An innovative approach for automated job-site work progress assessment

Monitorare i progressi di costruzione è sempre stata una delle maggiori preoccupazioni per i direttori di cantiere. Molti sono i vantaggi offerti da un approccio affidabile in questo campo, tra i quali: efficiente controllo delle prestazioni del progetto e controllo di qualità, tempestive ispezioni in loco, un migliore controllo delle prescrizioni di salute e sicurezza contro gli infortuni di lavoro e di decessi, che sono ancora troppo elevati. Questo lavoro affronta lo sviluppo di un approccio semi-automatico per la gestione della costruzione, sulla base di due caratteristiche principali: da un lato una project management di riorganizzazione delle informazioni del progetto, basata su BIM (Building Information Modeling) e protocolli di modellazione 4D, il cui obiettivo è facilitare il controllo in fase di esecuzione; dall'altro lato una piattaforma di monitoraggio per la raccolta in tempo reale di dati relativi al lavoro, progresso e utilizzo delle risorse, per mezzo di tecnologie a bassissima intrusività. Il lavoro di ricerca riguarda anche lo sviluppo di modelli intelligenti probabilistici per stima in tempo reale del progresso della cantiere, che operano sulla base di un flusso continuo di dati raccolti da reti di monitoraggio distribuite sul posto. Tracce di attività sono rappresentate come un insieme di variabili di stato raffiguranti i tassi di utilizzo dei lavoratori: sforzo, attrezzature e materiali e altre informazioni ambientali. Essendo le stime sempre correlate a processi dinamici, sono stati utilizzate Reti Bayesiane Object Oriented per sviluppare una serie di modelli di primo ordine markoviani. In un secondo tempo, i modelli sono disposti come una sequenza di istanti temporali, dove ogni istante temporale propaga evidenze raccolte dalla rete di sensori di monitoraggio nel tempo. Le reti sono stati sviluppate e validate attraverso dati raccolti da un caso reale, e hanno dimostrato di essere in grado di dedurre avanzamento dei lavori, la cui precisione dipende dalla risoluzione e la qualità dei dati raccolti.