Integrazione di sensori fisiologici in un framework multimodale per l'analisi del benessere dell'operatore

Il paradigma dell’Industria 5.0 pone l’operatore umano al centro dei processi produttivi, affiancando all’obiettivo tradizionale dell’efficienza produttiva un attento monitoraggio del benessere fisico e cognitivo dell’operatore stesso. Rappresentare questo stato di benessere in modo strutturato richiede tuttavia strumenti in grado di acquisire, in tempo reale e senza interferire con l’attività lavorativa, dati fisiologici eterogenei sullo stato dell’operatore. Tale obiettivo al giorno d’oggi è reso perseguibile dalla vasta gamma di sensoristica indossabile disponibile in commercio, ma allo stesso tempo difficile da realizzare nella pratica all’interno di un ambiente industriale: a differenza di un contesto di laboratorio, l’operatore è infatti impegnato nell’attività lavorativa in modo continuo e non controllato, condizione che può introdurre artefatti da movimento nei segnali acquisiti, mentre l’ambiente stesso, ricco di macchinari e apparecchiature elettriche, costituisce una fonte di interferenza elettromagnetica non trascurabile. Il presente lavoro di tesi si inserisce in questo scenario, proponendosi di estendere un framework esistente, basato su ROS 2 e in grado di fornire una valutazione ergonomica posturale dell’operatore, con nuova sensoristica fisiologica indossabile, nell’ottica di un sistema più completo per il monitoraggio del benessere, ispirato al concetto di Human Digital Twin (HDT). A questo scopo sono stati integrati il sensore Polar H10, che fornisce accesso diretto al segnale elettrocardiografico (ECG) grezzo, e il Mindrove Armband, per l’acquisizione di segnali elettromiografici di superficie (sEMG), utili per stimare lo sforzo e l’attivazione muscolare dell’operatore durante il lavoro. Parte del lavoro è stata dedicata alla definizione di un’interfaccia comune per l’esposizione dei dati fisiologici in maniera omogenea e indipendente dal sensore specifico di provenienza, in modo tale da rendere il sistema facilmente estendibile con ulteriore sensoristica in futuro, senza dover intervenire sulla logica di acquisizione già sviluppata. Con lo stesso principio è stato inoltre sviluppato un modulo di filtraggio, finalizzato a ripulire in tempo reale i segnali acquisiti dalle diverse sorgenti di rumore, tipiche degli ambienti industriali. La bontà del sistema è stata verificata sia dal punto di vista prestazionale che applicativo, attraverso una prova sperimentale che ha coinvolto soggetti reali, impegnati in un task manipolativo in condizioni operative distinte, in completa autonomia e in collaborazione con un cobot. Il lavoro svolto realizza così un’infrastruttura di acquisizione fisiologica funzionante e validata sperimentalmente, che estende concretamente le capacità del framework di partenza e pone allo stesso tempo le basi tecniche per future analisi fisiologiche più approfondite, in ottica di un sistema di monitoraggio del benessere sempre più completo.