Tổng quan nghiên cứu

Hệ thống Multi-AGV (Automated Guided Vehicle) đang trở thành xu hướng phát triển mạnh mẽ trong ngành công nghiệp tự động hóa và kho vận hiện đại. Theo báo cáo thị trường, quy mô thị trường AGV toàn cầu đạt khoảng 3.81 tỷ USD vào năm 2021 với tốc độ tăng trưởng kép trung bình 10% đến năm 2030, trong đó khu vực châu Á chiếm hơn 36%. Tại Việt Nam, sự phát triển của các cơ sở sản xuất và nhu cầu ứng dụng AGV ngày càng tăng cao, đặc biệt trong các nhà xưởng sử dụng mô hình cross-docking. Tuy nhiên, các hệ thống Multi-AGV hiện nay vẫn gặp phải các vấn đề về va chạm và bế tắc (deadlock) do sự khác biệt giữa thời gian lập kế hoạch và thời gian di chuyển thực tế của AGV, cũng như sự ảnh hưởng của tải trọng lên tính ổn định của kiện hàng.

Mục tiêu nghiên cứu của luận văn là phát triển một thuật toán lập kế hoạch chuyển động cho hệ Multi-AGV nhằm dự đoán chính xác các va chạm, đồng thời gia tăng sự ổn định của kiện hàng trong quá trình vận chuyển. Thuật toán được xây dựng dựa trên việc tính toán thời gian gia tốc của AGV và khối lượng tải, nhằm khắc phục các hạn chế của các phương pháp hiện tại chưa xét đến động lực học và sự tuân thủ thời gian di chuyển. Phạm vi nghiên cứu tập trung vào hệ Multi-AGV trong nhà xưởng với sa bàn dạng cross-docking kích thước 11x11 node, tối đa 3 AGV, và được mô phỏng trên phần mềm MATLAB. Kết quả nghiên cứu có ý nghĩa quan trọng trong việc nâng cao hiệu suất, an toàn và độ tin cậy của hệ thống Multi-AGV trong thực tế.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai khung lý thuyết chính: lý thuyết lập kế hoạch đường dẫn (path planning) và lập kế hoạch chuyển động (motion planning) trong hệ thống Multi-AGV.

  1. Lập kế hoạch đường dẫn: Sử dụng thuật toán Dijkstra mở rộng để tìm tập hợp các đường đi tối ưu trên sa bàn cross-docking, không chỉ tối thiểu hóa quãng đường mà còn tối ưu thời gian di chuyển và số lượng khúc cua. Thuật toán này cho phép lựa chọn nhiều đường đi tối ưu thay vì chỉ một đường duy nhất, phù hợp với môi trường phức tạp và động.

  2. Lập kế hoạch chuyển động: Tập trung vào việc dự đoán và tránh va chạm, deadlock thông qua việc tính toán thời gian di chuyển chính xác giữa các node, xét đến gia tốc của AGV và khối lượng kiện hàng. Thuật toán phân loại va chạm thành bốn loại: va chạm đối đầu, va chạm giao lộ, va chạm với AGV khác trên đường đi và va chạm với kệ hàng. Mỗi loại va chạm được xử lý bằng các phương án điều chỉnh thời gian hoặc thay đổi quỹ đạo.

Các khái niệm chuyên ngành quan trọng bao gồm: ma trận kề (adjacency matrix) biểu diễn liên kết giữa các node, mô hình toán học động lực học AGV với các tham số vận tốc, gia tốc, góc quay, và mô hình dao động của kiện hàng trên AGV để đánh giá tính ổn định.

Phương pháp nghiên cứu

Nguồn dữ liệu chính là mô hình sa bàn cross-docking kích thước 11x11 node, mô phỏng tối đa 3 AGV di chuyển với các tải trọng khác nhau. Phương pháp nghiên cứu bao gồm:

  • Mô hình hóa toán học: Xây dựng mô hình động lực học AGV và dao động kiện hàng dựa trên định luật Newton, xác định vận tốc, gia tốc, sai số vị trí và góc lệch trong hệ tọa độ gắn với robot.

  • Phát triển thuật toán: Thuật toán lập kế hoạch chuyển động được thiết kế gồm bốn bước chính: tính toán thời gian di chuyển giữa các node dựa trên gia tốc và tải trọng, xâu chuỗi thời gian di chuyển thành lịch trình hoàn chỉnh, nhận diện và phân loại các loại va chạm, áp dụng các phương án xử lý tương ứng.

  • Mô phỏng và đánh giá: Thuật toán được triển khai và thử nghiệm trên phần mềm MATLAB Simulink, so sánh với thuật toán Zheng Zhang (Z.Z) về độ chính xác dự đoán va chạm, thời gian di chuyển thực tế và tính ổn định của kiện hàng. Thời gian nghiên cứu từ tháng 09/2022 đến tháng 05/2023.

Phương pháp chọn mẫu là mô phỏng trên sa bàn với các trường hợp di chuyển đa dạng: rẽ 90°, rẽ 180°, di chuyển thẳng với tải trọng khác nhau, nhằm đảm bảo tính tổng quát và khả năng áp dụng thực tế.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Tăng độ chính xác dự đoán va chạm: Thuật toán cải tiến cho thấy giảm sai số thời gian di chuyển giữa các node so với thuật toán Z.Z từ khoảng 15% xuống còn dưới 5%, giúp phát hiện va chạm giao lộ và va chạm đối đầu trực tiếp hiệu quả hơn. Ví dụ, trong trường hợp va chạm giao lộ, thời gian dự đoán va chạm chính xác hơn 12% so với phương pháp cũ.

  2. Giảm thiểu va chạm thực tế: Qua mô phỏng với 3 AGV di chuyển đồng thời, số lần va chạm giảm khoảng 40% so với thuật toán Z.Z nhờ việc tuân thủ thời gian di chuyển chính xác và xử lý kịp thời các tình huống va chạm.

  3. Gia tăng tính ổn định của kiện hàng: Đánh giá dao động của kiện hàng trên AGV cho thấy gia tốc tác động giảm trung bình 25% khi áp dụng thuật toán mới, đặc biệt với các tải trọng lớn, giúp giảm nguy cơ rơi đổ và hư hỏng hàng hóa.

  4. Cải thiện hiệu suất vận hành: Thời gian hoàn thành nhiệm vụ của AGV giảm khoảng 10% do giảm thời gian chờ đợi và tránh deadlock hiệu quả hơn, đồng thời tăng khả năng mở rộng hệ thống khi số lượng AGV tăng lên.

Thảo luận kết quả

Nguyên nhân chính của sự cải thiện là do thuật toán mới tính toán thời gian di chuyển dựa trên mô hình động lực học thực tế của AGV, bao gồm gia tốc và tải trọng, thay vì chỉ dựa trên vận tốc trung bình và thời gian xoay cố định như các phương pháp trước. Điều này giúp lịch trình di chuyển sát với thực tế hơn, giảm sai lệch thời gian và tránh được các va chạm không dự đoán được.

So sánh với các nghiên cứu trước như phương pháp dynamic resource reservation (DRR) hay giải thuật GA tích hợp phân bổ nhiệm vụ, thuật toán này ưu việt hơn về mặt tính toán thời gian và xử lý va chạm theo từng loại cụ thể, đồng thời giảm tải tính toán nhờ mô hình tập trung và xâu chuỗi thời gian di chuyển.

Kết quả mô phỏng có thể được trình bày qua các biểu đồ khung thời gian di chuyển của AGV, bảng so sánh số lần va chạm và đồ thị gia tốc của kiện hàng, giúp minh họa rõ ràng hiệu quả của thuật toán.

Đề xuất và khuyến nghị

  1. Triển khai thuật toán trong hệ thống thực tế: Áp dụng thuật toán lập kế hoạch chuyển động cải tiến vào các hệ thống Multi-AGV trong nhà xưởng quy mô vừa và lớn nhằm giảm thiểu va chạm và tăng tính ổn định của kiện hàng. Thời gian thực hiện dự kiến 6-12 tháng, do các đơn vị vận hành và phát triển phần mềm.

  2. Nâng cấp hệ thống điều khiển AGV: Tích hợp bộ điều khiển tuân thủ thời gian di chuyển đã hoạch định, kết hợp với cảm biến định vị chính xác (QR code, lidar) để đảm bảo AGV di chuyển theo lịch trình. Chủ thể thực hiện là các nhà sản xuất AGV và đơn vị vận hành.

  3. Mở rộng nghiên cứu cho số lượng AGV lớn hơn: Phát triển thuật toán mở rộng cho hệ thống Multi-AGV với số lượng trên 10 xe, đồng thời nghiên cứu các kiến trúc phi tập trung để tăng khả năng mở rộng và giảm tải cho máy chủ trung tâm.

  4. Đào tạo và nâng cao nhận thức người vận hành: Tổ chức các khóa đào tạo về quản lý hệ thống Multi-AGV và vận hành thuật toán mới cho nhân viên kỹ thuật nhằm đảm bảo vận hành hiệu quả và xử lý kịp thời các sự cố.

Đối tượng nên tham khảo luận văn

  1. Các nhà nghiên cứu và sinh viên ngành Cơ điện tử, Tự động hóa: Luận văn cung cấp kiến thức chuyên sâu về lập kế hoạch chuyển động và mô hình toán học AGV, hỗ trợ phát triển các đề tài nghiên cứu liên quan.

  2. Doanh nghiệp sản xuất và kho vận sử dụng hệ thống AGV: Giúp hiểu rõ các vấn đề về va chạm, deadlock và cách tối ưu hóa vận hành hệ thống Multi-AGV, từ đó nâng cao hiệu quả và an toàn trong sản xuất.

  3. Nhà phát triển phần mềm và thiết kế hệ thống điều khiển AGV: Cung cấp thuật toán và mô hình mô phỏng chi tiết để tích hợp vào các giải pháp điều khiển AGV hiện đại, nâng cao độ chính xác và ổn định.

  4. Cơ quan quản lý và hoạch định chính sách công nghiệp: Tham khảo để xây dựng các tiêu chuẩn kỹ thuật và quy định an toàn cho việc ứng dụng robot tự hành trong công nghiệp, thúc đẩy chuyển đổi số và tự động hóa.

Câu hỏi thường gặp

  1. Thuật toán lập kế hoạch chuyển động mới có ưu điểm gì so với các phương pháp hiện tại?
    Thuật toán mới tính toán thời gian di chuyển dựa trên gia tốc và tải trọng thực tế của AGV, giúp dự đoán va chạm chính xác hơn và giảm sai lệch thời gian di chuyển, từ đó giảm va chạm và tăng tính ổn định kiện hàng.

  2. Phạm vi áp dụng của thuật toán này là gì?
    Thuật toán được thiết kế cho hệ Multi-AGV trong nhà xưởng với sa bàn dạng cross-docking, tối đa 3 AGV trong mô phỏng, nhưng có thể mở rộng cho các hệ thống lớn hơn với điều chỉnh phù hợp.

  3. Làm thế nào để đánh giá tính ổn định của kiện hàng trên AGV?
    Tính ổn định được đánh giá qua mô hình dao động của kiện hàng trên AGV, đo gia tốc tác động lên kiện hàng trong quá trình di chuyển, giảm gia tốc đồng nghĩa với tăng tính ổn định.

  4. Thuật toán có thể xử lý các tình huống deadlock như thế nào?
    Thuật toán nhận diện deadlock thông qua phân loại va chạm và lịch trình di chuyển, áp dụng các phương án điều chỉnh thời gian hoặc thay đổi quỹ đạo để tránh kẹt cứng, đảm bảo hệ thống hoạt động liên tục.

  5. Có thể tích hợp thuật toán này vào hệ thống AGV hiện có không?
    Có thể, với điều kiện hệ thống có khả năng thu thập dữ liệu vị trí, trạng thái AGV và điều khiển thời gian di chuyển theo lịch trình. Việc tích hợp cần phối hợp với nhà cung cấp phần mềm và phần cứng để đảm bảo tương thích.

Kết luận

  • Thuật toán lập kế hoạch chuyển động mới đã nâng cao độ chính xác dự đoán va chạm, giảm sai số thời gian di chuyển xuống dưới 5%.
  • Giảm khoảng 40% số lần va chạm thực tế và tăng tính ổn định kiện hàng với gia tốc tác động giảm 25%.
  • Cải thiện hiệu suất vận hành hệ thống Multi-AGV, giảm thời gian hoàn thành nhiệm vụ khoảng 10%.
  • Thuật toán được mô phỏng và đánh giá trên sa bàn cross-docking với 3 AGV, có tiềm năng mở rộng cho các hệ thống lớn hơn.
  • Đề xuất triển khai thực tế, nâng cấp hệ thống điều khiển và đào tạo nhân sự để tận dụng tối đa lợi ích của thuật toán.

Luận văn mở ra hướng phát triển mới cho các hệ thống Multi-AGV trong công nghiệp tự động hóa, góp phần nâng cao hiệu quả và an toàn vận hành. Các đơn vị nghiên cứu và doanh nghiệp được khuyến khích áp dụng và phát triển tiếp thuật toán này trong tương lai gần.