Giới thiệu dự án

Trong bối cảnh Cách mạng Công nghiệp 4.0, các dây chuyền sản xuất và đóng gói tự động đòi hỏi tính linh hoạt cao, năng suất vượt trội cùng độ chính xác tuyệt đối. Theo thống kê từ Hiệp hội Tự động hóa và Robot Quốc tế (IFR), thị trường robot công nghiệp trong khâu đóng gói và bốc xếp hàng hóa (palletizing) tăng trưởng bình quân trên 12% mỗi năm. Tuy nhiên, tại các doanh nghiệp vừa và nhỏ (SMEs) ở Việt Nam, việc tự động hóa khâu phân loại và xếp hàng lên pallet vẫn gặp nhiều rào cản do chi phí đầu tư các hệ thống robot 6 bậc tự do (6-DOF) nhập khẩu quá lớn, trong khi các cơ cấu cấp phôi truyền thống lại thiếu tính linh hoạt và chiếm nhiều diện tích nhà xưởng.

Đồ án tốt nghiệp "Phân loại và sắp xếp sản phẩm dùng cánh tay máy SCARA" của tác giả Nguyễn Hoàng (Khoa Điện – Điện tử, Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh, dưới sự hướng dẫn của ThS. Nguyễn Trần Minh Nguyệt) giải quyết trực tiếp bài toán phân loại và xếp dỡ sản phẩm thông minh dựa trên sự tích hợp giữa thị giác máy tính (Computer Vision), điều khiển logic khả trình (PLC), vi điều khiển và cánh tay robot cấu hình SCARA (Selective Compliance Assembly Robot Arm) 4 bậc tự do.

                    HỆ THỐNG PHÂN LOẠI & SẮP XẾP SẢN PHẨM SCARA
                                                       (Tọa độ X, Y, Góc θ)
                                     Modbus TCP/IP
                         [ Robot SCARA 4-DOF (TB6600/NEMA17) ]
                  [ Pallet 1: SP Nhỏ ]          [ Pallet 2: SP Lớn ]

Mục tiêu đề tài

  1. Thiết kế và chế tạo phần cứng: Xây dựng hoàn chỉnh mô hình robot SCARA 4 bậc tự do sử dụng vít me tịnh tiến cho trục $Z$ và động cơ bước kết hợp Driver TB6600 cho các khớp xoay; tích hợp cơ cấu gắp hút chân không (Vacuum Ejector).
  2. Xây dựng mô hình động học: Thiết lập bảng thông số Denavit-Hartenberg (D-H), giải phương trình động học thuận (Forward Kinematics) và động học nghịch (Inverse Kinematics) bằng phương pháp đại số, kiểm chứng bằng MATLAB.
  3. Phát triển thuật toán xử lý ảnh: Sử dụng thư viện OpenCV trên nền tảng Python để nhận diện, phân loại sản phẩm theo kích thước, trích xuất tọa độ tâm $(X, Y)$ và góc xoay $\theta$, sau đó chuyển đổi sang hệ tọa độ của robot.
  4. Điều khiển vận tốc băng tải: Áp dụng thuật toán điều khiển phản hồi vòng kín PID trên vi điều khiển Arduino Mega 2560 nhằm ổn định tốc độ băng tải dựa trên phản hồi từ encoder quang học.
  5. Tích hợp hệ thống SCADA/HMI: Lập trình điều khiển trung tâm trên PLC Siemens S7-1200, truyền thông công nghiệp Modbus TCP/IP đa điểm giữa PLC, Arduino và Python; thiết kế giao diện giám sát, vận hành, phân quyền và cảnh báo lỗi trên WinCC HMI TP1200 Comfort.

Phạm vi và giới hạn hệ thống

  • Sản phẩm phân loại: 02 loại phôi hình hộp phẳng cùng chiều cao, khối lượng xấp xỉ nhau: Sản phẩm nhỏ ($6.5 \times 6.5\text{ cm}$) và Sản phẩm lớn ($6.5 \times 9.0\text{ cm}$).
  • Quy cách Pallet: Kích thước pallet tiêu chuẩn $22 \times 22\text{ cm}$, xếp 3 lớp (Pallet nhỏ: 27 sản phẩm / 3 lớp; Pallet lớn: 18 sản phẩm / 3 lớp).
  • Thị giác máy tính: Xử lý ảnh 2D trong không gian màu HSV dưới điều kiện ánh sáng ổn định trong nhà xưởng; không xét nhận dạng 3D chiều sâu.
  • Quỹ đạo chuyển động: Điều khiển robot di chuyển theo phương pháp điểm - tới - điểm (Point-to-Point, PTP).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí đánh giá Cơ cấu xếp Pallet truyền thống Cánh tay Robot 6-DOF công nghiệp Hệ thống Robot SCARA Hybrid (Đề tài)
Không gian chiếm dụng Rất lớn ($> 15\text{ m}^2$) Trung bình ($4 - 6\text{ m}^2$) Nhỏ gọn ($< 1.5\text{ m}^2$)
Chi phí đầu tư phần cứng Trung bình ($150 - 300\text{ triệu VNĐ}$) Rất cao ($400 - 800\text{ triệu VNĐ}$) Thấp ($< 35\text{ triệu VNĐ}$)
Độ linh hoạt khi đổi mẫu SP Kém (phải chỉnh cơ khí) Rất cao (lập trình lại quỹ đạo) Cao (thị giác tự thích ứng góc xoay)
Khả năng gây trầy xước SP Cao (đẩy gạt cơ học) Rất thấp (hút chân không) Triệt tiêu (hút chân không chuyên dụng)
Bảo trì & Làm chủ công nghệ Phức tạp, phụ thuộc nhà cung cấp Đòi hỏi kỹ sư chuyên môn sâu Dễ bảo trì, mã nguồn mở, module hóa

Yêu cầu người dùng theo mô hình MoSCoW

  • Must have (Bắt buộc): Phân loại chính xác 2 kích thước sản phẩm; tự động tính toán góc xoay $\theta$ để gắp và đặt vuông vắn; hệ thống dừng khi phát hiện lỗi; giao diện HMI điều khiển Manual/Auto.
  • Should have (Nên có): Điều khiển vận tốc băng tải bằng PID bù tải; phân quyền người dùng (Admin/Operator); lưu trữ lịch sử cảnh báo (Alarm logging).
  • Could have (Có thể mở rộng): Kết nối giám sát từ xa qua Web Server; tích hợp module AI Deep Learning nhận diện phôi lỗi ngoại quan.
  • Won't have (Chưa thực hiện): Nhận diện phôi xếp chồng trong không gian 3D (Bin picking); quy hoạch quỹ đạo liên tục (Continuous Path Planning).

Thiết kế hệ thống

Hệ thống được cấu trúc theo mô hình điều khiển phân tán chức năng nhưng tập trung dữ liệu tại PLC S7-1200:

+-------------------------------------------------------------------------------+
|                            KIẾN TRÚC HỆ THỐNG ĐIỀU KHIỂN                      |
+-------------------------------------------------------------------------------+
|  [ CAMERA 2D ]                                                                |
|  [ ĐỘNG CƠ DC + ENCODER ]                            [ (4 Trục NEMA17) ]      |
|                                                      [ ROBOT SCARA 4-DOF ]    |
|                                                      [ + VAN HÚT CHÂN KHÔNG ] |
+-------------------------------------------------------------------------------+

Technology Stack và Phần cứng chi tiết

  • Bộ điều khiển trung tâm: Siemens PLC S7-1200 CPU 1214C DC/DC/DC (Firmware V4.4, 14 DI / 10 DO, 2 AI, 100 KB Work Memory, tích hợp PROFINET/Ethernet).
  • Module nhúng xử lý ngoại vi: Arduino Mega 2560 R3 (ATmega2560 @ 16 MHz) kết hợp Ethernet Shield W5100 (giao tiếp SPI buffer nội 16 KB).
  • Màn hình giao diện HMI: Siemens SIMATIC HMI TP1200 Comfort (12.1 inch TFT, $1280 \times 800\text{ pixels}$, bộ nhớ 24 MB).
  • Hệ thống truyền động:
    • Khớp 1 (Trục $Z$ - Tịnh tiến): Động cơ bước NEMA 17 ($1.8^\circ/\text{step}$, mô-men xoắn giữ $0.44\text{ N}\cdot\text{m}$, dòng $1.5\text{ A}$) kéo vít me bước $p = 8\text{ mm}$, đường kính $d = 8\text{ mm}$.
    • Khớp 2 & 3 (Trục xoay ngang $\theta_2, \theta_3$): Động cơ bước NEMA 17 liên kết trực tiếp qua cơ cấu giảm chấn.
    • Khớp 4 (Trục xoay giác hút $\theta_4$): Động cơ bước NEMA 17 điều khiển hướng đặt sản phẩm.
    • Driver công suất: 04 bộ Driver TB6600 (Microstep $1/8$, dòng định mức cài đặt $2.0\text{ A}$).
    • Động cơ băng tải: Động cơ DC JGB37-520 ($12\text{V}$, $111\text{ rpm}$) tích hợp đĩa từ Encoder 2 kênh pha A-B ($334\text{ xung/vòng}$).
  • Cơ cấu chấp hành khí nén: Giác hút chân không đường kính $20\text{ mm}$, bộ tạo áp chân không phản lực khí nén kết hợp van điện từ xả áp $24\text{VDC}$.
  • Cảm biến: Cảm biến quang hồng ngoại E3F-DS30C4 (NPN NO, tầm phát hiện $10 - 30\text{ cm}$), cảm biến quang chữ U xác định tọa độ gốc Home, công tắc hành trình cơ học giới hạn trục $Z$.
  • Mạng truyền thông: Switch công nghiệp Tenda SG105 Gigabit, cấu hình mạng con nội bộ Subnet 192.168.0.xxx/24.

Implementation và kết quả

Quá trình phát triển và Tính toán Động học

1. Động học thuận (Forward Kinematics) theo quy tắc Denavit-Hartenberg (D-H)

Thiết lập hệ tọa độ các khâu từ base ${0}$ đến khâu chấp hành cuối ${5}$ với chiều dài các khâu: $l_1$ (trục nâng $Z$), $l_2$ (khâu 1 = $200\text{ mm}$), $l_3$ (khâu 2 = $150\text{ mm}$), $l_4$ (độ dịch trục hút).

Khâu ($i$) $a_{i-1}$ $\alpha_{i-1}$ $d_i$ $\theta_i$
1 0 0 $l_1 + l_4$ 0
2 0 0 0 $\theta_2$
3 $l_2$ 0 0 $\theta_3$
4 $l_3$ 0 0 $\theta_4$
5 0 0 $-l_4$ 0

Ma trận chuyển vị tổng quát từ gốc đến khâu tác động cuối: $$^0_5T = ;^0_1T \cdot ;^1_2T \cdot ;^2_3T \cdot ;^3_4T \cdot ;^4_5T = \begin{bmatrix} c_{234} & -s_{234} & 0 & l_2 c_2 + l_3 c_{23} \ s_{234} & c_{234} & 0 & l_2 s_2 + l_3 s_{23} \ 0 & 0 & 1 & l_1 \ 0 & 0 & 0 & 1 \end{bmatrix}$$

Trong đó ký hiệu: $c_2 = \cos\theta_2$, $s_2 = \sin\theta_2$, $c_{23} = \cos(\theta_2 + \theta_3)$, $s_{23} = \sin(\theta_2 + \theta_3)$. Tọa độ điểm cuối của giác hút: $$\begin{cases} P_x = l_2 \cos\theta_2 + l_3 \cos(\theta_2 + \theta_3) \ P_y = l_2 \sin\theta_2 + l_3 \sin(\theta_2 + \theta_3) \ P_z = l_1 \end{cases}$$

2. Động học nghịch (Inverse Kinematics) bằng phương pháp đại số

Biết tọa độ mục tiêu $(P_x, P_y, P_z)$, ta giải hệ phương trình xác định biến khớp: $$P_x^2 + P_y^2 = l_2^2 + l_3^2 + 2l_2 l_3 \cos\theta_3 \implies \cos\theta_3 = \frac{P_x^2 + P_y^2 - l_2^2 - l_3^2}{2 l_2 l_3}$$ $$\sin\theta_3 = \pm \sqrt{1 - \cos^2\theta_3} \implies \theta_3 = \text{atan2}(\sin\theta_3, \cos\theta_3)$$ $$\theta_2 = \text{atan2}\left(P_y(l_3 \cos\theta_3 + l_2) - P_x l_3 \sin\theta_3, ; P_x(l_3 \cos\theta_3 + l_2) + P_y l_3 \sin\theta_3\right)$$

Hệ thống cho ra 2 bộ nghiệm (khuỷu tay trái / khuỷu tay phải), chương trình điều khiển tự động chọn bộ nghiệm tối ưu hóa hành trình quay của motor để tránh va chạm cơ khí.

3. Thuật toán Xử lý ảnh phân loại và tính góc xoay trên Python

Chương trình thu nhận luồng video từ Camera, lọc nhiễu không gian màu HSV, trích xuất contour bao quanh phôi và tính toán góc nghiêng thông qua hàm minAreaRect:

import cv2
import numpy as np

def process_product_frame(frame, lower_hsv, upper_hsv, mm_per_pixel=0.35):
    # Chuyển đổi sang không gian màu HSV và nhị phân hóa
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    mask = cv2.inRange(hsv, lower_hsv, upper_hsv)
    mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, np.ones((5, 5), np.uint8))
    
    contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    product_data = None
    
    for cnt in contours:
        area = cv2.contourArea(cnt)
        if area > 1200:  # Lọc nhiễu diện tích nhỏ
            rect = cv2.minAreaRect(cnt)
            (cx_px, cy_px), (w_px, h_px), angle = rect
            
            # Chuẩn hóa góc quay [-45, 45] độ
            if w_px < h_px:
                w_px, h_px = h_px, w_px
                angle = angle + 90.0
                
            # Phân loại theo kích thước bao
            w_mm = w_px * mm_per_pixel
            h_mm = h_px * mm_per_pixel
            prod_type = "LARGE" if (w_mm > 75.0 or h_mm > 75.0) else "SMALL"
            
            # Chuyển đổi tọa độ Camera -> Tọa độ Robot SCARA
            robot_x = 150.0 + (cy_px * mm_per_pixel)
            robot_y = -100.0 + (cx_px * mm_per_pixel)
            
            product_data = {
                "type": prod_type,
                "x": round(robot_x, 2),
                "y": round(robot_y, 2),
                "theta": round(angle, 2)
            }
            break
            
    return product_data

4. Thuật toán điều khiển PID vận tốc động cơ băng tải (Arduino)

Thuật toán PID số dạng vận tốc (Velocity Algorithm) chạy ngắt chu kỳ $T_s = 20\text{ ms}$:

#include <Arduino.h>

volatile long encoder_ticks = 0;
double setpoint_rpm = 60.0;
double current_rpm = 0.0;
double Kp = 2.45, Ki = 0.85, Kd = 0.05;
double error = 0, last_error = 0, integral = 0;
unsigned long prev_time = 0;

void encoder_isr() {
  if (digitalRead(3) == HIGH) encoder_ticks++;
  else encoder_ticks--;
}

void setup() {
  pinMode(2, INPUT_PULLUP); // Pha A
  pinMode(3, INPUT_PULLUP); // Pha B
  pinMode(5, OUTPUT);       // PWM Chân motor
  pinMode(4, OUTPUT);       // DIR Chân đảo chiều
  attachInterrupt(digitalPinToInterrupt(2), encoder_isr, RISING);
}

void loop() {
  unsigned long now = millis();
  if (now - prev_time >= 20) {
    double dt = (now - prev_time) / 1000.0;
    prev_time = now;
    
    // Tính toán vận tốc hiện tại (vòng/phút)
    current_rpm = ((double)encoder_ticks / 334.0) * (60.0 / dt);
    encoder_ticks = 0;
    
    // Tính toán sai số và thuật toán PID
    error = setpoint_rpm - current_rpm;
    integral += error * dt;
    double derivative = (error - last_error) / dt;
    double output = (Kp * error) + (Ki * integral) + (Kd * derivative);
    last_error = error;
    
    // Khống chế bão hòa PWM [0 - 255]
    int pwm_out = constrain((int)output, 0, 255);
    digitalWrite(4, HIGH);
    analogWrite(5, pwm_out);
  }
}

Kết quả thử nghiệm và Kiểm chứng

 Đáp ứng Vận tốc Băng tải (RPM) theo Thời gian
    0   0.2         0.45                           1.5

 Sơ đồ Bố trí Xếp Pallet 3 Lớp (Mặt cắt 1 lớp)
 |  [1]   |  [2]  | [3] |       |   [ 1 ]   |   [ 2 ]  |
 |--------+-------+-----|       |-----------+----------|
 |  [4]   |  [5]  | [6] |       |   [ 3 ]   |   [ 4 ]  |
 |--------+-------+-----|       |-----------+----------|
 |  [7]   |  [8]  | [9] |       |   [ 5 ]   |   [ 6 ]  |
   Pallet SP Nhỏ (9 sp/lớp)       Pallet SP Lớn (6 sp/lớp)
   Quy cách: 6.5 x 6.5 cm         Quy cách: 6.5 x 9.0 cm

Đánh giá độ chính xác và Hiệu năng hệ thống

Thông số vận hành Giá trị thiết kế / Kế hoạch Kết quả thực nghiệm Đánh giá sai số / Tỷ lệ đạt
Thời gian chu kỳ xếp 2 Pallet 480 giây (8 phút) 468 giây (7 phút 48 giây) Nhanh hơn 2.5% so với mục tiêu
Tổng số lượng sản phẩm xếp 45 sản phẩm (27 nhỏ, 18 lớn) 45 / 45 sản phẩm Đạt 100% chỉ tiêu số lượng
Sai số vị trí gắp phôi ($X, Y$) $\le \pm 1.0\text{ mm}$ $\pm 0.42\text{ mm}$ Đạt độ chính xác cao
Sai số góc xoay ($\theta$) $\le \pm 2.0^\circ$ $\pm 0.8^\circ$ Phôi xếp vuông vức, khít pallet
Thời gian xử lý ảnh (OpenCV) $\le 100\text{ ms/frame}$ $32.4\text{ ms/frame}$ Đáp ứng thời gian thực ($> 30\text{ fps}$)
Độ vọt lố PID băng tải ($M_p$) $\le 10%$ $4.2%$ Hệ thống vận hành êm dịu
Độ ổn định chồng lớp (3 tầng) Không nghiêng đổ, xô lệch Góc nghiêng lệch $< 0.5^\circ$ Pallet vững chắc, đúng quy chuẩn

Đổi mới và đóng góp

  1. Kiến trúc Gateway Modbus TCP/IP lai chi phí siêu thấp: Thay vì sử dụng module truyền thông mở rộng Siemens CP 1243-1 đắt đỏ (chi phí khoảng $6 - 8\text{ triệu VNĐ}$), đề tài đã sáng tạo sử dụng bo mạch Arduino Mega 2560 kết hợp Ethernet Shield W5100 làm trạm chấp hành phụ (Slave/Server). Giải pháp này giảm 85% chi phí phần cứng kết nối mạng mà vẫn đảm bảo tốc độ đáp ứng truyền dữ liệu Modbus TCP/IP ở chu kỳ dưới $15\text{ ms}$.

  2. Thuật toán Động học nghịch Đại số khép kín (Closed-form Analytical Solution): Khác với các phương pháp giải số lặp (Numerical Iteration - Newton Raphson) tốn tài nguyên vi xử lý và dễ gặp điểm kỳ dị (Singularity), thuật toán đại số giải quyết dứt điểm 2 bộ nghiệm hình học trong thời gian tính toán chưa đầy $0.12\text{ ms}$ trên PLC, giúp cánh tay chuyển động mượt mà không bị trễ chu kỳ.

  3. Cơ cấu truyền động Vitme tích hợp trực tiếp trên trục $Z$ của Robot SCARA: Việc bố trí trục vít me chịu lực tịnh tiến kết hợp 2 cánh tay xoay phẳng giúp tăng mô-men nâng tải tĩnh lên đến $21.56\text{ N}$, chống trôi trục tự do khi mất nguồn đột ngột, đảm bảo an toàn tuyệt đối cho phôi hàng.

  4. Tích hợp xử lý ảnh trích xuất góc nghiêng thời gian thực: Hệ thống không yêu cầu đồ gá định hướng phôi cơ khí phức tạp trên băng tải. Bất kể sản phẩm trôi tự do ở góc xoay nào (từ $-90^\circ$ đến $+90^\circ$), khâu thị giác máy tính đều tự động lượng hóa và điều khiển trục xoay khâu 4 khớp với hướng pallet chỉ định với độ tin cậy $99.1%$.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong công nghiệp

  • Dây chuyền đóng gói thực phẩm & dược phẩm: Tự động gắp các hộp thuốc, vỉ thuốc hoặc hộp bánh kẹo từ băng chuyền sản xuất chính và đóng gói vào thùng carton hoặc xếp lớp lên pallet vận chuyển.
  • Sản xuất linh kiện điện tử: Phân loại các bo mạch PCB, linh kiện dập nổi theo mã kích thước và đặt chính xác vào các khay chứa chống tĩnh điện (ESD Tray).
  • Logistics và Trung tâm phân loại hàng bưu chính: Đóng vai trò là trạm chia chọn tự động các kiện hàng nhỏ (Small parcels) theo kích thước và mã vạch.
                      LỘ TRÌNH TRIỂN KHAI VÀ THƯƠNG MẠI HÓA

Phân tích Hiệu quả Đầu tư (Cost-Benefit & ROI Analysis)

  • Chi phí chế tạo hệ thống: Ước tính khoảng $28.5\text{ triệu VNĐ}$ (Bao gồm PLC S7-1200, HMI, Robot cơ khí, Camera và khung nhôm định hình).
  • Chi phí nhân công thủ công tương đương: 02 công nhân chia ca phân loại/xếp hàng ($2 \times 8.5\text{ triệu} = 17\text{ triệu VNĐ/tháng}$).
  • Thời gian hoàn vốn (ROI): $$\text{Thời gian hoàn vốn} = \frac{\text{Chi phí đầu tư ban đầu}}{\text{Chi phí nhân công tiết kiệm hàng tháng}} = \frac{28.5}{17 - 1.5\text{ (chi phí điện, bảo trì)}} \approx 1.83\text{ tháng}$$ Hệ thống mang lại điểm hòa vốn chỉ dưới 2 tháng vận hành thực tế.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Xử lý ảnh dựa trên ngưỡng màu HSV truyền thống: Nhạy cảm khi cường độ ánh sáng môi trường thay đổi đột ngột hoặc phôi có bề mặt phản xạ gương.
  • Không gian hoạt động 2D: Chưa nhận diện được sản phẩm có hình dạng 3D phức tạp hoặc sản phẩm bị xếp chồng lên nhau.
  • Quỹ đạo chuyển động dạng Điểm - Điểm: Chưa áp dụng giải thuật làm mượt quỹ đạo (S-Curve Profile hay Quintic Polynomial) nên vận tốc tại các điểm đổi hướng vẫn có độ giật cơ khí nhẹ (Jerk).

Hướng phát triển nâng cao

  • Tích hợp Trí tuệ Nhân tạo (Edge AI): Nâng cấp module xử lý ảnh bằng mạng nơ-ron tích chập (YOLOv8/YOLOv10 chạy trên NVIDIA Jetson Nano) để vừa phân loại kích thước vừa phát hiện lỗi ngoại quan (nứt, vỡ, xước bề mặt).
  • Ứng dụng Camera 3D Time-of-Flight (ToF): Mở rộng tính năng gắp phôi ngẫu nhiên trong thùng chứa (Random Bin Picking).
  • Quy hoạch quỹ đạo tối ưu: Bổ sung thuật toán quy hoạch đường đi chống va chạm dựa trên không gian khớp (Joint Space Trajectory Planning) kết hợp hệ điều hành Robot ROS2.

Đối tượng hưởng lợi

                              CÁC ĐỐI TƯỢNG HƯỞNG LỢI
[ SINH VIÊN / HỌC VIÊN ]   [ KỸ SƯ / LẬP TRÌNH VIÊN ]  [ DOANH NGHIỆP VỪA & NHỎ ]
• Mô hình mẫu chuẩn DH     • Kiến trúc Modbus TCP đa   • Tiết kiệm 85% chi phí
• Thuật toán Closed-form     nền tảng PLC-PC-MCU         tự động hóa khâu xếp hộp
• Tài liệu học tập SCARA   • Code mẫu OpenCV + PID     • Thời gian hoàn vốn < 2 tháng
  • Sinh viên & Giảng viên ngành Tự động hóa/Cơ điện tử: Tiếp cận tài liệu thực chiến chuẩn mực về giải phương trình động học robot SCARA, code mẫu tích hợp hệ thống SCADA/HMI công nghiệp với Python.
  • Kỹ sư Tự động hóa & Lập trình viên nhúng: Nắm bắt kỹ thuật truyền thông không đồng bộ Modbus TCP/IP giữa các thiết bị không cùng hệ sinh thái (Siemens PLC kết hợp Arduino và Socket Python).
  • Doanh nghiệp vừa và nhỏ (SMEs): Sở hữu giải pháp tự động hóa đóng gói chi phí thấp, tính linh hoạt cao, dễ dàng bảo trì và nâng cấp theo công suất nhà máy.
  • Nhà nghiên cứu chuyên sâu: Nền tảng thực nghiệm vững chắc để thử nghiệm các thuật toán điều khiển phi tuyến, điều khiển trượt thích nghi (Sliding Mode Control) cho tay máy tốc độ cao.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật phần cứng và môi trường để triển khai hệ thống này là gì?

Hệ thống yêu cầu nguồn cấp điện lưới $220\text{VAC}$ ổn định (công suất nguồn tổ ong nội bộ $24\text{VDC}/10\text{A}$, $12\text{VDC}/5\text{A}$, $5\text{VDC}/5\text{A}$), nguồn khí nén áp suất tối thiểu từ $4 - 6\text{ bar}$ cho đầu phun giác hút chân không, môi trường ánh sáng đồng đều (tốt nhất nên bố trí vòng đèn LED Ring trợ sáng $6500\text{K}$ quanh Camera).

2. Hệ thống có thể mở rộng để phân loại nhiều hơn 2 loại sản phẩm không?

Hoàn toàn có thể. Về mặt phần mềm, chỉ cần khai báo thêm ngưỡng phân loại kích thước/diện tích trong thuật toán Python và tạo thêm các biến tọa độ Pallet tương ứng trong Data Block của PLC S7-1200 mà không cần thay đổi cấu trúc phần cứng.

3. Tại sao không kết nối Camera trực tiếp vào PLC mà phải qua máy tính chạy Python?

PLC công nghiệp tiêu chuẩn như S7-1200 không có khả năng tính toán ma trận ma trận điểm ảnh phức tạp với tốc độ 30 khung hình/giây. Việc sử dụng PC/IPC chạy Python OpenCV đóng vai trò như một Edge Computing Node chuyên trách xử lý hình ảnh, sau đó chỉ gửi gói tin tọa độ gọn nhẹ $(X, Y, \theta)$ qua Modbus TCP/IP về PLC giúp tối ưu hóa chu kỳ quét (Scan cycle) của PLC dưới $5\text{ ms}$.

4. Giải pháp khắc phục hiện tượng trượt bước (Step Loss) của động cơ bước NEMA 17 là gì?

Trong đề tài, tác giả cài đặt dòng Driver TB6600 ở mức $2.0\text{ A}$ với vi bước $1/8$ để chuyển động êm. Để nâng cấp cho môi trường công nghiệp nặng, có thể thay thế bằng động cơ bước vòng kín (Closed-loop Stepper Motor) tích hợp encoder góc phía sau đuôi động cơ để bù bước tức thời khi gặp quá tải.

5. Chi phí bảo dưỡng và tuổi thọ của cơ cấu hút chân không ra sao?

Cơ cấu hút chân không sử dụng giác hút cao su silicone có tuổi thọ trung bình từ $6 - 12\text{ tháng}$ tùy tần suất làm việc. Chi phí thay thế núm hút định kỳ cực kỳ rẻ (khoảng $20.000 - 50.000\text{ VNĐ/núm}$), dễ bảo trì và không làm biến dạng bề mặt sản phẩm đóng gói.

Kết luận

Đồ án "Phân loại và sắp xếp sản phẩm dùng cánh tay máy SCARA" của sinh viên Nguyễn Hoàng đã hoàn thành xuất sắc toàn bộ các mục tiêu đặt ra từ lý thuyết động học đến thực thi phần cứng thực tế. Bằng việc kết hợp nhuần nhuyễn giữa cơ khí chính xác, điều khiển chuyển động công nghiệp (Siemens PLC S7-1200, HMI TP1200), thuật toán điều khiển tự động (PID băng tải) và thị giác máy tính hiện đại (OpenCV), hệ thống đạt năng suất xếp 45 sản phẩm lên 2 pallet 3 tầng chỉ trong 7 phút 48 giây với sai số vị trí dưới $0.5\text{ mm}$. Đây là minh chứng rõ nét cho giải pháp tự động hóa "Make in Vietnam" hiệu quả, giá thành tối ưu, mở ra cơ hội ứng dụng to lớn cho các dây chuyền đóng gói thông minh trong nền sản xuất hiện đại.