di MICHELE MORI, EDOARDO TROIELLI, ANDREA PISCINI | SINA (ASTM Group)
L'evoluzione dell’esperienza del Gruppo ASTM nel monitoraggio strutturale di ponti e viadotti evidenzia un progressivo passaggio da interventi puntuali di diagnosi di approfondimento a un approccio organico di monitoraggio sistemico a livello di rete. Il Gruppo, infatti, ha accelerato la trasformazione dei propri metodi di progettazione e controllo, introducendo tecnologie avanzate per la gestione di grandi volumi di dati e la raccolta di informazioni eterogenee. L’infrastruttura monitorata è oggi in rapida espansione, con un numero crescente di opere e sensori installati, e con sistemi capaci di integrare monitoraggio di tipo visivo e strumentale, statico, dinamico, oltreché ambientale e satellitare.
L’esperienza maturata ha favorito lo sviluppo di soluzioni adattive e interoperabili, la creazione di piattaforme unificate per l’integrazione dei dati SHM e delle evidenze ispettive, nonché l’avvio di collaborazioni con università e partner industriali dedicate all’innovazione degli strumenti hardware, software e delle metodologie di analisi, inclusi modelli di AI e Digital Twin.
Permangono diverse sfide – dall’integrazione di tecnologie eterogenee alla gestione efficiente dei dati, fino alla mitigazione del rischio di lock-in tecnologico – ma emergono, allo stesso tempo, importanti opportunità: scalabilità, ottimizzazione della strumentazione e introduzione di modelli predittivi evoluti. Il Gruppo ASTM sta orientando il proprio approccio verso una gestione del rischio strutturale a livello di rete, in cui l’Asset Management e la manutenzione predittiva sono elementi cardine, mentre il sistema SHM si rivela uno strumento strategico da mantenere e far evolvere nel tempo.
Integrazione dati e sistema di controllo
La metodologia per la gestione delle infrastrutture adottata dal Gruppo ASTM è da sempre rappresentata da un processo circolare di miglioramento continuo, costituito dalle fasi di Controllo, Pianificazione, Progettazione e Realizzazione degli interventi. Nella fase di Controllo, le informazioni ricavate dalla periodica sorveglianza delle infrastrutture vengono oggi integrate da informazioni ricavate da modelli matematici e da dati acquisiti per mezzo di innovativi sistemi di monitoraggio strutturale, che permettono di quantificare in continuo il livello di prestazione dei manufatti.
L’adozione di un sistema di monitoraggio strumentale, su un’opera nuova o esistente, consente di ottenere benefici nel breve e nel lungo periodo. Nel breve termine, permette di monitorare in continuo fenomeni di danneggiamento noti o di potenziale formazione, offrendo la possibilità di allertare tempestivamente il gestore in caso di superamento di soglie predefinite. Nel lungo periodo, invece, consente di monitorare l’evoluzione del comportamento strutturale nel tempo, misurando e quantificando i processi di naturale invecchiamento e degrado dei materiali e supportando così la valutazione delle capacità residue delle strutture monitorate
La conoscenza e la quantificazione dell’evoluzione del comportamento strutturale nel tempo, unitamente alla possibilità di aggiornare i modelli matematici sulla base dei dati acquisiti attraverso la rete di sensori, consentono agli ingegneri strutturisti di individuare eventuali criticità, suggerire interventi mirati e definire piani di manutenzione preventiva volti a prolungare la vita utile delle strutture, ottimizzando al contempo le risorse disponibili. In tale contesto, i sistemi adottati sono inoltre progettati per interoperare, anche mediante modelli BIM, con altre piattaforme di simulazione e gestione, quali gli Asset Management System (AMS), finalizzati all’ottimizzazione delle attività di manutenzione ordinaria e straordinaria.
Essi si integrano, inoltre, con gli archivi informativi contenenti gli esiti dei controlli e delle ispezioni in sito, contribuendo a una gestione dell’infrastruttura sempre più integrata, efficiente e sostenibile. L’approccio consente di realizzare un’innovativa sinergia tra i protocolli tradizionali di sorveglianza – basati su ispezioni periodiche in sito e prove non distruttive – e i sistemi di monitoraggio strutturale che operano in continuo, rafforzando in modo significativo le capacità di controllo, analisi e gestione del patrimonio infrastrutturale.
Monitoraggio di rete
Il Gruppo ASTM, storicamente polo d’eccellenza in materia di “ingegneria del controllo”, sta raffinando costantemente le procedure di integrazione dei propri sistemi dedicati, introducendo tecnologie avanzate per la raccolta in continuo di informazioni sullo stato di salute delle opere d’arte. Sebbene il monitoraggio strutturale in continuo abbia inizialmente riguardato il controllo puntuale e approfondito di opere in situazioni critiche, le Società Concessionarie del Gruppo ASTM hanno da subito avviato un programma volto all’implementazione di sensoristica su molte delle opere d’arte maggiori ricomprese lungo i tronchi autostradali di competenza, offrendo la possibilità di attuare un progressivo passaggio da un monitoraggio occasionale e locale a un monitoraggio organico e distribuito a livello di rete. Per dare evidenza a questa considerazione, possiamo sottolineare il fatto che il patrimonio complessivo dei sistemi di monitoraggio – già installati, da installare o in progettazione – consentirà, nel prossimo futuro, il controllo in continuo di oltre 200 opere d’arte maggiori sulla rete del Gruppo ASTM.
L’approccio al monitoraggio strutturale a livello di rete ha richiesto l’avvio di un’iniziativa di standardizzazione interna dei processi di definizione e progettazione dei sistemi di monitoraggio, dei protocolli di interoperabilità e dei metodi di analisi dei dati acquisiti e di controllo dello stato di salute delle strutture, nonché delle procedure per la gestione operativa dell’intero servizio. Tale processo è stato sviluppato dalle Società concessionarie del Gruppo, in collaborazione con il consorzio interuniversitario Fabre, avvalendosi delle competenze specialistiche delle proprie società di ingegneria (Sina) e di impianti e tecnologie (Sinelec).
Nel processo definito per la progettazione dei sistemi di monitoraggio, le grandezze ingegneristiche di interesse sono valutate, opera per opera, come risultato di uno studio mirato all’individuazione degli scenari di danno che possono coinvolgere l’opera stessa e quindi degli indicatori di danno che consentono di tracciarne l’evoluzione e riconoscerne la potenziale formazione. Ad ogni indicatore è associata una o più grandezze fisiche di interesse, che possono riguardare il comportamento “statico” o quello “dinamico” dell’opera. I sistemi di monitoraggio strutturale così progettati si basano sulla misura e acquisizione di queste grandezze, quali per esempio spostamenti relativi tra parti strutturali, spostamenti assoluti, deformazioni, rotazioni, forze, variabili ambientali e accelerazioni.
La metodologia di analisi dei dati sviluppata per il monitoraggio strutturale a livello di rete prevede la configurazione, l’allenamento e l’avvio di algoritmi di analisi automatizzati, mirati al riconoscimento di potenziali anomalie nel breve e lungo periodo. In linea con i criteri adottati per la progettazione dei sistemi, queste analisi sono condotte separatamente per ciascun scenario di danno individuato, tramite algoritmi che permettono di calcolare gli indicatori di danno nel tempo e, quindi, tracciarne l’andamento nelle carte di controllo.
In questo modo, le potenziali anomalie riscontrate nell’analisi di uno o più indicatori di danno potranno essere direttamente ricondotte ai meccanismi di danno inizialmente individuati. Alle analisi condotte in automatico è affiancato un protocollo di gestione operativa del servizio di monitoraggio strutturale, che prevede l’esecuzione di attività di approfondimento ordinarie e periodiche e attività di analisi straordinarie, da condurre ogni volta che emergono situazioni anomale, per valutarne l’effettiva criticità e suggerire al gestore eventuali misure gestionali.
Piattaforma SGM e interoperabilità
Lungo le tratte di competenza delle Società del Gruppo ASTM, sono inevitabilmente presenti sensori di monitoraggio e architetture di acquisizione di diversa tecnologia e fornitura, introdotti progressivamente nel tempo. L’integrazione e armonizzazione dei dati provenienti dai sistemi di campo distribuiti sulla rete, allo scopo di fornire un uniforme servizio di monitoraggio strutturale, nonché un’omogenea gestione della configurazione e gestione dei sistemi di monitoraggio stessi, ha comportato la definizione e l’adozione di un’architettura globale strutturata su più livelli, nonché la definizione e implementazione di protocolli di interoperabilità in grado di garantire un’affidabile ed efficace comunicazione, in tutte le direzioni, tra i diversi livelli definiti.
Tali concetti sono implementati nella Piattaforma SHM (Structural Health Monitoring) di Gruppo, sviluppata per il Gruppo ASTM da Sinelec in collaborazione con il consorzio Fabre e con il supporto di Sina. La piattaforma è un sistema avanzato conforme alle Linee Guida Ponti per il monitoraggio e la gestione centralizzata di tali infrastrutture stradali. Si basa su un’architettura a tre livelli (sistemi di campo, unità Edge e centro di calcolo) e garantisce un flusso informativo scalabile e accessibile a diversi livelli decisionali. L’obiettivo principale dello sviluppo è stato anche in questo caso quello di supportare i gestori nell’individuazione precoce di anomalie, favorendo interventi manutentivi tempestivi e migliorando la sicurezza operativa.
Il sistema, inoltre, integra un patrimonio informativo completo, che include dati tecnici e amministrativi arricchiti da analisi multirischio (sismico, idraulico, geologico), permettendo una visione contestualizzata dell’opera. I dati provenienti dai sistemi di monitoraggio strutturale vengono elaborati tramite modelli e algoritmi che identificano e permettono di valutare gli scenari di danno individuati per ogni opera, passando da una logica reattiva a una logica di manutenzione predittiva. La piattaforma supporta anche la gestione evolutiva dei sistemi attraverso il tracciamento degli interventi, il controllo della sensoristica e l’integrazione di modelli BIM, garantendo una gestione più efficace delle attività di gestione e manutenzione.
Ricerca e sviluppo
L’evoluzione dei sistemi di monitoraggio strutturale implementati dal Gruppo ASTM ha evidenziato come la disponibilità di grandi quantità di dati eterogenei rappresenti non solo una sfida gestionale, ma anche un’importante opportunità per sviluppare nuovi strumenti di analisi. Gli studi in corso hanno come obiettivo quello di proporre nuovi approcci per la diagnosi e la predizione dell’evoluzione del comportamento strutturale, per stimare, in ultima analisi, con sempre maggiore accuratezza, la vita utile residua delle strutture. In tale contesto, è stato avviato negli ultimi anni un articolato programma di ricerca e sviluppo, condotto in collaborazione con atenei e partner industriali, finalizzato all’innovazione degli strumenti hardware e software, delle metodologie di interpretazione dei dati e dei modelli previsionali avanzati. Le principali attività di ricerca riguardano, in particolare, l’integrazione dei dati provenienti da differenti fonti di monitoraggio, lo sviluppo di modelli di Intelligenza Artificiale, l’implementazione di Digital Twin strutturali e l’ottimizzazione della gestione di grandi volumi di dati SHM.
La collaborazione tra Sina e il Politecnico di Milano, con la sponsorizzazione di borse di dottorato e assegni di ricerca legati al PNRR, si inquadra in questo contesto. Attraverso la collaborazione con il Politecnico, Sina sta conducendo studi su argomenti diversi: integrazione tra dati satellitari InSAR e dati provenienti dai sistemi di monitoraggio strutturale tradizionali, applicazione di tecniche di Machine Learning per il riconoscimento automatico di anomalie su opere caratterizzate da disponibilità limitata di dati, costruzione di modelli FEM continuamente aggiornati tramite i dati acquisiti dai sistemi SHM, per la rappresentazione in tempo quasi reale dello stato della struttura e la sua evoluzione nel tempo allo scopo di individuare anomalie. Il primo studio, legato alla tecnologia di monitoraggio satellitare, ha come obiettivo quello di combinare le informazioni acquisite localmente dai sensori installati sull’opera con dati satellitari di larga scala, ottenendo una visione multi-livello del comportamento strutturale.
Le attività condotte hanno mostrato come lo sfruttamento di informazioni provenienti dai dati satellitari possa migliorare significativamente la capacità di individuare comportamenti anomali e fornire supporto per l’interpretazione dei fenomeni di degrado. Parallelamente, sfruttando tecniche di Transfer Learning e Domain Adaptation, è stato sviluppato un approccio che consente di trasferire la conoscenza acquisita su strutture o campate fortemente equipaggiate con sensoristica verso altre opere o porzioni strutturali monitorate in minore misura o, addirittura, non monitorate. Tale metodologia, basata sull’allineamento statistico dei dati e sull’utilizzo di modelli probabilistici, rappresenta una soluzione promettente per estendere le capacità diagnostiche del monitoraggio a livello di rete, puntando a ottimizzare consistenza e tipologia della strumentazione di campo. Oltre all’approccio data-driven, sono in fase di sviluppo modelli Digital Twin probabilistici e metodologie di aggiornamento automatico dei modelli numerici.
Il valore dei dati
In questo ambito, le attività di ricerca sono orientate alla sperimentazione di modelli (di natura FEM o probabilistica) aggiornati tramite i dati acquisiti dai sistemi SHM, in grado di rappresentare in tempo quasi reale lo stato della struttura e la sua evoluzione nel tempo. Le attività comprendono sia approcci basati su Bayesian Model Updating sia lo sviluppo di modelli surrogati che si appoggiano a Variational Autoencoders per la localizzazione e quantificazione del danno. Tali strumenti consentono di integrare la conoscenza fisica del comportamento strutturale con le potenzialità offerte dalle tecniche di machine learning, aprendo la strada a sistemi avanzati di manutenzione predittiva e supporto decisionale.
Le attività di ricerca si estendono inoltre alla gestione dei Big Data provenienti dai sistemi di monitoraggio e allo sviluppo di metodologie multilivello per l’analisi automatizzata delle informazioni. Le ricerche in corso hanno portato alla definizione di workflow strutturati per il pre-processamento, la validazione, l’analisi e l’archiviazione dei dati SHM, puntando nella direzione di strategie ibride che combinino approcci data-driven e model-based per il rilevamento precoce delle anomalie e la prognosi strutturale.
Nel complesso, tali attività testimoniano il progressivo orientamento di Sina e del Gruppo ASTM verso una gestione del rischio infrastrutturale sempre più basata sui dati, sulla modellazione avanzata e sulla manutenzione predittiva, nella prospettiva di rendere il sistema SHM un asset strategico permanente a supporto della sicurezza e della durabilità della rete infrastrutturale.
MICHELE MORI | Ingegnere civile, Direttore Asset Monitoring & Management, Asset Management Expert.
Company | SINA (ASTM Group)
EDOARDO TROIELLI | Ingegnere civile strutturista, Project Engineer, Asset Monitoring & Management.
Company | SINA (ASTM Group)
ANDREA PISCINI | Ingegnere edile, Dottore di ricerca in ingegneria civile e ambientale, Asset Monitoring & Management.
Company | SINA (ASTM Group)
