Syyt betonin korkeisiin ilmamääriin selviämässä

Aalto-yliopistossa tehty tutkimus osoitti, että sekoitusprosessin teholla on suuri merkitys, kun valmistuksessa käytetään uudempia notkistavia lisäaineita.

Kesällä 2016 Suomessa havaittiin ongelmia säänkestävien betonirakenteiden puristuslujuuksissa, ja muun muassa juuri valettu rautatiesilta Kemijärvellä jouduttiin purkamaan. Yhdeksi merkittäväksi syyksi lujuusongelmiin havaittiin betonin kohonnut ilmamäärä.

Betonin ilmamäärä nostetaan betoniasemalla tapahtuvassa valmistusprosessissa noin 6 prosenttiin sen pakkasenkestävyyden parantamiseksi. Joissain tilanteissa betonin ilmamäärän on havaittu olevan selvästi korkeampi, ja muutamissa kohteissa se on työmaalla noussut yli 10 prosenttiin. Betonialan toimijat halusivat löytää nopeasti ongelman syyn ja pyysivät apua Aalto-yliopiston rakennustekniikan laitokselta.

”Teimme alkuvuonna 2017 suuren määrän laboratoriokokeita, joissa selvitimme betonin ominaisuuksien ja betonin lisäaineiden vaikutuksia betonin ilmamäärän stabiilisuuteen asemalla tapahtuvan sekoitusprosessin jälkeen”, kertoo Robust Air -tilaustutkimusta vetänyt betonitekniikan professori Jouni Punkki.

”Laboratoriokokeissa simuloitiin käytännön tilannetta, jossa betonia sekoitetaan betoniautossa työmaalla. Kokeissa mitattiin selvästi kohonneita ilmamääriä, kun betonia sekoitettiin 30 minuutin tai 60 minuutin kohdalla varsinaisen, asemalla tapahtuvan sekoituksen jälkeen.”

Riski ilmamäärän nousemiseen riippuu betonin ominaisuuksista, kuten betonin notkeudesta.

Tulokset osoittivat, että uudemmat, polykarboksylaatti-pohjaiset notkistavat lisäaineet edellyttävät tehokasta, eli tarpeeksi pitkää betonin sekoitusprosessia. Mikäli sekoitusprosessi ei ole riittävän tehokas, ilmamäärää kasvattavat lisäaineet eli huokostimet toimivat vain osittain sekoituksen aikana ja ilman muodostuminen voi jatkua, kun betonia sekoitetaan työmaalla betoniautossa. Riski ilmamäärän nousemiseen riippuu betonin ominaisuuksista, kuten betonin notkeudesta. Notkeus helpottaa betonin käsittelyä, mutta lisää samalla selvästi riskiä ilmamäärän kohoamiseen verrattuna jäykempiin betoneihin. Myös eri lisäaineiden välillä havaittiin eroja.

”Ongelmat voidaan välttää, kun betonirakenteiden valmistusprosessiin kiinnitetään tarkempaa huomiota. Jatkossa myös betonin lisäaineita tulee kehittää niin, että tarvittavasta betonin ilmamäärästä muodostuisi mahdollisimman suuri osuus jo varsinaisen sekoituksen aikana. Lisäksi nykyiset betonin laadunvalvontakäytännöt ja betonin pakkasenkestävyyteen liittyvät määräykset kaipaavat kriittistä tarkastelua”, Punkki muistuttaa.

Tutkimuksen tilasivat ja rahoittivat Liikennevirasto, Betoniteollisuus ry, seitsemän lisäainetoimittajaa sekä kolme valmisbetonitoimittajaa. Tutkimuksen loppuseminaari pidettiin 7. syyskuuta 2017.

Lisätietoja:

Professor of Practice Jouni Punkki
Aalto-yliopisto
p. 050 322 4155
[email protected]

 

 

 

  • Julkaistu:
  • Päivitetty:
Jaa
URL kopioitu

Lisää tästä aiheesta

Professor Ray Sterling
Tutkimus ja taide, Opinnot Julkaistu:

Professori Ray Sterling: Worldwide developments in urban underground planning

Katso tallenne Professori Sterlingin vierailuluennosta.
Falling Walls. Kuva: Mikko Raskinen.
Tutkimus ja taide Julkaistu:

Falling Walls -palkinto myönnettiin uraauurtavalle silmätutkimukselle

Tampereen yliopiston tutkijan Laura Koivusalon esittelemä sarveiskalvon sokeutta käsittelevä tutkimustyö sai pääpalkinnon Falling Walls -alkukilpailussa.
an electron microscope image showing a carbon nanotube on top of a substrate of graphene
Tutkimus ja taide Julkaistu:

Grafeenipohja parantaa hiilinanoputkiverkoston sähkönjohtavuutta

Aalto-yliopiston ja Wienin yliopiston tutkijat yhdistivät grafeenin ja yksiseinäiset hiilinanoputket läpinäkyväksi hybridimateriaaliksi. Uusi materiaali johtaa sähköä paremmin kuin kumpikaan komponentti yksinään.
Iiris Sundin katselee taivaalle Laajalahden lintutornilla
Tutkimus ja taide, Opinnot Julkaistu:

Kun lääkäri ja tekoäly saadaan yhteistyöhön, potilas saa parempaa hoitoa

Tohtorikoulutettava Iiris Sundinin tutkimuksissa koneoppimismalli pääsee hyödyntämään lääkärin hiljaista tietoa, joka jää yleensä kirjoittamatta ylös. Tällainen malli ennustaa paremmin, miten tietty potilas reagoi tietynlaiseen hoitoon.