CN113614760A - 用于配制或评估建筑外加剂的系统和方法 - Google Patents

Abstract

示例性实施例提供了用于配制和评估建筑外加剂(例如混凝土、沥青、砂浆等的外加剂)的系统和方法。根据示例性实施例，可以使用历史性能数据和当前部署信息来训练预测模型、人工智能、机器学习算法等。基于识别对建筑组合物的各种需求的作业规范和一组可用输入(例如，原材料、混合工艺等)，模型、人工智能或算法可以输出满足或最接近需求的一个或多个建筑外加剂。这些建筑外加剂可以提供给仿真来估计或预测其性能。可以显示输出的建筑外加剂的性能特征。可选地，该系统可以控制混合机械来生产该建筑外加剂。一些实施例可以利用这些性能来评估现有的或已提出的建筑外加剂，而不是提出新的建筑外加剂。

Description

用于配制或评估建筑外加剂的系统和方法

技术领域

本申请涉及诸如沥青、混凝土、砂浆等建筑和工程混合料的生产的改进。

背景技术

建筑和工程中使用的某些材料是将原材料混合在一起来获得所需特性的组合物。通常，建筑组合物包括由建筑混合料原材料组成的建筑混合料。这种建筑混合料可以在工厂中生产，包括该组合物的所有材料，但建筑外加剂除外，建筑外加剂是一种化学添加剂，用于生产组合的建筑组合物。建筑外加剂由建筑外加剂原材料组成。

虽然外行人可能会参考摘要中的建筑组合物(例如“混凝土”)，但实际上有许多不同的方式来配制这种建筑组合物。例如，建筑混合料和外加剂原材料的种类和用量可能会有所不同，建筑组合物原材料可能会采用不同的方法以不同的程度混合，可能会使用或多或少的水，等等。不同的配方可能产生不同的特性，这在不同的情况下可能是可取的。

在一个示例中，第一施工队可能需要相对快速凝固的混凝土，而第二施工队可能需要更多的时间来浇筑混凝土。凝固时间可以通过使用不同量的水、不同量的水泥、不同量的辅助胶凝材料、不同的水泥细度等来改变。

建筑组合物也可能因其他原因而有所不同。在一个地方(例如，一个混凝土工厂)生产一项大型工程所需的所有建筑组合物通常是不切实际的。相反，许多不同的工厂可能会对一个项目做出贡献，每个工厂可能会在整个项目过程中的不同时间运送几批产品。不同的工厂可以提供具有不同特性(例如，骨料粒径较大或较小)的不同建筑混合料原材料，导致在建筑工地部署的建筑组合物之间的均匀性较低。

此外，每个工厂的环境条件可能不同，并且可能随时间而变化。从工厂到建筑工地的路线可能会有行程时间和距离的差异，不同的司机从同一工厂可能会走不同的路线。各工厂工人的专业知识可能会有所不同。因此，可以看出，只有一些影响建筑组合物特性的条件是在生产者的控制范围内的。

由于这些和其他原因，交付至作业现场的不同批次的建筑组合物可能会有很大差异。然而，任何不满足指定的工程需求的建筑组合物都是不可接受的。如果要求达到一定的最小抗压或抗拉强度，生产建筑组合物的工厂不能选择导致强度低于所需强度的原材料和/或技术的组合。如果他们这样做了，正在建造的结构可能会失败。

由于这些考虑，目前生产的建筑组合物往往过度工程化。换句话说，选择了各种方法来调整建筑组合物的特性，以便使所得到的建筑组合物的特性超过(有时明显超过)建筑组合物的工程需求。这耗费了生产者(以及建造的建筑物的承包者、开发者和最终用户)的金钱和时间，并且不必要地浪费了原材料。行业专家估计，目前生产的80％的混凝土混合料都存在这一问题。

尽管如此，使用建筑组合物的承包者的目标是在建筑组合物的性能方面实现类似的批次间一致性，而不一定是在所用的原材料或混合技术方面。例如，承包者可能更关心的是每一批次的凝固时间是否一致，这可以通过调整混合料的含水量、改变辅助胶凝材料的百分比、或者等待达到所需的环境温度后部署混合料来实现。只要建筑组合物的其他特性(例如，强度、美学品质、坍落度等)不会受到不利影响，实现所需凝固时间的特定方法便不太重要。

因此，只要每一批次的性能一致并满足工程需求，就可以容忍每一批次的建筑组合物原材料或混合技术的一些变化。这为降低成本和减少用于生产此类建筑组合物的建筑组合物原材料的量创造了机会。遗憾的是，即使是最先进的专家也无法考虑各种各样的可用输入、工厂和建筑工地快速变化的条件、以及其他可能影响建筑混合料性能的因素。因此，这些建筑组合物继续被不必要地过度工程化。

此外，在某些情况下，基本建筑混合料可能会补充附加材料，有时统称为建筑外加剂。可选择每种附加材料以给成品组合赋予特定的性能特征。

附图说明

图1描绘了适用于示例性实施例的环境。

图2描绘了适合用作示例性实施例的作业规范的示例性数据结构。

图3A描绘了可修改参数和需求来源到建筑组合物特性的示例性映射，所述特性可由需求定义或受参数调整的影响。

图3B描绘了所需性能参数到建筑组合物的相应特性的示例性映射。

图3C描绘了可修改变量到受可修改变量变化影响的建筑组合物特性的示例性映射。

图4是描绘优化逻辑的输入以及由优化逻辑生成的相应输出的示例性输入/输出规范。

图5是描绘根据示例性实施例的图1的环境中的设备的各种硬件和数字组件的框图。

图6A是描述环境的数字组件之间的示例性信息交换的数据流图。

图6B是示出根据示例实施例的关键操作的流程图。

图7描绘了适用于示例性实施例的示例性计算系统。

图8描绘了适用于示例性实施例的示例性网络环境。

发明内容

本发明包括一种非暂时性计算机可读介质，存储有指令，当指令被一个或多个处理器执行时，使得该一个或多个处理器：接收建筑组合物的作业规范，组合物包括建筑混合料和建筑外加剂，该建筑外加剂被配置为添加到建筑混合料中以改变建筑组合物的一个或多个特性，作业规范指定了对建筑组合物的一个或多个性能需求；访问影响建筑组合物的一个或多个特性的一组输入；向预测模型提供作业规范和一组组分；使用预测模型，以编程方式确定满足或接近所述作业规范的所述性能需求的至少一种建筑外加剂，其中所述建筑外加剂包括以确定的比例混合的多种组分；以及输出该至少一种确定的建筑外加剂。

本发明还包括本文描述的任何介质，该介质进一步存储用于产生确定的建筑外加剂的指令，所述产生包括：将用于所述建筑外加剂的多种组分添加到所述建筑混合料中以产生所述建筑组合物，并使所述建筑组合物被运送到作业现场；与所述建筑混合料分开产生所述确定的建筑外加剂，并使所述确定的建筑外加剂被运送到所述作业现场；或组装用于所述建筑外加剂的组分，并使所述组分被运送到所述作业现场。

本发明还包括本文描述的任何介质，其中所述建筑外加剂选自沥青外加剂、混凝土外加剂、灌浆外加剂或砂浆外加剂的组。

本发明还包括本文描述的任何介质，其中作业规范包括所述建筑组合物的塑性或硬化特性中的一种或多种。

本发明还包括本文描述的任何介质，还存储用于接收一个或多个所述性能需求的优先级并考虑所述优先级的指令。

本发明还包括本文描述的任何介质，其中所述一组输入包括前述建筑组合物性能、工厂特定的建筑组合物性能、可用的材料、实时传感器读数、周围环境条件、作业特定信息或承包者需求中的一种或多种。

本发明还包括本文描述的任何介质，还存储用于以下的指令：输出接近所述作业规范的所述性能需求的多种建筑外加剂；对所述多种建筑外加剂中的每一种运行仿真，以预测每种相应建筑外加剂的预期性能；以及输出所述每种相应建筑外加剂的预期性能。

本发明还包括本文描述的任何介质，还存储用于选择多种建筑外加剂不同的一个或多个性能特征的指令，一个或多个性能特征没有被指定为作业规范的一部分，并且基于所选择的性能特征输出多种建筑外加剂的比较。

本发明还包括本文描述的任何介质，还存储用于以下的指令：接收该组输入被改变的通知；以及基于该通知重新优化确定的建筑外加剂。

本发明还包括本文描述的任何介质，其中所改变的输入包括一组与首次确定建筑外加剂时可用的材料不同的可用材料。

本发明还包括一种计算机实现的方法，包括：接收建筑组合物的作业规范，所述建筑组合物包括建筑混合料和建筑外加剂，所述作业规范指定了所述建筑组合物的一个或多个特征，所述建筑外加剂代表被配置为在作业现场应用所述建筑组合物之前添加到所述建筑混合料中的一个或多个组分；访问包括多个组分的组分库，每个组分为所述建筑混合料或建筑外加剂提供期望的功能特征；基于所述作业规范将人工智能应用于所述组分库以选择组分的组合，从而产生为所述作业规范实施确定的建筑外加剂；以及输出所述确定的建筑外加剂。

本发明还包括本文描述的任何方法，其中所述组分库由较大库的子集组成。

本发明还包括本文描述的任何方法，其中所述组分被划分成几种类别，所述类别包括分散剂、凝固改性剂、空气控制剂、强度增加剂、和易性保持剂和流变改性剂中的一种或多种。

本发明还包括本文描述的任何方法，还包括针对所述组分中的一个或多个识别以下特性中的至少之一：操作范围；副作用；正相互作用；或负相互作用。

本发明还包括本文描述的任何方法，还包括基于用户现场处的变化的条件实时调整组分的比例或建筑外加剂的量。

本发明还包括一种装置，该装置包括：非暂时性计算机可读存储介质，其存储用于机器学习算法的逻辑，所述机器学习算法配置为选择原材料和配置为添加到预定义建筑组合物的组分的附加组合；硬件接口，配置为接收训练数据，所述训练数据包括第一建筑组合物和所述第一建筑组合物的相关性能特征；以及硬件处理器电路，配置为：基于所述训练数据训练所述机器学习算法；经由所述接口接收新建筑组合物的一个或多个性能需求，以及利用所述机器学习算法，基于接收到的性能需求选择原材料和组分的新附加组合，其中使用所述接口输出所述新建筑组合物。

本发明还包括本文描述的任何装置，其中机器学习算法配置为优先考虑性能因素而不是成本因素。

本发明还包括本文描述的任何装置，其中处理器还配置为：接收所述新建筑组合物的性能的报告；以及基于所述新建筑组合物的性能重新训练所述机器学习算法。

本发明还包括本文描述的任何装置，其中性能需求包括和易性、可泵性和可修整性中的一种或多种。

本发明还包括本文描述的任何装置，其中所述机器学习算法适应环境条件、交付距离、交付时间、放置方法或承包者人员中的一种或多种。

具体实施方式

如上所述，在考虑可能影响建筑组合物成分的可用性或性能的其他变量时，很难配制出满足工程项目所有各种需求的建筑组合物。为给定项目开发一组最佳的建筑组合物原材料配比需要对所设计材料的特性有很高的熟悉度，将项目需求和细节转化为一组首选特征，并熟悉当地可用的原材料。

传统上，一种解决方案是开发少量具有已知性能范围的建筑组合物，并从有限的可用选项中进行选择。然而，这种方法有许多局限性。首先，建筑组合物可能没有针对作业现场的条件进行最佳配制。第二，原始配方中使用的建筑组合物原材料可能无法提供给特定生产者，这将要求生产者使用不同的建筑组合物或改变建筑组合物，从而产生未知或不可预测的结果。第三，由于生产者只能从有限的选项中进行选择以满足其所有工程需求，因此这些组合物可能被设计为超出各种各样的需求，其中一些需求可能不适用于特定项目；这导致了上面讨论的“过度优化”问题。

另一种可能性是启动一个广泛的实验过程，创造一些建筑组合物，将其部署在与预期建筑工地类似的条件下，使其固化，并测量其特征。就时间和成本而言，这往往令人望而却步。此外，并非每个生产设施都具备开发和评估此类方案所需的专业技术。此外，这样的过程将不考虑在实际项目中部署该组合物时条件的变化或性能验证。

无论采用哪种方案，都很难或不可能获得最佳的建筑组合物，因为不可能生产和实验所有可能的建筑组合物。此外，这些过程往往侧重于建筑组合物的性能，而不考虑建筑组合物的成本。

建筑外加剂的使用在微调建筑组合物的性能特征的能力方面提供一些益处，并且通常在生产现场添加到建筑混合料中。这可能使得难以快速考虑组合建筑组合物中不断变化的条件或观察到的可变性。

示例性实施例通过提供用于配制和评估建筑外加剂(例如混凝土、沥青、砂浆等的建筑外加剂)的技术来解决这些和其他问题。根据示例性实施例，可以使用历史性能数据(可以用当前正在部署的混凝土的最新数据和性能评估进行补充)来训练预测模型、人工智能、机器学习算法等。

一旦对模型、人工智能或算法进行了训练，就可以接收到表示作业规范的数据结构。该结构可以包括对建筑组合物(即，基本建筑混合料和建筑外加剂一起)的各种需求，其可以可选择地优先考虑。此外，可以访问一组可用输入(例如，原材料、混合技术等)。可将这些输入可以提供给模型、人工智能或算法，该模型、人工智能或算法可以输出满足或最接近所述需求的一个或多个组合。输出可以指定构成建筑混合料的原材料清单、原材料的数量或比例、建筑外加剂组分的数量或比例、以及用于混合并创建建筑组合物的任何混合技术。

作为模型、人工智能或算法的一部分，或独立于模型、人工智能或算法，可将配方提供给仿真以估计或预测其性能(在部署时和/或之后的一段时间)。

基于人工智能、模型或算法的输出(并且可能由仿真数据补充)，可以显示输出的建筑组合物的性能特征。在一些实施例中，可以仅显示不同组合物之间那些不同的特征。在一些实施例中，可以显示原始作业规范未指定但在组合物之间不同的参数。除了性能之外，还可以估计组合物的成本。在一些实施例中，可以通过性能、成本或性能和成本的加权组合(除其他可能性外)对组合物进行排序。

用户可以选择一种建筑组合物用于项目。在一些实施例中，可以(基于性能和/或成本的加权组合)自动选择最佳建筑组合物。可选地，系统可以(例如，通过传输指令，该指令配置为使得混合机械以建筑组合物的指定的量或比例获取和混合原材料)控制混合机械以生产建筑组合物。在一些实施例中，基本建筑混合料和建筑外加剂可以在生产设施(例如，混凝土工厂)处单独创建并单独运送到作业现场。在作业现场，基本建筑混合料和建筑外加剂可以根据需要组合。该实施例允许承包者根据当地条件和观察到的组合建筑组合物(例如，来自之前的混合批次)的性能使用更多或更少的建筑外加剂。在进一步的实施例中，基本建筑混合料可以在生产设施处创建并运送到作业现场，并且用于建筑外加剂的组分可以以未组合的形式(单独地)运送到作业现场。这允许建筑外加剂的组合物在批次之间变化，从而可以更精细地控制与建筑外加剂的每个组分相关联的个体性能特征。

在一些实施例中，可以部署人工智能/模型/ML算法和/或仿真来评估所建议的建筑组合物(而不是提出其自身的建筑组合物)。可以显示所建议的建筑组合物的特征或估计性能，并且如果判断为可接受，则系统可以控制混合机械来生产建筑组合物(和/或建筑混合料和/或建筑外加剂)。

这些实施例提供了许多优于上述提出的常规解决方案的优点。

首先，该示例性系统显著减少或消除了需要对给定混合料或一组建筑组合物进行的实验次数，因为人工智能/模型/算法可以排除不太可能满足作业需求的建筑组合物；此外，使用仿真来代替或补充实验。

第二，示例性实施例能够更好地得出一组优化的建筑混合料配比，因为在设计建筑组合物的过程中可以考虑更多的变量。此外，可以对不同的参数进行权衡，以使得可以识别改进的组合或协同作用。由于成本可视为一个因素，因此最终的解决方案可能不太昂贵，也不太容易过度工程化。

第三，示例性实施例可以围绕多种不同的性能需求快速优化建筑组合物。可以跨多个不同的性能变量立即评估对建筑组合物变化的影响；在传统场景中评估这些权衡通常需要在相当长的一段时间内进行多次实验。

第四，可以基于不断变化的条件(例如，不同的可用建筑混合料原材料、作业现场或前往作业现场途中不断变化的条件等)快速重新优化现有建筑混合料。与传统方法相比，这可以提高质量控制和产品一致性。

第五，因为建筑外加剂可以配置为在部署点或生产现场配制和/或添加，不同批次之间的可变性可以显著降低。

以下对实施例的描述提供了参考附图标记的非限制性代表性示例，以具体描述本发明不同方面的特征和教导。根据对实施例的描述，所描述的实施例应视为能够与其他实施例分开或组合地实现。对实施例的描述应有助于理解本发明，使得没有具体涵盖但是在阅读了对实施例的描述的本领域技术人员的知识范围内的实施方式将被理解为与本发明的应用一致。

应当注意，尽管结合特定示例(建筑组合物，特别是建筑混合料和建筑外加剂)描述了示例性实施例，但是本发明不限于这些示例。

图1示出了根据示例实施例的建筑组合物环境100。

在一个高的层面上，建筑组合物生产过程从一组工程师、建筑师、技术专家102等开始。专家102以技术需求104的形式设定混合料所需的参数。例如，对于混凝土，建筑师可能会要求成品混凝土具有某些美学特性(颜色、纹理等)。工程师可能会评估结构图、适用的建筑法规等，并指定了强度、耐久性、稳定性等方面的需求。技术专家(例如，部署混凝土的专家)可以指定与正在部署的建筑组合物性能相关的所需特性，例如和易性、凝固时间和粘度。

技术需求104可以在建筑组合物工厂108实施。建筑组合物工厂108可以包括原材料筒仓110，原材料筒仓110存储可组合成建筑混合料的原材料。原材料的示例包括水泥、粗骨料和细骨料以及辅助胶凝材料(SCM)。原材料也可以包括水。

在一些实施例中，建筑组合物中使用的建筑混合料可以由附加材料补充。例如，混凝土(建筑组合物118的示例)通常由初级普通建筑混合料114和改变成品混凝土的各种特性的建筑外加剂116形成。建筑外加剂116可以包括例如分散剂、凝固改性剂(例如缓凝剂和速凝剂)、空气控制剂(例如引气剂和排气剂)、强度改性剂、和易性保持改性剂和流变改性剂。这些材料也可以单独或以组合方式存在于筒仓110中。

来自筒仓110的原材料可以在混合设施112中混合。混合设施112可以包括可由计算机控制器控制的混合机械，并且可以生产建筑混合料114、建筑外加剂116和/或成品建筑组合物118。

混合后，成品建筑组合物118可以被装载到运输工具126中，例如混凝土卡车。运输工具126可以经由路线128将建筑组合物118运送到将部署建筑组合物118的作业现场130。不同的建筑组合物工厂108将必然需要使用不同的路线128到达作业现场130。此外，不同的运输工具126可以采用从单个建筑组合物工厂108到达单个作业现场130的不同的路线128。

作业现场130可由承包者132监督。承包者132可负责确保从每个建筑组合物工厂108交付的每批建筑组合物118的质量一致并满足作业需求。如果承包者132确定某个批次不满足其标准或在某些方面有缺陷，则承包者132可以拒绝接受该批次并将其退还给建筑组合物工厂108。

示例性实施例通过在整个环境100中的位置部署资源来改进建筑组合物生产过程。

例如，可以在建筑组合物工厂108处设置生产者服务器106。生产者服务器106可以托管优化逻辑122，用于优化建筑混合料114、建筑外加剂116和/或成品建筑组合物118。优化逻辑122能够从原材料筒仓110中选择不同的可用原材料，并定义其数量或相对配比、百分比或比例。可用的材料可以在组分库124中表示，组分库124可以识别材料，并且还可以包括有关材料的信息，例如材料对性能参数的影响、材料满足的任何认证、材料的浓度等。

优化逻辑122可以包括人工智能、机器学习算法(例如，神经网络、有监督学习过程、无监督学习过程、强化学习过程等)、预测模型等。优化逻辑122可以使用标记的训练数据进行训练，这些数据可以包括历史数据或当前数据。训练数据可识别建筑组合物的成分和组合物的测量特性。给定足够的训练数据，优化逻辑122可以学习如何将各种原材料和组分混合在一起以实现目标性能参数。

为了识别满足技术需求104的建筑组合物，生产者服务器106可以访问作业规范120，作业规范120可以是一种数据结构，该数据结构将技术需求104形式化并以优化逻辑122可以处理的方式来表示技术需求104。

优化逻辑122可应用于前端，以识别初始建筑混合料114或建筑外加剂116。优化逻辑122也可以或可替代地应用于后端(在生产建筑组合物118之后)，以在连续批次的建筑组合物之间实时改变建筑混合料114或建筑外加剂116。为此，除其他可能性外，可以在运输工具126上，沿着路线128，或者在作业现场130部署传感器。传感器可以生成传感器数据136，传感器数据136可以提供给生产者服务器106。传感器可以包括例如加速度计(例如，用于测量路线128的崎岖程度)、温度计(用于测量环境温度)、气压计、湿度计等。传感器数据136可以馈送到优化逻辑122，优化逻辑122可以(例如)调整将在下一批待使用的建筑外加剂116中使用的材料。类似地，承包者138可以手动输入关于作业现场130条件或所交付的建筑组合物118的信息(例如，“凝固时间太短”、“粘性太大”等)。该信息也可以经由承包者服务器134提供给优化逻辑122，以便根据承包者的反馈对建筑混合料或建筑外加剂进行更改。

作业规范120、优化逻辑122和组分库124也可以或可替代地托管在承包者服务器134处，允许承包者服务器134对建筑外加剂116进行修改。在该实施例中，传感器数据136和手动输入138可以由承包者服务器134接收并在其处考虑。

图2描绘了表示作业规范120的数据结构的示例。尽管示例性作业规范120包括特定顺序的特定变量，但是本领域普通技术人员将认识到，根据应用的不同，可以使用更多、更少或不同的变量。如果没有为变量指定值，则可以使用默认值(例如，预定义的最小值、平均值等)。变量的值可以是定性的、定量的，或者两者兼有。

值可指定为最小值或最大值、可接受值的范围等。这些值可以与权重或优先级相关联，表明特定性能特征相对于其他性能特征的重要性。权重或优先级可能为零，表明性能特征无关紧要或不应优先考虑。

作业规范120可以指定与建筑组合物的新鲜特性202相关的参数。新鲜特性是指新鲜(即未硬化)建筑组合物的特性。新鲜特性的示例包括和易性204、和易性保持206、空气含量208、稳定性210、均匀性212、粘度214、可修整性216和凝固时间218。

作业规范120可以进一步指定对建筑组合物的强度220的需求。可通过多种方式测量建筑组合物的强度，并且可以为(例如)抗压强度222、抗弯强度224和抗拉强度226提供单独的参数。

作业规范120可以针对建筑组合物的外观228指定定量或定性测量。外观228可以指定成品建筑组合物的特征，例如颜色或纹理。

作业规范120可以进一步指定成本或经济参数230。成本或经济参数230可以由原材料的成本来定义，并且可以可选地将运输成本、部署成本、混合成本或影响建筑组合物的价值的其他成本考虑在内。

作业规范120可以指定耐久性特征232。耐久性特征232的示例包括对冻或融234、结垢236、化学腐蚀238、磨损240或收缩242的抵抗。

作业规范120可以进一步指定地面上的平板属性和使用活动244。这种活动的示例可以描述易施工性或难施工性246、时间248(例如产品固化或硬化的时间量)和所有者值250。

为了辅助优化逻辑122，可以提供从需求或性能特征到影响这些需求或性能特征的变量的映射。变量可包括可受生产者直接影响的变量(诸如骨料或水的用量、或运输工具采用的路线)、以及不受生产者直接控制但在确定混合料预期性能时必须考虑的变量(诸如环境天气条件或法规要求)。图3A描绘了可修改参数和需求来源到建筑混合料特性的示例性映射，该特性可以由需求定义或者受参数调整的影响。此外，在某些情况下，性能需求(诸如可修整性或抗裂性)可能会受到生产者控制的组分的间接影响。

如前所述，建筑混合料和/或建筑外加剂的原材料可以从组分库124中选择。在该示例中，组分被分成诸如分散剂、凝固改性剂、空气控制剂等的类别，如在表1和表2中更详细描述的。

图4是描绘对优化逻辑122的输入以及由优化逻辑122生成的相应输出的示例性输入/输出规范。

如前所述，优化逻辑122可以考虑作业规范120。优化逻辑122可进一步考虑可用于创建成品建筑组合物(或建筑混合料、建筑外加剂、或建筑混合料和建筑外加剂的组合)的可用材料402。可用材料402可包括原材料404(例如，原材料筒仓中可用的材料)、可用的预先混合的建筑外加剂406和/或可以利用可用组分新创建的建筑外加剂408。用于创建新建筑外加剂408的组分可以在组分库410中指定，组分库410指定了可用于建筑外加剂408的建筑外加剂组分以及可能受包含建筑外加剂组分影响的成品的任何特性。可以为用于制造初始建筑混合料的原材料404提供与410类似的库。

优化逻辑122可以从可用材料402中进行选择，和/或可以基于映射412，例如图3A-3C中描绘的映射，对建筑混合料/外加剂/组合物中的材料进行调整。映射可以指定一个或多个可调整变量(例如，可用材料402的量)的调整如何影响性能参数(例如，作业规范120中指定的参数)。

优化逻辑122可以考虑实时传感器数据414和/或承包者输入416。传感器数据414和/或承包者输入416可视为对性能参数具有先验影响。换句话说，实时传感器数据414和承包者输入416可以指定作为给定变量的值(可以是不可调整的)，并且可以围绕先验数据优化可用材料402的值。

基于对优化逻辑122的输入，优化逻辑122可以输出建筑混合料配方418。建筑混合料配方可以包括配方中包括的原材料420的标识符、每种原材料420的比例/数量/百分比422以及任何适用的混合技术424或需求。基于这些信息，优化逻辑122可以可选地生成用于混合设备的指令，使得所识别的建筑混合料可以由混合设备自动生产(和/或原材料清单，使得可以手动获取配料，然后提供给混合设备)。

优化逻辑122可以输出单个建筑外加剂配方418，该配方代表在给定可用原材料402、实时传感器数据414和/或承包者输入416的情况下最满足作业规范120的需求的配方。可替代地，优化逻辑122可以输出以不同方式平衡需求的多个候选建筑外加剂418。

在一些实施例中，对于不同的成本，建筑混合料和建筑外加剂418可以获得相似的结果，这可以在总结各种组合物的显示中标记。在一些实施例中，建筑组合物(基本建筑混合料和建筑外加剂)的性能可以优先于建筑组合物的成本，使得优化逻辑122优先推荐满足作业规范120的性能需求的建筑组合物，而不是不满足这些需求但成本较低的混合料。

在一些实施例中，性能需求的权重可以高于成本，从而可以在性能和成本之间取得平衡。例如，在允许性能下降可接受的量之前，建筑外加剂可能需要达到一定的最低成本节约水平。

优化逻辑122可针对每个所识别的建筑组合物418(表示组合的建筑混合料和建筑外加剂)输出组合物的预测性能426。预测性能426可以指定作业规范120中指定的参数的估计值，或者可以包括作业规范中未指定的参数(特别是如果不同的混合料418在未指定的参数方面不同)。预测性能426可以基于历史数据和/或可以基于从所确定的混合料418的虚拟仿真中获得的数据。

优化逻辑122可以进一步输出每个组合物418的估计成本428(并且可以可选地输出成分建筑混合料和/或构成组合的组合物418的建筑外加剂的单独的成本估计)。估计成本428可以从可用材料408的成本、混合材料所采用的任何特殊技术、运输成本和/或承包者团队部署建筑组合物的成本中得出。

优化逻辑122可以包括各种组件，并且可以接收来自整个环境100的输入，如图5的框图中更详细描述的。

如前所述，建筑组合物的设计过程可以从建筑师、技术专家或工程师的团队开始。这些使用者可以访问设计者服务器510，设计者服务器510可以包括支持用户界面的应用程序，用户界面允许使用者将技术需求输入到作业规范120中。作业规范120可以存储在设计者服务器510上的存储装置512(例如，HDD、SSD等)中。在一些实施例中，作业规范120可以是在专用应用程序中设计的专用定制文档。在其他实施例中，作业规范120可以是使用关键字或预定标识符来识别性能需求的格式化文档，诸如XML文档、文字处理文档或电子表格。在这种情况下，生产者服务器106可以在接收作业规范120时解析作业规范120，以便将需求加载到适于由优化逻辑122处理的数据结构中。

设计者服务器510可以使用网络接口514(例如，无线卡、有线连接等)将作业规范120传输到生产者服务器106。作业规范120可以通过网络526(例如局域网、广域网或互联网)传输。

作业规范120可以由生产者服务器106上的相应网络接口528接收，并存储在生产者服务器106的存储器530中。存储器530还可以保存优化逻辑122，优化逻辑122可以包括模型或算法540，模型或算法540配置为接受作业规范120的性能需求作为输入，并且提供一个或多个建筑混合料规范作为输出，该一个或多个建筑组合物规范识别满足或最接近性能需求的建筑组合物。模型540可以是例如机器学习算法、人工神经网络、预测模型、一组规则和相应的触发输出等。

在该上下文中，数据驱动模型(优选地数据驱动机器学习模型或单纯的数据驱动模型)是指根据训练数据集进行参数化以反映系统的动力学或物理化学过程的训练数学模型。未经训练的数学模型是指没有反映反应动力学或物理化学过程的模型，例如，未经训练的数学模型不是从提供基于经验观察的科学概括的物理定律推导出来的。因此，动力学或物理化学特性可能不是未经训练的数学模型所固有的。未经训练的模型不能反映这些特性。利用各自的训练数据集进行的特征工程化和训练，可以对未经训练的数学模型进行参数化。这种训练的结果是单纯的数据驱动模型，优选地是数据驱动机器学习模型，其作为训练过程的结果，优选地仅仅作为训练过程的结果，反映了动力学或物理化学特性。

可以使用历史训练数据532对模型540进行训练。训练数据532可以包括标记的训练数据，其包括先前生产的建筑组合物和与建筑组合物相关的相应测量性能结果。训练数据532还可以包括仿真数据，仿真数据估计真实或假设的混合料的性能参数。训练数据532可以通过实验、仿真或者在实际作业现场对建筑混合料的部署版本进行测量等方法来获得。

模型或算法540可经由训练逻辑534使用训练数据进行训练。训练逻辑534可以特定于所使用的模型或算法540的类型。例如，如果模型或算法540是遗传算法，则训练逻辑534可以包括用于选择一代中最合适的候选的启发式算法和用于产生下一代候选的遗传算子。如果模型或算法540是神经网络，则训练逻辑534可以包括合适的传播函数。训练逻辑534可以为模型或算法540的训练定义初始权重和/或初始结构。训练逻辑534的其他示例包括聚类函数、逻辑回归函数、用于时间序列分析的时间序列参数、决策树结构等。

训练数据532可以包括给定建筑外加剂的所有相关性能参数(例如，图2所示的那些参数)，或者可以仅包括这些参数的子集。当训练数据532中的给定条目中仅包括参数的子集时，训练逻辑534可以配置为仅训练与可用数据相关的模型/算法540的特定部分，或者可以配置为从类似的示例或仿真中推断缺失的数据。

训练逻辑532可以配置为给各种性能参数分配权重或排名。权重或排名可以预先确定(例如，由工程师或专家指定)，或者可以由训练逻辑532基于训练数据532来分配。在一些实施例中，训练逻辑534可以将建筑组合物的成本视为性能参数之一，但配置为优先考虑建筑组合物的性能而不是组合物的成本。

优化逻辑122还可以包括再训练逻辑536。与对历史训练数据532进行操作的训练逻辑534相反，再训练逻辑可以配置为基于新接收到的信息(例如，来自传感器516或承包者服务器134的可能没有反映在训练数据532中的信息)动态地适配模型或算法540。再训练逻辑536可以配置为在假设经过适当训练的模型鉴于有限的数据不应快速改变的情况下，比初始训练过程更慢或更保守地适配模型或算法540。适配的速度可以调整，使得用户可以修改考虑新数据的程度。在某些情况下，适配的速度也可能自动改变。例如，如果从承包者服务器134接收到反馈，表明已交付的一批混凝土不可接受，或无法满足某些性能参数，则可能需要快速适配，并且应立即调整模型或算法540。

模型或算法540可以部分地基于变量和映射538来构建，变量和映射538定义了建筑组合物的特定变化可能如何影响性能参数。图3A-3C中描绘了示例性变量和映射。

当确定哪些原材料可用于包括在给定的建筑混合料或建筑外加剂中时，优化逻辑122可查阅组分库124。组分库124可以由多个条目544组成，每个条目与给定的化学制品546或其他材料相关联。对于由建筑混合料和建筑外加剂组成的产品，可以为建筑混合料和建筑外加剂提供单独的组分库124。

组分库124可包括可用于制造所述建筑外加剂的一整套化学制品546，或者可仅包括此类化学制品546的子集。可以根据最适合每种应用的组分来选择更小的、特定的一组组分。组分库124中的条目544可以是几种材料的组合(保持某些化学组合的已知的协同作用)，或者是目前已知的成品，而不是单种化学制品546或其他单种材料。当一种组分是单一材料时，可以选择特定的材料，以利用当地可获得的材料的显著高浓度。

基于单种化学制品的组分，可以根据每个应用、材料设置或条件(诸如高或低碱水泥或冷热温度)改变和定制数量和比例。随着条件或材料的变化，组分数量和比例也可以在客户站点内按比例增减的方式持续调整。

每种化学制品可按类别548和功能550进行分类，类别548表示基本性能属性(例如，“强度”、“凝固改性”等)，功能550描述所述化学制品如何影响性能属性(例如，“增加强度”或“加速凝固时间”)。化学制品可以进一步分成第一类和第二类552，其中第一类化学制品的主要用途(或主要作用)是对功能550进行改性。第二类化学制品可不用于执行预期的功能550(例如，其对一些其他功能具有较大的影响)，但可以发挥其副作用。表1提供了可应用于各种化学制品的示例性属性、功能和分类的列表。

表1

下表2提供了上述每一类化学制品选择的合适示例。也可以使用其他化学制品选择，且类别不限于以下提供的示例。

表2

可选地，条目544可以识别组分所符合的任何认证554(例如，C494认证)。此外，条目544可以指定附加细节556(例如，可用或推荐的化学制品546的浓度、混合推荐等)。

优化逻辑122还可以为每种识别的建筑外加剂(或组合物)提供建筑外加剂的成本、建筑外加剂的估计性能以及外加剂之间对于指定或未指定性能参数的比较。可通过使用仿真逻辑542仿真建筑外加剂的性能来识别这些项目。仿真逻辑542可以使用优化逻辑122输出的建筑外加剂来构建由建筑师/工程师/技术专家设计的结构模型。仿真逻辑542可以基于类似建筑外加剂和/或数学模型的历史性能信息，针对作业规范中指定的参数(以及作业规范中可能未指定但可能与建筑外加剂的性能相关的其他参数)评估建筑外加剂的性能。

基于仿真，仿真逻辑542可以输出和/或显示在性能和成本方面比较不同建筑外加剂的报告。在一些实施例中，仅可输出或显示建筑外加剂之间不同的那些性能参数。在一些实施例中，优化逻辑122可以基于在建筑外加剂之间不同但未在作业规范120中指定的性能参数来评估和显示比较。因此，如果优化逻辑122输出的建筑外加剂在指定的性能需求和成本方面看起来是相似的，则可基于其他可能未被考虑的因素来区分这些相似的建筑外加剂。

一旦确定或选择了特定的建筑外加剂配方，生产者服务器106可以控制建筑组合物工厂的混合设备560来生产建筑外加剂。例如，混合设备560可以包括能够基于指令操作混合机械的控制器562。控制器562可以控制来自原材料筒仓的原材料的部署，或者可以输出要手动添加到混合设备560的请求量的原材料。一旦原材料被添加到混合设备560，控制器562就可以在指定的时间内(并且可能以指定的功率或指定的混合模式)启动混合器。

生产者服务器106可以根据优化逻辑122指定的配方生成用于控制器562执行上述活动的指令。例如，控制器562可公开应用编程接口(API)，该接口允许生产者服务器106调用控制器562的函数来执行活动。生产者服务器106可以生成适当的指令或函数调用，并且经由生产者服务器的接口558将指令/调用传输到混合设备560的接口564。接口558、564可以经由有线或无线通信直接通信，和/或可以经由网络通信。

当成批的建筑混合料、外加剂和/或组合物制造完成并运送给承包者时，生产者服务器106可以从传感器516和/或承包者服务器134接收进一步的反馈。该信息可以允许基于描述当前条件和/或测量性能的实时反馈来修改或重新配制产品。例如，承包者可以在承包者服务器134的存储器504中生成性能报告506。该性能报告可以指定定量测量值(例如，承包者使用的传感器的输出)和/或来自承包者的定性评估。性能报告506可以经由一个或多个输入/输出设备502，诸如键盘、麦克风(用于语音输入)、数据端口等输入到承包者服务器134中。性能报告可以经由网络接口508传输到生产者服务器106。

类似地，性能数据和/或关于环境条件的细节可以从一个或多个部署的传感器516传输到生产者服务器。传感器516可以部署在例如将混合料运送到作业现场的运输车辆上、部署在作业现场处、或者部署在从工厂到作业现场沿路的建筑物上。

传感器516可以包括测量设备518，例如加速度计、风速计、湿度计、光度计等。来自测量设备的测量值可以经由网络接口524直接传输到生产者服务器106，或者可以聚集在缓冲器522中，该缓冲器522存储在传感器516的存储器520中。在预定的时间、预定的读取次数之后，或者当存储器520填充到某一水平时，缓冲的数据可以被传输到生产者服务器106。

如前所述，可替代地或除了生产者服务器106配制和创建建筑混合料/外加剂之外，这些任务中的一些或全部可由承包者服务器134在作业现场执行。因此，位于生产者服务器106处的图5中所描绘的数字组件中的一些或全部也可以或可替代地位于承包者服务器134处。这允许承包者服务器134独立地创建建筑混合料和/或外加剂配方。可替代地或此外，组件可以托管在生产者服务器106处，并且承包者服务器134可以通过网络526与生产者服务器106通信以请求生产者服务器106使用由承包者服务器134提供的输入生成或修改建筑混合料和/或外加剂。此外，如果混合机械在作业现场本地可用，则承包者服务器134可执行为机械生成指令和/或以其他方式控制机械以在作业现场本地地混合用于外加剂和/或建筑混合料的成分的上述功能。

在图6A所示的数据流图中更详细地描述了设计者服务器510、承包者服务器134、传感器516和生产者服务器106之间的数据交换。

最初，生产者服务器和/或承包者服务器可以启动训练过程602。给定作业规范中的性能需求，上述训练逻辑可以参考历史数据来构建用于优化建筑混合料、外加剂和/或组合物的模型或算法。

接下来，作业规范120可以从设计者服务器传输到生产者服务器。作业规范120也可以转发到承包者服务器，以使得承包者服务器具有配置建筑外加剂时可用的性能需求。

响应于接收到作业规范120，生产者服务器可以启动建筑混合料配置过程604，该过程将算法模型应用于接收到的作业规范120，以生成满足或最接近作业规范需求的一个或多个合适的建筑混合料。

如果生成多种建筑混合料，则系统可以输出建筑混合料的比较结果，并允许选择其中一种。一旦识别目标建筑混合料，生产者服务器可以启动混合料生产过程606，该过程可涉及生成指令和/或控制混合机械来生产所识别的混合料。

一旦混合，生产者服务器就可以将在建筑混合料生产过程606中创建的基本建筑混合料释放607到作业现场。

在某些情况下，该建筑混合料可以是一种通用的混合料，然后用建筑外加剂改变其特性。在建筑外加剂创建过程期间，传感器数据136可以可选地被读取，以识别应考虑的环境条件。基于传感器数据136和作业规范120的需求，系统可以启动建筑外加剂配制过程608以生成建筑外加剂配方(以类似于建筑混合料配制过程604的方式，尽管可能使用不同的原材料)。在所描绘的实施例中，生产者服务器在609处将用于制造配制的建筑外加剂的组分释放到作业现场。在另一个实施例中，建筑外加剂可以与建筑混合料配制在同一个工厂处创建，然后作为完成的建筑外加剂释放到作业现场。

承包者服务器随后可以启动建筑外加剂生产过程610以创建建筑外加剂(类似于建筑混合料生产过程606，但在作业现场处发生)。建筑外加剂可以直接添加到建筑混合料中，也可以单独创建并在以后添加到建筑混合料中。

在612，承包者服务器可以启动组合的建筑组合物生产过程，其中，建筑混合料和建筑外加剂被混合在一起。这可能涉及操作混合机械以组合建筑混合料和建筑外加剂。

在混合建筑混合料期间或之后，承包者服务器可接收来自传感器的输入和/或性能报告506。该数据可以提供实时反馈，以便承包者服务器更新不同批次之间的建筑外加剂配方，这可以在作业完成时提高建筑混合料的均匀性、性能和/或成本。响应于该数据，承包者服务器可以执行质量控制、重新配制或再训练过程，该过程更新在610处创建的建筑外加剂。更新数据可以被提供给优化过程，优化过程可以更新模型或算法，或者也可以使用传感器和/或承包者服务器提供的新数据重新应用现有的模型或算法。

这些动作结合图6B所示的流程图更详细地描述。图6B的块可以实现为逻辑650或存储在非暂时性计算机可读介质上的指令，用于在(例如)生产者服务器处、在承包者服务器处、或两者处执行，或在生产者服务器和承包者服务器之间分离执行。

可以在块652处进行处理，其中系统接收训练数据。训练数据可以包括识别建筑组合物(包括基本建筑混合料和建筑外加剂)的历史数据以及在部署组合物时测量的相关性能结果。有关环境条件、位置等的信息也可以作为历史数据的一部分提供。训练数据还可以或可替代地包括仿真数据，该仿真数据接收为对假设或实际的组合物进行的计算机仿真的结果。

训练数据可以与各种性能参数相关联。在块608，可以通过调整参数的权重来设置或调整与这些参数相关联的优先级。例如，与性能参数相比，建筑外加剂的成本可能被取消优先级。用户还可以指定各种参数的相对性能(例如，强度和耐久性比美观更重要)。

基于训练数据和指定的优先级，可以在块654处通过训练逻辑训练模型或算法。可以持续进行训练，直到满足一组训练条件。例如，可以保留一组训练数据来测试训练模型或算法的性能。可以在保留的训练数据上测试模型或算法，以确定模型或算法是否基于性能特征生成适当的配方(其中“适当的”配方将视为其材料比例落入与训练数据中定义的建筑外加剂的差值在阈值范围内的混合料和/或外加剂)。

如果在块656，系统确定模型已经被充分训练，则处理可以进行到块568。如果不是，处理可以返回到块652，并且系统可以将附加的训练数据合并到模型或算法中。

系统可以在包括手动超控模式的几种不同的模式下操作。在“评估”模式下，系统可以接受一种或多种组合物作为输入，并对组合物进行性能评估。在“配制”模式中，系统接受一组需求(例如，作业规范)并生成满足或接近需求的组合物(或一组组合物)。

如果系统在块568处于评估模式，则处理可以前进到块660，并且系统可以接收组合物。该组合物可以(例如，通过指定所识别的材料的数量或比例)经由接口输入，或者可以作为在数据结构中识别的成品规范来接收。可以接收单个组合物用于评估，或者可以接收多个组合物用于评估和比较。

在块662，系统可以使用前面描述的仿真逻辑对建筑外加剂进行仿真。仿真的输出可以是在块664处估计的一组性能特征、成本参数等。

在块666，系统确定是否提交了多个建筑外加剂进行比较。如果不是，则系统输出(在块668)在块664确定的估计值。这可能涉及到将估计值存储在存储器中，在网络上传输这些值，和/或在显示器上显示这些值。

如果作为生产过程的一部分提交建筑外加剂进行评估，则在块670，系统可以请求批准以创建经评估的建筑外加剂。如果在块670接收到批准，则处理进行到块672，并且系统指示混合设备创建建筑外加剂，如前所述。

返回到块666，如果评估了多个建筑外加剂，则系统可以在块674输出评估的比较。该比较可以提供每种建筑外加剂的并列概述，并且可以突出建筑外加剂的各种性能特征的差异。在一些实施例中，可以显示所有的性能特征以供比较。在其他情况下，可以只显示或突出显示在建筑外加剂之间不同的性能特征。此外，如果性能特征彼此不同，则可以考虑并显示未指定为原始评估请求的一部分的性能特征。在一些实施例中，仅当指定的性能特征相同或相差小于预定阈值量时，才可以考虑未指定的性能特征(从而允许基于其他理由区分相对类似的建筑外加剂)。

基于该比较，系统可以在块676接收来自用户对建筑外加剂之一的选择，或基于各种参数的重要性的加权以编程方式接收选择。然后，处理可以继续至块672，并且系统可以如上所述混合所选择的建筑外加剂或将外加剂的组分释放到作业现场。

如果在块658，系统处于“配置”模式，则处理可以继续至块678，在块678可以接收作业规范或一组性能需求。在块680，系统可以访问一组输入、变量或映射，这些输入、变量或映射描述了可用组分如何影响块678中所述的参数(该信息也可以或可替代地并入模型/AI/ML算法)。

在块682，系统可以应用人工智能、机器学习算法或模型，以基于在块678接收的参数生成建筑外加剂。优化逻辑可以应用算法或模型来生成一个或多个如上所述的输出建筑外加剂。

在一些实施例中，可以连续应用AI/ML/模型，直到接收到快速停止命令。在这些实施例中，优化逻辑可以在继续在AI/ML/模型上运行预定的迭代次数、预定的时间段，或者直到所确定的制造混合物的特征在作业规范的预定阈值范围内。也可以应用其他停止条件。

在满足停止条件后，处理可以继续至块684，在块684，系统确定是否评估在块682生成的建筑外加剂。如果是，处理可以返回到块662，并且系统可以对建筑外加剂进行仿真。如果不是，则处理可以继续至块686，在块686，建筑外加剂可以被输出(例如，到网络、存储器或显示器)。可以选择(或者，在单一建筑外加剂的情况下，可以批准)使用一种建筑外加剂，并且处理可以继续至块672，在块672，可发送建筑外加剂以用于混合。

上述方法可以体现为计算机可读介质上的指令或计算架构的一部分。图7示出了适于实现如前所述的各种实施例的示例性计算架构700的实施例。在一个实施例中，计算架构700可以包括电子设备，例如计算机701，或者实现为电子设备的一部分。实施例不限于该上下文。

如在本申请中所使用的，术语“系统”和“数字组件”旨在指计算机相关的实体，可以是硬件、硬件和软件的组合、软件或执行中的软件，其示例由示例性计算架构700提供。例如，数字组件可以是但不限于在处理器上运行的进程、处理器、硬盘驱动器、多个存储驱动器(光和/或磁存储介质)、对象、可执行文件、执行线程、程序和/或计算机。举例来说，运行在服务器上的应用程序和服务器都可以是数字组件。一个或多个数字组件可以驻留在进程和/或执行线程中，并且数字组件可以位于一台计算机上和/或分布在两台或多台计算机之间。此外，数字组件可以通过各种类型的通信介质彼此通信耦合，以协调操作。协调可能涉及单向或双向信息交换。例如，数字组件可以以通过通信介质传送的信号的形式传送信息。该信息可以实现为分配给各种信号线的信号。在这种分配中，每条消息都是一个信号。然而，进一步的实施例可以可替代地采用数据消息。这种数据消息可以通过各种连接发送。示例性连接包括并行接口、串行接口和总线接口。

计算架构700包括各种通用的计算元件，例如一个或多个处理器、多核处理器、协处理器、存储器单元、芯片组、控制器、外围设备、接口、振荡器、定时设备、视频卡、声卡、多媒体输入/输出(I/O)组件、电源等等。然而，实施例不限于由计算架构700实现。

如图7所示，计算架构700包括处理单元702、系统存储器704和系统总线706。处理单元702可以是各种市售处理器中的任何一种，包括但不限于

和

处理器；

应用程序、嵌入式和安全处理器；

和

和

处理器；IBM和

处理器；

Core(2)

和

处理器；以及类似的处理器。双微处理器、多核处理器和其他多处理器架构也可以用作处理单元702。

系统总线706为系统组件(包括但不限于系统存储器704)提供到处理单元702的接口。系统总线706可以是几种类型的总线结构中的任何一种，这些总线结构可以进一步互连到存储器总线(具有或不具有存储器控制器)、外围总线以及使用各种商用总线架构中的任何一种的本地总线。接口适配器可经由插槽架构连接到系统总线706。示例插槽架构可以包括但不限于加速图形端口(AGP)、卡总线、(扩展)行业标准体系结构((E)ISA)、微通道架构(MCA)、NuBus、外围组件互连(扩展)(PCI(X))、PCI Express、个人计算机存储卡国际协会(PCMCIA)等。

计算架构700可以包括或实现各种制造品。制造品可以包括用于存储逻辑的计算机可读存储介质。计算机可读存储介质的示例可以包括能够存储电子数据的任何有形介质，包括易失性存储器或非易失性存储器、可移动或不可移动存储器、可擦除或不可擦除存储器、可写或可重写存储器等。逻辑的示例可以包括使用任何合适类型的代码(例如源代码、编译代码、解释代码、可执行代码、静态代码、动态代码、面向对象代码、可视代码等)实现的可执行计算机程序指令。实施例还可以至少部分地实现为包含在非暂时性计算机可读介质中或其上的指令，该指令可以由一个或多个处理器读取和执行，以实现本文所述的操作的执行。

系统存储器704可以包括一个或多个高速存储器单元形式的各种类型的计算机可读存储介质，例如只读存储器(ROM)、随机存取存储器(RAM)、动态RAM(DRAM)、双数据速率DRAM(DDRAM)、同步DRAM(SDRAM)、静态RAM(SRAM)、可编程ROM(PROM)、可擦除可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)、闪存、聚合物存储器，诸如铁电聚合物存储器、双向(ovonic)存储器、相变或铁电存储器、氧化硅-氮化物-氧化硅-硅(SONOS)存储器、磁卡或光卡、设备阵列，诸如独立磁盘冗余阵列(RAID)驱动器、固态存储器设备(例如USB存储器、固态驱动器(SSD))和任何其他类型的适合存储信息的存储介质。在图7所示的实施例中，系统存储器704可以包括非易失性存储器708和/或易失性存储器710。基本输入/输出系统(BIOS)可以存储在非易失性存储器708中。

计算架构700可以包括一个或多个低速存储单元形式的各种类型的计算机可读存储介质，包括内部(或外部)硬盘驱动器(HDD)712、从可移动磁盘716读取或向其写入的磁软盘驱动器(FDD)714、以及从可移动光盘720(例如，CD-ROM或DVD)读取或向其写入的光盘驱动器718。HDD 712、FDD 714和光盘驱动器720可以分别通过HDD接口722、FDD接口724和光盘驱动器接口726连接到系统总线706。用于外部驱动器实现的HDD接口722可以包括通用串行总线(USB)和IEEE 694接口技术中的至少一种或两种。

驱动器和相关联的计算机可读介质提供数据、数据结构、计算机可执行指令等的易失性和/或非易失性存储。例如，多个程序模块可以存储在驱动器和存储器单元708、712中，包括操作系统728、一个或多个应用程序730、其他程序模块732和程序数据734。在一个实施例中，一个或多个应用程序730、其他程序模块732和程序数据734可以包括例如消息传递系统500的各种应用和/或组件。

用户可以通过一个或多个有线/无线输入设备(例如键盘736)和定点设备(例如鼠标738)向计算机701输入命令和信息。其他输入设备可以包括麦克风、红外(IR)遥控器、射频(RF)遥控器、游戏垫、手写笔、读卡器、软件狗、指纹读取器、手套、图形板、操纵杆、键盘、视网膜读取器、触摸屏(例如，电容式、电阻式等)、轨迹球、轨迹板、传感器、触控笔等。这些和其他输入设备通常通过耦合到系统总线706的输入设备接口740连接到处理单元702，但是也可以通过其他接口连接，例如并行端口、IEEE 694串行端口、游戏端口、USB端口、IR接口等。

监视器742或其他类型的显示设备也经由接口(例如视频适配器744)连接到系统总线706。监视器742可以在计算机701的内部或外部。除了监视器742之外，计算机通常包括其他外围输出设备，例如扬声器、打印机等。

计算机701可以使用经由有线和/或无线通信到一个或多个远程计算机(例如远程计算机744)的逻辑连接在网络化环境中操作。远程计算机744可以是工作站、服务器计算机、路由器、个人计算机、便携式计算机、基于微处理器的娱乐设备、对等设备或其他公共网络节点，并且通常包括相对于计算机701描述的许多或所有元件，尽管为了简洁起见，仅示出了存储器/存储设备746。所描绘的逻辑连接包括到局域网(LAN)748和/或更大网络(例如广域网(WAN)750)的有线/无线连接。这种LAN和WAN网络环境在办公室和公司中很常见，并且有助于企业级的计算机网络，例如内部网，所有这些都可以连接到全球通信网络，例如互联网。

当在局域网网络环境中使用时，计算机701通过有线和/或无线通信网络接口或适配器752连接到局域网748。适配器752可以促进到局域网748的有线和/或无线通信，局域网748还可包括设置在其上的无线接入点，用于与适配器752的无线功能通信。

当在广域网网络环境中使用时，计算机701可以包括调制解调器754，或者连接到广域网750上的通信服务器，或者具有用于在广域网750上建立通信的其他装置，例如通过互联网。调制解调器754可以是内置或外置的以及有线和/或无线设备，其经由输入设备接口740连接到系统总线706。在网络化环境中，相对于计算机701或其部分描述的程序模块，可以存储在远程存储器/存储设备746中。应当理解，所示的网络连接是示例性的，并且可以使用在计算机之间建立通信链路的其他手段。

计算机701可操作以使用IEEE 802标准系列与有线和无线设备或实体进行通信，例如可操作地置于无线通信中的无线设备(例如，IEEE 802.13空中调制技术)。这至少包括Wi-Fi(无线保真)、WiMax和Bluetooth^TM等无线技术。因此，通信可以是与传统网络一样的预定义结构，或者仅仅是至少两个设备之间的自组织通信。Wi-Fi网络使用称为IEEE 802.13x(a、b、g、n等)的无线电技术来提供安全、可靠、快速的无线连接。Wi-Fi网络可用于将计算机相互连接、连接到互联网和有线网络(使用与IEEE 802.3相关的介质和功能)。

图8是描绘适于实现如前所述的各种实施例的示例性通信架构800的框图。通信架构800包括各种公共通信元件，诸如发射机、接收机、收发机、无线电、网络接口、基带处理器、天线、放大器、滤波器、电源等。然而，实施例不限于由通信架构800实现。

如图8所示，通信架构800包括一个或多个客户端802和服务器804。客户端802可实现客户端设备510。服务器804可实现服务器设备526。客户端802和服务器804可操作地连接到一个或多个相应的客户端数据存储806和服务器数据存储808，其可用于存储相应的客户端802和服务器804的本地信息，例如cookies和/或相关联的上下文信息。

客户端802和服务器804可以使用通信框架810在彼此之间传送信息。通信框架810可以实现任何已知的通信技术和协议。通信框架810可以实现为分组交换网络(例如，诸如因特网的公共网络、诸如企业内部网等的专用网络等)、电路交换网络(例如，公共交换电话网络)、或者分组交换网络和电路交换网络的组合(具有合适的网关和转换器)。

通信框架810可以实现各种网络接口，这些网络接口被布置成接受、传送和连接到通信网络。网络接口可以被认为是输入输出接口的一种特殊形式。网络接口可以采用连接协议，包括但不限于直接连接、以太网(例如，粗、细、双绞线10/100/1000Base T等)、令牌环、无线网络接口、蜂窝网络接口、IEEE802.8a-x网络接口、IEEE 802.16网络接口、IEEE802.20网络接口等。此外，多个网络接口可用于与各种通信网络类型进行连接。例如，可以采用多个网络接口来允许通过广播、多播和单播网络进行通信。如果处理需求要求更高的速度和容量，分布式网络控制器架构也可类似地用于池、负载平衡，并以其他方式增加客户端802和服务器804所需的通信带宽。通信网络可以是有线和/或无线网络中的任何一种和组合，包括但不限于直接互连、安全定制连接、专用网络(例如，企业内部网)、公共网络(例如，互联网)、个人局域网(PAN)、局域网(LAN)、城域网(MAN)、作为互联网节点的运行任务(OMNI)、广域网(WAN)、无线网络、蜂窝网络和其他通信网络。

上述设备的数字组件和特征可以使用分立电路、专用集成电路(ASIC)、逻辑门和/或单芯片架构的任意组合来实现。此外，在适当的情况下，可以使用微控制器、可编程逻辑阵列和/或微处理器或前述的任意组合来实现设备的特征。注意，硬件、固件和/或软件元件在本文中可以统称或单独称为“逻辑”或“电路”。

应当理解，上述框图中所示的示例性设备可以代表许多潜在实现的一个功能描述性示例。因此，附图中描述的块功能的划分、省略或包含并不意味着用于实现这些功能的硬件组件、电路、软件和/或元件必须被划分、省略或包含在实施例中。

至少一个计算机可读存储介质可以包括指令，当执行这些指令时，使得系统执行本文描述的任何计算机实现的方法。

一些实施例可以使用表述“一个实施例”或“实施例”及其派生词来描述。这些术语意味着结合实施例描述的特定特征、结构或特性包括在至少一个实施例中。短语“在一个实施例中”在说明书中不同地方的出现不一定都指同一实施例。此外，除非另有说明，否则认为上述特征可以以任何组合一起使用。因此，任何单独讨论的特征可以彼此结合使用，除非注意到这些特征彼此不兼容。

一般参考本文使用的符号和术语，本文的详细描述可以根据在计算机或计算机网络上执行的程序过程来呈现。本领域技术人员使用这些过程描述和表示来最有效地向本领域其他技术人员传达其工作的实质。

在本文中，过程通常被认为是导致期望结果的自洽操作序列。这些操作需要对物理量进行物理操作。通常，尽管不一定，这些量采取能够进行存储、传输、组合、比较和以其他方式操纵的电、磁或光信号的形式。事实证明，有时将这些信号称为位、值、元素、符号、字符、项、数字等是方便的，这主要是出于常用的原因。然而，应注意的是，所有这些和类似的术语都与适当的物理量相关联，并且仅仅是应用于这些量的方便标记。

此外，所执行的操作经常被称为诸如添加或比较之类的术语，这些术语通常与人工操作员执行的心理操作相关联。在本文描述的构成一个或多个实施例的一部分的任何操作中，在大多数情况下，人工操作员的这种能力不是必要的或不需要这种能力。相反，这些操作是机器操作。用于执行各种实施例的操作的有用机器包括通用数字计算机或类似设备。

一些实施例可以使用表述“耦合”和“连接”及其派生词来描述。这些术语不一定是彼此的同义词。例如，可以使用术语“连接”和/或“耦合”来描述一些实施例，以指示两个或更多个元件彼此直接物理或电接触。然而，术语“耦合”也可以表示两个或更多个元件彼此不直接接触，但是仍然彼此合作或相互作用。

各种实施例还涉及用于执行这些操作的装置或系统。该装置可以为所需目的而专门构造，也可以包括存储在该计算机中的计算机程序选择性激活或重新配置的通用计算机。本文呈现的过程与特定的计算机或其他装置没有内在的联系。各种通用机器可以与根据本文的教导编写的程序一起使用，或者可以方便地构造更专门的设备来执行所需的方法步骤。根据所提供的描述，这些机器所需的结构将显现出来。

需要强调的是，提供本公开的摘要是为了使读者快速确定技术公开的本质。提交本申请是基于这样的理解，即本申请将不用于解释或限制权利要求的范围或含义。此外，在前面的详细描述中，可以看出，为了简化本公开，在单个实施例中将各种特征组合在一起。本公开的方法不应解释为反映所要求保护的实施例需要比每个权利要求中明确陈述的特征更多的特征的意图。相反，如以下权利要求所反映的，本发明的主题不在于单个公开实施例的所有特征。因此，以下权利要求在此并入详细说明，每个权利要求作为单独的实施例独立存在。在所附权利要求书中，术语“包括”和“在其中”分别用作相应术语“包含”和“其中”的简明英语对等词。此外，术语“第一”、“第二”、“第三”等仅用作标记，并不旨在对其对象强加数字要求。

上面描述的包括所公开的架构的示例。当然，不可能描述数字组件和/或方法的每一种可能的组合，但是本领域的普通技术人员可以认识到，许多其他的组合和排列是可能的。因此，这种新架构旨在包含落入所附权利要求书的精神和范围内的所有这样的变更、修改和变化。

Claims (20)

1.一种非暂时性计算机可读介质，存储有指令，所述指令在被一个或多个处理器执行时，使所述一个或多个处理器：

接收建筑组合物的作业规范，所述组合物包括建筑混合料和建筑外加剂，所述建筑外加剂被配置为添加到所述建筑混合料中以改变所述建筑组合物的一个或多个特性，所述作业规范指定了对所述建筑组合物的一个或多个性能需求；

访问影响所述建筑组合物的一个或多个特性的一组输入；

向预测模型提供所述作业规范和一组组分；

使用所述预测模型，以程序方式确定满足或接近所述作业规范的所述性能需求的至少一种建筑外加剂，其中所述建筑外加剂包括以确定的比例混合的多种组分；以及

输出至少一种确定的建筑外加剂。

2.根据权利要求1所述的介质，还存储用于产生所述确定的建筑外加剂的指令，所述产生所述确定的建筑外加剂包括：

将用于所述建筑外加剂的多种组分添加到所述建筑混合料中以产生所述建筑组合物，并使所述建筑组合物被运送到作业现场；

与所述建筑混合料分开产生所述确定的建筑外加剂，并使所述确定的建筑外加剂被运送到所述作业现场；或

组装用于所述建筑外加剂的组分，并使所述组分被运送到所述作业现场。

3.根据权利要求1所述的介质，其中，所述建筑外加剂选自沥青外加剂、混凝土外加剂、灌浆外加剂或砂浆外加剂的组。

4.根据权利要求1所述的介质，其中，所述作业规范包括所述建筑组合物的塑性或硬化特性中的一种或多种。

5.根据权利要求1所述的介质，还存储用于接收一个或多个所述性能需求的优先级并考虑所述优先级的指令。

6.根据权利要求1所述的介质，其中，所述一组输入包括先前建筑组合物性能、工厂特定的建筑组合物性能、可用的材料、实时传感器读数、周围环境条件、作业特定信息或承包者需求中的一种或多种。

7.根据权利要求1所述的介质，还存储用于以下的指令：

输出接近所述作业规范的所述性能需求的多种建筑外加剂；

对所述多种建筑外加剂中的每一种运行仿真，以预测每种相应建筑外加剂的预期性能；以及

输出所述每种相应建筑外加剂的预期性能。

8.根据权利要求7所述的介质，还存储用于选择所述多种建筑外加剂彼此不同的一个或多个性能特征的指令，所述一个或多个性能特征没有被指定为所述作业规范的一部分，以及基于所选择的性能特征输出所述多种建筑外加剂的比较。

9.根据权利要求1所述的介质，还存储用于以下的指令：

接收所述一组输入被改变的通知；以及

基于所述通知重新优化所述确定的建筑外加剂。

10.根据权利要求9所述的介质，其中所改变的输入包括一组与首次确定建筑外加剂时可用的材料不同的可用材料。

11.一种计算机实现的方法，包括：

接收建筑组合物的作业规范，所述建筑组合物包括建筑混合料和建筑外加剂，所述作业规范指定了所述建筑组合物的一个或多个特征，所述建筑外加剂代表被配置为在作业现场应用所述建筑组合物之前添加到所述建筑混合料中的一个或多个组分；

访问包括多个组分的组分库，每个组分为所述建筑混合料或建筑外加剂提供期望的功能特征；

基于所述作业规范将人工智能应用于所述组分库以选择组分的组合，从而产生为所述作业规范要实施的确定的建筑外加剂；以及

输出所述确定的建筑外加剂。

12.根据权利要求11所述的方法，其中所述组分库由较大库的子集组成。

13.根据权利要求11所述的方法，其中所述组分被划分成多种类别，所述类别包括分散剂、凝固改性剂、空气控制剂、强度增加剂、和易性保持剂和流变改性剂中的一种或多种。

14.根据权利要求11所述的方法，还包括针对所述组分中的一个或多个识别以下特性中的至少之一：

操作范围；

副作用；

正相互作用；或

负相互作用。

15.根据权利要求11所述的方法，还包括基于用户现场处的变化的条件实时调整组分的比例或建筑外加剂的量。

16.一种装置，包括：

非暂时性计算机可读存储介质，其存储用于机器学习算法的逻辑，所述机器学习算法配置为选择原材料和配置为添加到预定义建筑组合物的组分的附加组合；

硬件接口，配置为接收训练数据，所述训练数据包括第一建筑组合物和所述第一建筑组合物的相关性能特征；以及

硬件处理器电路，配置为：

基于所述训练数据训练所述机器学习算法；

经由所述接口接收新建筑组合物的一个或多个性能需求，以及

利用所述机器学习算法，基于接收到的性能需求选择原材料和组分的新附加组合，

其中使用所述接口输出所述新建筑组合物。

17.根据权利要求16所述的装置，其中，所述机器学习算法配置为优先考虑性能因素而不是成本因素。

18.根据权利要求16所述的装置，其中，所述处理器还被配置为：

接收所述新建筑组合物的性能的报告；以及

基于所述新建筑组合物的性能重新训练所述机器学习算法。

19.根据权利要求16所述的装置，其中，所述性能需求包括和易性、可泵性和可修整性中的一种或多种。

20.根据权利要求16所述的装置，其中，所述机器学习算法适应环境条件、交付距离、交付时间、放置方法或承包者人员中的一种或多种。

Images