La sfida della tutela strutturale dei beni storici nell’era dell’intelligenza artificiale

La tutela strutturale dei beni storici nell’era dell’intelligenza artificiale: come passare dalla manutenzione reattiva a quella predittiva

La conservazione del patrimonio storico è oggi una delle sfide più complesse dell’ingegneria civile.

Le strutture monumentali, spesso realizzate con materiali non omogenei, tecniche costruttive arcaiche e soggette a continue interazioni con l’ambiente, richiedono approcci che vadano oltre la semplice manutenzione reattiva.

Per decenni la gestione del rischio si è basata su monitoraggi periodici, analisi visive e interventi correttivi successivi al manifestarsi delle criticità.

Oggi, tuttavia, l’integrazione fra intelligenza artificiale e modellazione predittiva consente di passare da una logica reattiva ad una proattiva. Le strutture non vengono più “osservate” ma vengono ascoltate, interpretate, contestualizzate e simulate, con l’obiettivo di prevederne l’evoluzione nel tempo.

Per poter illustrare un esempio di manutenzione predittiva si è scelto un caso studio: la Torre Garisenda.

Simbolo architettonico e identitario della città di Bologna, rappresenta oggi un caso esemplare di criticità strutturale in un contesto urbano ad alta complessità.

La mia ricerca si è concentrata sull’implementazione di modelli predittivi e time series forecasting, attraverso la piattaforma Orange Data Mining, con lo scopo di anticipare anomalie strutturali e potenziali scenari di rischio. Il contributo dell’AI si manifesta nella capacità di trattare dati complessi, eterogenei e in continua evoluzione, fornendo output intelligibili e traducibili in azioni concrete di manutenzione preventiva.

Questo tipo di approccio non solo riduce i costi di intervento, ma aumenta l’efficienza operativa e promuove la sostenibilità ambientale, minimizzando l’impatto delle operazioni invasive e prolungando la vita utile degli asset.

Affidare la previsione del comportamento strutturale a modelli di machine learning implica una chiara distinzione tra supporto decisionale e delega automatica della responsabilità.

Nel settore civile-ambientale il rischio di affidarsi ciecamente agli algoritmi può generare conseguenze critiche, soprattutto se manca trasparenza nei dati o nei criteri decisionali.

Per questo motivo ho privilegiato modelli interpretabili e visualizzazioni intuitive, capaci di affiancare – non sostituire – il giudizio dell’ingegnere strutturista.

L’obiettivo “target” di questo studio è stato anticipare l’evoluzione dell’inclinazione e dei movimenti strutturali, comprendendo quali sono i pattern ricorrenti e ricollegabili a variabili esogene ed endogene che concorrono all’evoluzione della pendenza, applicando tecniche di intelligenza artificiale e modellazione predittiva.

LEGGI ANCHE: Pianificazione predittiva: metodologia integrata per il Project Control evoluto

La Torre Garisenda: un caso emblematico di instabilità evolutiva

2.1 Una torre “in movimento”: caratteristiche e criticità note

La Torre Garisenda è da sempre considerata una struttura in continuo movimento; la sua inclinazione crescente unita alla sua altezza la rendono un sistema dinamico soggetto a continue micro-variazioni geometriche.

Le deformazioni rilevate negli ultimi decenni dai diversi comitati tecnico-scientifici rivelano un comportamento non lineare, influenzato da molteplici sollecitazioni, tuttavia l’enorme eterogeneità dei materiali, le stratificazioni storiche e gli interventi susseguitisi nei secoli rendono l’analisi della Garisenda estremamente complessa.

La torre vive in un equilibrio millimetrico, costantemente condizionato dalle caratteristiche del terreno, dai carichi verticali e dalle oscillazioni termiche stagionali.

2.2 Interazioni con il sottosuolo e fattori esterni che influenzano la stabilità

Uno degli elementi più significativi riguarda l’interazione con il sottosuolo. Il terreno del centro storico di Bologna presenta fenomeni noti di subsidenza e variabilità geotecnica.

Tali caratteristiche contribuiscono all’evoluzione della pendenza e all’amplificazione delle deformazioni già presenti.

A questi si aggiungono fattori esterni quali:

• oscillazioni termiche significative tra le stagioni;
• umidità e variazioni idrogeologiche;
• effetti del vento sulla struttura snella;
• vibrazioni ambientali.

La combinazione di tali elementi produce un sistema altamente interattivo in cui il comportamento strutturale non può essere descritto da una singola variabile, ma va compreso nella loro interdipendenza.

2.3 Evoluzione della pendenza: perché i millimetri contano

Nel caso della Garisenda, variazioni anche inferiori al millimetro possono costituire indicatori fondamentali. La torre presenta un’inclinazione con trend storico leggermente crescente e soggetto a fluttuazioni cicliche.

L’osservazione di questi andamenti, unita alla capacità di metterli in relazione con fattori esogeni ed endogeni, è ciò che consente di definire un approccio predittivo realmente efficace.

Perché applicare modelli predittivi alle strutture storiche

3.1 Limiti della manutenzione reattiva nei beni monumentali

La manutenzione reattiva interviene principalmente dopo il manifestarsi di un problema.

Nel caso di strutture storiche, tale approccio presenta due criticità:

• l’intervento tardivo può compromettere porzioni non recuperabili del bene;
• i fenomeni di instabilità possono accentuarsi rapidamente una volta superate soglie critiche.

Per questi motivi diventa fondamentale anticipare l’insorgere delle anomalie, riconoscere pattern ripetitivi e valutare scenari futuri.

3.2 Il ruolo del dato: dalla lettura statica alla visione dinamica del comportamento strutturale

I dati storici non sono più un semplice archivio, ma una risorsa viva interrogabile e interpretabile.

La possibilità di osservare movimenti, inclinazioni, variazioni climatiche e caratteristiche geotecniche nel loro sviluppo temporale consente di costruire modelli che interpretano la struttura come un organismo evolutivo.

Questa trasformazione permette di passare da una fotografia statica del problema a una comprensione dei meccanismi che lo generano.

3.3 La Garisenda come laboratorio per la previsione delle deformazioni

La torre rappresenta un caso ideale per l’applicazione di modelli predittivi:

• possiede una lunga storia di monitoraggi;
• mostra una sensibilità elevata ai fattori esterni;
• presenta una pendenza significativa e in continua evoluzione;
• è oggetto di attenzione scientifica nazionale e internazionale.

Ciò permette di utilizzare la Garisenda come banco di prova per metodologie innovative estendibili ad altri beni monumentali.

Costruzione del modello predittivo: dati, metodi e criteri adottati

4.1 Raccolta e selezione delle variabili: inclinazioni, clima, geotecnica, storia strutturale

L’analisi predittiva parte dalla selezione delle variabili più significative.

Per la Garisenda sono state considerate:

• inclinazione storica nei diversi assi;
• condizioni del terreno e subsidenza;
• parametri climatici (temperatura, umidità, precipitazioni);
• fenomeni idrogeologici;
• informazioni sugli interventi strutturali passati;
• variazioni morfologiche della base e della muratura.

Questi dati permettono di intercettare correlazioni e identificare fattori con maggiore impatto sulla pendenza.

4.2 Preparazione del dataset e workflow digitale

La costruzione del dataset ha previsto:

• pulizia dei dati e rimozione degli outlier;
• normalizzazione delle variabili per renderle confrontabili;
• verifica della consistenza temporale delle misure;
• trasformazione dei dati in serie storiche;
• costruzione del workflow in KNIME e Orange.

Tale procedura consente di generare un modello coerente con l’andamento reale della struttura.

4.3 Algoritmi di previsione: regressione, autoregressione e modelli per serie temporali

Per l’analisi predittiva sono stati testati diversi algoritmi, tra cui:

• modelli di regressione multipla;
• modelli autoregressivi e ARIMA;
• approcci basati sull’analisi dei trend stagionali e delle componenti residue.

Ognuno di essi contribuisce a comprendere una porzione del comportamento evolutivo della torre.

4.3.1 Perché le serie storiche sono fondamentali nelle strutture antiche

Le serie storiche consentono di identificare ciclicità, anomalie e derive lente nel tempo.

Senza una lettura temporale, la struttura sarebbe interpretabile solo attraverso analisi istantanee, che risultano insufficienti per un bene in costante movimento come la Garisenda.

4.4 Validazione del modello: confronto tra predetto e reale

La validazione è stata eseguita confrontando le previsioni degli algoritmi con i dati storici disponibili. La coerenza tra i trend osservati e quelli predetti conferma la capacità del modello di interpretare correttamente le dinamiche principali della torre.

Non si tratta di ottenere un valore assoluto, ma di riconoscere la direzione, la tendenza e il comportamento evolutivo.

 ..Continua la lettura nel PDF.