ứng dụng mô hình dự đoán xác định vị trí đỗ cho hệ agv nhằm giảm thiểu thời gian hoàn thành nhiệm vụ

Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (2.54 MB, 92 trang )

<span class="text_page_counter">Trang 1</span><div class="page_container" data-page="1">

ĐẠI HỌC QUỐC GIA TP. HCM

<b>TRƯỜNG ĐẠI HỌC BÁCH KHOA </b>

NGƠ TRƯỜNG TÍN

<b>ỨNG DỤNG MƠ HÌNH DỰ ĐỐN XÁC ĐỊNH VỊ TRÍ ĐỖ CHO HỆ AGV NHẰM GIẢM THIỂU THỜI GIAN HOÀN </b>

<b>THÀNH NHIỆM VỤ </b>

<b>APPLICATION OF PREDICTION MODEL TO DETERMINE PARKING POSITONS FOR AGV SYSTEM TO </b>

<b>MINIMIZE TASK COMPLETION TIME </b>

<b>Chuyên ngành: Kỹ thuật Cơ điện tử Mã số: 8520114 </b>

LUẬN VĂN THẠC SĨ

TP. HỒ CHÍ MINH, tháng 1 năm 2024

</div><span class="text_page_counter">Trang 2</span><div class="page_container" data-page="2">

<b>Cơng trình được hồn thành tại: Trường Đại học Bách Khoa – ĐHQG-HCM </b>

Cán bộ hướng dẫn khoa học: PGS.TS. Ngô Hà Quang Thịnh ...

2. Thư ký: TS. Dương Văn Tú ...

3. Phản biện 1: PGS.TS. Đỗ Xuân Phú ...

4. Phản biện 2: TS. Lê Ngọc Bích ...

5. Uỷ viên: TS. Phùng Thanh Huy ...

Xác nhận của Chủ tịch Hội đồng đánh giá LV và Trưởng Khoa quản lý chuyên ngành sau khi luận văn đã được sửa chữa (nếu có). <b>CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA CƠ KHÍ </b>PGS.TS. Võ Tường Quân

</div><span class="text_page_counter">Trang 3</span><div class="page_container" data-page="3">

ĐẠI HỌC QUỐC GIA TP.HCM

<b>TRƯỜNG ĐẠI HỌC BÁCH KHOA </b>

<b>CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự do - Hạnh phúc</b>

<b>NHIỆM VỤ LUẬN VĂN THẠC SĨ </b>

Họ tên học viên: NGÔ TRƯỜNG TÍN ... MSHV: 2171038 Ngày, tháng, năm sinh: 30-04-1999 ... Nơi sinh: Bình Định Chuyên ngành: Kỹ thuật Cơ Điện Tử ... Mã số : 8520114

thiểu thời gian hoàn thành nhiệm vụ.( Application of prediction model to determine parking positons for agv system to minimize task completion time)

<b>II. NHIỆM VỤ VÀ NỘI DUNG: Tìm hiểu về hệ thống AGV và mơ hình dự đốn. </b>

Mơ phỏng hệ thống và huấn luyện mơ hình dự đốn. Đề xuất thuật tốn nhằm xác định vị trí đỗ cho AGV ứng dụng mơ hình dự đốn.

<b>III. NGÀY GIAO NHIỆM VỤ : (Ghi theo trong QĐ giao đề tài) 04/09/2023. IV. NGÀY HOÀN THÀNH NHIỆM VỤ: (Ghi theo trong QĐ giao đề tài) </b>

18/12/2023.

<b>V. CÁN BỘ HƯỚNG DẪN (Ghi rõ học hàm, học vị, họ, tên): PGS.TS. Ngô Hà </b>

Quang Thịnh

</div><span class="text_page_counter">Trang 4</span><div class="page_container" data-page="4">

<b>LỜI CẢM ƠN </b>

Mở đầu thuyết minh luận văn, tơi muốn bày tỏ lịng biết ơn sâu sắc và chân thành đến những người đã đồng hành và hỗ trợ tơi suốt hành trình làm luận văn này. Lời đầu tiên, tôi xin gửi lời tri ân đặc biệt tới PGS.TS. Ngô Hà Quang Thịnh, người đã là nguồn động viên, hướng dẫn và hỗ trợ tận tình. Sự hiểu biết và kiến thức sâu rộng của thầy đã là điểm động viên quan trọng, giúp tôi vượt qua những khó khăn và hồn thiện luận văn một cách xuất sắc.

Tơi cũng muốn bày tỏ lịng biết ơn đặc biệt đến anh Lê Thế Cường, người đã chia sẻ sự tư vấn và hỗ trợ trong quá trình lựa chọn hướng đi cho luận văn. Sự sáng tạo và cái nhìn chiến lược từ anh đã là nguồn động viên lớn, giúp tôi xác định đúng hướng và mục tiêu của cơng trình.

Gia đình tơi là nguồn động viên khơng ngừng. Tơi muốn bày tỏ lịng biết ơn sâu sắc đến cha mẹ và anh chị em, người đã luôn ủng hộ, động viên và tạo điều kiện thuận lợi cho tơi để có thể hồn thành luận văn này. Sự hiểu biết và lòng tin tưởng của gia đình là nguồn động lực mạnh mẽ, là động lực lớn nhất đưa tôi vượt qua mọi thách thức. Không thể không nhắc đến bạn bè và người yêu, đặc biệt là Minh Châu, người đã đồng hành và giúp tơi vượt qua những khó khăn. Sự hỗ trợ và ủng hộ to lớn của bạn là một phần quan trọng giúp tơi tiến bộ và hồn thiện cơng trình.

Cuối cùng, tơi xin bày tỏ lịng biết ơn đến nhà trường và bộ môn Cơ điện tử - khoa Cơ khí, đã tạo điều kiện thuận lợi và hỗ trợ đề tài trong suốt quá trình nghiên cứu và làm việc. Xin chân thành cảm ơn!

Ngơ Trường Tín

</div><span class="text_page_counter">Trang 5</span><div class="page_container" data-page="5">

<b>TĨM TẮT LUẬN VĂN </b>

Sự tiến bộ của các ngành công nghiệp đóng vai trị quan trọng trong việc tạo ra nhu cầu ngày càng tăng về việc sử dụng hệ thống Multi-AGV (Automated Guided Vehicle) trong tương lai. Do đó, việc liên tục cải tiến các hệ thống Multi-AGV là điều cần thiết để tối ưu hóa hiệu suất và mở rộng khả năng ứng dụng của chúng. Đề tài này đề xuất một thuật toán mới áp dụng mơ hình dự đốn vào q trình phân phối nhiệm vụ cho AGV, được thử nghiệm trên một bản đồ mơ phỏng dưới dạng bàn cờ. Thuật tốn này giúp giảm thiểu thời gian phản hồi của các AGV, qua đó làm giảm thời gian hồn thành nhiệm vụ một cách gián tiếp..

<b>ABSTRACT </b>

The development of industries serves as a precursor to the rapidly increasing demand for the application of Multi-AGV (Automated Guided Vehicle) systems in the coming years. Consequently, continuous improvement of Multi-AGV systems is essential to optimize performance and enhance scalability. This study proposes a new algorithm applying predictive modeling to the task allocation process for AGVs, tested on a simulated map resembling a chessboard layout. The algorithm helps minimize response time for AGVs, thereby indirectly reducing task completion time.

</div><span class="text_page_counter">Trang 6</span><div class="page_container" data-page="6">

<b>LỜI CAM ĐOAN </b>

Luận văn này là cơng trình nghiên cứu của cá nhân tôi, được thực hiện dưới sự hướng dẫn của PGS. TS. Ngô Hà Quang Thịnh. Luận văn của tơi có tham khảo các tài liệu, bài báo, trang web như được trình bày ở mục tài liệu tham khảo và ở mỗi tham khảo tơi đều trích dẫn nguồn gốc. Tơi xin cam đoan rằng ngồi những trích dẫn từ các tham khảo trên, toàn bộ nội dung trong báo cáo là do tôi tự soạn thảo từ những kết quả nghiên cứu của riêng cá nhân tôi, khơng sao chép từ bất kì tài liệu nào khác.

Tơi sẽ hồn tồn chịu xử lí theo quy định nếu có bất cứ sai phạm nào so với lời cam đoan.

Học viên

<b>Ngơ Trường Tín </b>

</div><span class="text_page_counter">Trang 7</span><div class="page_container" data-page="7">

1.1.1 Giới thiệu hệ thống AGV trên thế giới và ở Việt Nam ... 1

1.1.2 Các nhiệm vụ cơ bản và vấn đề tồn đọng của hệ thống AGV... 3

1.2 Các cơng trình nghiên cứu liên quan ... 5

1.3 Hướng ứng dụng thực tế, mục tiêu, phạm vi đề tài và nội dung luận văn ... 12

1.3.1 Hướng ứng dụng thực tế ... 12

1.3.2 Mục tiêu đề tài ... 14

1.3.3 Phạm vi đề tài ... 14

1.3.4 Nội dung luận văn ... 15

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ MÔ HÌNH HỐ HỆ THỐNG AGV ... 16

2.1 Các thành phần trong hệ thống AGV ... 16

2.2 Cấu trúc và vai trò của hệ thống điều khiển ... 16

2.2.1 Nhiệm vụ phân bổ công việc ... 18

</div><span class="text_page_counter">Trang 8</span><div class="page_container" data-page="8">

2.2.2 Nhiệm vụ xác định đường đi ... 19

2.2.3 Nhiệm vụ lập kế hoạch di chuyển ... 22

2.2.4 Nhiệm vụ định vị và quản lý phương tiện ... 24

2.3 Phương tiện được ứng dụng trong hệ thống AGV ... 25

2.4 Mạng lưới giao thông ... 28

3.2.1 Dữ liệu xấu và cách xử lý dữ liệu xấu ... 34

3.2.2 Các phương pháp biến đổi tập dữ liệu ... 35

3.2.3 Tệp dữ liệu được áp dụng trong đề tài ... 36

3.3 Xác định thuật tốn và xây dựng mơ hình dự đốn ... 40

3.3.1 Xác định thuật tốn ... 40

3.3.2 Xây dựng mơ hình dự đốn ... 44

CHƯƠNG 4: PHÁT TRIỂN THUẬT TỐN XÁC ĐỊNH VỊ TRÍ ĐỖ CHO AGV BẰNG MƠ HÌNH ĐỀ XUẤT ... 48

4.1 Quy trình làm việc của hệ thống AGV ... 48

4.2 Giải thuật áp dụng mơ hình dự đốn nhằm xác định vị trí đỗ cho AGV ... 53

4.3 Điều kiện để áp dụng giải thuật và quy trình làm việc ... 55

CHƯƠNG 5: MƠ PHỎNG VÀ KẾT QUẢ ĐẠT ĐƯỢC ... 59

5.1 Đặc tính của hệ thống và mơ hình mơ phỏng ... 59

5.2 Mơ hình mô phỏng ... 59

5.2.1 Các điều kiện ban đầu ... 59

</div><span class="text_page_counter">Trang 9</span><div class="page_container" data-page="9">

5.2.2 Xác định điều kiện để hệ thống trong trạng thái rảnh ... 60

5.2.3 Mơ hình mơ phỏng 1 ... 61

5.2.4 Mơ hình mơ phỏng 2 ... 62

5.3 Kết quả đạt được ... 63

5.3.1 Kết quả mô phỏng 1 và xử lý số liệu ... 63

5.3.2 Kết quả mô phỏng 2 và xử lý dữ liệu ... 67

</div><span class="text_page_counter">Trang 10</span><div class="page_container" data-page="10">

<b>DANH MỤC HÌNH </b>

Hình 1.1: Hệ thống AGV của SWISSLOG[2] ... 1

Hình 1.2: AGV của Starship[4] ... 2

Hình 1.3: ESATECH AGV và IDEA AGV[6] [7] ... 3

Hình 1.4: Quy trình làm việc chung của hệ thống AGV[8] ... 4

Hình 1.5: Một hệ thống AGV với bố cục vịng lặp[10] ... 5

Hình 1.6: Bố cục ngẫu nhiên(a) và bố cục trịn tương đương(b)[10] ... 6

Hình 1.7: Vị trí các điểm đỗ và trạm làm việc được[12]... 7

Hình 1.8: Mạng lưới giao thơng được chia thành các khu vực nhỏ hơn[13] ... 8

Hình 1.9: Hệ thống giao thơng dạng lưới 6×7 (30 trạm) và 5×7 (35 trạm)[14] ... 9

Hình 1.10:Ví dụ về mức thời gian phản hồi của khu vực m và k[15] ... 10

Hình 1.11:Quy trình giải quyết vấn đề của giải thuật[15] ... 11

Hình 1.12: 2 trong 4 sa bàn được áp dụng để kiểm chứng giải thuật ... 11

Hình 2.1: Cấu trúc tập trung (trái) và cấu trúc phi tập trung (phải)[8] ... 17

Hình 2.2: Quy trình làm việc của thuật tốn Dijkstra mở rộng.[18] ... 21

Hình 2.3: Quãng đường ngắn nhất giữa 20 và 15 có 4 đường ... 22

Hình 2.4: AGV nâng kệ hàng trong mạng lưới giao thông dạng bàn cờ ... 25

Hình 2.5: Mơ hình hố phương tiện vận chuyển. ... 26

Hình 2.6: Ma trận kề giữa các node A,B,C,D,E ... 28

Hình 2.7: Mối quan hệ giữa các node A,B,C,D,E ... 28

Hình 3.1:Hình ảnh ví dụ về bộ dữ liệu Cell Segment đã được áp dụng PCA[22] ... 35

Hình 3.2: Biểu đồ phân bố các loại hàng tệp dữ liệu Online Retail[27] ... 37

Hình 3.3: Ví dụ về sự thay đổi giữa các trạng thái của chuỗi Markov.[28] ... 38

Hình 3.4: Mơ hình chuỗi Markov tạo bởi MATLAB với 96 trạng thái ... 39

Hình 3.5: Phân bố các cơng việc được tạo bởi chuỗi Markov 96 trạng thái ... 39

Hình 3.6: Cấu trúc của mạng Neuron ... 41

Hình 3.7:Cấu trúc của học giám sát ... 41

Hình 3.8: Cấu trúc của học khơng giám sát... 42

Hình 3.9: Cấu trúc của Long Short – Term Memory[30] ... 43

Hình 3.10: 3 giai đoạn hoạt động của khối LSTM[30] ... 43

</div><span class="text_page_counter">Trang 11</span><div class="page_container" data-page="11">

Hình 3.11:Cấu trúc mạng LSTM được áp dụng bởi Dong Li[16] ... 44

Hình 3.12: Cấu trúc mạng RNNs được xây dựng trong đề tài ... 46

Hình 4.1: Cấu trúc hệ thống nhà kho[34] ... 48

Hình 4.2: Quy trình làm việc của hệ thống AGV trong [34] ... 49

Hình 4.3: Sơ đồ mạng lưới giao thơng của nhà kho ... 51

Hình 4.4: Quy trình làm việc được áp dụng trong đề tài ... 52

Hình 4.5: Các mốc thời gian trong một nhiệm vụ ... 54

Hình 4.6: Các mốc thời gian trong một nhiệm vụ khi áp dụng mơ hình dự đốn ... 54

Hình 4.7: Quy trình làm việc của hệ thống AGV khi áp dụng giải thuật ... 58

Hình 5.1:Thời gian phản hồi trước khi áp dụng giải thuật (20task/h,tệp 1) ... 65

Hình 5.2:Thời gian phản hồi của AGV sau khi áp dụng giải thuật (20task/h,tệp 1). ... 66

Hình 5.3: Tỉ lệ thời gian phản ứng tối đa sau khi áp dụng giải thuật của các tệp dữ liệu từ 1 tới 4 ... 67

</div><span class="text_page_counter">Trang 12</span><div class="page_container" data-page="12">

<b>DANH MỤC BẢNG </b>

Bảng 1.1: Các nhóm cơng việc được phân chia khi áp dụng giải thuật[12] ... 7

Bảng 2.1: So sánh cấu trúc tập trung và phi tập trung[8] ... 17

Bảng 2.2: Tổng quan các giải thuật tránh va chạm ... 23

Bảng 3.1: Phân loại các kiểu dữ liệu xấu[24] ... 34

Bảng 3.2: Chuỗi Markov 96 trạng thái với 100 công việc trong quá khứ ... 45

<i>Bảng 5.1: Chuỗi delay_task của các tệp 1, 2, 3, 4 ... 61</i>

Bảng 5.2: Bố trí mơ hình mơ phỏng 1 ... 62

Bảng 5.3: Bố trí mô phỏng 2 ... 63

Bảng 5.4: Thời gian phản hồi trung bình khi khơng áp dụng giải thuật... 64

Bảng 5.5: Thời gian phản hồi trung bình khi áp dụng giải thuật ... 64

Bảng 5.6: Tỉ lệ thời gian phản hồi trung bình sau và trước khi áp dụng giải thuật ... 65

Bảng 5.7: Tỉ lệ thời gian phản hồi tối đa ... 66

Bảng 5.8: Thời gian phản hồi trung bình của AGV khi chưa áp dụng giải thuật... 67

Bảng 5.9: Thời gian phản hồi trung bình khi áp dụng giải thuật ... 68

Bảng 5.10: Tỉ lệ thời gian phản hồi trung bình của AGV ... 68

</div><span class="text_page_counter">Trang 13</span><div class="page_container" data-page="13">

<small>𝑛 Tổng số Workstation 𝑨 Tập hợp các đoạn đường 𝑎</small><sub>𝑖</sub>

<small>𝑎</small><sub>𝑖</sub> <small>Đoạn đường được hình thành từ 2 điểm liền kề nhau trên sa bàn m Tổng số đoạn đường </small>

<small>Adj Ma trận thể hiện khoảng cách giữa các node liền kề 𝑘𝑖</small>

<small>Biểu diễn sự liền kề của 2 điểm Workstation thông qua giá trị: 1 là liền kề, 0 là khơng liền kề </small>

<small>Φ Ma trận góc mơ tả hướng của AGV khi di chuyển giữa các Workstation </small>

<small>𝑣</small><sub>𝑖</sub> <small>Ma trận biểu diễn các trạng thái, thông số của AGV thứ i. 𝑝</small><sub>𝑖</sub> <small>Vị trí của AGV </small>

<small>𝜑</small><sub>𝑖</sub> <small>Góc tuyệt đối của AGV so với sa bàn </small>

<small>𝑚</small><sub>𝑖</sub> <sup>Nhiệm vụ của AGV mà hệ thống đang giao, trong đó có quỹ đạo mà AGV </sup><small>phải di chuyển </small>

<small>𝐴𝑠𝑡𝑡</small><sub>𝑖</sub> <sup>Trạng thái vận chuyển của AGV, bao gồm: rảnh rỗi, đang di chuyển, đang </sup><small>nâng kiện hàng, đang hạ kiện hàng </small>

<small>𝐺𝑠𝑡𝑡</small><sub>𝑖</sub> <small>Trạng thái mang hàng của AGV, bao gồm: đang có tải và khơng có tải 𝑂𝑥</small><sub>𝐼</sub><small>𝑦</small><sub>𝐼</sub> <small>Hệ trục toạ độ gắn với mặt đất </small>

<small>𝜃 Góc lệch giữa 2 hệ toạ độ gắn với mặt đất và gắn với AGV A Tâm đường nối giữa 2 bánh xe truyền động </small>

<small>L Khoảng cách giữa tâm 2 bên bánh xe </small>

</div><span class="text_page_counter">Trang 14</span><div class="page_container" data-page="14">

<small>𝑣 Vận tốc tịnh tiến của AGV trong hệ trục tọa độ gắn liền với robot 𝜔 Vận tốc góc của AGV trong hệ trục tọa độ gắn liền với robot </small>

<small>𝑣</small><sub>𝑅</sub> <sup>Vận tốc tịnh tiến của tâm bánh xe bên phải của AGV trong hệ trục tọa độ gắn </sup><small>liền với robot </small>

<small>𝑣</small><sub>𝐿</sub> <sup>Vận tốc tịnh tiến của tâm bánh xe bên trái của AGV trong hệ trục tọa độ gắn </sup><small>liền với robot </small>

<small>P Điểm tham chiếu mà AGV phải bám theo 𝑃</small><sub>𝑡</sub> <small>Vị trí của điểm tham chiếu </small>

<small>𝑉</small><sub>𝑡</sub> <small>Vận tốc của điểm tham chiếu 𝑡</small><sub>90</sub> <small>Thời gian AGV xoay tại chỗ 90° 𝑡180Thời gian AGV xoay tại chỗ 180° 𝑙</small><sub>𝐴𝐺𝑉</sub> <small>Chiều dài AGV </small>

<small>𝑟</small><sub>𝐴𝐺𝑉</sub> <small>Chiều rộng AGV </small>

</div><span class="text_page_counter">Trang 15</span><div class="page_container" data-page="15">

<b>CHƯƠNG 1: TỔNG QUAN </b>

<b>1.1 Giới thiệu vấn đề </b>

<b>1.1.1 Giới thiệu hệ thống AGV trên thế giới và ở Việt Nam </b>

AGV là viết tắt cho cụm từ Automated Guided Vehicle, một phương tiện vận chuyển hàng hố khơng người lái. Tập hợp nhiều AGV được gọi là AGV và thuật ngữ này được giới thiệu lần đầu tiên vào năm 1955 [1]. Khi AGV hoạt động cùng với nhau thực hiện cơng việc vận chuyển hàng hố từ địa điểm này đến địa điểm khác thông qua mạng lưới giao thông thì chúng là một phần của hệ thống AGV. Ngồi ra, hệ thống AGV cịn có các thành phần khác như hệ thống điều khiển, hệ thống định vị, hệ thống sản xuất, lưu trữ,… [1].

<b>Hình 1.1: Hệ thống AGV của SWISSLOG[2] </b>

Báo cáo của Grand View Reseach [3] cho thấy thị trường AGV vào năm 2022 có giá trị 4,28 tỉ USD trên toàn thế giới và tỉ lệ tăng trưởng kép được kỳ vọng là 9,7% từ năm 2023 tới năm 2030. Trong 3 năm từ 2021 đến 2023, đã có nhiều doanh nghiệp ở nhiều ngành đã áp dụng hệ thống AGV vào hệ thống của họ. Năm 2021, công ty AUDI AGV, một công ty sản xuất ô tô đã áp dụng AGV trong hệ thống sản xuất. Cùng năm đó, cơng ty OTSAW Digital Pte.Ltd phát triển AGV để phục vụ cho mục đích chăm sóc sức khoẻ các bệnh nhân. Vào năm 2022, một công ty bán lẻ tên là SAVE MART SUPER MARKET đã mở rộng khu vực giao hàng của mình khi sử dụng AGV của công ty Starship. Trong thời gian gần đây, vào tháng 3 năm 2023, Swisslog Holding AGV đã giới thiệu phiên bản mới của hệ thống CarryPick, hệ thống di động lấy hàng và lưu trữ đến người với tính năng hướng dẫn xe chở hàng tự động.

</div><span class="text_page_counter">Trang 16</span><div class="page_container" data-page="16">

Vào tháng 12 năm 2022, Daifuku Co. Ltd, một nhà sản xuất hàng đầu về giải pháp xử lý tự động, đã thông báo về việc xây dựng một nhà máy mới tại Hyderabad – Telangana - Ấn Độ, nhằm sản xuất các giải pháp kho tự động, băng tải, hệ thống xe hướng dẫn theo dõi đường ray, bộ sắp xếp, và nhiều hệ thống khác. Trong tháng 10 năm 2022, Seegrid Corporation đã tuyên bố mối quan hệ chiến lược với Koops Automation Systems, tạo điều kiện cho Koops để nâng cao danh mục sản phẩm dịch vụ doanh nghiệp của họ bằng cách tích hợp giải pháp doanh nghiệp Fleet CentralTM và robot di động tự động Seegrid PalionTM. Bastian Solutions, Inc., công ty logistics thuộc sở hữu của Toyota, đã giới thiệu giải pháp chọn lựa tự động SmartPick tại sự kiện PACK EXPO International vào tháng 9 năm 2022. Trong tháng 9 năm 2022, JBT Corporation đã mua lại Bevcorp để phát triển một mơ hình kinh doanh chắc chắn, với 60% doanh thu định kỳ. Cũng vào tháng 9 năm 2022, Toyota Material Handling Japan (YMHJ), một phần của TOYOTA INDUSTRIES CORPORATION, đã ra mắt công nghệ mới về xe nâng tự động sử dụng trí tuệ nhân tạo để tự động nhận diện vị trí và địa điểm của xe nâng, từ đó tạo ra tuyến đường di chuyển tự động cho quá trình xếp hàng.

Trên đây chỉ là một vài ví dụ về ứng dụng của AGV trong các ngành khác nhau. Hệ thống AGV được áp dụng rộng rãi trong nhiều ngành công nghiệp khác nhau như sản xuất, logistics, ơ tơ, chăm sóc sức khoẻ, thực phẩm vì khả năng nâng cao năng suất, giảm thiểu chi phí và khả năng thúc đẩy quy trình tự động hố, cơng nghiệp hố. Khi các doanh nghiệp nhận ra được q trình cơng nghiệp hố tự động hố là xu hướng phát triển, nhu cầu phát triển các giải pháp xử lý vật liệu và vận chuyển sẽ tăng theo và đây chính là cơ hội phát triển của thị trường AGV.

<b>Hình 1.2: AGV của Starship[4] </b>

</div><span class="text_page_counter">Trang 17</span><div class="page_container" data-page="17">

Việt Nam thuộc khu vực châu Á – Thái Bình Dương, đây là khu vực có tốc độ phát triển thị trường lớn nhất[3]. Nhưng thị trường AGV ở Việt Nam khơng phát triển vì nền cơng nghiệp ở đây cịn non trẻ. Nền cơng nghiệp của Việt Nam đang gặp rất nhiều thách thức, phụ thuộc vào vốn đầu tư nước ngồi, cơng nghệ kém, sản phẩm kém chất lượng và năng suất lao động thấp[5].

Mặc dù gặp nhiều thách thức và khó khăn nhưng Việt Nam định hướng phát triển theo hướng công nghiệp hoá, hiện đại hoá, mục tiêu tới năm 2030 cơ bản trở thành nước công nghiệp theo hướng hiện đại[5]. Xu hướng tự động hoá, hiện đại hoá sẽ kéo theo sự phát triển các giáp pháp vận chuyển và xử lý vật liệu. Vậy nên đây sẽ là một cơ hội để phát triển thị trường AGV ở Việt Nam. Tại đây đã có một số cơng ty bắt đầu nghiên cứu phát triển AGV như IDEA group, INTECH group, ESATECH,… Các cơng ty này đã có các sản phẩm AGV và các hệ thống AGV hồn thiện, góp phần phát triển thị trường ở Việt Nam.

<b>Hình 1.3: ESATECH AGV và IDEA AGV[6] [7] </b>

Từ những lý do trên, có thể thấy thị trường AGV ở Việt Nam có tiềm năng phát triển theo xu hướng tự động hố, hiện đại hố của đất nước. Góp phần hỗ trợ quá trình nâng cấp từ quy trình sản xuất thủ cơng sang bán tự động và tự động. Vì thế hướng nghiên cứu hệ thống AGV được lựa chọn.

<b>1.1.2 Các nhiệm vụ cơ bản và vấn đề tồn đọng của hệ thống AGV </b>

Trong hệ thống AGV sẽ bao gồm 5 nhiệm vụ chính[8]: phân phối cơng việc, xác định đường đi, lập kế hoạch di chuyển, định vị và quản lý phương tiện. Các công việc sẽ được hệ thống điều khiển phân phối cho các AGV trong trạng thái rảnh rỗi, sau đó chọn ra một con đường để vận chuyển hàng hoá.

</div><span class="text_page_counter">Trang 18</span><div class="page_container" data-page="18">

Trong quá trình vận chuyển, để tránh va chạm và kẹt cứng thì hệ thống cần phải hồn thành tốt nhiệm vụ lập kế hoạch chuyển động cho tới khi AGV hồn thành cơng việc được giao. Trong lúc AGV đang vận hành thì các thành phần khác nhau trong hệ thống sẽ đảm nhiệm nhiệm vụ định vị và quản lý phương tiện.

<b>Hình 1.4: Quy trình làm việc chung của hệ thống AGV[8] </b>

Dựa theo quy trình làm việc chung của hệ thống AGV được trình bày ở [8], sau khi AGV hồn thành cơng việc, nó sẽ tiếp tục nhận cơng việc mới và lặp lại quy trình. Trong trường hợp AGV khơng có được hệ thống điều khiển giao nhiệm vụ ngay tức khắc thì AGV sẽ chuyển về trạng thái rảnh[1]. Lúc này, hệ thống điều khiển ra lệnh cho AGV đến một vị trí để đỗ và chờ cơng việc tiếp theo được phân phối. Để giảm thời gian hàng hoá đợi AGV di chuyển từ vị trí đỗ tới địa điểm lấy hàng, vị trí đỗ của AGV cần được lựa chọn cân nhắc.

Với lý do trên, đã có nhiều nghiên cứu và tiêu chí đánh giá để lựa chọn một vị trí bãi đỗ AGV hợp lý, nhằm giảm thiểu thời gian phản hồi của các AGV qua đó gián tiếp giảm thời gian hồn thành nhiệm vụ. Những cách giải quyết tiếp cận theo phương diện thống kê, tạo ra các chương trình linh hoạt hoặc dùng mơ hình chuỗi Markov. Các phương pháp trên khi ứng dụng cho các hệ có số lượng AGV cố định thì có thể xử lý được nhưng khi hệ thống AGV trở nên lớn và phức tạp thì cần có những giải thuật hiệu quả hơn để xử lý vấn đề[1].

Bên cạnh đó, theo dịng lịch sử, con người đã phát minh ra nhiều loại công cụ để xử lý các công việc đơn giản hơn. Những công cụ này giúp con người thoả mãn các nhu cầu trong đời sống, bao gồm di chuyển, các ngành công nghiệp và tính tốn. Máy học là một trong số chúng[9]. Đã có những nghiên cứu ứng dụng máy học để xác định vị trí đỗ AGV nhằm giảm thời gian hoàn thành nhiệm vụ.

</div><span class="text_page_counter">Trang 19</span><div class="page_container" data-page="19">

<b>1.2 Các cơng trình nghiên cứu liên quan </b>

Vào năm 1993, Egbelu đã chỉ ra rằng có rất nhiều nghiên cứu tập trung vào vấn đề thiết kế và điều khiển nhưng vấn đề xác định vị trí đỗ cho AGV lại được ít chú ý hơn so với các hướng nghiên cứu khác. Trong nghiên cứu này, ông đã chỉ ra 3 hướng tiếp cận để giải quyết vấn đề: giảm thiểu thời gian phản hồi lớn nhất của hệ AGV, giảm thiểu thời gian phản hồi trung bình của hệ AGV và phân phối vị trí đỗ của các AGV đều trên khu vực hoạt động[10]. Ngoài ra, có 3 nguyên tắc đỗ được nhắc đến đó là: nguyên tắc đỗ tập trung, nguyên tắc đỗ vòng lặp và ngun tắc đỗ tại chỗ[10]. Hình 1.5 mơ tả một hệ thống AGV với bố cục vòng lặp, trong hệ thống này bao gồm một đường đi khép kín qua các trạm làm việc được đánh số từ 1 tới 10.

<b>Hình 1.5: Một hệ thống AGV với bố cục vòng lặp[10] </b>

Khi áp dụng nguyên tắc đỗ tập trung, một khu vực sẽ được chọn để các AGV rảnh quay về. Khi chọn nguyên tắc này, không quan trọng AGV đang ở đâu, AGV chuyển trạng thái từ làm việc sang rảnh rỗi sẽ quay về khu vực tập trung. Trong trường hợp hệ thống AGV áp dụng nguyên tắc đỗ vòng lặp, trong hệ thống sẽ có một hoặc nhiều vịng lặp được xác định, khi AGV đổi trạng thái sẽ quay về một trong các vòng lặp này đợi tới khi được giao nhiệm vụ mới. Còn khi áp dụng nguyên tắc đỗ tại chỗ, các AGV sau khi hồn thành cơng việc sẽ đỗ ngay tại vị trí giao hàng và đợi tới khi nhận nhiệm vụ mới, nhưng có thể gây ra tình trạng kẹt cứng vì AGV rảnh chặn đường đi của AGV khác[1], [10].

</div><span class="text_page_counter">Trang 20</span><div class="page_container" data-page="20">

Egbelu[10] nghiên cứu quy tắc đỗ vòng lặp. Trong nghiên cứu này ông xem mọi vòng lặp đều tương đương với một bố cục hình trịn. Khi tiếp cận theo hướng này, khoảng cách giữa các trạm làm việc khơng cịn tính theo khoảng cách mà tính theo độ lớn của cung trịn. Có 4 mơ hình được giới thiệu, trong đó có hai mơ hình đơn phương tiện, xem xét AGV di chuyển theo một hướng và hai hướng, hai mô hình cịn lại xem xét trường hợp đa phương tiện và các phương tiện này di chuyển theo một chiều và hai chiều. Nguyên lý cơ bản của các giải thuật được đề ra trong nghiên cứu này dựa trên mơ hình tốn, tính toán khoảng cách giữa các trạm theo độ lớn của cung tròn, chọn khoảng cách cung lớn nhất và chọn vị trí đỗ hợp lý sao cho giảm đi thời gian phản ứng tối đa của các phương tiện. Hình 1.6 mô tả cách Egbelu xem xét đường đi khép kín ngẫu nhiên (a) tương đương với một đường trịn (b). Độ dài đường đi ở bố cục (a) bằng với chu vi đường trịn bán kính r ở bố cục (b).

<b>Hình 1.6: Bố cục ngẫu nhiên(a) và bố cục tròn tương đương(b)[10] </b>

Kim[11] nghiên cứu về vị trí đỗ dựa trên ngun tắc đỗ vịng lặp, mục tiêu hướng tới đó là giảm thời gian phản hồi trung bình của hệ AGV. Nguyên tắc cốt lõi mà Kim dùng tương tự với Egbelu, phân tích một vịng lặp thành bố cục đường trịn, được mơ tả như trong hình 1.6. Sự khác biệt mà Kim mang tới đó là Kim xác lập cơng thức cho thời gian phản hồi trung bình từ một trạm làm việc tới các trạm làm việc khác. Sau đó kiểm tra các giá trị thời gian phản hồi trung bình khi thay đổi vị trí đỗ. Lúc này, thời gian phản hồi trung bình nhỏ nhất sẽ được chọn.

</div><span class="text_page_counter">Trang 21</span><div class="page_container" data-page="21">

Với cách tiếp cận tương tự như Kim, Lee và Ventura[12] nghiên cứu một mơ hình động nhằm quy hoạch chỗ đỗ và hướng tới giảm thời gian phản hồi trung bình. Ở đây, Lee và Ventura phát triển một thuật tốn lập trình động để xác định các điểm dừng cho AGV trong vòng lặp đơn hướng và đa hướng, đồng thời giảm thiểu thời gian phản hồi trung bình có trọng số. Thuật tốn này phân chia các trạm làm việc thành các nhóm nhỏ hơn sao cho một AGV duy nhất phục vụ tất cả các trạm trong nhóm. Dưới đây là ví dụ khi áp dụng thuật tốn này. Hình 1.7 mơ tả bố cục làm việc của hệ thống AGV được áp dụng trong [12]. Đây là một bố cục khép kín gồm 8 trạm làm việc. Các công việc được chia vào 4 nhóm A, B,C,D với tính chất khác nhau. Mỗi nhóm cơng việc được xác định một điểm đỗ trên đường đi sao cho thời gian phản hồi trung bình thấp nhất. Mỗi AGV chỉ phục vụ một số trạm nhất định

<b>Bảng 1.1: Các nhóm cơng việc được phân chia khi áp dụng giải thuật[12] LOẠI CÔNG VIỆC CÔNG VIỆC/GIỜ ĐƯỜNG ĐI </b>

</div><span class="text_page_counter">Trang 22</span><div class="page_container" data-page="22">

Montoya-Torres[13] và các cộng sự đề xuất một công thức quy hoạch tuyến tính theo số nguyên để xử lý vấn đề thay vì sử dụng phương pháp tương tự hố các vịng lặp thành bố cục hình trịn. Mạng lưới giao thông được chia thành các khu vực và một số lượng AGV được sắp xếp vào trong các khu vực đó nhằm tối ưu thời gian phản hồi của hệ thống AGV. Các thông tin về nhu cầu vận chuyển trong khu vực và cũng như hành vi của AGV được tổng hợp lại và dùng quy hoạch tuyến tính theo số nguyên để xử lý. Mục tiêu của cách tiếp cận này là giảm thời gian phản hồi lớn nhất của AGV. Trong đề tài của mình, Montoya – Torres và các cộng sự đã giới thiệu một bố cục nhà xưởng như hình 1.8. Nhà xưởng có kích thước 150×40(m<small>2</small>), được chia thành 5 vùng từ vùng 1 tới vùng 5. Mỗi vùng có một số lượng AGV nhất định hoạt động trong vùng đó. Tuỳ thuộc vào tình trạng và nhu cầu cơng việc của mỗi vùng mà số lượng AGV được sắp xếp trong mỗi vùng được chọn sao cho phù hợp nhất.

<b>Hình 1.8: Mạng lưới giao thông được chia thành các khu vực nhỏ hơn[13] </b>

</div><span class="text_page_counter">Trang 23</span><div class="page_container" data-page="23">

Các cơng trình nghiên cứu trên có điểm chung là nhắm tới giảm thiểu thời gian phản hồi tối đa hoặc là giảm thiểu thời gian phản hồi trung bình của hệ thống AGV. Từ những nghiên cứu từ ngày đầu của Egbelu và Kim [10], [11] xem xét các vòng lặp như những bố cục hình trịn, Ventura[12] ứng dụng giải thuật động nhằm chọn vị trí đỗ AGV sao cho hợp lý tới Montoya-Torres[13] dùng phương pháp quy hoạch tuyến tính với số nguyên, đã có một sự phát triển trong các công cụ được ứng dụng để giải quyết vấn đề và những vấn đề khơng cịn chỉ xem xét ở các mặt bằng vòng lặp đơn giản mà đã mở rộng ra đến những mạng lưới giao thông phức tạp trong ngành sản xuất. Mặc dù vậy nhưng hướng tiếp cận này vẫn có những yếu điểm khi ứng dụng vào những mạng lưới giao thông phức tạp hơn, và số lượng AGV tăng lên sẽ dẫn tới gánh nặng về phần cứng. Vậy nên cần hướng tiếp cận mới để giảm tải cơng việc cho phần cứng.

Ventura[14] tìm hướng giải quyết vấn đề cho một mạng lưới giao thơng phổ thơng. Cơng cụ được áp dụng đó là quy hoạch tuyến tính với hỗn hợp số nguyên cho 3 hướng tiếp cận: giảm thiểu thời gian phản hồi trung bình, giảm thiểu thời gian phản hồi tối đa, và giảm thiểu thời gian phản hồi tối đa khi có ràng buộc về thời gian phản hồi của xe. Để hỗ trợ cho việc tính tốn khi mạng lưới giao thông càng phức tạp thêm và tăng thêm số lượng xe thì Ventura đã đề xuất một thuật tốn di truyền có thể áp dụng vào 3 hướng tiếp cận trên.

<i><b>○: Trạm giao/nhận hàng hoá □: Giao điểm của các đường đi </b></i>

<b>Hình 1.9: Hệ thống giao thơng dạng lưới 6×7 (30 trạm) và 5×7 (35 trạm)[14] </b>

</div><span class="text_page_counter">Trang 24</span><div class="page_container" data-page="24">

Ventura có thiết kế mơ phỏng trên mạng giao thơng có dạng lưới, di chuyển hai chiều, mục tiêu là giảm thiểu thời gian phản hồi trung bình và thời gian phản hồi tối đa của hệ thống AGV. Kết quả công bố cho thấy thuật tốn di truyền có độ sai lệch so với tính tốn thơng thường dưới 2% và cho thấy tiềm năng của giải thuật này. Mạng giao thông dạng lưới được mơ tả như hình 1.9, bao gồm hai trường hợp là 30 trạm (trái) và 35 trạm (phải).

Ngồi thuật tốn di truyền, cơng cụ máy học được áp dụng trong [15]. Các tác giả giới thiệu một mơ hình dự đốn để áp dụng vào một hệ thống xử lý vật liệu để xác định vị trí đỗ hợp lý. Mơi trường sản xuất được chia thành nhiều khu vực, mỗi khu vực có một nhu cầu vận chuyển khác nhau, nhu cầu vận chuyển này sẽ được dự đoán mỗi 15 phút. Các tác giả nhắm tới một mơ hình dự đốn chính xác nhằm loại bỏ các hiệu ứng phụ ảnh hưởng tới hiệu suất của hệ thống. Từ yêu cầu trên, giải thuật máy học -phân loại đa nhiệm vụ - chuỗi tạo chuỗi được lựa chọn để xác định vị trí đỗ cho các phương tiện.

</div><span class="text_page_counter">Trang 25</span><div class="page_container" data-page="25">

Áp dụng giải thuật này, dữ liệu đo đạc nhu cầu vận chuyển trong các khu vực được thu thập, sau đó được xử lý dữ liệu. Dữ liệu được xử lý này được phân thành nhóm, tiếp theo đó được dùng để dự đốn và điều chỉnh hành vi các phương tiện. Hình 1.10 thể hiện về quy trình xử lý. Trong hình 1.10, phân tích hai khu vực m và k trong toàn bộ bố cục. Mỗi khu vực có thời gian chuyển giao chậm trễ trong 3 tuần được thống kê lại. Đây là bước đầu tiên trong quy trình giải quyết được trình bày ở hình 1.11. Sau đó các dữ liệu này được xử lý, áp dụng hàm log để giảm thiểu sự sai lệch giữa các dữ liệu. Những dữ liệu được xử lý này sẽ được phân loại bằng giải thuật K – mean. Bước cuối cùng sẽ là dự đoán số lượng yêu cầu dỡ hàng ở các khu vực.

<b>Hình 1.11:Quy trình giải quyết vấn đề của giải thuật[15] </b>

Một nghiên cứu khác ứng dụng công cụ máy học vào có thể kể tới nghiên cứu của Dong Li và cộng sự[16] giới thiệu một mơ hình dự đoán nhu cầu vận chuyển tương lai, xác định vị trí để đưa AGV tới để giảm thời gian phản hồi. Trong nghiên cứu này Dong Li đã dùng một mạng RNN để dự đoán nhiệm vụ trong tương lai dựa trên các dữ liệu đã thu thâp từ trước. Giải thuật này được chứng minh sự đúng đắn trên 4 mạng lưới giao thơng khác nhau trong hình 1.13 và hiệu suất được cải thiện tới 20-30%.

<b>Hình 1.12: 2 trong 4 sa bàn được áp dụng để kiểm chứng giải thuật </b>

</div><span class="text_page_counter">Trang 26</span><div class="page_container" data-page="26">

Từ năm 1993 khi Egbelu[10] nghiên cứu về vấn đề vị trí đỗ của các phương tiện trong hệ thống AGV tới nay, đã có một sự thay đổi về mục tiêu tiếp cận, các đối tượng và các công cụ để giải quyết vấn đề. Các mục tiêu tiếp cận ban đầu là hạn chế thời gian phản hồi trung bình, thời gian phản hồi tối đa và phân bố đều AGV trong mạng lưới giao thông [10]. Qua thời gian phát triển, các mục tiêu được xác định trong các trường hợp cụ thể và có thêm điều kiện ràng buộc như ở [13]. Mặt khác, các đối tượng trong các nghiên cứu cũng có sự khác biệt. Mạng lưới giao thơng khơng cịn là dạng bố cục vịng lặp[10], [11], [12], [17] mà ngày càng phức tạp và đa dạng [14], [15], [16]. Các công cụ dùng để tiếp cận và xử lý vấn đề ngày càng tân tiến, những cơng cụ ban đầu sử dụng các cơng cụ tốn, xem xét bố cục vòng lặp như một đường tròn [10], [11], [12], [17].

Khi mạng lưới giao thông ngày càng phát triển, các cơng trình nghiên cứu áp dụng các phương pháp tiếp cận mạnh mẽ hơn như quy hoạch động[12], [13] để xác định vị trí đỗ phù hợp với sự biến thiên của nhu cầu vận chuyển. Nhưng các cơng cụ tốn học vẫn có nhược điểm đó là khi các hệ thống càng phức tạp, mạng lưới giao thông càng lớn, số lượng phương tiện tăng lên dẫn đến khối lượng tính tốn càng nhiều. Vì thế nên các công cụ mới như máy học, thuật toán di truyền được áp dụng để giải quyết các vấn đề này[14], [15], [16].

<b>1.3 Hướng ứng dụng thực tế, mục tiêu, phạm vi đề tài và nội dung luận văn </b>

<b>1.3.1 Hướng ứng dụng thực tế </b>

Hệ thống AGV được ứng dụng vào rất nhiều mảng trong đời sống, từ sản xuất cho đến y tế, từ lưu trữ cho đến chuỗi cung ứng và các mảng xử lý vật liệu cũng như là quy trình vận hành[1]. Khi áp dụng hệ thống AGV, không thể nào không tính đến một chiến lược đỗ và quy hoạch khu vực đỗ cho các AGV. Trung tâm điều khiển của hệ thống AGV thông qua các giải thuật để ra quyết định vài giải quyết vấn đề này. Mặt khác, khi số lượng công việc tăng lên và hệ thống ngày càng phức tạp thì các chiến lược đỗ cần phải linh hoạt hơn để phù hợp với hệ thống. Đề tài tập trung vào chiến lược đỗ tại chỗ, kết hợp với máy học để hỗ trợ trung tâm điều khiển xác định vị trí phù hợp cho AGV.

</div><span class="text_page_counter">Trang 27</span><div class="page_container" data-page="27">

Đề tài có thể được áp dụng vào lĩnh vực sản xuất, trong dây chuyền sản xuất gồm nhiều công đoạn, mỗi công đoạn cần các vật liệu và các chi tiết. Hệ thống AGV làm công việc vận chuyển sản phẩm giữa các giai đoạn và cung cấp vật liệu cần thiết. Áp dụng máy học, hệ thống trung tâm điều khiển dự đoán được mặt hàng, vật liệu cần xử lý trong công đoạn tiếp theo hoặc dự đốn thời gian xử lý cơng đoạn tiếp theo. Thơng qua đó trung tâm điều khiển xác định được vị trí đỗ hợp lý cho AGV. Thơng qua cách xử lý như trên, đề tài vận dụng công cụ máy học để giảm thời gian phản hồi của AGV, từ đó gián tiếp giảm thời gian chết giữa các công đoạn trong dây chuyền sản xuất.

Một lĩnh vực khác cũng áp dụng hệ thống AGV rất là nhiều đó là hệ thống kho bãi, vận tải và chuỗi cung ứng. Trong lĩnh vực này, có nhiều trạm vận tải và trung chuyển hàng hoá khác nhau, và hệ thống AGV đóng vai trị vận chuyển hàng hoá giữa các trạm này. Khi áp dụng máy học, người dùng có thể xem xét xu hướng của hàng hoá trong hệ thống lưu trữ hoặc là nhu cầu hàng hoá của các trạm trung chuyển và vận chuyển. Thơng qua những dữ liệu đã được phân tích và xử lý bởi máy học, trung tâm điều khiển sẽ ra quyết định để có một chiến lược đỗ phù hợp.

Trên đây là hai trong số các ứng dụng của đề tài. Đề tài tập trung vào việc giảm thiểu thời gian giữa các khâu trong quy trình hoạt động. Bằng cách sử dụng máy học nhằm cung cấp thêm thông tin cho trung tâm điều khiển, thơng qua đó sẽ ra quyết định xác định vị trí và chiến lược đỗ hợp lý cho các AGV.

Đề tài cân nhắc một trong hai hướng ứng dụng thực tế được nêu trên và xác định hướng ứng dụng trong lĩnh vực Logistic để áp dụng. Trong lĩnh vực Logistic, ngồi loại hình giao thương truyền thống, thương mại điện tử đã được giới thiệu[18] và đi kèm theo đó là sự phát triển của các nhà kho bán lẻ. Đề tài xem xét các thông tin về kho vận của nhà bán lẻ lớn trên thế giới là Amazon[19] và xem xét giải pháp dành cho nhà kho bán lẻ của Swisslog[20] để xem xét các mơ hình hình nhà kho bán lẻ đã và đang ứng dụng trong thực tế. Ngoài ra, đề tài tham khảo về mơ hình nhà kho trong các nghiên cứu [21], [22], [23], [24]. Thông qua các ví dụ thực tế và các nghiên cứu liên quan, đề tài xác định nhà kho được áp dụng là dạng bàn cờ.

</div><span class="text_page_counter">Trang 28</span><div class="page_container" data-page="28">

Đề tài chọn hướng nghiên cứu về hệ thống AGV vì tiềm năng của hệ thống AGV trong thời kỳ cơng nghiệp hố hiện đại hố ở Việt Nam cũng như trên thế giới, được nêu trong mục 1.1.1. Mặt khác, khi xem xét tổng quan hệ thống AGV, nhận ra được tầm quan trọng của việc xác định vị trí đỗ trong quy trình vận hành, ảnh hưởng tới thời gian hoàn thành nhiệm vụ ở mục 1.1.2 và các cơng trình nghiên cứu liên quan trong mục 1.2.

Thông qua các nghiên cứu liên quan ở mục 1.2, tác giả nhận thấy rằng quy tắc đỗ tại chỗ có những điểm mạnh riêng so với quy tắt đỗ tập trung và đỗ vòng lặp. Điểm yếu của quy tắc này là khi AGV dừng đỗ một chỗ thì có khả năng gây ra ùn tắc[1]. Một mặt khác khi xem xét các hướng ứng dụng thực tế được trình bày như mục 1.3.1, và mơ hình nhà kho được áp dụng là dạng bàn cờ thì tác giả nhận thấy rằng nhược điểm của quy tắc đỗ tại chỗ có thể được xử lý nếu chọn loại phương tiện hợp lý, sẽ được trình bày trong mục 2.3. Ngoài ra, nhận thấy rằng các nhà kho bán lẻ có tính mùa vụ và có thể dự đốn được mặt hàng được bn bán dựa theo các dữ liệu đã lưu [16]. Bởi vì các lý do trên tác giả định nghĩa xác định vị trí đỗ cho AGV là xem xét với từng AGV, sử dụng mơ hình đưa ra kết quả dự đốn kệ hàng hoá được vận chuyển trong tương lai, sau đó cho AGV áp dụng quy tắc đỗ tại chỗ tại vị trí của nút chứa kệ hàng đó.

Thơng qua những nghiên cứu tổng quan trên, đề tài xác định mục tiêu như sau: - Xem xét tổng quát lý thuyết của hệ thống AGV, cách vận hành và mô phỏng hệ

- Đối tượng nghiên cứu của đề tài là hệ thống AGV trong mạng lưới giao thông dạng bàn cờ trước và sau khi áp dụng giải thuật xác định vị trí đỗ.

- Đề tài nghiên cứu trong môi trường mô phỏng của MATLAB.

- Đề tài xem xét các yếu tố có thể ảnh hưởng tới quá trình vận hành hệ thống AGV và đánh giá mức độ ảnh hưởng của chúng lên hệ thống trước và sau khi áp dụng giải thuật.

</div><span class="text_page_counter">Trang 29</span><div class="page_container" data-page="29">

Để phù hợp với mục tiêu và phạm vi của đề tài, nội dung của luận văn sẽ được chia như sau:

- Chương 1: TỔNG QUAN trình bày về vấn đề, các cơng trình nghiên cứu liên quan cũng như mục tiêu, phạm vi của đề tài.dsx

- Chương 2: CƠ SỞ LÝ THUYẾT VÀ MƠ HÌNH HỐ HỆ THỐNG AGV sẽ trình bày về cấu trúc của hệ thống AGV. Sau đó xác định những thành phần nào sẽ được tập trung chú ý đến trong đề tài. Tiếp theo đó là trình bày về cách mơ phỏng hệ thống AGV trong mơi trường MATLAB.

- Chương 3: MƠ HÌNH DỰ ĐỐN VÀ GIẢI THUẬT TÍNH TỐN trình bày về các giải thuật và phân loại mơ hình dự đoán. Tầm quan trọng của dữ liệu và cách xử lý dữ liệu cũng được trình bày ở đây. Bước tiếp theo là xác định loại mơ hình dự đốn được áp dụng trong đề tài và huấn luyện mô hình dự đốn.

- Chương 4: PHÁT TRIỂN THUẬT TỐN XÁC ĐỊNH VỊ TRÍ ĐỖ CHO AGV BẰNG MƠ HÌNH ĐỀ XUẤT xem xét tổng quan quy trình làm việc của toàn bộ hệ thống AGV. Xem xét quy trình làm việc của hệ thống AGV trong mơi trường mơ phỏng MATLAB. Đề xuất thuật tốn, và xác định quy trình làm việc của hệ thống AGV trong mơi trường MATLAB sau khi áp dụng thuật toán.

- Chương 5: MƠ PHỎNG VÀ KẾT QUẢ ĐẠT ĐƯỢC trình bày về cách thức mơ phỏng tìm ra sự ảnh hưởng của giải thuật, số lượng nhiệm vụ và số lượng AGV ảnh hưởng tới quá trình vận hành của hệ thống. Thông qua kết quả đạt được này để xem xét mức độ ảnh hưởng của mơ hình dự đốn lên q trình vận hành của hệ thống AGV.

- Chương 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN tổng kết những gì đề tài đã đạt được và hướng phát triển.

</div><span class="text_page_counter">Trang 30</span><div class="page_container" data-page="30">

<b>CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ MƠ HÌNH HỐ HỆ THỐNG AGV </b>

<b>2.1 Các thành phần trong hệ thống AGV </b>

Hệ thống AGV bao gồm nhiều thành phần kết hợp với nhau và có nhiều thuật tốn, quy tắc được áp dụng để đảm bảo quy trình làm việc được mượt mà. Khi thết kế hệ thống AGV cần đảm bảo những yếu tố và các vấn đề vận hành[1] như: mạng lưới giao thơng, quản lý giao thơng (dự đốn và tránh va chạm cũng như kẹt cứng), số lượng và vị trí các điểm giao – nhận, yêu cầu về phương tiện, phân bổ nhiệm vụ, xác định tuyến đường di chuyển, lên kế hoạch di chuyển, vị trí đỗ, quản lý năng lượng và quản lý các lỗi.

Mặt khác, thay vì tiếp cận hệ thống AGV theo các vấn đề cần giải quyết như trên thì có thể phân chia hệ thống AGV thành các thành phần nhỏ hơn như phương tiện, hệ thống vận chuyển, giao diện vật lý giữa hệ thống sản xuất/lưu trữ và hệ thống điều khiển[1]. Mỗi thành phần đều có chức năng riêng của chúng và ảnh hưởng tới vận hành hệ thống AGV.

Khi phân chia hệ thống AGV thành các thành phần nhỏ hơn, bao gồm cả phần mềm và phần cứng sẽ có rất nhiều yếu tố ảnh hưởng. Do đó để giảm thiểu khối lượng tính tốn và vẫn giữ được tính tổng quát, ta xem xét hệ thống AGV bao gồm hệ thống điều khiển, các thành phần thực thi nhiệm vụ ở đây là AGV và các đối tượng khơng thể thiếu đó là đường dẫn các trạm giao nhận thuộc mạng lưới giao thông.

Để thực hiện được mục tiêu đề ra ở mục 1.3.2, đề tài nghiên cứu cấu trúc của hệ thống AGV, các đặc tính và chức năng của các thành phần này nhằm làm cơ sở cho mơ hình hố và mơ phỏng hợp lý.Các mục phía sau sẽ đi sâu vào hệ thống điều khiển, phương tiện và mạng lưới giao thông của hệ thống AGV. Sau khi tìm hiểu về các thành phần trong hệ thống AGV, tác giả sẽ xem xét những điều kế thừa và những điều khác biệt khi áp dụng vào đề tài.

<b>2.2 Cấu trúc và vai trị của hệ thống điều khiển </b>

Theo [8] có hai cách điều khiển hệ thống AGV, đó là điều khiển tập trung và phi tập trung. Điều khiển phi tập trung được cho là xu hướng phát triển của hệ thống AGV khi khoả lấp được những hạn chế của điều khiển tập trung trong hệ thống sản xuất linh hoạt. Nhưng điều khiển phi tập trung khơng hồn tồn tốt hơn điều khiển tập trung ở mọi trường hợp, trong các hệ thống nhỏ hệ thống điều khiển tập trung sẽ tối ưu hơn, đây là lý

</div><span class="text_page_counter">Trang 31</span><div class="page_container" data-page="31">

do chính để áp dụng cấu trúc điều khiển tập trung vào mơ hình hệ thống AGV nhằm chứng minh tính đúng đắn của giả thuyết. Hình 2.1 mơ tả hai cách tiếp cận và bảng 2.1 so sánh hai cấu trúc điều khiển [8].

<b>Hình 2.1: Cấu trúc tập trung (trái) và cấu trúc phi tập trung (phải)[8] Bảng 2.1: So sánh cấu trúc tập trung và phi tập trung[8] </b>

<b>CẤU TRÚC TẬP TRUNG CẤU TRÚC PHI TẬP TRUNG </b>

Ứng dụng lâu đời trong cơng nghiệp Khó thực hiện trong cơng nghiệp Có các thuật tốn nổi tiếng Có các thuật tốn nổi tiếng Truy cập được vào thơng tin tồn cầu Truy cập vào thông tin nội bộ

</div><span class="text_page_counter">Trang 32</span><div class="page_container" data-page="32">

<b>2.2.1 Nhiệm vụ phân bổ công việc </b>

Phân bổ công việc là một trong những nhiệm vụ khó khăn nhất khi vận hành một hệ thống AGV. Khi thực hiện nhiệm vụ này, mục tiêu của hệ thống điều khiển là phân bổ công việc cho các AGV sao cho tổng chi phí vận hành thấp nhất có thể. Với các hệ thống AGV ngày càng lớn và phức tạp, số lượng công việc và số lượng AGV tăng lên đồng nghĩa với các phương án giải quyết nhiệm vụ phân bổ công việc cũng tăng lên và khơng có một thuật tốn hiệu quả nào phân bổ cơng việc một cách tối ưu hồn tồn. Nhưng dù vậy vẫn có một số phương án tiếp cận nhằm giải quyết vấn đề này một cách ổn thoả[8].

Đối với nhiệm vụ phân bổ công việc, hai đặc tính căn bản nhất cần được thoả mãn đó chính là toàn thể nhiệm vụ cần được phân chia đồng đều và hệ thống điều khiển cần hoàn thành nhiệm vụ phân chia cơng việc này một cách chính xác bất kể các vấn đề đang phải đối mặt. Sau khi giải quyết được hai vấn đề này thì có thể cân nhắc tới những đặc tính khác như khả năng mở rộng hệ thống mà không xảy ra bất kì vấn đề gì, nhiệm vụ phân bổ cơng việc vẫn vận hành tốt; khả năng linh hoạt của hệ thống điều khiển khi hệ thống AGV thay đổi nhưng vẫn thích nghi được. Để thoả mãn được những đặc tính như vậy, cần xem xét đến các phân loại và đặc tính của nhiệm vụ, các hạn chế của công việc, những đối tượng cần tối ưu, và các mơ hình để giải quyết nhiệm vụ này.

Cơng việc vận chuyển hàng hoá đối với một hệ thống AGV có thể xem xét hai cách tiếp cận là tìm hiểu đặc tính của cơng việc, phương tiện vận chuyển và xem xét chiến lược phân công công việc. Công việc có thể chia thành cơng việc chỉ cần một phương tiện hoàn thành, hoặc cần nhiều hơn một phương tiện để hồn thành. Có các cơng việc độc lập với nhau, không cần phải lập kế hoạch để phân bổ cơng việc cho chúng và cũng có các cơng việc phụ thuộc vào nhau, theo trình tự, có thể lên kế hoạch trong tương lai. Về phía các phương tiện cũng được chia thành các phương tiện có thể thực hiện nhiều nhiệm vụ trong một lần và phương tiện chỉ thực hiện đơn nhiệm vụ. Từ các đặc tính của nhiệm vụ và phương tiện, ta hiểu rõ hơn về tính chất của hệ thống AGV, thơng qua đó để chọn một chiến lược phân phối nhiệm vụ hợp lý. Đối với chiến lược phân bố công việc tĩnh, một hay nhiều công việc được phân cho AGV và công việc không thể phân bổ lại cho tới khi AGV hồn thành việc được giao. Cách cịn lại có thể phân bổ lại cơng việc cho AGV nếu như có một AGV phù hợp hơn AGV ban đầu.

</div><span class="text_page_counter">Trang 33</span><div class="page_container" data-page="33">

Hiểu rõ được tính chất của công việc và phương tiện là bước đầu tiên để tiếp cận các hướng giải quyết cho nhiệm vụ phân bổ công việc. Trong thực tế, không phải lúc nào cơng việc chỉ có những ràng buộc về tính chất của nhiệm vụ và phương tiện. [8] đề cập tới những ràng buộc về thời gian, ràng buộc về quyền ưu tiên, một số ràng buộc ảnh hưởng tới tính chất linh hoạt của hệ thống và giới hạn về nguồn lực. Những giới hạn này ảnh hưởng tới vấn đề vận hành và phân bổ nhiệm vụ của trung tâm điều khiển.

Để có cái nhìn tổng thể về cơng việc, phương tiện, và các ràng buộc liên quan, việc hiểu rõ các đặc tính của nhiệm vụ là quan trọng. Điều này cho phép tối ưu hóa nhiệm vụ và đồng thời hiểu rõ về các đối tượng có thể ảnh hưởng và cách xử lý chúng. Một trong những đối tượng quan trọng là giá thành và lợi nhuận, vì hệ thống điều khiển sẽ phân phối cơng việc cho các phương tiện sao cho tổng giá thành là thấp nhất hoặc tổng lợi nhuận là cao nhất. Ngoài ra, các yếu tố khác cũng được xem xét, như mức độ ưu tiên của công việc, phần thưởng khi hoàn thành nhiệm vụ, và chất lượng khi hoàn thành một cơng việc.

Thơng qua những đặc tính trên mà [8] thống kê về các giải thuật phân phối công việc, và các ưu và nhược điểm của chúng. Nhiệm vụ phân bổ công việc không những cần xác định rõ tính chất của cơng việc cũng như phương tiện mà còn phải xác định rõ quy tắc phân bổ công việc và mục tiêu tối ưu trong nhiệm vụ. Một số nguyên tắc phổ biến được đề cập tới ở [1] như quy tắc phân bổ nhiệm vụ ngẫu nhiên, quy tắc phân bổ nhiệm vụ cho AGV gần nhất, quy tắc phân bổ nhiệm vụ cho AGV xa nhất, quy tắc phân bổ nhiệm vụ cho AGV rảnh nhất và quy tắc phân bổ nhiệm vụ cho AGV ít dùng nhất. Các yếu tố này cũng cần được cân nhắc vì chúng là thước đo để xem xét mức độ hiệu quả của hệ thống điều khiển khi thực hiện nhiệm vụ phân bổ công việc.

<b>2.2.2 Nhiệm vụ xác định đường đi </b>

Sau khi AGV được phân bổ nhiệm vụ, hệ thống điều khiển phải xác định một lộ trình cho AGV. Đây là là nhiệm vụ xác định đường đi, một trong những nhiệm vụ quan trọng của hệ AGV[8]. Theo Vis[1] thì lựa chọn lộ trình cho phương tiện vận chuyển ảnh hưởng đến hiệu suất của hệ thống. Để hồn thành nhiệm vụ thì hệ thống điều khiển cần biểu diễn lại mạng lưới giao thông mà hệ thống AGV cần di chuyển và sử dụng thuật tốn để tìm được đường đi.

</div><span class="text_page_counter">Trang 34</span><div class="page_container" data-page="34">

Có hai hướng tiếp cận để giải quyết nhiệm vụ này, bao gồm các thuật toán động và tĩnh. Trong trường hợp của các thuật toán tĩnh, đường đi giữa các điểm giao nhận được xác định trước, và sau đó được tái sử dụng khi có yêu cầu vận chuyển hàng hóa. Tuy nhiên, các thuật tốn tĩnh khơng linh hoạt đối với sự biến động trong hệ thống và điều kiện giao thông. Ngược lại, các giải thuật động được lựa chọn dựa trên thông tin thời gian thực của hệ thống, tạo ra nhiều lựa chọn đường đi cho việc vận chuyển hàng hóa.

Có nhiều giải thuật để xác định đường đi, nguyên lý của chúng dựa trên hai hướng tiếp cận đó là các thuật tốn đại diện mơi trường và thuật tốn tìm đường trong sa bàn. Thuật tốn lập kế hoạch đường đi tính tốn đường đi ngắn nhất. Đầu tiên, cần một biểu diễn về các trạng thái có thể đạt được của AGV trên bản đồ mơi trường. Các hệ thống AGV cơng nghiệp thường có đường di chuyển được xác định trước bằng mạng lưới nút và đoạn đường. Nếu khơng có mạng lưới sẵn, cần một thuật tốn tạo ra biểu diễn về khơng gian cấu hình để tạo ra các đường đi. Hướng cịn lại là các thuật tốn tìm kiếm đồ thị. Một số thuật toán động đáng chú ý là Dijkstra cổ điển và Dijkstra mở rộng.

Thuật toán Dijkstra cổ điển là một thuật tốn tìm đường tĩnh. Khi áp dụng thuật toán này, kết quả chỉ trả về một con đường ngắn nhất nối hai điểm. Cách hoạt động của thuật tốn này là xác định vị trí đầu, xác định giá trị các điểm xung quanh và đánh dấu lại điểm có giá trị thấp nhất, từ đó lặp đi lặp lại cho tới khi điểm cuối cùng được đánh dấu. Giải thuật này mang đặc tính của một giải thuật tĩnh, thích hợp để dùng lập lộ trình tồn cục. Nhược điểm của Dijkstra cổ điển đó là chỉ tìm ra được một đường đi cực tiểu nhỏ nhất, và khối lượng tính tốn rất lớn vì thuật tốn này khơng có bỏ qua một điểm nào.

Giải thuật Dijkstra cổ điển có điểm mạnh nhưng để áp dụng vào môi trường sản xuất ngày càng linh động, khổng lồ và phức tạp thì khơng thích hợp. Vậy nên các thuật toán động được ưu tiên và thuật toán Dijkstra cổ điển được nâng cấp thành thuật toán Dijkstra mở rộng. Guo Quing [25] xây dựng thuật tốn Dijkstra mở rộng, trả về nhiều lộ trình ngắn nhất đi từ hai điểm đã cho. Thuận tiện cho việc áp dụng vào một hệ thống phức tạp và năng động.

</div><span class="text_page_counter">Trang 35</span><div class="page_container" data-page="35">

<b>Hình 2.2: Quy trình làm việc của thuật tốn Dijkstra mở rộng.[25] </b>

</div><span class="text_page_counter">Trang 36</span><div class="page_container" data-page="36">

<b>Hình 2.3: Quãng đường ngắn nhất giữa 20 và 15 có 4 đường 2.2.3 Nhiệm vụ lập kế hoạch di chuyển </b>

Khi xác định lộ trình, hệ thống điều khiển cịn phải hồn thành một nhiệm vụ nữa là lập kế hoạch di chuyển nhằm tránh va chạm và kẹt cứng. Trong hệ thống AGV, nhiệm vụ xác định lộ trình ở mục 2.2.2 nhằm chọn ra một con đường đi ngắn nhất và tránh các vật cản tĩnh, nhưng trong thực tế có nhiều trường hợp xảy ra khi vận hành. Trên con đường vận chuyển hàng hố, các phương tiện có thể gặp các phương tiện khác, người hoặc là các vật cản. Vậy nên ngay lúc này, hệ thống điều khiển phải làm tốt nhiệm vụ lập kế hoạch di chuyển này để tránh va chạm, kẹt cứng để phương tiện hoàn thành tốt nhiệm vụ.

Khi tránh va chạm, một trong những cách đơn giản nhất là có hệ thống cảm biến, máy quét trên phương tiện nhằm nhận diện vật cản. Khi xác định vật cản có thể va chạm với AGV, các AGV đi chậm lại và dừng hẳn. Sau đó AGV chờ tới khi hết bị cản thì tiếp tục hành trình. Đây là một trong những cách xử lý cơ bản nhất khi vận hành hệ thống AGV. Không chỉ vậy, để xử lý các trường hợp va chạm, có hai cách xử lý là tập trung và phi tập trung. Trong giải pháp phi tập trung, AGV phản ứng dựa trên thông tin cục bộ và tương tác với các AGV lân cận để tránh va chạm. Mặc dù cách tiếp cận này có ưu điểm trong việc mở rộng số lượng AGV, nhưng nó đối mặt với các hạn chế đặc biệt trong việc tránh va chạm và kẹt cứng. Ngược lại, trong giải pháp tập trung hoá, máy tính trung tâm thu thập và xử lý tồn bộ dữ liệu từ các AGV, bao gồm vị trí và mục tiêu. Sau đó, nó lập kế hoạch tổng thể để đảm bảo khơng có va chạm giữa các AGV và tối ưu hóa hiệu suất của hệ thống. Phương pháp này mang lại sự quản lý thuận lợi hơn cho hệ thống AGV.

</div><span class="text_page_counter">Trang 37</span><div class="page_container" data-page="37">

<b>Bảng 2.2: Tổng quan các giải thuật tránh va chạm Các phương pháp tránh va chạm </b>

<b>Phương pháp Ưu điểm Nhược điểm Phương pháp tránh va chạm tập trung </b>

Tổng quan Tối ưu cho các đội AGV nhỏ

Thiếu sự vững chãi, hiệu suất, khả năng mở rộng và sự linh hoạt cho các

đội AGV lớn

<b>Phương pháp tránh va chạm phi tập trung </b>

Cảm biến phía trước Đơn giản, ổn định, tốt khi chọn đây là bước

kiểm tra cuối cùng

Khơng có

Xác định lại đường đi dựa trên giải thuật A* và D*

Đơn giản, nhanh Cần có bản đồ khu vực

Độ lệch cục bộ so với đường đi

Quy trình vượt an tồn Khơng có phù hợp với những trường hợp tránh va chạm phức tạp Biểu đồ trường

vector

Đơn giản, hiệu quả Nhiều hơn cho việc điều hướng tự do, khó phù hợp với các đối tượng ở xa

nhỏ Cách tiếp cận cửa

sổ động

Đơn giản, hiệu quả Nhiều hơn cho việc điều hướng tự do

ORCA Đơn giản, hiệu quả Nhiều hơn cho việc điều hướng tự do Mô hình dự đốn Hiệu suất tốt trong

trường hợp dày đặc

Quá phức tạp cho các trường hợp tránh va chạm đơn giản/có thể dự đốn được. Tốn nhiều thời gian để

huấn luyện

</div><span class="text_page_counter">Trang 38</span><div class="page_container" data-page="38">

Kẹt cứng là một vấn đề cần phải cân nhắc đến khi điều khiển hệ thống. Để tránh kẹt cứng, có nhiều cách tiếp cận và xử lý vấn đề này. Có thể giải quyết vấn đề kẹt cứng bằng cách thiết kế mặt bằng, hoặc bằng các cách tiếp cận chiến lược. Đề tài này chỉ xét đến các chiến lược trong điều khiển hệ thống AGV để giải quyết vấn đề. Xét về mặt điều khiển, có thể tránh kẹt cứng bằng điều khiển tập trung, phi tập trung, và quản lý số lượng AGV trong một khu vực nhất định[8].

<b>2.2.4 Nhiệm vụ định vị và quản lý phương tiện </b>

Có hai phương pháp để định vị AGV trong hệ thống là định vị vật lý và định vị ảo[8]. Trong định vị vật lý, các đường đi trong hệ thống được xác định thông qua một đường dẫn trên sàn, có thể là các đường dẫn được dán bằng băng keo hoặc các dây dẫn chôn dưới mặt sàn. Công nghệ trên AGV sẽ đảm bảo rằng nó ln di chuyển trên đường dẫn. Tuy nhiên, trong phương pháp này, AGV không thực sự biết được vị trí cụ thể của nó trên bản đồ. Cơng nghệ sử dụng cảm ứng điện từ, băng dính từ và quang học được phân loại vào định vị vật lý.

Một phương pháp khác hiện nay là sử dụng phương pháp định vị ảo. Các phương tiện này sử dụng các điểm từ tính, tia laser, GPS và thị giác máy tính để định vị AGV. Với phương pháp này, các đường đi được tạo ra ảo bên trong bản đồ cục bộ được duy trì bởi AGV hoặc trong bản đồ toàn cầu của đơn vị trung tâm. Tính linh hoạt và khả năng mở rộng của phương pháp này được đánh giá cao. Tuy nhiên, việc định vị ảo phức tạp hơn vì AGV cần biết vị trí chính xác của mình trong một bản đồ 2D. Điều này khác biệt so với việc định vị đường đi vật lý, nơi AGV chỉ cần biết vị trí của mình trên một mạch 1D. Bằng cách biết vị trí trên bản đồ 2D, sự lệch hướng từ đường đi ảo có thể được tính tốn.

Quản lý phương tiện là nhiệm vụ cốt lõi đơn giản nhất của AGV vì nó khơng địi hỏi các thuật tốn hoặc kỹ thuật phức tạp. Nó giám sát trạng thái pin, trạng thái lỗi và trạng thái bảo dưỡng. Trạng thái này sẽ tạo ra ràng buộc đối với khả năng thực hiện các nhiệm vụ và do đó cần được xem xét ở mức độ phân bổ nhiệm vụ. Sử dụng một hệ thống điều khiển trung tâm, bộ điều khiển trung tâm xem xét tất cả các trạng thái quản lý phương tiện.

</div><span class="text_page_counter">Trang 39</span><div class="page_container" data-page="39">

Ví dụ rằng nếu nó biết tuổi thọ pin của một phương tiện không đủ để thực hiện một nhiệm vụ cụ thể, nó sẽ giao cho phương tiện một nhiệm vụ ít yêu cầu năng lượng hơn hoặc gửi AGV đến trạm sạc. Khi đơn vị trung tâm nhận được các trạng thái lỗi từ một AGV, nó sẽ khơng liên quan AGV vào việc tối ưu hóa phân bổ nhiệm vụ nữa. Thay vào đó, nó sẽ gửi AGV đến bảo dưỡng. Sử dụng một hệ thống điều khiển phân tán, AGV giám sát các thông số của chính mình. Nếu nó thấy rằng dung lượng pin của mình thấp, nó sẽ, trong một phương pháp dựa trên thị trường ví dụ, khơng đặt giá trị trên một nhiệm vụ tốn năng lượng mà sẽ trực tiếp đến một trạm sạc.

<b>2.3 Phương tiện được ứng dụng trong hệ thống AGV </b>

Theo báo báo thị trường AGV của Grand View Research [3], có rất nhiều dạng AGV được sản xuất và ứng dụng hiện nay. Phân loại theo dạng phương tiện thì có các phương tiện dạng kéo, chuyên chở hàng hoá, phương tiện kéo pallet, phương tiện nâng hay là các phương tiện hỗn hợp,… Phân loại theo cơng nghệ điều hướng thì có các phương tiện điều hướng, di chuyển bằng laser, bằng từ tính, dùng công nghệ thị giác,… Những loại AGV này được ứng dụng trong nhiều mảng và nhiều ngành khác nhau nhằm phục vụ nhu cầu vận chuyển hàng hoá.

Phương tiện được dùng trong đề tài này là AGV nâng kệ hàng. Ưu điểm của loại AGV này được nhắc tới ở [23]. Nhờ vào khả năng linh hoạt, kích thước nhỏ, dễ dàng điều khiển là lý do được các công ty như Amazon, Alibaba,… áp dụng. Đặc điểm và tính năng của loại AGV này là nâng theo phương thẳng đứng, sử dụng phương pháp điều hướng bằng mã QR trên mạng lưới giao thông dạng bàn cờ, giao tiếp không dây với hệ thống điều khiển. Nhờ vào đặc tính nhỏ gọn mà phương tiện có thể chạy bên dưới các kệ hàng, khắc phục nhược điểm của quy tắc đỗ tại chỗ.

<b>Hình 2.4: AGV nâng kệ hàng trong mạng lưới giao thông dạng bàn cờ </b>

</div><span class="text_page_counter">Trang 40</span><div class="page_container" data-page="40">

Hệ thống cơ khí của AGV nâng hàng được nhắc tới trong [26] bao gồm phần khung và cơ cấu nâng. Loại AGV này gồm 2 bánh đặt hai bên phần khung, chịu trách nhiệm di chuyển cho AGV. Phía trước và phía sau được trang bị bánh xe đa hướng để trợ lực và không ảnh hưởng tới khả năng di chuyển của AGV.

<b>Hình 2.5: Mơ hình hố phương tiện vận chuyển. </b>

Các thơng số của AGV bao gồm: 𝑂𝑥<sub>𝐼</sub>𝑦<sub>𝐼</sub> là hệ trục toạ độ gắn với mặt đất, 𝑂𝑥<sub>𝑟</sub>𝑦<sub>𝑟</sub>là hệ trục toạ độ gắn với AGV, 𝜃 diễn tả góc lệch giữa 2 hệ toạ độ này, A là tâm đường nối giữa 2 bánh xe truyền động, C là khối tâm AGV, R là bán kính mỗi bánh xe và L là khoảng cách giữa tâm 2 bên bánh xe.

Vận tốc tịnh tiến của AGV trong hệ trục tọa độ gắn liền với robot là tốc độ trung bình của vận tốc dài của hai bánh xe.

</div>