Le MIT Center for Transportation & Logistics inaugure un nouveau laboratoire consacré au potentiel de l’IA dans le domaine de la logistique, avec le soutien de Mecalux

26 juin 2024

L’Intelligent Logistiques Systems Lab appliquera des méthodes et des technologies basées sur l’intelligence artificielle et le machine learning aux défis logistiques les plus impactantes pour les entreprises et la société.

Mecalux apportera sa vision technique et le soutien de ses experts en logiciels et en automatisation Copyright : MIT CTL

Le Center for Transportation & Logistics du Massachusetts Institute of Technology (MIT CTL) a créé un laboratoire de recherche pour étudier l’application des nouvelles technologies à l’industrie logistique. La création de ce laboratoire a bénéficié du soutien initial du groupe intralogistique Mecalux. L’Intelligent Logistics Lab (laboratoire des systèmes logistiques intelligents) explorera le potentiel du machine learning (ML) et de l’intelligence artificielle (IA) pour transformer l’avenir de la logistique et du transport de marchandises.

Démarre ainsi une collaboration scientifique entre le MIT CTL et Mecalux, qui permettra de faire fructifier les connaissances académiques de la principale université technologique américaine avec le savoir-faire d’une multinationale riche de plus de 55 ans d’histoire. Mecalux apportera sa vision technique et le soutien de ses experts en logiciels et en automatisation au cours des dix prochaines années.

Ce nouveau laboratoire marque une étape importante dans notre mission d’innovation et d’amélioration des systèmes logistiques mondiaux. Avec le soutien de Mecalux, nous sommes convaincus que nos recherches déboucheront sur des avancées révolutionnaires dans ce domaine.

Yossi SheffiDirecteur du MIT CTL

Le nouveau laboratoire explorera plusieurs axes de recherche qui aborderont certains des enjeux les plus complexes de l’industrie sous de nouvelles perspectives. Par exemple, il examinera des méthodes et des outils de pointe capables de fournir des prédictions très précises à court terme et à haute résolution spatio-temporelle. Ces capacités de prédiction permettront d’offrir des services de livraison le jour même ou en quelques heures répondant ainsi aux besoins des entreprises et des clients du monde entier.

Cet espace d’innovation sera dirigé par le Dr Matthias WinkenbachCopyright : MIT CTL

Cet espace d’innovation sera dirigé par le Dr Matthias Winkenbach, directeur de recherche au MIT Center for Transportation & Logistics (MIT CTL). « Nous avons l’ambition de promouvoir l’application de nouvelles technologies basées sur l’IA et l’apprentissage automatique aux défis les plus importants auxquels les entreprises et la société sont confrontées », explique Matthias Winkenbach.
 

Les cinq grands axes de recherche de l'Intelligent Logistics Systems Lab

  • Intelligence prédictive : des capacités prédictives basées sur l’IA et le ML, incluant le développement de pronostics à court terme d’une grande précision, essentiels pour des services logistiques à réponse rapide, tels que la livraison le jour même.
  • Intelligence prescriptive : de nouvelles méthodes et modèles combinant la recherche opérationnelle avec le ML et l’IA pour résoudre des problématiques logistiques complexes d’optimisation combinatoire, comme le routage des véhicules, la planification des stocks ou la conception de réseaux, dans des contextes réels soumis à des objectifs, des contraintes et des incertitudes.
  • Intelligence autonome : exploration du rôle et de l’impact des systèmes et technologies logistiques avancés capables d’exécuter des tâches, de prendre des décisions et de tirer des enseignements de l’environnement de manière autonome, sans intervention humaine continue. Par exemple, des robots mobiles qui assistent ou remplacent les activités humaines dans les processus de stockage ou de livraison, opérant de manière autonome dans des environnements complexes et dynamiques.
  • Intelligence collective : comportement et coordination collectifs de systèmes ou d’entités autonomes coopérant à la résolution d’un problème commun. Ce domaine de recherche s’inspire souvent des systèmes naturels, tels que les colonies d’insectes ou les volées d’oiseaux, où les agents individuels suivent des comportements appris menant à des dynamiques de groupe complexes et efficaces. Dans le contexte des systèmes logistiques intelligents, cela implique la synchronisation et la coopération d’une multitude d’agents, tels que des robots autonomes ou des transporteurs collaboratifs, pour optimiser les performances opérationnelles.
  • Intelligence augmentée : amélioration de la prise de décision humaine en combinant l’intelligence humaine avec l’IA. Plus précisément, le laboratoire cherchera à explorer comment les systèmes d’aide à la décision et les logiciels de gestion des opérations peuvent intégrer efficacement l’expertise humaine aux connaissances issues de l’intelligence artificielle.

 

La technologie au service de l’excellence opérationnelle

Les recherches menées au du nouveau centre du MIT, fondé avec le soutien de Mecalux, aidera l’industrie à concevoir des chaînes d’approvisionnement qui offrent un service client de pointe, plus économique et plus durable. « L’excellence opérationnelle repose sur l’intégration parfaite de la technologie autonome dans les opérations de l’entrepôt. L’IA et le machine learning peuvent jouer un rôle clé dans la planification et le contrôle de ces ressources », explique Javier Carrillo, PDG du groupe spécialisé dans les technologies de stockage, Mecalux.

Ainsi démarre un partenariat scientifique entre le MIT CTL et MecaluxCopyright : MIT CTL

L’Intelligent Logistics Systems Lab du MIT CTL analysera l’apport des nouvelles technologies dans le pilotage des systèmes autonomes de transport et de livraison et de l’automatisation des processus tels que le picking, le tri, l’emballage et l’expédition des commandes depuis les entrepôts ou les magasins. Un autre domaine d’étude sera le développement de méthodes combinant la recherche opérationnelle (RO) et le ML. Leur objectif est de résoudre des problèmes d’optimisation combinatoire de plus en plus complexes et hétérogènes, qui sont essentiels aux succès de l’industrie de la logistique. Parmi les questions qu’ils peuvent résoudre, on trouve la gestion des itinéraires, la planification des stocks, le transport et la conception de réseaux, entre autres.