polito.it
Politecnico di Torino (logo)

Sistema di visione basato sull'IA generativa per l'assemblaggio assistito nell'Industria 5.0 = Generative AI-Based Vision System for Assisted Assembly in Industry 5.0

Mara Borgia

Sistema di visione basato sull'IA generativa per l'assemblaggio assistito nell'Industria 5.0 = Generative AI-Based Vision System for Assisted Assembly in Industry 5.0.

Rel. Alessandro Simeone, Yuchen Fan. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Gestionale, 2025

Abstract:

L’evoluzione dell’Industria 4.0 all’Industria 5.0 ha introdotto un nuovo paradigma che pone l’essere umano al centro del processo produttivo, enfatizzando l’inclusione lavorativa e l’assistenza cognitiva. In questo contesto, l’integrazione di tecnologie digitali e robotiche, come l’intelligenza artificiale, la realtà aumentata e i robot collaborativi consente di supportare operatori con esigenze specifiche, tra cui quelli neurodiversi. Questa ricerca esplora lo sviluppo di sistemi di assemblaggio, in particolare per operatori con profili cognitivi differenti, focalizzandosi su metodologie innovative come l’apprendimento reciproco uomo-macchina (Reciprocal Learning), l’uso di robot collaborativi (Cobot) e istruzioni digitali adattive. Viene presentato un framework sperimentale che combina machine learning, computer vision e logiche adattive per monitorare il carico cognitivo dell’operatore e fornire supporto personalizzato tramite istruzioni visive, vocali e tattili. In particolare questa ricerca si concentra sulla valutazione dell’efficacia dei sistemi di intelligenza digitale nell’industria, basato sull’uso di modelli AI per il riconoscimento delle sequenze operative corrette e il confronto tra operazioni realizzate e operazioni di riferimento. Il modello prevede un’analisi iterativa attraverso prompt multipli, per migliorare la capacità dell’AI nel riconoscere eventuali errori. L’applicazione della metodologia viene testata su processi di assemblaggio, dimostrando come l’integrazione di AI e robotica possa ridurre il carico cognitivo, migliorare la precisione operativa e aumentare l’inclusività del settore manifatturiero.

Relatori: Alessandro Simeone, Yuchen Fan
Anno accademico: 2024/25
Tipo di pubblicazione: Elettronica
Numero di pagine: 103
Informazioni aggiuntive: Tesi secretata. Fulltext non presente
Soggetti:
Corso di laurea: Corso di laurea magistrale in Ingegneria Gestionale
Classe di laurea: Nuovo ordinamento > Laurea magistrale > LM-31 - INGEGNERIA GESTIONALE
Aziende collaboratrici: NON SPECIFICATO
URI: http://webthesis.biblio.polito.it/id/eprint/35732
Modifica (riservato agli operatori) Modifica (riservato agli operatori)