Towards an operator digital twin for assessing the human performance envelope in industry 5.0

Over the last decade, the European Union (EU) has promoted the Industry 4.0 paradigm, where manufacturing systems have become digitally connected, data-driven, and increasingly autonomous by integrating the physical factory with software technologies and networks. While this approach has accelerated automation and optimization, it has often supported a system-centric view in which umans play a secondary role. Recently, the Industry 5.0 perspective has reframed industrial innovation toward human-centric design, explicitly positioning worker well-being as a primary design and optimization target. In this view, machines are leveraged for labor-intensive and repetitive activities, whereas operators increasingly engage in supervision, monitoring, and decision-making. This shift introduces an important point to be considered. As responsibility migrates from manual execution to decision-making and critical thinking, industrial work can become more mentally demanding. Even when productivity and flexibility improve, the increased cognitive workload (CW) due to prolonged attention and time-critical interventions can expose workers to elevated mental effort, fatigue, stress, and consequent reductions in well-being. These effects can also be translated into reduced performance and reliability in safety-critical contexts. Within a human-centric industrial framework, CW must be assessed rigorously and quantitatively to properly design work environments, procedures, and support technologies that preserve both effectiveness and human sustainability. Within this context, the aim of this thesis is to investigate tools and technologies that advance toward the definition of Human Digital Twin (HDT) of industrial operators, trying to estimate the operator’s psycho-physical state during work activities through objective and measurable indicators. To reach this objective, the thesis involves the concept of the Human Performance Envelope (HPE), defined as the multidimensional set of conditions within which an individual can operate effectively and safely while preserving well-being. Rather than reducing human factors to a single index, this perspective models performance as an envelope shaped by interacting dimensions, including efficiency, accuracy, cognitive workload, fatigue, stress, comfort, and ergonomic risk, while accounting for trade-offs and variability across tasks and individuals. Methodologically, the thesis adopts a progressive approach, and it is organized into six chapters. Following the introduction chapter, Chapter 2 provides an initial investigation of cognitive workload through the simulation of a realistic industrial scenario in immersive virtual reality, emphasizing performance-based measures and subjective assessments, and examining age-related differences. Chapter 3 extends the assessment by integrating physiological parameters as complementary evidence of workers’ state in industrial contexts. Chapter 4 focuses more on the analysis of physiological signals as objective markers of cognitive load in immersive environments. Chapter 5 advances toward an operator HDT by developing an industrial framework that replicates near-real conditions and by evaluating cognitive workload during real industrial tasks. Chapter 6 further develops the psychophysical framework by integrating ergonomic assessment with augmented reality, further supporting the development of human-centric industrial systems.

Nel corso dell’ultimo decennio, l’Unione Europea (UE) ha promosso il paradigma di Industry 4.0, nell’ambito del quale i sistemi manifatturieri sono diventati digitalmente connessi, data-driven e progressivamente più autonomi, grazie all’integrazione tra fabbrica fisica, tecnologie software e reti. Sebbene questo approccio abbia accelerato l’automazione e l’ottimizzazione, esso ha spesso sostenuto una visione system-centric nella quale gli esseri umani ricoprono un ruolo secondario. Più recentemente, la prospettiva di Industry 5.0 ha riorientato l’innovazione industriale verso una progettazione human-centric, ponendo esplicitamente il benessere del lavoratore come obiettivo primario di progettazione e ottimizzazione. In questa prospettiva, le macchine vengono impiegate per attività labor-intensive e ripetitive, mentre gli operatori sono sempre più coinvolti in supervisione, monitoraggio e processi decisionali. Questo cambiamento introduce un aspetto rilevante che deve essere considerato. Man mano che la responsabilità si sposta dall’esecuzione manuale al decision-making e al pensiero critico, il lavoro industriale può diventare più gravoso dal punto di vista mentale. Anche quando produttività e flessibilità migliorano, l’aumento del carico cognitivo (Cognitive Workload, CW) dovuto a un’attenzione prolungata e a interventi time-critical può esporre i lavoratori a un maggiore sforzo mentale, fatica, stress e conseguenti riduzioni del benessere. Tali effetti possono inoltre tradursi in una riduzione delle prestazioni e dell’affidabilità in contesti safety-critical. All’interno di un framework industriale human-centric, il CW deve essere valutato in modo rigoroso e quantitativo per progettare correttamente ambienti di lavoro, procedure e tecnologie di supporto che preservino sia l’efficacia sia la sostenibilità umana. In questo contesto, l’obiettivo della presente tesi è indagare strumenti e tecnologie che contribuiscano ad avanzare verso la definizione di un Human Digital Twin (HDT) degli operatori industriali, cercando di stimarne lo stato psicofisico durante le attività lavorative mediante indicatori oggettivi e misurabili. Per raggiungere tale obiettivo, la tesi introduce il concetto di Human Performance Envelope (HPE), definito come l’insieme multidimensionale di condizioni entro cui un individuo può operare in modo efficace e sicuro preservando al contempo il proprio benessere. Piuttosto che ridurre i fattori umani a un singolo indice, questa prospettiva modella la prestazione come un “envelope” plasmato da dimensioni interagenti, tra cui efficienza, accuratezza, carico cognitivo, fatica, stress, comfort e rischio ergonomico, tenendo conto dei trade-off e della variabilità tra compiti e individui. Dal punto di vista metodologico, la tesi adotta un approccio progressivo ed è organizzata in sei capitoli. Dopo il capitolo introduttivo, il Capitolo 2 presenta una prima indagine sul carico cognitivo attraverso la simulazione di uno scenario industriale realistico in realtà virtuale immersiva, con enfasi su misure basate sulla performance e valutazioni soggettive, ed esaminando le differenze legate all’età. Il Capitolo 3 estende la valutazione integrando parametri fisiologici come evidenze complementari dello stato dei lavoratori in contesti industriali. Il Capitolo 4 si concentra maggiormente sull’analisi dei segnali fisiologici come marcatori oggettivi del carico cognitivo in ambienti immersivi. Il Capitolo 5 avanza verso un HDT dell’operatore sviluppando un framework industriale che replica condizioni quasi reali e valutando il carico cognitivo durante task industriali reali. Il Capitolo 6 sviluppa ulteriormente il framework psicofisico integrando la valutazione ergonomica con la realtà aumentata, supportando ulteriormente lo sviluppo di sistemi industriali human-centric.