Neural networks applied to service life prediction of exterior painted surfaces
Service life prediction is assuming a primary role as it allows a more rational use of scarce resources; its methods are useful for defining preventive maintenance plans, thereby increasing performance and reducing costs. A new mathematical model is presented that uses artificial neural networks to...
Gespeichert in:
Veröffentlicht in: | Building research and information : the international journal of research, development and demonstration development and demonstration, 2014-05, Vol.42 (3), p.371-380 |
---|---|
Hauptverfasser: | , , , , |
Format: | Artikel |
Sprache: | eng |
Schlagworte: | |
Online-Zugang: | Volltext |
Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
container_end_page | 380 |
---|---|
container_issue | 3 |
container_start_page | 371 |
container_title | Building research and information : the international journal of research, development and demonstration |
container_volume | 42 |
creator | Dias, J. L. Silva, A. Chai, C. Gaspar, P. L. de Brito, J. |
description | Service life prediction is assuming a primary role as it allows a more rational use of scarce resources; its methods are useful for defining preventive maintenance plans, thereby increasing performance and reducing costs. A new mathematical model is presented that uses artificial neural networks to evaluate the service life of painted surfaces. The data on facade degradation were collected from field observations on 160 buildings (220 painted surfaces) in Lisbon, Portugal, examining several degradation agents. In service conditions, the mean estimated service life of exterior painted surfaces is found to be 9.49 years, with a standard deviation of 0.633 years. Detailed factors are identified and incorporated into the model, which account for variations in degradation. Some statistical parameters are used to evaluate the validity and efficiency of the model. The values obtained are consistent with the existing perception relative to the durability of painted coatings. These values can be used to evaluate the economic and environmental performance of painted surfaces throughout their life cycle. The use of this model can optimize inspection and maintenance plans as well as the implementation of inform decisions at the design and construction stages.
La prévision de la durée de vie utile assume un rôle primordial en ce qu'elle permet une utilisation plus rationnelle de ressources limitées; ses méthodes sont utiles à la définition de plans de maintenance préventive, ce qui permet ainsi d'accroître les performances et de réduire les coûts. Un nouveau modèle mathématique est présenté, qui utilise des réseaux neuronaux artificiels pour évaluer la durée de vie utile des surfaces peintes. Les données relatives à la dégradation des façades ont été recueillies lors d'observations de terrain sur 160 bâtiments (220 surfaces peintes) à Lisbonne, au Portugal, en examinant plusieurs agents de dégradation. Il a été constaté que, en conditions de service, la durée de vie utile moyenne estimée des surfaces peintes extérieures s'établit à 9,49 ans, avec un écart standard de 0,633 an. Des facteurs détaillés qui expliquent les variations constatées dans la dégradation sont identifiés et intégrés au modèle. Certains paramètres statistiques sont utilisés pour évaluer la validité et l'efficacité du modèle. Les valeurs obtenues sont conformes à la perception existante quant à la durabilité des couches de peinture. Ces valeurs peuvent être utilisées pour évaluer les performances éco |
doi_str_mv | 10.1080/09613218.2013.819551 |
format | Article |
fullrecord | <record><control><sourceid>proquest_pasca</sourceid><recordid>TN_cdi_proquest_journals_1506977899</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><sourcerecordid>1520947284</sourcerecordid><originalsourceid>FETCH-LOGICAL-c398t-c79820e2ce4d6691ce78667f58bdcc60bb44e78279a0c26157c6c7bc2ba245e43</originalsourceid><addsrcrecordid>eNp90Mtq3TAQBmBRUuhJ2jfoQlAC3fhUkmVdViGE9AKh2bRrIY_HoFTHciU7ad6-MifJoouuBNL3j4afkPec7Tkz7BOzireCm71gvN0bbruOvyI7LpVqZH04IbuNNJt5Q05LuWOMiU52O3L7HdfsI51weUj5V6F-nmPAgS6JFsz3AZDGMCKdMw4BlpAmmkaKfxbMIWU6-zAtlZc1jx6wvCWvRx8Lvns6z8jPz9c_rr42N7dfvl1d3jTQWrM0oK0RDAWgHJSyHFAbpfTYmX4AUKzvpaxXQlvPQCjeaVCgexC9F7JD2Z6Rj8e5c06_VyyLO4QCGKOfMK3F8U4wK7UwG_3wD71La57qdlUxZbU21lYljwpyKiXj6OYcDj4_Os7c1rJ7btltLbtjyzV2_jTcF_BxzH6CUF6ywrTcaCGquzi6MI0pH3wtOw5u8Y8x5edQ-9-f_gIhuY_v</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype><pqid>1506977899</pqid></control><display><type>article</type><title>Neural networks applied to service life prediction of exterior painted surfaces</title><source>Business Source Complete</source><creator>Dias, J. L. ; Silva, A. ; Chai, C. ; Gaspar, P. L. ; de Brito, J.</creator><creatorcontrib>Dias, J. L. ; Silva, A. ; Chai, C. ; Gaspar, P. L. ; de Brito, J.</creatorcontrib><description>Service life prediction is assuming a primary role as it allows a more rational use of scarce resources; its methods are useful for defining preventive maintenance plans, thereby increasing performance and reducing costs. A new mathematical model is presented that uses artificial neural networks to evaluate the service life of painted surfaces. The data on facade degradation were collected from field observations on 160 buildings (220 painted surfaces) in Lisbon, Portugal, examining several degradation agents. In service conditions, the mean estimated service life of exterior painted surfaces is found to be 9.49 years, with a standard deviation of 0.633 years. Detailed factors are identified and incorporated into the model, which account for variations in degradation. Some statistical parameters are used to evaluate the validity and efficiency of the model. The values obtained are consistent with the existing perception relative to the durability of painted coatings. These values can be used to evaluate the economic and environmental performance of painted surfaces throughout their life cycle. The use of this model can optimize inspection and maintenance plans as well as the implementation of inform decisions at the design and construction stages.
La prévision de la durée de vie utile assume un rôle primordial en ce qu'elle permet une utilisation plus rationnelle de ressources limitées; ses méthodes sont utiles à la définition de plans de maintenance préventive, ce qui permet ainsi d'accroître les performances et de réduire les coûts. Un nouveau modèle mathématique est présenté, qui utilise des réseaux neuronaux artificiels pour évaluer la durée de vie utile des surfaces peintes. Les données relatives à la dégradation des façades ont été recueillies lors d'observations de terrain sur 160 bâtiments (220 surfaces peintes) à Lisbonne, au Portugal, en examinant plusieurs agents de dégradation. Il a été constaté que, en conditions de service, la durée de vie utile moyenne estimée des surfaces peintes extérieures s'établit à 9,49 ans, avec un écart standard de 0,633 an. Des facteurs détaillés qui expliquent les variations constatées dans la dégradation sont identifiés et intégrés au modèle. Certains paramètres statistiques sont utilisés pour évaluer la validité et l'efficacité du modèle. Les valeurs obtenues sont conformes à la perception existante quant à la durabilité des couches de peinture. Ces valeurs peuvent être utilisées pour évaluer les performances économiques et environnementales des surfaces peintes tout au long de leur cycle de vie. L'utilisation de ce modèle peut permettre d'optimiser les plans d'inspection et de maintenance, ainsi que la mise en oeuvre de décisions éclairées lors des phases de conception et de construction.
Mots clés: réseaux neuronaux artificiels, bâtiments, dégradation, durabilité, surfaces peintes, prévision de la durée de vie utile, durée, vieillissement climatique</description><identifier>ISSN: 0961-3218</identifier><identifier>EISSN: 1466-4321</identifier><identifier>DOI: 10.1080/09613218.2013.819551</identifier><language>eng</language><publisher>Colchester: Routledge</publisher><subject>Applied sciences ; artificial neural networks ; Biodegradation ; Building construction ; Building failures (cracks, physical changes, etc.) ; Buildings ; Buildings. Public works ; Computation methods. Tables. Charts ; Decisions ; Degradation ; durability ; Durability. Pathology. Repairing. Maintenance ; Exact sciences and technology ; External envelopes ; Facades ; Maintenance ; Materials ; Mathematical models ; Neural networks ; Painted ; painted surfaces ; Paints ; Paints and renderings. Protection products ; Parameter estimation ; Perception ; Preventive maintenance ; Service life ; service life prediction ; Structural analysis. Stresses ; time ; Wall. Partition ; weathering</subject><ispartof>Building research and information : the international journal of research, development and demonstration, 2014-05, Vol.42 (3), p.371-380</ispartof><rights>2013 Taylor & Francis 2013</rights><rights>2015 INIST-CNRS</rights><rights>Copyright Taylor & Francis Ltd. 2014</rights><lds50>peer_reviewed</lds50><woscitedreferencessubscribed>false</woscitedreferencessubscribed><citedby>FETCH-LOGICAL-c398t-c79820e2ce4d6691ce78667f58bdcc60bb44e78279a0c26157c6c7bc2ba245e43</citedby><cites>FETCH-LOGICAL-c398t-c79820e2ce4d6691ce78667f58bdcc60bb44e78279a0c26157c6c7bc2ba245e43</cites></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Tsyndetics_thumb_exl</thumbnail><link.rule.ids>314,780,784,27924,27925</link.rule.ids><backlink>$$Uhttp://pascal-francis.inist.fr/vibad/index.php?action=getRecordDetail&idt=28318722$$DView record in Pascal Francis$$Hfree_for_read</backlink></links><search><creatorcontrib>Dias, J. L.</creatorcontrib><creatorcontrib>Silva, A.</creatorcontrib><creatorcontrib>Chai, C.</creatorcontrib><creatorcontrib>Gaspar, P. L.</creatorcontrib><creatorcontrib>de Brito, J.</creatorcontrib><title>Neural networks applied to service life prediction of exterior painted surfaces</title><title>Building research and information : the international journal of research, development and demonstration</title><description>Service life prediction is assuming a primary role as it allows a more rational use of scarce resources; its methods are useful for defining preventive maintenance plans, thereby increasing performance and reducing costs. A new mathematical model is presented that uses artificial neural networks to evaluate the service life of painted surfaces. The data on facade degradation were collected from field observations on 160 buildings (220 painted surfaces) in Lisbon, Portugal, examining several degradation agents. In service conditions, the mean estimated service life of exterior painted surfaces is found to be 9.49 years, with a standard deviation of 0.633 years. Detailed factors are identified and incorporated into the model, which account for variations in degradation. Some statistical parameters are used to evaluate the validity and efficiency of the model. The values obtained are consistent with the existing perception relative to the durability of painted coatings. These values can be used to evaluate the economic and environmental performance of painted surfaces throughout their life cycle. The use of this model can optimize inspection and maintenance plans as well as the implementation of inform decisions at the design and construction stages.
La prévision de la durée de vie utile assume un rôle primordial en ce qu'elle permet une utilisation plus rationnelle de ressources limitées; ses méthodes sont utiles à la définition de plans de maintenance préventive, ce qui permet ainsi d'accroître les performances et de réduire les coûts. Un nouveau modèle mathématique est présenté, qui utilise des réseaux neuronaux artificiels pour évaluer la durée de vie utile des surfaces peintes. Les données relatives à la dégradation des façades ont été recueillies lors d'observations de terrain sur 160 bâtiments (220 surfaces peintes) à Lisbonne, au Portugal, en examinant plusieurs agents de dégradation. Il a été constaté que, en conditions de service, la durée de vie utile moyenne estimée des surfaces peintes extérieures s'établit à 9,49 ans, avec un écart standard de 0,633 an. Des facteurs détaillés qui expliquent les variations constatées dans la dégradation sont identifiés et intégrés au modèle. Certains paramètres statistiques sont utilisés pour évaluer la validité et l'efficacité du modèle. Les valeurs obtenues sont conformes à la perception existante quant à la durabilité des couches de peinture. Ces valeurs peuvent être utilisées pour évaluer les performances économiques et environnementales des surfaces peintes tout au long de leur cycle de vie. L'utilisation de ce modèle peut permettre d'optimiser les plans d'inspection et de maintenance, ainsi que la mise en oeuvre de décisions éclairées lors des phases de conception et de construction.
Mots clés: réseaux neuronaux artificiels, bâtiments, dégradation, durabilité, surfaces peintes, prévision de la durée de vie utile, durée, vieillissement climatique</description><subject>Applied sciences</subject><subject>artificial neural networks</subject><subject>Biodegradation</subject><subject>Building construction</subject><subject>Building failures (cracks, physical changes, etc.)</subject><subject>Buildings</subject><subject>Buildings. Public works</subject><subject>Computation methods. Tables. Charts</subject><subject>Decisions</subject><subject>Degradation</subject><subject>durability</subject><subject>Durability. Pathology. Repairing. Maintenance</subject><subject>Exact sciences and technology</subject><subject>External envelopes</subject><subject>Facades</subject><subject>Maintenance</subject><subject>Materials</subject><subject>Mathematical models</subject><subject>Neural networks</subject><subject>Painted</subject><subject>painted surfaces</subject><subject>Paints</subject><subject>Paints and renderings. Protection products</subject><subject>Parameter estimation</subject><subject>Perception</subject><subject>Preventive maintenance</subject><subject>Service life</subject><subject>service life prediction</subject><subject>Structural analysis. Stresses</subject><subject>time</subject><subject>Wall. Partition</subject><subject>weathering</subject><issn>0961-3218</issn><issn>1466-4321</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2014</creationdate><recordtype>article</recordtype><recordid>eNp90Mtq3TAQBmBRUuhJ2jfoQlAC3fhUkmVdViGE9AKh2bRrIY_HoFTHciU7ad6-MifJoouuBNL3j4afkPec7Tkz7BOzireCm71gvN0bbruOvyI7LpVqZH04IbuNNJt5Q05LuWOMiU52O3L7HdfsI51weUj5V6F-nmPAgS6JFsz3AZDGMCKdMw4BlpAmmkaKfxbMIWU6-zAtlZc1jx6wvCWvRx8Lvns6z8jPz9c_rr42N7dfvl1d3jTQWrM0oK0RDAWgHJSyHFAbpfTYmX4AUKzvpaxXQlvPQCjeaVCgexC9F7JD2Z6Rj8e5c06_VyyLO4QCGKOfMK3F8U4wK7UwG_3wD71La57qdlUxZbU21lYljwpyKiXj6OYcDj4_Os7c1rJ7btltLbtjyzV2_jTcF_BxzH6CUF6ywrTcaCGquzi6MI0pH3wtOw5u8Y8x5edQ-9-f_gIhuY_v</recordid><startdate>20140504</startdate><enddate>20140504</enddate><creator>Dias, J. L.</creator><creator>Silva, A.</creator><creator>Chai, C.</creator><creator>Gaspar, P. L.</creator><creator>de Brito, J.</creator><general>Routledge</general><general>Taylor & Francis</general><general>Taylor & Francis Ltd</general><scope>IQODW</scope><scope>AAYXX</scope><scope>CITATION</scope><scope>7ST</scope><scope>8FD</scope><scope>C1K</scope><scope>FR3</scope><scope>KR7</scope><scope>SOI</scope><scope>7SC</scope><scope>JQ2</scope><scope>L7M</scope><scope>L~C</scope><scope>L~D</scope></search><sort><creationdate>20140504</creationdate><title>Neural networks applied to service life prediction of exterior painted surfaces</title><author>Dias, J. L. ; Silva, A. ; Chai, C. ; Gaspar, P. L. ; de Brito, J.</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-LOGICAL-c398t-c79820e2ce4d6691ce78667f58bdcc60bb44e78279a0c26157c6c7bc2ba245e43</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>eng</language><creationdate>2014</creationdate><topic>Applied sciences</topic><topic>artificial neural networks</topic><topic>Biodegradation</topic><topic>Building construction</topic><topic>Building failures (cracks, physical changes, etc.)</topic><topic>Buildings</topic><topic>Buildings. Public works</topic><topic>Computation methods. Tables. Charts</topic><topic>Decisions</topic><topic>Degradation</topic><topic>durability</topic><topic>Durability. Pathology. Repairing. Maintenance</topic><topic>Exact sciences and technology</topic><topic>External envelopes</topic><topic>Facades</topic><topic>Maintenance</topic><topic>Materials</topic><topic>Mathematical models</topic><topic>Neural networks</topic><topic>Painted</topic><topic>painted surfaces</topic><topic>Paints</topic><topic>Paints and renderings. Protection products</topic><topic>Parameter estimation</topic><topic>Perception</topic><topic>Preventive maintenance</topic><topic>Service life</topic><topic>service life prediction</topic><topic>Structural analysis. Stresses</topic><topic>time</topic><topic>Wall. Partition</topic><topic>weathering</topic><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>Dias, J. L.</creatorcontrib><creatorcontrib>Silva, A.</creatorcontrib><creatorcontrib>Chai, C.</creatorcontrib><creatorcontrib>Gaspar, P. L.</creatorcontrib><creatorcontrib>de Brito, J.</creatorcontrib><collection>Pascal-Francis</collection><collection>CrossRef</collection><collection>Environment Abstracts</collection><collection>Technology Research Database</collection><collection>Environmental Sciences and Pollution Management</collection><collection>Engineering Research Database</collection><collection>Civil Engineering Abstracts</collection><collection>Environment Abstracts</collection><collection>Computer and Information Systems Abstracts</collection><collection>ProQuest Computer Science Collection</collection><collection>Advanced Technologies Database with Aerospace</collection><collection>Computer and Information Systems Abstracts Academic</collection><collection>Computer and Information Systems Abstracts Professional</collection><jtitle>Building research and information : the international journal of research, development and demonstration</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>Dias, J. L.</au><au>Silva, A.</au><au>Chai, C.</au><au>Gaspar, P. L.</au><au>de Brito, J.</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>Neural networks applied to service life prediction of exterior painted surfaces</atitle><jtitle>Building research and information : the international journal of research, development and demonstration</jtitle><date>2014-05-04</date><risdate>2014</risdate><volume>42</volume><issue>3</issue><spage>371</spage><epage>380</epage><pages>371-380</pages><issn>0961-3218</issn><eissn>1466-4321</eissn><abstract>Service life prediction is assuming a primary role as it allows a more rational use of scarce resources; its methods are useful for defining preventive maintenance plans, thereby increasing performance and reducing costs. A new mathematical model is presented that uses artificial neural networks to evaluate the service life of painted surfaces. The data on facade degradation were collected from field observations on 160 buildings (220 painted surfaces) in Lisbon, Portugal, examining several degradation agents. In service conditions, the mean estimated service life of exterior painted surfaces is found to be 9.49 years, with a standard deviation of 0.633 years. Detailed factors are identified and incorporated into the model, which account for variations in degradation. Some statistical parameters are used to evaluate the validity and efficiency of the model. The values obtained are consistent with the existing perception relative to the durability of painted coatings. These values can be used to evaluate the economic and environmental performance of painted surfaces throughout their life cycle. The use of this model can optimize inspection and maintenance plans as well as the implementation of inform decisions at the design and construction stages.
La prévision de la durée de vie utile assume un rôle primordial en ce qu'elle permet une utilisation plus rationnelle de ressources limitées; ses méthodes sont utiles à la définition de plans de maintenance préventive, ce qui permet ainsi d'accroître les performances et de réduire les coûts. Un nouveau modèle mathématique est présenté, qui utilise des réseaux neuronaux artificiels pour évaluer la durée de vie utile des surfaces peintes. Les données relatives à la dégradation des façades ont été recueillies lors d'observations de terrain sur 160 bâtiments (220 surfaces peintes) à Lisbonne, au Portugal, en examinant plusieurs agents de dégradation. Il a été constaté que, en conditions de service, la durée de vie utile moyenne estimée des surfaces peintes extérieures s'établit à 9,49 ans, avec un écart standard de 0,633 an. Des facteurs détaillés qui expliquent les variations constatées dans la dégradation sont identifiés et intégrés au modèle. Certains paramètres statistiques sont utilisés pour évaluer la validité et l'efficacité du modèle. Les valeurs obtenues sont conformes à la perception existante quant à la durabilité des couches de peinture. Ces valeurs peuvent être utilisées pour évaluer les performances économiques et environnementales des surfaces peintes tout au long de leur cycle de vie. L'utilisation de ce modèle peut permettre d'optimiser les plans d'inspection et de maintenance, ainsi que la mise en oeuvre de décisions éclairées lors des phases de conception et de construction.
Mots clés: réseaux neuronaux artificiels, bâtiments, dégradation, durabilité, surfaces peintes, prévision de la durée de vie utile, durée, vieillissement climatique</abstract><cop>Colchester</cop><pub>Routledge</pub><doi>10.1080/09613218.2013.819551</doi><tpages>10</tpages></addata></record> |
fulltext | fulltext |
identifier | ISSN: 0961-3218 |
ispartof | Building research and information : the international journal of research, development and demonstration, 2014-05, Vol.42 (3), p.371-380 |
issn | 0961-3218 1466-4321 |
language | eng |
recordid | cdi_proquest_journals_1506977899 |
source | Business Source Complete |
subjects | Applied sciences artificial neural networks Biodegradation Building construction Building failures (cracks, physical changes, etc.) Buildings Buildings. Public works Computation methods. Tables. Charts Decisions Degradation durability Durability. Pathology. Repairing. Maintenance Exact sciences and technology External envelopes Facades Maintenance Materials Mathematical models Neural networks Painted painted surfaces Paints Paints and renderings. Protection products Parameter estimation Perception Preventive maintenance Service life service life prediction Structural analysis. Stresses time Wall. Partition weathering |
title | Neural networks applied to service life prediction of exterior painted surfaces |
url | https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-06T08%3A59%3A09IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-proquest_pasca&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=Neural%20networks%20applied%20to%20service%20life%20prediction%20of%20exterior%20painted%20surfaces&rft.jtitle=Building%20research%20and%20information%20:%20the%20international%20journal%20of%20research,%20development%20and%20demonstration&rft.au=Dias,%20J.%20L.&rft.date=2014-05-04&rft.volume=42&rft.issue=3&rft.spage=371&rft.epage=380&rft.pages=371-380&rft.issn=0961-3218&rft.eissn=1466-4321&rft_id=info:doi/10.1080/09613218.2013.819551&rft_dat=%3Cproquest_pasca%3E1520947284%3C/proquest_pasca%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_pqid=1506977899&rft_id=info:pmid/&rfr_iscdi=true |