Análisis comparativo técnico y económico entre diseño de pavimentos delgados de concreto (TCP) y losas de pavimentación tradicional con el método AASHTO 93
Bibliographic record
Abstract
En el Perú la brecha del sector transporte representa el 36% de la brecha de infraestructura del país, de estos las carreteras constituyen el 20%, reflejando la urgencia de implementar mecanismos para contribuir al desarrollo de la infraestructura y cerrar las brechas de las mismas. Además, los diseños de pavimentos en el país se efectúan mediante la metodología tradicional o empírico, AASTHO 93, basados en criterios de serviciabilidad y ensayos experimentales de la AASHO donde se utilizó un solo tipo de subrasante, un clima específico (Ottawa, Illinois, EE. UU.) y materiales de diseño limitado. En virtud de lo cual surge la necesidad de proponer metodologías de diseño de pavimento que sean viables y factibles a las condiciones locales y que permitan realizar el comparativo con otros diseños, esperando implementar su uso en la construcción de pavimentos rígidos. Así, la presente investigación realiza el análisis comparativo técnico y económico de pavimentos rígidos diseñados con metodología tradicional (AASTHO 93) y la metodología de pavimentos delgados de concreto (TCP). Estos pavimentos fueron sometidos a análisis y cálculo de esfuerzos producto de ejes de carga actuando en centro y borde del pavimento, posteriormente los pavimentos son evaluados mediante un modelo de falla propuesto por el PCA. Obteniendo que los pavimentos TCP soportan con menor espesor los mismos ejes de carga que los pavimentos AASTHO 93 y resultan más económica frente a estos.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".