Enhancing human-robot collaboration for flexible manufacturing in Industry 4.0

The current global economy is increasingly characterised by quickly changing markets, small batch production, and mass customization. Flexible manufacturing is an approach that allows satisfying the needs of customers while maintaining high quality standards. In this context, advances in industrial robotics and human-robot collaboration are playing a key role to provide companies with an adaptable and powerful tool capable of enhancing efficiency and flexibility of manufacturing processes. Humans leverage their superior cognitive and manipulative skills to perform operations that are difficult to automate or that require high-level decision-making. On the other hand, robots can relieve operators from repetitive and laborious tasks and assist humans in many ways. This thesis provides methods and tools to control the production of flexible multi-product assembly lines, consisting of several humans and robots working together in a shared workspace. Versatile scheduling algorithms are needed to organise the complex work-flow and fully exploit the available flexibility, ensuring the optimal use of resources and the smart management of unexpected events. Also, good productivity must be kept regardless of changes in production plans and the intrinsic variability of human behaviour. The work develops around two main objectives: 1) Monitoring and predicting the evolution of the ongoing human activity in real-time; 2) Dynamically scheduling the tasks of the collaborating agents to optimise productivity. A consideration that underlies the entire work is that flexible manufacturing is characterised by frequent production changes, which reflect in changes in the workspace layout and in the operations to be performed. Therefore, requirements on the framework developed in this thesis were ease of set up and update, and strong learning capabilities. This is especially true when human behaviour is considered, which is difficult to fully define a priori and also changes over time, e.g. due to training and fatigue.

L'attuale economia globale è sempre più caratterizzata da mercati in rapida evoluzione, produzione a piccoli lotti e personalizzazione di massa. La produzione flessibile è un approccio che consente di soddisfare le esigenze dei clienti mantenendo elevati standard di qualità. In questo contesto, i progressi nella robotica industriale e la collaborazione uomo-robot stanno giocando un ruolo chiave per fornire alle aziende uno strumento versatile e potente in grado di migliorare l'efficienza e la flessibilità dei processi produttivi. Le persone sfruttano le loro migliori capacità cognitive e manipolative per eseguire operazioni difficili da automatizzare o che richiedono processi decisionali di alto livello. D'altra parte, i robot possono alleviare gli operatori da compiti ripetitivi e faticosi e aiutare le persone in molti modi. Questa tesi propone metodi e strumenti per controllare la produzione di linee flessibili di assemblaggio multi-prodotto, costituite da diversi umani e robot che lavorano insieme in uno spazio di lavoro condiviso. Sono necessari algoritmi di pianificazione versatili per organizzare il complesso flusso di lavoro e sfruttare appieno la flessibilità disponibile, garantendo l'uso ottimale delle risorse e la gestione intelligente di eventi imprevisti. Inoltre, deve essere mantenuta una buona produttività indipendentemente dai cambiamenti nei piani di produzione e dall'intrinseca variabilità che caratterizza il comportamento umano. Pertanto, il lavoro si sviluppa attorno a due obiettivi principali: 1) Monitorare e prevedere in tempo reale l'evoluzione dell'attività umana in corso; 2) Pianificare dinamicamente le operazioni degli agenti collaborativi per ottimizzare la produttività. Una considerazione che sta alla base dell'intero lavoro è che la produzione flessibile è caratterizzata da frequenti cambiamenti di produzione, che si riflettono in cambiamenti nel layout dell'area di lavoro e nelle operazioni da eseguire. Quindi, requisiti per il framework sviluppato in questa tesi sono stati la facilità di allestimento e modifica, e le elevate capacità di apprendimento. Questo è particolarmente vero quando si considera il comportamento umano, che è difficile da definire completamente a priori e cambia anche nel tempo, per esempio a causa di una maggiore esperienza o affaticamento.