Service life prediction models for exterior stone cladding

Abstract

The use of service life prediction tools can allow a more rational management of the maintenance of a building and its components by supporting reduced life cycle costs of constructed assets. A study was conducted to evaluate the degradation of facades of buildings located in Lisbon, Portugal, and in which visual in-situ inspections of 140 stone cladding facades were completed. Based on this information, different models were proposed to describe the degradation of masonry stone-clad buildings and a novel approach to predicting service life was developed. A description is provided for the use of artificial neural networks to predict the service life of stone cladding of the type that is directly adhered to a building substrate. With the use of artificial neural networks an analytical expression was established to estimate the degradation of this type of cladding system. The viability of this method was then compared with other methods used for service life prediction including multiple linear regression and a graphical method. Some of the statistical parameters used to assess the performance of the various methods are described. Of these three methods, those variables that best explain the degradation of stone cladding, are identified: cladding age, distance from the sea, type of finish, and size of the stone plates.

L'utilisation d'outils de prévision de la durée de vie peut permettre une gestion plus rationnelle de l'entretien d'un bâtiment et de ses composants en contribuant à des coûts de cycle de vie réduits des biens immobiliers construits. Une étude a été menée afin d'évaluer les dégradations des façades de bâtiments situés à Lisbonne, au Portugal, et dans lesquels des contrôles in situ de 140 façades à parement en pierre ont été réalisés. Sur la base de ces informations, il a été proposé différents modèles pour décrire la dégradation des bâtiments en maçonnerie à revêtement de pierre et il a été développé une approche nouvelle de prévision du cycle de vie. Il est fourni un descriptif pour utiliser des réseaux neuraux artificiels afin de prévoir la durée de vie des revêtements de pierre qui se collent directement sur un substrat de construction. Grâce à l'utilisation de réseaux neuraux artificiels, il a été établi une expression analytique afin d'évaluer les dégradations de ce type de système de revêtement. La viabilité de cette méthode a ensuite été comparée aux autres méthodes utilisées pour prévoir la durée de vie, dont la régression linéaire multiple et une méthode graphique. Certains des paramètres statistiques utilisés pour évaluer les performances des différentes méthodes sont décrits. Sur ces trois méthodes, les variables qui expliquent le mieux la dégradation des revêtements de pierre sont identifiées: âge du revêtement, distance de la mer, type de finition, et taille des plaques de revêtement de pierre.

Mots clés: réseaux neuraux artificiels bâtiments dégradation durabilité façades entretien prévision de la durée de vie revêtement de pierre

Keywords:

• artificial neural networks
• buildings
• degradation
• durability
• facades
• maintenance
• service life prediction
• stone cladding