A general approach for human error handling and recovery in a collaborative assembly plant

The widespread of 4.0 technologies in the current industrial landscape is leading to a renewal of old assembly systems. Modern manufacturing plants, the so-called Smart Factories, are mainly constituted by the integration of human and digital agents. Their aim is the maximization of flexibility and productivity by exploiting emerging technological innovations such as cobots, digital schedulers, Cloud-based solutions, and modern monitoring systems. Considering the most developed Smart Factories, the digital part of them is responsible for a real-time evaluation of the plant state, through an exploration of data flow deriving from it, and for efficient scheduling of activities, getting the human operator freer from plant management jobs. In this scenario, strong automatic adaption to error strategies has to be designed. This work aims at proposing an efficient methodology for handling and recovering human-related assembly failures. The goal is achieved by presenting an algorithm that, exploiting the inputs coming from the digital part of the plant, is able to identify optimal error recovery. A distinction between out-and-out assembly tasks failure and wrong schedule accomplishing has been made. For the first one, the optimal recovery methodology is selected among a set of pre-defined strategies by minimizing a cost function accounting for recovery time-consumption and monetary costs, while for the second one there is always only one intelligent solution that is fastly notified by the algorithm. The proposed approach is developed seeking also to offer competitive techniques of tasks and failure analysis. The target is defining rules to properly design a smart assembly plant layout and identifying the variables related to products and failures that influence the choice of optimal error recoveries. The proposed method has been then tested on a real assembly use case, exploit- ing some detected failures simulations.

Il processo di affermazione delle tecnologie 4.0 nell’attuale panorama industriale sta portando ad un rinnovamento dei precedenti sistemi di assemblaggio. I moderni impianti manifatturieri, le cosiddette Fabbriche Intelligenti, sono principalmente costituite da un’integrazione tra agenti umani e digitali. Il loro scopo risulta essere una massimizzazione della flessibilità e della produttività, ottenuta sfruttando le emergenti innovazioni tecnologiche, come i robot collaborativi, gli scheduler digitali, le strategie risolutive basate sul Cloud e i moderni sistemi di monitoraggio. Prendendo in considerazione le più sviluppate Fabbriche Intelligenti, la loro parte digitale viene incaricata di valutare in tempo reale lo stato del sistema, grazie ad un’esplorazione del flusso di dati derivanti da questo, e di programmare efficientemente le attività, rendendo la componente umana più libera da compiti di gestione dell’impianto. In questo scenario, devono essere progettate delle strategie per un’efficace risposta agli errori. Questo lavoro mira a proporre una metodologia per una efficiente gestione e recupero degli stop di assemblaggio connessi all’agente umano. L’obiettivo è stato raggiunto presentando un algoritmo capace, sfruttando i dati derivanti dalla parte digitale dell’impianto, di identificare soluzioni ottime di recupero degli errori. Una distinzione tra la sbagliata esecuzione di un task di assemblaggio e un programma di operazioni non rispettato è stata considerata. Nel primo caso, la strategia di recopero ottimale è selezionata partendo da un set di strategie predefinite minimizzando una funzione di costo che tiene conto dei tempi e dei costi di correzione, mentre nel secondo caso la soluzione di recupero è sempre unica ed è rapidamente identificata dall’algoritmo. L’approccio proposto è stato sviluppato cercando anche di suggerire delle metodologie efficienti per analisi delle operazioni e degli errori di assemblaggio. Lo scopo è quello di definire delle regole per una adeguata progettazione del layout dell’impianto di assemblaggio e di identificare le variabili relative ai prodotti assemblati e agli stop per errori che potrebbero influenzare la scelta della correzione ottima degli errori stessi. Il metodo proposti è stato testato su un caso reale di assemblaggio, eseguendo delle simulazioni di errori rilevati.