The objective of the work is to estimate the compressive strength of concrete by means of the application of Artificial Neural Networks (ANNs). A database is created with design variables of mixtures of 175, 210, and 280 kgf/cm², which are collected from certified laboratories of soil mechanics and concrete of the city of Jaen. In addition, Weka software is used for the selection of the variables and Matlab software is used for the learning, training, and validation stages of ANNs. Five ANNs are proposed to estimate the compressive strength of concrete at 7th, 14th, and 28th day. The results show that the networks obtain the average error of 4.69% and are composed of an input layer with eleven neurons, two hidden layers with nine neurons each, and the compressive strength of concrete as the output. This method is effective and valid for estimating the compressive strength of concrete as a non-destructive alternative for quality control in the construction industry.

La problemática que se identificó fue el limitado modelamiento del detalle de acero de refuerzo en elementos estructurales con herramientas Building Information Modeling (BIM), debido a la complejidad y el tiempo que demanda su modelado. El objetivo fue desarrollar un algoritmo para automatizar el proceso de generación del acero de refuerzo en zapatas, columnas y vigas de una edificación, empleando el software Dynamo. Para ello se utilizó el software Revit como la herramienta de diseño BIM. La metodología se basó en la programación de un algoritmo en Dynamo, donde las variables de entrada fueron los parámetros de diseño de los elementos estructurales. El proceso se realizó mediante la conexión de nodos específicos a través de una red de cables que extrajeron la geometría de los elementos estructurales mediante listas, las cuales se emplearon para generar policurvas adaptables a los diferentes elementos estructurales, obteniendo como salida el detalle del acero de refuerzo. Se obtuvo tres algoritmos que generan el acero de refuerzo en zapatas, columnas y vigas con una interfaz intuitiva para el usuario. Concluyendo que el algoritmo propuesto permite automatizar procesos para reducir tiempo y errores humanos en el modelamiento del acero de refuerzo en los proyectos BIM.