IN EVIDENZA
Matteo Bruce Robin ha ricevuto il premio per la tesi“ Digital twin-driven genetic algorithm for optimizing layout and task allocation in human-robot collaborative assemblies”
riduzione delle forze di taglio e delle temperature operative, migliorando le prestazioni di processo e la durata dell’ utensile. I modelli sviluppati costituiscono un utile strumento di previsione e ottimizzazione, contribuendo alla comprensione dei meccanismi di interazione tra materiale, utensile e fluido lubrificante. In prospettiva, la ricerca fornisce una base teorica solida per l’ applicazione della MQL nei processi di foratura avanzata e per lo sviluppo di strategie di lavorazione sostenibile orientate all’ efficienza energetica e alla riduzione dell’ impatto ambientale”.
Digital twin-driven genetic algorithm for optimizing layout and task allocation in humanrobot collaborative assemblies di Matteo Bruce Robin“ Le celle collaborative uomo – robot( HRC) sono in rapida espansione nell’ industria; tuttavia, il loro layout è ancora spesso definito sulla base dell’ esperienza, con ottimizzazione non sempre sistematica. Questa tesi presenta un framework che integra un modello digitale della cella con un Algoritmo Genetico( AG) multi-obiettivo per ottimizzare
insieme layout e allocazione delle operazioni. La scelta dell’ AG deriva dalla sua natura“ black box”: non necessita di una conoscenza analitica del legame tra la struttura della cella e i KPI, risultando flessibile e scalabile a diversi scenari industriali. Il metodo codifica un insieme di configurazioni candidate( posizionamento e assetto delle attrezzature, suddivisione e assegnazione delle operazioni, parametri di processo) e, per ciascuna, il modello digitale simula l’ intero ciclo della cella. Dalla simulazione si ricavano i KPI da ottimizzare: tempo ciclo, ergonomia dell’ operatore( metodo OWAS), manipolabilità del robot e superficie occupata. In pratica, l’ utente indica vincoli e obiettivi, il sistema genera molte ipotesi plausibili, le valuta con il modello e seleziona quelle più promettenti; queste diventano la base per creare nuove soluzioni“ figlie”, in un ciclo iterativo ispirato all’ evoluzione che esplora lo spazio progettuale e tende a configurazioni via via migliori. Il risultato non è solo un“ best layout”, ma un insieme di alternative comparabili con compromessi espliciti tra i KPI. Il caso studio relativo all’ assemblaggio di un pulsante di arresto di emergenza, con operatore supportato da un robot UR5e ha validato l’ approccio. La baseline è la media di configurazioni ammissibili generate casualmente sotto vincoli( proxy di progettazione“ a occhio”), con tempo ciclo pari a 68,8 s. L’ AG ha individuato una soluzione con tempo ciclo di 57,6 s( −16,3 %) e superficie totale −35 %, mantenendo l’ ergonomia nelle classi OWAS 1 – 2 e migliorando la manipolabilità del robot. La strategia risultante privilegia la parallelizzazione di sotto-operazioni e un posizionamento delle attrezzature che riduce gli spostamenti e bilancia il carico tra uomo e robot. In sintesi, il framework si propone come strumento di supporto alla progettazione HRC nelle fasi di concept, anticipando decisioni che impattano produttività, ergonomia e layout e fornendo rapidamente alternative comparabili basate su evidenze quantitative. Produce un set di opzioni con metriche e trade-off trasparenti a supporto delle design review e del co-design uomo – robot, riducendo tempi e iterazioni di progettazione. La natura black box ne facilita il riuso in contesti diversi; estensioni future includono l’ in-
64 Marzo 2026