Prove sui Materiali Basate sul Valore dell’Informazione per Elementi Esistenti in Calcestruzzo Armato

Quante prove sui materiali servono davvero prima di decidere un intervento su un manufatto in calcestruzzo armato esistente? Nel caso di riferimento studiato da Vittorio Palma, Simone Celati, Agnese Natali, Walter Salvatore e Sebastian Thöns la risposta numerica è precisa: sei prove sul calcestruzzo e tre sull’acciaio di armatura, sufficienti a ridurre di circa il 58,2% il costo e il rischio complessivi della decisione rispetto allo stesso scenario privo di nuove informazioni.

Il contributo, dal titolo Value-of-Information-Based Material Testing for Existing Reinforced Concrete Members, è stato pubblicato su Infrastructures (vol. 11, pag. 286, doi: 10.3390/infrastructures11080286). Il suo nucleo metodologico rovescia la prassi abituale: il numero di indagini non viene fissato a priori con regole di campionamento standard, ma emerge da una minimizzazione che pesa insieme prestazione strutturale, costi e conseguenze del collasso.

Il campionamento come problema decisionale

L’approccio proposto, denominato PIPA (predicted information and predicted action), si applica nel momento in cui il tecnico affronta due scelte concatenate: quante prove eseguire su calcestruzzo e acciaio e, a valle degli esiti, quale azione di gestione adottare. Entrambe le decisioni vengono formulate prima che qualsiasi prova sia eseguita e prima che l’intervento sia individuato. Nell’analisi entrano congiuntamente la prestazione strutturale aggiornata dalle informazioni, i costi di acquisizione dei dati, i costi delle azioni e le conseguenze attese del collasso.

L’impianto ribalta la sequenza operativa abituale: gli esiti futuri delle prove sono previsti in forma probabilistica e impiegati per aggiornare, con inferenza bayesiana, le distribuzioni delle resistenze dei materiali.

Dagli esiti previsti all’affidabilità a taglio, a flessione e di sistema

Le distribuzioni aggiornate non restano confinate alla statistica dei materiali: vengono propagate attraverso le analisi di affidabilità a taglio, a flessione e a livello di sistema, così che l’informazione acquisita si traduca in prestazione strutturale. Le opzioni di gestione, a loro volta, sono modellate come azioni sugli stati del sistema, ciascuna associata a una probabilità di collasso dipendente dall’azione stessa. La selezione dell’intervento risulta quindi condizionata dall’esito atteso delle indagini.

Costi dell’informazione, costi dell’azione, rischio di collasso

L’opzione di prova ottimale si individua minimizzando una misura totale di costi e rischi previsti, che accorpa i costi di acquisizione dell’informazione e quelli attesi delle azioni con le conseguenze attese degli stati del sistema. Ogni configurazione di campionamento viene così giudicata sul proprio rendimento decisionale complessivo, anziché su un numero di prove fissato in modo convenzionale.

Sei prove sul calcestruzzo, tre sull’acciaio

Il campo applicativo è un elemento di riferimento in calcestruzzo armato dotato di armatura trasversale a taglio, con due sorgenti di incertezza sui materiali: la resistenza a compressione del calcestruzzo e il limite di snervimento dell’acciaio. Una stessa popolazione statistica descrive la resistenza dell’acciaio per le armature longitudinali e per quelle trasversali.

L’analisi decisionale seleziona come opzione ottimale sei prove sul calcestruzzo e tre sull’acciaio di armatura, con una riduzione di circa il 58,2% della misura complessiva di costi e rischi attesi rispetto alla decisione basata su nessuna informazione aggiuntiva.

Il valore della decisione deriva principalmente dall’evitare interventi non necessari quando le informazioni acquisite sui materiali si rivelano favorevoli.

Per progettisti, calcolisti e consulenti tecnici coinvolti nella valutazione degli esistenti, il contributo riconduce la pianificazione delle prove a un problema di valore decisionale, come alternativa esplicita alle regole di campionamento a dimensione fissa. Il quadro mantiene una dipendenza dichiarata dalle ipotesi di partenza, strutturali, probabilistiche, sulle azioni di gestione e sui costi: la configurazione ottimale resta quindi ancorata alle assunzioni con cui il modello viene alimentato.