A framework for the evaluation and improvement of human ergonomics in human-robot collaboration

Work-related musculoskeletal disorders (WMSDs) are impairments of the human body structures that are provoked or worsened primarily by work and by the effects of the immediate environment in which work is conducted. WMSDs are the leading cause of disability in four of the six World Health Organization regions, with substantial economic costs and a severe impact on the quality of life. The careful monitoring of workers' exposure to the factors which may contribute to their development is of crucial importance in industrial environments, aiming to lay the foundation of risk prevention and reduction programs. Nevertheless, in the brand-new industrial scenario, featured by frequently varying workflows and unstructured work stations, the traditional view of occupational ergonomics is rather weak and barely applicable. In fact, the most widely used tools are still “pen-and-paper” observational approaches, which need to be carried out in an off-line stage. On the other hand, numerous techniques have been proposed by researchers to estimate humans' physical load, relying on direct measurements collected on the human body through sensors devices. But complex laboratory-based approaches are hardly personalisable and impractical for industrial settings. Accordingly, the scientific objective of this thesis is to fill in this gap, by introducing a novel framework for the evaluation and improvement of human ergonomics, which implements online, personalisable, and reconfigurable strategies to account for workers' ergonomic demands. The proposed framework entails three main components: the observation layer, the warning layer, and the action layer. Within the observation layer, data about the humans' motion and the interaction forces they exchange with the environment are measured with fit-for-industry sensor devices, and a subject-specific model of the human body is identified. Their integration enables to define and estimate a human ergonomics monitoring system. The latter is a comprehensive set of indexes to assess humans' physical exposure, accounting online for multiple ergonomic risk factors to the development of WMSDs. Both kinematic and dynamic aspects are addressed, taking into account the whole-body human. To validate the proposed monitoring system, an experimental analysis is conducted on twelve subjects considering three different tasks, which represent typical jobs in manufacturing industries and, additionally, are associated with different potential risk factors. As a result, the ergonomic indexes that better explain the physical load required in each analysed activity are established, confirmed by the outcome of a surface electromyography (sEMG) analysis. Within the warning layer, the levels of the ergonomic risk associated with the estimated indexes are determined. Then, by taking advantage of intuitive and practical feedback interfaces (i.e. visual and vibrotactile), this information is conveyed to the workers to improve their risk-awareness. Both the proposed solutions prove their potential in assisting humans in their occupational activities through corrective feedback interfaces. Within the action layer, an optimisation procedure is adopted to estimate a more ergonomic human body configuration by minimising a selected ergonomic index according to certain constraints. Subsequently, a worker can be facilitated to achieve such an optimal condition by following the guidance of a collaborative robot, thus mitigating the effect of the associated risk factor. The experimental investigations conducted to evaluate the performance of this human-robot collaboration (HRC) framework provide evidence of its capability to reduce the effort on human joints, due to the robot reactive behaviour. Such findings are supported by the results of a sEMG analysis. The proposed HRC strategy shows promising capabilities to reduce humans' exposure to the factors that may determine WMSDs, ensuring workers' well being while enforcing productivity. Therewith, its key strength in the applicability to realistic industrial environments is exhibited.

I disturbi muscoloscheletrici (DMS) legati al lavoro sono patologie delle strutture del corpo umano provocate o aggravate principalmente dal lavoro e dagli effetti dell'ambiente in cui il lavoro viene svolto. I DMS sono la principale causa di disabilità in quattro delle sei regioni dell'Organizzazione Mondiale della Sanità e riportano sostanziali costi economici e un gravissimo impatto sulla qualità della vita. L'attento monitoraggio dell'esposizione dei lavoratori ai fattori che possono contribuire al loro sviluppo è di fondamentale importanza negli ambienti industriali, con l'obiettivo di porre le basi per programmi di prevenzione e riduzione dei rischi. Tuttavia, nello scenario industriale attuale, caratterizzato da flussi di lavoro che variano molto frequentemente e postazioni non strutturate, la visione tradizionale dell'ergonomia occupazionale è piuttosto debole e poco applicabile. Gli strumenti più utilizzati, infatti, sono ancora gli approcci osservazionali “carta e penna”, le cui procedure devono essere svolte a posteriori. D'altra parte, numerose tecniche sono state proposte dai ricercatori per stimare il carico fisico dell'uomo, basandosi su misurazioni dirette raccolte sul corpo umano attraverso dispositivi sensoristici. Tuttavia, i complessi approcci da laboratorio sono difficilmente personalizzabili e poco pratici per gli ambienti industriali. Di conseguenza, l'obiettivo scientifico di questa tesi è di colmare questa lacuna, introducendo un nuovo sistema per la valutazione e il miglioramento dell'ergonomia umana, che implementa strategie online, personalizzabili e riconfigurabili per far fronte alle esigenze ergonomiche dei lavoratori. Il sistema proposto comprende tre componenti principali: il livello di osservazione, il livello di feedback e il livello di azione. Nell’ambito del livello di osservazione, in primo luogo vengono misurati i dati sul movimento degli esseri umani e sulle forze di interazione che scambiano con l'ambiente tramite dispositivi sensoristici adatti all'industria e, successivamente, viene identificato un modello del corpo umano specifico per ogni soggetto. La loro integrazione consente di definire e stimare un sistema di monitoraggio dell'ergonomia umana. Quest'ultimo è un insieme esaustivo di indici per valutare l'esposizione fisica degli esseri umani in tempo reale, tenendo conto di molteplici fattori di rischio ergonomici per lo sviluppo di DMS. Vengono affrontati sia gli aspetti cinematici che dinamici, considerando l'intero corpo umano. Per validare il sistema di monitoraggio proposto, viene condotta un'analisi sperimentale su dodici partecipanti considerando tre diversi compiti che rappresentano attività tipiche nelle industrie manifatturiere e, inoltre, sono associati a diversi potenziali fattori di rischio. Di conseguenza, vengono stabiliti gli indici ergonomici che meglio spiegano il carico fisico richiesto in ciascuna attività analizzata, confermati dall'esito di un'analisi elettromiografica di superficie (sEMG). Nell’ambito del livello di feedback vengono determinati i livelli di rischio ergonomico associati agli indici stimati. Quindi, sfruttando pratiche e intuitive interfacce di feedback (visiva e vibrotattile), queste informazioni vengono trasmesse ai lavoratori per migliorare la loro consapevolezza del rischio. Entrambe le soluzioni proposte dimostrano il loro potenziale nell'assistere gli esseri umani nelle loro attività professionali grazie ai feedback correttivi proposti. Nell’ambito del livello di azione, viene adottata una procedura di ottimizzazione per stimare una configurazione del corpo umano più ergonomica minimizzando un indice ergonomico selezionato in base a determinati vincoli. Successivamente, un lavoratore può essere facilitato a raggiungere tale condizione ottimale seguendo la guida di un robot collaborativo, mitigando così l'effetto del fattore di rischio associato. Le indagini sperimentali condotte per valutare le prestazioni di questo sistema di collaborazione uomo-robot forniscono prove della sua capacità di ridurre lo sforzo sulle articolazioni umane, grazie al comportamento reattivo del robot. Tali risultati sono supportati dagli esiti di un'analisi sEMG. La strategia proposta mostra capacità promettenti di ridurre l'esposizione umana ai fattori che possono determinare i DMS, garantendo il benessere dei lavoratori e allo stesso tempo rinforzando la produttività. In questo modo, viene mostrato il punto di forza del sistema proposto nella sua applicabilità ad ambienti industriali reali.