Progetto ASeMP: Monitoraggio predittivo delle strutture in acciaio con l'Intelligenza Artificiale

Harpaceas e il progetto ASeMP

ASeMP (Analisi Strutturali e Monitoraggio Predittivo) è un progetto promosso da Harpaceas, che mira a proporre un flusso di lavoro efficiente per la progettazione e la manutenzione delle strutture in acciaio utilizzando un approccio integrato che combina software di modellazione avanzata, intelligenza artificiale e sensoristica IoT.

Harpaceas, un'azienda leader nel campo delle soluzioni tecnologiche per il settore delle costruzioni, ha promosso il progetto ASeMP - Analisi Strutturali e Monitoraggio Predittivo, nell’ambito del Bando SI4.0 di Regione Lombardia e Unioncamere Lombardia.

Questa iniziativa mira a proporre un flusso di lavoro efficiente per la progettazione e la manutenzione delle strutture in acciaio.

ASeMP si basa sull'uso di software di modellazione strutturale BIM di fama internazionale, simulazioni di crollo, e sensori IoT per monitorare e prevedere le condizioni delle strutture, contribuendo così a prevenire potenziali criticità e aumentare la sicurezza delle infrastrutture. Per garantire il successo del progetto Harpaceas ha coinvolto un team multidisciplinare di consulenti esperti, tra cui ingegneri strutturali, Binoocle, azienda esperta nello sviluppo di algoritmi di intelligenza artificiale e Tokbo, specialisti nello sviluppo hardware e software di sensoristica IoT.

Background e necessità del progetto

Attualmente non si possiedono dati sufficienti sulle strutture in acciaio che collassano, come ad esempio ponti che crollano, e non si conosce con certezza la loro sicurezza nel tempo. Questo vuoto informativo rappresenta un rischio significativo per l'integrità delle infrastrutture e la sicurezza pubblica. È qui che entra in gioco il progetto ASeMP.

In Italia, negli ultimi decenni ci sono stati diversi incidenti significativi. Secondo uno studio condotto da Carlo Castiglioni e Alessandro Menghini del Politecnico di Milano, in Italia ci sono circa 1,900 ponti ad altissimo rischio strutturale, dei quali almeno 23 a rischio crollo.

“I parametri per un intervento rapido si basano essenzialmente sull’età delle strutture e sui lavori richiesti o annunciati” (Il Tempo, 2018).

A livello globale, l'American Society of Civil Engineers (ASCE) nel suo report "2021 Infrastructure Report Card" stima che circa il 7.5% (circa 46,154) dei ponti negli Stati Uniti sia considerato strutturalmente carente, e afferma l’urgenza di dover creare un piano di manutenzione programmata, altrimenti nei prossimi 50 anni il deterioramento diventerà irreversibile.

Questi incidenti evidenziano l'urgenza di migliorare il monitoraggio e la manutenzione delle infrastrutture esistenti.

Proprio a causa di queste criticità, il settore della manutenzione predittiva delle infrastrutture in Italia è in forte crescita, il Governo ha stanziato oltre 2 miliardi di euro per la messa in sicurezza di ponti e viadotti, tramite utilizzo di tecnologie innovative come ad esempio sensoristica IoT per monitorare in tempo reale lo stato di salute delle infrastrutture, Intelligenza Artificiale, algoritmi per analisi dati e previsione di anomalie e rilievi tramite drone, per ispezionare punti difficilmente accessibili.

Tecnologie in campo: i sensori Tokbo

Il progetto ASeMP si avvale della tecnologia hardware e software fornita da Tokbo, che offre un approccio innovativo alla manutenzione predittiva mediante un monitoraggio remoto, completo e continuo, reso possibile dalla digitalizzazione delle giunzioni bullonate.

La soluzione si traduce in un network di sistemi di fissaggio sensorizzati, distribuiti sull’asset in posizioni significative, connessi ad un gateway accentratore che trasmette con tecnologia LTE, lo stato tensionale, frequenze di vibrazione, dati accelerometrici ed inclinometri. Attraverso la piattaforma cloud, i dati elaborati con ML e le notifiche automatiche vengono esposte a beneficio dei decision makers.

L’open architecture, caratteristica di Tokbo, migliora l’interazione e la sinergia con altri sistemi di monitoraggio o applicativi per SHM e Digital Twins, permettendo l’estrazione di insight e valore dai dati al fin di realizzare un assessment real-time della vita utile delle strutture, a beneficio di un maggior livello di sicurezza ed efficientamento della manutenzione.

Grazie a questa caratteristica, il progetto ASeMP ha sviluppato un collegamento diretto tramite plug-in tra la piattaforma di monitoraggio Tokbo e Tekla, un software di modellazione strutturale BIM, aggiungendo così al flusso di lavoro la componente 3D e l'interoperabilità del processo orientato al BIM per le costruzioni. Inoltre, si è intervenuti anche sull'algoritmo di intelligenza artificiale, perfezionando l'algoritmo di monitoraggio avanzato già presente nel sistema Tokbo e aggiungendo la capacità di prevedere l'andamento futuro delle deformazioni grazie ai dati provenienti dalle strutture sollecitate in software di calcolo strutturale.

Obiettivi del Progetto

In questo panorama di soluzioni tecnologiche, il progetto ASeMP vuole proporre un approccio integrato per il monitoraggio continuo delle infrastrutture, rispondendo all’esigenza di acquisire e saper leggere dati precisi sul deterioramento nel tempo delle strutture in acciaio, per garantire la loro sicurezza e intervenire preventivamente per evitare disastri, riducendo il rischio di ammaloramenti.

Gli obiettivi specifici di progetto sono:

• Sviluppare una soluzione integrata: creare una commistione tecnologica che combina modelli BIM interoperabili, simulazioni strutturali, sensori IoT e intelligenza artificiale per monitorare in tempo reale le condizioni delle strutture in acciaio.

• Utilizzare un approccio multidisciplinare: integrare competenze di programmazione, progettazione e calcolo strutturale, intelligenza artificiale, e tecnologie IoT.

• Monitorare in modo predittivo: utilizzare i dati raccolti dai sensori per prevedere potenziali problemi strutturali, consentendo interventi di manutenzione predittiva e aumentando la sicurezza e l'efficienza delle infrastrutture.

• Estensione della vita delle strutture: implementare un sistema che permetta di proiettare i dati nel futuro per creare andamenti di deformazione nel tempo, migliorando la capacità predittiva e posticipando l'end of life delle infrastrutture.

• Promozione della sicurezza: contribuire a ridurre il rischio di fenomeni di degrado e deformazioni infrastrutturali, come dimostrato dai dati ISTAT che evidenziano un aumento degli incidenti legati a strutture obsolete o mal mantenute.

Metodologia

L’idea progettuale è basata sull’utilizzo del sistema Tokbo, che prevede il posizionamento di sensori sulle connessioni bullonate di strutture in acciaio, in grado di monitorare e mostrare tramite una piattaforma online molteplici dati, tra cui la temperatura, l’inclinazione e la forza del serraggio dei bulloni.

Questi ultimi tre parametri sono quelli presi in considerazione nelle analisi strutturali di ASeMP.

L’iniziativa si propone quindi sia di fornire al sistema Tokbo delle soglie di allarme e dei dati predittivi riguardo l’andamento delle deformazioni nel tempo, e sia di supportare e migliorare il posizionamento dei sensori nelle strutture (che in media rappresentano il 5 - 10% delle giunzioni bullonate).

Le attività specifiche che permetteranno di raggiungere questi obiettivi sono:

• Modellazione strutturale BIM: sviluppo di un plug-in all’interno di Tekla Structures, che fornisca il componente 3D del bullone sensorizzato, e permetta di visualizzare i dati di monitoraggio in tempo reale, richiamandoli direttamente dalla piattaforma proprietaria di Tokbo. Utilizzando Tekla, sarà quindi possibile avere un grande livello di interoperabilità di questi dati grazie all’esportazione in IFC.

• Analisi strutturali e produzioni di dati e soglie di allarme: per ovviare al fatto che non si posseggono dati reali di strutture al collasso, si è pensato di utilizzare software di modellazione strutturale per simulare i crolli. Queste simulazioni vengono eseguite su modelli di una struttura semplice, e consentono di replicare diverse condizioni variando molteplici parametri, in modo da formare un set di dati e di casistiche per l’AI e analizzando il comportamento dei nodi e bulloni sotto stress. Insieme a questa attività, vengono anche individuate delle soglie di allarme, cioè dei limiti ammissibili e non, per le deformazioni dei nodi. Le simulazioni sono basate sulle variabili che registra il sistema Tokbo, cioè la temperatura, l’inclinazione e la forza di serraggio.

• Algoritmo di intelligenza artificiale: le serie di dati prodotte dalle analisi strutturali vengono utilizzate per creare una funzione di sopravvivenza con soglie di allarme specifiche che andranno ad addestrare la piattaforma Tokbo nell’identificare anomalie e criticità strutturali future.

• Predittività delle deformazioni nel tempo: con l'accumulo di dati da ulteriori casistiche e dal monitoraggio reale delle strutture, ASeMP mira a creare andamenti di deformazione nel tempo. Questo significa che il sistema sarà in grado di prevedere come si comporteranno le strutture in futuro, identificando possibili problemi molto prima che diventino critici. L'obiettivo finale è avere un sistema totalmente predittivo, che consenta una manutenzione proattiva e una gestione efficiente delle infrastrutture.

In un contesto nazionale e globale dove l’invecchiamento e il crollo di ponti e strutture rappresenta una minaccia tangibile, il progetto ASeMP rappresenta un passo avanti nella gestione delle strutture in acciaio, combinando tecnologia avanzata e innovazione per garantire infrastrutture più sicure e durature.

Con il supporto di Harpaceas e l’integrazione della piattaforma Tokbo, il progetto pone le basi per la definizione di best practices nel settore della manutenzione predittiva, introducendo un nuovo standard per la sicurezza e l’efficienza delle infrastrutture.

Pensando a future direzioni da intraprendere, un punto fondamentale da implementare è l'aumento delle informazioni disponibili attraverso più calcoli strutturali. Un numero maggiore di simulazioni, casistiche e soglie temporali migliorerà la capacità predittiva del sistema, offrendo una visione sempre più accurata e in tempo reale delle condizioni strutturali. Questo permetterà di calcolare gli andamenti futuri di deformazione, riducendo la necessità di interventi straordinari e prolungando la vita utile delle strutture, in un’ottica di sostenibilità ed efficienza.