MUD-MADE - Multi-objective optimization of digitally manifactured earth building components supported by neural networks

CUP: D53D23020070001

N. prog.: P20229EY3E

Durata: 24 mesi

Data di inizio: 30 Novembre 2023

Importo complessivo del finanziamento: € 266.091,00

Partner:
- Università di Catania (Capofila)
- Università "G. d'Annunzio" Chieti-Pescara
- Politecnico di Bari.

---

Descrizione

Questo progetto propone un innovativo flusso di lavoro supportato dall’intelligenza artificiale, utile per la progettazione di componenti edilizi in terra cruda realizzati con tecnologie di fabbricazione digitale (cioè stampa 3D, braccio robotico o taglio laser). Il flusso di lavoro può supportare il progettista in un’ottimizzazione multi-obiettivo che coinvolge prestazioni termiche, strutturali e acustiche, riducendo il consumo di materiale e mantenendo la fattibilità.

Il flusso di lavoro sfrutta la progettazione parametrica per impostare uno script visivo predefinito utile a supportare l’utente. Infatti, lo script predefinito consentirà all’utente di progettare un componente edilizio selezionando (o creando) diverse forme esterne e geometrie di riempimento, in base a un insieme di algoritmi generativi e parametri. Il progettista può includere informazioni sul materiale locale e sulla tecnologia disponibile per la fabbricazione digitale del componente direttamente nel codice predefinito di Grasshopper. Inoltre, lo script consente di impostare qualsiasi condizione al contorno e priorità relative alle prestazioni attese. Ad esempio, le condizioni al contorno possono riguardare la trasmittanza massima, le prestazioni strutturali e acustiche minime consentite dal componente secondo le normative vigenti. 

Le priorità prestazionali, invece, sono definite dall’utente in base al tipo di componente da realizzare.

In sintesi, lo script permetterà di includere:
i) diversi algoritmi generativi geometrici per il riempimento del componente,
ii) diversi involucri esterni in funzione di un insieme di parametri (il cui intervallo di variazione è definito dal progettista),
iii) informazioni sulla tecnologia digitale selezionata,
iv) caratteristiche del materiale da utilizzare per realizzare il componente,
v) condizioni al contorno e priorità relative alle prestazioni attese.

Infine, l’intelligenza artificiale, sfruttando una rete neurale artificiale (ANN), supporterà il progettista identificando automaticamente la configurazione ottimale tra tutte le possibili combinazioni di parametri e algoritmi generativi.

Una volta avviata l’ottimizzazione, l’utente potrà visualizzare le variabili ottimizzate e l’algoritmo generativo selezionato direttamente in Grasshopper (la soluzione con le prestazioni strutturali, acustiche, termiche o di consumo di materiale ottimali, come richiesto dal progettista).

L’approccio proposto viene applicato al caso della stampa 3D di componenti edilizi in terra cruda, per compiere i primi passi verso una conoscenza esaustiva di questa tecnica costruttiva sostenibile. La stampa 3D del prototipo serve a verificare l’efficacia della simulazione di stampabilità condotta durante l’applicazione del flusso di lavoro.

Il prototipo sarà sottoposto a prove di compressione e test di caratterizzazione termica. I risultati delle prove di laboratorio saranno utili per comprendere l’efficacia del componente stampato in 3D in termini di prestazioni strutturali e termiche. Le informazioni sulle prestazioni del componente ottenuto saranno utilizzate per perfezionare l’addestramento della ANN.

---

Responsabili scientifici

Principal Investigator: prof. Gianluca Rodonò, Università di Catania

Co-Principal Investigator: prof.ssa Alessia Amelio, Università "G. d'Annunzio" Chieti-Pescara

Responsabili di unità locale: prof. Gianluca Rodonò (Università di Catania), prof.ssa Alessia Amelio (Università "G. d'Annunzio" Chieti-Pescara), prof. Guido Raffaele Dell'osso (Politecnico di Bari)

---

Personale UdA coinvolto

- prof.ssa Alessia Amelio (responsabile WP4)

- prof. Valentino Sangiorgio (responsabile WP3 e WP6)

- prof. Sergio Montelpare

- prof. Enrico Spacone

- prof. Mariano Pierantozzi

- Dott.ssa Naomi Di Marco

---

Laboratori di ricerca coinvolti

- Laboratorio di High Performance Computing (Direttore: prof.ssa Alessia Amelio)

- Digital Fabrication Lab (Direttore: prof. Valentino Sangiorgio)

---

Pubblicazioni scientifiche

[1] Ramírez-Solana, D., Sangiorgio, V., Picó, R., & Redondo, J. (2025). Acoustic switch based on rotatable sonic crystal with multiresonant scatterers. Applied Acoustics, 240, 110913.

[2] Rodonò, G., Amelio, A., Chiarantoni, C. A., Dell’Osso, G. R., Margani, G., & Sangiorgio, V. (2024, June). Raw Earth Buildings and Industry 4.0: An Overview of the Technology and Innovation of the MUD-MADE Project. In International Conference of Ar. Tec.(Scientific Society of Architectural Engineering) (pp. 633-646). Cham: Springer Nature Switzerland.

[3] Sangiorgio, V., & Amelio, A. (2025). VIPERC 3rd International Conference on Visual Pattern Extraction and Recognition for Cultural Heritage Understanding.

[4] Ramírez-Solana, D., Sangiorgio, V ., Picó, R., Redondo, J., Gulzari, M., & Fanti, M. P. (2025, in press). Rotatable Phononic Crystal with Multiresonant Scatterers for Acoustic Switching Applications. In Proceedings of the 11th Convention of the European Acoustics Association (Forum Acusticum Euronoise 2025), Málaga, Spain, 23rd – 26th June 2025

[5] Di Marco, N., Cantagallo, C., Rodonò, G., & Sangiorgio, V. (2025). Parametric modeling and multi-performance analysis of 3D-printable clay brick models. In Proceedings of Colloquiate 2025, Trento, Italy.

[6] Giuffrida, G., Noto, E., Caponetto, R., Margani, G., Sangiorgio, V., & Rodonò, G. (2025). Mechanical optimization of 3D-printed earth blocks based on triply periodic minimal surfaces. In Proceedings of Colloquiate 2025, Trento, Italy.