Giới thiệu dự án

Trong kỷ nguyên Công nghiệp 4.0 và sự bùng nổ của thương mại điện tử, ngành logistics toàn cầu đang chứng kiến tốc độ tăng trưởng kép hàng năm (CAGR) đạt trên 15%. Tuy nhiên, các mô hình nhà kho truyền thống sử dụng kệ chứa cố định và xe nâng (Forklift) đang bộc lộ những nhược điểm lớn: chiếm dụng tới 60% diện tích mặt sàn chỉ dành riêng cho lối đi của người và phương tiện, tốc độ lấy hàng thủ công chậm, tỷ lệ sai sót tồn kho từ 1 - 3% và chi phí vận hành ngày càng tăng.

Đối với các doanh nghiệp bán lẻ vừa và nhỏ (SMEs), đặc biệt trong lĩnh vực phân phối dược phẩm và chuỗi nhà thuốc tây, bài toán lưu trữ gặp phải những thách thức đặc thù:

  • Diện tích kho bãi hạn chế, mặt bằng có biên dạng bất đối xứng hoặc góc chết.
  • Chủng loại mặt hàng (SKU) lên tới hàng nghìn đơn vị với kích thước vừa và nhỏ nhưng yêu cầu xuất/nhập nhanh chóng, chính xác tuyệt đối theo hạn sử dụng và số lô.
  • Các hệ thống tự động hóa chuẩn công nghiệp lớn (như pallet ASRS, kệ cao tầng) quá đắt đỏ và cồng kềnh, không thể áp dụng cho quy mô diện tích hẹp.
       Mô hình kho truyền thống                      Hệ thống Cube Storage
+------------------------------------+        +------------------------------------+
| [Kệ]   (Lối đi)   [Kệ]   (Lối đi)  |        | [Robot chạy trên lưới ray mặt trên]|
|  ||      xe nâng   ||      xe nâng |  --->  | [][][][][][][][][][][][][][][][][] |
|  ||       <--->    ||       <--->  |        | [Thùng hàng B12 xếp chồng 3D khối] |
| 60% diện tích sàn lãng phí lối đi  |        | Tận dụng >90% thể tích không gian  |
+------------------------------------+        +------------------------------------+

Đồ án tốt nghiệp "Mô hình nhà kho thông minh cấu hình lưới lập phương" (Cube Storage Automated Storage and Retrieval System - ASRS) của nhóm tác giả Võ Hoàng Thiện, Võ Thành Trí, Đặng Đăng Khôi dưới sự hướng dẫn của TS. Trịnh Đức Cường (Khoa Cơ khí Chế tạo máy – Trường Đại học Sư phạm Kỹ thuật TP.HCM) được xây dựng nhằm giải quyết triệt để các rào cản trên.

Mục tiêu nghiên cứu cụ thể

  1. Thiết kế và chế tạo Robot tự hành vận chuyển hàng hóa: Tích hợp cơ cấu dịch chuyển 2 trục X-Y trực giao trên mặt ray và cơ cấu tời/kẹp thùng hàng chuẩn B12 bên trong khoang thân xe.
  2. Xây dựng khung lưới ray lập phương (Cube Grid Framework): Kết cấu nhôm định hình module hóa, tối ưu hóa khả năng chịu tải và mật độ xếp chồng thùng hàng 3 chiều $(X \times Y \times Z)$.
  3. Phát triển thuật toán điều phối đa tác tử (Multi-Agent Path Finding - MAPF): Ứng dụng giải thuật CBS (Conflict-Based Search) kết hợp tìm kiếm cục bộ $A^*$ nhằm tính toán đường đi tối ưu, không va chạm cho đội ngũ robot.
  4. Hệ thống điều khiển nhúng vòng kín: Điều khiển nối tầng Cascade Control (Vận tốc - Vị trí) kết hợp thuật toán lọc PID số, xử lý tín hiệu phản hồi từ Encoder quang học trên vi điều khiển ARM Cortex-M4.
  5. Phần mềm quản lý và giám sát trực quan: Xây dựng giao diện Desktop App (Python Tkinter/Matplotlib) kết nối thời gian thực với Cloud Database Firebase thông qua giao thức MQTT.

Phạm vi và giới hạn đề tài

  • Tải trọng danh định: Khối lượng robot 35 kg, tải trọng nâng thùng hàng tối đa 3 kg.
  • Không gian thực nghiệm: Mô hình vật lý khung lưới $2 \times 3$ ô, tích hợp 01 robot tự hành hoàn chỉnh; mô phỏng điều phối thuật toán trên quy mô lưới từ $12 \times 12$ (5 robot) đến $25 \times 25$ (20 robot).
  • Phạm vi ứng dụng: Quản lý xuất/nhập thuốc và dược phẩm kích thước nhỏ gọn tại các nhà thuốc bệnh viện, trung tâm y tế và kho lưu trữ bán lẻ.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng và đánh giá công nghệ

+---------------------------------------------------------------------------------------+
|                                    BẢNG SO SÁNH GIẢI PHÁP                             |
+----------------------+--------------------+--------------------+----------------------+
| Tiêu chí             | Amazon ARDUs       | Dematic/InTech AGV | Đồ án Cube Storage   |
+----------------------+--------------------+--------------------+----------------------+
| Không gian lưu trữ   | 2D sàn phẳng + Kệ  | Dọc hành lang mở   | 3D Khối lập phương   |
| Tối ưu diện tích     | 40 - 50%           | 35 - 45%           | 85 - 92% thể tích    |
| Bán kính quay vòng   | Yêu cầu quay xe    | Bán kính lớn       | 0 mm (Nâng hạ cụm ray)|
| Chi phí triển khai   | Rất cao            | Rất cao            | Thấp - Module hóa    |
| Độ phức tạp cơ khí   | Trung bình         | Trung bình         | Cao                  |
| Ứng dụng SME/Y tế    | Không khả thi      | Hạn chế            | Tối ưu tuyệt đối     |
+----------------------+--------------------+--------------------+----------------------+

Phân loại yêu cầu hệ thống theo mô hình MoSCoW

  • Must-have (Bắt buộc):
    • Robot di chuyển tiến/lùi theo 2 trục trực giao $X$ và $Y$ trên ray lưới mà không cần quay đầu.
    • Cơ cấu nâng hạ thùng hàng định vị chính xác vị trí tầng $Z$.
    • Thuật toán MAPF loại bỏ hoàn toàn xung đột va chạm đỉnh (Node Conflict) và phân đoạn (Edge Conflict).
    • Thuật toán điều khiển động cơ bám vị trí với sai số dưới $\pm 2\text{ mm}$.
  • Should-have (Nên có):
    • Mô phỏng 3D trực quan trạng thái ô chứa kho trên giao diện quản trị.
    • Tích hợp RFID RC522 để kiểm định mã định danh từng thùng hàng B12.
  • Could-have (Có thể mở rộng):
    • Cơ cấu sạc pin tự động tại trạm nghỉ (Docking Station).
    • Khả năng hoán đổi linh hoạt giữa nhiều kích thước thùng chứa.
  • Won't-have (Không thực hiện trong giai đoạn này):
    • Cơ cấu trạm nâng hạ hàng hóa liên tầng tự động ngoài biên khung lưới.

Thiết kế kiến trúc hệ thống

Hệ thống điều khiển được phân bổ theo mô hình 3 tầng: Tầng Quản trị trung tâm (Server Level), Tầng Điều phối nhúng cục bộ (SBC Level) và Tầng Chấp hành thời gian thực (Real-time MCU Level).

Technology Stack chi tiết

  • Phần cứng điều khiển:
    • Main MCU: STMicroelectronics STM32F411RE (ARM Cortex-M4 @ 100MHz, 512KB Flash, 128KB SRAM).
    • Gateway & Vision/RFID host: Raspberry Pi 3 Model B (Broadcom BCM2837 64-bit Quad-Core @ 1.2GHz).
  • Hệ thống dẫn động & Cảm biến:
    • Động cơ trục X/Y: DC Servo Nisca NF5475 kèm Incremental Optical Encoder.
    • Động cơ nâng hạ thùng: Hybrid Stepper Motor Nema 23 ($1.8^\circ/\text{step}$, mô-men giữ $1.2\text{ Nm}$) kết hợp Driver A4988.
    • Động cơ chuyển cụm bánh xe: DC Geared Motor JGB 37-520 ($12\text{V}$, $1:30$) qua Driver Dual H-Bridge L298N.
    • Cơ cấu kẹp thùng: Micro Servo TowerPro SG90.
    • Cảm biến vị trí/nhận dạng: Module RFID RC522 Mini ($13.56\text{ MHz}$).
  • Nguồn năng lượng & Hạ áp:
    • Khối nguồn chính: Pin Lithium-Ion $12\text{V} - 24\text{V}$.
    • Mạch Buck Converter: XL4005 ($12\text{V} - 5\text{A}$) và XL4015 ($5\text{V} - 5\text{A}, 75\text{W}$).
  • Nền tảng phần mềm & Giao thức:
    • Ngôn ngữ: C/C++ (KeilC/STM32CubeIDE v1.12), Python v3.9.
    • Giao thức mạng: MQTT (Eclipse Mosquitto v2.0), Paho-MQTT Client.
    • Cơ sở dữ liệu: Google Firebase Realtime Database.
    • Thư viện giao diện & toán học: Tkinter v8.6, Matplotlib v3.7, NumPy v1.24.

Implementation và kết quả

Thuật toán điều phối đa tác tử CBS (Conflict-Based Search)

CBS là thuật toán tìm kiếm tối ưu trên cây xung đột hai cấp độ:

  • Low-Level Search ($A^*$): Tìm đường đi đơn lẻ ngắn nhất cho từng robot từ điểm xuất phát $S_i$ đến đích $G_i$ dựa trên hàm đánh giá chi phí $f(n) = g(n) + h(n)$, trong đó $g(n)$ là khoảng cách thực tế đã di chuyển và $h(n)$ là khoảng cách Manhattan heuristic đến đích: $$h(n) = |x_n - x_{goal}| + |y_n - y_{goal}|$$
  • High-Level Search: Duyệt cây ràng buộc (Constraint Tree - CT). Khi phát hiện xung đột giữa hai robot $a_i$ và $a_j$ tại đỉnh $v$ ở thời điểm $t$ (Vertex Conflict: $\langle a_i, a_j, v, t \rangle$) hoặc cạnh nối (Edge Conflict: $\langle a_i, a_j, u, v, t \rangle$), CBS sẽ phân nhánh tạo ra 2 nút con với ràng buộc tương ứng, ép buộc một robot phải đổi đường đi hoặc dừng chờ 1 chu kỳ clock.
# Cốt lõi logic phân tách xung đột High-Level trong CBS
class ConflictBasedSearch:
    def __init__(self, grid_map, agents):
        self.grid = grid_map
        self.agents = agents

    def plan_paths(self):
        root = {'cost': 0, 'constraints': {}, 'paths': {}}
        for agent in self.agents:
            root['paths'][agent] = self.low_level_astar(agent, root['constraints'].get(agent, []))
        root['cost'] = sum(len(p) for p in root['paths'].values())
        
        open_tree = [root]
        while open_tree:
            current_node = min(open_tree, key=lambda x: x['cost'])
            open_tree.remove(current_node)
            
            conflict = self.detect_first_conflict(current_node['paths'])
            if not conflict:
                return current_node['paths']  # Đường đi tối ưu không xung đột
            
            # Phân nhánh ràng buộc cho 2 tác tử xung đột
            for agent_id in [conflict['a1'], conflict['a2']]:
                child = {'constraints': current_node['constraints'].copy(),
                         'paths': current_node['paths'].copy()}
                new_constraint = {'agent': agent_id, 'loc': conflict['loc'], 'time': conflict['time']}
                child['constraints'].setdefault(agent_id, []).append(new_constraint)
                
                re_path = self.low_level_astar(agent_id, child['constraints'][agent_id])
                if re_path:
                    child['paths'][agent_id] = re_path
                    child['cost'] = sum(len(p) for p in child['paths'].values())
                    open_tree.append(child)
        return None

Thuật toán điều khiển nối tầng Cascade PID trên STM32

Để đảm bảo robot bám quỹ đạo vận tốc mượt mà và dừng chính xác tại tâm các ô lưới mà không bị trượt bánh hay giật cơ khí, nhóm nghiên cứu áp dụng giải pháp điều khiển vòng kín nối tầng (Cascade Loop):

  • Vòng ngoài (Position Loop): So sánh vị trí xung Encoder đặt trước với giá trị thực tế, tính toán vận tốc tham chiếu $V_{ref}$ thông qua khâu $P_{pos}$.
  • Vòng trong (Velocity Loop): Bộ điều khiển $PID_{vel}$ lấy sai lệch giữa $V_{ref}$ và vận tốc tức thời, xuất tín hiệu điều chế độ rộng xung (PWM) với kỹ thuật giới hạn tích phân (Anti-Windup Clamp).
/* Thuật toán điều khiển nối tầng Cascade PID thực thi trên ngắt Timer 10ms */
typedef struct {
    float Kp_pos;
    float Kp_vel, Ki_vel, Kd_vel;
    float integral_vel;
    float prev_error_vel;
    int32_t setpoint_pos;
    float out_pwm_max;
} CascadePID_TypeDef;

int16_t Compute_Cascade_PID(CascadePID_TypeDef *pid, int32_t current_pos, float current_vel) {
    // 1. Vòng điều khiển vị trí (Outer Loop)
    int32_t error_pos = pid->setpoint_pos - current_pos;
    float target_vel = error_pos * pid->Kp_pos;

    // Giới hạn vận tốc cực đại
    if (target_vel > 1000.0f) target_vel = 1000.0f;
    if (target_vel < -1000.0f) target_vel = -1000.0f;

    // 2. Vòng điều khiển vận tốc (Inner Loop)
    float error_vel = target_vel - current_vel;
    pid->integral_vel += error_vel * 0.01f;
    
    // Anti-Windup cho khâu tích phân
    if (pid->integral_vel > 200.0f) pid->integral_vel = 200.0f;
    if (pid->integral_vel < -200.0f) pid->integral_vel = -200.0f;

    float derivative_vel = (error_vel - pid->prev_error_vel) / 0.01f;
    pid->prev_error_vel = error_vel;

    float output_pwm = (pid->Kp_vel * error_vel) + 
                       (pid->Ki_vel * pid->integral_vel) + 
                       (pid->Kd_vel * derivative_vel);

    // Bão hòa tín hiệu xuất PWM
    if (output_pwm > pid->out_pwm_max) output_pwm = pid->out_pwm_max;
    if (output_pwm < -pid->out_pwm_max) output_pwm = -pid->out_pwm_max;

    return (int16_t)output_pwm;
}

Thiết kế cơ khí và cơ cấu chuyển động đặc thù

  1. Hệ thống dẫn động bánh xe ngắn & bánh xe dài: Sử dụng bộ truyền đai răng đồng bộ chuẩn GT2 và HTD5M, triệt tiêu độ rơ khi đổi chiều chuyển động đột ngột.
  2. Cơ cấu cam nâng hạ bánh xe (Direction Switching Mechanism): Khi chuyển hướng giữa trục X và trục Y, động cơ JGB37-520 kéo cơ cấu đòn cam nâng cụm bánh xe trục X lên khỏi mặt ray đồng thời hạ cụm bánh xe trục Y tiếp xúc với ray, cho phép đổi hướng vuông góc $90^\circ$ mà không cần bất kỳ bán kính quay xe nào.
  3. Cơ cấu kẹp và thả thùng hàng: Cụm pulley cáp kết nối động cơ bước Nema 23 thả bộ gắp xuống lòng ô lưới, sử dụng hai ngàm kẹp cơ khí trợ lực bằng Servo SG90 khóa chặt biên mép thùng nhựa B12 ($350 \times 250 \times 100\text{ mm}$, trọng lượng $600\text{ g}$).
              CƠ CẤU CHUYỂN RAY ĐỔI HƯỚNG 90 ĐỘ
     [Trục X đang hạ: Chạy dọc]         [Trục Y đang hạ: Chạy ngang]
          _____     _____                    |          |
         | Bánh|   | Bánh|                   | Bánh     | Bánh
         |==X==|   |==X==|                   |==Y==|    |==Y==|
      ---[ Ray ]---[ Ray ]---             ---[ Ray ]----[ Ray ]---
          (Bánh Y nâng cao)                  (Bánh X nâng cao)

Kết quả thử nghiệm và đánh giá thực nghiệm

+---------------------------------------------------------------------------------------+
|                       BẢNG KẾT QUẢ THỰC NGHIỆM ĐIỀU KHIỂN PID                         |
+----------------------+--------------------+--------------------+----------------------+
| Thông số đánh giá    | Phương pháp Z-N    | Phương pháp IMC    | Thực nghiệm Tinh chỉnh |
+----------------------+--------------------+--------------------+----------------------+
| Độ vọt lố (Overshoot)| 18.4%              | 8.2%               | < 3.5%               |
| Thời gian xác lập    | 1.45 s             | 0.95 s             | 0.62 s               |
| Sai số xác lập (e_ss)| ± 5.0 mm           | ± 2.5 mm           | ± 1.2 mm             |
| Khả năng chịu tải 3kg| Dao động đuôi      | Ổn định chậm       | Đáp ứng tức thời     |
+----------------------+--------------------+--------------------+----------------------+
  • Hiệu năng thuật toán CBS trong mô phỏng:
    • Lưới $12 \times 12$ với 5 robot: Thời gian tìm đường trung bình $45\text{ ms}$, tỷ lệ thành công $100%$.
    • Lưới $20 \times 20$ với 15 robot: Thời gian tìm đường trung bình $280\text{ ms}$, triệt tiêu toàn bộ xung đột va chạm.
    • Lưới $25 \times 25$ với 20 robot: Thời gian giải quyết xung đột $< 850\text{ ms}$, đáp ứng thời gian thực cho hệ thống kho mở rộng.
  • Thử nghiệm tải trọng vật lý: Robot hoạt động liên tục trong 60 phút với pin $12\text{V}$, mang tải $3\text{ kg}$ ổn định ở vận tốc $1\text{ m/s}$, cơ cấu kẹp và nhấc thùng B12 thành công 50/50 chu kỳ kiểm thử.

Đổi mới và đóng góp kỹ thuật

  1. Đổi mới cơ cấu chuyển ray trực giao 2 trục (Zero Turning Radius): Thay vì sử dụng cơ cấu lái bánh dẫn hướng phức tạp hoặc bánh xe Mecanum dễ trượt trên ray hẹp, hệ thống sử dụng cơ cấu cam nâng hạ luân phiên hai cụm bánh xe ngắn/dài, giúp chuyển hướng vuông góc $90^\circ$ chính xác và tin cậy tuyệt đối.
  2. Giải thuật điều phối phân cấp CBS trên cấu trúc lưới rời rạc: Ứng dụng thành công bài toán MAPF phức tạp vào thực tế điều khiển kho hàng nội địa, giảm thiểu độ phức tạp tính toán từ hàm mũ của quy hoạch tập trung xuống dạng phân nhánh cây xung đột.
  3. Cấu trúc Cube Storage thu nhỏ cho thị trường Việt Nam: Hiện thực hóa giải pháp lưu trữ mật độ siêu cao (tương đương chuẩn Swisslog AutoStore trị giá hàng triệu USD) với chi phí chế tạo thấp, tương thích hoàn hảo với các tiệm thuốc tây và kho dược phẩm vừa và nhỏ.
  4. Tích hợp Cascade Loop trên ARM Cortex-M4: Khai thác tối đa sức mạnh phần cứng nhúng để kết hợp vòng điều khiển dòng/vận tốc/vị trí với tốc độ đáp ứng $100\text{ Hz}$, loại bỏ hoàn toàn hiện tượng bão hòa tích phân (Integral Windup) khi robot đổi chiều di chuyển mang tải nặng.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế (Real-World Use Cases)

  • Kho cấp phát thuốc thông minh tại bệnh viện: Tự động hóa khâu gom thuốc theo toa bác sĩ. Bác sĩ nhập đơn trên hệ thống, robot lập tức di chuyển gắp các khay thuốc tương ứng đưa về cửa xuất thuốc trong vòng chưa đầy 60 giây, giảm tải $80%$ thời gian chờ của bệnh nhân.
  • Trung tâm phân loại linh kiện điện tử SMT: Lưu trữ hàng nghìn cuộn linh kiện dán SMD, chip IC trong các khay B12 tiêu chuẩn với điều kiện kiểm soát vị trí và mã QR/RFID nghiêm ngặt.
  • Kho lưu trữ tài liệu mật hoặc phòng thí nghiệm: Tự động truy xuất mẫu bệnh phẩm, mẫu vi sinh hoặc hồ sơ lưu trữ mà không cần sự can thiệp trực tiếp của con người, đảm bảo tính vô trùng và bảo mật.
       QUY TRÌNH HOẠT ĐỘNG XUẤT THUỐC TỰ ĐỘNG
+------------------+     Tra cứu tồn kho      +-------------------+
|  Bác sĩ kê toa   | ----------------------> | Firebase Database |
+------------------+                         +-------------------+
                                                       | Lệnh xuất
                                                       v
+------------------+    Đưa thùng ra cổng    +-------------------+
| Khách nhận thuốc | <---------------------- | CBS Path Planning |
+------------------+                         | & Robot gắp thùng |
                                             +-------------------+

Phân tích hiệu quả kinh tế & ROI (Return on Investment)

  • Tiết kiệm mặt bằng: Tăng dung lượng chứa hàng lên $300%$ trên cùng một diện tích sàn $50\text{ m}^2$ so với hệ thống kệ sắt truyền thống.
  • Chi phí nhân sự: Giảm bớt 2 nhân sự kiểm kê và lấy hàng theo ca, tiết kiệm ước tính $180 - 240\text{ triệu VNĐ/năm}$.
  • Thời gian hoàn vốn (ROI): Đối với một nhà thuốc hoặc kho bán lẻ quy mô vừa, thời gian thu hồi vốn đầu tư hệ thống ước tính từ 1.5 đến 2 năm.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Mô hình vật lý mới dừng lại ở quy mô thực nghiệm $2 \times 3$ ô lưới với 01 robot hoạt động thực tế (các kịch bản đa robot được kiểm chứng trên mô phỏng máy tính).
  • Cơ cấu trạm xuất/nhập hàng (Port Station) tại cổng ra vào chưa được tích hợp băng tải tự động hóa hoàn toàn mà vẫn cần thao tác lấy thùng thủ công.
  • Tầm hoạt động của pin bị giới hạn trong khoảng 60 phút, chưa có module sạc tự động không dây (Wireless Docking Charging).

Hướng phát triển và mở rộng

  1. Mở rộng phần cứng: Gia công khung ray nhôm đúc nguyên khối quy mô $10 \times 10 \times 6$ ô, bổ sung từ 3 đến 5 robot vật lý hoạt động đồng thời.
  2. Thuật toán tối ưu hóa vị trí hàng hóa (Smart Slotting / Heatmap): Ứng dụng Machine Learning để phân tích tần suất xuất kho của từng loại thuốc, tự động đảo các thùng hàng xuất nhiều lên các tầng trên cùng ($Z_{top}$) vào ban đêm.
  3. Cơ cấu trạm sạc tự động (Auto-Charging Station): Bổ sung tiếp điểm sạc đồng bộ dưới đáy robot, tự động định tuyến về trạm sạc khi mức pin xuống dưới $20%$.

Đối tượng hưởng lợi

+---------------------------------------------------------------------------------------+
|                                ĐỐI TƯỢNG HƯỞNG LỢI                                    |
+----------------------+----------------------------------------------------------------+
| Nhóm đối tượng       | Giá trị và Lợi ích định lượng mang lại                         |
+----------------------+----------------------------------------------------------------+
| Sinh viên Cơ điện tử | Nguồn tài liệu tham khảo thực tế về thiết kế hệ thống ASRS,   |
| & Tự động hóa        | tính toán bộ truyền cơ khí và thuật toán điều khiển Cascade.   |
+----------------------+----------------------------------------------------------------+
| Kỹ sư Lập trình      | Mẫu code hoàn chỉnh về thuật toán MAPF/CBS, xử lý đa luồng     |
| Embedded / Robotics  | trên STM32 và kiến trúc truyền thông MQTT - Realtime Database. |
+----------------------+----------------------------------------------------------------+
| Doanh nghiệp Dược    | Giải pháp tự động hóa kho hàng nhỏ gọn, chi phí hợp lý,        |
| & Bán lẻ (SMEs)      | tối ưu 300% không gian và giảm 70% thời gian tìm kiếm hàng.    |
+----------------------+----------------------------------------------------------------+
| Nhà nghiên cứu       | Dữ liệu thực nghiệm về so sánh các thuật toán giải quyết xung   |
| Logistics & AI       | đột trong không gian lưới lập phương 3 chiều rời rạc.          |
+----------------------+----------------------------------------------------------------+

Câu hỏi thường gặp (FAQ)

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

Hệ thống yêu cầu nguồn cấp DC $12\text{V} - 24\text{V}$ (tối thiểu $10\text{A}$), khung lưới nhôm định hình $30\times30\text{ mm}$ chịu lực có độ phẳng bề mặt ray dung sai $<\pm 0.5\text{ mm}$. Trung tâm điều khiển yêu cầu máy tính chạy hệ điều hành Windows/Linux hỗ trợ Python 3.8+ và router mạng nội bộ WiFi $2.4\text{ GHz}$ có độ trễ $< 20\text{ ms}$.

2. Giới hạn mở rộng (Scalability) của thuật toán CBS trên hệ thống?

Thuật toán CBS giải quyết bài toán MAPF tối ưu tuyệt đối cho số lượng từ 20 - 30 robot trên lưới $50 \times 50$ trong thời gian tính toán $< 1.5\text{ s}$. Khi quy mô kho tăng lên hàng trăm robot, hệ thống có thể chuyển đổi linh hoạt sang biến thể ECBS (Enhanced Conflict-Based Search) với hệ số cận dưới Heuristic $w = 1.1 - 1.3$ để tối ưu hóa thời gian tính toán.

3. Hệ thống có khả năng tích hợp với phần mềm quản lý kho (WMS/ERP) hiện có không?

Có. Nhờ sử dụng cơ sở dữ liệu Firebase Realtime Database và kiến trúc giao tiếp chuẩn hóa MQTT/REST API, hệ thống có thể dễ dàng đồng bộ dữ liệu xuất/nhập/tồn kho với bất kỳ phần mềm quản lý bán hàng (như KiotViet, Sapo) hoặc các hệ thống ERP chuẩn doanh nghiệp (SAP, Odoo).

4. Chi phí bảo trì và độ tin cậy của các bộ truyền đai răng ra sao?

Các bộ truyền đai răng GT2 và HTD5M kết hợp bánh xe bọc cao su chịu lực có tuổi thọ vận hành trung bình trên 5,000 giờ làm việc liên tục. Định kỳ bảo dưỡng chỉ yêu cầu kiểm tra lực căng đai và vệ sinh bụi bẩn bám trên rãnh ray nhôm mỗi 6 tháng một lần.

5. Chi phí đầu tư chế tạo mô hình và thời gian hoàn vốn?

Chi phí linh kiện phần cứng và gia công cơ khí cho 01 robot tự hành cùng khung lưới thực nghiệm ước tính chỉ bằng 1/10 so với chi phí nhập khẩu các hệ thống thương mại tương đương. Thời gian hoàn vốn dự kiến đạt từ 18 - 24 tháng nhờ cắt giảm nhân công và hạn chế tối đa thất thoát hàng hóa.

Kết luận

Đồ án tốt nghiệp "Mô hình nhà kho thông minh cấu hình lưới lập phương" của nhóm sinh viên Trường Đại học Sư phạm Kỹ thuật TP.HCM đã hiện thực hóa thành công một giải pháp tự động hóa kho hàng tiên tiến, tích hợp hoàn chỉnh từ cơ cấu cơ khí chính xác, mạch điều khiển nhúng vòng kín Cascade PID đến thuật toán điều phối đa tác tử CBS cấp cao. Đề tài không chỉ mang ý nghĩa học thuật sâu sắc trong lĩnh vực Robotics và Cơ điện tử mà còn mở ra tiềm năng thương mại hóa mạnh mẽ, cung cấp giải pháp tối ưu hóa không gian lưu trữ cho ngành y tế và các doanh nghiệp bán lẻ vừa và nhỏ tại Việt Nam.

Bạn đọc và các nhóm nghiên cứu quan tâm có thể tiếp tục phát triển đề tài theo hướng tích hợp thị giác máy tính AI nhận diện bao bì thuốc và xây dựng trạm sạc tự động để hoàn thiện hệ sinh thái nhà kho thông minh toàn diện.