Il controllo qualità diventa una parte centrale della stampa 3D in edilizia
La stampa 3D del calcestruzzo sta entrando in una fase in cui non è più sufficiente dimostrare che un robot possa depositare materiale e costruire pareti, pannelli o elementi strutturali complessi. Perché questa tecnologia possa essere utilizzata su scala industriale, diventa necessario verificare con precisione che ciò che viene costruito corrisponda al modello digitale e rispetti le tolleranze previste dal progetto.
Questo è il tema al centro del lavoro di Karam Mawas, ricercatore della Technische Universität Braunschweig, che ha dedicato la propria tesi di dottorato allo sviluppo di metodologie per il controllo qualità dei componenti in calcestruzzo prodotti mediante manifattura additiva.
La questione è particolarmente importante perché un errore geometrico individuato soltanto alla fine della stampa può avere conseguenze economiche rilevanti. Nel caso di strutture di grandi dimensioni, infatti, potrebbero essere già state depositate centinaia di chilogrammi o diverse tonnellate di materiale prima che il problema venga scoperto.
L’obiettivo della ricerca è quindi trasformare il controllo qualità da una verifica finale a un processo continuo, integrato nelle diverse fasi della produzione.
Dal controllo finale a un sistema di verifica continuo
Nella costruzione tradizionale il controllo dimensionale viene spesso effettuato dopo che una parte significativa del lavoro è stata completata. Questo approccio diventa poco efficiente quando viene applicato alla stampa 3D del calcestruzzo.
Il metodo sviluppato presso la Technische Universität Braunschweig propone invece un controllo ciclico.
Le verifiche possono essere effettuate durante la deposizione del materiale, al completamento di uno strato, prima dell’assemblaggio dei componenti e durante le operazioni di montaggio.
In questo modo eventuali deviazioni possono essere individuate quando la produzione è ancora in corso.
Il principio è semplice: più presto viene identificato un errore, maggiori sono le possibilità di correggerlo senza dover scartare l’intero componente.
Questo approccio assume una particolare importanza nella stampa 3D in calcestruzzo perché gli errori possono accumularsi. Una piccola deviazione nella quota di un singolo strato può propagarsi lungo la costruzione e trasformarsi in un problema dimensionale significativo dopo decine o centinaia di passaggi dell’ugello.
Il confronto tra componente reale e modello digitale
Uno degli elementi centrali del sistema è il confronto tra la geometria effettivamente costruita e quella definita nel modello digitale.
Il componente fisico viene acquisito attraverso sensori ottici e trasformato in una rappresentazione tridimensionale, generalmente una nuvola di punti.
Questi dati vengono quindi confrontati con il modello BIM oppure con il modello digitale utilizzato per generare le traiettorie di stampa.
Il sistema può quindi rispondere a una domanda fondamentale: il robot ha costruito esattamente ciò che era stato progettato?
Il passaggio dal modello digitale alla realtà fisica rappresenta uno dei punti più delicati della manifattura additiva in edilizia.
Il percorso programmato può essere corretto, ma il risultato finale dipende anche dalla consistenza del materiale, dalla portata della pompa, dalla velocità di movimento del robot, dalla distanza dell’ugello, dalla temperatura, dalle condizioni ambientali e dal comportamento degli strati già depositati.
Per questo motivo controllare soltanto la traiettoria della macchina non è sufficiente. È necessario misurare direttamente ciò che è stato costruito.
Estrusione e Shotcrete 3D Printing richiedono controlli differenti
La ricerca di Karam Mawas si concentra principalmente sulle due tecnologie di deposizione più utilizzate nella stampa 3D del calcestruzzo: l’estrusione e lo Shotcrete 3D Printing, indicato anche con la sigla SC3DP.
Nel processo a estrusione, il calcestruzzo viene depositato attraverso un ugello formando filamenti sovrapposti.
Sistemi appartenenti a questa categoria vengono sviluppati da aziende come COBOD, XtreeE e Avenco, che utilizzano differenti architetture robotiche o a portale per realizzare strutture di grandi dimensioni.
Nel processo Shotcrete 3D Printing, invece, il materiale viene proiettato verso la superficie mediante un sistema di spruzzatura controllato.
Questo metodo permette di realizzare geometrie differenti rispetto alla sola estrusione e può migliorare l’interazione tra alcuni strati, ma genera superfici che possono essere più difficili da analizzare automaticamente.
In entrambi i casi il controllo qualità deve essere capace di verificare non soltanto la forma complessiva dell’oggetto, ma anche la geometria dei singoli filamenti.
Il comportamento del calcestruzzo rende il controllo più complesso
La stampa 3D del calcestruzzo presenta difficoltà metrologiche che non si incontrano con la stessa intensità in altri processi additivi.
Il materiale appena depositato continua infatti a modificare le proprie caratteristiche.
Il peso degli strati successivi può causare piccoli cedimenti, deformazioni o variazioni della sezione del filamento.
Anche la consistenza della miscela può cambiare durante la produzione.
Una portata non perfettamente costante può provocare cordoni più larghi o più stretti, mentre una variazione della velocità del robot può modificare la quantità di materiale depositata per unità di lunghezza.
Il controllo deve quindi tenere conto del fatto che la geometria reale può differire da quella teorica anche se il movimento della macchina è stato eseguito correttamente.
A queste variabili si aggiungono le condizioni ambientali.
Illuminazione, polvere, umidità, superficie del materiale e presenza di ostacoli possono influenzare la qualità delle misure raccolte dai sensori.
Camere, scanner e sensori diventano parte della linea di stampa
Nel framework studiato dalla Technische Universität Braunschweig, il controllo geometrico può utilizzare differenti tecnologie di acquisizione.
Tra queste figurano normali camere RGB, sistemi fotogrammetrici, scanner a luce strutturata, depth camera e scanner laser terrestri.
Non esiste però uno strumento ideale per tutte le applicazioni.
Le camere RGB hanno costi relativamente contenuti e possono essere integrate facilmente vicino alla testina di stampa o sul robot.
Attraverso la fotogrammetria possono anche generare informazioni tridimensionali partendo da immagini raccolte da più punti di vista.
Il loro funzionamento dipende però dalle condizioni di illuminazione e dalla presenza di caratteristiche superficiali sufficientemente riconoscibili.
Le superfici uniformi del calcestruzzo possono quindi rappresentare un problema.
Artec 3D e Hexagon tra le tecnologie di scansione analizzate
Per applicazioni che richiedono maggiore precisione possono essere utilizzati sistemi a luce strutturata.
Nella ricerca vengono presi in considerazione strumenti come Artec Eva, prodotto da Artec 3D, e sistemi della famiglia AICON StereoScan neo di Hexagon.
Gli scanner a luce strutturata proiettano un pattern sulla superficie e ne analizzano la deformazione per ricostruire la geometria tridimensionale.
Possono raggiungere precisioni inferiori al millimetro e risultano particolarmente adatti all’analisi dettagliata di componenti o porzioni di superficie.
La loro applicazione su strutture edilizie di grandi dimensioni presenta però alcune limitazioni.
La distanza di lavoro è generalmente inferiore rispetto a quella di uno scanner laser terrestre e l’illuminazione ambientale può influenzare la qualità dell’acquisizione.
Per questo motivo la scelta del sensore deve essere effettuata in funzione delle dimensioni dell’oggetto e della precisione richiesta.
Il ruolo degli scanner laser terrestri
Per rilevare muri, pannelli o interi ambienti possono essere più adatti gli scanner laser terrestri, indicati con la sigla TLS.
Questi strumenti generano milioni di punti tridimensionali misurando la distanza tra il sensore e le superfici circostanti.
Il risultato è una nuvola di punti che può essere confrontata con il modello digitale originale.
Gli scanner TLS hanno il vantaggio di poter acquisire rapidamente strutture molto estese.
La precisione ottenibile, però, non è sempre sufficiente per ogni fase del processo.
Nei test analizzati da Karam Mawas, quando la tolleranza complessiva richiesta era di ±1 millimetro, fotogrammetria e scanner handheld a luce strutturata hanno fornito risultati più adatti rispetto ad alcuni rilievi con TLS.
Questo non significa che gli scanner laser terrestri siano meno validi. Significa che ogni sistema deve essere scelto sulla base della tolleranza che si vuole verificare.
Precisione, dettaglio e completezza della misura
La ricerca distingue tre parametri che diventano importanti nella progettazione di un sistema di controllo.
Il primo è il Level of Accuracy, cioè il livello di accuratezza della misura.
Il secondo è il Level of Detail, che indica la dimensione minima delle caratteristiche geometriche che possono essere riconosciute.
Il terzo è il Level of Completeness, cioè la percentuale della superficie reale che viene effettivamente acquisita.
Questi parametri devono essere definiti prima di scegliere la tecnologia di misura.
Un sistema estremamente preciso potrebbe infatti essere poco utile se richiede troppo tempo per acquisire un muro intero.
Al contrario, uno scanner molto rapido potrebbe non avere una risoluzione sufficiente per individuare piccoli difetti nei filamenti.
La registrazione automatica tra scanner, robot e modello
Un altro problema riguarda l’allineamento dei dati.
Una nuvola di punti deve essere collocata nello stesso sistema di coordinate del modello digitale.
Se questo passaggio viene effettuato manualmente, può richiedere molto tempo e introdurre errori.
Nel lavoro della Technische Universität Braunschweig, uno scanner laser terrestre è stato montato su un robot e collegato matematicamente al sistema di coordinate del Tool Center Point del robot.
Sono state quindi stabilite trasformazioni tra scanner, robot e modello.
Questo consente alle nuvole di punti di essere acquisite già in una posizione coerente con quella prevista dal progetto.
L’automazione della registrazione rappresenta un passaggio importante verso il controllo in linea.
Il robot può infatti depositare il materiale, il sensore può rilevare l’oggetto e il software può confrontare automaticamente il risultato con il modello senza richiedere ogni volta un riallineamento manuale.
Cloud-to-Cloud e Cloud-to-Mesh per trovare gli errori
Dopo aver acquisito e registrato i dati è necessario stabilire come misurare lo scostamento.
Una delle tecniche utilizzate è il confronto Cloud-to-Cloud, che misura la distanza tra due nuvole di punti.
Un’altra è il sistema Cloud-to-Mesh, che confronta la nuvola acquisita con una superficie triangolare derivata dal modello digitale.
Esiste inoltre il metodo M3C2, sviluppato per analizzare differenze tra nuvole tridimensionali in modo più robusto.
Nelle analisi riportate dalla ricerca, M3C2 ha mostrato vantaggi nei casi in cui erano presenti deviazioni geometriche importanti.
Cloud-to-Mesh risulta invece più semplice da applicare, ma può non individuare correttamente alcuni difetti o parti mancanti su superfici continue.
Queste differenze dimostrano che il controllo qualità non dipende soltanto dalla precisione del sensore.
Anche il metodo utilizzato per interpretare i dati può modificare il risultato dell’ispezione.
L’analisi scende fino al singolo filamento
Uno degli aspetti più interessanti della ricerca riguarda l’analisi automatica dei singoli cordoni di calcestruzzo.
Il filamento costituisce infatti l’unità fondamentale del processo di deposizione.
Una variazione della sua altezza, larghezza o continuità può indicare problemi nella portata del materiale, nella velocità del robot o nella distanza tra ugello e superficie.
Un primo sistema di computer vision sviluppato dal gruppo di ricerca aveva ottenuto una precisione media del 76% nell’identificazione dei filamenti di una parete realizzata tramite Shotcrete 3D Printing.
Il metodo mostrava tuttavia difficoltà in presenza di filamenti interrotti o geometrie più complesse.
Per affrontare questi limiti, Karam Mawas ha sviluppato una pipeline basata sul deep learning.
YOLO11 per riconoscere automaticamente gli strati
Il nuovo workflow utilizza un modello di segmentazione della famiglia YOLO11.
L’aspetto interessante non riguarda soltanto l’algoritmo, ma il modo in cui vengono preparati i dati.
Le immagini RGB possono essere analizzate direttamente.
Le nuvole di punti provenienti da fotogrammetria, scanner a luce strutturata o scanner laser vengono invece trasformate in immagini attraverso una camera virtuale.
In questo modo fonti di dati differenti possono essere elaborate dallo stesso sistema di intelligenza artificiale.
Il modello identifica le linee tra i filamenti e consente di ricostruire la geometria degli strati.
Il sistema è stato sperimentato su componenti prodotti sia mediante estrusione sia mediante shotcrete e su materiali in condizioni differenti, compreso calcestruzzo fresco, calcestruzzo indurito e campioni in argilla.
Velocità sufficiente per il monitoraggio durante la stampa
Dal punto di vista della velocità, il sistema mostra caratteristiche compatibili con un’applicazione online.
L’elaborazione richiede circa 13 millisecondi per immagine, valore corrispondente a circa 76 immagini al secondo.
Questo significa che il riconoscimento può avvenire mentre il processo di stampa è in corso.
La qualità della segmentazione necessita però di ulteriori miglioramenti.
Il modello con i risultati migliori ha ottenuto un valore mask mAP50 pari a 0,4541.
Il dato indica che la tecnologia è utilizzabile come base di sviluppo, ma non ha ancora raggiunto un livello di robustezza tale da consentire un controllo completamente autonomo in qualsiasi scenario.
Tra le difficoltà individuate compare anche la distorsione prospettica.
Per migliorare l’affidabilità saranno necessari dataset più ampi, con geometrie, materiali, condizioni di illuminazione e configurazioni di stampa differenti.
Verso un sistema di controllo a ciclo chiuso
L’obiettivo più interessante del progetto è arrivare a un sistema closed loop.
In un processo tradizionale il robot riceve una traiettoria e la esegue.
In un sistema a ciclo chiuso, invece, il robot esegue una parte della lavorazione, un sensore verifica il risultato e il software utilizza la misura per decidere se modificare la fase successiva.
Se, per esempio, uno strato risulta leggermente troppo basso, il sistema potrebbe correggere la quota del passaggio successivo.
Se il filamento risulta troppo stretto, potrebbe intervenire sulla portata della pompa oppure sulla velocità di avanzamento.
Se viene individuato uno scostamento della parete rispetto al modello, potrebbe modificare la traiettoria.
Il controllo qualità diventerebbe quindi parte attiva della produzione.
Il collegamento con BIM e digital twin
La stessa logica si collega al concetto di digital twin.
Il modello digitale non dovrebbe rappresentare soltanto ciò che si intende costruire, ma anche ciò che è stato realmente prodotto.
Le misure raccolte dai sensori possono aggiornare il modello con informazioni sull’elemento fisico.
In questo modo BIM, modello di fabbricazione, robot e sistema di controllo possono condividere dati lungo tutto il processo.
Per aziende come COBOD, XtreeE e Avenco, questa integrazione rappresenta un passaggio importante perché permette di trasformare la stampa 3D da semplice automazione della deposizione a processo produttivo digitalmente tracciabile.
La documentazione del componente può includere non soltanto il file originale, ma anche le scansioni, gli scostamenti rilevati e i dati raccolti durante la costruzione.
Il controllo cambia tra fabbrica e cantiere
Le condizioni operative incidono molto sulla strategia di misura.
In una produzione off-site, cioè all’interno di uno stabilimento, sensori e robot lavorano in un ambiente relativamente controllato.
L’illuminazione può essere stabilizzata, le posizioni delle macchine sono note e gli strumenti possono essere calibrati con maggiore facilità.
Questo rende più semplice integrare scanner e sistemi di visione direttamente nella linea produttiva.
Nel lavoro on-site o in situ, invece, aumentano le variabili.
Il sensore deve operare in presenza di luce naturale, polvere, variazioni di temperatura, ostacoli e spazi non sempre prevedibili.
In questi scenari diventano particolarmente importanti la robustezza della tecnologia di misura e la capacità di adattare automaticamente il piano di acquisizione.
La qualità geometrica è fondamentale anche per l’assemblaggio
Molti componenti stampati in 3D non vengono utilizzati isolatamente.
Possono dover essere collegati a elementi prefabbricati, solai, strutture metalliche, impianti o altri componenti prodotti separatamente.
In questi casi una deviazione di pochi millimetri può creare problemi durante il montaggio.
Il controllo qualità prima dell’assemblaggio permette di verificare in anticipo che interfacce, fori, superfici e dimensioni siano compatibili.
Questo è particolarmente importante per la costruzione modulare e prefabbricata, dove la precisione delle connessioni determina la possibilità di assemblare rapidamente i componenti sul cantiere.
Artec 3D e Hexagon mostrano il ruolo crescente della metrologia
Il coinvolgimento di tecnologie sviluppate da aziende come Artec 3D e Hexagon evidenzia un altro aspetto del settore.
La crescita della manifattura additiva in edilizia non dipenderà soltanto dai costruttori di stampanti.
Serviranno anche aziende specializzate in metrologia, scansione 3D, fotogrammetria, computer vision e gestione delle nuvole di punti.
La stampante può quindi diventare il centro di un ecosistema composto da robot, sistemi di pompaggio, sensori, software BIM, strumenti di analisi e piattaforme di controllo.
La capacità di far dialogare questi sistemi sarà uno degli elementi decisivi per il passaggio dalla sperimentazione alla produzione industriale.
Per le aziende la tracciabilità può diventare importante quanto la velocità
Nel mercato della stampa 3D del calcestruzzo, le aziende hanno spesso comunicato parametri come velocità di deposizione, dimensioni massime della struttura o riduzione delle casseforme.
Con la maturazione del settore, potrebbero diventare altrettanto importanti la precisione e la tracciabilità.
Un committente potrebbe non limitarsi a chiedere quanto velocemente sia stata stampata una parete, ma richiedere un rapporto che dimostri che la geometria costruita rispetta il progetto.
Un sistema di controllo integrato potrebbe produrre automaticamente mappe degli scostamenti, registri delle misure e dati relativi a ogni fase produttiva.
Queste informazioni possono diventare utili anche per certificazione, manutenzione e gestione futura dell’edificio.
Il controllo qualità sarà necessario per scalare la stampa 3D del calcestruzzo
La riduzione delle casseforme, l’automazione e la possibilità di realizzare geometrie complesse sono tra i principali vantaggi associati alla stampa 3D del calcestruzzo.
Ma nessuno di questi vantaggi può sostituire la necessità di produrre componenti dimensionalmente affidabili.
Il passaggio a una produzione industriale richiede processi ripetibili.
La qualità non può dipendere soltanto dall’esperienza dell’operatore o da una verifica visiva della parete.
Deve poter essere misurata e documentata.
La ricerca condotta alla Technische Universität Braunschweig mostra una possibile direzione: sensori inseriti direttamente nella produzione, confronto continuo con il modello digitale e algoritmi capaci di individuare automaticamente gli errori.
Dalla macchina che deposita alla macchina che controlla
La prospettiva finale è quella di sistemi di costruzione capaci di controllare il proprio lavoro durante la produzione.
Una stampante 3D del calcestruzzo potrebbe quindi eseguire una sequenza continua: depositare materiale, acquisire la geometria, confrontarla con il modello, individuare le deviazioni e correggere i parametri di processo.
Non si tratta soltanto di aggiungere uno scanner a un robot.
Significa integrare produzione, metrologia e software in un unico ciclo digitale.
È probabilmente questo uno dei passaggi necessari perché la stampa 3D del calcestruzzo possa essere valutata non soltanto per ciò che riesce a costruire, ma anche per la capacità di dimostrare che ogni elemento costruito corrisponde alle specifiche previste dal progetto.
” Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI) “
