Uma revisão sistemática da literatura sobre Inteligência Artificial na área de estruturas da Engenharia Civil
Ana Kelly Nobre Costa
UFERSA
Nathalee Cavalcanti de Almeida Lima
UFERSA
Débora Fernandes Costa
UFERSA
Ádla Kellen Dionisio Sousa de Oliveira
Palavras-chave: Revisão Sistemática da Literatura, Inteligência Artificial, Estruturas de engenharia civil
Resumo
A área de estruturas é fundamental na engenharia civil, garantindo a segurança e estabilidade de edificações e infraestruturas. Com o aumento da complexidade dos projetos, a Inteligência Artificial (IA) emerge como uma solução inovadora para otimizar o design, automatizar processos e aprimorar a manutenção preditiva. Este estudo realizou uma revisão sistemática da literatura com o objetivo de investigar como as técnicas de IA estão sendo aplicadas em estruturas de engenharia civil e identificar as principais contribuições e desafios associados. A metodologia adotada foi uma revisão sistemática da literatura, seguindo as diretrizes de Kitchenham e Charters. Foram analisados 331 artigos publicados entre 2018 e 2023, extraídos de bases de dados como Scopus, Science Direct, Web of Science e Compendex. Após os critérios de inclusão e exclusão, 252 artigos foram selecionados para análise detalhada. A Scopus foi a maior fonte de artigos (220), seguida pela Science Direct (14), Web of Science (11) e Compendex (7). Os resultados indicam um crescimento significativo na aplicação da IA, com picos em 2021 e 2022, com 71 e 77 artigos, respectivamente. Entre as técnicas mais exploradas estão Support Vector Machine (SVM), K-Nearest Neighbors (KNN), Convolutional Neural Networks (CNN) e redes neurais gerais. Contudo, 76 artigos falharam em abordar adequadamente os desafios, como a integração e qualidade dos dados, a generalização dos modelos e os altos requisitos computacionais. Conclui-se que a IA oferece um grande potencial para transformar o campo das estruturas na engenharia civil, aumentando a eficiência e precisão dos processos. No entanto, a superação de obstáculos técnicos e operacionais, principalmente na integração de dados e generalização dos modelos, será crucial para promover sua adoção em larga escala no setor.