The historical moment in which we find ourselves can be defined as the fourth industrial revolution, the growing interpenetration between the physical world and the digital world has brought substantial changes to the production system. The rapid technological advancement brought about by "Industry 4.0" has opened the doors to various innovations, in many sectors the operators have been replaced or joined by collaborative "cobot" robotic systems, however, although robotic systems are excellent for standard tasks they do not have the flexibility of an operator. In parallel with the standardization of products, many production companies have found their market niche in customization and in this field the use of operators is fundamental. The purpose of this thesis is to deepen the use of non-invasive tracking systems of operators' movements through the use of marker-less cameras for motion capture as these systems represent an economical and reliable system to be at the same time a way of measure the ergonomic performances of work operations as well as real-time help to the operator in his activities through feedback. A marker less camera captures the movements of the body and, in relation to the environment in which one is and the activity that takes place, using the support of an augmented reality software where control volumes are inserted, returns feedback on the operations carried out by the operator guiding him in a completely natural way in carrying out the working process. This methodology will make it possible to replace paper-based standard work by creating a much leaner solution to learn about the operations and to be followed during their execution, allowing for better quality and repeatability in semi-finished products and a shorter learning time by the operator delegated for the execution of the task.

Il momento storico in cui ci troviamo può essere definito come la quarta rivoluzione industriale, la crescente compenetrazione tra mondo fisico e mondo digitale ha apportato sostanziali modifiche al sistema di produzione. Il rapido avanzamento tecnologico portato dall’ “Industria 4.0“ ha aperto le porte a svariate innovazioni, in molti settori gli operatori sono stati sostituiti od affiancati da sistemi robotici collaborativi “cobot” tuttavia sebbene i sistemi robotizzati siano ottimi per compiti standard non hanno la flessibilità di un operatore. Parallelamente alla standardizzazione dei prodotti, molte realtà produttive hanno trovato la loro nicchia di mercato nella personalizzazione ed in questo campo l’impiego degli operatori è fondamentale. Lo scopo di questa tesi è approfondire l’uso di sistemi di tracciamento non invasivi dei movimenti degli operatori mediate l’impiego di telecamere marker-less per il motion capture in quanto questi sistemi rappresentano un sistema economico ed affidabile per essere al contempo un modo di misurare le performances ergonomiche delle operazioni di lavoro nonché un aiuto in real time all’operatore nelle sue attività mediante dei feedback. Una telecamera marker less cattura i movimenti del corpo ed, in relazione all’ambiente in cui ci si trova e all’attività che si svolge, sfruttando il supporto di un software di realtà aumentata dove sono inseriti dei volumi di controllo, restituisce un feedback sulle operazioni svolte dall’operatore guidandolo in modo del tutto naturale nello svolgimento del processo di lavorazione. Questa metodologia permetterà di sostituire gli standard work cartacei creando una soluzione nettamente più snella di apprendere delle operazioni e di essere seguito durante la loro esecuzione permettendo in miglior qualità e ripetibilità nei semilavorati e un minor tempo di apprendimento da parte dell’operatore delegato dell’esecuzione del compito.

Real time motion tracking tramite vision systems per il miglioramento della curva di apprendimento nei processi di assemblaggio manuale

GIRALDIN, ALBERTO
2021/2022

Abstract

The historical moment in which we find ourselves can be defined as the fourth industrial revolution, the growing interpenetration between the physical world and the digital world has brought substantial changes to the production system. The rapid technological advancement brought about by "Industry 4.0" has opened the doors to various innovations, in many sectors the operators have been replaced or joined by collaborative "cobot" robotic systems, however, although robotic systems are excellent for standard tasks they do not have the flexibility of an operator. In parallel with the standardization of products, many production companies have found their market niche in customization and in this field the use of operators is fundamental. The purpose of this thesis is to deepen the use of non-invasive tracking systems of operators' movements through the use of marker-less cameras for motion capture as these systems represent an economical and reliable system to be at the same time a way of measure the ergonomic performances of work operations as well as real-time help to the operator in his activities through feedback. A marker less camera captures the movements of the body and, in relation to the environment in which one is and the activity that takes place, using the support of an augmented reality software where control volumes are inserted, returns feedback on the operations carried out by the operator guiding him in a completely natural way in carrying out the working process. This methodology will make it possible to replace paper-based standard work by creating a much leaner solution to learn about the operations and to be followed during their execution, allowing for better quality and repeatability in semi-finished products and a shorter learning time by the operator delegated for the execution of the task.
2021
Real time motion tracking using vision systems for the improvement of the learning curve in manual assembly processes
Il momento storico in cui ci troviamo può essere definito come la quarta rivoluzione industriale, la crescente compenetrazione tra mondo fisico e mondo digitale ha apportato sostanziali modifiche al sistema di produzione. Il rapido avanzamento tecnologico portato dall’ “Industria 4.0“ ha aperto le porte a svariate innovazioni, in molti settori gli operatori sono stati sostituiti od affiancati da sistemi robotici collaborativi “cobot” tuttavia sebbene i sistemi robotizzati siano ottimi per compiti standard non hanno la flessibilità di un operatore. Parallelamente alla standardizzazione dei prodotti, molte realtà produttive hanno trovato la loro nicchia di mercato nella personalizzazione ed in questo campo l’impiego degli operatori è fondamentale. Lo scopo di questa tesi è approfondire l’uso di sistemi di tracciamento non invasivi dei movimenti degli operatori mediate l’impiego di telecamere marker-less per il motion capture in quanto questi sistemi rappresentano un sistema economico ed affidabile per essere al contempo un modo di misurare le performances ergonomiche delle operazioni di lavoro nonché un aiuto in real time all’operatore nelle sue attività mediante dei feedback. Una telecamera marker less cattura i movimenti del corpo ed, in relazione all’ambiente in cui ci si trova e all’attività che si svolge, sfruttando il supporto di un software di realtà aumentata dove sono inseriti dei volumi di controllo, restituisce un feedback sulle operazioni svolte dall’operatore guidandolo in modo del tutto naturale nello svolgimento del processo di lavorazione. Questa metodologia permetterà di sostituire gli standard work cartacei creando una soluzione nettamente più snella di apprendere delle operazioni e di essere seguito durante la loro esecuzione permettendo in miglior qualità e ripetibilità nei semilavorati e un minor tempo di apprendimento da parte dell’operatore delegato dell’esecuzione del compito.
Motion tracking
Motion capture
Learning curve
Real time feedback
Manual assembly
File in questo prodotto:
File Dimensione Formato  
Giraldin_Alberto.pdf

accesso riservato

Dimensione 6.31 MB
Formato Adobe PDF
6.31 MB Adobe PDF

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/29456