Predictive models used to estimate the resilient modulus of subgrade soil for pavement design
Estudo do IFCE que utiliza Redes Neurais Artificiais (RNA) para prever o módulo de resiliência (MR) de solos de subleito visando substituir testes de laboratório caros e demorados no projeto de pavimentação. O modelo alcançou alta precisão (0.9878) e foca na redução de custos para estradas de baixo volume de tráfego.
Ideia de startup ou produto
SaaS de Previsão Geotécnica (SoilAI) que oferece uma API ou interface web onde engenheiros inserem dados granulométricos e limites de consistência para receberem o módulo de resiliência estimado instantaneamente, substituindo a fase inicial de testes de laboratório.
Aplicações práticas
Automação de projetos geotécnicos, redução de custos em sondagens e laboratórios para construtoras, ferramentas de decisão rápida para obras de infraestrutura e validação preliminar de dados de solo.
Potencial de mercado
Alto potencial no setor de engenharia civil e infraestrutura rodoviária, visando empresas de pavimentação, consultorias de geotecnia e órgãos públicos que buscam otimização orçamentária em obras.
Problema abordado
A complexidade e o alto custo financeiro e operacional para realizar ensaios de carga triaxial repetida, necessários para obter o módulo de resiliência em projetos mecanístico-empíricos de pavimentação como o MeDiNa.
Metodologia
Desenvolvimento e treinamento de modelos de Redes Neurais Artificiais (ANN) utilizando uma base de dados experimental de solos do estado do Ceará, correlacionando propriedades índices do solo com seu módulo de resiliência.
Principais descobertas
A RNA demonstrou alta precisão preditiva (correlação de 0.9878). A abordagem permite integrar estimativas confiáveis ao fluxo de projeto do MeDiNa, reduzindo significativamente custos e tempo de execução, especialmente em rodovias de baixo volume.
Quem, com quem,
e pra quê
Parceria IFCE-Empresas de Pavimentação para validação em escala real do modelo e integração do algoritmo em softwares nacionais de cálculo de pavimentos (ex: SisPav) como um módulo de inteligência artificial.
3 direções estratégicas identificadas
- Startup
SoilPredict AI
Startup focada em desenvolver uma plataforma digital que utiliza o modelo de RNA para vender análises geotécnicas preditivas para escritórios de engenharia e pequenas prefeituras que não possuem estrutura laboratorial complexa.
Impacto alto · Inteligência Artificial - Produto Corporativo
Módulo de Predição MeDiNa
Desenvolvimento de um plugin corporativo para softwares de CAD/BIM que integre a predição de MR via RNA diretamente no fluxo de trabalho do engenheiro, automatizando a entrada de dados para o método MeDiNa.
Impacto médio · Software - Política Pública
Programa Ceará Pavimenta Inteligente
Implementação da tecnologia nos órgãos públicos do estado para criar um banco de dados digital de solos e acelerar o programa de pavimentação de rodovias vicinais, reduzindo o ciclo de licitação e obra.
Impacto alto · Govtech