El Center for Transportation & Logistics del Massachusetts Institute of Technology (MIT CTL) inauguró un laboratorio para investigar la aplicación de nuevas tecnologías en la industria de la logística, con apoyo inicial del grupo intralogístico Mecalux. El Intelligent Logistics Systems Lab explorará el potencial del machine learning (ML) y la inteligencia artificial (IA) para transformar el futuro de la logística y el transporte de cargas.
El laboratorio marca el inicio de una colaboración científica entre el MIT CTL y Mecalux, combinando el conocimiento académico del MIT con la experiencia práctica de una multinacional con más de 55 años de historia. Mecalux proporcionará visión técnica y apoyo de sus especialistas en software y automatización en los próximos años.
El nuevo laboratorio examinará diversas líneas de investigación abordando desafíos complejos de la industria a través de nuevas perspectivas. Estudiará métodos y herramientas capaces de producir previsiones a corto plazo con alta resolución espacio-temporal, permitiendo que servicios de entrega en el mismo día o dentro de una hora atiendan las necesidades de empresas y clientes globalmente.
El espacio dedicado a la innovación será liderado por el Dr. Matthias Winkenbach, director de investigación del MIT CTL. “Queremos apoyar la aplicación de nuevas tecnologías basadas en IA y ML a los desafíos más importantes que enfrentan las empresas y la sociedad”, afirma Winkenbach.
La investigación del nuevo centro del MIT, fundada con el apoyo de Mecalux, ayudará a la industria a diseñar cadenas de suministro que proporcionen atención al cliente de próxima generación de manera más económica y sostenible. “La excelencia operativa depende de la integración de la tecnología autónoma en las operaciones del almacén. La IA y el ML pueden desempeñar un papel fundamental en la planificación y control de estos recursos”, explica Javier Carrillo, CEO de Mecalux.
El Intelligent Logistics Systems Lab del MIT CTL analizará la contribución de las nuevas tecnologías en el control de sistemas autónomos de transporte y entrega y en la automatización de procesos como picking, clasificación, embalaje y expedición de pedidos. Otro campo de estudio será el desarrollo de métodos que combinen investigación operacional (PO) y ML, con el objetivo de resolver problemas de optimización combinatoria cada vez más complejos y heterogéneos, cruciales para el éxito del sector logístico, como la gestión de rutas de vehículos, planificación de inventarios, transporte y diseño de redes.