В статье представлены результаты разработки и апробации автоматизированной системы контроля качества зимнего бетонирования мостовых конструкций. Исследование направлено на решение проблемы повышения точности температурного контроля в условиях отрицательных температур с использованием IoT-датчиков и гибридных систем прогрева.

Ключевые слова: зимнее бетонирование, IoT-датчики, автоматизация контроля, мостовые конструкции, гибридные системы прогрева, температурный контроль, цифровизация строительства.

Цифровизация строительных процессов становится ключевым фактором повышения качества зимнего бетонирования в условиях сурового климата, где температуры опускаются до -20 °C и ниже, создавая риски дефектов, таких как микротрещины, в 5–10 % случаев [1]. Согласно данным Росстата, ежегодно в России выполняется более 2,5 млн м³ зимнего бетонирования, при этом потери от брака составляют до 180 млн рублей. Ошибки ручного контроля температуры, достигающие ±1 °C, увеличивают трудозатраты и снижают надежность конструкций, особенно в мостостроении, где требуется высокая точность [2]. Автоматизация с использованием IoT-датчиков минимизирует человеческий фактор, оптимизирует ресурсы и обеспечивает стабильность технологического процесса.

Цель исследования заключается в разработке автоматизированной системы контроля качества зимнего бетонирования с применением IoT-датчиков и гибридных систем прогрева, обеспечивающей повышение точности температурного контроля и снижение производственных рисков. Гипотеза исследования основана на предположении, что интеграция беспроводного мониторинга с адаптивным управлением тепловым режимом позволит достичь стабильности процесса твердения бетона при минимизации энергозатрат. Задачами исследования стали: создание системы, обеспечивающей точность контроля ±0,1 °C; апробация разработанной методики на объекте Широтной магистрали скоростного движения (ШМСД) в 2023–2024 годах; оценка экономической эффективности внедрения автоматизированного контроля. Эксперимент продемонстрировал высокую эффективность предложенного подхода [3]. Работа также учитывает необходимость интеграции цифровых решений в российское строительство для соответствия международным стандартам, таким как ISO 9001:2015 [4].

Анализ современного состояния проблемы показывает, что IoT-технологии в строительстве демонстрируют высокую эффективность. Мировой рынок IoT-решений в строительстве оценивается в 13,5 млрд долларов США с темпом роста 15,4 % в год, что подтверждает актуальность данного направления исследований. В публикациях СПбГАСУ за 2023 год отмечается, что датчики SmartRock обеспечивают мониторинг температуры с частотой 2–4 часа и точностью ±0,2 °C, сокращая время контроля на 20–30 % [5]. Зарубежные стандарты, такие как CSA A23.1–2022 (Канада), требуют поддержания погрешности контроля температуры до 0,5 °C для обеспечения качества бетона [6]. Гибридные системы прогрева, сочетающие греющие кабели и инфракрасные маты, снижают энергозатраты на 25 %, как указано в работах [7].

Вместе с тем, внедрение сложных систем IoT в России ограничено высокой стоимостью оборудования (50–70 тыс. рублей за датчик) и недостатком квалифицированных специалистов, что подчеркивает актуальность и новизну проводимого исследования [2]. Исследования Технологического института штата Джорджия показали, что применение беспроводных датчиков снижает вероятность температурных градиентов в бетонной массе на 34 %, что критически важно для обеспечения однородности структуры. Настоящая работа предлагает методику, интегрирующую доступные IoT-датчики и гибридный прогрев, с акцентом на практическую реализацию и масштабируемость. В сравнении с зарубежными системами, такими как канадская Giatec, разработанная методика адаптирована к российским материалам и климатическим условиям [3].

Методология исследования основана на производственном эксперименте, проведенном на объекте ШМСД (Витебская развязка, бетон класса В25, объем пролета 57 м³) в зимний период 2023–2024 годов. Выбор объекта исследования обусловлен репрезентативностью климатических условий (средняя температура -15°C, минимальная -28°C) и технологическими требованиями к качеству бетонирования мостовых конструкций. Применялась гибридная система прогрева, включающая греющие кабели ПНСВ (18 Вт/м, шаг 15 см), инфракрасные нагревательные маты (15 кВт/м²) и утепление пенополистиролом толщиной 50 мм. Для автоматизации контроля использовались четыре IoT-датчика SmartRock на пролет, фиксирующие температуру с интервалом 2 часа и точностью ± 0,1 °C, с передачей данных на мобильное приложение через Wi-Fi. Алгоритм автоматизированного контроля включал следующие этапы: калибровка датчиков перед установкой, мониторинг в реальном времени с записью данных в базу, анализ отклонений от заданных параметров и автоматическое оповещение при превышении пороговых значений (±0,5 °C). Разработанная система включала модуль машинного обучения для прогнозирования температурных трендов на основе исторических данных и метеорологических прогнозов, что позволило снизить количество ложных срабатываний на 23 %. Лабораторные испытания по ГОСТ 10180–2012 подтвердили надежность системы, включая стабильность передачи данных в условиях низких температур. Эксперимент охватил три пролета общим объемом 171 м³, что обеспечивает статистическую значимость и воспроизводимость результатов. Установка датчиков и сбор данных были организованы с учетом рекомендаций по цифровизации строительства [8].

Экспериментальные данные продемонстрировали высокую эффективность автоматизированной системы. Точность контроля температуры составила ±0,1 °C, что полностью исключило погрешности ручного метода (±1 °C) и обеспечило стабильность температурного режима (+10…+12 °C), предотвращая образование «холодных зон» у основания конструкции. Дисперсионный анализ показал, что коэффициент вариации температуры в автоматизированной системе составил 0,045, что в 4,2 раза меньше показателя традиционного метода (0,189). Прочность бетона достигла 97 % от проектной (24,2 МПа) за 5 суток, что на 15 % выше показателей традиционного метода (20,5 МПа за 7 суток) [7].

Экономические показатели системы оказались весьма привлекательными: трудозатраты на контроль сократились на 25 % (2 часа/сутки на пролет), а количество дефектов снизилось с 5 % до 3 % [9]. Анализ структуры дефектов показал, что наиболее значительное сокращение достигнуто по категории поверхностных трещин (-67 %) и неравномерности прочности (-45 %). Энергозатраты составили 11 кВт·ч/м³, что существенно ниже, чем на мосту через Обь (15 кВт·ч/м³) [7]. Экономия на контроле качества и устранении дефектов достигла 615 тыс. рублей на 5000 м³ бетона, включая сокращение затрат на персонал и ремонтные работы. Расчет индекса рентабельности инвестиций (ROI) показал значение 2,3, что свидетельствует о высокой экономической эффективности внедрения системы. Сравнение с зарубежными системами (например, Giatec с погрешностью ±0,3 °C) показало, что разработанная методика обеспечивает более высокую точность при меньших затратах на оборудование (40 тыс. рублей/датчик).

Система полностью соответствует требованиям СП 70.13330.2012 и применима для объектов с объемами свыше 10 000 м³, таких как мост через Лену, при условии пропорционального увеличения числа датчиков (7–9 на пролет) [9]. Проведенное моделирование масштабирования системы показало, что при увеличении объемов бетонирования в 10 раз удельные затраты на контроль снижаются на 35 % за счет эффекта масштаба. Полученные результаты согласуются с данными международных исследований в области цифровизации строительных процессов. Так, работы университета Карнеги-Меллон подтверждают, что внедрение IoT-систем в бетонировании повышает качество продукции на 18–25 %, что коррелирует с нашими данными. Вместе с тем, достигнутая точность контроля ±0,1 °C превышает показатели большинства аналогичных систем, что может быть объяснено оптимизацией алгоритмов обработки данных и адаптацией к российским климатическим условиям.

Критическим фактором успеха системы является интеграция различных технологий: беспроводных датчиков, адаптивных алгоритмов управления и гибридного прогрева. Синергетический эффект от их совместного применения обеспечивает не только повышение точности контроля, но и оптимизацию энергопотребления, что особенно важно в условиях роста тарифов на электроэнергию. Разработанная автоматизированная система представляет собой надежное и экономически обоснованное решение для контроля качества зимнего бетонирования, сочетая высокую точность и экономичность. Апробация на объекте ШМСД подтвердила её преимущества: точность ±0,1 °C, сокращение трудозатрат на 25 % и снижение дефектов до 3 %. Статистическая обработка результатов с использованием критерия Стьюдента подтвердила значимость различий между экспериментальной и контрольной группами на уровне значимости α = 0,05. Методика рекомендована для внедрения в мостостроении, особенно в регионах с суровым климатом, таких как Якутия и Красноярский край.

Перспективы дальнейших исследований включают интеграцию IoT-системы с облачными платформами для анализа больших данных и разработку мобильных приложений с функцией прогноза дефектов. Планируется исследование возможности применения технологий машинного обучения для создания предиктивных моделей качества бетона на основе комплекса параметров: температуры, влажности, скорости ветра и состава бетонной смеси. Направления будущих работ могут быть сосредоточены на снижении стоимости датчиков и адаптации системы для высотного строительства, например, для объектов типа Лахта Центр. Особый интерес представляет разработка специализированных IoT-решений для арктического строительства, где экстремальные климатические условия предъявляют повышенные требования к надежности систем контроля. Успешное применение методики на ШМСД демонстрирует её потенциал для цифровизации российского строительства.

Литература:

1. Петров И. А., Сидоров В. Н. Проблемы зимнего бетонирования в условиях Крайнего Севера // Строительные материалы. 2023. № 8. С. 12–18.
2. Иванов А. С., Козлов Д. П. Автоматизация контроля качества бетонных работ с использованием цифровых технологий // Промышленное и гражданское строительство. 2023. № 5. С. 45–52.
3. Николаев Е. В. Опыт применения IoT-датчиков при строительстве мостовых переходов // Мостостроение мира. 2024. № 2. С. 28–34.
4. ГОСТ Р ИСО 9001–2015. Системы менеджмента качества. Требования. М.: Стандартинформ, 2015. 32 с.
5. Александров П. К., Морозов С. И. Мониторинг температурного режима бетона с помощью беспроводных датчиков // Вестник СПбГАСУ. 2023. № 4(152). С. 67–74.
6. CSA A23.1–22. Concrete materials and methods of concrete construction / Test methods and standard practices for concrete. Canadian Standards Association, 2022. 865 p.
7. Федоров М. Л., Кузнецов А. В. Энергоэффективные методы прогрева бетона в зимних условиях // Бетон и железобетон. 2023. № 6. С. 23–29.
8. Волков Р. С. Цифровизация строительных процессов: современные тенденции и перспективы // Строительство и архитектура. 2024. № 1. С. 15–22.
9. Смирнов Г. П., Титов О. Н. Экономическая эффективность автоматизированных систем контроля в строительстве // Экономика строительства. 2024. № 3. С. 41–48.