Se vuoi migliorare la produttività e la qualità dei lavori di costruzione, hai bisogno di un modo efficiente per monitorare i progressi e rilevare i problemi di qualità su base giornaliera. Il progetto Reality Capture (RECAP) della Aalto University ha esaminato come utilizzare le applicazioni di fotogrammetria e apprendimento automatico a tale scopo.

Il progetto Intelligent Construction Site (iCONS) di Aalto ha dimostrato come le inefficienze dei processi diventano visibili quando i sensori IoT vengono utilizzati per tracciare le posizioni e i movimenti di lavoratori e materiali. Però, i ricercatori dovevano ancora interpretare foto e video per determinare come i dati fossero correlati al programma di costruzione, piani, e modelli di progettazione. Il seguente progetto, Reality Capture, è stato concepito come uno sforzo per indagare se, e come, la raccolta e l'interpretazione dei dati visivi potrebbero essere automatizzate.

Il progetto RECAP è stato finanziato da Business Finland, Università Aalto, e un consorzio di cinque società, comprese le imprese di costruzioni Fira e YIT e il produttore di calcestruzzo prefabbricato e prefabbricato Rudus. I due fornitori IT erano Vionice, un'azienda di visione artificiale, e Umbra, uno sviluppatore di software di grafica.

Il progetto ha pubblicato il suo rapporto finale il 30 gennaio, 2020, con alcune interessanti scoperte sulla fattibilità delle attuali tecnologie nell'automazione del monitoraggio visivo del cantiere.

Le sfide della produzione e del controllo qualità in edilizia

Il team di ricerca RECAP ha iniziato con una serie di interviste con le società del consorzio e una selezione di appaltatori della California, Brasile, e Cina.

Tutti gli intervistati sono stati unanimi sulle difficoltà insite nell'ottenere dati precisi e in tempo reale da un cantiere. Di conseguenza, i manager lottano per mantenere i lavoratori impegnati nei compiti giusti, al momento giusto. Di conseguenza, i lavoratori possono precipitarsi nell'assumere compiti non pianificati, che spesso si traduce in un lavoro incompleto che deve essere finalizzato in seguito in fretta.

Sembra essere pratica comune che sia la produzione che il controllo di qualità vengano eseguiti manualmente. In Brasile, nello specifico, l'ispezione di qualità è costosa e gli ispettori formati scarseggiano. Quella, insieme alla riluttanza a segnalare problemi di qualità, porta a un'eccessiva variazione della qualità.

I professionisti intervistati concordano sul fatto che il monitoraggio dei progressi e della produttività richiedono soluzioni migliori, soprattutto per le installazioni MEP. Per di più, il confronto tra ciò che è stato progettato e ciò che è stato costruito è ancora arduo. Alcune aziende stanno provando software in grado di confrontare automaticamente nuvole di punti e costruire modelli di informazioni, ma la tecnologia è ancora agli inizi.

Rilevamento automatico dell'avanzamento lavori

Il consorzio del progetto ha scelto cinque casi d'uso specifici. Tre studi hanno esplorato le possibilità di un monitoraggio automatizzato dei progressi e due si sono concentrati sulle ispezioni di qualità.

I due progetti di Fira hanno utilizzato le foto che i lavoratori hanno registrato durante la ristrutturazione dell'impianto idraulico di un set di sette bagni e sei cucine. Lo scopo della sperimentazione era determinare se l'analisi automatizzata dell'avanzamento del lavoro sarebbe stata possibile utilizzando le foto. In tal caso, il gestore del sito potrebbe utilizzare i dati per monitorare in remoto i progressi e prendere di conseguenza le necessarie decisioni di pianificazione e gestione.

Il team di ricerca ha sviluppato un sistema di ispezione dei progressi che ha elaborato lotti di foto associate a dati di posizione e ora. Il cuore del sistema era una soluzione di apprendimento automatico che utilizzava foto registrate utilizzando un'app Android su misura. Il sistema è stato progettato per utilizzare coppie di foto consecutive del cantiere. I ricercatori sono stati lieti di apprendere che il sistema è stato in grado di raggiungere un buon livello di precisione nel determinare l'avanzamento dei lavori di costruzione.

Nel terzo progetto, YIT ha utilizzato un sistema di telecamere per gru sviluppato da Pix4D. Il sistema genera sia immagini 2-D che nuvole di punti 3-D del cantiere. I ricercatori hanno utilizzato due algoritmi alternativi per generare modelli per il riconoscimento automatico dei progressi nella costruzione di lastre di cemento. I risultati dell'analisi basata sull'intelligenza artificiale sono stati, sorprendentemente, 100% accurato.

Ispezioni di qualità automatizzate

Un altro progetto YIT ha esplorato la fattibilità di ispezioni di qualità automatizzate delle modanature delle porte in un progetto di edilizia abitativa. I lavoratori hanno registrato video di ogni appartamento completato, e un processo automatizzato ha determinato, dalle immagini, se la qualità delle modanature era accettabile. Questo si è rivelato un compito difficile in quanto non c'erano abbastanza esempi di scarsa qualità per addestrare correttamente il sistema. Con più materiale, l'ispezione sarebbe abbastanza utilizzabile in situazioni di vita reale.

Il quinto progetto si è svolto in uno stabilimento di produzione di scale prefabbricate di Rudus. L'intenzione era quella di determinare se le armature delle scale fossero state montate come specificato nel modello informativo dell'edificio. I ricercatori hanno utilizzato un mini-PC e una fotocamera collegata a un carroponte. I dati di immagine raccolti da questa configurazione sono stati inviati a un server Aalto e sovrapposti a un modello BIM pre-elaborato della scala. Un ispettore potrebbe esaminare il modello e i dati sull'avanzamento del rinforzo tramite un browser Web sulla piattaforma cloud di Umbra.

I ricercatori hanno scoperto che il rilevamento delle armature era effettivamente fattibile, ma a causa del numero relativamente ridotto di immagini etichettate di alta qualità, non ha raggiunto una precisione sufficiente in questo progetto.

Il futuro di AR e AI nel monitoraggio e controllo delle costruzioni

Oltre ai casi di studio pilota descritti in precedenza, RECAP ha creato un'applicazione sperimentale di realtà aumentata per l'uso in loco. L'app offre un'interfaccia visiva per l'elaborazione dei dati di immagine basata su intelligenza artificiale basata su cloud. Risponde alle tre esigenze che gli appaltatori avevano ritenuto più critiche quando richiesto durante il progetto:1) riferire sullo stato di avanzamento della ristrutturazione e sul monitoraggio della produttività, 2) segnalare eventuali vizi, e 3) condividere le informazioni con i colleghi. L'app annuncia il tipo di strumenti che vedremo di più in futuro nei cantieri.

I ricercatori coinvolti nel progetto Reality Capture hanno concluso che è tecnicamente possibile utilizzare l'IA, nuvole di punti, e immagini in corso di costruzione monitoraggio e controllo. Ancora, hanno considerato la raccolta dei dati come il collo di bottiglia nel processo. Senza dati sufficienti, gli algoritmi di apprendimento non saranno sufficientemente accurati per un uso su larga scala.

Le telecamere montate sul casco a 360 gradi potrebbero venire in soccorso, ma anche loro richiedono molto lavoro di etichettatura manuale. Le implementazioni commerciali sono più facili negli interni ripetitivi, ad esempio nelle camere d'albergo, bagni, e cucine.

L'uso di telecamere per gru offre attualmente la tecnologia più promettente per rilevare l'avanzamento dei lavori in un cantiere edile. Inoltre, se sono disponibili modelli BIM, la tecnica diventa ancora più precisa.

In sintesi, la visione artificiale e i metodi di deep learning richiedono dati che non sono ancora prontamente disponibili. Se la raccolta dei dati e la loro post-elaborazione possono essere automatizzate, l'industria delle costruzioni farà un grande passo verso un sistema produttivo più industrializzato.