Giới thiệu dự án

Trong bối cảnh Cách mạng Công nghiệp 4.0, tự động hóa dây chuyền sản xuất và logistics đóng vai trò then chốt trong việc tối ưu hóa năng suất và kiểm soát chất lượng sản phẩm. Theo các báo cáo thị trường tự động hóa công nghiệp toàn cầu, ngành bao bì và đóng gói thứ cấp chiếm hơn 32% tổng sản lượng robot triển khai tại các nhà máy thực phẩm và đồ uống (F&B). Tuy nhiên, tại thị trường Việt Nam, đa số doanh nghiệp vừa và nhỏ (SMEs) vẫn sử dụng nhân công thủ công cho công đoạn phân loại và xếp khay sản phẩm, dẫn đến năng suất không đồng đều, tỷ lệ lỗi cảm quan cao (trên 4.5%) và chi phí nhân công ngày một gia tăng.

Vấn đề cốt lõi đặt ra là các dòng robot song song chuyên dụng trên thị trường (như ABB FlexPicker IRB 360 hay Omron Quattro) có chi phí đầu tư ban đầu rất lớn (thường vượt quá $25,000 - $40,000/cell), đòi hỏi hạ tầng điều khiển độc quyền phức tạp và khó tùy biến cho các xưởng sản xuất quy mô vừa. Nhằm giải quyết bài toán cân bằng giữa chi phí đầu tư, tốc độ vận hành và độ chính xác phân loại, đề tài "Thiết kế và chế tạo mô hình Robot đóng gói sản phẩm" được nghiên cứu và thực nghiệm bởi nhóm sinh viên ngành Kỹ thuật Cơ điện tử, Khoa Công nghệ Cơ khí, Trường Đại học Công nghiệp TP. Hồ Chí Minh (IUH) dưới sự hướng dẫn của ThS. Nguyễn Ngọc Điệp.

+-----------------------------------------------------------------------------+
|                           MỤC TIÊU DỰ ÁN CỤ THỂ                             |
+-----------------------------------------------------------------------------+
| 1. Thiết kế & chế tạo cơ cấu Robot Delta 3-DOF đạt không gian làm việc     |
|    hình trụ: Đường kính D = 500 mm, Chiều cao H = 200 mm.                   |
| 2. Phát triển hệ thống xử lý ảnh nhận diện & xác định tọa độ thời gian thực|
|    cho bánh kẹp (Oreo, 15 g) trên băng chuyền động.                         |
| 3. Tích hợp PLC Siemens S7-1200 CPU 1214C DC/DC/DC điều khiển phát xung     |
|    đồng bộ vị trí với động cơ bước lai (Closed-loop Stepper).               |
| 4. Đạt năng suất đóng gói thực tế 1 - 2 khay/phút (tương đương 6 - 12 bánh/ |
|    phút), tự động thích ứng với biến thiên vận tốc băng tải.                |
+-----------------------------------------------------------------------------+

Giải pháp lựa chọn cấu trúc động học song song Delta 3 bậc tự do (3-DOF Parallel Manipulator) kết hợp bộ điều khiển lập trình công nghiệp PLC Siemens S7-1200 và thị giác máy tính OpenCV trên nền Python. Cấu trúc này giảm thiểu quán tính chuyển động nhờ đưa toàn bộ động cơ lên bệ cố định trên cao, cho phép đầu công tác (End-Effector) di chuyển với gia tốc lớn và độ cứng vững vượt trội.

Phạm vi giới hạn của dự án tập trung vào công đoạn gắp bánh tròn khối lượng 15 g từ băng tải cấp phôi liên tục sang khay chứa 6 vị trí, sử dụng cơ cấu giác hút chân không khí nén với áp suất vận hành từ -0.4 bar đến -0.8 bar.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Khảo sát các giải pháp đóng gói sản phẩm phổ biến trên thị trường cho thấy các ưu và nhược điểm rõ rệt giữa các phương pháp tiếp cận:

Tiêu chí Nhân công thủ công Robot cánh tay nối tiếp (Articulated 6-DOF) Robot Delta công nghiệp nhập khẩu Giải pháp Robot Delta IUH (Đề tài)
Tốc độ chu kỳ (Cycle time) Chậm (~1.5 - 2.5 s/sản phẩm) Trung bình (~1.0 - 1.5 s/sản phẩm) Cực nhanh (< 0.4 s/sản phẩm) Nhanh (~0.8 - 1.2 s/sản phẩm)
Độ ổn định & Tin cậy Thấp (phụ thuộc thể lực) Rất cao Rất cao Cao (vận hành liên tục)
Độ phức tạp điều khiển Không Cao (6 trục phức hợp) Rất cao (Bộ điều khiển chuyên dụng) Vừa phải (PLC S7-1200 + OpenCV)
Chi phí chế tạo / Đầu tư Chi phí biến đổi hàng tháng Cao ($15,000 - $25,000) Rất cao ($30,000 - $50,000) Tối ưu (~20 - 30 triệu VND)
Khả năng bảo trì tại chỗ Không áp dụng Phụ thuộc hãng Phụ thuộc linh kiện hãng Dễ dàng thay thế linh kiện sẵn có

Phân tích yêu cầu chức năng theo phương pháp MoSCoW:

  • Must-have (Bắt buộc): Gắp chính xác phôi 15 g; không gian làm việc $\varnothing 500 \times 200\text{ mm}$; thuật toán động học nghịch ổn định; đồng bộ băng tải với cảm biến vị trí/áp suất.
  • Should-have (Nên có): Tự động điều chỉnh vận tốc theo tốc độ băng tải; giao diện HMI/SCADA giám sát chế độ Manual/Auto; cảnh báo mất áp suất chân không.
  • Could-have (Có thể mở rộng): Phân loại theo màu sắc/kích thước phôi lỗi qua OpenCV; nâng cấp động cơ AC Servo thay thế động cơ bước.
  • Won't-have (Chưa thực hiện đợt này): Bậc tự do xoay trục thứ 4 ($Z$-rotation) cho phôi dị hình phức tạp; tích hợp cánh tay AI Deep Learning nhận diện phôi xếp chồng.

Thiết kế hệ thống

Kiến trúc tổng thể của hệ thống gồm 3 phân hệ chính: Phân hệ Cơ khí - Động học, Phân hệ Thị giác máy tính (Vision), và Phân hệ Điện - Điều khiển (PLC).

graph TD
    A[Camera Công Nghiệp / Webcam] -->|USB Stream BGR Frames| B[PC Vision System - Python / OpenCV]
    B -->|Tọa độ tâm phôi X, Y qua RS485/Ethernet| C[PLC Siemens S7-1200 CPU 1214C]
    D[Encoder Băng tải bánh & Cảm biến quang] -->|Tín hiệu xung tốc độ| C
    C -->|High-Speed Pulse PTO / Step-Dir| E[Driver Động cơ bước 2HSS57]
    E -->|Truyền động khép kín| F[3x Động cơ bước 57J1880EC-1000 + Hộp số]
    F -->|Cơ cấu hình bình hành| G[Cụm Bệ di động Robot Delta 3-DOF]
    C -->|Digital Output| H[Van điện từ khí nén & Bơm hút chân không]
    H -->|Hút / Nhả áp suất -0.8 bar| I[Giác hút chân không End-Effector]
    C -->|PWM Signal| J[Động cơ DC Băng tải GW31ZY-158]

Technology Stack & Specifications:

  • Bộ điều khiển trung tâm: Siemens SIMATIC S7-1200 CPU 1214C DC/DC/DC (Firmware V4.5), mở rộng Module SM1223 DC/DC (8DI / 8DO).
  • Phần mềm lập trình điều khiển: Siemens TIA Portal V16.
  • Môi trường xử lý ảnh: JetBrains PyCharm Professional 2022.3, Ngôn ngữ Python 3.9.13.
  • Thư viện thị giác máy: OpenCV (cv2) phiên bản 4.6.0, NumPy 1.23.
  • Hệ thống dẫn động: 3 bộ Động cơ bước Hybrid 57J1880EC-1000 (Momen giữ 2.2 Nm, tích hợp Encoder 1000 xung/vòng) kết hợp hộp giảm tốc hành tinh tỉ số truyền $i = 1:10$.
  • Cơ cấu chấp hành khí nén: Đầu phun tạo chân không kiểu Venturi, Giác hút cao su silicone công nghiệp $\varnothing 20\text{ mm}$, Cảm biến áp suất kỹ thuật số.

Methodology

Dự án áp dụng mô hình lai V-Model kết hợp các chu kỳ lặp Agile (Sprint 2 tuần) nhằm đảm bảo tính chính xác cơ học và khả năng kiểm thử liên tục giữa phần cứng và giải thuật:

[12/2022] Giai đoạn 1: Khảo sát lý thuyết, giải tích động học thuận/nghịch & tính toán Momen.
[02/2023] Giai đoạn 2: Thiết kế 3D SolidWorks/NX, mô phỏng vùng làm việc Cylindrical Workspace.
[03/2023] Giai đoạn 3: Gia công cơ khí chính xác (CNC phay nhôm bệ cố định, bệ di động, khung thép).
[04/2023] Giai đoạn 4: Lắp ráp phần cứng, tích hợp tủ điện PLC, Driver và hệ thống khí nén.
[05/2023] Giai đoạn 5: Lập trình thuật toán OpenCV, truyền thông PLC và hiệu chỉnh động học.
[06/2023] Giai đoạn 6: Thử nghiệm tải thực tế, đo đạc sai số, đánh giá năng suất và hoàn thiện đồ án.

Implementation và kết quả

Development process

1. Mô hình toán Động học (Kinematics Model)

Bậc tự do của Robot Delta được chứng minh bằng công thức Kutzbach cải tiến cho chuỗi động song song có 3 cơ cấu hình bình hành: $$M = 6(N - 1) - 5J_1 - 4J_2 - 3J_3$$ Khi loại bỏ các bậc tự do quay cục bộ quanh trục thanh giằng, mô hình tương đương có $N = 14$ khâu, $J_1 = 15$ khớp quay, cho ra: $$M = 6(14 - 1) - 5(15) = 78 - 75 = 3 \text{ bậc tự do tịnh tiến } (X, Y, Z)$$

Trong bài toán động học nghịch (Inverse Kinematics), biết tọa độ điểm tác động cuối $E_0(x_0, y_0, z_0)$, ta cần tính 3 góc quay $\theta_1, \theta_2, \theta_3$ của các cánh tay chủ động. Với bán kính bệ cơ sở $f = 130\text{ mm}$, bán kính bệ di động $e = 50\text{ mm}$, chiều dài cánh tay chủ động $r_f$ và cánh tay bị động $r_e$:

Giao tuyến giữa mặt cầu tâm bệ di động $E_1(x_0, y_0 - e, z_0)$ và mặt phẳng quay cánh tay $YZ$ tạo thành đường tròn: $$(y_{J1} + f)^2 + z_{J1}^2 = r_f^2$$ $$(y_{J1} - y_0 + e)^2 + (z_{J1} - z_0)^2 = r_e^2 - x_0^2$$

Góc quay khớp $\theta_1$ được xác định chính xác qua hàm lượng giác: $$\theta_1 = \arctan\left(\frac{z_{J1}}{y_{F1} - y_{J1}}\right)$$

Tọa độ cho $\theta_2$ và $\theta_3$ được tính bằng phép biến đổi xoay quanh trục $Z$ các góc lần lượt là $120^\circ$ và $240^\circ$: $$\mathbf{E}_0' = \mathbf{Rot}(z, 120^\circ)^{-1} \cdot \mathbf{E}_0$$

2. Giải thuật Xử lý ảnh OpenCV nhận diện phôi bánh

import cv2
import numpy as np

def detect_cookie_coordinates(frame):
    """
    Trích xuất tọa độ tâm (x, y) của bánh Oreo trên băng tải
    Không gian màu HSV kết hợp lọc hình thái học.
    """
    # 1. Chuyển đổi không gian màu sang HSV
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    
    # 2. Thiết lập ngưỡng lọc màu cho bánh (ngưỡng mẫu phôi sẫm màu)
    lower_bound = np.array([0, 0, 20])
    upper_bound = np.array([180, 255, 70])
    
    # 3. Tạo Mask và khử nhiễu Morphological (Opening & Closing)
    mask = cv2.inRange(hsv, lower_bound, upper_bound)
    kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5))
    mask_cleaned = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel, iterations=2)
    mask_cleaned = cv2.morphologyEx(mask_cleaned, cv2.MORPH_CLOSE, kernel, iterations=2)
    
    # 4. Tìm kiếm Contours phôi bánh
    contours, _ = cv2.findContours(mask_cleaned, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    detected_objects = []
    
    for cnt in contours:
        area = cv2.contourArea(cnt)
        if 800 < area < 4500:  # Lọc diện tích phôi tiêu chuẩn
            M = cv2.moments(cnt)
            if M["m00"] != 0:
                cX = int(M["m10"] / M["m00"])
                cY = int(M["m01"] / M["m00"])
                detected_objects.append((cX, cY))
                cv2.circle(frame, (cX, cY), 7, (0, 255, 0), -1)
                cv2.drawContours(frame, [cnt], -1, (255, 0, 0), 2)
                
    return detected_objects, frame

Testing và validation

Quá trình kiểm thử mô hình được thực hiện qua các giai đoạn nghiêm ngặt trên băng tải thực nghiệm:

+-------------------------------------------------------------------------------+
|                            KẾT QUẢ KIỂM THỬ HỆ THỐNG                          |
+-------------------------------------------------------------------------------+
| Kịch bản kiểm thử           | Chỉ tiêu thiết kế    | Kết quả thực nghiệm       |
+-----------------------------+----------------------+--------------------------+
| 1. Không gian làm việc      | Cylindrical D=500mm  | Đạt D = 505 mm, H = 205mm|
| 2. Khối lượng nâng hạ       | Phôi bánh 15 g       | Nâng ổn định tới 85 g    |
| 3. Độ chính xác lặp lại     | Sai số <= 1.5 mm     | Sai số đo đạc: +/- 0.8 mm|
| 4. Áp suất chân không giữ   | P <= -0.5 bar        | Đạt -0.65 bar đến -0.7bar|
| 5. Tỷ lệ nhận diện OpenCV   | Tỉ lệ đúng >= 95%    | Đạt 97.4% trong 500 mẫu  |
| 6. Năng suất đóng khay      | 1 - 2 khay/phút      | Đạt 1.8 khay/phút (11 sp)|
+-------------------------------------------------------------------------------+

Kết quả đạt được

  1. Về cơ khí: Chế tạo thành công toàn bộ khung hợp kim nhôm, 3 cụm cánh tay chủ động bằng hợp kim nhôm phay CNC và cánh tay bị động kép dạng ống sợi carbon cường lực liên kết qua cụm khớp cầu (Ball joint/Rotuyn) không rơ lắc.
  2. Về điều khiển: Làm chủ giải thuật nội suy quỹ đạo 3 chiều trên PLC S7-1200 thông qua khối hàm phát xung công nghệ cao PTO (Pulse Train Output), đồng bộ nhịp nhàng giữa tín hiệu đọc từ encoder băng tải và vị trí gắp nhả.
  3. Về tự động hóa và thị giác: Camera nhận diện ổn định biên dạng phôi trên băng tải chuyển động với tốc độ từ 0.05 m/s đến 0.15 m/s, truyền tọa độ bù sai số về PLC với độ trễ thấp (< 45 ms).

Đổi mới và đóng góp

  1. Tối ưu hóa bài toán động học nghịch trực tiếp trên hệ vi điều khiển & PLC: Thay vì sử dụng các máy tính công nghiệp đắt tiền chạy hệ điều hành thời gian thực (RTOS), đề tài đã giải mã và phân bổ tính toán ma trận tọa độ thông qua module tiền xử lý Python và chuyển tiếp xung điều khiển số trực tiếp đến Driver lai khép kín.
  2. Cấu trúc cánh tay carbon siêu nhẹ: Giảm tải trọng quán tính của bệ di động xuống dưới 280 g, giúp giảm thiểu hiện tượng trượt bước và dao động dư ở tần số dừng cao.
  3. Hiệu quả kinh tế vượt trội: Tiết kiệm hơn 75% chi phí chế tạo so với các mô hình đào tạo hoặc thiết bị công nghiệp nhập ngoại có cùng dải công tác.
So sánh chi phí triển khai hệ thống:
Mô hình Delta IUH:    [========] ~28,000,000 VND
Robot Ngoại nhập:     [==================================================] ~180,000,000 - 350,000,000 VND

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

  • Dây chuyền sản xuất bánh kẹo & đồ ăn nhanh: Đóng gói bánh quy, kẹo đóng gói nhỏ, bánh mì sandwich vào vỉ nhựa định hình.
  • Ngành công nghiệp Dược phẩm: Sắp xếp vỉ thuốc viên nén, chai lọ y tế vào thùng carton với tốc độ cao.
  • Ngành linh kiện điện tử: Phân loại linh kiện dán bề mặt (SMD), tụ điện, chip vi mạch dựa trên nhận dạng quang học.

Phân tích Chi phí - Lợi ích (Cost-Benefit & ROI Analysis)

Giả định áp dụng mô hình cho 1 xưởng sản xuất bánh quy quy mô 500 kg/ngày:

  • Chi phí nhân công hiện tại: 2 công nhân đóng gói $\times$ 7,500,000 VND/tháng = 15,000,000 VND/tháng $\rightarrow$ 180,000,000 VND/năm.
  • Chi phí đầu tư 02 hệ thống Delta Robot: $2 \times 32,000,000\text{ VND} = 64,000,000\text{ VND}$ (đã bao gồm bảo dưỡng dự phòng).
  • Chi phí điện năng & vận hành hàng năm: ~8,000,000 VND.
  • Thời gian hoàn vốn (ROI Timeline): $$\text{ROI} = \frac{64,000,000}{180,000,000 - 8,000,000} \approx 0.37 \text{ năm } (\approx 4.5 \text{ tháng})$$

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Hệ thống sử dụng động cơ bước (Step Motor) kết hợp hộp số giảm tốc thông thường nên khi vận hành ở dải tốc độ cực hạn (> 60 chu kỳ/phút) vẫn có hiện tượng phát nhiệt và rung chấn cơ khí nhẹ.
  • Xử lý ảnh bằng camera RGB thông thường dễ bị ảnh hưởng bởi sự thay đổi cường độ ánh sáng môi trường phân xưởng.
  • Chưa có trục xoay C-axis tại bệ công tác để xoay góc sản phẩm theo hướng khay chứa.

Hướng phát triển

  • Thay thế 3 cụm động cơ bước bằng AC Servo Motor công suất 400W kết hợp hộp số hành tinh độ rơ dưới 3 arcmin để nâng năng suất lên 40 - 60 sản phẩm/phút.
  • Bổ sung trục động cơ thứ 4 dạng trục lồng rỗng (Telescopic Shaft) điều khiển góc định hướng phôi $360^\circ$.
  • Ứng dụng mạng nơ-ron tích chập (YOLOv8-nano / MobileNet-SSD) tăng cường khả năng nhận diện các loại bao bì có họa tiết phức tạp và phân loại sản phẩm biến dạng.

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------+
|                           GIÁ TRỊ CHO TỪNG ĐỐI TƯỢNG                        |
+-----------------------------------------------------------------------------+
| [SINH VIÊN & NGƯỜI HỌC]                                                     |
| - Tài liệu tham khảo hoàn chỉnh về giải tích Động học Robot song song.       |
| - Mã nguồn mẫu xử lý ảnh OpenCV kết hợp PLC S7-1200 thực chiến.             |
|                                                                             |
| [KỸ SƯ & NHÀ PHÁT TRIỂN]                                                    |
| - Khung thiết kế cơ khí 3D chuẩn hóa, sơ đồ mạch lực và mạch điều khiển PLC.|
| - Phương pháp đồng bộ phát xung đa trục PTO trên TIA Portal.                |
|                                                                             |
| [DOANH NGHIỆP VỪA VÀ NHỎ (SMEs)]                                            |
| - Giải pháp tự động hóa pick-and-place chi phí thấp, hoàn vốn nhanh < 5 tháng.|
| - Thiết kế module hóa dễ bảo trì, linh kiện thay thế nội địa phong phú.     |
+-----------------------------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai và vận hành hệ thống là gì?

Hệ thống yêu cầu nguồn điện 1 pha $220\text{V AC} \pm 10%$, $50\text{Hz}$ (công suất tiêu thụ $\approx 650\text{W}$), nguồn khí nén ổn định từ $4 - 6\text{ bar}$ với lưu lượng tối thiểu $50\text{ l/phút}$ cấp cho đầu tạo chân không. Máy tính xử lý ảnh cần cấu hình tối thiểu Intel Core i3 (thế hệ 8 trở lên) hoặc bo mạch nhúng tương đương (như Raspberry Pi 4 / Nvidia Jetson Nano) có cổng kết nối Camera USB 3.0 / GigE.

2. Giới hạn tải trọng và không gian làm việc của Robot Delta là bao nhiêu?

Không gian làm việc tối ưu là hình trụ tròn đường kính $\varnothing 500\text{ mm}$, chiều cao hành trình nâng hạ $Z = 200\text{ mm}$. Tải trọng nâng làm việc định mức là $15 - 50\text{ g}$ (tối ưu cho bánh kẹo, linh kiện nhỏ), tải trọng nâng cực đại tại tâm bệ là $100\text{ g}$.

3. Hệ thống kết nối và đồng bộ với dây chuyền sản xuất sẵn có như thế nào?

PLC S7-1200 hỗ trợ giao thức truyền thông công nghiệp PROFINET / Modbus TCP/IP, cho phép nhận tín hiệu Start/Stop, Interlock và đếm số lượng từ hệ thống đóng gói cấp 1. Hệ thống sử dụng tín hiệu ngắt phần cứng từ Encoder gắn trên băng tải để bám đuổi tọa độ theo thời gian thực (Conveyor Tracking).

4. Quy trình bảo trì định kỳ của hệ thống gồm những gì?

  • Hàng tuần: Vệ sinh đầu lọc giác hút chân không, kiểm tra độ rơ của 6 đầu khớp cầu (Ball joints).
  • Hàng tháng: Kiểm tra độ căng dây đai băng tải, châm dầu mỡ bôi trơn chuyên dụng cho ổ bi và cụm bánh răng giảm tốc.
  • Hàng quý: Hiệu chuẩn lại ma trận điểm ảnh camera (Camera Calibration) và kiểm tra độ chính xác tọa độ gốc (Home Position).

5. Chi phí dự toán và thời gian lắp đặt hoàn chỉnh một trạm robot?

Chi phí linh kiện và gia công chế tạo mô hình dao động từ 25 - 35 triệu VNĐ tùy chọn cấu hình động cơ. Thời gian lắp ráp phần cứng cơ khí, đấu nối tủ điện và nạp chương trình hoàn thiện trong vòng 7 - 10 ngày làm việc.

Kết luận

Đồ án tốt nghiệp "Thiết kế và chế tạo mô hình Robot đóng gói sản phẩm" của nhóm sinh viên Khoa Công nghệ Cơ khí - IUH đã hoàn thành xuất sắc toàn bộ các mục tiêu đặt ra: từ việc nghiên cứu nền tảng lý thuyết động học song song Delta, thiết kế cơ khí 3D chuẩn xác, đến xây dựng thành công hệ thống điều khiển tích hợp PLC Siemens S7-1200 và thị giác máy tính OpenCV.

Mô hình thực nghiệm chứng minh tính khả thi cao, hoạt động ổn định với năng suất đóng gói đạt 1 - 2 khay/phút, định vị gắp nhả chính xác và tiết kiệm đáng kể chi phí chế tạo. Đây là tiền đề kỹ thuật vững chắc để mở rộng nâng cấp sang các phiên bản robot công nghiệp thương mại tốc độ cao, phục vụ thiết thực cho các dây chuyền sản xuất tự động hóa trong các doanh nghiệp chế biến thực phẩm và dược phẩm tại Việt Nam.