Nghiên Cứu Phát Triển Ứng Dụng Digital Twins Cho Robot Công Nghiệp

Bài viết này bắt đầu bằng việc khám phá tổng quan về Digital Twins, một công nghệ đang nổi lên… 114 trang · Hanoi University of Science and Technology · 2024.

• Tác giả: Doan Thanh Xuan
• Người hướng dẫn: Prof. Vu Toan Thang
• Trường học: Hanoi University of Science and Technology
• Chuyên ngành: Mechanical Engineering
• Đề tài: Nghiên Cứu Phát Triển Ứng Dụng Digital Twins Cho Robot Công Nghiệp
• Loại tài liệu: Doctoral Dissertation
• Năm xuất bản: 2024
• Địa điểm: Hanoi

Mục lục chi tiết

• GUARANTEE
• ACKNOWLEDGMENT
• TABLE OF CONTENT
• LIST OF ABBREVIATIONS AND ACRONYMS
• 1. CHAPTER 1: OVERVIEW OF DIGITIAL TWINS AND THEIR APPLICATIONS
• 1.1. The History of Digital Twin Development and Milestones
• 1.1.1. The History of Development
• 1.1.2. Key Milestones in the Development of Digital Twin Technology
• 1.2. Digital twin concept and classification
• 1.2.1. Digital twin concept
• 1.2.2. Integration-based classification of digital twins
• 1.3. Technologies associated to digital twin
• 1.4. Digital twin application
• 1.4.1. Digital twin application for robotic path planning
• 1.4.2. Digital twin application for human-robot collaboration
• 1.5. The research status both domestically and internationally
• 1.5.1. International research status
• 1.5.2. National research status
• 1.6. Conclusion of Chapter 1
• 2. CHAPTER 2: DEVELOPING A DIGITAL TWIN FOR THE INDUSTRIAL ROBOT IN THE LIGHTBULB ASSEMBLY SYSTEM
• 2.1. Lightbulb assembly system
• 2.2. Kinematic calculations and development of digital twin for the UR3 robot
• 2.2.1. Kinematic calculations of the UR3 robot
• 2.2.2. Modelling the UR3 robot
• 2.3. Conclusion of Chapter 2
• 3. CHAPTER 3: APPLICATION OF DIGITAL TWINS IN PATH FINDING FOR ROBOTS
• 3.1. Robot path planning problem
• 3.1.1. Path planning problem for robot
• 3.1.2. End-effector motion of the robot
• 3.2. The A* pathfinding algorithm
• 3.2.1. The A* pathfinding algorithm
• 3.2.2. The improved A* algorithm
• 3.3. Application combining digital twins and A* algorithm in robot pathfinding
• 3.3.1. Application of combining the digital twin and improved A* algorithm in robot pathfinding problem
• 3.3.2. Using the digital twin method
• 3.3.3. Using the A* algorithm
• 3.3.4. Adding obstacles with the same height
• 3.3.5. Adding obstacles with varying heights
• 3.4. Conclusion of Chapter 3
• 4. CHAPTER 4: APPLICATION OF DIGITAL TWINS IN HUMAN-ROBOT COLLABORATION
• 4.1. Collaboration between humans and robots
• 4.2. Applying a combination of the digital twin method and genetic algorithm in the problem of human-robot collaboration
• 4.2.1. Overall framework diagram of the digital twin method for human-robot collaboration
• 4.2.2. Description of the human-robot collaboration system
• 4.2.3. Application of digital twins in human-robot collaboration
• 4.2.4. Application of genetic algorithms in human-robot collaboration
• 4.2.5. Initialization of the initial population
• 4.2.6. Objective evaluation function
• 4.2.7. Results and discussion
• 4.3. Conclusion of Chapter 4
• FUTURE RESEARCH DIRECTIONS
• LIST OF PUBLICATIONS

Tóm tắt

I. Tổng Quan Về Digital Twins Ứng Dụng Robot Công Nghiệp

Bài viết này bắt đầu bằng việc khám phá tổng quan về Digital Twins, một công nghệ đang nổi lên với tiềm năng cách mạng hóa ngành công nghiệp robot. Digital Twin là một bản sao kỹ thuật số của một thực thể vật lý, trong trường hợp này là robot công nghiệp, cho phép mô phỏng, giám sát và tối ưu hóa hoạt động. Chúng ta sẽ đi sâu vào lịch sử phát triển của Digital Twins, từ những khái niệm ban đầu đến các ứng dụng thực tế ngày nay. Mục tiêu là cung cấp một nền tảng vững chắc để hiểu rõ hơn về tiềm năng to lớn của công nghệ này trong bối cảnh robot công nghiệp. Nghiên cứu này được thúc đẩy bởi nhu cầu ngày càng tăng về các giải pháp hiệu quả hơn để lập kế hoạch, vận hành và bảo trì robot, đặc biệt trong các môi trường sản xuất phức tạp. 'Nghiên cứu về xây dựng Digital Twins cho robot là một lĩnh vực tương đối mới, đáp ứng nhu cầu công nghiệp thực tế và hứa hẹn triển vọng phát triển mạnh mẽ trong những năm tới, cả trong và ngoài nước'.

1.1. Lịch Sử Phát Triển Các Giai Đoạn Chính Digital Twins

Phần này sẽ đi sâu vào quá trình hình thành và phát triển của khái niệm Digital Twins, từ những ý tưởng ban đầu trong ngành hàng không vũ trụ (NASA) đến các ứng dụng đa dạng ngày nay. Các cột mốc quan trọng trong quá trình phát triển sẽ được xác định và phân tích, nhấn mạnh vai trò của các tiến bộ công nghệ như IoT, Big Data và AI trong việc thúc đẩy sự phát triển của Digital Twins. Mục tiêu là cung cấp một cái nhìn tổng quan về sự tiến hóa của công nghệ này và dự đoán những xu hướng tiềm năng trong tương lai. 'Cùng với sự phát triển mạnh mẽ của công nghệ kỹ thuật số và thông tin thế hệ mới, khả năng thu thập nhiều dữ liệu hơn và xử lý nó một cách hiệu quả đã cung cấp một nền tảng vững chắc cho sự phát triển của Digital Twins.'

1.2. Phân Loại Các Công Nghệ Liên Quan Digital Twins

Ngoài lịch sử, việc phân loại Digital Twins dựa trên mức độ tích hợp (ví dụ: Digital Twin Prototype, Digital Twin Instance, Digital Twin Aggregate) sẽ giúp hiểu rõ hơn về các loại Digital Twins khác nhau và ứng dụng phù hợp của chúng. Phần này cũng sẽ xác định và mô tả các công nghệ quan trọng hỗ trợ việc xây dựng và vận hành Digital Twins, bao gồm CAD/CAM, PLM, IoT, và các nền tảng phân tích dữ liệu. Nghiên cứu sẽ xem xét sâu hơn về các nền tảng kết nối trong kiến trúc Digital Twin và các giao thức hỗ trợ như MQTT, OPC-UA cho phép giao tiếp và trao đổi dữ liệu liền mạch giữa các thành phần khác nhau. Từ đó, việc xây dựng Digital Twins hiệu quả hơn và phù hợp với từng nhu cầu cụ thể sẽ khả thi hơn.

II. Thách Thức Cơ Hội Nghiên Cứu Phát Triển Digital Twins

Mặc dù Digital Twins mang lại nhiều lợi ích, nhưng việc triển khai chúng trong thực tế cũng đặt ra không ít thách thức. Phần này sẽ tập trung vào việc xác định và phân tích các thách thức chính, bao gồm chi phí triển khai ban đầu cao, yêu cầu về chuyên môn kỹ thuật, bảo mật dữ liệu và khả năng mở rộng. Đồng thời, nó cũng sẽ khám phá các cơ hội tiềm năng để vượt qua những thách thức này, chẳng hạn như sử dụng các giải pháp dựa trên đám mây, phát triển các tiêu chuẩn mở và tăng cường hợp tác giữa các nhà nghiên cứu và doanh nghiệp. 'Nghiên cứu về xây dựng Digital Twins cho robot là một lĩnh vực tương đối mới, đáp ứng nhu cầu công nghiệp thực tế và hứa hẹn triển vọng phát triển mạnh mẽ trong những năm tới, cả trong và ngoài nước'.

2.1. Vấn Đề Về Tính Chính Xác Độ Tin Cậy Của Dữ Liệu

Một trong những thách thức lớn nhất khi xây dựng Digital Twins là đảm bảo tính chính xác và độ tin cậy của dữ liệu. Dữ liệu đầu vào từ các cảm biến và hệ thống khác phải được thu thập, xử lý và tích hợp một cách chính xác để Digital Twin có thể phản ánh chân thực trạng thái của thực thể vật lý. Sai sót trong dữ liệu có thể dẫn đến các quyết định sai lầm và hiệu suất kém. Do đó, việc phát triển các phương pháp và công cụ để đảm bảo chất lượng dữ liệu là rất quan trọng. Điều này bao gồm cả việc sử dụng các kỹ thuật lọc nhiễu, kiểm tra tính hợp lệ của dữ liệu và xây dựng các mô hình hiệu chuẩn.

2.2. Bài Toán Tích Hợp Khả Năng Tương Thích Hệ Thống

Việc tích hợp Digital Twins với các hệ thống hiện có (ví dụ: ERP, PLM, SCADA) có thể là một nhiệm vụ phức tạp. Các hệ thống này thường sử dụng các giao thức và định dạng dữ liệu khác nhau, gây khó khăn cho việc trao đổi thông tin liền mạch. Do đó, cần phải phát triển các giao diện và tiêu chuẩn mở để tạo điều kiện thuận lợi cho việc tích hợp. Hơn nữa, cần phải đảm bảo rằng Digital Twins có thể tương thích với các nền tảng phần cứng và phần mềm khác nhau để đảm bảo tính linh hoạt và khả năng mở rộng. Việc lựa chọn các công nghệ phù hợp và tuân thủ các tiêu chuẩn chung là chìa khóa để giải quyết bài toán tích hợp này.

III. Xây Dựng Digital Twins Cho Robot UR3 Phương Pháp Tiếp Cận

Chương này tập trung vào việc trình bày chi tiết quá trình xây dựng Digital Twin cho robot công nghiệp UR3, sử dụng trong hệ thống lắp ráp bóng đèn. Quá trình này bao gồm việc xây dựng mô hình hình học của robot, mô phỏng động học và động lực học, và thiết lập kết nối giữa robot vật lý và Digital Twin. Các công cụ và phần mềm được sử dụng trong quá trình này cũng sẽ được mô tả, cùng với các phương pháp để đảm bảo tính chính xác và độ tin cậy của Digital Twin. 'Thí nghiệm được thực hiện trên robot UR3 trong hệ thống lắp ráp bóng đèn. Digital Twin của robot UR3, sau khi được tạo ra, tiếp tục được áp dụng trong các tác vụ như tìm đường và tối ưu hóa sự cộng tác giữa người và robot'.

3.1. Tính Toán Động Học Thuận Nghịch Robot UR3

Việc tính toán động học thuận và nghịch của robot UR3 là một bước quan trọng để xây dựng Digital Twin. Động học thuận liên quan đến việc xác định vị trí và hướng của công cụ (end-effector) dựa trên các góc khớp của robot. Động học nghịch liên quan đến việc tính toán các góc khớp cần thiết để đạt được một vị trí và hướng cụ thể của công cụ. Các phương trình động học sẽ được trình bày chi tiết, cùng với các phương pháp giải chúng. Việc hiểu rõ về động học của robot là rất quan trọng để đảm bảo rằng Digital Twin có thể mô phỏng chính xác chuyển động của robot.

3.2. Mô Hình Hóa 3D Kết Nối Dữ Liệu Thời Gian Thực UR3

Sau khi hoàn thành tính toán động học, bước tiếp theo là tạo ra một mô hình 3D chính xác của robot UR3. Mô hình này có thể được tạo ra bằng cách sử dụng phần mềm CAD và sau đó được nhập vào một nền tảng mô phỏng. Tiếp theo, cần thiết lập kết nối dữ liệu thời gian thực giữa robot vật lý và Digital Twin. Điều này có thể được thực hiện bằng cách sử dụng các cảm biến để thu thập dữ liệu về trạng thái của robot (ví dụ: góc khớp, vận tốc) và truyền dữ liệu này đến Digital Twin. Digital Twin sau đó có thể sử dụng dữ liệu này để cập nhật mô hình của nó và phản ánh trạng thái hiện tại của robot.

IV. Ứng Dụng Digital Twins Tối Ưu Đường Đi Robot Công Nghiệp

Phần này sẽ khám phá các ứng dụng tiềm năng của Digital Twin trong việc tối ưu hóa đường đi cho robot công nghiệp. Việc lập kế hoạch đường đi hiệu quả là rất quan trọng để giảm thiểu thời gian và chi phí sản xuất. Digital Twins có thể được sử dụng để mô phỏng và đánh giá các đường đi khác nhau, và để xác định đường đi tối ưu dựa trên các tiêu chí như thời gian, khoảng cách và năng lượng tiêu thụ. Các thuật toán tối ưu hóa như A algorithm* có thể được tích hợp với Digital Twins để tự động tạo ra các đường đi tối ưu. 'Trong nghiên cứu này, sự kết hợp giữa thuật toán A* cải tiến và công nghệ Digital Twin đã được sử dụng để lập kế hoạch đường đi của robot trong hệ thống lắp ráp bóng đèn'.

4.1. Kết Hợp Thuật Toán A Digital Twins Tìm Đường Đi

Thuật toán A* là một thuật toán tìm kiếm đường đi phổ biến, được sử dụng rộng rãi trong robotics. Khi kết hợp với Digital Twins, thuật toán A* có thể tận dụng mô hình chính xác của môi trường và robot để tìm ra đường đi tối ưu. Digital Twin có thể cung cấp thông tin về các chướng ngại vật, giới hạn không gian và các ràng buộc khác, giúp thuật toán A* tránh được các va chạm và tìm ra đường đi ngắn nhất. Quá trình này có thể được thực hiện một cách tự động, giảm thiểu sự can thiệp của con người.

4.2. Kiểm Thử Đánh Giá Hiệu Quả Với Các Chướng Ngại Vật

Để đánh giá hiệu quả của việc sử dụng Digital Twins và thuật toán A* trong việc tìm đường đi, các thử nghiệm sẽ được thực hiện trong môi trường mô phỏng. Các thử nghiệm này sẽ bao gồm việc thêm các chướng ngại vật khác nhau vào môi trường và đánh giá khả năng của thuật toán A* trong việc tìm ra đường đi tối ưu xung quanh các chướng ngại vật này. Các kết quả thử nghiệm sẽ được phân tích để xác định ưu điểm và nhược điểm của phương pháp này, và để đề xuất các cải tiến tiềm năng. 'Hơn nữa, tác động của kích thước chướng ngại vật được đánh giá về hiệu quả của một trong hai phương pháp để tăng cường lập kế hoạch đường đi cho robot khi được áp dụng cho một hệ thống thực tế với các chướng ngại vật có kích thước khác nhau'.

V. Digital Twins Hợp Tác Người Robot Tối Ưu Hiệu Suất

Ngoài việc tối ưu hóa đường đi, Digital Twins còn có thể được sử dụng để cải thiện sự hợp tác giữa người và robot trong môi trường sản xuất. Digital Twins có thể cung cấp một cái nhìn trực quan về trạng thái của robot và môi trường xung quanh, giúp người vận hành đưa ra các quyết định thông minh hơn. Hơn nữa, Digital Twins có thể được sử dụng để mô phỏng các kịch bản khác nhau và dự đoán tác động của các hành động của con người đối với hiệu suất của robot. 'Hơn nữa, Digital Twins được áp dụng để tối ưu hóa sự cộng tác giữa người và robot trong dây chuyền sản xuất lắp ráp bóng đèn'.

5.1. Ứng Dụng Thuật Toán Di Truyền Tối Ưu Hóa Hợp Tác

Trong môi trường hợp tác người-robot, việc tối ưu hóa sự phối hợp giữa hai bên là rất quan trọng để đạt được hiệu suất cao nhất. Thuật toán di truyền (Genetic Algorithm) có thể được sử dụng để tìm ra các lịch trình làm việc tối ưu cho cả người và robot, giảm thiểu thời gian chờ đợi và tối đa hóa hiệu quả sử dụng tài nguyên. Digital Twin có thể cung cấp dữ liệu cần thiết cho thuật toán di truyền, chẳng hạn như vị trí của người và robot, các ràng buộc về an toàn và các mục tiêu hiệu suất.

5.2. Phân Tích Đánh Giá Kết Quả Mô Phỏng Thực Tế

Sau khi có được các lịch trình làm việc tối ưu từ thuật toán di truyền, các mô phỏng sẽ được thực hiện để đánh giá hiệu quả của các lịch trình này trong môi trường thực tế. Các mô phỏng này sẽ xem xét các yếu tố như độ trễ của hệ thống, lỗi cảm biến và sự biến động trong nhu cầu sản xuất. Kết quả mô phỏng sẽ được phân tích để xác định các lĩnh vực cần cải thiện và để tinh chỉnh các lịch trình làm việc. 'Các kết quả cho thấy sự giảm số lượng chuyển động của con người để cung cấp vật liệu đầu vào cho hệ thống, đảm bảo rằng robot có thể hoạt động liên tục mà không bị gián đoạn do thiếu vật liệu như nắp đèn và ổ cắm bóng đèn ở đầu vào của dây chuyền lắp ráp.'

VI. Triển Vọng Tương Lai Hướng Nghiên Cứu Phát Triển Digital Twins

Phần cuối cùng của bài viết sẽ thảo luận về các triển vọng tương lai và các hướng nghiên cứu tiềm năng trong lĩnh vực Digital Twins cho robot công nghiệp. Các lĩnh vực quan trọng cần nghiên cứu thêm bao gồm phát triển các mô hình Digital Twins phức tạp hơn, cải thiện khả năng tương tác giữa Digital Twins và thế giới thực, và khám phá các ứng dụng mới của Digital Twins trong các lĩnh vực như bảo trì dự đoán và đào tạo robot. Sự phát triển của các tiêu chuẩn mở và sự hợp tác giữa các nhà nghiên cứu và doanh nghiệp sẽ đóng một vai trò quan trọng trong việc thúc đẩy sự phát triển của lĩnh vực này. 'Trong nghiên cứu này, một sự kết hợp giữa thuật toán A* cải tiến và công nghệ Digital Twin đã được sử dụng để lập kế hoạch đường đi của robot trong hệ thống lắp ráp bóng đèn'.

6.1. Tích Hợp AI Machine Learning Nâng Cao Digital Twins

Việc tích hợp AI và Machine Learning vào Digital Twins có thể mang lại những cải tiến đáng kể. AI có thể được sử dụng để tự động hóa các tác vụ như phân tích dữ liệu, dự đoán lỗi và tối ưu hóa hiệu suất. Machine Learning có thể được sử dụng để học hỏi từ dữ liệu và cải thiện độ chính xác của các mô hình Digital Twins. Sự kết hợp giữa AI, Machine Learning và Digital Twins có thể mở ra những khả năng mới trong việc điều khiển và vận hành robot công nghiệp.

6.2. Phát Triển Nền Tảng Cloud Khả Năng Mở Rộng Linh Hoạt

Việc triển khai Digital Twins trên nền tảng đám mây (Cloud) có thể mang lại nhiều lợi ích, bao gồm khả năng mở rộng, khả năng truy cập và chi phí thấp hơn. Nền tảng Cloud cho phép các doanh nghiệp lưu trữ và xử lý lượng lớn dữ liệu cần thiết để xây dựng và vận hành Digital Twins. Hơn nữa, nền tảng Cloud cung cấp các công cụ và dịch vụ cần thiết để phát triển và triển khai các ứng dụng Digital Twins một cách nhanh chóng và dễ dàng. Khả năng mở rộng linh hoạt của nền tảng Cloud cũng cho phép các doanh nghiệp điều chỉnh quy mô của Digital Twins theo nhu cầu của họ.

Nội dung chính

Tổng quan luận án

Tính cấp thiết và khoảng trống nghiên cứu

Trong quá trình phát triển của các hệ thống sản xuất tự động hóa, mô phỏng truyền thống đóng vai trò quan trọng trong việc hỗ trợ con người hiểu rõ hệ thống, điều chỉnh thông số thiết bị và thử nghiệm tối ưu hóa trong giai đoạn lập kế hoạch ban đầu. Tuy nhiên, các kỹ thuật mô phỏng thông thường phần lớn bị giới hạn ở các mô hình tĩnh và luồng trao đổi thông tin một chiều từ đối tượng vật lý sang thực thể số. Sự xuất hiện của công nghệ bản sao số (Digital Twin - DT) cho phép tạo ra một bản sao kỹ thuật số phản ánh trung thực thiết bị vật lý và thiết lập kênh trao đổi dữ liệu hai chiều theo thời gian thực.

Trong bối cảnh công nghệ thông tin thế hệ mới, dữ liệu lớn và điện toán đám mây phát triển, bản sao số trở thành đơn vị cơ bản cấu thành nên nhà máy số (Digital Factory). Nghiên cứu phát triển bản sao số cho robot công nghiệp là lĩnh vực đáp ứng trực tiếp nhu cầu công nghiệp. Hai bài toán cốt lõi thu hút sự quan tâm là: quy hoạch đường đi (path planning) cho robot nhằm giảm thời gian và chi phí vận hành, và tối ưu hóa sự phối hợp giữa người và robot (Human-Robot Collaboration - HRC) trong không gian làm việc chung nhằm kết hợp tốc độ, độ chính xác của robot với sự khéo léo, linh hoạt của con người. Xuất phát từ bối cảnh đó, nghiên cứu sinh Đoàn Thanh Xuân đã thực hiện đề tài "Nghiên cứu phát triển ứng dụng Digital Twins cho robot công nghiệp" (Research on Developing Digital Twins-Based Application for Industrial Robots).

Mục tiêu và nhiệm vụ nghiên cứu

Mục tiêu tổng quát của luận án là từng bước làm chủ việc xây dựng mô hình robot công nghiệp, phát triển phần mềm cho phép ứng dụng bản sao số trong việc tối ưu hóa quỹ đạo chuyển động của robot và điều phối các hoạt động phối hợp giữa người và robot.

Các mục tiêu cụ thể được xác định trong văn bản gồm:

1. Phát triển ứng dụng dựa trên công nghệ bản sao số cho robot công nghiệp.
2. Đề xuất các giải pháp cải tiến đối với các ứng dụng dựa trên bản sao số cho robot công nghiệp, cụ thể giải quyết bài toán tìm đường và bài toán phối hợp hoạt động giữa người và robot.

Đối tượng và phạm vi nghiên cứu

• Đối tượng nghiên cứu: Công nghệ bản sao số (Digital Twin), robot công nghiệp, các phương pháp phát triển ứng dụng bản sao số cho robot công nghiệp, các thuật toán tìm đường cho robot và các phương pháp điều phối cộng tác người - robot.
• Phạm vi nghiên cứu: Luận án tập trung phát triển mô hình bản sao số và các ứng dụng liên quan cho cánh tay robot công nghiệp UR3 trong hệ thống lắp ráp bóng đèn thu nhỏ, đặt tại Phòng thí nghiệm Nhà máy số thông minh (Laboratory of Smart Digital Factory), Viện Cơ khí, Trường Đại học Bách khoa Hà Nội.
• Thời gian hoàn thành: Luận án tiến sĩ chuyên ngành Kỹ thuật Cơ khí (Mã số: 9520103) được hoàn thành vào tháng 1 năm 2024 dưới sự hướng dẫn khoa học của GS. Vũ Toàn Thắng và PGS. Nguyễn Thanh Hùng.

---

Tổng quan tài liệu và vị trí của luận án

Lịch sử phát triển và chuẩn hóa công nghệ bản sao số

Khái niệm "Twin" (song sinh) xuất hiện lần đầu trong chương trình không gian Apollo của NASA khi hai tàu vũ trụ giống hệt nhau được chế tạo để phương tiện trên Trái Đất có thể phản ánh, mô phỏng và dự đoán điều kiện của phương tiện ngoài không gian [1]. Thuật ngữ "Digital Twin" lần đầu xuất hiện trong nghiên cứu của L. Hernández và S. để điều chỉnh mạng lưới đường bộ, sau đó được Michael Grieves giới thiệu rộng rãi tại Đại học Michigan vào năm 2003 dưới tên gọi "bản sao kỹ thuật số tương đương với sản phẩm vật lý" và hệ thống hóa chi tiết trong tài liệu năm 2014 [3]. Khái niệm tương đồng "Product Avatar" được Hribernik và cộng sự đề xuất năm 2006 nhằm xây dựng kiến trúc quản lý thông tin hai chiều lấy sản phẩm làm trung tâm [4-7], nhưng từ sau năm 2015 khái niệm này dần được thay thế hoàn toàn bởi "Digital Twin". NASA đưa ra định nghĩa ban đầu chi tiết cho Digital Twin vào năm 2010 trong ngành hàng không vũ trụ [8]. Hãng Gartner đã xếp Digital Twin vào danh sách 10 xu hướng công nghệ chiến lược hàng đầu liên tiếp trong các năm 2017 (vị trí thứ 5), 2018 và 2019 (vị trí thứ 4) [9-11].

Về mặt tiêu chuẩn hóa, ngày 27/07/2020, tổ chức ISO đã công bố bộ tiêu chuẩn ISO 23247 thiết lập khung kiến trúc cho bản sao số phục vụ sản xuất. Khung tiêu chuẩn này phân chia hệ thống bản sao số thành 4 tầng:

• Tầng 1 (Observable manufacturing elements): Các phần tử sản xuất quan sát được trong nhà máy, nơi trang bị các cảm biến để thu thập tín hiệu trạng thái.
• Tầng 2 (Device interface entity): Thực thể giao tiếp thiết bị, thu thập dữ liệu cảm biến và ghi nhận các thay đổi trạng thái vào cơ sở dữ liệu.
• Tầng 3 (Digital entity): Thực thể số, hạt nhân trung tâm của khung kiến trúc, đọc dữ liệu từ Tầng 2 để xây dựng và cập nhật mô hình kỹ thuật số.
• Tầng 4 (User entity): Thực thể người dùng, bao gồm các ứng dụng khai thác thông tin từ bản sao số để tối ưu hóa sản xuất.

Về phân loại theo mức độ tích hợp dữ liệu, Kritzinger và cộng sự [47] phân chia thành 3 cấp độ:

• Mô hình số (Digital Model): Luồng dữ liệu giữa thực thể vật lý và thực thể số được trao đổi thủ công ở cả hai chiều.
• Bóng số (Digital Shadow): Dữ liệu truyền tự động một chiều từ thực thể vật lý sang mô hình số; chiều ngược lại thực hiện thủ công.
• Bản sao số (Digital Twin): Dữ liệu được truyền tự động và đồng bộ hai chiều theo thời gian thực giữa thực thể vật lý và thực thể số.

Nhóm công nghệ	Công nghệ thành phần	Công cụ và phần mềm điển hình
Mô hình hóa (Model)	Agent-based simulation, Discrete event simulation, System dynamics, Mạng Petri (Petri-Nets), CAD	Anylogic, Simio, Arena, AutoMod, Enterprise Dynamics, FlexSim, SolidWorks, AutoCAD, FreeCAD, IronCAD
Thu nhận dữ liệu (Data acquisition)	Cảm biến thông minh (Smart sensors), Giao thức truyền thông	OPC-UA, MQTT, TCP/IP, Modbus, Arduino, Eclipse IoT, Node-RED, Kinoma, ModbusExaminer, IEC server
Phân tích dữ liệu (Data analytics)	Trí tuệ nhân tạo (AI), Học máy (ML), Học sâu (DL)	Support Vector Machine (SVM), K-nearest neighbours (KNN), CNN, RNN, TensorFlow, Keras
Xử lý dữ liệu (Data processing)	Điện toán đám mây (Cloud), Điện toán biên (Edge), Điện toán sương mù (Fog)	Cloud Dataflow, Predix Edge

Tình hình nghiên cứu quốc tế và trong nước

Nghiên cứu quốc tế

• Ali Ahmad Malik và Arne Bilberg (2018, Đại học Nam Đan Mạch): Phát triển khung Digital Twin hỗ trợ thiết kế, xây dựng và kiểm soát không gian làm việc phối hợp người - máy trong các tác vụ lắp ráp [53].
• Heikki Laak, Yoan Miche và Kari Tammi (2019, Đại học Aalto và Nokia Bell Labs): Xây dựng mô hình bản sao số cho robot UR3 điều khiển từ xa thời gian thực qua mạng di động 4G phục vụ ứng dụng phẫu thuật y tế từ xa [54].
• Liang và cộng sự (2020, Đại học Michigan): Thiết lập cầu nối truyền thông hai chiều MQTT Bridge để đồng bộ góc khớp giữa mô phỏng Digital Twin (sử dụng ROS Gazebo, rviz, MATLAB, MoveIt!) và robot KUKA KR120 thực tế, kết hợp thuật toán kiểm tra tư thế (Pose Checking Algorithm - PCA) [55].
• Tang XiangRong, Zhu Yukun và Jiang XinXin (2021, Đại học Diên Biên): Cải tiến thuật toán A* trong môi trường tĩnh bằng cách tích hợp tìm kiếm hai chiều, đường dẫn hướng và danh sách điểm then chốt, giúp giảm hơn 60% dung lượng bộ nhớ trên MATLAB [56].
• Stepan Bratchikov và cộng sự (2021, Đại học ITMO): Xây dựng bản sao số cho cánh tay robot dựa trên mô hình hóa động lực học trong Matlab/Simulink/SimMechanics và phân tích chuyển động bằng Quaternion [57].
• Gaurav Garg và cộng sự (2021, Đại học Tartu và Đại học Công nghệ Tallinn): Xây dựng bản sao số cho robot FANUC trên nền tảng Unity kết hợp VR/AR, đạt độ trễ khoảng 40 ms, sai số góc khớp mô phỏng từ -0,28° và góc khớp thực từ -0,3° [58].
• Milan Groshev và cộng sự (2021, Đại học Carlos III de Madrid): Nghiên cứu tích hợp AI/ML với Digital Twin, kết hợp mạng 5G, WiFi 6E, điện toán biên để dự đoán chuyển động cánh tay robot [59].
• Sung Ho Choi và cộng sự (2022, Đại học Quốc gia Chonnam và Đại học Illinois tại Chicago): Phát triển hệ thống thực tế hỗn hợp (MR) kết hợp học sâu và bản sao số, sử dụng 2 cảm biến RGB-D để đo khoảng cách an toàn thời gian thực dựa trên mô hình khung xương người và robot [60].
• Chengxi Li, Pai Zheng và cộng sự (2022, Đại học Bách khoa Hồng Kông): Thiết lập hệ thống sản xuất cộng tác nhiều robot hỗ trợ AR và bản sao số, tích hợp các chế độ Cyber2Physical, Physical2Cyber và thuật toán học tăng cường (Reinforcement Learning) [61].
• Xiaowei Guo (2022, Đại học Nam California): Ứng dụng thuật toán Q-learning cải tiến kết hợp lập luận dựa trên tình huống (Case-Based Reasoning - CBR) để quy hoạch đường đi 3D cho robot 6 bậc tự do UR10 trong hệ thống lắp ráp bản sao số [62].

Nghiên cứu trong nước và vị trí của luận án

Tại Việt Nam, công nghệ bản sao số bước đầu được triển khai trong lĩnh vực giám sát công trình giao thông trọng điểm thông qua dự án hợp tác giữa Đại học Giao thông Vận tải và Đại học Middlesex London (quỹ Newton Fund) trên các cây cầu như Thăng Long, Nhật Tân, Cần Thơ, Mỹ Thuận, Chương Dương, Nam Ô. Tuy nhiên, trong lĩnh vực robot công nghiệp và tự động hóa nhà máy, chưa có công trình nào trong nước công bố về việc xây dựng bản sao số kết nối hai chiều.

Khoảng trống mà luận án lựa chọn giải quyết là: Xây dựng bản sao số hoàn chỉnh cho robot công nghiệp UR3 trong hệ thống lắp ráp thực nghiệm; kết hợp bản sao số với thuật toán A* cải tiến trong bài toán tìm đường tránh vật cản có chiều cao đồng nhất và chiều cao thay đổi; tích hợp bản sao số với thuật toán di truyền (GA) nhằm tối ưu hóa lịch trình cấp phôi của công nhân, giảm thiểu các chuyển động thừa và duy trì sự vận hành liên tục của dây chuyền lắp ráp.

---

Cơ sở lý thuyết và phương pháp nghiên cứu

Cơ sở lý thuyết và khung phân tích

• Lý thuyết động học robot: Áp dụng phương pháp Denavit-Hartenberg (D-H) để thiết lập hệ tọa độ và xác định bảng thông số động học cho robot 6 bậc tự do UR3. Sử dụng ma trận biến đổi thuần nhất $4 \times 4$ để giải bài toán động học thuận và tìm nghiệm giải tích (Analytical method) cho bài toán động học ngược nhằm bảo đảm tốc độ tính toán phục vụ điều khiển thời gian thực.
• Lý thuyết quy hoạch đường đi: Sử dụng thuật toán A* và phát triển thuật toán A* cải tiến nhằm tối ưu hóa đường đi của điểm trung tâm dụng cụ (Tool Center Point - TCP) của tay gắp trong không gian có vật cản.
• Lý thuyết tối ưu hóa phối hợp người - robot: Sử dụng thuật toán di truyền thích nghi (Multi-Adaptive Genetic Algorithm - MGA) với kỹ thuật mã hóa nhiễm sắc thể, toán tử chọn lọc vòng quay Roulette (Roulette wheel selection), toán tử lai ghép (Crossover) và hàm mục tiêu đánh giá các chỉ số di chuyển ($E_b, E_s, M$), mức độ tiêu hao năng lượng và entropy qua các thế hệ.

Phương pháp nghiên cứu

Luận án kết hợp chặt chẽ giữa nghiên cứu lý thuyết và thực nghiệm:

• Phương pháp lý thuyết: Thiết lập mô hình toán học giải tích động học thuận, động học ngược, tính toán ma trận Jacobian cho vận tốc góc và gia tốc góc của các khớp robot UR3. Xây dựng thuật toán tìm đường A* cải tiến và thuật toán di truyền điều phối hoạt động.
• Phương pháp thực nghiệm: Lắp đặt và vận hành hệ thống lắp ráp bóng đèn vật lý có robot UR3 tại phòng thí nghiệm Smart Digital Factory. Xây dựng mô hình hình học 3D trong phần mềm mô phỏng công nghiệp Siemens Tecnomatix Process Simulate. Lập trình giải thuật trên ngôn ngữ Python, kết nối trao đổi dữ liệu hai chiều thời gian thực giữa môi trường ảo và hệ thống điều khiển robot thực tế.

---

Nội dung chính theo từng chương

Chương 1: Tổng quan về Digital Twins và các ứng dụng (Overview of Digital Twins and Their Applications)

Chương 1 hệ thống hóa lịch sử phát triển của bản sao số từ chương trình Apollo của NASA, các cột mốc nghiên cứu của Michael Grieves (2003, 2014), Hribernik (2006), các báo cáo công nghệ của Gartner và bộ tiêu chuẩn ISO 23247 (2020) với cấu trúc 4 tầng. Chương này phân loại bản sao số theo 3 cấp độ tích hợp của Kritzinger (Digital Model, Digital Shadow, Digital Twin) và tổng hợp 21 định nghĩa tiêu biểu giai đoạn từ năm 2019 trở về trước (Bảng 1.1).

Chương 1 phân tích các công nghệ nền tảng (Bảng 1.2) và khả năng ứng dụng bản sao số xuyên suốt 4 giai đoạn vòng đời sản phẩm: Thiết kế (Design), Sản xuất (Manufacturing), Dịch vụ (Service) và Ngừng hoạt động (Retirement). Ngoài ra, chương tổng quan chi tiết các công trình nghiên cứu quốc tế và trong nước về bản sao số ứng dụng trong quy hoạch đường đi robot và phối hợp người - robot, làm cơ sở xác lập nhiệm vụ nghiên cứu cho các chương tiếp theo.

Chương 2: Xây dựng Digital Twin cho robot công nghiệp trong hệ thống lắp ráp bóng đèn (Developing a Digital Twin for the Industrial Robot in the Lightbulb Assembly System)

Chương 2 trình bày quy trình thiết lập hệ thống lắp ráp bóng đèn thực tế sử dụng robot UR3 gồm các khâu: cấp đui đèn (socket supply) lên pallet, cấp bóng đèn (cap supply) trên băng chuyền, ép gắn nắp đui bằng khí nén (vent compressed air), kiểm tra lỗi qua cảm biến và hồi chuyển/lưu kho sản phẩm (product return cycle). Quy trình vận hành được cụ thể hóa bằng các lưu đồ thuật toán điều khiển (Hình 2.2, 2.3, 2.4).

Về mặt động học, robot UR3 có cấu trúc 6 bậc tự do với 3 khớp quay đầu đảm nhiệm việc định vị và 3 khớp cầu định hướng khâu tác động cuối. Tác giả xây dựng mô hình chuyển động và thiết lập bảng thông số Denavit-Hartenberg (Bảng 2.1):

Khớp ($i$)	$\theta_i$ (rad)	$a_i$ (mm)	$d_i$ (mm)	$\alpha_i$ (rad)
1	$\theta_1$	0	151,9	$\pi/2$
2	$\theta_2$	-243,65	0	0
3	$\theta_3$	-213,25	0	0
4	$\theta_4$	0	112,35	$\pi/2$
5	$\theta_5$	0	85,35	$-\pi/2$
6	$\theta_6$	0	81,85	0

Từ bảng thông số D-H, ma trận biến đổi tổng quát $^{0}A_6 = \prod_{i=1}^{6} A_i$ được tính toán cùng các ma trận định hướng cosine $R_i$. Vector vận tốc góc của các khớp chiếu lên hệ tọa độ khớp ($\omega_i^{(i)}$) và hệ tọa độ cố định ($\omega_i^{(0)}$) được thiết lập đầy đủ từ khớp 1 đến khớp 6, làm cơ sở tính ma trận Jacobian gia tốc góc:

$$\omega_1^{(0)} = [0 \quad 0 \quad \dot{q}_1]^T$$ $$\omega_2^{(0)} = [s_1 \dot{q}_2 \quad -c_1 \dot{q}_2 \quad \dot{q}_1]^T$$ $$\omega_3^{(0)} = [s_1 (\dot{q}_2 + \dot{q}_3) \quad -c_1 (\dot{q}_2 + \dot{q}_3) \quad \dot{q}_1]^T$$ $$\omega_4^{(0)} = [s_1 (\dot{q}_2 + \dot{q}_3 + \dot{q}_4) \quad -c_1 (\dot{q}_2 + \dot{q}_3 + \dot{q}_4) \quad \dot{q}_1]^T$$ $$\omega_5^{(0)} = \begin{bmatrix} s_1 (\dot{q}_2 + \dot{q}_3 + \dot{q}4) - c_1 s{234} \dot{q}_5 \ -c_1 (\dot{q}_2 + \dot{q}_3 + \dot{q}4) + s{234} s_1 \dot{q}5 \ s{234} s_5 \dot{q}_1 + c_5 (\dot{q}_2 + \dot{q}_3 + \dot{q}_4) \end{bmatrix}$$ $$\omega_6^{(0)} = \begin{bmatrix} s_1 (\dot{q}_2 + \dot{q}_3 + \dot{q}4) - c_1 s{234} \dot{q}5 + (c_1 c{234} s_5 + c_5 s_1)\dot{q}_6 \ -c_1 (\dot{q}_2 + \dot{q}_3 + \dot{q}4) - s_1 s{234} \dot{q}5 + (s_1 c{234} s_5 - c_5 c_1)\dot{q}_6 \ \dot{q}1 + c{234} \dot{q}5 + s{234} s_5 \dot{q}_6 \end{bmatrix}$$

Đối với bài toán động học ngược, tác giả giải bằng phương pháp giải tích dựa trên đặc tính các trục khớp 2, 3, 4 song song. Từ các phương trình ma trận $F_1 = 0, F_2 = 0, F_3 = 0$, hệ phương trình độc lập được thiết lập và tính toán tuần tự:

• Biến khớp $q_1$: có 2 nghiệm thỏa mãn điều kiện $|(d_3 - d_2 - d_4)/r| \le 1$.
• Biến khớp $q_5$: ứng với mỗi $q_1$ có 2 nghiệm $\Rightarrow$ tổng cộng 4 nghiệm.
• Biến khớp $q_6$: ứng với mỗi cặp $(q_1, q_5)$ có 2 nghiệm $\Rightarrow$ tổng cộng 8 nghiệm.
• Cụm biến khớp $q_{234}$: ứng với mỗi $q_1$ có 1 giá trị xác định qua hàm $a\tan2$.
• Biến khớp $q_3$: ứng với mỗi bộ $(q_1, q_{234}, q_5)$ có 2 nghiệm $\Rightarrow$ tổng cộng 8 nghiệm.
• Biến khớp $q_2$: tính qua các hệ số định thức $\Delta, \Delta_{s2}, \Delta_{c2}$ ứng với mỗi bộ $(D_1, D_2, q_3) \Rightarrow$ tổng cộng 8 nghiệm giải tích (Bảng 2.2).

Mô hình 3D của robot UR3 và dây chuyền lắp ráp được số hóa chính xác trong phần mềm Siemens Tecnomatix Process Simulate, thiết lập kết nối trao đổi dữ liệu thời gian thực giữa robot ảo và bộ điều khiển robot thực.

Chương 3: Ứng dụng Digital Twins trong bài toán tìm đường cho robot (Application of Digital Twins in Path Finding for Robots)

Chương 3 tập trung giải quyết bài toán quy hoạch quỹ đạo cho khâu tác động cuối của robot UR3. Tác giả phân tích chuyển động có và không có điểm trung tâm dụng cụ (Tool Center Point - TCP) của tay gắp, so sánh hệ tọa độ cơ sở (Base coordinate system) và hệ tọa độ gắn trên công cụ.

Thuật toán A* truyền thống và thuật toán A* cải tiến được xây dựng và lập trình trên nền tảng Python, kết hợp chức năng phát hiện va chạm tự động (Collision detection) trong Tecnomatix Process Simulate. Quá trình thử nghiệm và so sánh được tiến hành qua các kịch bản:

• Giai đoạn chuyển động khi không có vật cản lớn: Xác định tọa độ các điểm mốc và đo đạc thời gian di chuyển trước và sau khi áp dụng thuật toán A* (Bảng 3.1, 3.2).
• Giai đoạn bổ sung các vật cản có chiều cao đồng nhất: Thử nghiệm với các vật cản cao 30 mm và 50 mm (Hình 3.18, 3.19).
• Giai đoạn bổ sung các cặp vật cản có chiều cao thay đổi: Chiều cao vật cản giảm dần theo từng mức 50 mm. Khảo sát thời gian và tọa độ theo các quỹ đạo chuyển động cụ thể gồm $AA_1F_1F$, $ABCDEF$, $ACDF$, $ACD_1F$, $ACD_2F$ (Bảng 3.3 đến 3.8).

Kết quả cho thấy việc kết hợp giữa mô hình bản sao số trong Tecnomatix và thuật toán A* cải tiến cho phép tự động xác định các điểm chuyển động tối ưu, tránh va chạm chính xác và giảm thiểu thời gian chu kỳ làm việc của robot.

Chương 4: Ứng dụng Digital Twins trong bài toán phối hợp người - robot (Application of Digital Twins in Human-Robot Collaboration)

Chương 4 khảo sát bài toán tối ưu hóa sự phối hợp làm việc giữa công nhân và robot UR3 trong dây chuyền lắp ráp bóng đèn. Hệ thống camera được sử dụng để theo dõi vị trí và hoạt động của công nhân trong không gian làm việc thực tế, đồng bộ dữ liệu vào mô hình bản sao số trong Tecnomatix nhằm phát hiện và ngăn ngừa nguy cơ va chạm.

Để tối ưu hóa quy trình làm việc, thuật toán di truyền thích nghi (GA / MGA) được ứng dụng để lập lịch trình di chuyển cấp phôi (đui đèn và bóng đèn) của công nhân tới băng chuyền đầu vào:

• Mã hóa gen: Thiết lập chuỗi nhiễm sắc thể biểu diễn thứ tự và thời điểm các thao tác cấp vật liệu của công nhân (Bảng 4.1).
• Toán tử di truyền: Khởi tạo quần thể ban đầu, áp dụng phương pháp chọn lọc vòng quay Roulette (Roulette wheel selection) và toán tử lai ghép hai nhiễm sắc thể (Crossover).
• Hàm mục tiêu: Tối thiểu hóa số lần di chuyển lấy vật liệu của công nhân, giảm thiểu mức tiêu hao năng lượng và chuyển động ($E_b, E_s, M$), đồng thời theo dõi sự biến thiên của entropy, chỉ số thích nghi tốt nhất (best_fitness) và chỉ số thích nghi trung bình (mean_fitness) qua các thế hệ (Hình 4.8 đến 4.13).

Kết quả tính toán xác định được quy trình làm việc tối ưu dưới dạng mã hóa gen, giúp giảm số lần di chuyển của công nhân nhưng vẫn đảm bảo nguyên liệu tại các băng chuyền cấp phôi không bị thiếu hụt, duy trì trạng thái vận hành liên tục cho robot UR3.

---

Kết quả và những đóng góp mới

Các kết quả và đóng góp mới của luận án được tổng hợp cụ thể như sau:

1. Xây dựng thành công ứng dụng Digital Twin cho robot UR3 trong hệ thống lắp ráp bóng đèn: Thiết lập hoàn chỉnh mô hình số học mô tả chính xác đặc tính hình học, động học và đồng bộ dữ liệu thời gian thực giữa robot thực và robot ảo trong môi trường Tecnomatix Process Simulate.
2. Ứng dụng Digital Twin kết hợp thuật toán A* cải tiến trong bài toán tìm đường: Tiến hành đo đạc, so sánh và đánh giá hiệu quả tìm đường tránh va chạm trong các trường hợp vật cản có chiều cao không đổi và chiều cao biến thiên; đề xuất giải pháp kết hợp thuật toán A* cải tiến với bản sao số phù hợp cho từng điều kiện vật cản cụ thể nhằm rút ngắn thời gian chu kỳ làm việc.
3. Ứng dụng Digital Twin kết hợp thuật toán di truyền (GA) tối ưu hóa phối hợp người - robot: Đề xuất mô hình phối hợp cho phép camera nhận diện vị trí người lao động để bảo đảm an toàn va chạm trong bản sao số, đồng thời sử dụng thuật toán di truyền tối ưu hóa lịch trình cấp phôi. Kết quả làm giảm số lượt di chuyển lấy vật liệu của công nhân, tiết kiệm sức lao động nhưng vẫn đảm bảo robot vận hành liên tục không bị gián đoạn do thiếu nguyên liệu.

---

Hạn chế và hướng nghiên cứu tiếp

Hạn chế

• Các thử nghiệm thực nghiệm của luận án mới tập trung trên một cánh tay robot công nghiệp đơn lẻ (UR3 với tải trọng nhỏ) trong hệ thống lắp ráp bóng đèn quy mô phòng thí nghiệm tại Viện Cơ khí - Trường Đại học Bách khoa Hà Nội.
• Chưa khảo sát trên các dây chuyền sản xuất đa robot hoạt động đồng thời hoặc các môi trường công nghiệp có tải trọng nặng và tính phi tuyến phức tạp hơn.

Hướng nghiên cứu tiếp

Theo nội dung định hướng nghiên cứu tiếp theo (trang 104 của luận án):

• Mở rộng ứng dụng công nghệ bản sao số cho các hệ thống sản xuất phức tạp hơn có sự tham gia của nhiều robot công nghiệp cùng vận hành (Multi-robot systems).
• Tích hợp thêm các thuật toán điều khiển học máy nâng cao, học tăng cường sâu (Deep Reinforcement Learning) và xử lý dữ liệu lớn để nâng cao khả năng tự thích ứng của bản sao số trong môi trường sản xuất biến động động.

---

Giá trị tham khảo

• Đối với nghiên cứu sinh, học viên cao học và sinh viên ngành Kỹ thuật Cơ khí, Cơ điện tử, Tự động hóa: Luận án là tài liệu tham khảo chi tiết về phương pháp phân tích động học thuận/ngược giải tích 8 nghiệm cho robot 6 bậc tự do dòng UR, phương pháp xây dựng mô hình số 3D trên Tecnomatix Process Simulate và kỹ thuật lập trình thuật toán A*, GA bằng Python.
• Đối với các kỹ sư và nhà quản lý sản xuất: Cung cấp phương pháp luận và quy trình thực tiễn để xây dựng bản sao số cho các trạm làm việc tự động hóa, giải pháp tối ưu hóa quỹ đạo chuyển động tránh va chạm và tối ưu hóa công thái học trong tương tác an toàn giữa người và robot.

---

Câu hỏi thường gặp

1. Luận án sử dụng phương pháp nào để giải bài toán động học ngược cho robot UR3 và đưa ra bao nhiêu nghiệm?

Luận án sử dụng phương pháp giải tích (Analytical method) dựa trên cấu hình hình học đặc thù của robot UR3 có các trục khớp 2, 3 và 4 song song với nhau. Phương pháp này thiết lập 6 phương trình độc lập từ các ma trận $F_1, F_2, F_3$ và tính toán tuần tự ra chính xác 8 bộ nghiệm giải tích hoàn chỉnh ($q_1$ đến $q_6$), đảm bảo tốc độ tính toán nhanh phục vụ điều khiển thời gian thực.

2. Khung tiêu chuẩn quốc tế nào được luận án áp dụng cho hệ thống bản sao số trong sản xuất?

Luận án dựa trên tiêu chuẩn ISO 23247 công bố ngày 27/07/2020. Tiêu chuẩn này phân chia hệ thống bản sao số thành 4 tầng chức năng: Tầng 1 (Phần tử sản xuất quan sát được), Tầng 2 (Thực thể giao tiếp thiết bị), Tầng 3 (Thực thể số) và Tầng 4 (Thực thể người dùng).

3. Những công cụ phần mềm và ngôn ngữ lập trình nào được sử dụng trong luận án?

Luận án sử dụng phần mềm Siemens Tecnomatix Process Simulate để xây dựng mô hình số 3D, mô phỏng động học và phát hiện va chạm; ngôn ngữ lập trình Python được sử dụng để cài đặt thuật toán tìm đường A*, thuật toán A* cải tiến và thuật toán di truyền (GA); các giao thức truyền thông như OPC-UA, MQTT, TCP/IP được sử dụng để kết nối dữ liệu giữa thực thể vật lý và thực thể số.

4. Thuật toán di truyền trong Chương 4 giải quyết bài toán gì trong không gian cộng tác người - robot?

Thuật toán di truyền thích nghi (MGA) được sử dụng để tối ưu hóa lịch trình cấp phôi (đui đèn và nắp bóng đèn) của công nhân. Mục tiêu là tối thiểu hóa số lần di chuyển lấy vật liệu và mức tiêu hao năng lượng của người lao động, đồng thời đảm bảo trên các băng chuyền cấp phôi luôn có đủ nguyên liệu để robot UR3 vận hành liên tục mà không bị gián đoạn chu trình lắp ráp.

5. Luận án đã thử nghiệm thuật toán tìm đường A* cải tiến với các dạng vật cản nào?

Luận án đã tiến hành thử nghiệm trong 3 trường hợp: (1) giai đoạn không có vật cản lớn, (2) giai đoạn có các vật cản có chiều cao đồng nhất (30 mm và 50 mm), và (3) giai đoạn có các cặp vật cản với chiều cao thay đổi giảm dần theo từng mức 50 mm theo các quỹ đạo mốc $AA_1F_1F$, $ABCDEF$, $ACDF$, $ACD_1F$, $ACD_2F$.

---

Kết luận

Luận án tiến sĩ của tác giả Đoàn Thanh Xuân đã nghiên cứu và phát triển thành công ứng dụng bản sao số (Digital Twin) cho robot công nghiệp UR3 trong hệ thống lắp ráp bóng đèn tại Đại học Bách khoa Hà Nội. Công trình đã kết hợp giải pháp mô hình hóa động học giải tích với phần mềm mô phỏng công nghiệp Tecnomatix, thuật toán A* cải tiến và thuật toán di truyền để giải quyết hai bài toán cốt lõi là tối ưu hóa quỹ đạo tìm đường và điều phối cộng tác an toàn giữa người và robot. Các kết quả nghiên cứu đã được kiểm chứng thực nghiệm, góp phần làm chủ công nghệ bản sao số trong lĩnh vực cơ khí tự động hóa và nhà máy số tại Việt Nam.