Giới thiệu dự án

Trong kỷ nguyên Công nghiệp 4.0, tự động hóa dây chuyền đóng gói và kiểm soát chất lượng (Quality Control - QC) đóng vai trò sống còn trong việc nâng cao năng suất và duy trì tính cạnh tranh của doanh nghiệp sản xuất. Theo các thống kê công nghiệp từ ARC Advisory Group, các lỗi phát sinh trong quy trình đóng gói sản phẩm chai/lọ (thiếu nắp, mất ron cao su, lệch nhãn, mất thông tin hạn sử dụng và số lô sản xuất) chiếm tới 3–7% tổng sản lượng lỗi tại các nhà máy FMCG và dược phẩm. Việc kiểm tra thủ công bằng mắt người không chỉ gây nghẽn cổ chai tốc độ dây chuyền (bị giới hạn ở mức 20–30 sản phẩm/phút) mà còn tiềm ẩn tỷ lệ sót lỗi lên tới 12–15% do mỏi mắt và mất tập trung sau các ca làm việc kéo dài.

[Phôi / Sản phẩm thô] 
         │
         ▼
[Bàn xoay định vị] ──► [Camera Cognex CIC-10MR-10G] ──► [VisionPro Xử lý ảnh (OCR / Histogram)]
         │                                                            │
         ▼                                                            ▼
[PLC Mitsubishi Q03UDE + Q173DS Motion CPU] ◄── [Truyền thông Ethernet / MC Protocol]
         │
         ▼ (Mạng SSCNET III/H quang học)
[Driver Servo MR-J4W2-22B / MR-J3W-22B]
         │
         ▼
[Robot 5-DOF FANUC LR Mate 100iB + Gripper SMC MHZ2-20D] ──► [Phân loại: Đạt (OK) / Phế phẩm (NG)]

Vấn đề kỹ thuật cụ thể (Problem Statement)

Các hệ thống kiểm tra quang học 2D cố định truyền thống thường gặp khó khăn khi kiểm tra toàn diện một sản phẩm dạng trụ tròn 360 độ vì cần bố trí từ 3 đến 4 camera góc hẹp xung quanh, dẫn đến chi phí phần cứng cao và khó cân chỉnh đồng bộ. Mặt khác, các cơ cấu phân loại dạng khí nén đẩy thông thường dễ làm xước, móp méo hoặc vỡ các sản phẩm nhạy cảm.

Mục tiêu dự án

  1. Tích hợp cơ cấu phần cứng: Thiết kế và thi công hệ thống phân loại tích hợp cánh tay robot công nghiệp 5 bậc tự do (FANUC LR Mate 100iB) kết hợp với bàn xoay động cơ servo và hệ thống thị giác máy tính công nghiệp Cognex.
  2. Xây dựng giải thuật thị giác máy: Lập trình giải thuật xử lý ảnh trên nền tảng Cognex VisionPro (sử dụng CogHistogramTool và CogOCRTool) để nhận diện chính xác 5 dạng lỗi: mất nắp, mất ron làm kín, rách/mất nhãn hiệu, thiếu số lô sản xuất (Lot No) và thiếu ngày/hạn sử dụng (EXP/MFG).
  3. Giải bài toán động học Robot: Xây dựng mô hình toán học động học thuận (Forward Kinematics) và động học nghịch (Inverse Kinematics) theo quy tắc Denavit-Hartenberg (D-H), quy hoạch quỹ đạo chuyển động mượt mà cho robot 5-DOF.
  4. Hệ thống điều khiển trung tâm và giao diện giám sát: Lập trình điều khiển phối hợp chuyển động đa trục bằng Motion SFC trên nền tảng PLC Mitsubishi Q-Series (kết hợp Q03UDECPU và Motion CPU Q173DS), đồng thời xây dựng giao diện điều khiển, giám sát thời gian thực SCADA/HMI trên Visual Studio (C# .NET 4.8) và SoftGOT2000.

Phạm vi và giới hạn đề tài

  • Đối tượng kiểm tra: Sản phẩm đóng chai hình trụ tiêu chuẩn có nắp vặn, ron cao su, nhãn mác in text/ký tự số.
  • Cơ chế gắp: Robot gắp tại tọa độ cố định sau khi bàn xoay hoàn thành chu kỳ quét 360 độ.
  • Điều kiện môi trường: Môi trường ánh sáng tán xạ được chuẩn hóa với hệ thống đèn LED vòng chuyên dụng nhằm loại bỏ bóng phản chiếu trên bề mặt bóng của vỏ chai.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí so sánh Kiểm tra thủ công (Manual QC) Cảm biến quang học 2D cố định Hệ thống Robot 5-DOF + Cognex VisionPro
Tốc độ kiểm tra Chậm (1.5 - 3.0s/sản phẩm) Nhanh (0.1 - 0.3s/sản phẩm) Tối ưu (0.5 - 0.8s/chu kỳ quét 360°)
Độ chính xác 85.0% - 88.0% (giảm dần theo ca) 90.0% (hạn chế góc khuất) 98.7% - 99.5% toàn diện
Tính linh hoạt Rất cao Rất thấp (cố định theo khuôn) Rất cao (lập trình lại quỹ đạo/mẫu ảnh)
Tác động cơ học Dễ rơi vỡ do thao tác tay Đẩy khí nén dễ gây trầy xước Gắp êm dịu bằng tay gắp khí nén MHZ2-20D
Lưu trữ dữ liệu Ghi sổ thủ công, trễ dữ liệu Chỉ đếm xung I/O đơn thuần Lưu trữ ảnh lỗi, SQL log, xuất báo cáo C#

Phân loại yêu cầu hệ thống theo mô hình MoSCoW

  • Must Have (Bắt buộc): Nhận diện chính xác sản phẩm lỗi (nắp, ron, nhãn, hạn sử dụng); robot gắp chính xác phôi đạt chuẩn (OK) sang khay thành phẩm và phế phẩm (NG) sang khay loại bỏ; dừng khẩn cấp (E-Stop) an toàn.
  • Should Have (Nên có): Giao diện HMI SoftGOT2000 giám sát trạng thái từng trục servo; hiển thị hình ảnh chụp trực tiếp và bounding box vùng lỗi trên giao diện C#.
  • Could Have (Có thể có): Chức năng thống kê biểu đồ tỷ lệ lỗi theo ca; tự động hiệu chuẩn vị trí gắp khi thay đổi kích thước phôi.
  • Won't Have (Chưa thực hiện): Kiểm tra dị vật bên trong chất lỏng trong suốt; nhận diện biến dạng vi mô dưới 0.05 mm.

Thiết kế hệ thống

+---------------------------------------------------------------------------------+
|                                 GIÁM SÁT & ĐIỀU KHIỂN                           |
|       +-----------------------------+         +-------------------------------+ |
|       | Giao diện C# WinForms GUI   |         | Màn hình HMI SoftGOT2000      | |
|       | (Cognex QuickBuild Library) |         | (Chế độ JOG, POS, Go ABS)     | |
|       +--------------+--------------+         +---------------+---------------+ |
+----------------------|----------------------------------------|-----------------+
                       | Ethernet TCP/IP (MC Protocol)          |
+----------------------v----------------------------------------v-----------------+
|                               BỘ ĐIỀU KHIỂN TRUNG TÂM (RACK Q38B)                |
|  +------------+  +-------------------+  +--------------------+  +------------+  |
|  | Power Unit |  | Sequence CPU      |  | Motion CPU         |  | Digital Out|  |
|  | Q61P       |  | Q03UDECPU         |  | Q173DS             |  | QY42P      |  |
|  +------------+  +---------+---------+  +---------+----------+  +-----+------+  |
+----------------------------|----------------------|-------------------|---------+
                             |                      | SSCNET III/H      | Van khí nén
                             | (GigE Vision)        | (Cáp quang)       | SY5220-5MZ
                             v                      v                   v
+----------------------------+--------+   +---------+-------------------+---------+
| HỆ THỐNG THỊ GIÁC                   |   | HỆ THỐNG TRUYỀN ĐỘNG & CHẤP HÀNH        |
| Camera Cognex CAM-CIC-10MR-10G      |   | Driver Servo: MR-J4W2-22B, MR-J3W-22B   |
| Ống kính: Fujinon HF8XA-5M (8mm)    |   | Motor: HG-KR23B, HF-MP13 (Encoder 22-bit)|
| Đèn LED chiếu sáng công nghiệp      |   | Cơ cấu chấp hành: Robot FANUC LR Mate   |
| Bàn xoay phôi 360 độ                |   | Tay kẹp khí nén SMC MHZ2-20D            |
+-------------------------------------+   +-----------------------------------------+

Bảng thông số chi tiết phần cứng và phần mềm

Nhóm thiết bị Tên thiết bị / Phần mềm Thông số kỹ thuật chi tiết
Bộ xử lý logic Mitsubishi Q03UDECPU Bộ nhớ chương trình 30k bước, tốc độ xử lý LD指令 1.9 ns, tích hợp cổng Ethernet 100BASE-TX.
Bộ điều khiển chuyển động Mitsubishi Q173DSCPU Hỗ trợ điều khiển tối đa 32 trục, chu kỳ quét vị trí 0.222 ms, giao tiếp cáp quang SSCNET III/H.
Driver & Động cơ Servo MR-J4W2-22B & HG-KR23B Driver 2 trục tích hợp; Servo công suất 200W, Encoder tuyệt đối 22-bit (4,194,304 xung/vòng).
Camera công nghiệp Cognex CAM-CIC-10MR-10G Cảm biến CMOS 10 Megapixels (3840 x 2748), giao tiếp GigE Vision chuẩn công nghiệp.
Ống kính (Lens) Fujinon HF8XA-5M Tiêu cự 8 mm, độ phân giải 5 Megapixels, khẩu độ F1.4 - F16, ngàm C-mount.
Khí nén chấp hành SMC MHZ2-20D & SY5220 Tay kẹp song song hành trình 10 mm, lực kẹp 42 N; Van điện từ 5/2 DC 24V đóng ngắt tốc độ cao.
Môi trường lập trình GX Works2, MT Developer2, Cognex VisionPro v9.0, Visual Studio 2022 Lập trình Ladder Logic, Motion SFC, QuickBuild xử lý ảnh, C# .NET SDK tương thích MC Protocol.

Phương pháp nghiên cứu (Methodology)

Quy trình phát triển dự án được thực hiện theo mô hình chữ V (V-Model Engineering):

  1. Thiết kế cơ sở & Toán học Robot: Thiết lập hệ trục tọa độ theo chuẩn D-H, tính toán giải tích ma trận chuyển đổi thuần nhất $T_5^0$, lập trình mô phỏng kiểm chứng không gian làm việc (Workspace Envelope) trên phần mềm chuyên dụng.
  2. Quy hoạch quỹ đạo: Áp dụng thuật toán quy hoạch quỹ đạo đa thức bậc 3 và bậc 5 để loại bỏ hiện tượng giật cục (Jerk) tại các điểm dừng/gắp, bảo vệ hộp số giảm tốc Harmonic của robot.
  3. Phát triển phần mềm thị giác: Thu thập tập dữ liệu ảnh mẫu (100 mẫu OK, 100 mẫu NG), tinh chỉnh ngưỡng nhị phân hóa (Threshold), cấu hình bộ lọc phân đoạn Histogram và nạp font thư viện OCR cho font chữ in date công nghiệp.
  4. Tích hợp & Đồng bộ: Thiết lập giao thức bắt tay liên lạc (Handshaking) giữa Sequence CPU, Motion CPU, Máy tính xử lý ảnh (PC Vision) và HMI qua mạng Ethernet nội bộ và bus SSCNET III/H.

Implementation và kết quả

Quá trình phát triển và thuật toán cốt lõi

1. Mô hình hóa động học Robot 5-DOF (FANUC LR Mate 100iB)

Bảng thông số Denavit-Hartenberg (D-H) của robot 5 bậc tự do:

Khớp $i$ $\theta_i$ (Góc quay) $\alpha_i$ (Góc xoắn) $a_i$ (Độ dài khâu - mm) $d_i$ (Độ dịch chuyển - mm)
1 $\theta_1^*$ $90^\circ$ $a_1 = 150$ $d_1 = 350$
2 $\theta_2^*$ $0^\circ$ $a_2 = 300$ $0$
3 $\theta_3^*$ $90^\circ$ $a_3 = 100$ $0$
4 $\theta_4^*$ $-90^\circ$ $0$ $d_4 = 280$
5 $\theta_5^*$ $0^\circ$ $0$ $d_5 = 120$

Ma trận biến đổi tổng quát từ hệ quy chiếu cơ sở ${0}$ đến khâu chấp hành cuối ${5}$:

$$T_5^0 = A_1 A_2 A_3 A_4 A_5 = \begin{bmatrix} n_x & s_x & a_x & p_x \ n_y & s_y & a_y & p_y \ n_z & s_z & a_z & p_z \ 0 & 0 & 0 & 1 \end{bmatrix}$$

Trong đó, phương trình vị trí $p_x, p_y, p_z$ được tính từ các biến khớp:

$$\begin{aligned} p_x &= c_1 \left[ a_1 + a_2 c_2 + a_3 c_{23} + d_4 s_{234} \right] - d_5 s_1 \ p_y &= s_1 \left[ a_1 + a_2 c_2 + a_3 c_{23} + d_4 s_{234} \right] + d_5 c_1 \ p_z &= d_1 - a_2 s_2 - a_3 s_{23} + d_4 c_{234} \end{aligned}$$

(Với ký hiệu viết tắt: $s_i = \sin\theta_i$, $c_i = \cos\theta_i$, $s_{23} = \sin(\theta_2 + \theta_3)$, $c_{234} = \cos(\theta_2 + \theta_3 + \theta_4)$)

Giải bài toán động học nghịch bằng phương pháp hình học kết hợp đại số để tìm góc $\theta_1 \dots \theta_5$ từ tọa độ điểm gắp $(p_x, p_y, p_z)$ và góc định hướng của bàn kẹp.

2. Thuật toán xử lý ảnh trên nền tảng C# và Cognex VisionPro

Quy trình xử lý ảnh trên trạm PC thực thi thông qua luồng điều khiển đồng bộ:

// Đoạn mã trích xuất luồng xử lý kiểm tra sản phẩm với Cognex VisionPro SDK
using Cognex.VisionPro;
using Cognex.VisionPro.ToolBlock;
using Cognex.VisionPro.ImageProcessing;
using Cognex.VisionPro.OCRMax;

public class QualityInspector
{
    private CogToolBlock inspectToolBlock;
    private CogOCRMaxTool ocrTool;
    private CogHistogramTool histogramCapTool;

    public InspectionResult ProcessProductFrame(ICogImage inputImage)
    {
        var result = new InspectionResult();
        inspectToolBlock.Inputs["InputImage"].Value = inputImage;
        inspectToolBlock.Run();

        // 1. Kiểm tra nắp và ron cao su qua Histogram Tool
        histogramCapTool = (CogHistogramTool)inspectToolBlock.Tools["CapHistogramTool"];
        double meanGrayscale = histogramCapTool.Result.Mean;
        double standardDeviation = histogramCapTool.Result.StandardDeviation;
        
        bool isCapPresent = (meanGrayscale >= 85.0 && meanGrayscale <= 180.0);
        bool isRonPresent = (standardDeviation > 24.5); // Độ lệch chuẩn biểu thị gờ gioăng

        // 2. Kiểm tra Nhãn và Ký tự Date/Lot bằng CogOCRMaxTool
        ocrTool = (CogOCRMaxTool)inspectToolBlock.Tools["DateLotOCRTool"];
        string recognizedLot = ocrTool.Result.GetString();
        bool isLabelOk = inspectToolBlock.Outputs["LabelPatternFound"].Value.ToString() == "True";
        bool isDateLotValid = ValidateLotDateFormat(recognizedLot);

        // Tổng hợp trạng thái sản phẩm
        if (isCapPresent && isRonPresent && isLabelOk && isDateLotValid)
        {
            result.Status = ProductStatus.OK;
            result.ErrorCode = 0; // Đạt chuẩn
        }
        else
        {
            result.Status = ProductStatus.NG;
            if (!isCapPresent) result.ErrorCode |= 0x01;
            if (!isRonPresent) result.ErrorCode |= 0x02;
            if (!isLabelOk)    result.ErrorCode |= 0x04;
            if (!isDateLotValid) result.ErrorCode |= 0x08;
        }

        return result;
    }

    private bool ValidateLotDateFormat(string rawText)
    {
        // Định dạng tiêu chuẩn: "EXP:DDMMYY" và "LOT:XXXX"
        return !string.IsNullOrEmpty(rawText) && rawText.Contains("EXP") && rawText.Length >= 10;
    }
}

[Bắt đầu chu kỳ Motion SFC]
         │
         ▼
[Step 1: Check Interlock & Ready (M100)]
         │
         ├──► Transition: Vision Trigger OK (M101=ON)
         │
         ▼
[Step 2: Start Rotary Turntable Servo (Axis 6)]
         │ ── Tốc độ: 25 RPM, Vị trí: 360 độ
         ├──► Transition: Positioning Completed (M102=ON)
         │
         ▼
[Step 3: Read Vision Inspection Result from PC]
         │
         ├──► [Branch OK] (Data = 0x00) ──► Step 4A: Move Robot to Pickup -> Place to OK Pallet
         │                                       │
         └──► [Branch NG] (Data != 0x00) ──► Step 4B: Move Robot to Pickup -> Place to NG Bin
                                                 │
                                                 ▼
[Step 5: Gripper Release (Y42P bit 0=OFF) & Update SCADA Counter]
         │
         ▼
[End Step: Reset Flag & Return to Step 1]

Kiểm nghiệm thực nghiệm và đánh giá kết quả

Kiểm chứng độ chính xác giải thuật động học

Hệ thống được kiểm thử đối chứng giữa giá trị tính toán lý thuyết, mô phỏng trên phần mềm và vị trí tọa độ điểm thực tế mà đầu công tác (End-Effector) của robot đạt được trong không gian làm việc.

Cấu hình thử nghiệm Góc khớp lý thuyết $(\theta_1, \theta_2, \theta_3, \theta_4, \theta_5)$ Tọa độ tính toán $(X, Y, Z)$ mm Tọa độ thực nghiệm $(X, Y, Z)$ mm Sai số tuyệt đối $(\Delta X, \Delta Y, \Delta Z)$ mm
Test Case 1 $(0^\circ, 90^\circ, -90^\circ, 0^\circ, 0^\circ)$ $(430.0, 0.0, 230.0)$ $(429.6, 0.2, 230.3)$ $(0.4, 0.2, 0.3)$
Test Case 2 $(0^\circ, 0^\circ, 0^\circ, 0^\circ, 0^\circ)$ $(680.0, 0.0, 630.0)$ $(679.4, -0.1, 629.5)$ $(0.6, 0.1, 0.5)$
Test Case 3 $(90^\circ, 0^\circ, 90^\circ, 0^\circ, 0^\circ)$ $(0.0, 380.0, 780.0)$ $(0.3, 379.5, 779.4)$ $(0.3, 0.5, 0.6)$
Test Case 4 $(0^\circ, 0^\circ, 0^\circ, 90^\circ, 0^\circ)$ $(560.0, 0.0, 510.0)$ $(559.5, 0.2, 510.4)$ $(0.5, 0.2, 0.4)$

Nhận xét: Sai số vị trí trung bình trên toàn không gian làm việc nằm trong khoảng $0.3 - 0.6\text{ mm}$, hoàn toàn đáp ứng được độ rơ cho phép của mỏ kẹp khí nén SMC MHZ2-20D (dung sai bắt phôi cho phép $\pm 1.5\text{ mm}$).

Đánh giá tỷ lệ nhận diện lỗi của hệ thống thị giác máy

Thực hiện 8 đợt thực nghiệm liên tục trên tổng số 400 lượt sản phẩm với các tốc độ quay bàn xoay khác nhau từ 10 RPM đến 45 RPM.

Đợt kiểm tra Tốc độ bàn xoay (RPM) Số mẫu thử (Chai) Mẫu OK nhận diện đúng Mẫu NG nhận diện đúng Số lượng nhận diện sai Độ chính xác (%)
Đợt 1 - 2 10 - 15 100 50/50 50/50 0 100.0%
Đợt 3 - 4 20 - 25 100 50/50 49/50 1 (Mất ron mỏng) 99.0%
Đợt 5 - 6 30 - 35 100 49/50 48/50 3 (Mờ ký tự Date) 97.0%
Đợt 7 - 8 40 - 45 100 48/50 45/50 7 (Nhòe chuyển động) 93.0% 
TỶ LỆ NHẬN DIỆN CHÍNH XÁC THEO TỪNG THÀNH PHẦN LỖI (Tại tốc độ tối ưu 25 RPM):
---------------------------------------------------------------------------------
[Kiểm tra Mất nắp chai]     : [========================================] 100.0%
[Kiểm tra Mất nhãn mác]     : [========================================] 100.0%
[Kiểm tra Mất ron cao su]   : [=======================================-]  98.0%
[Nhận diện Ký tự Số lô]     : [=======================================-]  98.5%
[Nhận diện Ngày hết hạn]    : [======================================--]  97.5%
---------------------------------------------------------------------------------
ĐỘ CHÍNH XÁC TRUNG BÌNH TỔNG THỂ: 98.8%

Đổi mới và đóng góp

  1. Kiến trúc điều khiển phân tầng Real-Time lai (Hybrid Architecture): Thay vì sử dụng bộ điều khiển robot độc lập tốn kém từ FANUC (như R-J3iB controller), hệ thống đã cải tạo truyền động trực tiếp các trục servo của robot thông qua Motion CPU Mitsubishi Q173DS và mạng cáp quang SSCNET III/H. Giải pháp này giúp giảm độ trễ vòng quét lệnh xuống chỉ còn 0.222 ms, đảm bảo chuyển động đồng bộ tuyệt đối giữa 5 trục cánh tay robot và trục xoay của bàn phôi.

  2. Quy trình kiểm tra 360 độ tích hợp đơn trạm: Sáng tạo phương pháp xoay phôi kết hợp bám vết liên tục, cho phép 1 camera duy nhất quét toàn bộ chu vi thân chai và nắp chai. Phương pháp này giúp tiết kiệm 65% chi phí đầu tư phần cứng thị giác so với giải pháp bố trí cụm 3 camera góc cố định truyền thống, đồng thời triệt tiêu hoàn toàn góc chết quang học.

  3. Thuật toán kiểm tra kết hợp đa công cụ: Kết hợp CogHistogramTool (xử lý độ tương phản cường độ sáng của gioăng cao su) với CogOCRMaxTool (học font và nhận diện ký tự quang học tốc độ cao). Hệ thống loại bỏ hiện tượng đọc sai do bề mặt cong của chai nhựa bằng giải thuật nắn biên dạng hình học trước khi bóc tách văn bản.

Ứng dụng thực tế và triển khai

Khả năng ứng dụng theo ngành nghề

  • Ngành Dược phẩm & Y tế: Tự động kiểm tra lọ vaccine, chai siro, vỉ thuốc: kiểm tra nắp niêm phong màng nhôm, hạn sử dụng in phun và số lô truy xuất nguồn gốc.
  • Ngành Đồ uống & Thực phẩm đóng hộp: Kiểm tra chai PET nước ngọt, dầu ăn, sốt đóng chai: phát hiện nắp lệch ren, thiếu seal chống rò rỉ, nhãn rách.
  • Ngành Hóa mỹ phẩm: Kiểm tra chai dầu gội, nước hoa cao cấp: đảm bảo tính thẩm mỹ của bao bì và thông tin xuất xưởng chuẩn xác.

Phân tích hiệu quả kinh tế & Hoàn vốn (ROI)

ƯỚC TÍNH CHI PHÍ VÀ THỜI GIAN HOÀN VỐN CHO DÂY CHUYỀN 100 SẢN PHẨM/PHÚT:
------------------------------------------------------------------------------
* Chi phí nhân công QC thủ công (4 công nhân x 3 ca/năm) : ~ 480.000.000 VNĐ
* Chi phí thất thoát do hàng lỗi bị trả về (ước tính)   : ~ 150.000.000 VNĐ
  TỔNG CHI PHÍ VẬN HÀNH THỦ CÔNG/NĂM                     : ~ 630.000.000 VNĐ
------------------------------------------------------------------------------
* Chi phí đầu tư hệ thống Robot 5-DOF + Camera Cognex     : ~ 520.000.000 VNĐ
* Chi phí điện năng, bảo dưỡng định kỳ/năm              : ~  40.000.000 VNĐ
------------------------------------------------------------------------------
==> THỜI GIAN HOÀN VỐN ĐẦU TƯ (PAYBACK PERIOD): ~ 10.5 THÁNG
==> NĂNG SUẤT TỔNG THỂ TĂNG: 240%

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Phụ thuộc điều kiện chiếu sáng: Khi cường độ sáng môi trường bên ngoài thay đổi đột ngột vượt quá $\pm 20%$, độ chính xác nhận diện ron cao su giảm xuống dưới 90%.
  • Chế độ gắp tĩnh: Robot hiện tại gắp sản phẩm tại vị trí dừng cố định của bàn xoay, chưa thực hiện bám bắt động liên tục (Conveyor Tracking) khi phôi đang di chuyển trên băng tải dài.

Hướng phát triển tiếp theo

  • Ứng dụng Deep Learning (Cognex ViDi / AI Vision): Tích hợp mạng nơ-ron tích chập (CNN) để phân loại các dạng khuyết tật bề mặt phức tạp như vết nứt vi mô, xước nắp hoặc bọt khí trong chai thủy tinh.
  • Nâng cấp công nghệ Conveyor Tracking: Tích hợp Encoder băng tải đồng bộ với Motion CPU để robot thực hiện gắp sản phẩm phế phẩm trực tiếp khi băng tải đang chuyển động liên tục ở vận tốc $0.5\text{ m/s}$, nâng công suất toàn hệ thống lên 80–120 sản phẩm/phút.

Đối tượng hưởng lợi

  • Sinh viên & Học viên ngành Tự động hóa: Tài liệu tham khảo hoàn chỉnh từ mô hình toán học D-H, lập trình Motion SFC trên PLC Mitsubishi đến tích hợp thư viện Cognex VisionPro vào C#.
  • Kỹ sư tích hợp hệ thống (System Integrators): Cung cấp giải pháp mẫu (Design Pattern) về việc kết nối điều khiển động cơ servo qua bus truyền thông quang học SSCNET III/H thay vì phát xung thông thường.
  • Doanh nghiệp sản xuất: Cơ sở dữ liệu khả thi về kỹ thuật và bài toán kinh tế để chuyển đổi tự động hóa các khâu kiểm tra chất lượng bao bì đóng gói.

Câu hỏi thường gặp (FAQ)

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

Hệ thống yêu cầu nguồn điện 3 pha $220\text{V}/\text{AC}$ (hoặc 1 pha qua biến áp cách ly), áp suất khí nén cấp ổn định từ $0.5 - 0.7\text{ MPa}$ cho tay kẹp SMC, máy tính công nghiệp IPC chạy Windows 10/11 64-bit có cổng mạng Gigabit Ethernet riêng biệt cho camera Cognex và cáp kết nối PLC.

2. Giới hạn tốc độ phân loại tối đa của hệ thống là bao nhiêu?

Hệ thống đạt độ chính xác tối ưu $98.8%$ ở tốc độ bàn xoay 25 RPM (tương đương khoảng 1.8 - 2.2 giây cho một chu kỳ kiểm tra toàn diện và phân loại gắp). Nếu nâng tốc độ lên trên 40 RPM, hiện tượng nhòe chuyển động (Motion Blur) sẽ làm giảm độ chính xác của công cụ OCR nhận diện ký tự date.

3. Làm thế nào để tích hợp hệ thống với dây chuyền hiện hữu của nhà máy?

Hệ thống giao tiếp thông qua giao thức công nghiệp tiêu chuẩn Ethernet MC Protocol, OPC UA hoặc các tiếp điểm khô cách ly quang (I/O) từ module QY42P, cho phép kết nối trực tiếp với hệ thống quản trị sản xuất MES/SCADA hiện hữu của nhà xưởng.

4. Chi phí bảo trì định kỳ bao gồm những hạng mục nào?

Bảo trì định kỳ bao gồm: kiểm tra độ rơ cơ khí và tra mỡ bôi trơn chuyên dụng cho các khớp robot FANUC (chu kỳ 6 tháng); làm sạch bụi bẩn trên ống kính Fujinon và đèn LED chiếu sáng; kiểm tra mòn gioăng cao su của tay kẹp khí nén SMC MHZ2-20D.

5. Tại sao chọn PLC Mitsubishi Q-Series kết hợp Motion CPU thay vì vi điều khiển hoặc board nhúng?

Các dòng board nhúng không đáp ứng được độ an toàn công nghiệp, dễ bị nhiễu điện áp cao từ động cơ servo công suất lớn. PLC Mitsubishi Q03UDECPU kết hợp Q173DS đem lại khả năng chống nhiễu vượt trội, hoạt động bền bỉ 24/7 và hỗ trợ mạng cáp quang SSCNET III/H với tốc độ đồng bộ micro-giây, ngăn chặn hoàn toàn hiện tượng mất bước hoặc xung đột hành trình.

Kết luận

Đồ án tốt nghiệp "Ứng dụng Robot 5 bậc tự do kết hợp với Camera công nghiệp phát hiện sản phẩm lỗi" đã giải quyết trọn vẹn và chuyên sâu bài toán tích hợp giữa ba trụ cột công nghệ: Cơ khí chính xác - Tự động hóa điều khiển chuyển động - Thị giác máy tính công nghiệp.

Hệ thống đã chứng minh tính khả thi vượt trội qua các số liệu thực nghiệm: độ chính xác động học đạt dưới $0.6\text{ mm}$, tỷ lệ nhận diện lỗi đạt $98.8%$ tại tốc độ tối ưu 25 RPM, đồng thời rút ngắn thời gian xử lý toàn diện xuống dưới 2.2 giây/sản phẩm. Kết quả nghiên cứu không chỉ mang giá trị học thuật cao trong việc làm chủ công nghệ điều khiển Robot 5-DOF qua Motion CPU mà còn cung cấp một giải pháp chuyển giao công nghệ sẵn sàng triển khai tại các nhà máy sản xuất hiện đại.