Come il settore edile può trarre vantaggio dall’intelligenza artificiale

Come dimostra l’ultimo racconto sulle innovazioni, le imprese edili sono relativamente restie a utilizzare le nuove tecnologie. Oltre al Building Information Modeling (BIM), ai Big Data e alle realtà virtuali, è soprattutto l’intelligenza artificiale a rappresentare una tecnologia promettente per il settore dell’edilizia. Il tipo più conosciuto di intelligenza artificiale è l’apprendimento automatico, chiamato anche IA debole. Nell’apprendimento automatico, al computer vengono forniti dati come tabelle numeriche, testi, immagini, video, ecc. I dati vengono analizzati da un algoritmo di apprendimento in modo da identificare oggetti e connessioni. Se si mostra ad esempio a un computer migliaia di immagini di uccelli, imparerà con il tempo a distinguere le diverse specie.

L’apprendimento automatico ha già fatto il suo ingresso nel settore dell’edilizia. Grazie alle telecamere e all’apprendimento automatico, un computer è in grado già oggi di distinguere decine di attività e manovre sul cantiere e di assegnarle a determinate fasi di lavoro o professioni. I computer sono anche in grado di rilevare danni come ad esempio crepe sugli edifici e nelle strade e di valutare con quale urgenza devono essere riparate.

Per un’impresa edile non è sempre facile effettuare una stima attendibile dei costi di costruzione di un edificio.  A seconda del contratto, potrebbe non essere possibile addebitare eventuali costi aggiuntivi al committente. Errori grossolano nelle stime possono quindi incidere sui profitti di un’impresa edile. I due ricercatori statunitensi Rafiei e Adeli hanno sviluppato un cosiddetto modello di apprendimento automatico non controllato: il modello viene rifornito di dati economici (indicatori quali prezzi dei materiali da costruzione, erogazione di ipoteche, inflazione, domande di costruzione, ecc.) e dei costi di precedenti progetti di costruzione. Anche se i ricercatori stabiliscono l’obiettivo, ossia di prevedere i costi di costruzione nel modo più affidabile possibile, il modello non è tuttavia controllato, perché i ricercatori non stabiliscono il percorso per raggiungere l’obiettivo. Non sono loro a programmare un algoritmo, ma è il computer stesso a riconoscere i modelli nei dati per stimare i costi nel modo più affidabile possibile. Il computer ha sviluppato modelli sia semplici che complessi. I modelli complessi richiedono più dati, ma sono in grado di prevedere i costi di costruzione con una precisione compresa tra il 95% e il 100%. I modelli semplici richiedono solo 27 indicatori per stimare i costi con un’affidabilità di circa il 90%. In altre parole, i costi effettivi di costruzione sono risultati nel peggiore dei casi superiori del 10% alle previsioni. Con un modello simile è inoltre possibile stimare il prezzo di vendita di un edificio ancor prima dell’inizio della costruzione. Così le imprese di costruzione possono stimare tempestivamente e in modo realistico i loro profitti relativi a un progetto di costruzione. Altri modelli sono utili per prevedere i flussi di cassa per l’intero periodo di progettazione e costruzione degli edifici. In questo modo le imprese di costruzione possono individuare tempestivamente eventuali ristrettezze finanziarie.

Imprese come l’azienda inglese nPlan utilizzano l’intelligenza artificiale e l’apprendimento automatico per supportare l’ottimizzazione della pianificazione progettuale attraverso la simulazione continua di milioni di alternative per lo svolgimento del progetto. I dati storici come le date di inizio e fine pianificate e i costi sono usati dai modelli predittivi per prevedere tempistiche e costi totali realistici per i progetti futuri. Il piano generale del progetto può quindi essere sempre adattato alle condizioni più recenti.

Le moderne tecnologie consentono di individuare i rischi per la sicurezza e prevenire tempestivamente gli incidenti per tutelare la salute dei lavoratori edili. Studi condotti negli USA dimostrano ad esempio che il 40% dei lavoratori del settore edilizio statunitense soffre di stanchezza eccessiva. La stanchezza eccessiva porta a una minore concentrazione, a una valutazione errata dei rischi e a una riduzione dei tempi di reazione. Esistono varie possibilità tecniche per controllare la stanchezza dei lavoratori edili. I normali sensori al polso monitorano il battito cardiaco o la riserva di frequenza cardiaca, ma rilevano solo al 50% il grado di stanchezza in maniera corretta. Moderni sensori applicati all’avambraccio misurano invece l’assorbimento di ossigeno e controllano l’attività muscolare del braccio. In questo modo sono in grado di rilevare correttamente il grado di stanchezza in misura superiore al 90%. Con un approccio diverso, delle telecamere montate nei cantieri registrano continuamente video dei lavoratori edili e un modello computerizzato analizza la loro stanchezza fisica in tempo reale. Il modello computerizzato è perfino in grado di distinguere la stanchezza a seconda della parte del corpo. In questo modo è possibile creare un sistema di allarme precoce e prevenire gli incidenti.

Posture o movimenti errati sono spesso causa di danni temporanei o permanenti a muscoli e ossa. Se si scende una scala troppo in fretta, si può scivolare e cadere. L’intelligenza artificiale è stata utilizzata per analizzare video e immagini in cui si vede come i lavoratori edili salgono e scendono le scale e l’afferrano con le mani. In oltre l’80% dei casi l’intelligenza artificiale ha riconosciuto correttamente se il movimento corrispondente sulla scala porta ad un incidente.

Sollevare carichi pesanti da una posizione errata può danneggiare la schiena. In combinazione con dei sensori corporei corrispondenti, l’intelligenza artificiale è in grado di rilevare nel 75%-99% del tempo in maniera continua il modo in cui un lavoratore edile cambia la propria postura e deambulazione portando dei mattoni e se mantiene la corretta postura ergonomica.

In Svizzera il 45% dell’energia viene consumata dal parco immobiliare, di cui il 70% è da attribuire al riscaldamento mentre il resto è in gran parte utilizzato come corrente elettrica. Per proteggere l’ambiente e il portafoglio, i progettisti e ingegneri possono fare ricorso alle cosiddette simulazioni di «Building Performance». Basandosi su parametri fisici, questi modelli computerizzati calcolano ad esempio il fabbisogno energetico di un edificio progettato. In questo modo, un progettista può modificare il numero e la disposizione dei locali o scegliere altri materiali da costruzione per ottimizzare il fabbisogno energetico per il riscaldamento o il raffreddamento dell’edificio. Le simulazioni di Building Performance considerano l’edificio nella sua interezza e sono quindi molto complesse e impegnative per il progettista. Inoltre, devono essere continuamente adattate per ogni singolo edificio. Tutto questo richiede tempo. Uno studio scientifico ha dimostrato che tali modelli impiegano circa 573 secondi (9,5 minuti) per confrontare 100 diversi progetti di edifici.

Come alternativa si può puntare sull’apprendimento automatico basato sui componenti. In questo caso le proprietà termiche di singoli componenti, come una parete, un soffitto o una stanza, vengono calcolate singolarmente e poi assemblate. In questo modo è possibile ridurre il tempo di calcolo per 100 progetti di edifici a 0,45 secondi (0,0075 minuti). L’apprendimento automatico è quindi 1’300 volte più veloce dei modelli computerizzati convenzionali. Con esso i progettisti possono quindi confrontare molti più progetti di edifici in molto meno tempo per trovare il progetto ottimale in termini di efficienza energetica.

L’apprendimento automatico usa dati energetici e termici misurati di altre costruzioni. Ciononostante si ottiene quasi la stessa precisione di previsione come con le simulazioni di Building Performance. In base alle simulazioni, l’apprendimento automatico raggiunge un’affidabilità del 98% per stimare il fabbisogno energetico per il raffreddamento degli edifici e dell’85% per il fabbisogno energetico per il riscaldamento. Si tratta di miglioramenti per la fase di progettazione della costruzione dell’edificio. Se l’edificio è già stato costruito e utilizzato, l’apprendimento automatico può aiutare a prevedere il consumo energetico durante il funzionamento. Tali modelli previsionali possono stimare con un anno di anticipo il fabbisogno energetico per una data precisa con un’affidabilità superiore all’80%.

Potete scoprire di più sulle tendenze e le innovazioni del settore edile svizzero con l’aiuto del radar di tendenza della SSIC.