Giới thiệu dự án

Thị trường sản xuất và tiêu thụ dược phẩm toàn cầu đang trải qua giai đoạn tăng trưởng vượt bậc, với dự báo quy mô thị trường sẽ tăng gấp 3 lần vào năm 2030. Tại Việt Nam, theo báo cáo từ KPMG và VietnamCredit, quy mô thị trường dược phẩm đã tăng trưởng từ 5,4 tỷ USD (2018) lên hơn 6,6 tỷ USD (2021), với mức tăng trưởng kép hàng năm dự kiến đạt 15% - 20% đến năm 2045. Tuy nhiên, phần lớn các doanh nghiệp sản xuất dược phẩm vừa và nhỏ trong nước vẫn đang đối mặt với bài toán tối ưu hóa dây chuyền đóng gói vô trùng, khi chi phí đầu tư các hệ thống chiết rót nhập khẩu từ châu Âu hay Nhật Bản quá lớn.

Vấn đề cốt lõi (Problem Statement) nằm ở chỗ: quy trình chiết rót thủ công hoặc bán tự động đối với chai thủy tinh nắp cao su thường gặp sai số định lượng cao (dung sai vượt quá ±8%), tỷ lệ đóng nắp không kín hoặc biến dạng nắp cao su lên đến 7% - 12%, nguy cơ nhiễm khuẩn cao do tiếp xúc trực tiếp, và đặc biệt là tình trạng gián đoạn vị trí của các cơ cấu chấp hành robot sau khi xảy ra sự cố mất điện (Power Outage).

Nhằm giải quyết triệt để các pain points trên, đề tài "Hệ thống chiết rót và đóng nắp tự động" được nghiên cứu và chế tạo với các mục tiêu kỹ thuật định lượng cụ thể:

  1. Thiết kế và chế tạo hoàn chỉnh mô hình cơ - điện - khí nén tích hợp dây chuyền chiết rót dung dịch, cấp và ép nắp cao su tự động cho chai thủy tinh dược phẩm.
  2. Nghiên cứu tích hợp điều khiển lai (Heterogeneous Integration): Sử dụng PLC Siemens SIMATIC S7-1200 CPU 1214C DC/DC/DC điều khiển hệ thống Driver Servo AC Mitsubishi MR-J3 thông qua phát xung PTO (Pulse Train Output) và đọc trực tiếp bộ mã hóa tuyệt đối (Absolute Encoder 18-bit) qua giao tiếp I/O số có thuật toán kiểm tra Checksum.
  3. Phát triển cánh tay Robot 3 bậc tự do (3-DOF Robot Arm) dựa trên mô hình cấu trúc Dobot Magician để thực hiện tác vụ phân loại và gắp - xếp chai (Pick and Place) vào khay ma trận $3 \times 3$ (9 chai/hộp).
  4. Tích hợp thị giác máy tính công nghiệp (Industrial Machine Vision): Sử dụng Camera IMC-3616UC và phần mềm WinForms C# xử lý ảnh phân loại sản phẩm lỗi (không có nắp hoặc nắp sai quy cách) với độ chính xác trên 90%.
  5. Kiểm soát chất lượng đa tầng (Multi-tier QA): Tích hợp cảm biến cân Loadcell kết hợp module khuếch đại JY-S60 để xác thực vị trí chai và khối lượng, giải quyết triệt để sự cố robot gắp trượt sản phẩm.

Hệ thống hoạt động với công suất thiết kế thực nghiệm đạt trên 3 sản phẩm/phút, tỷ lệ chiết rót lỗi dưới 5%, tỷ lệ đóng nắp đạt chuẩn trên 90% và tỷ lệ phân loại - sắp xếp chính xác đạt trên 95%. Phạm vi nghiên cứu tập trung vào quy mô dây chuyền phòng lab/pilot cho chai thủy tinh thể tích nhỏ (10ml - 50ml), giới hạn điều khiển robot theo mô hình động học hình học (Kinematics) truyền động đai đồng bộ.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trong sản xuất dược phẩm và hóa mỹ phẩm hiện nay, các phương pháp chiết rót và đóng gói phân bố ở 3 cấp độ chính:

Tiêu chí Dây chuyền thủ công / Bán tự động Dây chuyền công nghiệp chuẩn (Tofflon/Marya) Giải pháp đề tài (S7-1200 + MR-J3 + Vision)
Chi phí đầu tư Thấp (< 30 triệu VNĐ) Rất cao (> 1 - 5 tỷ VNĐ) Tối ưu (~ 25 - 35 triệu VNĐ)
Độ chính xác chiết rót Sai số $\pm 5% - 10%$ Sai số $<\pm 1%$ Sai số $<\pm 3.5%$ (Lưu lượng YF-S201)
Khả năng khôi phục vị trí Phải cân chỉnh lại bằng tay Tự động hóa hoàn toàn Tự động đọc Absolute Encoder qua PLC
Kiểm tra lỗi (QC) Mắt thường (Dễ bỏ sót lỗi nắp) Camera Vision AI chuyên dụng Camera USB 3.0 + C# WinForms xử lý màu
Tính linh hoạt (Robotics) Không có Robot SCARA / Delta đắt tiền Robot 3-DOF điều khiển động học nghịch

Yêu cầu hệ thống theo mô hình MoSCoW:

  • Must Have: Cơ cấu định vị chai xoay mâm đĩa, cơ cấu chiết rót định lượng, cơ cấu cấp nắp phễu rung - con lăn, xy lanh ép nắp khí nén, Robot 3-DOF gắp chai, đọc Absolute Encoder khôi phục gốc Home.
  • Should Have: Camera công nghiệp phát hiện chai không nắp, bàn cân Loadcell kiểm tra gắp hụt, giao diện WinForms giám sát thời gian thực.
  • Could Have: Tích hợp cảm biến kiểm tra mức dung dịch trong bồn chứa, lưu trữ lịch sử mẻ sản xuất vào cơ sở dữ liệu SQL.
  • Won't Have (Giai đoạn này): Bộ điều khiển động lực học mô-men chủ động (Torque Dynamic Control) và hệ thống camera 3D quét chiều sâu.

Thiết kế hệ thống

Kiến trúc phần cứng và luồng điều khiển của toàn bộ hệ thống được phân tầng rõ ràng theo mô hình tự động hóa:

graph TD
    UI[Giao diện WinForms C# .NET / PC] <-->|Ethernet TCP/IP S7.Net| PLC[Siemens PLC S7-1200 CPU 1214C]
    CAM[Camera IMC-3616UC USB 3.0] -->|Image Stream| UI
    
    PLC -->|Pulse PTO / Direction| DRV[Mitsubishi MR-J3-A Drivers]
    DRV -->|Motion Power| MTR[AC Servo Motors 18-bit Abs]
    DRV -->|Data/Clock/Request Lines| PLC
    
    PLC -->|Digital Output 24VDC| SOL[Khí nén: Xy lanh kẹp & Ép nắp]
    PLC -->|Relay Output| PUMP[Bơm chiết rót & Động cơ Băng tải]
    
    SENS[Cảm biến quang / Lưu lượng YF-S201] -->|Digital/Pulse Inputs| PLC
    LOAD[Loadcell + Module JY-S60] -->|Analog/Digital Signal| PLC

Technology Stack và Thông số phiên bản:

  • PLC: Siemens SIMATIC S7-1200 CPU 1214C DC/DC/DC (Firmware V4.2/V4.5), Mô-đun mở rộng tín hiệu 6ES7 222-1BD30-0XB0, 6ES7 223-1PH32-0XB0.
  • Phần mềm điều khiển PLC: Siemens TIA Portal V16 / V17 (Ngôn ngữ LAD, SCL).
  • Driver & Servo: Mitsubishi MR-J3-10A/20A/40A, Động cơ Servo AC HF-KP series tích hợp bộ mã hóa 18-bit (262,144 pulses/rev).
  • Robot: Cánh tay 3-DOF Magician cơ cấu tay đòn kép, bộ truyền động đai răng GT2.
  • Thị giác máy tính (Vision): Camera công nghiệp Imi Tech USB 3.0 / IMC-3616UC, Visual Studio 2022 (.NET Framework 4.8, WinForms, S7.Net library V0.14.0, xử lý ảnh bitmap và không gian màu RGB/HSV).
  • Mô phỏng cơ khí & động học: SolidWorks 2022, MATLAB R2022b / Simulink Simscape-Multibody.

Methodology

Quy trình phát triển dự án áp dụng mô hình lai Waterfall kết hợp kiểm thử vòng lặp Agile (Sprint 2 tuần/chu kỳ):

gantt
    title Lộ trình triển khai dự án hệ thống chiết rót và đóng nắp
    dateFormat  YYYY-MM-DD
    section Thiết kế & Mô phỏng
    Nghiên cứu & Duyệt đề cương       :done, 2024-02-01, 14d
    Thiết kế 3D SolidWorks & Tủ điện :done, 2024-02-15, 21d
    Tính toán động học D-H & MATLAB  :done, 2024-03-08, 14d
    section Chế tạo & Lập trình
    Gia công cơ khí, in 3D, lắp ráp  :done, 2024-03-22, 28d
    Lập trình TIA Portal S7-1200     :done, 2024-04-20, 21d
    Phát triển giao diện C# & Vision  :done, 2024-05-11, 14d
    section Kiểm thử & Đánh giá
    Thử nghiệm tích hợp hệ thống      :done, 2024-05-25, 14d
    Hiệu chỉnh, tối ưu & Báo cáo     :done, 2024-06-08, 12d
  • Quản lý rủi ro (Risk Mitigation):
    • Rủi ro sai lệch góc quay servo: Sử dụng thuật toán hồi tiếp vị trí tuyệt đối từ thanh ghi encoder thay vì đếm xung tương đối hở.
    • Rủi ro rung lắc cơ khí cánh tay robot: Giới hạn gia tốc tăng/giảm tốc mềm (S-curve jerk) trong tập lệnh chuyển động MC_MoveAbsolute của TIA Portal.
    • Rủi ro nhiễu quang môi trường: Bố trí buồng chụp có màn chắn sáng đồng nhất cho camera thị giác.

Implementation và kết quả

Development process

1. Động học nghịch và quỹ đạo cánh tay Robot 3-DOF

Robot cấu trúc tay đòn 3 bậc tự do với thông số bảng Denavit-Hartenberg (D-H) xác định vị trí điểm làm việc $(P_x, P_y, P_z)$ từ các góc quay khớp $(\theta_1, \theta_2, \theta_3)$.

Phương trình động học thuận: $$P_x = \cos(\theta_1) \cdot [L_2 \cos(\theta_2) + L_3 \cos(\theta_2 + \theta_3)]$$ $$P_y = \sin(\theta_1) \cdot [L_2 \cos(\theta_2) + L_3 \cos(\theta_2 + \theta_3)]$$ $$P_z = L_1 + L_2 \sin(\theta_2) + L_3 \sin(\theta_2 + \theta_3)$$

Trong đó $L_1 = 138\text{ mm}$, $L_2 = 135\text{ mm}$, $L_3 = 147\text{ mm}$. Thuật toán động học nghịch được lập trình trực tiếp trên SCL hoặc tính toán chuyển tọa độ nạp vào PLC:

// Structured Control Language (SCL) - Inverse Kinematics Core logic
FUNCTION_BLOCK "FB_InverseKinematics"
VAR_INPUT
    TargetX : Real;
    TargetY : Real;
    TargetZ : Real;
END_VAR
VAR_OUTPUT
    Theta1 : Real;
    Theta2 : Real;
    Theta3 : Real;
    Valid : Bool;
END_VAR
VAR_TEMP
    R : Real;
    Z_offset : Real;
    D : Real;
    CosTheta3 : Real;
    L1 : Real := 138.0;
    L2 : Real := 135.0;
    L3 : Real := 147.0;
END_VAR

BEGIN
    // Calculate Base Angle Theta1
    #Theta1 := ATAN2(y := #TargetY, x := #TargetX);
    
    // Planar projection
    #R := SQRT(SQR(#TargetX) + SQR(#TargetY));
    #Z_offset := #TargetZ - #L1;
    #D := (SQR(#R) + SQR(#Z_offset) - SQR(#L2) - SQR(#L3)) / (2.0 * #L2 * #L3);
    
    IF (#D >= -1.0) AND (#D <= 1.0) THEN
        #Theta3 := ATAN2(y := -SQRT(1.0 - SQR(#D)), x := #D);
        #Theta2 := ATAN2(y := #Z_offset, x := #R) - ATAN2(y := #L3 * SIN(#Theta3), x := #L2 + #L3 * COS(#Theta3));
        #Valid := TRUE;
    ELSE
        #Valid := FALSE; // Out of workspace reach
    END_IF;
END_FUNCTION_BLOCK

2. Giao thức đọc Absolute Encoder của Servo Mitsubishi qua PLC S7-1200

Để đọc dữ liệu vị trí 18-bit từ MR-J3 không qua module truyền thông đắt tiền, một giao thức quét chuỗi bit số trực tiếp qua ngõ I/O đã được nhóm xây dựng: PLC gửi tín hiệu yêu cầu truyền (MR_REQ), tạo xung clock đồng bộ (MR_CLK), và dịch 32-bit dữ liệu phản hồi (MR_DATA) bao gồm tọa độ đa vòng (Multi-turn count), tọa độ một vòng (Single-turn position) và 8-bit mã kiểm tra Checksum:

// SCL Algorithm: Read Absolute Position & Checksum Validation
FUNCTION "FC_Read_Absolute_Encoder" : Void
VAR_TEMP
    i : Int;
    SumData : Byte;
    CalculatedChecksum : Byte;
    ReceivedChecksum : Byte;
    RawPos : DWord;
END_VAR

BEGIN
    "MR_REQ" := TRUE; // Gửi tín hiệu kích hoạt truyền nhận
    #RawPos := 16#0000_0000;
    #SumData := 0;
    
    FOR #i := 0 TO 31 DO
        "MR_CLK" := TRUE;
        // Đợi sườn xung clock ổn định
        IF "MR_DATA_PIN" THEN
            #RawPos := #RawPos OR SHL(IN := DWORD#16#1, N := #i);
        END_IF;
        "MR_CLK" := FALSE;
    END_FOR;
    
    "MR_REQ" := FALSE;
    
    // Tách dữ liệu tọa độ và checksum
    #ReceivedChecksum := DWORD_TO_BYTE(SHR(IN := #RawPos, N := 24));
    #CalculatedChecksum := DWORD_TO_BYTE(#RawPos AND 16#0000_00FF) XOR DWORD_TO_BYTE(SHR(IN := #RawPos, N := 8) AND 16#0000_00FF);
    
    IF #ReceivedChecksum = #CalculatedChecksum THEN
        "DB_Robot_Pos".CurrentEncoderVal := #RawPos AND 16#00FF_FFFF;
        "DB_Robot_Pos".Status_Valid := TRUE;
    ELSE
        "DB_Robot_Pos".Status_Valid := FALSE; // Cảnh báo sai lệch dữ liệu
    END_IF;
END_FUNCTION

3. Thị giác máy tính nhận diện nắp chai (C# WinForms & S7.Net)

Phần mềm giám sát xử lý chuỗi ảnh thu nhận từ Camera IMC-3616UC, định vị vùng quan tâm (ROI - Region of Interest) tại cổ chai, sau đó trích xuất giá trị màu RGB trung bình để phát hiện nắp cao su xám:

// C# WinForms: Vision Defect Detection & S7-1200 Communication
using System;
using System.Drawing;
using S7.Net;

public class QualityInspection
{
    private Plc plcInstance = new Plc(CpuType.S71200, "192.168.0.1", 0, 1);

    public void ProcessBottleInspection(Bitmap currentFrame)
    {
        // Thiết lập vùng ROI tại vị trí miệng chai trên băng tải
        Rectangle roi = new Rectangle(x: 220, y: 150, width: 80, height: 80);
        Bitmap croppedImage = currentFrame.Clone(roi, currentFrame.PixelFormat);
        
        long totalR = 0, totalG = 0, totalB = 0;
        int totalPixels = croppedImage.Width * croppedImage.Height;

        for (int x = 0; x < croppedImage.Width; x++)
        {
            for (int y = 0; y < croppedImage.Height; y++)
            {
                Color pixel = croppedImage.GetPixel(x, y);
                totalR += pixel.R;
                totalG += pixel.G;
                totalB += pixel.B;
            }
        }

        byte avgR = (byte)(totalR / totalPixels);
        byte avgG = (byte)(totalG / totalPixels);
        byte avgB = (byte)(totalB / totalPixels);

        // Nắp cao su có ngưỡng màu xám đặc trưng: |R-G| < 15, |G-B| < 15 và độ sáng nằm trong dải [60, 140]
        bool hasCap = (Math.Abs(avgR - avgG) < 15) && 
                      (Math.Abs(avgG - avgB) < 15) && 
                      (avgR >= 60 && avgR <= 140);

        if (plcInstance.IsConnected)
        {
            // Ghi trạng thái trực tiếp vào DB1.DBX0.0 (Cap_OK) và DB1.DBX0.1 (Cap_NG)
            plcInstance.Write("DB1.DBX0.0", hasCap);
            plcInstance.Write("DB1.DBX0.1", !hasCap);
        }
    }
}

Testing và validation

Quá trình thực nghiệm được triển khai qua 150 chu kỳ kiểm thử liên tục với các thông số đo đạc cụ thể:

Kịch bản kiểm thử Số lượng mẫu (Chai) Tiêu chí đánh giá Kết quả đạt được Tỷ lệ thành công (%)
Chiết rót định lượng (20ml) 100 Dung tích sai số $<\pm 1\text{ml}$ 96/100 mẫu chuẩn 96.0%
Cấp và ép nắp cao su 100 Nắp khít, không rách, kín khí 92/100 mẫu chuẩn 92.0%
Phát hiện lỗi không nắp (Vision) 50 (30 đạt, 20 lỗi cố tình) Phân loại đúng nhãn chai 47/50 mẫu chuẩn 94.0%
Gắp - Xếp hộp ma trận 3x3 100 Xếp đúng 9 vị trí, không đổ chai 95/100 lần gắp đúng 95.0%
Khôi phục vị trí sau ngắt điện 20 lần ngắt cưỡng bức Robot về Home chuẩn không lệch 20/20 lần thành công 100.0%

Kết quả đạt được

Hệ thống đã chế tạo hoàn chỉnh mô hình phần cứng và triển khai đồng bộ phần mềm:

  • Tốc độ chu kỳ (Cycle Time): Đạt 18 giây/chai hoàn thiện (bao gồm chiết rót, đóng nắp, kiểm tra vision và gắp vào hộp), tương đương năng suất thực tế 3.33 sản phẩm/phút.
  • Khả năng tự sửa lỗi (Self-recovery): Khi Loadcell phát hiện robot gắp trượt (khối lượng ô chứa không đổi sau hành trình thả), cờ Retry_Grip được bật để robot thực hiện gắp lại mà không gây dừng khẩn cấp toàn dây chuyền.
  • Tính năng giám sát: Giao diện WinForms hiển thị số lượng sản phẩm OK, sản phẩm NG, tình trạng kết nối S7-1200 và hình ảnh trực tiếp từ camera theo thời gian thực (30 FPS).

Đổi mới và đóng góp

  1. Làm chủ giải pháp tích hợp chéo thương hiệu (Siemens PLC S7-1200 vs. Mitsubishi Servo MR-J3): Đề tài giải quyết bài toán lớn về mặt kinh tế tại thị trường Việt Nam khi tận dụng độ bền và chuẩn công nghiệp của PLC Siemens kết hợp với hệ thống AC Servo giá thành hợp lý và phổ biến của Mitsubishi. Việc giải mã thành công giao thức Absolute Encoder qua cổng số I/O giúp loại bỏ nhu cầu trang bị thêm các mô-đun truyền thông chuyên dụng (như Profinet/Profibus của Siemens hay SSCNET của Mitsubishi) giúp tiết kiệm hơn 40% chi phí phần cứng điều khiển.
  2. Cơ chế khôi phục gốc không cần cảm biến giới hạn (Sensorless Absolute Homing): Không cần gắn cảm biến hành trình tiệm cận ở các trục khớp robot, loại bỏ rủi ro hư hỏng cơ khí khi mất điện đột ngột và giảm 100% thời gian chạy chu trình dò gốc (Homing Routine) lúc khởi động lại hệ thống.
  3. Kiểm định chất lượng 2 lớp (Vision + Loadcell): Khắc phục hoàn toàn điểm yếu của các hệ thống phân loại quang học đơn thuần bằng cách kết hợp xác thực khối lượng tức thời trên khay chứa.
graph LR
    subgraph "Dây chuyền thông thường"
        A1[Phát xung tương đối] --> B1[Mất điện] --> C1[Mất tọa độ gốc] --> D1[Chạy dò Home thủ công]
    end
    subgraph "Giải pháp đề tài"
        A2[Đọc Absolute Encoder] --> B2[Mất điện] --> C2[Lưu vị trí cơ khí] --> D2[Bật nguồn: Tiếp tục chu trình ngay]
    end

Ứng dụng thực tế và triển khai

  • Khả năng chuyển giao thực tế: Mô hình hoàn toàn có khả năng mở rộng quy mô (Scale-up) để ứng dụng trực tiếp trong các xưởng đóng chai tinh dầu, dược phẩm dạng lỏng vô trùng, siro thuốc ho, hoặc các phòng kiểm nghiệm vaccine yêu cầu chiết rót dung tích nhỏ từ 5ml - 100ml.
  • Yêu cầu triển khai hạ tầng:
    • Nguồn điện lưới: 1-phase 220VAC 50Hz, công suất tối thiểu 1.5 kVA.
    • Hệ thống khí nén công nghiệp: Áp suất vận hành ổn định từ 4 - 6 bar (0.4 - 0.6 MPa).
    • Môi trường làm việc: Nhiệt độ $15^\circ\text{C} - 35^\circ\text{C}$, độ ẩm $<80%$ không đọng sương.
  • Phân tích hiệu quả kinh tế (ROI Estimation):
    • Chi phí chế tạo hệ thống: ~30,000,000 VNĐ.
    • Năng suất thay thế: Tương đương 2 công nhân đóng gói thủ công (tiết kiệm khoảng 15,000,000 VNĐ/tháng chi phí nhân công).
    • Thời gian hoàn vốn (Payback Period): Khoảng 2.5 - 3.5 tháng vận hành liên tục.

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật hiện tại:
    • Cơ cấu tay đòn robot chế tạo bằng vật liệu in 3D kết hợp nhôm định hình, truyền động đai chưa có hộp che chắn bụi kín đạt chuẩn phòng sạch GMP.
    • Thuật toán xử lý ảnh trên C# dựa trên ngưỡng màu tĩnh (Thresholding), dễ bị ảnh hưởng nếu cường độ ánh sáng môi trường thay đổi đột ngột ngoài dải kiểm soát.
    • Năng suất giới hạn ở mức 3.33 sản phẩm/phút do sử dụng cơ cấu mâm xoay đơn trạm.
  • Hướng phát triển tiếp theo:
    • Gia công toàn bộ chi tiết cánh tay robot bằng nhôm nguyên khối 6061 phay CNC, sử dụng hộp giảm tốc Harmonic Drive để triệt tiêu độ rơ cơ khí.
    • Nâng cấp thuật toán xử lý ảnh sang mô hình học sâu (Deep Learning - YOLOv8) để nhận diện đa dạng các loại khuyết tật vỏ chai, nứt miệng thủy tinh và lệch nắp.
    • Tích hợp giao thức công nghiệp OPC UA / MQTT để truyền dữ liệu thời gian thực lên hệ thống SCADA/MES điện toán đám mây.

Đối tượng hưởng lợi

  • Sinh viên ngành Kỹ thuật Tự động hóa / Cơ điện tử: Cung cấp tài liệu tham khảo chi tiết từ thiết kế cơ khí SolidWorks, sơ đồ mạch điện Autocad Electrical đến thuật toán động học nghịch SCL và phát xung PTO trên S7-1200.
  • Kỹ sư tích hợp hệ thống (System Integrators): Nắm vững kỹ thuật ghép nối liên thương hiệu giữa PLC Siemens và AC Servo Mitsubishi, xử lý dữ liệu Absolute Encoder không qua module chuyên dụng.
  • Doanh nghiệp vừa và nhỏ (SMEs) ngành Dược / Hóa mỹ phẩm: Tiếp cận giải pháp tự động hóa chi phí thấp, năng suất ổn định, giảm phụ thuộc vào dây chuyền nhập khẩu nguyên chiếc.
  • Nhà nghiên cứu / Giảng viên: Khung mô hình thí nghiệm chuẩn để phát triển các thuật toán điều khiển phi tuyến, điều khiển thích nghi và thị giác AI trên cánh tay robot công nghiệp.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật cốt lõi để triển khai hệ thống là gì?

Hệ thống yêu cầu nguồn cấp 220VAC có tiếp địa chuẩn chống nhiễu cho Driver Servo, máy nén khí áp lực 0.4 - 0.6 MPa có bộ lọc tách nước, PLC Siemens S7-1200 CPU 1214C DC/DC/DC (bắt buộc loại ngõ ra Transistor để phát xung PTO tần số cao lên đến 100 kHz), máy tính PC cài đặt Windows 10/11 kết nối cổng Gigabit Ethernet và USB 3.0 cho Camera.

2. Giới hạn tải trọng và độ chính xác lặp lại của Robot Magician là bao nhiêu?

Cánh tay Robot 3-DOF trong đề tài có bán kính hoạt động hiệu dụng 330 mm, tải trọng gắp danh định 500g (phù hợp tuyệt đối cho chai thủy tinh dược phẩm thể tích 10ml - 50ml có khối lượng 50g - 150g). Độ chính xác lặp lại của cơ cấu đạt $\pm 0.2\text{ mm}$ nhờ độ phân giải xung cao của động cơ servo.

3. Làm thế nào để tích hợp hệ thống với các dây chuyền dán nhãn hoặc đóng thùng sẵn có?

PLC S7-1200 đóng vai trò Controller trung tâm, có thể dễ dàng giao tiếp với các máy dán nhãn, máy đóng thùng carton thông qua các tiếp điểm I/O Relay khô (Dry Contact) chuẩn 24VDC, mạng truyền thông công nghiệp PROFINET hoặc giao thức công nghiệp tiêu chuẩn Modbus TCP/IP.

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

Cần tra mỡ bôi trơn cho các cơ cấu trục xoay và vòng bi định kỳ mỗi 6 tháng, kiểm tra độ căng của dây đai răng đồng bộ GT2 sau mỗi 500 giờ vận hành, xả nước trong cốc lọc khí nén hàng tuần và vệ sinh bề mặt ống kính quang học của camera bằng dung dịch chuyên dụng.

5. Chi phí đầu tư dự toán và lộ trình hoàn vốn (ROI) cụ thể ra sao?

Tổng chi phí linh kiện phần cứng, gia công và thiết bị đo kiểm của hệ thống là khoảng 30,000,000 VNĐ. Với năng suất đạt khoảng 1,500 - 2,000 chai/ngày, giúp tiết kiệm chi phí thuê 2 nhân sự trực tiếp đóng nắp và xếp khay, hệ thống đạt điểm hòa vốn chỉ sau khoảng 75 - 90 ngày làm việc.

Kết luận

Đề tài "Hệ thống chiết rót và đóng nắp tự động" đã hiện thực hóa thành công một giải pháp công nghệ toàn diện kết hợp chặt chẽ giữa Cơ khí chính xác, Kỹ thuật điều khiển PLC công nghiệp, Điều khiển chuyển động Servo AC, Robot 3 bậc tự do và Thị giác máy tính kiểm tra chất lượng. Đột phá kỹ thuật trong việc giải mã bộ mã hóa tuyệt đối (Absolute Encoder) Mitsubishi MR-J3 trên nền tảng Siemens S7-1200 và cơ chế tự phục hồi lỗi bằng bàn cân Loadcell mang lại giá trị thực tiễn cao cho việc ứng dụng tự động hóa chi phí thấp trong ngành dược phẩm tại Việt Nam.

Quý độc giả, sinh viên và kỹ sư quan tâm có thể tải tài liệu thiết kế chi tiết, sơ đồ nguyên lý mạch điện và mã nguồn chương trình PLC/C# để phát triển mở rộng cho các bài toán công nghiệp chuyên sâu.