Otomatisasi Distribusi Gudang: Integrasi Lengan Robot & Transportasi Otonom

1. Pendahuluan

Dengan pertumbuhan meledaknya e‑commerce, operator gudang menghadapi tantangan dalam menangani inventori yang luas setiap hari. Tugas seperti penyimpanan, pemilihan, pemindaian, dan pengiriman menjadi intensif tenaga kerja dan mahal. Otomatisasi—daripada solusi semi-otonom hingga otonom penuh—semakin diadopsi untuk memenuhi permintaan ini. Sistem penanganan robotik, yang mampu beroperasi 24/7 dan menskalakan dengan permintaan, telah menjadi sumbu utama logistik modern.

2. Ringkasan Sistem

2.1 Konfigurasi Lengan Robot

Sistem ini memiliki lengan robot dua derajat kebebasan (2‑DOF) yang dipasang pada gantry. Ia dapat berputar di sekitar sumbu z (horizontal) dan sumbu x (vertikal) dan dilengkapi dengan gripper presisi. Lengan diprogram untuk mengambil item dari belt konveyor, mencari kendaraan transportasi otonom, dan meletakkan barangnya pada kendaraan.

2.2 Bot Transportasi Otonom

Bot transportasi adalah platform drive diferensial yang dilengkapi sensor ultrasonik yang mengukur jaraknya ke stasiun docking. Ketika mendekati stasiun, ia melakukan putaran 180° dan memberitahu lengan melalui Bluetooth bahwa ia siap menerima paket. Setelah dimuat, bot berangkat menuju lokasi stok yang telah ditentukan sebelumnya.

3. Pemrosesan Sinyal

3.1 Filter Low-Pass Butterworth

Data kamera dari Pi‑Camera menunjukkan kebisingan frekuensi tinggi karena gerakan cepat target. Filter low-pass Butterworth orde ke-5 diterapkan pada vektor koordinat 3‑D (x‑y‑z). Sinyal yang difilter kemudian dirata-rata selama 20 sampel terakhir, menghasilkan trajetur yang halus yang meningkatkan akurasi penempatan lengan. Gambar 3 mengilustrasikan aliran data mentah (oranye) versus difilter (biru).

4. Arsitektur Elektronik

4.1 Aktuator

Lima servo motor mengemudi sistem: dua mengontrol roda bot transportasi, dan tiga mengactuasi sendi lengan. Rutinitas PWM kustom memungkinkan operasi simultan semua servo meskipun Raspberry Pi hanya menawarkan dua pin PWM hardware.

4.2 Sensor

Sensor ultrasonik (HC‑SR04) menyediakan pengukuran jarak waktu nyata untuk perencanaan jalur dan docking. Pi‑Camera, yang dipasang pada lengan, menangkap posisi bot transportasi menggunakan OpenCV, memungkinkan lengan untuk mengarahkan dirinya secara akurat.

4.3 Komunikasi

Modul Bluetooth HC‑06 pada Arduino dan Raspberry Pi membangun link serial rendah latensi. Bot memberi sinyal ke lengan dengan pesan singkat ‘s’ saat siap, dan lengan mengakui dengan ‘f’ untuk mengonfirmasi penyelesaian pemuatan.

5. Desain Sirkuit

Gambar 4 menyajikan skema sirkuit driver servo. Arduino mengontrol motor bot dan sensor ultrasonik, sementara Raspberry Pi mengelola servo sendi lengan, gripper, dan pemrosesan visi. Distribusi daya ditangani melalui suplai 5V/12V dengan decoupling yang cukup untuk menekan kebisingan.

6. Implementasi Perangkat Lunak

6.1 Firmware Arduino

Firmware menginisialisasi servo, mengonfigurasi sensor ultrasonik, dan memantau pembacaan jarak. Saat mendeteksi target dalam jarak 4 cm, ia memicu gerakan bot dan mengelola urutan pengambilan dan penempatan lengan. Logika didorong oleh mesin status sederhana dan menggunakan penundaan non-blocking untuk menjaga responsivitas.

6.2 Perangkat Lunak Kontrol Raspberry Pi

Pi menjalankan skrip Python yang melakukan tugas-tugas berikut:

• Membangun koneksi Bluetooth ke Arduino.
• Mengontrol rotasi lengan menggunakan GPIO PWM untuk servo sumbu z dan sumbu x.
• Mengimplementasikan loop visi Pi‑Camera, mendeteksi markernya hijau pada bot transportasi dengan OpenCV dan menerapkan filter Butterworth pada data posisi.
• Mengelola gripper untuk mengambil dan melepaskan paket, menyinkronkan waktu dengan bot melalui Bluetooth.

Skrip modular, dengan fungsi terpisah untuk kontrol servo, pemrosesan gambar, dan komunikasi, memastikan kemampuan pemeliharaan dan perluasan.

7. Hasil yang Ditunjukkan

Dalam tes langsung, lengan berhasil mengambil paket dari konveyor, menemukan bot transportasi, dan memuatnya dalam waktu rata-rata siklus 12 detik. Model GTP (Goods‑to‑People) menunjukkan tingkat throughput yang melebihi penanganan manual tradisional sebesar 35 %, selaras dengan temuan industri dari Bastian Solutions Inc. Desain modular sistem memungkinkan peningkatan bertahap, seperti menambahkan derajat kebebasan ketiga atau mengintegrasikan algoritma perencanaan jalur canggih untuk bot.

8. Kesimpulan dan Pekerjaan Masa Depan

Proyek ini memvalidasi alur kerja hibrid robotik–manual yang dapat diterapkan di gudang kecil hingga menengah. Peningkatan masa depan meliputi otonomi penuh untuk pengurutan item, pelacakan inventori waktu nyata, dan integrasi dengan perangkat lunak manajemen gudang. Pendekatan yang ditawarkan memberikan jalan hemat biaya untuk meningkatkan throughput, mengurangi biaya tenaga kerja, dan meningkatkan tingkat layanan untuk center fulfillment e‑commerce.

Sumber: Dokumentasi Proyek Distribusi Gudang