Design and management of cyber-physical systems in low volume production for zero-defect manufacturing

The growing trends towards custom products in various strategic, high-added value sectors, such as automotive, electronics and healthcare poses a challenge on the on-time delivery of high quality, complex products in low volume production contexts. At the same time, the interest towards lowering the environmental footprint of manufacturing process- chains through a more conscious use of materials and resources, combined with a persistent pressure on production costs, forces the reduction of scraps and wastes due to non-conformity. In response to these needs, zero-defect and zero-waste manufacturing methods, jointly considering quality, production logistics and maintenance aspects, traditionally applied to mass production contexts, should be further enhanced to cope with high variability, small-lot or individualized, down to one-of-a-kind productions, by exploiting the opportunities offered by modern digital manufacturing technologies. This thesis addresses the critical challenge of maintaining high quality while reducing eventual defects in low volume, high-variability production scenarios, characterized by custom and complex products. The thesis proposes a novel multi-layered Cyber-Physical System framework that associates three hierarchical levels of a manufacturing system: product-level, process-level, and system-level. Cyber-Physical Systems integrate real-time data from the physical world with advanced computational models, leveraging state of the art digital technologies and models to control manufacturing systems and enable dynamic decision-making to achieve Zero-Defect Manufacturing. The study highlights key challenges in specific applications and the limitations of traditional quality control mechanisms in highly variable production environments. The proposed methodology is then tailored for implementation in three case studies of relevance to demonstrate its potential to reduce scrap generation, improve production efficiency, and ensure zero-defect outcomes in highly customized, low volume manufacturing. In the first case study, how the product-level information can be utilized to predict the final functional behaviour by means of a product model and optimization algorithm to control downstream assembly stage is shown. The next case study is dedicated to automotive industry where the precision of a decision model and the accuracy of a quality inspection instrument can have a significant influence on manufacturing system performance. The last case study, instead, demonstrates the use of whole product-, process- and system-level information to achieve optimized production planning that reduces scrap generation. Each case study has its own novel aspect in their field of study, whose impact is reflected in obtained numerical results, showing the strength of proposed approach.

Le crescenti tendenze verso prodotti personalizzati in vari settori strategici ad alto valore aggiunto, come automotive, elettronica e sanità, pongono una sfida alla consegna puntuale di prodotti complessi e di alta qualità in contesti di produzione a basso volume. Allo stesso tempo, l'interesse verso la riduzione dell'impatto ambientale delle catene di processo di produzione attraverso un uso più consapevole di materiali e risorse, combinato con una pressione persistente sui costi di produzione, impone la riduzione di scarti e sprechi dovuti a non conformità. In risposta a queste esigenze, i metodi di produzione a zero difetti e zero sprechi, considerando congiuntamente qualità, logistica di produzione e aspetti di manutenzione, tradizionalmente applicati a contesti di produzione di massa, dovrebbero essere ulteriormente migliorati per far fronte a elevata variabilità, piccoli lotti o individualizzati, fino a produzioni uniche nel loro genere, sfruttando le opportunità offerte dalle moderne tecnologie di produzione digitale. Questa tesi affronta la sfida critica di mantenere un'elevata qualità riducendo al contempo eventuali difetti in scenari di produzione a basso volume e alta variabilità, caratterizzati da prodotti personalizzati e complessi. La tesi propone un nuovo framework di sistema ciberfisico multistrato che associa tre livelli gerarchici di un sistema di produzione: livello di prodotto, livello di processo e livello di sistema. I sistemi ciberfisici integrano dati in tempo reale dal mondo fisico con modelli computazionali avanzati, sfruttando tecnologie e modelli digitali all'avanguardia per controllare i sistemi di produzione e consentire un processo decisionale dinamico per ottenere una produzione a zero difetti. Lo studio evidenzia le principali sfide in applicazioni specifiche e le limitazioni dei tradizionali meccanismi di controllo qualità in ambienti di produzione altamente variabili. La metodologia proposta viene quindi adattata per l'implementazione in tre casi di studio pertinenti per dimostrare il suo potenziale di ridurre la generazione di scarti, migliorare l'efficienza produttiva e garantire risultati a zero difetti in una produzione altamente personalizzata e a basso volume. Nel primo caso di studio, viene mostrato come le informazioni a livello di prodotto possono essere utilizzate per prevedere il comportamento funzionale finale mediante un modello di prodotto e un algoritmo di ottimizzazione per controllare la fase di assemblaggio a valle. Il caso di studio successivo è dedicato al settore automobilistico, in cui la precisione di un modello decisionale e l'accuratezza di uno strumento di ispezione della qualità possono avere un'influenza significativa sulle prestazioni del sistema di produzione. L'ultimo studio di caso, invece, dimostra l'uso di informazioni a livello di prodotto, processo e sistema per ottenere una pianificazione di produzione ottimizzata che riduce la generazione di scarti. Ogni studio di caso ha il suo aspetto innovativo nel suo campo di studio, il cui impatto si riflette nei risultati numerici ottenuti, mostrando la forza dell'approccio proposto.