante (expresado en kg/m3),metroes el tamaño máximo de agregado (mm),

ySyGRAMOson los contenidos de arena y grava (expresados en kg/m3), respectivamente.
Cabe mencionar que las variables relacionadas con las fibras (fracción de volumen, longitud de
fibra y relación de aspecto de fibra) no aparecen en la Ecuación (4) porque se encontró que no tienen un
efecto estadísticamente significativo en el contenido de ligante. Sin embargo, esto no significa que estas
variables no afecten el contenido de ligante, porque su efecto en la Ecuación (4) está implícito a través de
su efecto en los contenidos de agregados (ver Ecuación (2)).

4.3.1. Tamaño máximo de agregado y contenido de aglomerante

Se encontró que el aumento del tamaño máximo del agregado estaba directamente asociado con
reducciones moderadas en el contenido de aglutinante. En promedio, según la Ecuación (4), el aumento
del tamaño máximo del agregado de 10 a 20 mm se asoció con una disminución del contenido de
ligante de 61 kg/m3. Esto representó una disminución promedio en el contenido de ligante del 13,6%
cuando el contenido medio de ligante de 450 kg/m3se tomó como referencia.

4.3.2. Contenido de agregados y aglomerantes

Se usó la ecuación (4) para producir gráficos de contorno que relacionan el contenido de aglutinante con
los contenidos de agregados finos y gruesos, que se muestran en la Figura6. El mismo rango fue
Materiales2021,14, 3900 11 de 17

considerado tanto para contenidos de árido fino como grueso: entre 300 y 1200 kg/m3. Sin
embargo, no todas las combinaciones de contenido de arena y grava en estos rangos eran
realistas, ya que no es posible tener 1200 kg/m3de arena y 1200 kg/m3de grava al mismo tiempo
en una mezcla de SFRC de peso normal. Por lo tanto, la interpretación de estos gráficos de
contorno tuvo que restringirse a una región factible. Esto se hizo superponiendo la siguiente
condición: la suma de las cantidades relativas de todos los constituyentes tenía que ser consistente
con el peso específico promedio de las mezclas de SFRC en la base de datos, que era de 2470 kg/m
3. Asumiendo los valores medianos dados en la Tabla2para el contenido de agua, el contenido de

superplastificante y la fracción de volumen de fibra, y un margen de variación establecido en±150

kg/m3para el contenido de ligante, la condición a imponer era la siguiente (B,S, yGRAMOexpresado
en kg/m3):
2096.5≤B+S+GRAMO≤2396.5 (5)

Figura 6.Contenido de ligante versus contenido de agregados finos y gruesos.

Las parcelas que se muestran en la figura6asuma dos valores diferentes para el tamaño máximo de
agregado de 10 y 20 mm, y las áreas sombreadas corresponden a combinaciones de arena-grava-
conglomerante que no son compatibles con la condición dada en la Ecuación (5). Ambos tienen
exactamente la misma forma, la única diferencia es que los contornos para el tamaño máximo de
agregado de 10 mm se reducen un paréntesis en comparación con el caso de 20 mm. De hecho, se
reduce en 61 kg/m3.
En ambos casos, los contenidos más altos de aglutinante se asociaron con contenidos de
grava más bajos que los contenidos de arena. Esto significa que la proporción de agregado grueso
a fino tendió a disminuir con el aumento del contenido de aglutinante. Por otro lado, los
contenidos más bajos de aglutinante se asociaron con mezclas en las que los contenidos de arena
y grava no eran muy diferentes, con una relación de agregado grueso a fino en el rango de 0,7 a
1,3. Esto se puede explicar en los siguientes términos: cuando el contenido de ligante es bajo, es
necesario que la mezcla de todos los agregados tenga una mejor granulometría para asegurar una
adecuada cohesión de la mezcla, moviéndose así en la dirección de grava a arena. proporciones
más cercanas a la unidad. También es interesante notar que los casos en los que el contenido de
ligante es bajo corresponden a SFRC ordinarios más convencionales,

4.4. Contenido de superplastificante

Los valores del contenido de superplastificante en la base de datos estaban muy dispersos. En
términos del rango representativo (Cuadro2), el valor máximo fue más de diez veces el mínimo. Esto se
debió al hecho de que diferentes superplastificantes pueden ser muy diferentes en cuanto a los rangos
de dosis recomendados y las dosis óptimas. Sin embargo, la regresión múltiple
Materiales2021,14, 3900 12 de 17

análisis de la cantidad relativa de superplastificante (SP, kg/m3) condujo a una ecuación razonablemente
precisa (R-squared = 0.77), con un término de error de±3,7 kg/m3:

SP= (3930 + 27.53B+0.032B2+ 0,67W2−0.42B×W+0.38B× λF

(6)
− 1.50W×yoF−0,68W× λF+17.23metro×yoF−10.72metro× λF)×10−3±3.7

dondeSP,B, yWson los contenidos relativos de superplastificante, aglutinante total y agua, respectivamente
(todos expresados en kg/m3),metroes el tamaño máximo de agregado (mm),yoFes la longitud de la fibra (mm),
yλFes la relación de aspecto de la fibra.
La ecuación (6) se usó para producir los gráficos de contorno que se muestran en la Figura7, que
representan el contenido estimado de superplastificante en kg/m3en función del contenido de agua y
ligante total. A modo de ilustración, se calcularon dos valores diferentes para el tamaño máximo de
agregado (12 mm y 20 mm) y dos tamaños de fibra (65/60 y 80/30, siendo el primer número la relación
de aspecto y el segundo la longitud en mm). consideró.

Figura 7.Contenido de superplastificante frente al agua y contenido de aglomerante.

Las áreas sombreadas corresponden a combinaciones inusuales de contenido de agua y aglutinante,

según los rangos representativos de la Tabla2: contenido de agua fuera de los 140–237 kg/m3
rango y proporciones de agua a aglomerante fuera del rango de 0,2 a 0,6. Asimismo, se destacan dos curvas de
nivel especialmente relevantes. La línea blanca discontinua representa un contenido de superplastificante de
2,5 kg/m3, que, a la derecha, define una región correspondiente a los casos generalmente asociados con un
contenido bajo o nulo de superplastificante (coloreado en azul oscuro). Dado que el margen de error para la
estimación del contenido de superplastificante según la Ecuación (6) fue de 3,7 kg/m3, estimaciones de 2,5 kg/m
3o por debajo no eran necesariamente diferentes de cero. Por otro lado, la línea negra discontinua representa
un contenido estimado de superplastificante de 10 kg/m3,
Materiales2021,14, 3900 13 de 17

que, a la izquierda, define una región correspondiente a los casos asociados con un alto contenido de
superplastificante (coloreado en verde en la Figura7).
Como era de esperar, las combinaciones de un alto contenido de aglutinante y un bajo contenido de agua
se asociaron con un alto contenido de superplastificante. Más interesante aún, para cualquier contenido de
aglutinante dado, la Ecuación (6) se puede utilizar para determinar la proporción mínima de agua a aglutinante
que conduce a requisitos bajos o nulos de superplastificante, simplemente imponiendo un contenido de
superplastificante estimado de 2,5 kg/m3. De manera similar, la relación agua-aglomerante por debajo de la
cual se esperaría una dosis alta de superplastificante se puede determinar imponiendo un contenido de
superplastificante de 10 kg/m3en la Ecuación (6).
Se encontró que las mezclas de SFRC con 65/60 fibras y un tamaño máximo de agregado de 20 mm
generalmente requieren el superplastificante en dosis bajas a moderadas cuando el contenido de
aglutinante no supera los 400 kg/m3(Cifra7, abajo a la izquierda). Para tales mezclas, el modelo estimó
que el escenario sin superplastificante no era una opción a menos que el contenido de agua estuviera en
el extremo superior del espectro (205 kg/m3) y el contenido de ligante alrededor de 500 kg/m3, que
corresponde a una relación agua-aglutinante de 0,41. Se pueden hacer observaciones similares en
relación con los otros gráficos de contorno en la Figura7. Por ejemplo, los altos contenidos de
superplastificante se asocian con relaciones de agua a aglutinante entre 0,21 y 0,24 cuando el contenido
de aglutinante representa 700–800 kg/m3para los casos considerados en la figura. En consecuencia, el
modelo, según la Ecuación (6), mostró que las mezclas de SFRC donde el contenido de ligante es de 700
kg/m33o mayor debe ser dosificado con proporciones de agua a aglutinante no inferiores a 0,25 para
evitar contenidos de superplastificante excesivamente altos. Dado que estos valores de contenido de
aglutinante altos generalmente corresponden a mezclas de SFRC con requisitos de alto rendimiento,
esto muestra que el modelo funciona bien para estimar el contenido de superplastificante requerido no
solo para las mezclas de SFRC más convencionales sino también para las más exigentes.

5. Un método de dosificación SFRC basado en datos

Una vez que se llevó a cabo el análisis de las diferentes variables de diseño de la mezcla, se hizo
evidente una metodología clara para la dosificación de las mezclas de SFRC simplemente organizando las
ecuaciones obtenidas en una secuencia lógica. Esta metodología se resume en la Figura8en forma de
diagrama de flujo.
En el contexto de la dosificación de una mezcla de SFRC según las especificaciones, los requisitos de
rendimiento que se especifican para la mezcla, por supuesto, informarán las entradas de este diagrama
de flujo, en particular la fracción de volumen de fibra y la relación agua-cemento. Las entradas iniciales
de fracción de volumen de fibra, relación de aspecto de fibra y longitud se ingresan en la Ecuación (2)
para estimar el contenido de grava. Luego, este contenido de grava se usa junto con el tamaño máximo
de agregado (metroEn figura8) para determinar la proporción de grava a arena según la Ecuación (1).
Una vez que se determina el contenido de arena, se puede estimar el contenido de pasta restando el
contenido total de agregados del peso total de concreto por unidad de volumen (como referencia, el
valor promedio de 2470 kg/m3puede ser tomado). El contenido de arena y grava, así como el tamaño
máximo de los agregados, se utilizan para determinar el contenido de aglomerante según la Ecuación
(4). Luego, el contenido de aglutinante se puede restar del contenido de pasta para determinar el
contenido de agua. Luego se determina el contenido de cemento dividiendo el contenido de agua por la
relación agua-cemento deseada para la mezcla (w/C). Finalmente, restando el contenido de cemento del
contenido total de aglutinante, se puede determinar la cantidad relativa de materiales cementicios
suplementarios (SCM).
Con el objetivo de validar el método de dosificación SFRC propuesto en la Figura8 con datos
independientes, se compiló un conjunto de datos de validación de mezclas de SFRC que comprendía 100
casos extraídos de documentos diferentes a los incluidos en la base de datos utilizada para derivar los
modelos informados y discutidos en este documento. La lista de fuentes a partir de las cuales se compiló
el conjunto de datos de validación se incluye en el archivo complementario que acompaña a este
documento. Cifra9muestra la comparación entre las proporciones reales de la mezcla (valores originales)
con los valores obtenidos al usar las ecuaciones de este documento y la metodología descrita en la
Figura8(valores calculados). Las líneas discontinuas representan la equivalencia exacta, es decir, original
= calculado.
Materiales2021,14, 3900 14 de 17

Figura 8.Diagrama de flujo de la metodología propuesta para el diseño de mezclas de SFRC.

Una inspección visual de los diagramas de dispersión en la Figura9muestra que las diferencias
entre las proporciones reales de la mezcla y las estimaciones obtenidas mediante el uso de la
metodología y las ecuaciones presentadas en este documento fueron relativamente pequeñas y
compatibles con los márgenes de error esperados. Esto se confirmó al observar dos parámetros que
cuantifican la magnitud de estas diferencias: la raíz del error cuadrático medio (RMSE) y la desviación
promedio. El RMSE para el contenido de grava fue de 153 kg/m3, que era comparable al término de error
de 129 kg/m3en la Ecuación (2). De manera similar, el RMSE para el contenido de arena fue de 115 kg/m3.
La desviación promedio de los contenidos estimados de grava y arena con respecto a sus valores reales
fue de 15.6% y 12.1%, respectivamente. El RMSE para el contenido total de ligante fue de 33 kg/m3,
también consistente con el término de error de 56 kg/m3en la Ecuación (4), y el RMSE para el contenido
de agua fue de 32 kg/m3. La desviación media de los contenidos de ligante y agua calculados con
respecto a sus valores originales fue de 5,9% y 15,2%, respectivamente. Este ejercicio de validación
confirmó que la metodología derivada de este estudio era lo suficientemente robusta y razonablemente
precisa cuando se aplicaba a casos distintos a los inicialmente considerados, lo que avalaba su validez.
Materiales2021,14, 3900 15 de 17

Figura 9.Evaluación del rendimiento del modelo utilizando un conjunto de datos de validación.

6. Conclusiones
Para este estudio, se compiló una base de datos de cientos de mezclas de SFRC a partir de fuentes
publicadas previamente. El análisis estadístico y el modelado presentados en este documento se refieren a las
relaciones entre las variables de diseño de mezcla de SFRC, mientras que la investigación de las correlaciones
entre ellas y los parámetros de rendimiento se abordarán en un documento separado. Las principales
conclusiones de este estudio se pueden resumir de la siguiente manera:

• Las fibras de acero se utilizan típicamente en fracciones de volumen entre 0,43 % y 1,0 %, y en el 50
% de los casos es inferior al 0,51 %. En las mezclas de SFRC, el contenido de cemento suele oscilar
entre 360 y 485 kg/m3, y los SCM se utilizan normalmente en contenidos entre 40 y 100 kg/m3. Los
valores típicos de la relación agua-cemento están dentro del rango de 0.36 a 0.50, y en la mayoría
de los casos se utilizan agregados con un tamaño máximo entre 10 y 16 mm. Los
superplastificantes se utilizan en el 79% de los casos;
• Se han obtenido modelos de regresión para la relación de agregado grueso a fino y los contenidos
relativos de agregado grueso, aglutinante y superplastificante. Estos modelos son robustos y
efectivos para producir estimaciones razonablemente precisas (valores R-cuadrado entre 0,76 y
0,92), y su capacidad predictiva se ha contrastado con un conjunto de datos de validación. Dada su
simplicidad, robustez y buen ajuste a los datos, constituyen una valiosa metodología basada en
datos para guiar la dosificación de mezclas de SFRC;
• Los modelos obtenidos encapsulan los vínculos complejos entre la dosis de fibra, el contenido de
agregados, las dimensiones de las fibras y el tamaño máximo de los agregados. Las relaciones de aspecto
de fibra altas, así como las dosis moderadas a altas de fibras cortas, se asociaron con la disminución del
contenido de grava y el aumento del contenido de arena y el volumen relativo de pasta, lo que se vinculó
con los requisitos de trabajabilidad y estabilidad en estado fresco;
• El contenido de grava de las mezclas de SFRC resultó ser prácticamente insensible a la longitud de la fibra
cuando la fracción volumétrica de fibra estaba por debajo del 0,54%, tomando valores entre 800 y 850 kg/
m3. Curiosamente, los contenidos de grava dentro de este rango también se asociaron con mezclas de
SFRC con dosis de fibra más altas cuando la longitud de la fibra era de 40 mm;
• Los bajos contenidos de aglutinante generalmente se asocian con mezclas de SFRC en las que los
contenidos de arena y grava no son muy diferentes, la relación de agregado grueso a fino está en
Materiales2021,14, 3900 16 de 17

el rango de 0.7–1.3. Por otro lado, las mezclas de SFRC con contenidos de aglutinante de moderados a
altos generalmente tienen significativamente menos grava que arena;
• Los valores de contenido de superplastificantes en la base de datos utilizada para este estudio
presentaron una dispersión significativa, ya que incluía algunas mezclas de SFRC con alto
contenido de aglutinante y, además, puede haber grandes diferencias entre los superplastificantes
en términos de su rango de dosis recomendada y dosis óptima. A pesar de esto, los modelos
desarrollados funcionaron bien en la estimación del contenido de superplastificante tanto en
mezclas de SFRC convencionales como en las más exigentes.

Materiales complementarios:Los siguientes están disponibles en línea enhttps://www.mdpi.com/article/10. 3390/

ma14143900/s1, Archivo Suplementario: Base de datos y conjunto de validación—Lista de fuentes.

Contribuciones de autor:Conceptualización, EG-T.; metodología, EG-T.; curación de datos, EG-T.;

redacción—preparación del borrador original, EG-T.; redacción—revisión y edición, EG-T., MB y LF;
administración de proyectos, EG-T.; adquisición de fondos, EG-T., MB y LF Todos los autores han leído y
están de acuerdo con la versión publicada del manuscrito.

Fondos:Esta investigación fue financiada por la Fundación ACI—Instituto Estadounidense del Concreto (ACI) a través de
una subvención otorgada al proyecto “Optimización del Concreto Reforzado con Fibra usando Minería de Datos” por el
Consejo de Investigación del Concreto.

Declaración de la Junta de Revisión Institucional:No aplica.

Declaración de consentimiento informado:No aplica.

Declaración de disponibilidad de datos:La lista completa de fuentes de las que se compilaron los datos de mezclas de
SFRC se proporciona en el archivo complementario que acompaña a este documento. Una copia de la hoja de cálculo
con la base de datos que contiene todos estos datos está disponible a pedido del autor correspondiente.

Expresiones de gratitud:Los autores desean agradecer al Concrete Research Council, a la Fundación ACI
y al American Concrete Institute (ACI) por el apoyo financiero otorgado al proyecto de investigación
“Optimización del hormigón reforzado con fibras mediante minería de datos” (2019–2022). También se
agradece el respaldo de los miembros del Comité 544 de ACI, así como el apoyo de los socios
industriales AECOM, OwensCorning y Banagher Concrete.

Conflictos de interés:Los autores declaran no tener conflicto de intereses. Los financiadores no tuvieron ningún papel
en el diseño del estudio; en la recopilación, análisis o interpretación de datos; en la redacción del manuscrito, o en la
decisión de publicar los resultados.

Referencias
1. Romualdi, JP; Batson, GB Comportamiento de vigas de hormigón armado con armaduras estrechamente espaciadas.ACI J. Proc.1963,60, 775–790. [Referencia
cruzada]
2. Romualdi, JP El fortalecimiento de materiales frágiles.Mate. ciencia Ing.1974,15, 31–37. [Referencia cruzada]
3. Shah, S.; Rangan, BV Propiedades del hormigón reforzado con fibras.ACI J. Proc.1971,68, 126–135. [Referencia cruzada]
4. Batson, G. Hormigón reforzado con fibra de acero.Mate. ciencia Ing.1976,25, 53–58. [Referencia cruzada]
5. Naamán, AE; Shah, SP Ensayos de tracción de ferrocemento.ACI J. Proc.1971,68, 693–698. [Referencia cruzada]
6. Federación Internacional de Hormigón Estructural.Código Modelo Fib para Estructuras de Hormigón 2010; Ernst & Sohn: Berlín, Alemania, 2013;
ISBN 978-3-433-03061-5.
7. Comité ACI 544.544.3R-08 Guía para especificar, dosificar y producir hormigón reforzado con fibras; Instituto Americano del Concreto:
Farmington Hills, MI, EE. UU., 2010.
8. Comité ACI 544.544.9R-17 Informe sobre la medición de las propiedades mecánicas del hormigón reforzado con fibra endurecido; Instituto Americano del
Concreto: Farmington Hills, MI, EE. UU., 2017.
9. Comité ACI 544.544.4R-19 Guía para Diseño con Concreto Reforzado con Fibra; Instituto Americano del Concreto: Farmington Hills, MI, EE. UU.,
2018.
10. Federación Internacional de Hormigón Estructural.Boletín Fib 79. Hormigón reforzado con fibras: del diseño a las aplicaciones
estructurales; Massicotte, B., Ed.; Federación Internacional de Hormigón Estructural: Lausana, Suiza, 2017; ISBN 9782883941199.
11. Federación Internacional de Hormigón Estructural.Boletín Fib 95. Hormigón reforzado con fibra: desde el diseño hasta las aplicaciones
estructurales; Massicotte, B., Mobasher, B., Minelli, F., Plizzari, G., Eds.; Federación Internacional de Hormigón Estructural: Lausana,
Suiza, 2020; ISBN 9782883941427.
12. Ferrara, L. SCC reforzado con fibra. EnPropiedades mecánicas del hormigón autocompactante. Informes de estado del arte de RILEM; Springer:
Berlín/Heidelberg, Alemania, 2014; Volumen 14, págs. 161–219.
Materiales2021,14, 3900 17 de 17

13. Yu, R.; Spiesz, P.; Brouwers, HJH Desarrollo de hormigón reforzado con fibra de ultra alto rendimiento (UHPFRC): hacia una utilización eficiente de
aglutinantes y fibras.Constr. Construir. Mate.2015,79, 273–282. [Referencia cruzada]
14. Ferrara, L.; Faifer, M.; Toscani, S. Un método magnético para el control no destructivo de la dispersión y orientación de fibras en compuestos cementosos
reforzados con fibra de acero-Parte 1: Método de calibración.Mate. Estructura. Mate. Constr.2012,45, 575–589. [Referencia cruzada]
15. Ferrara, L.; Ozyurt, N.; di Prisco, M. Alto rendimiento mecánico de compuestos cementosos reforzados con fibra: el papel de la orientación de la fibra
"inducida por el flujo de fundición".Mate. Estructura.2011,44, 109–128. [Referencia cruzada]
16. García-Taengua, E. Uso de décadas de datos para repensar la dosificación y optimización de mezclas de FRC: el proyecto OptiFRC. En
Librería RILEM; Springer: Berlín/Heidelberg, Alemania, 2021; Volumen 30, págs. 827–838. ISBN 9783030584818.
17. García-Taengua, E. Propiedades fundamentales del estado fresco del hormigón autocompactable: un metanálisis de diseños de mezcla.Adv. civ. Ing.2018,
2018, 1–13. [Referencia cruzada]
18. García-Taengua, E.; Rocio Marti-Vargas, J. Análisis multivariado de los parámetros de estado fresco del hormigón autocompactable. En
Proceedings of the Scc 2016—8th International Rilem Symposium on Self-Compact Concrete, Washington DC, WA, EE. UU., 15 al 18 de mayo de
2016; Volumen 100, págs. 221–231, ISBN 978-2-35158-156-8.
19. Mano, DJ; Manila, H.; Smith, p.Principios de la Minería de Datos; Prensa del MIT: Cambridge, MA, EE. UU., 2001.
20. Walker, E.; Hernández, AV; Metanálisis de Kattan, MW: sus puntos fuertes y sus limitaciones.Nivel. clin. J.Med.2008,75, 431–439. [Referencia
cruzada]
21. Cabello, JF, Jr.; negro, inodoro; Babin, BJ; Anderson, REAnálisis de datos multivariante, 7ª ed.; Pearson Education Ltd.: Harlow, Reino Unido, 2014; ISBN
9781292021904.
22. Snellings, R. Evaluación, comprensión y desbloqueo de materiales cementicios complementarios.Tecnología RILEM. Letón.2016,1, 50. [Referencia
cruzada]
23. Comité Europeo de Normalización.EN 197-1:2011 Cemento—Parte 1: Composición, especificaciones y criterios de conformidad para
cementos comunes; Comité Europeo de Normalización: Bruselas, Bélgica, 2011.
24. Schafer, JL Imputación Múltiple: Una Cartilla.Estadística Métodos Med Res.1999,8, 3–15. [Referencia cruzada] [PubMed]
25. Harrell, FE Datos faltantes. EnEstrategias de modelado de regresión; Springer: Cham, Suiza, 2015; págs. 45–61.
26. Schwertman, Carolina del Norte; Owens, MA; Adnan, R. Un método de diagrama de caja más general y simple para identificar valores atípicos.computar Estadística Análisis de datos.
2004,47, 165–174. [Referencia cruzada]
27. Dümbgen, L.; Riedwyl, H. Sobre vallas y asimetría en diagramas de caja y bigotes.Soy. Estadística2007,61, 356–359. [Referencia cruzada]
28. Walker, ML; Dovoedo, YH; Chakraborti, S.; Hilton, CW Un diagrama de caja mejorado para datos univariados.Soy. Estadística2018,72, 348–353. [Referencia
cruzada]
29. Schmidt, M.; Fehling, E. Hormigón de rendimiento ultraalto: investigación, desarrollo y aplicación en Europa.Especificaciones ACI. publ. 2282005,
51–78.
30. Bolomey, J. Granulation et Prevision de La Resistance Probable Des Betons.Trabajos1935,19, 228–232.
31. Keske, SD; Schindler, Alaska; Barnes, RW Evaluación de métodos de prueba de estabilidad para hormigón autocompactante.Materia ACI. j 2013,4,
385–394.
32. Comité ACI 544.ACI 544.2R-17 Informe sobre la medición de las propiedades del estado fresco y la dispersión de fibras del hormigón reforzado con fibras;
Instituto Americano del Concreto: Farmington Hills, MI, EE. UU., 2017.
33. Garcia-Taengua, E.; Sonebi, M.; Crossett, P.; Taylor, S.; Deegan, P.; Ferrara, L.; Pattarini, A. Desempeño de mezclas sostenibles de HAC con adiciones
minerales para uso en la industria de prefabricados de hormigón.J. Sostener. cem. Material basado.2015, 157–175. [Referencia cruzada]
34. García-Taengua, E.; Sonebi, M.; Taylor, S.; Ferrara, L.; Deegan, P.; Pattarini, A. Compatibilidad de Superplastificantes con Materiales Cementosos.
Internacional BFT2014,80, 44–53.
35. Fernández-Altable, V.; Casanova, I. Influencia de la Secuencia de Mezcla y la Dosificación de Superplastificante en la Respuesta Reológica de Pastas de
Cemento a Diferentes Temperaturas.cem. concr. Res.2006,36, 1222–1230. [Referencia cruzada]
36. Gaviotao,l.; Toralles-Carbonari, B.; Gettu, R.; Aguado, A. Fluidez de pastas de cemento con aditivos minerales y superplastificante: un estudio
basado en la prueba del cono Marsh.Mate. Estructura.1999,32, 479–485. [Referencia cruzada]
37. Alin, A. Multicolinealidad.Wiley Interdiscip. Cómputo Rev. Estadística2010,2, 370–374. [Referencia cruzada]
38. Hughes, BP; Fattuhi, NI La trabajabilidad del hormigón reforzado con fibras de acero.revista concr. Res.1976,28, 157–161. [Referencia cruzada]
39. Chu, SH Efecto del volumen de pasta sobre las propiedades frescas y endurecidas del hormigón.Constr. Construir. Mate.2019,218, 284–294. [Referencia
cruzada]
40. Chu, SH; Jiang, Y.; Kwan, AKH Efecto de las fibras rígidas en el relleno de agregados.Constr. Construir. Mate.2019,224, 326–335. [Referencia cruzada]
41. Chu, SH; Li, LG; Kwan, AKH Factores de fibra que gobiernan las propiedades frescas y endurecidas del acero FRC.Constr. Construir. Mate. 2018,186, 1228–
1238. [Referencia cruzada]
42. Grünewald, S.; Walraven, JC Estudio de parámetros sobre la influencia de las fibras de acero y el contenido de agregado grueso en las propiedades frescas
del concreto autocompactante.cem. concr. Res.2001,31, 1793–1798. [Referencia cruzada]
43. de la Rosa,A.;Poveda, E.; Ruíz, G.; Cifuentes, H. Dosificación de mezclas de concreto reforzado con fibra de acero autocompactante en función de la
viscosidad plástica objetivo y la resistencia a la compresión: procedimiento de diseño de mezcla y validación experimental.Constr. Construir. Mate. 2018,
189, 409–419. [Referencia cruzada]
44. Ferrara, L.; Parque, YD; Shah, SP Un método para el diseño de mezclas de hormigón autocompactante reforzado con fibras.cem. concr. Res.2007, 37, 957–
971. [Referencia cruzada]