Le Center for Transportation & Logistics du Massachusetts Institute of Technology (MIT CTL) a inauguré l’Intelligent Logistics Systems Lab, un laboratoire dédié à la recherche de nouvelles technologies appliquées à l’industrie logistique, grâce au capital semi-proposé par le groupe intralogistique Mecalux. Ce nouvel espace se concentrera sur l’utilisation de ML et IA pour révolutionner l’avenir de la logistique et du transport de marchandises.

Le laboratoire ouvrira diverses lignes de recherche pour affronter les défis les plus complexes de l’industrie en mettant l’accent sur les innovateurs. Par exemple, des outils avancés permettant de générer des prédictions précises à court terme avec une haute résolution spatiale et temporelle seront étudiés. Ces capacités prédictives faciliteront la livraison des services le jour même ou en quelques heures, en répondant aux besoins des entreprises et des clients à l’échelle mondiale.

Le Dr Matthias Winkenbach, directeur de recherche du MIT CTL, dirigera cet espace dédié à l’innovation. « Notre objectif est de promouvoir les applications de technologies avancées basées sur l’IA et l’apprentissage automatique pour résoudre les problèmes les plus importants auxquels sont confrontées les entreprises et la société », affirme Winkenbach.

Le laboratoire des systèmes logistiques intelligents

Le nouveau centre de recherche du MIT a pour objectif de révolutionner l’industrie logistique grâce à la conception de chaînes d’approvisionnement les plus efficaces, économiques et durables. Javier Carrillo, PDG de Mecalux, commente : « L’excellence opérationnelle est obtenue grâce à l’intégration parfaite de la technologie autonome dans les opérations de stockage. «L’IA et l’apprentissage automatique sont essentiels pour la planification et le contrôle de ces ressources».

Le laboratoire Intelligent Logistics Systems du MIT CTL se consacrera à explorer comment les nouvelles technologies peuvent améliorer le contrôle des systèmes de transport autonomes et l’automatisation des processus tels que le picking, le classement, l’emballage et l’expédition des commandes depuis les magasins ou les magasins.

De plus, il sera axé sur le développement de méthodes combinant la recherche opérationnelle (IO) avec l’apprentissage automatique (ML) pour résoudre des problèmes d’optimisation combinatoire de plus en plus complexes et divers qui sont essentiels pour le succès de l’industrie logistique. Ces études aborderont des questions clés telles que la gestion des itinéraires de véhicules, la planification des inventaires, le transport et la conception des réseaux, entre autres.

A lire également