Automatización de Distribución en Almacén: Integración Brazo Robótico y Transporte Autónomo

1. Introducción

Con el crecimiento explosivo del e‑commerce, operadores de almacenes enfrentan el reto de gestionar vastos inventarios diariamente. Tareas como almacenamiento, picking, escaneo y entrega se vuelven intensivas en mano de obra y costosas. La automatización –desde semi‑autónoma a totalmente autónoma– se adopta cada vez más para atender estas demandas. Sistemas de manipulación robótica, capaces de operar 24/7 y escalar con la demanda, se han vuelto piedra angular de la logística moderna.

2. Visión General del Sistema

2.1 Configuración Brazo Robótico

El sistema presenta un brazo robótico de dos grados de libertad (2‑DOF) montado en una góndola. Puede rotar sobre eje z (horizontal) y eje x (vertical) y equipa pinza de precisión. El brazo está programado para recoger items de una cinta transportadora, buscar un vehículo de transporte autónomo y colocar la carga sobre él.

2.2 Bot de Transporte Autónomo

El bot de transporte es una plataforma de tracción diferencial equipada con sensor ultrasónico que mide su distancia a la estación de acoplamiento. Cuando se acerca, ejecuta giro de 180° y notifica al brazo vía Bluetooth que está listo para recibir paquete. Tras cargar, el bot parte hacia ubicación de almacenaje predefinida.

3. Procesamiento de Señal

3.1 Filtro Pasa‑Bajos Butterworth

Datos de cámara Pi‑Camera muestran ruido de alta frecuencia por movimiento rápido del objetivo. Se aplica filtro Butterworth pasa‑bajos de 5º orden al vector de coordenadas 3‑D (x‑y‑z). La señal filtrada se promedia sobre las últimas 20 muestras, resultando en trayectoria suave que mejora precisión de posicionamiento del brazo. Figura 3 ilustra datos raw (naranja) versus filtrados (azul).

4. Arquitectura Electrónica

4.1 Actuadores

Cinco servomotores impulsan el sistema: dos controlan ruedas del bot de transporte, y tres accionan juntas del brazo. Rutinas PWM personalizadas permiten operación simultánea de todos los servos aunque la Raspberry Pi ofrezca solo dos pines PWM hardware.

4.2 Sensores

Sensor ultrasónico (HC‑SR04) provee mediciones de distancia en tiempo real para planificación de ruta y acoplamiento. La Pi‑Camera, montada en el brazo, captura posición del bot de transporte usando OpenCV, permitiendo al brazo orientarse con precisión.

4.3 Comunicación

Módulos Bluetooth HC‑06 en Arduino y Raspberry Pi establecen enlace serie de baja latencia. El bot señala al brazo con mensaje corto ‘s’ cuando está listo, y el brazo confirma con ‘f’ para confirmar carga completada.

5. Diseño de Circuito

Figura 4 presenta esquemático del circuito driver de servos. Arduino controla motores del bot y sensor ultrasónico, mientras Raspberry Pi gestiona servos de juntas del brazo, pinza y procesamiento de visión. Distribución de energía se maneja mediante fuente 5V/12V con desacoplo adecuado para suprimir ruido.

6. Implementación Software

6.1 Firmware Arduino

El firmware inicializa servos, configura sensor ultrasónico y monitoriza lecturas de distancia. Al detectar objetivo dentro de 4 cm, dispara movimiento del bot y gestiona secuencia de recogida y colocación del brazo. La lógica se impulsa por máquina de estados simple y usa delays no‑bloqueantes para mantener responsividad.

6.2 Software Control Raspberry Pi

La Pi ejecuta script Python que realiza las siguientes tareas:

• Establece conexión Bluetooth al Arduino.
• Controla rotación del brazo usando PWM GPIO para servos eje z y x.
• Implementa bucle de visión Pi‑Camera, detectando marcador verde en bot de transporte con OpenCV y aplicando filtro Butterworth a datos posicionales.
• Gestiona pinza para recoger y soltar paquete, coordinando tiempos con el bot vía Bluetooth.

El script es modular, con funciones separadas para control de servos, procesamiento de imagen y comunicación, asegurando mantenibilidad y extensibilidad.

7. Resultados Demostrados

En prueba en vivo, el brazo recuperó paquetes de la cinta, localizó el bot de transporte y lo cargó en tiempo medio de ciclo de 12 segundos. El modelo GTP (Goods‑to‑People) demostró tasas de throughput superando manejo manual tradicional en 35 %, alineado con hallazgos de Bastian Solutions Inc. El diseño modular permite actualizaciones incrementales, como añadir tercer grado de libertad o integrar algoritmos avanzados de planificación de ruta para el bot.

8. Conclusión y Trabajo Futuro

Este proyecto valida un flujo de trabajo híbrido robótico‑manual desplegable en almacenes pequeños a medianos. Mejoras futuras incluyen autonomía total para clasificación de items, seguimiento de inventario en tiempo real e integración con software de gestión de almacén. El enfoque demostrado ofrece vía rentable para aumentar throughput, reducir costes laborales y mejorar niveles de servicio en centros de fulfillment e‑commerce.

Fuente: Warehouse Distribution Project Documentation