La crescita della stampa 3D del calcestruzzo sta spostando l’attenzione dalla semplice possibilità di produrre strutture di grandi dimensioni alla capacità di garantire che ciò che viene costruito corrisponda realmente al progetto digitale.
È su questo problema che si concentra la tesi di dottorato “Quality Control of Additively Manufactured Concrete Components”, completata il 29 maggio 2026 da Karam Mawas presso l’Institute of Geodesy and Photogrammetry della Technische Universität Braunschweig.
Il lavoro studia un sistema di controllo geometrico non distruttivo destinato alla produzione additiva del calcestruzzo, con particolare attenzione ai processi basati sull’estrusione e allo Shotcrete 3D Printing, SC3DP.
L’obiettivo è superare un approccio nel quale il componente viene verificato soltanto quando la stampa è terminata.
Quando si parla di strutture in calcestruzzo, infatti, individuare un errore alla fine della produzione può significare scoprire che diverse tonnellate di materiale sono già state depositate e che il componente non rispetta più le tolleranze richieste.
La ricerca di Mawas propone quindi di introdurre controlli ripetuti lungo l’intera catena produttiva.
Dal controllo finale a un controllo ciclico
Il principio alla base della tesi è relativamente semplice: verificare il componente più volte durante la produzione anziché aspettare la conclusione del processo.
La complessità nasce dal modo in cui questo controllo deve essere realizzato.
Nel modello proposto, l’ispezione può avvenire durante la deposizione, dopo determinati strati, al termine della stampa, prima dell’assemblaggio e durante il montaggio di più elementi.
Ogni misurazione produce una rappresentazione dello stato reale del componente.
Questi dati vengono confrontati con il modello digitale previsto dal processo produttivo, che può derivare dal modello BIM o dal cosiddetto Fabrication Information Model.
Il sistema deve quindi rispondere continuamente a una domanda: ciò che il robot ha realmente costruito coincide con ciò che avrebbe dovuto costruire?
Se la risposta è negativa, la deviazione dovrebbe essere rilevata abbastanza presto da consentire un intervento.
Perché il controllo geometrico è più difficile nella stampa 3D del calcestruzzo
Il problema è particolarmente complesso nel settore edilizio.
Una stampante 3D per polimeri lavora generalmente in un ambiente relativamente controllato, con dimensioni limitate e materiali dalle caratteristiche prevedibili.
La stampa 3D del calcestruzzo opera invece su scale molto maggiori.
La struttura può essere lunga diversi metri. La superficie rimane irregolare. Il materiale cambia caratteristiche durante l’indurimento e le condizioni ambientali possono influenzare il processo.
Anche una deviazione relativamente piccola nella deposizione di ogni singolo strato può accumularsi.
Se, per esempio, ogni cordone viene depositato leggermente fuori posizione, dopo molte decine di livelli l’errore complessivo può diventare significativo.
A questo si aggiungono deformazioni provocate dal peso degli strati superiori, variazioni nella portata del materiale e modifiche della forma del cordone durante e dopo la deposizione.
Il controllo qualità deve quindi considerare contemporaneamente posizione, geometria, superficie e comportamento del materiale.
Estrusione e Shotcrete 3D Printing non sono la stessa cosa
La tesi prende in considerazione due importanti famiglie di processi.
Nella stampa 3D del calcestruzzo basata sull’estrusione, il materiale viene pompato attraverso un ugello e depositato sotto forma di cordone seguendo una traiettoria controllata digitalmente.
Lo Shotcrete 3D Printing, sviluppato anche nell’ambiente di ricerca della Technische Universität Braunschweig, utilizza invece un processo nel quale il calcestruzzo viene proiettato attraverso un ugello controllato roboticamente.
In entrambi i casi la geometria finale nasce dall’accumulo progressivo del materiale.
Il comportamento del singolo cordone è quindi fondamentale.
La sua forma può dipendere dalla composizione della miscela, dalla distanza dell’ugello, dalla velocità del robot, dalla portata, dalla pressione di pompaggio e, nel caso dello shotcrete, anche dai parametri legati alla proiezione.
Una variazione in uno solo di questi elementi può modificare la geometria finale.
Lo scanner deve sapere esattamente dove si trova
Uno dei problemi affrontati da Mawas riguarda la registrazione dei dati.
Uno scanner laser può misurare con grande precisione milioni di punti sulla superficie del componente.
Il risultato è una cosiddetta nuvola di punti.
Questa nuvola, tuttavia, è utile soltanto se può essere sovrapposta correttamente al modello digitale.
In molti sistemi di controllo tradizionali l’operatore deve individuare punti comuni e allineare manualmente scansione e modello.
È un procedimento che richiede tempo e può introdurre ulteriori errori.
Mawas ha quindi sviluppato una procedura nella quale uno scanner laser terrestre viene installato direttamente su un robot.
Le trasformazioni geometriche tra scanner, sistema robotico, Tool Center Point e coordinate del modello vengono determinate in anticipo.
Il risultato è che i dati acquisiti possono essere collocati automaticamente nello stesso sistema di riferimento della geometria progettata.
In pratica, il sistema conosce la posizione dello scanner e può quindi determinare direttamente dove si trova ogni punto rilevato rispetto al componente digitale.
Dalla nuvola di punti alla mappa degli errori
Una volta effettuata la scansione, occorre stabilire quanto la superficie reale differisca da quella progettata.
Uno dei sistemi più intuitivi è il confronto Cloud-to-Mesh.
La nuvola di punti derivante dalla scansione viene confrontata con la mesh del modello digitale.
Per ciascun punto viene calcolata una distanza.
È così possibile creare una mappa cromatica nella quale le zone che rispettano la geometria prevista e quelle che presentano scostamenti diventano immediatamente identificabili.
Il metodo è relativamente semplice e può fornire rapidamente una panoramica della qualità geometrica.
La ricerca mostra tuttavia che non è sempre sufficiente.
Su superfici continue, per esempio, alcune porzioni mancanti possono risultare difficili da identificare utilizzando esclusivamente la distanza punto-superficie.
Il metodo M3C2 per le deviazioni più complesse
Nella tesi viene quindi analizzato anche il metodo M3C2, Multiscale Model to Model Cloud Comparison.
Questa tecnica nasce per confrontare direttamente nuvole di punti tridimensionali e può risultare più efficace quando devono essere individuate variazioni geometriche significative.
Mawas ha rilevato che M3C2 può fornire risultati migliori rispetto al Cloud-to-Mesh in presenza di deviazioni di maggiore entità.
Il vantaggio ha però un costo in termini di configurazione.
Il metodo richiede infatti una scelta accurata dei parametri utilizzati nell’analisi.
Non esiste quindi un algoritmo universalmente migliore.
Cloud-to-Mesh offre maggiore semplicità operativa; M3C2 può diventare più efficace in alcuni tipi di confronto ma richiede una configurazione più attenta.
La scelta dipende dalla geometria, dal tipo di errore che si vuole rilevare e dalla precisione necessaria.
Il controllo del singolo cordone di calcestruzzo
Un’altra parte del lavoro si concentra su una scala ancora più piccola.
Invece di controllare soltanto la forma globale della parete, il sistema cerca di riconoscere individualmente i cordoni che compongono la struttura.
Questa distinzione è importante.
Un componente può presentare dimensioni complessive apparentemente corrette ma contenere difetti locali tra gli strati.
Un cordone può interrompersi, diventare troppo sottile, spostarsi lateralmente oppure non aderire correttamente a quello sottostante.
Identificare automaticamente ogni strato permette quindi di studiare il processo con un livello di dettaglio superiore.
Dal laser scanner alla computer vision
Una prima metodologia sviluppata dal gruppo di ricerca utilizzava dati provenienti da terrestrial laser scanning per individuare i cordoni all’interno di pareti realizzate tramite Shotcrete 3D Printing.
Il metodo riusciva a riconoscere i filamenti con una precisione media nell’ordine del 76%.
I risultati mostravano però limiti quando i cordoni erano interrotti oppure presentavano forme non regolari.
Mawas e i ricercatori della Technische Universität Braunschweig hanno quindi sviluppato un secondo approccio basato sul deep learning.
Il nuovo sistema utilizza un modello della famiglia YOLO11 dedicato alla segmentazione delle immagini.
L’obiettivo non è semplicemente rilevare che nell’immagine è presente una parete stampata, ma identificare la forma dei singoli filamenti che la costituiscono.
Un sistema indipendente dal sensore
Uno degli aspetti più interessanti dell’approccio è la volontà di renderlo indipendente dal sistema utilizzato per acquisire i dati.
Le normali fotografie RGB possono essere analizzate direttamente.
Una nuvola di punti generata da fotogrammetria, structured-light scanning o laser scanning viene invece trasformata in un’immagine mediante una telecamera virtuale.
Tutti i diversi tipi di dati vengono quindi convertiti in una rappresentazione compatibile con lo stesso algoritmo di computer vision.
Questo permette di separare almeno in parte l’algoritmo di riconoscimento dall’hardware di acquisizione.
Una futura piattaforma industriale potrebbe quindi utilizzare sensori differenti a seconda della scala del componente e della precisione richiesta senza dover ricostruire completamente la catena software.
Circa 76 immagini elaborate ogni secondo
Le prestazioni temporali del sistema sono già compatibili con l’idea di un controllo continuo.
Il modello descritto nella ricerca richiede circa 13 millisecondi per elaborare un’immagine, corrispondenti teoricamente a circa 76 frame al secondo.
Dal punto di vista della velocità, quindi, il riconoscimento può essere abbastanza rapido da accompagnare il processo di stampa.
Il limite principale rimane la precisione.
Il valore mask-mAP50 ottenuto è pari a circa 0,4541, un risultato che indica margini considerevoli di miglioramento.
Uno dei problemi principali è rappresentato dalle deformazioni prospettiche.
Lo stesso cordone può infatti apparire molto differente se osservato frontalmente, lateralmente o da una posizione inclinata.
A questo si aggiungono variazioni nell’illuminazione, irregolarità della superficie, ombre e caratteristiche del calcestruzzo fresco.
Il sistema dimostra quindi la fattibilità dell’approccio, ma non rappresenta ancora una soluzione definitiva pronta per un controllo industriale completamente autonomo.
Laser scanner, fotogrammetria o luce strutturata?
Un altro risultato importante della ricerca riguarda la selezione del sensore.
Non esiste uno strumento ideale per tutte le situazioni.
Mawas e il gruppo dell’Institute of Geodesy and Photogrammetry hanno confrontato tre sistemi: Terrestrial Laser Scanning, fotogrammetria terrestre e scanner portatili a luce strutturata.
I test sono stati eseguiti su componenti in calcestruzzo prodotti digitalmente.
La ricerca ha analizzato non soltanto la precisione geometrica, ma anche fattori pratici quali velocità di acquisizione, costi e flessibilità.
Lo structured-light scanning per i componenti medio-piccoli
Per oggetti di dimensioni medio-piccole, gli scanner portatili a luce strutturata hanno mostrato caratteristiche particolarmente interessanti.
Possono essere spostati attorno al componente e acquisire superfici con elevata densità di punti.
Nei confronti sperimentali, gli errori quadratici medi ottenuti dalle tecniche studiate sono rimasti inferiori al millimetro.
La luce strutturata può quindi offrire un buon compromesso quando occorre controllare dettagli geometrici relativamente piccoli.
Il limite è rappresentato dalla scala.
Scansionare in questo modo una parete lunga decine di metri sarebbe molto meno efficiente.
La fotogrammetria offre flessibilità con hardware relativamente semplice
La fotogrammetria ricostruisce la geometria tridimensionale partendo da numerose fotografie scattate da posizioni differenti.
Il vantaggio principale è che l’hardware necessario può essere relativamente economico rispetto ai sistemi di metrologia dedicati.
La qualità del risultato dipende però da numerosi elementi: risoluzione della fotocamera, illuminazione, texture della superficie, numero delle immagini e geometria delle riprese.
Per la stampa 3D del calcestruzzo può comunque rappresentare una soluzione interessante, soprattutto quando occorre documentare componenti relativamente grandi senza utilizzare apparecchiature estremamente costose.
Il laser scanner è efficace sulle grandi dimensioni ma non sempre sulla precisione locale
Il Terrestrial Laser Scanner offre invece la possibilità di acquisire rapidamente grandi superfici.
È una tecnologia già ampiamente utilizzata nel rilievo architettonico e nelle costruzioni.
Per questo motivo è particolarmente interessante in un settore nel quale i componenti stampati possono raggiungere dimensioni edilizie.
La tesi mostra però che la scelta deve essere collegata alle tolleranze richieste.
Con una tolleranza complessiva nell’ordine di un millimetro, fotogrammetria e scanner portatili a luce strutturata hanno soddisfatto le condizioni considerate nella ricerca, mentre il terrestrial laser scanner analizzato non ha raggiunto lo stesso risultato.
Questo non significa che il TLS non sia adatto alla stampa 3D del calcestruzzo.
Significa piuttosto che precisione richiesta e scala del componente devono essere valutate insieme.
Non esiste quindi un unico sistema di misura
La conclusione è che un futuro impianto di stampa 3D del calcestruzzo potrebbe utilizzare più sistemi contemporaneamente.
Un laser scanner potrebbe controllare la geometria generale della struttura.
Una telecamera potrebbe sorvegliare continuamente la deposizione.
Uno scanner a luce strutturata potrebbe essere utilizzato per verificare zone critiche.
La fotogrammetria potrebbe fornire un’ulteriore documentazione geometrica.
Il problema non consiste quindi nell’individuare il sensore migliore in assoluto, ma nel costruire una catena di misurazione proporzionata alla funzione richiesta.
Il modello digitale deve diventare dinamico
Il passaggio più interessante della ricerca riguarda il modo in cui i dati vengono utilizzati.
Nel normale processo produttivo, il modello digitale viene creato prima della stampa.
La macchina segue quel modello e al termine si controlla il risultato.
La visione sviluppata all’interno del progetto AMC – TRR 277 è differente.
Il modello dovrebbe aggiornarsi durante la produzione.
Le informazioni provenienti dai sensori entrano nel Fabrication Information Model, che viene quindi arricchito con la geometria realmente prodotta.
Si crea così un collegamento continuo tra mondo digitale e oggetto fisico.
Il digital twin non rappresenta più semplicemente ciò che dovrebbe esistere, ma registra progressivamente ciò che è stato realmente costruito.
Dalla misura alla correzione del percorso
Il passo successivo consiste nel trasformare la misurazione in un comando.
Se il sistema scopre che uno strato è stato depositato con una deviazione, potrebbe modificare il percorso successivo.
Il robot potrebbe correggere leggermente la traiettoria, aumentare o ridurre la quantità di materiale oppure adattare le successive fasi produttive.
Il controllo qualità diventerebbe così parte del sistema di controllo della macchina.
In automazione questo modello viene definito closed-loop control, cioè controllo ad anello chiuso.
Il processo non esegue semplicemente istruzioni prestabilite.
Misura continuamente il risultato delle proprie azioni e utilizza queste informazioni per decidere quelle successive.
Una differenza fondamentale rispetto alla stampa tradizionale
Nell’edilizia additiva questo concetto potrebbe essere particolarmente importante perché il materiale non è perfettamente prevedibile.
Il calcestruzzo fresco può modificare forma dopo essere stato depositato.
Gli strati inferiori vengono caricati dal peso di quelli successivi.
Temperatura, umidità e caratteristiche della miscela influenzano il comportamento.
Eseguire sempre lo stesso percorso robotico non garantisce quindi necessariamente di ottenere sempre la stessa geometria.
Un sistema adattivo potrebbe compensare almeno parte di queste variazioni.
La stampa 3D passerebbe così da una produzione rigidamente programmata a un processo capace di reagire allo stato reale della costruzione.
Il ruolo di AMC – TRR 277
La ricerca di Karam Mawas è inserita nel programma AMC – TRR 277 Additive Manufacturing in Construction, coordinato dalla Technische Universität Braunschweig e dalla Technische Universität München.
Il programma studia l’intera catena della produzione additiva nel settore delle costruzioni.
Non riguarda quindi soltanto il deposito del materiale, ma comprende progettazione, robotica, materiali, sensori, simulazione, modellazione digitale e controllo qualità.
All’interno di questo contesto il lavoro dell’Institute of Geodesy and Photogrammetry si concentra soprattutto sul collegamento tra ciò che viene progettato digitalmente e ciò che viene realmente prodotto.
I responsabili scientifici dell’area comprendono Markus Gerke, Patrick Schwerdtner e Norman Hack, con il contributo di ricercatori tra cui Mehdi Maboudi.
La Digital Construction Site amplia la sperimentazione di TU Braunschweig
La Technische Universität Braunschweig dispone inoltre di una Digital Construction Site dedicata allo studio dei processi automatizzati di costruzione.
La piattaforma occupa un’area di circa 2.800 metri quadrati e integra sistemi di stampa 3D di grande formato, robot mobili, infrastrutture per il tracciamento e strumenti di realtà virtuale e aumentata.
Il sistema di stampa di grande formato è stato sviluppato con il contributo del produttore danese COBOD e può raggiungere un’altezza di circa sei metri.
Un ambiente di questo tipo permette di studiare non soltanto la stampa del singolo componente, ma l’integrazione tra produzione, movimentazione, controllo e assemblaggio su scala edilizia.
È precisamente su questa scala che la qualità geometrica automatizzata diventa essenziale.
Il controllo qualità diventa una condizione per industrializzare la tecnologia
La stampa 3D del calcestruzzo ha già dimostrato di poter produrre pareti, elementi strutturali e geometrie difficili da ottenere con casseforme tradizionali.
La questione industriale è però differente.
Un’impresa di costruzioni deve poter dimostrare che ciò che è stato prodotto rispetta progetto, tolleranze e requisiti tecnici.
Non può basarsi esclusivamente sull’osservazione visiva dell’operatore.
Se la produzione additiva deve entrare nei processi normali del settore delle costruzioni, occorrono procedure di ispezione documentabili e ripetibili.
In questo senso il lavoro sviluppato alla Technische Universität Braunschweig affronta uno dei passaggi necessari per trasformare la stampa 3D del calcestruzzo da tecnologia dimostrativa a processo produttivo controllato.
Ridurre gli scarti significa intervenire prima
Il vantaggio economico potenziale del controllo ciclico è evidente.
Se un difetto viene rilevato dopo pochi strati, può essere possibile interrompere la stampa e correggerlo.
Se lo stesso difetto viene scoperto dopo il completamento di una struttura di diverse tonnellate, le alternative possono limitarsi alla rilavorazione o alla demolizione.
Il controllo continuo non serve quindi soltanto a migliorare la precisione.
Può ridurre consumo di materiale, tempi di produzione e costi derivanti da componenti non conformi.
Per il calcestruzzo esiste anche una conseguenza ambientale.
La produzione di cemento comporta emissioni significative di CO₂. Evitare la realizzazione di componenti che devono essere demoliti e ricostruiti significa quindi ridurre non soltanto i costi, ma anche l’impatto associato al materiale sprecato.
Dal robot che esegue al robot che misura e corregge
La tesi di Karam Mawas indica quindi una possibile evoluzione della costruzione additiva.
La prima generazione di sistemi robotizzati esegue una traiettoria.
La seconda aggiunge sensori capaci di verificare ciò che il robot ha prodotto.
La fase successiva consiste nell’utilizzare il risultato della misura per modificare automaticamente la produzione.
È questo il passaggio dal controllo qualità alla vera regolazione del processo.
Laser scanning, fotogrammetria, structured-light scanning e computer vision diventano quindi parte integrante della macchina di produzione.
L’obiettivo finale non è soltanto stabilire a posteriori se il componente sia corretto.
È fare in modo che il sistema riconosca una deviazione mentre sta nascendo e possa reagire prima che si trasformi in un difetto irreversibile.
Per la stampa 3D del calcestruzzo, dove ogni errore può coinvolgere grandi quantità di materiale, questo approccio potrebbe diventare uno degli elementi decisivi per l’adozione industriale della tecnologia.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)
