MIT Center for Transportation & Logistics inaugura laboratório de IA na logística

O Center for Transportation & Logistics do Massachusetts Institute of Technology (MIT CTL) inaugurou um laboratório para investigar a aplicação de novas tecnologias na indústria de logística, com apoio inicial do grupo intralogístico Mecalux. O Intelligent Logistics Systems Lab explorará o potencial do machine learning (ML) e da inteligência artificial (IA) para transformar o futuro da logística e do transporte de cargas.

O laboratório marca o início de uma colaboração científica entre o MIT CTL e a Mecalux, combinando o conhecimento acadêmico do MIT com a experiência prática de uma multinacional com mais de 55 anos de história. Mecalux fornecerá visão técnica e apoio de seus especialistas em software e automação nos próximos anos.

O novo laboratório examinará diversas linhas de pesquisa abordando desafios complexos da indústria através de novas perspectivas. Estudará métodos e ferramentas capazes de produzir previsões de curto prazo com alta resolução espaço-temporal, permitindo que serviços de entrega no mesmo dia ou dentro de uma hora atendam às necessidades de empresas e clientes globalmente.

O espaço dedicado à inovação será liderado pelo Dr. Matthias Winkenbach, diretor de pesquisa do MIT CTL. “Queremos apoiar a aplicação de novas tecnologias baseadas em IA e ML aos desafios mais importantes que as empresas e a sociedade enfrentam”, afirma Winkenbach.

A pesquisa do novo centro do MIT, fundada com o apoio da Mecalux, ajudará a indústria a projetar cadeias de fornecimento que forneçam atendimento ao cliente de próxima geração de forma mais econômica e sustentável. “A excelência operacional depende da integração da tecnologia autônoma nas operações do armazém. A IA e o ML podem desempenhar um papel fundamental no planejamento e controle desses recursos”, explica Javier Carrillo, CEO da Mecalux.

O Intelligent Logistics Systems Lab do MIT CTL analisará o contributo das novas tecnologias no controle de sistemas autônomos de transporte e entrega e na automação de processos como picking, classificação, embalagem e expedição de pedidos. Outro campo de estudo será o desenvolvimento de métodos que combinem pesquisa operacional (PO) e ML, visando resolver problemas de otimização combinatória cada vez mais complexos e heterogêneos, cruciais para o sucesso do setor logístico, como gerenciamento de rotas de veículos, planejamento de estoque, transporte e design de rede.