Droni per ispezionare i ponti: i test dimostrano che sono utili e fanno risparmiare

Ispezionare i ponti con i droni costa meno che con i metodi tradizionali, non comporta problemi al traffico e consente di raccogliere dati molto più precisi. Ecco i risultati dei primi due test fatti negli Stati Uniti.

I droni possono garantire ispezioni accurate e veloci dei ponti per verificarne lo stato e pianificare interventi di manutenzione. Una tecnologia moderna per risolvere con efficienza problemi vecchi, che non riguardano solo l’Italia. A metterla in atto, negli Stati Uniti, è stata Intel. Azienda nota per i suoi microprocessori per computer, Intel produce anche il drone Falcon 8+, che è stato impiegato a completamento delle ispezioni manuali del Daniel Carter Beard Bridge che collega Ohio e Kentucky, e dello Stone Arch Bridge nel Minnesota.

In collaborazione con due dipartimenti di trasporto (Kentucky Transportation Cabinet e Michael Baker International), la soluzione hardware e software dei droni Intel automatizzati ha dimostrato di poter aumentare l’efficienza delle attività e di produrre dati più affidabili in una frazione del tempo e dei costi dei metodi tradizionali. Sul fronte dei costi, Intel stima risparmi del 40% rispetto ai processi di ispezione standard.

 

Anil Nanduri, vicepresidente di Intel e direttore generale della divisione droni, ha spiegato che “con i ponti di tutto il mondo si stanno vivendo problemi strutturali non rilevati, a causa di processi di ispezione e monitoraggio inefficienti e dati inaffidabili. È fondamentale affrontare questa preoccupazione reale della sicurezza dei trasporti schierando droni commerciali come quelli di Intel, che non solo migliorano la velocità e la precisione, aumentando l’automazione dei flussi di lavoro esistenti. Riducono anche i rischi per la sicurezza e forniscono agli ingegneri e agli uffici di trasporto informazioni più affidabili, utilizzabili per future valutazioni di pianificazione e sicurezza”.

Oltre tutto, i droni consentono ispezioni senza ostacolare il traffico, e con una rapidità che permette una frequenza maggiore dei controlli. I due esempi statunitensi danno una chiara misura dei vantaggi. Il Daniel Carter Beard Bridge è una interstatale a otto corsie che attraversa il fiume Ohio, percorsa ogni giorno da quasi 100.000 veicoli. Durante l’ispezione, il drone Intel ha catturato circa 2.500 immagini ad alta risoluzione, generando 22 GB di dati caricati nella piattaforma Intel Insight. Utilizzando le immagini, il software ha realizzato un modello 3D – un gemello digitale della struttura – che permette di individuare persino il deterioramento della vernice.

Lo Stone Arch Bridge è invece una costruzione iconica di Minneapolis, un ponte pedonale e ciclabile, che dev’essere ispezionato ogni anno per tenere sotto controllo gli archi in pietra. Il lavoro è terminato riducendo le ore di lavoro del 28% e facendo risparmiare il 40% sui costi di ispezione. In proiezione, si calcola i contribuenti potranno risparmiare 160.000 dollari nei prossimi 10 anni.

Perché il drone di Intel è indicato per questo lavoro? Perché funziona anche in condizioni ventose o in presenza di interferenze elettromagnetiche. Inoltre, beneficia di un avanzato sistema di volo che consente l’accesso a posizioni difficili da raggiungere. Le rotte di volo possono essere programmate, e gli ispettori possono acquisire dati aerei di alta qualità semplicemente premendo un pulsante. I dati, una volta archiviati, possono essere confrontati con quelli raccolti prima e dopo, per una valutazione delle aree di deterioramento con precisione millimetrica.

1 /7 Engineers use Intel Mission Control software to design the fligh

Negli Stati Uniti ci sono più di 600mila ponti, molti dei quali  – il 10 per cento – sono classificati come obsoleti e da tenere sotto controllo costante. In Italia i numeri sono più bassi, ma una tecnologia come questa potrebbe comunque intensificare il monitoraggio, abbassare i costi e consentire interventi più tempestivi. Anche per evitare il ripetersi di tragedie come quella di Genova.