Articoli modificati AI

  • Autodesk rafforza l’integrazione tra Revit e Forma: novità per la BIM

    Autodesk ha lanciato la Tech Preview di “Revit as a Forma Connected Client”: Revit diventa così il primo prodotto desktop dell’azienda a offrire un’integrazione approfondita con Forma, la piattaforma cloud AECO di Autodesk. Per i team che lavorano tra fasi di concept e progettazione dettagliata, la novità elimina lo scambio manuale di file tra l’ambiente cloud e lo strumento di authoring BIM.

    Cosa cambia nel flusso di dati verso Revit

    Con la Tech Preview è possibile trasferire i dati da Forma Site Design e Forma Building Design direttamente in Revit, senza passaggi manuali. Autodesk indica inoltre che i dati contestuali disponibili nel Forma Data Marketplace, come terreno, edifici circostanti e particelle catastali (parcels), possono essere reperiti anche da fornitori esterni e aggiunti ai progetti “in pochi clic”.

    Alcune capacità cloud di Forma, tra cui le analisi ambientali, possono ora essere eseguite direttamente all’interno di Revit.

    Revit è il primo Forma Connected Client ufficiale, ma secondo Autodesk l’obiettivo è estendere nel tempo questa integrazione ad altre applicazioni desktop del portfolio.

    Autodesk Assistant arriva in Revit

    In parallelo, Autodesk Assistant è disponibile in Revit: si tratta di una guida contestuale basata su intelligenza artificiale, progettata per operare con modelli, workflow e contesti specifici del settore. Secondo Autodesk, l’assistente va oltre la semplice risposta a domande: può contribuire all’esecuzione di task e orchestrare azioni attraverso i prodotti Autodesk.

    Licenze: cosa ottengono gli abbonati Revit

    Sul piano delle licenze, tutti gli abbonati a Revit hanno ora accesso a Forma Site Design, Forma Building Design, Forma Board e Forma Data Management Essentials. Per Autodesk, questo accesso esteso porta pianificazione basata su AI, early design, collaborazione e workflow di dati connessi in un’esperienza più unificata.

    Forma Building Design

    Forma Building Design è un’offerta di progettazione e analisi pensata specificamente per la fase di schematic design. Permette di impostare siti geolocalizzati e di creare e dettagliare opzioni di edificio con strumenti e automazioni di design per aggiungere e modificare facciate, planimetrie e unità. Gli architetti possono valutare le prestazioni attraverso analisi come la luce naturale, le ore di sole e il carbonio. Una volta affinato, il progetto può passare in Revit come modello nativo e geolocalizzato, pronto per la progettazione dettagliata e la documentazione.

    Forma Data Management Essentials e Forma Board

    Forma Data Management Essentials è descritto come un punto d’ingresso semplice e a costo zero verso dati di progetto condivisi e sempre aggiornati.

    Forma Board è invece orientato all’allineamento dei team attraverso la “collaborazione visiva” in ogni fase del progetto. Secondo Autodesk includerà presto funzionalità di rendering basate su AI, che aiuteranno i team a visualizzare l’intento progettuale partendo da schizzi e immagini e a esplorare più facilmente atmosfera, materialità e mood.

  • USL Toscana Sud Est avvia il percorso BIM: import articoli per Ingforum

    Una Stazione Appaltante sanitaria si avvia al BIM

    L’Azienda USL Toscana Sud Est ha avviato un percorso di introduzione della metodologia BIM, con l’obiettivo di portare l’organizzazione verso una gestione più strutturata e digitale dei processi tecnici e amministrativi. L’iniziativa risponde all’evoluzione normativa che interessa la Pubblica Amministrazione e il settore degli appalti pubblici e si concentra in particolare sugli adempimenti preliminari previsti dal nuovo Codice dei Contratti Pubblici (D.Lgs. 36/2023).

    Per sostenere la fase iniziale del percorso, l’Azienda si è avvalsa del supporto di Harpaceas, individuando nella formazione il primo strumento strategico per una transizione digitale pianificata.

    La formazione come punto di partenza

    Il progetto è partito da un percorso formativo articolato in più unità, orientato al BIM Management e rivolto al personale tecnico e amministrativo dell’intero Dipartimento Tecnico. L’obiettivo è stato duplice: costruire una base comune di competenze e chiarire il ruolo del BIM come metodologia trasversale ai processi, superando l’approccio limitato alla semplice adozione di nuovi strumenti informatici.

    Adempimenti e documentazione contrattuale

    Nel corso del progetto l’attenzione si è concentrata su tre fronti:

    • l’adeguamento agli adempimenti preliminari previsti dall’Allegato I.9 del D.Lgs. 36/2023;
    • l’armonizzazione della documentazione contrattuale;
    • la definizione di una prima struttura organizzativa a supporto dell’adozione del BIM.

    Dalla formazione è emersa una maggiore consapevolezza che l’adozione del BIM richiede una revisione complessiva dei processi e delle responsabilità interne, e non soltanto l’introduzione di software dedicati.

    Dalla fase formativa all’applicazione operativa

    In linea con la roadmap di adozione delineata dal D.M. 560/2017 e successivamente dal Codice dei Contratti Pubblici, il percorso ha portato alla redazione dei primi Capitolati Informativi per le fasi di progettazione ed esecuzione dei lavori.

    Parallelamente, è stato costituito un team di coordinamento, coinvolto nella redazione dell’Atto di Organizzazione e nello sviluppo di un primo progetto pilota. Questi elementi segnano il passaggio dalla fase formativa a una prima applicazione operativa della metodologia all’interno della Stazione Appaltante.

    Il ruolo del supporto esterno

    Harpaceas ha affiancato l’Azienda USL Toscana Sud Est nella definizione del percorso metodologico e organizzativo di introduzione del BIM, contribuendo a trasformare la formazione in uno strumento abilitante per il cambiamento organizzativo. Secondo quanto riferito, il supporto ha consentito di integrare competenze, processi e requisiti normativi, con particolare attenzione alle specificità del contesto sanitario.

    Il caso mostra come, per una Stazione Appaltante, il percorso verso il BIM possa partire dalla costruzione delle competenze interne e dalla messa a punto della documentazione contrattuale, prima di estendersi alle applicazioni operative su progetti concreti.

  • Architectural Prompting: l’AI entra nei software di modellazione. Cosa cambia con il protocollo MCP

    McNeel ha reso disponibile Rhino MCP Platform, un sistema che collega Rhino e Grasshopper ad assistenti di intelligenza artificiale compatibili con il Model Context Protocol (MCP), tra cui Claude, OpenAI Codex, Gemini e GitHub Copilot, oltre a modelli eseguiti localmente. Non si tratta di un semplice chatbot incorporato nel software: l’assistente può leggere alcune informazioni presenti nel modello e richiamare direttamente gli strumenti messi a disposizione dal programma, dalla creazione di geometrie all’organizzazione dei layer fino alla modifica di script e definizioni Grasshopper.

    Che cos’è MCP

    MCP, Model Context Protocol, è uno standard aperto che permette alle applicazioni di intelligenza artificiale di collegarsi a dati e strumenti esterni. La differenza rispetto all’uso attuale di un chatbot insieme a un software di modellazione è netta. Oggi, se si chiede a un assistente di scrivere uno script per Rhino, il modello produce il codice, ma resta all’utente il compito di copiarlo nel programma, eseguirlo e verificare il risultato.

    Con un collegamento MCP alcuni di questi passaggi avvengono direttamente: il software rende disponibili determinate funzioni e l’assistente le richiama per rispondere alla richiesta. Il flusso passa, semplificando, da prompt → risposta → utente → software a prompt → assistente AI → strumenti del software.

    Questo non equivale a dare all’AI accesso indistinto al programma: è l’integrazione MCP stessa a definire quali informazioni possono essere lette e quali operazioni eseguite. Lo standard funziona in sostanza come un linguaggio comune attraverso cui l’assistente utilizza strumenti esterni.

    Cosa può fare oggi in Rhino

    La Rhino MCP Platform consente all’assistente di vedere il contenuto dei file, creare geometrie, eseguire comandi, scrivere o modificare script e intervenire sulle definizioni Grasshopper. Gli esempi pubblicati da McNeel coprono operazioni piuttosto diverse tra loro:

    • distribuire automaticamente gli elementi di un modello sui layer;
    • produrre variazioni di una geometria;
    • costruire una definizione Grasshopper a partire da una richiesta in linguaggio naturale;
    • partire da un’immagine per ottenere una prima costruzione parametrica.

    Un esempio tipico: chiedere di “prendere gli oggetti presenti nel modello e organizzarli su layer differenti in base alla loro tipologia”. L’assistente non si limita a spiegare come impostare i layer o a suggerire uno script, ma utilizza gli strumenti di Rhino messi a sua disposizione per svolgere l’operazione.

    Oltre Rhino: il caso SketchUp

    Rhino rappresenta oggi uno degli esempi più strutturati, ma MCP non è una tecnologia specifica di McNeel. Anche attorno a SketchUp sono nate sperimentazioni che collegano il programma ad assistenti AI attraverso lo stesso protocollo, anche se in questo caso occorre distinguere tra progetti sviluppati dalla community e integrazioni ufficiali.

    Un segnale arriva da Trimble, che nel maggio 2026 ha invitato gli sviluppatori di estensioni SketchUp a collaborare allo sviluppo di progetti MCP destinati ai propri sistemi Trimble AI Studio e Trimble Assistant. Non si tratta ancora di una soluzione equivalente alla piattaforma disponibile per Rhino, ma la direzione è simile: permettere agli assistenti di interagire con gli strumenti utilizzati per costruire e modificare i modelli, invece di rimanere confinati nella finestra di una chat.

    Cosa cambia per il progettista

    Nel breve periodo, le applicazioni più concrete non riguardano la richiesta di “progettare un edificio” ma le attività quotidiane: organizzare oggetti e layer, eseguire modifiche ripetitive, produrre serie di varianti, interrogare il contenuto di un modello oppure accedere tramite linguaggio naturale a procedure che oggi richiedono comandi, script o definizioni parametriche. Il prompt assume così un ruolo diverso: non serve più soltanto a produrre testo, immagini o codice, ma può diventare un modo per richiamare e combinare azioni all’interno degli strumenti di lavoro.

    Resta un punto fondamentale. Il fatto che un assistente possa eseguire un’operazione non significa che sappia valutare se quell’operazione sia corretta dal punto di vista progettuale o tecnico. Può costruire una geometria, modificare decine di elementi o generare una definizione Grasshopper, ma stabilire cosa modificare, secondo quali criteri e se il risultato sia effettivamente utilizzabile rimane responsabilità del progettista. Queste integrazioni, più che eliminare il controllo umano, spostano l’attenzione su quali operazioni affidare all’AI, quali strumenti renderle disponibili e come verificare i risultati.

  • Interazione Suolo-Struttura nei Sistemi Duali Parete-Telaio: Risposta Sismica e Classificazione Normativa

    Vincolare o deformare la base di un edificio a sistema duale telaio-muro può cambiare la sua categoria normativa. In un prototipo di nove piani in cemento armato, il passaggio dai modelli a base vincolata a quelli a base flessibile ribalta l’equilibrio delle forze sismiche tra muri e telai e, con esso, la classificazione prevista da Eurocodice 8: dal duale equivalente a muri al duale equivalente a telai, fino a configurazioni dominate dai telai.

    Lo studio, condotto da Besar Abdiu, Julijana Bojadjieva e Lisa M. Star e pubblicato su Geotechnics (vol. 6, articolo 62, doi 10.3390/geotechnics6030062), indaga un territorio poco frequentato dalla pratica antisismica: le conseguenze dell’interazione suolo-struttura (SSI) oltre la risposta globale, fino alla classificazione codificata dei sistemi.

    Nove piani, due vincoli di base, tre famiglie di analisi

    Il banco di prova è un edificio prototipo in cemento armato di nove piani, organizzato come sistema duale telaio-muro. La stessa geometria viene esaminata in due versioni di modello, a base vincolata e a base flessibile, per isolare l’apporto dell’interazione suolo-struttura. Su entrambe le impostazioni si estendono tre livelli di indagine in complessità crescente: analisi lineari elastiche, analisi statiche non lineari di tipo pushover e analisi dinamiche non lineari con storie temporali.

    La doppia chiave di lettura, modellistica e analitica, consente di seguire su più piani di verifica come l’apporto relativo dei due sottosistemi si sposti al variare della deformabilità in fondazione.

    Le azioni sismiche migrano dai muri verso i telai

    L’esito più netto riguarda la spartizione della domanda. L’interazione suolo-struttura induce una ridistribuzione significativa delle forze sismiche: il contributo dei muri di taglio si riduce, il ruolo dei telai cresce. La deformabilità introdotta alla base modifica infatti le rigidezze relative con cui i due sottosistemi si dividono l’azione, e con la ripartizione cambia anche il carattere del meccanismo resistente globale.

    Per un sistema duale non è un dettaglio. La classificazione secondo Eurocodice 8 dipende proprio da quale dei due sottosistemi guida la risposta, quindi ogni spostamento di equilibrio interno si ripercuote sulla qualifica normativa della struttura.

    Il cambio di classificazione secondo Eurocodice 8

    Con la base resa flessibile, il prototipo abbandona la qualifica di duale equivalente a muri. La classificazione slitta verso il duale equivalente a telai e, nei casi più marcati, verso un comportamento dominato dai telai.

    Dove il modello incorpora l’interazione suolo-struttura, il sistema duale telaio-muro cessa di qualificarsi come equivalente a muri e viene riclassificato come equivalente a telai, o come dominato dai telai.

    Le ricadute restano sul piano del dimensionamento: fattore di comportamento e ipotesi di distribuzione delle forze vanno calibrati su una tipologia che, a fine catena di calcolo, non coincide più con quella classificata a base vincolata.

    Perché con ASCE/SEI 7-16 lo scarto si attenua

    Il confronto con il riferimento statunitense ASCE/SEI 7-16 restituisce variazioni di classificazione meno pronunciate. La differenza non dipende dalla risposta della struttura ma dai limiti di definizione dei sistemi, nella normativa americana più ampi: fasce così larghe tollerano meglio gli spostamenti di equilibrio tra muri e telai, che raramente attraversano la soglia di una categoria all’altra.

    Una variabile da governare in modo coerente

    Dallo studio discende un’indicazione precisa: l’interazione suolo-struttura merita un trattamento coerente, tanto nell’analisi quanto nella classificazione del sistema. Se il modello tiene conto della deformabilità della base ma la tipologia resta quella dello schema a base vincolata, fattore di comportamento e distribuzione delle forze vengono fissati su una configurazione che non corrisponde alla struttura effettivamente analizzata.

    Per chi projetta su fondazioni deformabili, la questione esce dal perimetro della sola modellazione geotecnica. Tocca la scelta della tipologia strutturale, il fattore di comportamento e le assunzioni sulla distribuzione delle forze, cioè i parametri che la classificazione codificata condiziona direttamente.

  • Ottimizzazione della Pianificazione di un Progetto di Costruzione di un Nodo Ferroviario mediante Reti di Petri Temporizzate

    531 ore lavorative risparmiate sul tempo totale di programmazione, con un’efficienza di schedulazione che migliora del 15,47% rispetto ai metodi sequenziali tradizionali. Non una stima teorica, ma il risultato misurato su dati reali relativi allo scavo di fondazione di un grande nodo ferroviario ad alta velocità. A ottenerlo è un metodo che accosta un modello a reti di Petri temporizzate a una versione modificata dell’algoritmo brainstorming optimization (BSO), sviluppato da Wei Wang ed Enjian Yao e pubblicato sulla rivista Infrastructures (vol. 11, articolo 296, DOI 10.3390/infrastructures11090296).

    Perché la schedulazione allunga i cicli produttivi

    Nei cantieri di opere di grande scala la durata dei cicli produttivi viene spesso condizionata da inefficienze nei processi di programmazione. La definizione della sequenza operativa, in altri termini, non è un esercizio amministrativo: quando la successione delle attività non è costruita in modo ottimale, il tempo complessivo di produzione ne risente in misura rilevante. È su questo nodo che si concentra la ricerca, con un obiettivo preciso: descrivere formalmente il processo costruttivo e ottimizzarne la schedulazione ricorrendo al calcolo automatico.

    Il modello a reti di Petri temporizzate

    Il punto di partenza è una rete di Petri temporizzata costruita per analizzare la schedulazione del processo costruttivo. La rete articola il cantiere in transizioni, e proprio la sequenza di queste transizioni fornisce la rappresentazione su cui viene formulato il modello di ottimizzazione della schedulazione. Il valore dell’impostazione sta nella formalità: l’ordine di esecuzione delle operazioni non viene descritto in chiave discorsiva, ma tradotto in una struttura suscettibile di essere esplorata da un algoritmo di ricerca.

    Due interventi mirati sul BSO

    Formulare il modello, però, non basta: serve un motore di risoluzione capace di esplorare lo spazio delle sequenze in modo efficiente. Gli autori hanno quindi introdotto una versione migliorata del BSO, intervenendo su due fronti specifici rispetto alla formulazione classica dell’algoritmo.

    Il primo riguarda la codifica e la decodifica delle soluzioni. L’algoritmo lavora sulle sequenze di transizioni della rete di Petri, e l’adozione di uno schema di codifica dedicato al problema garantisce che ogni soluzione rimanga ammissibile, cioè corrisponda a una sequenza coerente con la struttura del processo. Senza questo accorgimento, le manipolazioni della ricerca possono produrre configurazioni non ammissibili.

    Il secondo intervento incorpora nell’algoritmo un meccanismo di ricerca locale basato sul simulated annealing, con il compito di contenere la convergenza prematura nelle fasi avanzate del processo iterativo. È il rischio tipico delle euristiche di ricerca: quando le iterazioni si susseguono, la soluzione corrente tende a stabilizzarsi su un ottimo locale, rinunciando ad alternative migliori che solo un’ulteriore esplorazione può mettere in luce.

    La validazione su un cantiere reale

    Il metodo è stato verificato con dati reali provenienti dal progetto di costruzione dello scavo di fondazione di un grande nodo ferroviario ad alta velocità. Il termine di paragone è la schedulazione sequenziale tradizionale: rispetto a questo riferimento, l’ottimizzazione riduce il tempo totale di programmazione di 531 ore lavorative, con un miglioramento dell’efficienza di schedulazione pari al 15,47%. Il ciclo di programmazione si accorcia e, di conseguenza, aumenta l’efficienza produttiva del processo.

    Un percorso per i processi costruttivi complessi

    La pipeline che emerge dallo studio è leggibile con chiarezza: rappresentazione formale del processo mediante la rete di Petri temporizzata, formulazione del modello di ottimizzazione a partire dalla sequenza di transizioni, risoluzione con il BSO modificato, verifica su dati di cantiere. Un’impostazione che si presenta come una risposta ai problemi di schedulazione dei processi costruttivi complessi, dove la definizione della sequenza pesa in modo determinante sui tempi globali.

    Per chi gestisce la programmazione di cantieri articolati il messaggio operativo è contenuto ma concreto: la sequenza delle attività può essere trattata come un problema di ottimizzazione formale, e il margine misurato sul caso esaminato dimostra che lo spazio di recupero rispetto alle pratiche sequenziali è tutt’altro che teorico.

  • Inversione multimodale basata sull’algoritmo PSO (Ottimizzazione a Sciame di Particelle) delle curve di dispersione delle onde di Rayleigh per la caratterizzazione geotecnica del profilo di un argine

    La velocità delle onde di taglio, Vs, è la grandezza da cui discende la rigidità a piccole deformazioni del terreno: il riferimento con cui prende le mosse la caratterizzazione geotecnica di un rilevato, o più in generale di un’opera in terra. Ricavarla in superficie senza perforazioni è compito dei metodi a onde superficiali. La misura, però, copre solo metà del percorso: la curva di dispersione sperimentale va convertita in un profilo stratigrafico di Vs e questa inversione non offre una soluzione unica, perché profili diversi possono riprodurre lo stesso dato. Su questo terreno si colloca il lavoro di Meho Saša Kovačević, Mario Gazdek, Lovorka Librić e Danijela Jurić Kaćunić, pubblicato sulla rivista Geotechnics (doi: 10.3390/geotechnics6020054): uno schema di inversione multimodale delle curve di dispersione di Rayleigh basato su Particle Swarm Optimization, applicato alla caratterizzazione di profili stratificati e verificato su un rilevato reale.

    La rigidità a piccole deformazioni come obiettivo della caratterizzazione

    Per analizzare il comportamento di un rilevato serve una stima affidabile della rigidità a piccole deformazioni. È il dato che la caratterizzazione del sito deve restituire, e i metodi a onde superficiali lo perseguono con un approccio efficiente e non distruttivo: le onde vengono registrate in superficie, la loro dispersione viene estratta in forma di curva e da questa si risale alla struttura del deposito espressa in termini di velocità delle onde di taglio.

    Il passaggio fragile è l’inversione. La non unicità limita l’applicabilità di questi metodi: la medesima curva di dispersione può discendere da configurazioni stratigrafiche differenti, e il modello finale dipende da come la ricerca viene impostata.

    Non unicità dell’inversione e ricorso ai modi superiori

    Agganciarsi al solo modo fondamentale lascia aperte più soluzioni compatibili con il dato. L’alternativa è lavorare in multimodale, includendo nell’inversione anche i rami modali superiori, che apportano informazioni ulteriori sul mezzo. Una precisazione lessicale serve qui al lettore strutturista: multimodale indica in questo contesto i modi di propagazione delle onde di Rayleigh, non le analisi modali delle strutture.

    L’influenza di questi modi sui risultati dell’inversione costituisce uno dei filoni centrali dell’analisi, ed è il tema che attraversa sia la parte sintetica sia la validazione in campo.

    Come opera lo schema di inversione basato su PSO

    Il procedimento poggia su due componenti. La prima è il calcolo delle curve di dispersione teoriche per un mezzo a strati orizzontali. La seconda è un algoritmo di ricerca globale, Particle Swarm Optimization, incaricato dell’accoppiamento tra curve teoriche e dati sperimentali: l’ottimizzazione esplora lo spazio dei modelli stratificati alla ricerca del profilo di Vs la cui dispersione teorica riproduce la curva misurata, con i rami modali che il dato consente di includere.

    Due profili sintetici e perturbazioni fino al 10 per cento

    Prima di scendere in campo, il framework è stato valutato su due profili di terreno sintetici. La robustezza è stata saggiata introducendo perturbazioni della curva di dispersione teorica fino al 10 per cento, per osservare come risponde la soluzione quando il dato si discosta dal modello teorico.

    Il risultato distintivo riguarda i modi superiori. Nei casi analizzati, il loro inserimento può migliorare la determinazione dei profili di velocità delle onde di taglio rispetto a un’inversione condotta sul solo modo fondamentale. Da qui discende la convenienza dell’impostazione multimodale e l’attenzione da dedicare all’identificazione dei rami modali nel dato sperimentale.

    La verifica sul profilo trasversale di un rilevato

    La validazione sperimentale è stata condotta su un profilo trasversale di rilevato. La curva di dispersione sperimentale proviene da un’analisi multicanale delle onde superficiali, MASW, e il profilo di Vs ottenuto dall’inversione è stato confrontato con i risultati di una prova sismica nel penetrometro a cono, SCPT. L’accordo tra le due stime è risultato buono.

    Sul fronte della discretizzazione stratigrafica, il modello a otto strati si è rivelato un buon compromesso tra accuratezza e complessità del modello. Il numero di strati, insomma, non è un parametro neutro: incide sull’accuratezza della stima e insieme sulla complessità del modello, e nel caso esaminato otto strati segnano il punto di equilibrio.

    Il bilancio complessivo resta misurato. Lo schema di inversione basato su PSO e impostato in multimodale può supportare la caratterizzazione geotecnica di profili stratificati, nei casi sintetici e di campo analizzati. La condizione che accompagna questo esito è netta: i rami modali vanno identificati con chiarezza nel dato sperimentale e inclusi nell’inversione in modo appropriato. È lì che si decide la qualità del profilo di Vs, come conferma il confronto con le misure SCPT sul rilevato.

  • Indagine approfondita dipendente dal tempo delle fasi acquose nei compositi cementizi con ossido di grafene mediante risonanza magnetica nucleare all’idrogeno (¹H-NMR)

    Quanto ossido di graphene serve davvero in un impasto cementizio? Una ricerca condotta presso l’Università di Melbourne, firmata da Pasadi Devapura, Thusitha Ginigaddara, Kyle Hearn e Priyan Mendis e pubblicata su Construction Materials (doi: 10.3390/constrmater6040045), fornisce una risposta quantitativa: il dosaggio ottimale risulta pari allo 0,035% in peso di cemento, valore al quale la resistenza a compressione raggiunge il massimo e l’idratazione prosegue in modo più sostenuto fino a 28 giorni.

    Risonanza magnetica nucleare per seguire l’acqua nel tempo

    Il punto critico nell’uso del GO nelle matrici cementizie è la scarsa quantificazione dei meccanismi di idratazione, in particolare il suo ruolo di sito di nucleazione. Lo studio affronta il problema con un approccio non distruttivo basato sulla spettroscopia NMR nel dominio del tempo dell’idrogeno, applicata a paste cementizie addizionate con tre percentuali di GO: 0,035%, 0,065% e 0,08% bwoc.

    Il monitoraggio si estende da 4 ore fino a 28 giorni di stagionatura e consente di tracciare separatamente l’evoluzione di quattro fasi acquose distinte: acqua capillare, acqua inter-idrato, acqua nei pori del gel e acqua interstrato. Una disaggregazione di questo tipo, difficile da ottenere con tecniche tradizionali, permette di collegare direttamente la mobilità dell’acqua allo sviluppo dei prodotti di idratazione.

    I dati NMR sono stati affiancati da analisi termogravimetriche, da prove di ritenzione d’acqua in condizioni di umidità controllata e da misure di resistenza a compressione, in modo da incrociare evidenze meccaniche e microstrutturali.

    Doppio ruolo dell’ossido di grafene: nucleazione e rilascio di acqua

    Dai risultati emerge un comportamento in due fasi. Nelle prime ore il GO trattiene acqua libera all’interno della sua struttura stratificata, favorendone la redistribuzione all’interno della pasta. Segue poi un rilascio ritardato ma protratto nel tempo, che alimenta la prosecuzione dell’idratazione e sposta progressivamente l’acqua verso ambienti porosi meno mobili nelle età avanzate di cura.

    Sul piano della microstruttura, le analisi TGA confermano una maggiore formazione di prodotti idratanti nei sistemi contenenti GO. Il dosaggio di 0,035% bwoc si distingue per l’idratazione più persistente e per la resistenza a compressione più elevata tra le formulazioni testate.

    I limiti dei dosaggi elevati

    L’aumento della percentuale di addizione produce un effetto opposto nella fase avanzata della reazione. Con lo 0,065% e lo 0,08% bwoc l’idratazione precoce risulta accelerata, ma a lunga età viene penalizzata: i prodotti idratanti si accumulano attorno alle particelle di GO formando barriere alla diffusione che ne limitano l’ulteriore sviluppo.

    Un comportamento che conferma come, nel campo dei compositi cementizi nano-ingegnerizzati, il rapporto tra dosaggio del nanomateriale e beneficio meccanico non sia monotono, e come dosaggi eccessivi possano ribaltare il segno del contributo atteso.

    Implicazioni per dosaggio e specifiche

    Lo studio fornisce una base meccanicistica per l’ottimizzazione del dosaggio del GO nei compositi cementizi, distinguendo esplicitamente il suo duplice ruolo di agente di nucleazione per l’idratazione e di regolatore del rilascio di acqua. Per il progettista interessato a matrici ad alte prestazioni, i risultati suggeriscono che la definizione della percentuale di addizione andrà fondata sull’intera curva di idratazione e non sul solo comportamento a breve termine, dove i dosaggi più alti mostrano apparenti vantaggi che a 28 giorni non si mantengono.

    I dati derivano da paste cementizie in laboratorio monitorate fino a 28 giorni; la ricerca è consultabile integralmente su Construction Materials.

  • Effetti sinergici dei nanotubi di carbonio a parete multipla e del polimero stirene-butadiene-stirene (SBS) sulle prestazioni del legante bituminoso

    Un dosaggio dello 0,75% di nanotubi di carbonio a parete multipla è sufficiente per portare il grado prestazionale ad alta temperatura di un legante bituminoso modificato da 82 a 88 °C. Il dato emerge dalla campagna sperimentale pubblicata sulla rivista Construction Materials (doi: 10.3390/constrmater6030034) da Amjad H. Albayati, Hasan M. Al-Mosawe, Ahmed M. Mohammed, Mayank Sukhija, Aliaa F. Al-ani, Mazen J. Al-Kheetan e Mustafa M. Moudhafar. Il quadro complessivo è però più articolato di un semplice incremento di rigidezza: variando la percentuale di nanotubi, l’accoppiata con il copolimero stirene-butadiene-stirene orienta il comportamento del legante verso la resistenza all’ornellamento oppure verso la resistenza a fatica.

    Le proprietà reologiche del legante condizionano prestazioni e durabilità delle pavimentazioni asfaltiche, in particolare quando condizioni climatiche severe e traffico intenso sollecitano il materiale. È su questo terreno che l’indagine esplora l’interazione tra nanotubi e SBS.

    La matrice sperimentale: AC 40-50 con SBS al 4%

    Il legante di riferimento è un AC 40-50 modificato con il 4% di copolimero stirene-butadiene-stirene (SBS). Su questa base sono state preparate le composizioni oggetto di confronto, incorporando nanotubi di carbonio a parete multipla (multi-walled carbon nanotubes, CNT) in percentuali crescenti, dallo 0,25% all’1%. L’obiettivo della ricerca è quantificare l’effetto sinergico dei due modificatori sulle proprietà del legante.

    Prove fisiche, reologiche e chimiche: il programma di caratterizzazione

    La batteria di prove copre tre piani. Quello fisico comprende penetrazione, punto di rammollimento, viscosità e stabilità allo stoccaggio, quest’ultima desunta dalla differenza di punto di rammollimento. Sul piano reologico operano il Dynamic Shear Rheometer (DSR), le prove Multiple Stress Creep Recovery (MSCR) e il Linear Amplitude Sweep (LAS): le prime orientate alla resistenza alla deformazione permanente, il secondo alla risposta a fatica. La caratterizzazione chimica è affidata alla spettroscia infrarossa a trasformata di Fourier (FTIR), mentre l’indice di Glover-Rowe (G-R) viene impiegato sul fronte della fessurazione. Completa il quadro un’analisi della varianza a una via (one-way ANOVA), utilizzata per verificare la significatività statistica delle differenze tra le formulazioni.

    Rigidezza del legante e contenuto di nanotubi: una relazione continua

    Il risultato più trasversale riguarda la rigidità. Al crescere del contenuto di CNT, la penetrazione diminuisce, il punto di rammollimento sale e la viscosità aumenta. Tre indicatori diversi, un’unica direzione: l’indurimento progressivo del legante con l’aggiunta di nanotubi.

    Stabilità allo stoccaggio: l’1% di CNT e lo scarto di rammollimento

    Anche la conservazione trae beneficio dal dosaggio massimo. Nei leganti modificati con SBS, l’1% di nanotubi riduce la differenza di punto di rammollimento da 3,1 a 1,6 °C. Lo scarto più contenuto indica una stabilità allo stoccaggio migliorata.

    Ornellamento e alte temperature: lo 0,75% per i climi caldi

    Sul fronte delle alte temperature, la composizione con lo 0,75% di CNT è quella con i risultati più marcati: il grado prestazionale ad alta temperatura sale da 82 a 88 °C e le prove MSCR le attribuiscono la miglior resistenza alla deformazione permanente. Per questa ragione, la ricerca la individua come dosaggio ottimale per le applicazioni in clima caldo.

    Fatica e fessurazione: le prestazioni dello 0,5% con l’indice di Glover-Rowe

    Con dosaggi intermedi il comportamento cambia orientamento. La miscela con lo 0,5% di nanotubi mostra la miglior resistenza a fatica e il valore più basso dell’indice di Glover-Rowe, con effetti positivi sulla resistenza alla fessurazione e sulla durabilità. È la configurazione associata alle condizioni di temperatura moderata.

    Dosaggio di CNT Evidenza sperimentale Indicazione
    0,5% Miglior resistenza a fatica, indice di Glover-Rowe più basso Temperature moderate
    0,75% Grado prestazionale ad alta temperatura da 82 a 88 °C, miglior resistenza all’ornellamento (MSCR) Climi caldi
    1% Differenza di punto di rammollimento ridotta da 3,1 a 1,6 °C Stabilità allo stoccaggio

    Il quadro d’insieme indica che i nanotubi di carbonio possono migliorare con efficacia le prestazioni dei leganti modificati con SBS, ma non esiste una percentuale valida per ogni scenario. La scelta del dosaggio resta un esercizio di bilanciamento: allo 0,75% vanno le condizioni a più alto rischio di ornellamento, allo 0,5% quelle in cui predominano fatica e fessurazione. La sequenza di prove DSR, MSCR, LAS e indice di Glover-Rowe fornisce i riferimenti quantitativi per impostare questo equilibrio in funzione del clima di esercizio.

  • Integrazione dei dati di controllo qualità di laboratorio per le infrastrutture ferroviarie mediante BIM

    I dati di controllo qualità dei materiali da costruzione circolano spesso sotto forma di documenti eterogenei, con conseguenze note: tracciabilità limitata, ricerca delle informazioni a livello di singolo elemento lenta e soggetta a errori. Uno studio pubblicato su Infrastructures (Vol. 11, pag. 299, doi: 10.3390/infrastructures11090299) da Francisco Andrade, João Ventura, Cristina Ribeiro, Rui Gavina, Ricardo Santos, Rosário Oliveira e Diogo Ribeiro propone una metodologia digitale che collega i risultati delle prove di laboratorio agli asset referenziati in BIM, restituendo le informazioni integrate tramite dashboard interattive abilitate alla visualizzazione 3D.

    Il problema: dati di laboratorio frammentati

    Nel processo edilizio e infrastrutturale, gli esiti delle prove sui materiali arrivano tipicamente come documenti non uniformi, prodotti da laboratori diversi e in formati differenti. Questa frammentazione complica il collegamento tra prova eseguita e componente fisico su cui la prova è stata effettuata, rallenta il recupero delle informazioni a livello di elemento e aumenta il rischio di errori nella gestione documentale.

    La metodologia in tre fasi

    L’approccio sviluppato si articola in tre stadi sequenziali:

    1. Acquisizione dei dati: estrazione delle informazioni dai deliverable di laboratorio e dai modelli 3D.
    2. Standardizzazione e strutturazione relazionale: i dati vengono normalizzati e organizzati in forma relazionale all’interno di Power BI Desktop (versione 2.157.879.0, Microsoft Corporation).
    3. Pubblicazione: le dashboard generate vengono pubblicate e incorporate in un ambiente di applicazione web.

    Il punto di forza dell’impianto sta nella separazione tra ambiente BIM e ambiente dati: i dataset completi non vengono incorporati nel modello, che resta il riferimento spaziale e identificativo degli asset, mentre l’elaborazione e la consultazione avvengono a valle.

    La verifica su un caso reale

    La metodologia è stata valutata su un caso studio reale relativo a un’infrastruttura ferroviaria. Il risultato documentato mostra come le registrazioni di laboratorio possano essere consultate e interpretate direttamente nel contesto del modello 3D, con la possibilità di navigare i dati di controllo qualità a livello di singolo elemento. Un aspetto rilevante per la gestione multi-stakeholder è il controllo degli accessi: la visibilità delle informazioni può essere differenziata in base ai diversi soggetti coinvolti.

    Implicazioni operative

    Per i laboratori di prova, l’approccio offre un percorso pratico per centralizzare, filtrare e comunicare i risultati senza dover inserire l’intero dataset nell’ambiente BIM. Per chi gestisce gli asset infrastrutturali, il vantaggio principale è la tracciabilità a livello di elemento: ogni componente del modello può essere collegato alle prove che lo riguardano, con consultazione guidata dalle dashboard 3D invece che dalla ricerca manuale tra documenti eterogenei.

    Lo studio documenta la fattibilità e il funzionamento del metodo su un caso ferroviario reale; il software citato, la versione indicata e le tre fasi del processo restano i riferimenti tecnici dichiarati, mentre non vengono riportate misurazioni quantitative di prestazione o limiti specifici di applicazione.

  • Procore CDE pone le basi per l’intelligenza artificiale agentica

    Procore, fornitore di software per la gestione delle costruzioni, ha lanciato una Common Data Environment (CDE) connessa che riunisce in un unico ambiente i dati di progetto, i flussi di lavoro, i modelli BIM e le informazioni sugli asset. La piattaforma è concepita per mantenere i record digitali allineati con la realtà di cantiere e per porre le basi affinché agenti AI operino lungo l’intero ciclo di vita del progetto, dalla progettazione approvata alla consegna.

    La tecnologia: Datagrid e l’AI agentica nella CDE

    La CDE di Procore incorpora la tecnologia AI di Datagrid, piattaforma di AI agentica acquisita da Procore a gennaio 2026. L’obiettivo dichiarato è far compiere all’AI un passo ulteriore rispetto alla semplice messa a disposizione delle informazioni, portandola all’esecuzione del lavoro tramite una serie di “agentic AI coworkers”: agenti AI destinati ad automatizzare i flussi di lavoro delle costruzioni e a compiere azioni direttamente all’interno della piattaforma.

    Procore precisa che questi agenti sono pensati per eliminare l’attrito amministrativo, non per sostituire il giudizio professionale: l’esecuzione viene accelerata mentre i team di progetto mantengono controllo, responsabilità e autorità decisionale finale.

    Dati strutturati e contesto di progetto

    La CDE collega l’AI a dataset strutturati di progetto che comprendono modelli BIM, disegni, specifiche, RFI, submittal e attività di cantiere. Secondo Procore, questo consente al sistema di ragionare sul contesto di progetto e di comprendere le relazioni tra flussi di lavoro e dati, supportando l’esecuzione in ambienti costruttivi complessi e trasformando informazioni frammentate in elementi immediatamente utilizzabili.

    Sul piano operativo, le funzionalità dichiarate includono:

    • il recupero di risposte già presenti nei record di progetto prima che venga generata una nuova RFI;
    • l’individuazione di discrepanze tra la progettazione approvata e l’esecuzione in cantiere;
    • l’accelerazione della risoluzione delle problematiche grazie al collegamento tra flussi di lavoro correlati, documenti e contesto storico di progetto.

    Primi riscontri d’uso

    Alain Waha, CTO di Buro Happold, dichiara che la società è “in percorso per ridurre del 50% il carico amministrativo relativo alla creazione e alla risposta delle RFI e alla revisione dei submittal”. Secondo Waha, l’incorporazione dell’AI direttamente nei flussi di lavoro di progetto consente ai team di dedicare meno tempo alla navigazione delle informazioni e più tempo all’avanzamento del lavoro.

    Tracciabilità e conformità normativa

    Il record connesso ha implicazioni anche sul piano della conformità. Per i team europei che operano sotto ISO 19650 e Building Safety Act, Procore dichiara che la CDE fornisce la tracciabilità (audit trail) difendibile necessaria a far fronte agli obblighi normativi in ogni fase del progetto, dalla progettazione fino alla consegna.

    “La sfida non è più semplicemente passare dalla carta al digitale, ma garantire che le informazioni fluiscano in modo coerente tra team, processi e l’intero ciclo di vita del progetto. Man mano che le aspettative normative crescono e le imprese adottano l’AI, i dati connessi stanno diventando un vantaggio competitivo”, afferma Lee Miles, General Manager EMEA di Procore.

    Disponibilità

    Sviluppata per i requisiti specifici del mercato europeo, la CDE di Procore sarà lanciata inizialmente nel Regno Unito e in Irlanda, prima di estendersi al resto di EMEA.

    Il lancio colloca l’AI agentica direttamente nell’ambiente dati comune, con l’ambizione dichiarata di passare dal reperimento delle informazioni all’esecuzione delle attività, mantenendo il processo decisionale finale in capo ai team di progetto.