Giới thiệu dự án

Trong bối cảnh Cách mạng Công nghiệp 4.0, tự động hóa chuỗi cung ứng và logistics nội bộ đóng vai trò then chốt trong việc nâng cao năng lực cạnh tranh của doanh nghiệp. Theo các khảo sát công nghiệp gần đây, quy trình phân loại và đóng gói bốc xếp (palletizing) thủ công chiếm tới 35–40% tổng thời gian xử lý đơn hàng và tiềm ẩn tỷ lệ lỗi nhầm lẫn phân loại từ 3–5%. Để giải quyết bài toán này, đề tài "Hệ thống phân loại và sắp xếp sản phẩm theo màu sắc và hình dáng bằng cánh tay robot 4 bậc sử dụng PLC S7-1200" (thực hiện bởi nhóm nghiên cứu Trường Đại học Sư phạm Kỹ thuật TP.HCM) đã phát triển một giải pháp tích hợp toàn diện giữa thị giác máy tính (Computer Vision), điều khiển logic khả trình (PLC) và cơ cấu chấp hành robot 4 bậc tự do (4-DOF).

                      +-----------------------------+
                      |   Camera / Computer Vision  |
                      |  (Python OpenCV & Snap7 DB) |
                      +--------------+--------------+
                                     | Ethernet (TCP/IP)
                                     v
                      +-----------------------------+
                      |     PLC Siemens S7-1200     | <---> [ HMI Weintek MT8071iP ]
                      |   (CPU 1214C DC/DC/DC)      |
                      +--------------+--------------+
                                     | Modbus TCP / PTO Pulses
            +------------------------+------------------------+
            |                                                 |
            v                                                 v
+-----------------------+                         +-----------------------+
|  Động cơ bước / Driver|                         | Arduino + Shield W5100|
| (DM542 / TB6600/4-DOF)|                         | (Servo MG996R + FSR)  |
+-----------------------+                         +-----------------------+

Vấn đề thực tiễn và điểm nghẽn kỹ thuật (Pain Points)

Các dây chuyền phân loại truyền thống trong các doanh nghiệp vừa và nhỏ (SMEs) thường bộc lộ nhiều hạn chế:

  • Cơ cấu phân loại bằng xi-lanh khí nén: Chỉ phân loại thô theo dạng đẩy rớt, không kiểm soát được tọa độ đặt hàng, gây va đập làm móp méo sản phẩm dễ vỡ và không thể xếp chồng pallet.
  • Robot tọa độ Descartes (Gantry Robot): Cồng kềnh, chiếm diện tích lắp đặt nhà xưởng lớn và thiếu độ linh hoạt khi cần thay đổi quỹ đạo hoặc định hướng sản phẩm.
  • Phân mảnh quy trình: Tách rời khâu phân loại và khâu xếp chồng (palletizing) thành hai công đoạn độc lập làm tăng gấp đôi chi phí đầu tư băng chuyền và thời gian trễ trung chuyển.

Mục tiêu dự án

  1. Thiết kế và thi công cánh tay robot công nghiệp 4 bậc tự do (4-DOF) nhỏ gọn, tối ưu hóa trọng lượng và không gian lắp đặt.
  2. Xây dựng module xử lý ảnh công nghiệp nhận diện đồng thời 2 thuộc tính: Hình dáng (khối vuông $40\times40\times40\text{ mm}$, khối chữ nhật $80\times40\times40\text{ mm}$) và Màu sắc (Đỏ, Xanh lam).
  3. Thiết lập thuật toán chuyển đổi tọa độ điểm ảnh (Pixel coordinates) sang hệ tọa độ thực của robot (World coordinates) theo thời gian thực.
  4. Tích hợp hệ thống điều khiển trung tâm PLC Siemens S7-1200 kết hợp giao thức truyền thông công nghiệp Snap7 và Modbus TCP/IP.
  5. Đạt năng suất phân loại và sắp xếp palletizing 2 tầng tự động với công suất thiết kế 300 sản phẩm/giờ.

Phương pháp tiếp cận và giải pháp công nghệ

Giải pháp kết hợp sức mạnh xử lý ảnh linh hoạt trên máy tính (Python + OpenCV) với độ ổn định, chuẩn xác cấp công nghiệp của PLC Siemens S7-1200. Tín hiệu tọa độ $(X, Y, \text{Góc xoay } \theta)$ sau khi trích xuất từ camera được gửi trực tiếp xuống Data Block (DB) của PLC qua giao thức mạng Ethernet Snap7. PLC thực hiện giải thuật động học nghịch (Inverse Kinematics) và phát xung tốc độ cao (PTO) điều khiển 4 trục động cơ bước thông qua Driver DM542/TB6600, kết hợp điều khiển bàn kẹp (gripper) phản hồi lực thông qua vi điều khiển phụ trợ.

Phạm vi và giới hạn hệ thống

  • Đối tượng xử lý: Sản phẩm hình vuông ($40\times40\times40\text{ mm}$) và hình chữ nhật ($80\times40\times40\text{ mm}$) có bề mặt phản xạ màu đỏ hoặc xanh lam đồng nhất.
  • Quy cách pallet: Xếp chồng 2 tầng theo chuẩn cột chồng (column stacking) và xếp gạch so le (interlocking brick).
  • Cấp phôi: Cấp phôi thủ công lên băng chuyền PVC đơn hướng.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí so sánh Hệ thống Xi-lanh khí nén Robot Descartes (Gantry) Hệ thống Robot 4-DOF tích hợp (Đề tài)
Độ linh hoạt Rất thấp (chỉ gạt 1 hướng) Trung bình (di chuyển tuyến tính X-Y-Z) Cao (quay đa hướng, thay đổi góc gắp $\theta$)
Độ chính xác vị trí Kém (rơi tự do vào thùng) Cao ($\pm 0.5\text{ mm}$) Khá cao ($\pm 1.5 - 2.5\text{ mm}$)
Bảo vệ sản phẩm Dễ gây trầy xước, va đập Tốt Rất tốt (kẹp êm, có cảm biến lực FSR)
Khả năng Palletizing Không thể thực hiện Có (nhưng tốn diện tích) Xếp 2 tầng tối ưu không gian pallet
Diện tích lắp đặt Dọc theo chiều dài băng tải Rất lớn (khung dầm cồng kềnh) Rất nhỏ gọn (lắp trực tiếp tại trạm làm việc)
Chi phí đầu tư Thấp Rất cao Tối ưu, phù hợp mô hình SMEs

Ma trận yêu cầu hệ thống (MoSCoW)

  • Must-have (Bắt buộc): Nhận diện chính xác 100% màu đỏ/xanh lam; gắp và đặt đúng vị trí pallet 2 tầng; truyền nhận dữ liệu ổn định qua Ethernet S7Comm/Modbus.
  • Should-have (Cần có): Giao diện HMI giám sát trạng thái Auto/Manual; thuật toán bù trừ sai số camera góc nghiêng; tính toán động học nghịch tự động trên PLC/PC.
  • Could-have (Có thể mở rộng): Nhận diện thêm sản phẩm hình tròn/tam giác; cảm biến tiệm cận chống va chạm vật cản.
  • Won't-have (Tạm hoãn): Tự động điều tốc vô cấp cho băng tải theo mật độ phôi; cơ chế cấp phôi tự động từ phễu rung.

Thiết kế hệ thống

Kiến trúc phân tầng công nghệ (Technology Stack)

  • Bộ điều khiển chính: PLC Siemens SIMATIC S7-1200 CPU 1214C DC/DC/DC (Firmware V4.4, lập trình qua TIA Portal V16/V17).
  • Bộ điều khiển phụ trợ (Gripper): Arduino Mega 2560 + Ethernet Shield W5100 (Giao thức Modbus TCP/IP Slave).
  • Bộ điều khiển động cơ: Driver DM542 (vi bước $1/16$) và TB6600.
  • Động cơ chấp hành: Động cơ bước có hộp số giảm tốc SUMTOR 42HS341A4-XG14 (tỉ số truyền 1:14), Động cơ bước NEMA 17 size 23, RC Servo MG996R metal gear.
  • Cảm biến: Cảm biến quang hồng ngoại E3F-DS30P4 (phát hiện phôi), Công tắc hành trình Omron SS-5GL2 (Set Home), Cảm biến lực màng mỏng FSR 402.
  • Thị giác máy tính (Vision Node): Camera HD Logitech Brio 100 (độ phân giải thu nhận $250\times 300\text{ px}$ hiệu dụng), Python 3.10, OpenCV 4.8.0, Snap7 library.
  • Giao diện vận hành: Màn hình cảm ứng HMI Weintek MT8071iP (7 inch, 800x480 TFT LCD, EasyBuilder Pro V6.08).
graph TD
    subgraph Vision_Layer["Tầng Thị Giác Máy Tính (Vision & PC)"]
        Cam[Logitech Brio Camera] -->|Hình ảnh BGR| Py[Python 3.10 Engine]
        Py -->|HSV Segmentation & PolyDP| Calib[Chuyển đổi Pixel -> Toạ độ thực mm]
        Calib -->|Snap7 TCP/IP Port 102| DB[Data Block DB_PHANLOAI]
    end

    subgraph Control_Layer["Tầng Điều Khiển Trung Tâm (PLC & HMI)"]
        DB --> PLC[PLC Siemens S7-1200 CPU 1214C]
        HMI[HMI Weintek MT8071iP] <-->|Ethernet Modbus/S7| PLC
        Sensor[Cảm biến hồng ngoại E3F-DS30P4] -->|Ngắt DI| PLC
        PLC -->|Giải thuật Động học nghịch| Kinematics[Tọa độ góc Q1, Q2, Q3, Q4]
    end

    subgraph Actuation_Layer["Tầng Chấp Hành & Cơ Khí (Actuators)"]
        Kinematics -->|Phát xung PTO/PWM| Drivers[Driver DM542 / TB6600]
        Drivers --> Steppers[4-DOF Stepper Motors SUMTOR]
        PLC -->|Modbus TCP| W5100[Arduino + Ethernet W5100]
        W5100 --> Servo[Servo MG996R + Cảm biến FSR 402]
    end

Thiết kế liên kết truyền thông và bộ nhớ Data Block

Để truyền dữ liệu vị trí tức thời từ module xử lý ảnh xuống PLC mà không gây trễ chu kỳ quét (Scan cycle), cấu trúc Data Block DB_PHANLOAI (DB1) được thiết lập dạng struct:

Biến (Variable) Kiểu dữ liệu Offset Ý nghĩa chức năng
Trigger_Camera Bool 0.0 Tín hiệu từ PLC yêu cầu camera chụp ảnh khi cảm biến tác động
Vision_Done Bool 0.1 Cờ báo Python đã hoàn tất trích xuất tọa độ
Color_ID Int 2.0 1: Màu đỏ, 2: Màu xanh lam
Shape_ID Int 4.0 1: Khối vuông, 2: Khối chữ nhật
Target_X Real 6.0 Tọa độ $X$ thực tế trên băng tải ($\text{mm}$)
Target_Y Real 10.0 Tọa độ $Y$ thực tế trên băng tải ($\text{mm}$)
Target_Angle Real 14.0 Góc lệch $\theta$ của sản phẩm để xoay bàn kẹp ($\text{deg}$)

Phương pháp luận phát triển (Methodology)

Dự án áp dụng mô hình phát triển Agile lặp (Iterative Agile) chia làm 5 giai đoạn chính trong 17 tuần:

[Tuần 1-3] Thiết kế động lực học & CAD 3D SolidWorks
     │
     ▼
[Tuần 4-7] Cắt Mica CNC, gia công cơ khí & Đóng tủ điện công nghiệp
     │
     ▼
[Tuần 8-11] Xây dựng thuật toán OpenCV, Calibration & Snap7 Communication
     │
     ▼
[Tuần 12-14] Lập trình Motion PLC (MC_MoveAbsolute) & Tích hợp HMI
     │
     ▼
[Tuần 15-17] Chạy thử nghiệm hệ thống, đo lường sai số vị trí & Tối ưu cycle time

Triển khai và kết quả thực nghiệm

Quá trình phát triển và thuật toán cốt lõi

1. Thuật toán trích xuất biên dạng và lọc màu sắc (Computer Vision)

Hệ thống sử dụng không gian màu HSV thay cho RGB nhằm loại bỏ sự phụ thuộc vào cường độ chiếu sáng của môi trường nhà xưởng:

import cv2
import numpy as np
import snap7
from snap7.util import set_real, set_int, set_bool

def process_vision_pipeline(frame, plc_client):
    # 1. Chuyển đổi không gian màu BGR sang HSV
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    
    # 2. Ngưỡng lọc màu sắc (Ví dụ dải màu đỏ gồm 2 dải do tính chất chu kỳ của Hue)
    red_lower1, red_upper1 = np.array([0, 100, 100]), np.array([10, 255, 255])
    red_lower2, red_upper2 = np.array([160, 100, 100]), np.array([179, 255, 255])
    
    mask_red = cv2.inRange(hsv, red_lower1, red_upper1) | cv2.inRange(hsv, red_lower2, red_upper2)
    
    # 3. Trích xuất đường bao (Contours)
    contours, _ = cv2.findContours(mask_red, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    
    for cnt in contours:
        area = cv2.contourArea(cnt)
        if area > 1000: # Lọc nhiễu kích thước
            # Tính toán xấp xỉ đa giác để nhận diện hình học
            peri = cv2.arcLength(cnt, True)
            approx = cv2.approxPolyDP(cnt, 0.04 * peri, True)
            
            # Tính toán Moments để tìm tâm hình học (Centroid)
            M = cv2.moments(cnt)
            if M["m00"] != 0:
                cx_px = int(M["m10"] / M["m00"])
                cy_px = int(M["m01"] / M["m00"])
                
                # Xác định hình dáng dựa trên số đỉnh đa giác xấp xỉ và tỉ lệ khung bao
                shape_id = 1 if len(approx) == 4 and (0.85 <= (cv2.boundingRect(approx)[2]/cv2.boundingRect(approx)[3]) <= 1.15) else 2
                
                # Chuyển đổi sang tọa độ Robot (Calibration Model)
                RATIO = 2.831  # pixels per mm
                X_robot = 287.0 + (250.0 - cx_px) / RATIO
                Y_robot = -61.0 + (300.0 - cy_px) / RATIO
                Z_robot = 270.0 # Chiều cao cố định trên mặt băng tải
                
                return X_robot, Y_robot, Z_robot, shape_id, 1 # 1: Red
    return None

2. Mô hình chuyển đổi tọa độ không gian (Coordinate Transformation)

Để ánh xạ chính xác từ ma trận pixel camera $(x', y')$ sang hệ tọa độ gốc của Robot $(X_R, Y_R, Z_R)$, phương trình biến đổi tịnh tiến và tỉ lệ được áp dụng:

$$X_R = X_0 + \frac{250 - X'}{\text{Ratio}}$$

$$Y_R = Y_0 + \frac{300 - Y'}{\text{Ratio}}$$

$$Z_R = Z_{\text{surface}} = 270\text{ mm}$$

Trong đó:

  • $X_0 = 287.0\text{ mm}$, $Y_0 = -61.0\text{ mm}$ là gốc offset chuẩn hóa giữa tâm camera và gốc tọa độ đế robot.
  • $\text{Ratio} = 2.831\text{ px/mm}$ được hiệu chuẩn qua 4 điểm đo thực nghiệm cố định trên băng tải.

3. Thuật toán điều khiển chuyển động trên PLC (Motion Control SCL)

Tại PLC S7-1200, các khối hàm điều khiển chuyển động công nghệ (Motion Control Technology Objects) MC_Power, MC_Home, MC_MoveAbsolute, MC_Halt được liên kết tuần tự để điều khiển vị trí:

// Đoạn mã SCL điều khiển quỹ đạo gắp và đặt sản phẩm
IF "DB_PHANLOAI".Vision_Done AND NOT "Robot_Busy" THEN
    "Robot_Busy" := TRUE;
    
    // Nạp tọa độ mục tiêu từ Vision DB vào khối tính toán động học nghịch
    "Axis1_Target_Pos" := "DB_INVERSE".Theta1;
    "Axis2_Target_Pos" := "DB_INVERSE".Theta2;
    "Axis3_Target_Pos" := "DB_INVERSE".Theta3;
    "Axis4_Target_Pos" := "DB_INVERSE".Theta4;
    
    // Kích hoạt phát xung điều khiển đồng thời các trục
    "MC_MoveAbsolute_Axis1"(Axis := "Axis_1", Execute := TRUE, Position := "Axis1_Target_Pos", Velocity := 150.0);
    "MC_MoveAbsolute_Axis2"(Axis := "Axis_2", Execute := TRUE, Position := "Axis2_Target_Pos", Velocity := 120.0);
    "MC_MoveAbsolute_Axis3"(Axis := "Axis_3", Execute := TRUE, Position := "Axis3_Target_Pos", Velocity := 120.0);
END_IF;

Thử nghiệm và đánh giá kết quả (Testing & Validation)

1. Kiểm thử độ chính xác nhận diện và phân loại

Hệ thống được vận hành kiểm thử liên tục với 100 mẫu sản phẩm hỗn hợp (gồm 25 mẫu/mỗi loại: Đỏ vuông, Đỏ chữ nhật, Xanh vuông, Xanh chữ nhật):

+-----------------------------------------------------------------------+
|                 KẾT QUẢ PHÂN LOẠI 100 SẢN PHẨM HỖN HỢP                |
+----------------------+--------------------+-----------------+---------+
| Loại sản phẩm        | Số lượng kiểm thử  | Phân loại đúng  | Tỷ lệ   |
+----------------------+--------------------+-----------------+---------+
| Đỏ - Vuông           | 25                 | 25              | 100%    |
| Đỏ - Chữ nhật        | 25                 | 24              | 96%     |
| Xanh lam - Vuông     | 25                 | 25              | 100%    |
| Xanh lam - Chữ nhật  | 25                 | 24              | 96%     |
+----------------------+--------------------+-----------------+---------+
| TỔNG CỘNG            | 100                | 98              | 98.0%   |
+-----------------------------------------------------------------------+

2. Đo lường sai số vị trí định vị Palletizing thực tế

Phân vùng Pallet Tầng Tọa độ lý thuyết $(X, Y)$ (mm) Tọa độ thực nghiệm trung bình (mm) Sai số vị trí $\Delta r$ (mm)
Kho Đỏ - Khối Lớn Tầng 1 $(180.0, 220.0)$ $(181.8, 221.2)$ $2.16\text{ mm}$
Kho Đỏ - Khối Lớn Tầng 2 $(180.0, 220.0)$ $(182.4, 221.7)$ $2.94\text{ mm}$
Kho Đỏ - Khối Nhỏ Tầng 1 $(240.0, 220.0)$ $(241.2, 220.8)$ $1.44\text{ mm}$
Kho Đỏ - Khối Nhỏ Tầng 2 $(240.0, 220.0)$ $(241.6, 221.1)$ $1.94\text{ mm}$
Kho Xanh - Khối Lớn Tầng 1 $(180.0, -220.0)$ $(181.5, -221.4)$ $2.05\text{ mm}$
Kho Xanh - Khối Nhỏ Tầng 1 $(240.0, -220.0)$ $(241.1, -220.7)$ $1.30\text{ mm}$ 
BIỂU ĐỒ PHÂN BỐ SAI SỐ VỊ TRÍ THEO TẦNG XẾP PALLET
Tầng 1 (Đế vững) : ▓▓▓▓▓▓▓▓▓▓▓▓▓ (1.30mm - 2.16mm) -> Đạt độ ổn định cơ khí cao
Tầng 2 (Xếp chồng) : ▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓ (1.94mm - 2.94mm) -> Xuất hiện độ võng tích lũy của khung Mica

Nhận xét: Sai số vị trí tập trung trong ngưỡng $\le 2.94\text{ mm}$, hoàn toàn nằm trong dung sai cho phép của bàn kẹp cơ khí có đệm đàn hồi (dung sai kẹp $\pm 4.0\text{ mm}$).

Đổi mới và đóng góp kỹ thuật

  1. Kiến trúc điều khiển lai linh hoạt (Hybrid Control Architecture): Kết hợp máy tính nhúng xử lý thị giác (Python/OpenCV) với PLC công nghiệp (Siemens S7-1200) thông qua thư viện kết nối trực tiếp Snap7 trên nền Ethernet. Mô hình này giúp loại bỏ nhu cầu trang bị các module Camera công nghiệp (Smart Camera) đắt đỏ (tiết kiệm tới 65% chi phí phần cứng xử lý ảnh).
  2. Tối ưu hóa không gian lưu trữ đa tầng (Multi-layer Palletizing Algorithm): Không chỉ phân loại đơn thuần, hệ thống tích hợp trực tiếp thuật toán phân loại và xếp chồng pallet tự động theo cấu hình 2 tầng (cột chồng và xếp gạch), giảm diện tích khu vực xuất hàng tới 45% so với máng trượt truyền thống.
  3. Cơ cấu chấp hành 4-DOF tối ưu động lực học: Khâu cơ khí sử dụng vật liệu Mica gia công CNC chính xác cao kết hợp thanh giằng cân bằng động lực học (Parallel Linkage mechanism), giúp giữ bàn kẹp luôn song song với mặt phẳng ngang mà không cần thêm động cơ chủ động tại cổ tay robot.
  4. Phản hồi lực kẹp thông minh: Tích hợp cảm biến lực FSR 402 tại má kẹp giúp nhận biết trạng thái đã kẹp trúng vật hoặc rơi phôi giữa chừng, bảo vệ sản phẩm không bị biến dạng do lực ép quá mức.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong sản xuất thực tế

  • Ngành đóng gói dược phẩm & thực phẩm: Phân loại vỉ thuốc, hộp bánh kẹo theo màu sắc bao bì và xếp trực tiếp vào thùng carton theo lớp định sẵn.
  • Dây chuyền linh kiện điện tử: Tách lọc các linh kiện vuông/chữ nhật sau công đoạn đúc ép nhựa và xếp khay tự động phục vụ trạm hàn SMT tiếp theo.
  • Trung tâm phân loại bưu kiện Logistics E-commerce: Phân chia bưu kiện kích thước nhỏ theo mã màu tuyến giao hàng.
graph LR
    subgraph Factory_Floor["Quy Trình Triển Khai Nhà Máy Thực Tế"]
        Infeed[Băng tải cấp liệu] --> VisionGate[Cổng quét Camera & Cảm biến]
        VisionGate --> RobotCell[Trạm Robot 4-DOF Phân loại]
        RobotCell --> PalletA[Pallet Sản Phẩm Đỏ - Tầng 1/2]
        RobotCell --> PalletB[Pallet Sản Phẩm Xanh - Tầng 1/2]
    end

Đánh giá hiệu quả kinh tế và thời gian hoàn vốn (ROI)

  • Chi phí chế tạo hệ thống mẫu: $\approx 18.500.000\text{ VNĐ}$ (Bao gồm PLC S7-1200, 4 động cơ bước + Drivers, Camera, Khung cơ khí, Tủ điện và HMI).
  • So sánh với lao động thủ công: Thay thế 01 công nhân phân loại/ca làm việc (chi phí $\approx 8.000.000\text{ VNĐ/tháng}$).
  • Thời gian hoàn vốn ước tính: $$\text{ROI} = \frac{18.500.000}{8.000.000 - 500.000\text{ (chi phí điện, bảo trì)}} \approx 2.46\text{ tháng}$$

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Vật liệu khung cơ khí: Sử dụng tấm Mica chịu lực uốn còn hạn chế, khi gắp vật nặng ($>300\text{g}$) hoặc vươn tầm với tối đa sinh ra độ võng cơ học dẫn đến sai số vị trí ở tầng 2 ($2.94\text{ mm}$).
  • Xử lý ảnh dựa trên ngưỡng màu tĩnh (HSV Thresholding): Vẫn bị ảnh hưởng nhẹ nếu môi trường thay đổi nguồn sáng đột ngột (cần buồng chụp kín hoặc đèn LED chiếu sáng vòng chuyên dụng).
  • Tốc độ chu kỳ: Tốc độ 300 sản phẩm/giờ phù hợp với dây chuyền vừa và nhỏ, nhưng cần nâng cao nếu áp dụng cho dây chuyền công nghiệp nặng ($>1200\text{ sp/h}$).

Hướng nâng cấp mở rộng

  • Thay thế kết cấu cánh tay bằng hợp kim nhôm Al 6061 phay CNC hoặc sợi carbon để tăng tải trọng gắp lên $1.5 - 2.0\text{ kg}$ và triệt tiêu rung lắc.
  • Tích hợp mạng nơ-ron tích chập (YOLOv8 hoặc MobileNet) để nhận diện đa dạng sản phẩm bị trầy xước, méo mó hoặc chồng lấn phức tạp.
  • Nâng cấp động cơ bước sang Động cơ Servo công nghiệp (AC Servo Panasonic/Mitsubishi) điều khiển qua mạng truyền thông thời gian thực PROFINET / EtherCAT.

Đối tượng hưởng lợi

+------------------------------------------------------------------------------+
|                         GIÁ TRỊ MANG LẠI CHO CÁC NHÓM ĐỐI TƯỢNG              |
+-------------------+----------------------------------------------------------+
| Sinh viên &       | - Tài liệu mẫu hoàn chỉnh về tích hợp cơ điện tử:        |
| Người học         |   CAD/Kinematics -> PLC S7-1200 -> OpenCV -> HMI.        |
|                   | - Nắm vững phương pháp giải bài toán động học nghịch     |
|                   |   và hiệu chuẩn camera thực nghiệm.                      |
+-------------------+----------------------------------------------------------+
| Kỹ sư Tự động hóa | - Mã nguồn mẫu kết nối trực tiếp Python Snap7 với PLC.   |
| (Engineers)       | - Cấu hình Motion Control trên TIA Portal cho Stepper.   |
|                   | - Thiết kế tủ điện phân tách nguồn động lực & điều khiển.|
+-------------------+----------------------------------------------------------+
| Doanh nghiệp      | - Cắt giảm 100% tỷ lệ phân loại sai do mệt mỏi con người.|
| (SMEs)            | - Tiết kiệm diện tích kho bãi thông qua palletizing.     |
|                   | - Thời gian thu hồi vốn cực nhanh (< 3 tháng).           |
+------------------------------------------------------------------------------+

Câu hỏi thường gặp

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

Hệ thống yêu cầu nguồn cấp điện lưới $220\text{VAC}\pm 10%$, $50\text{Hz}$ với hệ thống tiếp địa an toàn; bộ nguồn tổ ong $24\text{VDC} - 10\text{A}$ cho PLC và cảm biến; nguồn $12\text{VDC} - 5\text{A}$ cho động cơ bước. Môi trường lắp đặt cần tránh bụi kim loại ẩm ướt và trang bị mái che/đèn LED chiếu sáng ổn định cho khu vực camera quan sát.

2. Giới hạn tải trọng và khả năng mở rộng kích thước sản phẩm của robot?

Mô hình hiện tại tối ưu cho sản phẩm có khối lượng $\le 200\text{g}$, tầm với bán kính hoạt động từ $150\text{ mm}$ đến $420\text{ mm}$. Để nâng tải trọng lên $1 - 3\text{ kg}$, chỉ cần nâng cấp kết cấu sang nhôm định hình, thay thế động cơ bước NEMA 23/24 và giữ nguyên toàn bộ kiến trúc giải thuật phần mềm.

3. Giao thức Snap7 kết nối máy tính và PLC có đảm bảo độ trễ thời gian thực?

Snap7 giao tiếp trực tiếp qua tầng giao vận TCP/IP (Port 102) đọc/ghi thẳng vào vùng nhớ Data Block của PLC S7-1200. Thời gian trễ trung bình cho mỗi gói tin gửi tọa độ chỉ mất từ $5 - 15\text{ ms}$, hoàn toàn đáp ứng tốt thời gian thực so với chu kỳ làm việc $10 - 12\text{ giây/sản phẩm}$ của cánh tay robot.

4. Quy trình bảo trì và hiệu chuẩn định kỳ hệ thống như thế nào?

  • Hàng tuần: Kiểm tra độ căng dây đai băng tải và bôi trơn các khớp trục chuyển động, ổ bi trượt.
  • Hàng tháng: Kiểm tra độ rơ của hộp số giảm tốc Sumtor; chạy chế độ Manual Set Home trên HMI để kiểm tra độ lệch điểm gốc.
  • Khi thay đổi vị trí camera: Thực hiện lại quy trình hiệu chuẩn 4 điểm tọa độ thực tế trên băng tải để cập nhật hệ số $\text{Ratio}$ và Offset $(X_0, Y_0)$ vào file cấu hình Python.

5. Chi phí đầu tư dự toán và lộ trình triển khai mẫu thử nghiệm?

Chi phí linh kiện dao động từ $15 - 20\text{ triệu VNĐ}$ cho phiên bản giáo dục/nghiên cứu và khoảng $45 - 60\text{ triệu VNĐ}$ cho phiên bản chuẩn công nghiệp (khung nhôm, PLC mở rộng, AC Servo). Thời gian triển khai lắp đặt hoàn thiện kéo dài từ $3 - 4\text{ tuần}$.

Kết luận

Đề tài "Hệ thống phân loại và sắp xếp sản phẩm theo màu sắc và hình dáng bằng cánh tay robot 4 bậc sử dụng PLC S7-1200" của nhóm tác giả Hồ Cao Nguyên và Trần Huy Phong (Khoa Điện - Điện Tử, HCMUTE) đã chứng minh tính khả thi và hiệu quả vượt trội trong việc ứng dụng công nghệ thị giác máy tính kết hợp tự động hóa điều khiển chính xác. Hệ thống đạt độ chính xác phân loại 98%, tốc độ xử lý 300 sản phẩm/giờ, kiểm soát sai số vị trí xếp pallet dưới $3.0\text{ mm}$, giải quyết trọn vẹn bài toán tích hợp giữa phân loại và sắp xếp kho tự động. Đây là mô hình tham khảo giá trị cho các nghiên cứu ứng dụng robot công nghiệp và là giải pháp tự động hóa tiềm năng cho các doanh nghiệp đang tìm kiếm giải pháp chuyển đổi số nhà máy với chi phí tối ưu.