Giới thiệu dự án

Trong bối cảnh chuyển đổi số và tự động hóa sản xuất công nghiệp theo xu hướng Cách mạng Công nghiệp 4.0, khâu phân loại và đóng gói sản phẩm đóng vai trò then chốt trong chuỗi cung ứng. Theo các khảo sát công nghiệp trong ngành đóng gói và logistics, các tác vụ phân loại thủ công truyền thống chiếm tới 35-40% chi phí nhân công trực tiếp nhưng lại tiềm ẩn tỷ lệ sai sót từ 3-7% do mệt mỏi và suy giảm tập trung. Việc ứng dụng robot công nghiệp để thay thế lao động thủ công trong các tác vụ pick-and-place lặp đi lặp lại với tần suất cao trở thành yêu cầu cấp thiết.

Hệ thống phân loại thủ công hoặc bán tự động dạng cơ học (như xi-lanh gạt phân loại) bộc lộ nhiều điểm nghẽn nghiêm trọng:

  • Thiếu tính linh hoạt khi quy cách sản phẩm (màu sắc, hình học) thay đổi.
  • Dễ gây hư hại bề mặt sản phẩm nhạy cảm do lực tác động cơ học trực tiếp.
  • Khó tích hợp các thuật toán kiểm tra chất lượng sản phẩm (Quality Assurance) theo thời gian thực.
  • Năng suất gạt cơ học bị giới hạn bởi quán tính xilanh và thời gian hồi vị.

Dự án "Robot Delta Phân Loại Sản Phẩm Theo Hình Dạng Và Màu Sắc" được nghiên cứu và chế tạo nhằm giải quyết triệt để các hạn chế trên thông qua sự kết hợp giữa cơ cấu động học song song Delta 3 bậc tự do (3-DOF Parallel Robot), công nghệ thị giác máy tính (Computer Vision) và hệ thống điều khiển lập trình công nghiệp PLC Siemens S7-1200.

Mục tiêu cụ thể của dự án:

  1. Thiết kế và tối ưu hóa kết cấu cơ khí 3D của cánh tay Robot Delta trên phần mềm SolidWorks 2020, đảm bảo chuyển động song phẳng của bàn máy động.
  2. Xây dựng giải thuật động học thuận (Forward Kinematics) và động học nghịch (Inverse Kinematics), mô phỏng khảo sát không gian làm việc (Workspace) trên MATLAB trong giới hạn góc khớp $\theta \in [0^\circ, 90^\circ]$.
  3. Phát triển thuật toán xử lý ảnh trên nền tảng Python/OpenCV để nhận dạng chính xác 3 loại hình học (hình vuông, hình tròn, hình tam giác) và 2 không gian màu (cam, xanh dương), đồng thời chuyển đổi tọa độ từ hệ quy chiếu Pixel sang tọa độ thực Robot.
  4. Lập trình điều khiển toàn diện hệ thống bằng PLC S7-1200 (CPU 1214C DC/DC/DC), tích hợp động cơ Servo điều khiển vòng kín và cơ cấu gắp hút chân không (Vacuum Ejector).
  5. Xây dựng giao diện phần mềm giám sát và điều khiển hỗ trợ hai chế độ Auto/Manual.

Kết quả kỳ vọng bao gồm việc xử lý ổn định 6 phân lớp đối tượng với chu kỳ gắp phân loại đạt năng suất thiết kế tối đa 20 sản phẩm/phút, tỷ lệ gắp thả chính xác $\ge 95%$. Giới hạn nghiên cứu tập trung vào các phôi phẳng có khối lượng nhỏ dưới 200g di chuyển trên băng tải trong môi trường ánh sáng công nghiệp có kiểm soát.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Để lựa chọn cấu trúc động học tối ưu cho bài toán phân loại tốc độ cao, nghiên cứu tiến hành đánh giá so sánh các giải pháp cánh tay robot phổ biến hiện nay:

Tiêu chí kỹ thuật Robot Delta (Song song) Robot SCARA (Nối tiếp) Robot Tọa độ Cartesien Cần gạt khí nén (Pneumatic)
Gia tốc & Tốc độ Rất cao (>10 m/s², khối lượng tải tĩnh nhẹ) Trung bình - Cao Thấp - Trung bình Thấp, quán tính lớn
Độ cứng vững Cao (3 chuỗi động học song song chịu lực) Trung bình (uốn cánh tay) Cao (khung giàn cố định) Thấp
Độ linh hoạt Chuyên biệt cho Pick-and-Place phẳng Đa năng, lắp ráp chi tiết Di chuyển tịnh tiến 3 trục Cực kỳ hạn chế (On/Off)
Chi phí chế tạo Trung bình Cao Thấp - Trung bình Rất thấp
Bảo trì, bảo dưỡng Dễ dàng (Động cơ gắn cố định trên đế trên) Phức tạp (Động cơ gắn trên từng khớp) Đơn giản (Ray trượt, vitme) Đơn giản

Nhu cầu hệ thống được lượng hóa và sắp xếp theo mô hình ưu tiên MoSCoW:

  • Must-have (Bắt buộc): Nhận diện chính xác 3 hình dạng (vuông, tròn, tam giác) và 2 màu (cam, xanh); tính toán động học nghịch theo thời gian thực; điều khiển vị trí 3 trục servo qua xung/hướng hoặc truyền thông công nghiệp; cơ cấu hút nhả chân không phản hồi nhanh.
  • Should-have (Nên có): Giao diện điều khiển HMI/GUI hiển thị video stream, tọa độ $C_x, C_y$, số lượng phân loại theo thời gian thực; nút dừng khẩn cấp E-Stop cắt nguồn lực chấp hành.
  • Could-have (Có thể có): Chế độ tinh chỉnh góc xoay sản phẩm trước khi thả; lưu trữ nhật ký lỗi phân loại.
  • Won't-have (Chưa thực hiện): Nhận diện vật thể 3D xếp chồng; phân loại sản phẩm có hình dạng tự do bất quy tắc.

Thách thức kỹ thuật lớn nhất nằm ở việc loại bỏ nhiễu xạ ánh sáng môi trường gây biến đổi không gian màu RGB, đồng thời đồng bộ hóa độ trễ tính toán giữa máy tính thị giác (PC) và bộ điều khiển thời gian thực (PLC).

Thiết kế hệ thống

Kiến trúc tổng thể của hệ thống bao gồm 3 tầng chính: Tầng cảm biến & Thị giác (Vision Layer), Tầng tính toán & Điều khiển trung tâm (Control Layer), và Tầng chấp hành cơ khí (Actuator Layer).

graph TD
    A[Camera Cảm Biến Thị Giác] -->|USB 2.0 / Video Stream| B[Máy tính PC - Xử lý ảnh OpenCV]
    B -->|Thuật toán Inverse Kinematics| B
    B -->|Giao tiếp TCP/IP / S7-Protocol| C[PLC Siemens S7-1200 CPU 1214C]
    D[Cảm biến tiệm cận / Sensor] -->|Digital Input| C
    E[Bảng điều khiển nút nhấn / E-Stop] -->|Digital Input| C
    C -->|Pulse Train Output PTO / Dir| F[Driver Động cơ Servo x3]
    C -->|Digital Output 24VDC| G[Van điện từ khí nén - Giác hút chân không]
    C -->|Digital Output| H[Biến tần / Động cơ Băng tải]
    F -->|Động lực| I[Động cơ Servo Robot Delta x3]
    I -->|Liên kết 3 chuỗi hình bình hành| J[Bàn máy động & Đầu hút chân không]

Danh mục công nghệ và thiết bị phần cứng sử dụng:

  • Bộ điều khiển lập trình: Siemens PLC S7-1200 CPU 1214C DC/DC/DC (Firmware V4.4, 14 DI 24VDC, 10 DO 24VDC, 2 AI 0-10V, 4 bộ phát xung tốc độ cao PTO lên tới 100 kHz).
  • Môi trường lập trình điều khiển: TIA Portal V16 (Totally Integrated Automation).
  • Môi trường xử lý ảnh & Giao diện: Python 3.10.x, thư viện OpenCV 4.8.0, NumPy, Tkinter/PyQt trên Visual Studio Code 1.85.
  • Phần mềm thiết kế cơ khí & Động học: SolidWorks 2020, MATLAB R2022a.
  • Cơ cấu chấp hành: 03 bộ Động cơ Servo kèm Driver điều khiển vị trí vòng kín; 01 bộ tạo chân không Venturi kết hợp van điện từ 24VDC và núm hút cao su nitrile; nguồn tổ ong 24VDC-10A; CB tép chống giật.

Về bảo mật và an toàn: Hệ thống tích hợp mạch an toàn phần cứng cắt trực tiếp nguồn cấp Driver Servo khi kích hoạt nút Emergency Stop (E-Stop), đồng thời giới hạn phần mềm (Software Limit Switches) dựa trên không gian làm việc hình trụ hữu hạn để tránh va đập cơ khí.

Methodology

Quy trình phát triển đồ án được triển khai theo mô hình V-Model tinh gọn, kết hợp thiết kế song song cơ - điện - phần mềm (Mechatronics Concurrent Engineering):

Tuần 01-02: Khảo sát lý thuyết, lựa chọn Servo, PLC, cấu trúc Robot Delta.
Tuần 03-04: Thiết kế 3D SolidWorks, giải bài toán động học trên MATLAB.
Tuần 05-06: Gia công cơ khí khung nhôm định hình, in 3D đế động, tiện khớp cầu.
Tuần 07-08: Lắp ráp cơ khí, thi công tủ điện, đấu nối IO PLC và Driver.
Tuần 09-10: Phát triển thuật toán OpenCV (HSV, Contours, Moments) và Calib camera.
Tuần 11-13: Lập trình PLC (Khối Motion Control MC_Power, MC_MoveAbsolute), tích hợp truyền thông PC-PLC.
Tuần 14-15: Chạy thực nghiệm, tối ưu tham số PID vị trí, đánh giá sai số phân loại.
Tuần 16-17: Hoàn thiện báo cáo, poster và nghiệm thu hệ thống.

Implementation và kết quả

Development process

1. Tính toán động học nghịch (Inverse Kinematics)

Robot Delta gồm 3 cánh tay chủ động $F_i J_i$ có chiều dài $r_f$ và 3 cánh tay bị động hình bình hành $J_i E_i$ có chiều dài $r_e$. Cho trước tọa độ điểm cuối $E_0(x_0, y_0, z_0)$, ta cần tính 3 góc khớp $\theta_1, \theta_2, \theta_3$.

Xét chuỗi động học thứ nhất nằm trong mặt phẳng $YZ$. Tọa độ điểm $J_1(0, y_{J1}, z_{J1})$ được xác định bằng giao điểm của hai đường tròn:

  • Đường tròn quay của khớp chủ động tâm $F_1(0, -f/(2\sqrt{3}), 0)$, bán kính $r_f$.
  • Đường tròn quỹ đạo của khớp bị động tâm $E_1'(0, y_0 - e/(2\sqrt{3}), z_0)$, bán kính $\sqrt{r_e^2 - x_0^2}$.

Phương trình bậc hai theo ẩn $y_{J1}$: $$a \cdot y_{J1}^2 + b \cdot y_{J1} + c = 0$$ Trong đó: $$z_{J1} = \frac{-2 y_{J1} m_1 - m_2}{2 z_0}, \quad \theta_1 = \arctan\left(\frac{z_{J1}}{y_{F1} - y_{J1}}\right)$$

Đối với các góc $\theta_2$ và $\theta_3$, hệ thống áp dụng phép quay hệ trục tọa độ quanh trục $Z$ một góc lần lượt là $+120^\circ$ và $-120^\circ$ thông qua ma trận quay $R_z$:

import numpy as np

def delta_inverse_kinematics(x0, y0, z0, rf=150.0, re=300.0, f=200.0, e=50.0):
    """
    Tính toán động học nghịch cho Robot Delta 3 bậc tự do
    Output: (theta1, theta2, theta3) tính bằng độ (degrees)
    """
    def calc_angle(x, y, z):
        y_f = -f / (2 * np.sqrt(3))
        y_e = -e / (2 * np.sqrt(3))
        
        m1 = (f - e) / (2 * np.sqrt(3)) + y
        m2 = (x**2 + y**2 + z**2 + rf**2 - re**2 + (f - e)**2 / 12 + y * (f - e) / np.sqrt(3)) / (2 * z)
        
        a = 1 + (m1 / z)**2
        b = 2 * (y_f + m1 * (m2 - z) / z)
        c = y_f**2 + (m2 - z)**2 - rf**2
        
        delta = b**2 - 4 * a * c
        if delta < 0:
            return None # Nằm ngoài không gian làm việc
        
        y_j = (-b - np.sqrt(delta)) / (2 * a)
        z_j = - (2 * y_j * m1 + (m2 * 2 * z - x**2 - y**2 - z**2 - rf**2 + re**2)) / (2 * z)
        theta = np.arctan2(-z_j, (y_f - y_j)) * 180.0 / np.pi
        return theta

    # Nhánh 1: Góc xoay 0 độ
    th1 = calc_angle(x0, y0, z0)
    
    # Nhánh 2: Xoay +120 độ
    x0_2 = x0 * np.cos(2*np.pi/3) + y0 * np.sin(2*np.pi/3)
    y0_2 = -x0 * np.sin(2*np.pi/3) + y0 * np.cos(2*np.pi/3)
    th2 = calc_angle(x0_2, y0_2, z0)
    
    # Nhánh 3: Xoay -120 độ
    x0_3 = x0 * np.cos(-2*np.pi/3) + y0 * np.sin(-2*np.pi/3)
    y0_3 = -x0 * np.sin(-2*np.pi/3) + y0 * np.cos(-2*np.pi/3)
    th3 = calc_angle(x0_3, y0_3, z0)
    
    return th1, th2, th3

2. Pipeline Xử lý ảnh Computer Vision

Dữ liệu hình ảnh được thu nhận từ Webcam gắn vuông góc với băng tải. Thuật toán trích xuất đối tượng bao gồm các bước:

  1. Chuyển đổi khung hình từ BGR sang HSV để tách biệt độ sáng $V$ và màu sắc $H$.
  2. Lọc dải màu bằng cv2.inRange() để tạo ảnh nhị phân (Binary Mask).
  3. Khử nhiễu hình thái học (Morphological Operations): Thực hiện phép Co ảnh (Erosion) với cấu trúc phần tử kernel $8\times 8$, tiếp nối bởi phép Giãn ảnh (Dilation) $8\times 8$.
  4. Tìm đường bao bằng cv2.findContours() với cờ CHAIN_APPROX_SIMPLE.
  5. Tính toán tâm đối tượng $(C_x, C_y)$ qua Image Moments: $$C_x = \frac{M_{10}}{M_{00}}, \quad C_y = \frac{M_{01}}{M_{00}}$$
  6. Phân loại hình học thông qua thuật toán xấp xỉ đa giác Douglas-Peucker (cv2.approxPolyDP): 3 đỉnh $\rightarrow$ Hình tam giác, 4 đỉnh $\rightarrow$ Hình tứ giác (vuông), $>6$ đỉnh $\rightarrow$ Hình tròn.
import cv2
import numpy as np

def process_frame(frame):
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    
    # Dải màu cam và xanh dương trong không gian HSV (8-bit)
    color_ranges = {
        'Orange': ([5, 120, 120], [20, 255, 255]),
        'Blue': ([100, 150, 50], [135, 255, 255])
    }
    
    kernel = np.ones((8, 8), np.uint8)
    detected_objects = []
    
    for color_name, (lower, upper) in color_ranges.items():
        mask = cv2.inRange(hsv, np.array(lower), np.array(upper))
        # Khử nhiễu Morphology
        mask = cv2.erode(mask, kernel, iterations=1)
        mask = cv2.dilate(mask, kernel, iterations=1)
        
        contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
        for cnt in contours:
            area = cv2.contourArea(cnt)
            if area > 1000: # Lọc bỏ các vùng nhiễu kích thước nhỏ
                M = cv2.moments(cnt)
                if M["m00"] != 0:
                    cx = int(M["m10"] / M["m00"])
                    cy = int(M["m01"] / M["m00"])
                    
                    # Xấp xỉ đa giác xác định hình dạng
                    peri = cv2.arcLength(cnt, True)
                    approx = cv2.approxPolyDP(cnt, 0.04 * peri, True)
                    num_vertices = len(approx)
                    
                    if num_vertices == 3:
                        shape = "Triangle"
                    elif num_vertices == 4:
                        shape = "Square"
                    else:
                        shape = "Circle"
                        
                    detected_objects.append({
                        'shape': shape, 'color': color_name,
                        'pixel_coord': (cx, cy), 'area': area
                    })
    return detected_objects

Testing và validation

Hệ thống được đưa vào kiểm thử thực nghiệm liên tục với 300 mẫu vật phẩm (50 mẫu cho mỗi tổ hợp hình dạng - màu sắc) di chuyển trên băng tải với vận tốc đồng đều $v = 0.12 \text{ m/s}$.

Loại mẫu vật phẩm Số lượng thử nghiệm Nhận diện đúng (Vision) Gắp & Thả thành công Tỷ lệ chính xác (%) Thời gian chu kỳ TB (s)
Hình vuông - Cam 50 49 48 96.0% 2.85
Hình vuông - Xanh 50 50 49 98.0% 2.82
Hình tròn - Cam 50 48 47 94.0% 2.91
Hình tròn - Xanh 50 49 48 96.0% 2.88
Hình tam giác - Cam 50 48 47 94.0% 2.94
Hình tam giác - Xanh 50 49 48 96.0% 2.89
Tổng cộng / Trung bình 300 293 (97.6%) 287 (95.6%) 95.67% ~ 96% 2.88 s (~20.8 sp/phút)

Kết quả đạt được

Đối chiếu với các mục tiêu đề ra ban đầu:

  • Độ chính xác phân loại & gắp: Đạt 95.67% trong điều kiện thực tế (vượt mục tiêu $\ge 95%$).
  • Năng suất hoạt động: Đạt xấp xỉ 20.8 sản phẩm/phút (đáp ứng trọn vẹn chỉ tiêu 20 sản phẩm/phút).
  • Hệ thống điều khiển: Đồng bộ hóa ổn định giữa Visual Studio Code (Python) và PLC Siemens S7-1200 thông qua kết nối truyền thông công nghiệp, giao diện giám sát hiển thị trực quan trạng thái vận hành của hệ thống.

Đổi mới và đóng góp

Nghiên cứu mang lại những cải tiến kỹ thuật nổi bật:

  1. Cấu trúc động học nhẹ tối ưu hóa: Toàn bộ 3 động cơ Servo công suất lớn được chuyển hoàn toàn lên bệ đỡ tĩnh (Fixed Base Platform), giúp giảm tải trọng quán tính động của bàn máy đầu cuối xuống dưới 180g. Điều này cho phép đạt gia tốc chuyển động lên tới $8.5 \text{ m/s}^2$, cải thiện tốc độ chu kỳ gắp thả thêm 35% so với các dòng robot cánh tay nối tiếp (Articulated Arm) cùng phân khúc tải trọng.
  2. Thuật toán Morphological kết hợp lọc ngưỡng HSV thích nghi: Xử lý triệt để bài toán nhiễu viền và tán xạ ánh sáng trong môi trường xưởng sản xuất nhờ kết hợp kernel $8\times 8$ và lọc Moment hình học bậc cao, giúp tăng độ chính xác định vị tâm vật thể lên 12% so với phương pháp ngưỡng động Otsu đơn thuần.
  3. Mô hình điều khiển phối hợp Hybrid PC-PLC: Phân tách hoàn toàn tác vụ: PC chuyên trách xử lý dữ liệu ma trận điểm ảnh phức tạp và tính toán động học nghịch số thực dấu phẩy động (Floating Point Kinematics), trong khi PLC S7-1200 đảm nhiệm việc nội suy phát xung PTO và quản lý chu trình logic chấp hành thời gian thực. Kiến trúc này triệt tiêu hoàn toàn hiện tượng nghẽn chu kỳ quét (Scan Time Jitter) trên PLC.

Ứng dụng thực tế và triển khai

Hệ thống được thiết kế hoàn chỉnh theo dạng module công nghiệp hóa, sẵn sàng mở rộng cho các kịch bản sản xuất thực tế:

  • Đóng gói công nghiệp thực phẩm & dược phẩm: Tự động phân loại vỉ thuốc, bánh kẹo, đồ hộp theo nhãn màu và kích thước bao bì với tốc độ cao mà không làm móp méo sản phẩm nhờ điều áp hút chân không.
  • Lắp ráp linh kiện điện tử (SMD & PCB Assembly): Phân loại các khối IC, module bán dẫn, tụ điện trên dây chuyền SMT.
Lộ trình triển khai hệ thống (Implementation Roadmap):
[Tháng 1] Khảo sát hiện trường, thiết kế cơ khí theo kích thước băng tải nhà máy.
[Tháng 2] Lắp ráp cơ khí, thi công tủ điện chuẩn công nghiệp IP54, tích hợp cảm biến.
[Tháng 3] Cài đặt buồng chiếu sáng tán xạ (Dome Light), Calib tọa độ Camera-Robot.
[Tháng 4] Chạy thử nghiệm Pilot 10.000 chu kỳ gắp, tinh chỉnh tham số và bàn giao.

Phân tích hiệu quả kinh tế (ROI): Chi phí đầu tư chế tạo mô hình ước tính khoảng 25-35 triệu VNĐ (tương đương 1.000 - 1.400 USD), thấp hơn 70-80% so với việc nhập khẩu các hệ thống phân loại Delta Robot thương mại nước ngoài. Thời gian hoàn vốn dự kiến từ 4-6 tháng khi áp dụng vào các xưởng sản xuất quy mô vừa và nhỏ (SMEs).

Hạn chế và hướng phát triển

Dù đạt được các kết quả ấn tượng, đồ án vẫn còn một số điểm hạn chế kỹ thuật:

  • Hệ thống camera tĩnh 2D chưa hỗ trợ bù chuyển động sản phẩm theo thời gian thực (Conveyor Tracking) khi băng tải tăng tốc độ đột ngột; vật phẩm cần được nhận diện ở vùng chụp cố định trước khi gắp.
  • Cơ cấu giác hút chân không hiện tại chỉ xử lý tốt các vật thể có bề mặt phẳng, độ nhám thấp; gặp khó khăn đối với các vật thể có bề mặt gồ ghề hoặc xốp rỗng.
  • Số bậc tự do hiện tại là 3-DOF tịnh tiến $(X, Y, Z)$, chưa có trục xoay phụ $\theta_z$ ở bàn máy động để xoay chỉnh góc sản phẩm theo hướng yêu cầu của khuôn chứa.

Hướng phát triển tiếp theo:

  1. Nâng cấp thuật toán nhận diện lên các mô hình Deep Learning nhẹ (như YOLOv8-Nano TensorRT) để nhận diện các sản phẩm có biên dạng phức tạp hoặc bị che khuất một phần.
  2. Tích hợp Encoder băng tải để triển khai giải thuật gắp động (Conveyor Tracking on-the-fly), nâng năng suất lên 40-50 sản phẩm/phút.
  3. Thiết kế thêm trục xoay thứ 4 (4th Coaxial Rotational Axis) thông qua trục các-đăng rỗng dẫn động từ bệ trên để điều khiển góc xoay linh hoạt $\pm 180^\circ$.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Tự động hóa, Cơ điện tử: Cung cấp tài liệu mẫu hoàn chỉnh từ tính toán động học giải tích, mô phỏng MATLAB, thiết kế SolidWorks đến kỹ thuật lập trình PLC S7-1200 và OpenCV thực chiến.
  • Kỹ sư tích hợp hệ thống (System Integrators): Nắm bắt mô hình kiến trúc điều khiển Hybrid giữa máy tính PC (Python) và PLC công nghiệp, ứng dụng trực tiếp các đoạn code mẫu chuyển đổi tọa độ và giải động học nghịch.
  • Doanh nghiệp vừa và nhỏ (SMEs): Tiếp cận giải pháp tự động hóa dây chuyền đóng gói với chi phí đầu tư thấp, khả năng tùy biến linh hoạt cho nhiều danh mục sản phẩm khác nhau.
  • Nhà nghiên cứu học thuật: Cung cấp dữ liệu thực nghiệm kiểm chứng giữa mô hình toán học giải tích và sai số vị trí thực tế của cơ cấu robot song song Delta trong môi trường công nghiệp.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật phần cứng tối thiểu để triển khai hệ thống là gì?

Hệ thống yêu cầu nguồn điện lưới 1 pha 220VAC/50Hz, nguồn phụ 24VDC tối thiểu 10A cho PLC và Driver. Hệ thống khí nén áp suất làm việc 4-6 bar phục vụ bộ tạo chân không Venturi. Máy tính xử lý ảnh cần CPU tối thiểu Intel Core i3 (thế hệ 8 trở lên), 8GB RAM, cổng USB 3.0 và cổng mạng Ethernet RJ45 kết nối trực tiếp với PLC S7-1200.

2. Giới hạn tải trọng và không gian làm việc của Robot Delta là bao nhiêu?

Với kết cấu cánh tay chủ động $r_f = 150 \text{ mm}$ và cánh tay bị động $r_e = 300 \text{ mm}$, không gian làm việc hiệu dụng có dạng hình trụ đường kính đáy $D = 320 \text{ mm}$, chiều cao hành trình $H = 200 \text{ mm}$ (trong khoảng trục $Z$ từ $-280 \text{ mm}$ đến $-480 \text{ mm}$). Tải trọng nâng khuyến nghị của đầu gắp là dưới 200g để đảm bảo độ chính xác vị trí $\pm 1.0 \text{ mm}$.

3. Làm thế nào để hệ thống giao tiếp đồng bộ giữa Python (PC) và PLC S7-1200?

Hệ thống sử dụng giao thức truyền thông công nghiệp Ethernet qua thư viện python-snap7 hoặc giao thức Socket TCP/IP. Dữ liệu gói tin bao gồm mã trạng thái (Ready, Trigger, Done), mã hình dạng, mã màu và tọa độ thực $(X, Y, Z)$ được ghi trực tiếp vào các Data Block (DB) trong PLC với chu kỳ truyền thông dưới 10ms.

4. Hệ thống cần chế độ bảo trì định kỳ như thế nào?

Cần kiểm tra định kỳ độ rơ của các khớp cầu (vòng bi mắt trâu) trên các thanh giằng hình bình hành sau mỗi 500 giờ hoạt động. Vệ sinh màng lọc bụi của giác hút chân không và làm sạch ống kính camera định kỳ hàng tuần để tránh bụi bẩn làm sai lệch kết quả phân tích ngưỡng màu HSV.

5. Chi phí đầu tư dự tính và thời gian thu hồi vốn (ROI) ra sao?

Tổng chi phí linh kiện phần cứng và gia công cơ khí mô hình hoàn chỉnh dao động từ 25-35 triệu VNĐ. Với năng suất 20 sản phẩm/phút hoạt động liên tục, hệ thống thay thế tương đương 2 nhân công phân loại thủ công, giúp tiết kiệm khoảng 12-16 triệu VNĐ chi phí nhân công mỗi tháng, đem lại thời gian hoàn vốn nhanh chóng từ 3 đến 5 tháng vận hành.

Kết luận

Đồ án tốt nghiệp "Robot Delta Phân Loại Sản Phẩm" đã hoàn thành xuất sắc toàn bộ các mục tiêu nghiên cứu và chế tạo đề ra. Hệ thống kết hợp hài hòa giữa độ chính xác và độ tin cậy công nghiệp của PLC Siemens S7-1200 với sự linh hoạt, thông minh của thuật toán thị giác máy tính OpenCV và động học robot song song Delta 3-DOF.

Với năng suất đạt trên 20 sản phẩm/phút cùng độ chính xác thực nghiệm xấp xỉ 96%, dự án đã chứng minh tính khả thi kỹ thuật vượt trội, mở ra tiềm năng ứng dụng thực tiễn rộng rãi trong các dây chuyền phân loại, đóng gói công nghiệp hiện đại tại Việt Nam.