⚡ electrical engineering

Safety Resilience Evaluation of Tower-Crane Construction Using a Cloud Model and an Intuitionistic Fuzzy Bayesian Network

Questo studio propone un quadro di valutazione della resilienza alla sicurezza per la costruzione con gru a torre che integra un modello cloud con una rete bayesiana fuzzy intuitiva per valutare la robustezza del sistema in condizioni di incertezza, identificando i fattori chiave di miglioramento attraverso l'applicazione di un caso di studio.

Autori originali: Tingting Nie, Bo Liang, Jian He

Pubblicato 2026-08-03

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Tingting Nie, Bo Liang, Jian He

Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immaginate di essere il capitano di una massiccia città galleggiante fatta di acciaio, dove il tempo cambia ogni ora e l'equipaggio viene costantemente sostituito. In questo mondo, la sicurezza non consiste solo nel controllare se un bullone è stretto; riguarda quanto bene l'intera nave possa incassare un colpo, rimbalzare e continuare a navigare anche quando le cose vanno male. Questo è il mondo della "resilienza della sicurezza". Pensatelo come al sistema immunitario di un supereroe: non si tratta solo di avere un'armatura forte (quella è la capacità di assorbimento), ma anche di quanto velocemente si possa guarire una ferita (quella è la capacità di recupero) e di quanto intelligentemente ci si possa adattare alla strategia quando il nemico cambia tattiche (quella è la capacità di adattamento).

Per anni, gli ingegneri hanno cercato di misurare questa resilienza usando semplici liste di controllo o numeri singoli, ma questi strumenti sono come cercare di descrivere una tempesta con una singola goccia di pioggia. Perdono di vista le parti disordinate, incerte e umane della storia. Per risolvere questo problema, i ricercatori hanno iniziato a usare la logica "fuzzy" (che gestisce il "forse" e l' "non sono sicuro" del pensiero umano) e i "modelli a nuvola" (che trasformano parole vaghe come "abbastanza buono" in numeri effettivi). Ora, un nuovo studio prende questi strumenti e li combina con una "rete bayesiana", che è essenzialmente un enorme e intelligente diagramma di flusso che collega i diversi nessi di causa ed effetto, permettendoci di vedere come un piccolo problema in un'area possa propagarsi per influenzare l'intero sistema.

Il documento che state per leggere approfondisce il caso specifico delle gru a torre — quelle gigantesche macchine dal collo a forma di cigno che costruiscono i nostri grattacieli. Gli autori, Tingting Nie, Bo Liang e Jian He, si sono resi conto che, sebbene sappiamo molto sugli incidenti legati alle gru, non abbiamo un buon modo per misurare quanto una gru sia resiliente prima che avvenga un disastro. Hanno costruito una nuova "palla di cristallo" digitale per testarlo.

Ecco cosa hanno fatto e scoperto:

Hanno iniziato riunendo un team di cinque esperti — ingegneri senior, ispettori e professori — per esaminare una gru a torre specifica (un modello QTZ125) utilizzata in un progetto edilizio chiamato Hongling Jiayuan. Invece di chiedere semplicemente agli esperti "È sicura?", i ricercatori hanno chiesto loro di usare parole descrittive come "molto alta", "moderata" o "molto bassa" per giudicare 12 diversi fattori, dalla robustezza strutturale della gru alla capacità di comunicazione dell'equipaggio.

Poiché il linguaggio umano è disordinato, il team ha utilizzato un trucco matematico speciale chiamato "Insieme Fuzzy Intuizionistico". Immaginate di recensire un film. Potreste dire: "Mi è piaciuto molto (supporto), ma il finale era confuso (opposizione) e non sono del tutto sicuro se lo rivedrei (esitazione)". Questo metodo matematico cattura tutti e tre i sentimenti contemporaneamente, invece di forzare un semplice "sì" o "no". Hanno poi inserito queste valutazioni fuzzy nel loro "modello a nuvola", che ha trasformato quelle opinioni vaghe in probabilità precise.

Infine, hanno inserito tutto in un diagramma di flusso di rete bayesiana. Ciò ha permesso loro di simulare come la gru avrebbe reagito sotto pressione. Il risultato? La gru oggetto dello studio aveva un punteggio di resilienza globale di 0,785, e c'era una probabilità del 70,6% che si trovasse in uno stato di "alta resilienza". In parole povere, la gru stava andando piuttosto bene nel complesso. Era particolarmente forte nell' "assorbire" gli urti (come avere una fondazione solida e dispositivi di sicurezza adeguati) e nell' "adattarsi" ai cambiamenti (come avere una buona gestione).

Tuttavia, lo studio ha anche individuato gli anelli deboli. La gru era più debole nella "capacità di recupero" — il che significa che, se qualcosa fosse andato storto, potrebbe volerci più tempo del previsto per sistemare le cose e tornare al lavoro. Quando i ricercatori hanno eseguito un' "analisi di sensibilità" (un test per vedere quali fattori avrebbero causato il calo più grande della sicurezza se peggiorassero), hanno scoperto i cinque elementi che richiedevano maggiore attenzione:

Aggiornamento degli standard e miglioramento continuo (assicurarsi che le regole tengano il passo con la realtà).
Gestione organizzativa e chiusura delle responsabilità (assicurarsi che qualcuno prenda effettivamente il comando e completi il lavoro).
Controllo di installazione, smontaggio e sollevamento (le parti delicate del montaggio e dello smontaggio della gru).
Stabilità della fondazione e dei fissaggi (assicurarsi che la base sia solida).
Ispezione, manutenzione e rettifica dei pericoli (correggere i problemi prima che diventino disastri).

Gli autori sottolineano con cautela che questo modello non serve a prevedere incidenti né a sostituire un'ispezione fisica. Funge invece da strumento diagnostico che traduce il giudizio umano e i registri cartacei in una mappa chiara e tracciabile di dove il sistema è forte e dove ha bisogno di una revisione. Suggeriscono che, concentrandosi sulle "cause profonde" come la gestione e l'aggiornamento delle regole, piuttosto che limitarsi a correggere i sintomi immediati, i cantieri possono costruire gru che non si limitano a stare in piedi, ma che sono davvero capaci di riprendersi.

Sintesi Tecnica: Valutazione della Resilienza della Sicurezza nella Costruzione di Gru Gru a Torre mediante un Modello Cloud e una Rete Bayesiana Fuzzy Intuizionistica

Problematica
La sicurezza nella costruzione di gru a torre dipende da un complesso intreccio tra affidabilità delle apparecchiature, stabilità delle fondamenta, controllo operativo, coordinamento del personale e sistemi di gestione. I metodi convenzionali di valutazione della sicurezza, come le checklist o gli indicatori di monitoraggio singoli, non riescono a catturare la capacità del sistema di assorbire disturbi, ripristinare operazioni sicure e adattarsi alle mutevoli condizioni del cantiere (resilienza della sicurezza). Le attuali valutazioni della resilienza si concentrano spesso su ingegneria generale o progetti idraulici, trascurando i rischi accoppiati specifici delle gru a torre. Inoltre, gli approcci attuali faticano a rappresentare adeguatamente l'incertezza, l'esitazione e l'ambiguità linguistica intrinseche nei giudizi degli esperti riguardanti la conformità agli standard e l'implementazione sul campo. È necessario un quadro che vada oltre la semplice identificazione del rischio per valutare la capacità dinamica di un sistema di gru a torre di mantenere la sicurezza sotto stress.

Metodologia
Lo studio propone un framework di valutazione ibrido che integra un Modello Cloud, la teoria dell'Insieme Fuzzy Intuizionistico (IFS) e una Rete Bayesiana (BN), strutturato attraverso la Modellazione Strutturale Interpretativa (ISM).

Identificazione dei Fattori e Gerarchia: Dodici fattori influenzanti sono stati identificati partendo dagli standard delle gru a torre, dalla teoria della resilienza e dalla letteratura, categorizzati in tre capacità: Assorbimento, Recupero e Adattamento. L'ISM è stato impiegato per analizzare le relazioni di influenza diretta tra questi fattori (basate sulla valutazione degli esperti), risultando in una struttura gerarchica a quattro livelli (Fattori radice $\rightarrow$ Indiretto profondo $\rightarrow$ Indiretto superficiale $\rightarrow$ Fattori diretti).
Rappresentazione Fuzzy Intuizionistica: Le valutazioni linguistiche degli esperti (che variano da "Molto Alta" a "Molto Bassa") sono state convertite in Numeri Fuzzy Intuizionistici (IFN). Questo approccio cattura il grado di appartenenza (supporto), non appartenenza (opposizione) e di esitazione, preservando l'incertezza nel giudizio dell'esperto.
Conversione in Modello Cloud: Gli IFNs sono stati elaborati attraverso un Modello Cloud per generare probabilità di supporto locale e probabilità di grado (Resilienza Bassa, Media, Alta). Questo passaggio traduce concetti linguistici qualitativi in parametri probabilistici quantitativi, gestendo la sfumatura tra i gradi.
Inferenza della Rete Bayesiana: La gerarchia ISM a quattro livelli è stata mappata su una topologia di Rete Bayesiana. La rete utilizza:
- Probabilità di Supporto Locale dei Nodi: Derivate dalla funzione di punteggio del Modello Cloud, rappresentando lo stato binario (Supporto Efficace vs. Miglioramento Richiesto) dei nodi dei fattori.
- Tabelle di Probabilità Condizionata (CPT): Generati tramite un'aggregazione pesata degli stati dei nodi genitori e delle probabilità di supporto locale per propagare l'influenza attraverso la gerarchia.
- Inferenza in Avanti: Calcola il punteggio complessivo di resilienza della sicurezza e le probabilità di grado.
- Analisi di Sensibilità: Identifica i fattori chiave perturbando le probabilità di supporto locale per osservare i cambiamenti nella probabilità complessiva di alta resilienza.

Contributi Chiave

Framework Integrato: Lo studio sviluppa un metodo innovativo che combina l'ISM per la gerarchia strutturale, l'IFS per gestire l'esitazione dell'esperto, i Modelli Cloud per convertire la vaghezza linguistica in probabilità e le BN per l'inferenza probabilistica.
Sistema di Indicatori di Resilienza Tridimensionale: Stabilisce un sistema di indicatori specifico per le gru a torre che copre le capacità di Assorbimento (es. capacità strutturale, fondamenta), Recupero (es. manutenzione, controllo dell'installazione) e Adattamento (es. gestione, aggiornamento degli standard).
Supporto Decisionale Tracciabile: A differenza delle previsioni "black-box", il framework fornisce un percorso tracciabile dai fattori gestionali radice ai risultati operativi diretti, distinguendo tra "probabilità di grado di alta resilienza" e "probabilità di supporto locale del nodo".
Strategia Semi-Quantitativa: Il metodo affronta la scarsità di dati sugli incidenti per le gru a torre facendo affidamento sulla semantica degli esperti e sugli standard piuttosto che su un addestramento puramente basato sui dati.

Risultati
Il framework è stato applicato a una gru a torre QTZ125 nel progetto di edilizia residenziale per il reinsediamento di Hongling Jiayuan.

Resilienza Complessiva: Il punteggio di resilienza della sicurezza complessivo è stato di 0,785, con una probabilità del 70,6% di trovarsi in uno stato di "Alta Resilienza".
Scomposizione delle Capacità: La capacità di Assorbimento è stata la più forte (0,821), seguita dall'Adattamento (0,768) e dal Recupero (0,758). La capacità di Recupero è stata identificata come l'area primaria di miglioramento.
Performance dei Fattori: Fattori come l'"Efficacia dei dispositivi di protezione della sicurezza" (0,977 probabilità di alta resilienza) e la "Capacità strutturale" hanno mostrato un forte supporto. Al contrario, l' "Aggiornamento degli standard e miglioramento continuo" (0,318) e la "Tracciabilità dei record di allarme e delle informazioni" (0,470) hanno mostrato probabilità di resilienza inferiori.
Analisi di Sensibilità: L'analisi ha identificato cinque fattori critici di miglioramento con il maggiore impatto sulla probabilità complessiva di alta resilienza:
1. Aggiornamento degli standard e miglioramento continuo (Intervallo di impatto: 0,132)
2. Gestione organizzativa e chiusura delle responsabilità
3. Controllo di installazione/smontaggio/sollevamento
4. Stabilità delle fondamenta e degli accessori
5. Ispezione, manutenzione e rettifica dei pericoli

Significato e Rivendicazioni
L'articolo sostiene che il framework proposto funge da strumento di supporto decisionale tracciabile per valutare la resilienza della sicurezza delle gru a torre sotto l'incertezza delle informazioni degli esperti. Sottolinea che il modello non sostituisce le ispezioni in loco né prevede specifici eventi accidentali. Il suo valore risiede nel trasformare le clausole standard, i registri di progetto e i giudizi degli esperti in risultati di inferenza probabilistica che diagnosticano i punti deboli.

Lo studio conclude che migliorare la resilienza delle gru a torre richiede un approccio a ciclo chiuso che vada oltre la semplice rettifica delle ispezioni dirette. Deve affrontare i driver sottostanti come la responsabilità organizzativa, l'aggiornamento degli standard e il controllo dei processi (installazione/smontaggio/sollevamento). La metodologia offre un flusso di lavoro strutturato per la valutazione periodica in progetti di costruzione simili, consentendo alla gestione di alimentare i risultati diagnostici nei processi organizzativi e operativi.

Articoli simili