SmartConcrete: reaaliaikaiset kosteudenmittausmenetelmät

Abstract

Tämän opinnäytetyön aiheena on Lujabetonin kehittämä SmartConcrete-kosteudenmittausjärjestelmä, joka on suunniteltu tarjoamaan mahdollisuus seurata betonin ja muiden rakenteiden kosteustilaa ja lämpötilaa langattomasti sekä reaaliaikaisesti. Järjestelmä hyödyntää langattomia antureita, jotka asennetaan rakenteisiin suojaputkien avulla. Suojaputket asennetaan ennen betonivalua, ja anturit voidaan lisätä putkiin betonin kovettumisen jälkeen. Tämä mahdollistaa anturien helpon vaihdettavuuden ja tekee järjestelmästä joustavan verrattuna perinteisiin mittausmenetelmiin.

Langaton järjestelmä tarjoaa huomattavia etuja rakennusprosessissa, sillä se mahdollistaa kosteuden ja lämpötilan tarkkailun ilman erillisiä mittauskäyntejä. Järjestelmän keräämät tiedot tallentuvat pilvipohjaiseen järjestelmään, ja niitä voidaan seurata sekä tietokoneella että mobiililaitteella. Näin rakentamisen aikataulut voidaan optimoida todellisten olosuhdetietojen perusteella, mikä vähentää viivästymisiä ja parantaa projektinhallintaa. Lisäksi SmartConcrete tukee rakennuksen elinkaaren aikaista seurantaa, mikä parantaa rakenteiden pitkäaikaista suorituskykyä ja vähentää korjauskustannuksia.

Opinnäytetyön käytännön osuudessa arvioitiin SmartConcrete-laitteiston signaalin kantavuutta työmaaolosuhteissa. Signaalia mitattiin eri kerroksissa ja kahden vierekkäisen rakennuksen välillä. Tulokset osoittivat, että signaali pysyi vahvana suurimmassa osassa mittauspisteitä, mutta joissain tilanteissa toistimen käyttö paransi signaalin kantavuutta huomattavasti.

Järjestelmän tuottama reaaliaikainen data parantaa rakentamisen hallittavuutta ja mahdollistaa ennakoivan päätöksenteon. Lisäksi sen avulla voidaan saavuttaa merkittäviä säästöjä ja parantaa rakenteiden turvallisuutta koko niiden elinkaaren ajan. Tulevaisuudessa SmartConcrete-järjestelmän kehityksessä voidaan keskittyä ennakoivien mallien ja algoritmien kehittämiseen. Koneoppimisen avulla voidaan hyödyntää kerättyjä mittaustietoja ja parantaa ennustettavuutta esimerkiksi betonin kuivumisajan ja lopullisen lujuuden arvioinnissa. Näin voidaan optimoida rakennusprosessin aikataulut entistä tarkemmin.

The topic of this thesis is the SmartConcrete humidity measurement system developed by Lujabetoni, which is designed to provide real-time monitoring of the humidity status and temperature of concrete and other structures wirelessly. The system utilizes wireless sensors that are installed in buildings using protective pipes. Protective pipes are installed before concrete pouring, and sensors can be added to pipes after the concrete has hardened. This enables easy interchangeability and makes the system flexible compared to traditional measurement methods. Real-Time Moisture Measurement Methods provides accurate and continuous monitoring, enabling real-time decision-making, both during construction and during the operation of the building.

The SmartConcrete system offers considerable advantages in the construction process, as it allows humidity and temperature monitoring without separate measurement visits. The data collected by the system is stored in a cloud-based system and can be tracked on both computer and mobile devices. This allows construction schedules to be optimised based on actual condition data, reducing delays and improving project management. In addition, Smart-Concrete supports monitoring during the life cycle of a building, which improves the long-term performance of structures and reduces repair costs.

In the practical part of the thesis, the signal range of the SmartConcrete equipment was assessed under construction site conditions. The signal was measured on different floors and between two adjacent buildings. The results showed that the signal remained strong at most measurement points, but in some situations the use of a repeater significantly improved the range of the signal.

The real-time data produced by the system improves the manageability of construction and enables proactive decision-making. With the help of the SmartConcrete system, significant savings can be achieved, and the safety of structures can be improved throughout their life cycle. In the future, the development of the SmartConcrete system can focus on the development of predictive models and algorithms. Machine learning can be used to utilise the collected measurement data and improve predictability, for example in estimating the drying time and final strength of concrete. This provides the possibility to optimise the schedules of the construction process more precisely.