Un algoritmo animato di avena multi-obiettivo migliorato per la progettazione dell’organizzazione di progetti edili con risorse limitate

Perché i programmi edilizi hanno bisogno di una pianificazione più intelligente

Quando in una città affollata viene costruito un nuovo complesso di appartamenti, sbagliare il cronoprogramma può significare costi in aumento, operai inattivi una settimana e carenze la successiva, e residenti infuriati in attesa delle chiavi. Questo articolo presenta un nuovo metodo di pianificazione informatica che tratta la programmazione dei lavori come un puzzle complesso con molti compromessi — quanto dura il progetto, quanto costa e quanto agevolmente vengono impiegati i lavoratori — e mostra come un algoritmo ispirato alla natura possa trovare soluzioni migliori rispetto agli strumenti attuali.

Grandi progetti urbani, obiettivi intrecciati

I progetti edilizi moderni devono bilanciare più obiettivi contemporaneamente. I promotori vogliono che gli edifici siano completati rapidamente per iniziare a generare reddito. Gli appaltatori devono contenere i costi per restare redditizi. I responsabili del cantiere hanno bisogno di mantenere le squadre occupate ma non sovraccaricate, gestendo i limiti sul numero di lavoratori disponibili ogni giorno. Le tecniche tradizionali di pianificazione, come i diagrammi di Gantt costruiti a mano o semplici regole software, spesso trattano un obiettivo alla volta — tipicamente la durata complessiva del progetto — e si affidano molto all’esperienza. In progetti urbani complessi con scadenze serrate e manodopera limitata, questo può portare a ritardi, sforamenti dei costi e oscillazioni caotiche nella domanda di forza lavoro giorno per giorno.

Imparare dai semi rotolanti

Lo studio si basa su un metodo di ottimizzazione relativamente nuovo «ispirato alla natura» chiamato Animated Oat Optimization, che imita il modo in cui i semi di avena selvaggia rotolano e si catapultano sul terreno per trovare buoni punti in cui germogliare. Nella versione originale questo comportamento veniva usato per risolvere problemi a obiettivo singolo: i semi vagano ampiamente all’inizio (esplorazione) e poi si stabilizzano in aree promettenti (messa a punto). Gli autori estendono questa idea affinché possa gestire più obiettivi contemporaneamente, creando ciò che chiamano algoritmo Multi-Objective Animated Oat Optimization, o MOAOO. Invece di cercare una singola risposta “migliore”, il metodo esplora una famiglia di programmi che bilanciano in modi diversi tempo, costo e regolarità dell’impiego della manodopera.

Trasformare l’edilizia in un problema di ricerca

Per applicare il metodo, i ricercatori prima traducono un reale progetto di piccolo edificio residenziale a Chengdu, in Cina, in un modello matematico. Ogni attività di costruzione — come lo scavo, le fondazioni, i lavori strutturali e l’installazione degli impianti — ha un orario di inizio, una durata e un numero di lavoratori assegnati. Le attività devono rispettare un ordine logico (non si possono costruire i muri prima delle fondazioni) e c’è un limite giornaliero massimo sulla forza lavoro disponibile. Il modello tiene traccia di tre aspetti: la durata totale del progetto, il costo totale (principalmente manodopera più un importo fisso per attività e penali per straordinari) e quanto varia il numero totale di lavoratori in cantiere da un giorno all’altro. Una curva di impiego più regolare significa meno picchi e valli, il che facilita assunzioni, formazione e gestione degli straordinari.

Come il nuovo algoritmo esplora le opzioni

MOAOO libera una popolazione di «programmazioni candidate», ciascuna rappresentata come un seme rotolante in uno spazio multidimensionale. In ogni ciclo di calcolo, alcune candidate vengono spinte casualmente per esplorare nuove possibilità, mentre altre seguono schemi ispirati alla fisica dei semi che rotolano e oscillano — piccole modifiche per miglioramenti locali e salti più lunghi per sfuggire a vicoli ciechi. Allo stesso tempo, il metodo mantiene una memoria evolutiva delle programmazioni particolarmente buone che non sono superate su nessuno dei tre obiettivi. Queste candidate “élite” aiutano a guidare la ricerca. Un sistema a strati controlla e ripara violazioni dell’ordine delle attività, dei tempi e dei limiti di risorse, e un monitor integrato interrompe la ricerca precocemente una volta che i miglioramenti diventano trascurabili, risparmiando tempo di calcolo.

Cosa ottiene il metodo nella pratica

Utilizzando il progetto abitativo di Chengdu come caso di studio, gli autori mostrano che MOAOO può generare rapidamente un’ampia gamma di programmi fattibili. Nei loro test, l’algoritmo tipicamente convergeva in circa 118 cicli di calcolo. Un programma focalizzato sulla velocità pura ha ridotto la durata del progetto di circa un quinto rispetto al riferimento, sebbene a un costo maggiore. Un altro programma ha minimizzato i costi accettando tempi di costruzione più lunghi. Più sorprendente, un programma di compromesso ha completato il progetto in 279 giorni a circa 1,34 milioni di dollari, riducendo al contempo le fluttuazioni nell’impiego della manodopera del 72,7%. Questo significa che le squadre sono impiegate in modo molto più regolare nel tempo, risultato interessante per gli appaltatori reali che cercano di evitare picchi di straordinari e periodi di inattività.

Perché questo conta per i futuri progetti edilizi

Oltre al caso specifico, il gruppo ha testato MOAOO su benchmark matematici standard e l’ha trovato competitivo o migliore rispetto a diversi metodi di ottimizzazione multi-obiettivo noti, suggerendo che l’approccio è generalmente valido. Per un lettore non tecnico, il messaggio chiave è che i cronoprogrammi di costruzione non devono più essere compromessi rigidi e messi a punto a mano. Prendendo in prestito idee dal movimento dei semi in natura, questo algoritmo può suggerire automaticamente molti piani diversi, ciascuno con diversi compromessi tra tempo, denaro e stabilità della forza lavoro in modo trasparente. I project manager possono quindi scegliere il programma che meglio si adatta alle loro priorità e ai vincoli, rendendo la costruzione urbana più prevedibile, efficiente e resiliente.

Citazione: Xue, Q., Wu, C., Nie, J. et al. An improved multi-objective animated oat optimization algorithm for resource-constrained construction project organization design. Sci Rep 16, 10239 (2026). https://doi.org/10.1038/s41598-026-39502-7

Parole chiave: programmazione dei lavori, ottimizzazione multi-obiettivo, gestione delle risorse, algoritmi ispirati alla natura, pianificazione dei progetti