Il 28 novembre 2024, nella cornice dei Magazzini del Cotone di Genova, ETS è salita sul podio dei finalisti per il premio degli ITA Tunnelling Award 2024, nella sezione “Innovazioni tecniche dell’anno”, grazie allo sviluppo di MIRET-Tunnel AI: una metodologia, un ambiente informatico e una serie di strumenti per la pianificazione e la gestione di infrastrutture e gallerie, finalizzati a una gestione innovativa degli asset, capace di costruire un quadro completo e digitalizzato dell’intero ciclo di vita della galleria, dall’ispezione degli elementi al processo decisionale. Dal 2015, questo concorso internazionale cerca e premia i risultati notevoli nel tunnelling e nell’industria del sottosuolo.
Organizzato dall’International Tunnelling and Underground Space Association, l’evento mette in mostra i progetti sotterranei più ambiziosi di tutto il mondo e le ultime innovazioni, le tecniche e i metodi di scavo. Le infrastrutture sotterranee da sempre stimolano l’ingegno umano e sfidano tecnologia e scienza, affinché sia possibile realizzare alternative strategiche all’urbanizzazione e velocizzare i trasferimenti e il trasporto, e l’Italia, a causa della sua conformazione orografica, è una delle nazioni europee a maggiore presenza di gallerie [1].
È facile quindi immaginare quanto sia cruciale e strategico per il Paese che la manutenzione e la sicurezza di questo patrimonio ingegneristico, anche alla luce dell’adattamento al cambiamento climatico, sia garantita e monitorata in modo strutturato e affidabile. È altrettanto intuitivo il vantaggio tecnico e gestionale che la tecnologia può e deve dare a questo settore: negli ultimi anni i sistemi di ispezione digitalizzati hanno confermato le proprie potenzialità e oggi è l’intelligenza artificiale a giocare la sfida più prestigiosa.
L’EVOLUZIONE DI MIRET IN MIRET-TUNNEL AI
MIRET (Management and Identification of the Risk for Existing Tunnels) è una metodologia che combina rilievi cartografici mobili, modelli digitali e analisi dei rischi in ambienti di lavoro condivisi, nell’ottica di una gestione puntuale, efficace e digitale del Life Cycle Management della galleria. Le ispezioni in situ sono eseguite con ARCHITA, un sistema di proprietà di ETS per la mappatura mobile multidimensionale delle gallerie che integra scanner laser, radar a penetrazione del terreno e telecamere lineari e termiche su un veicolo bimodale [2].
ARCHITA, grazie a una velocità di rilievo di 15-30 km/h, riduce i tempi di ispezione e la durata delle notti di interruzione del servizio e sposta la fase di ispezione dal campo al back-office, garantendo dati più affidabili ed efficienti in termini di costi e miglioramento della sicurezza per i lavoratori.
La fase successiva al rilievo dei dati “in situ” si avvale della loro digitalizzazione [3], e in particolare di:
- un gemello digitale geometrico di una galleria e la foto HD per il rilevamento dei difetti;
- foto HD che permette di mappare i difetti e di valutare le condizioni del rivestimento per una progettazione più efficiente;
- un approccio digitalizzato, che ha favorito l’integrazione dei sistemi di ispezione precedenti e di quelli nuovi;
- un’integrazione di modelli digitali e algoritmi ingegneristici per la valutazione del rischio.
Negli ultimi anni ETS ha lavorato per integrare l’utilizzo dell’intelligenza artificiale nel metodo MIRET, sviluppando MIRET-Tunnel AI, un software basato su algoritmi di IA, per il rilevamento dei difetti nelle strutture di rivestimento, che assiste gli utenti esperti nella pre-valutazione del rischio qualitativo associato alle strutture delle gallerie. Tale metodo, utilizzato dal 2023 per l’analisi di 82 gallerie (circa 50 km), è basato sull’approccio “deep learning” che sfrutta in particolare le reti neurali convoluzionali (CNN) ed è risultato, tra gli altri, il più promettente per la segmentazione automatica dei difetti in vari compiti di analisi delle immagini.
L’architettura dell’algoritmo che utilizza l’IA è strutturata nel riconoscimento dei seguenti parametri:
- classe di rivestimento (calcestruzzo/cemento armato; muratura; meccanizzato): tali materiali comportano diverse metodologie di costruzione, caratteristiche della superficie e anomalie rilevabili;
- classe di difetto (fessurazione, distacco, acqua) basate su modelli distinti: le fessure sono difetti lineari, mentre il distacco e l’acqua sono di tipo areale.
Riconoscere questi elementi può essere complesso, per questo motivo è necessaria la validazione da parte di un tecnico specializzato. Il software MIRET-Tunnel AI ottimizza il processo MIRET con una pre-valutazione, poi convalidata o modificata dagli operatori, riducendo tempi e costi. Grazie a dati univoci e condivisi in un modello aperto, facilita l’individuazione di difetti in galleria e collega efficacemente ispezioni, diagnostica, manutenzione e valutazione dei rischi. Lo sviluppo del sistema ha coinvolto diverse figure professionali (informatici, ingegneri del software specializzati nel campo dell’intelligenza artificiale, esperti di tunnelling), che lavorano quotidianamente in sinergia con gli ingegneri impegnati nelle attività di produzione e diagnostica delle gallerie.
ETS ha fatto della multidisciplinarietà del team di ricerca un punto di forza, incrociando e rinforzando una visione ampia e olistica dell’innovazione, che non dimentica gli aspetti relativi alla sostenibilità.
L’IMPORTANZA DELLA SOSTENIBILITÀ
L’approccio di Life Cycle Management delle gallerie ha un impatto significativo sulla gestione sostenibile degli asset, poiché la possibilità di avere a disposizione dati digitalizzati – sempre aggiornati e utili per un’analisi del rischio e delle priorità di intervento – permette la valorizzazione della resilienza dell’infrastruttura e la programmazione ottimizzata della sua manutenzione, anche rispetto agli effetti del cambiamento climatico. Il team ha inoltre lavorato fin dall’inizio implementando un’analisi quantitativa di tempi, costi ed emissioni di gas climalteranti del processo MIRET rispetto alle principali autorità di riferimento, seguendo l’approccio individuato dalle linee guida definite dalla ISO 14064 per l’analisi dell’impronta di carbonio.
La grande performance di MIRET (con una riduzione di almeno il 30-40% per tutti i parametri [4]) è stata ulteriormente rinforzata dall’introduzione di MIRET-Tunnel AI, grazie al ridimensionamento dei tempi necessari per l’analisi difettologica delle gallerie, che ha avuto un impatto significativo anche sui costi e sulle emissioni indirette di gas climalteranti. Con l’incremento delle competenze dei tecnici coinvolti si stima inoltre che questi parametri possano essere in continuo miglioramento. Rilevante è stata anche l’analisi dell’impatto sulla salute e sicurezza dei lavoratori dello spostamento in back-office di una buona parte delle attività di ispezione: la riduzione dei tempi ha permesso una minore esposizione dei lavoratori nel cantiere, oltre a una riduzione delle tempistiche di interruzione del servizio.
L’AI Act classifica come alto rischio l’IA nei software commerciali per infrastrutture critiche, imponendo obblighi specifici, e pur essendo MIRET-Tunnel AI un servizio interno a ETS, si adottano principi etici dell’AI Act per assicurare coerenza e validazione dei dati nel rispetto della normativa. Il riconoscimento ottenuto da MIRET-Tunnel AI e da ETS è il frutto della collaborazione, dell’entusiasmo e delle capacità tecniche dei professionisti che hanno partecipato al suo sviluppo, e costituisce oggi una milestone che ne qualifica positivamente il lavoro svolto.
Allo stesso tempo il team è stimolato a proseguire sulla strada del miglioramento continuo del servizio, affinché il panorama della manutenzione delle gallerie possa usufruire di strumenti di gestione sempre più adeguati al suo posizionamento strategico nel quadro della gestione delle infrastrutture.
Per maggiori informazioni: www.etsingegneria.it
> Se questo articolo ti è piaciuto, iscriviti alla Newsletter mensile al link http://eepurl.com/dpKhwL e ricorda di seguirci anche sulla nostra nuova pagina Instagram <