Description du projet
De nouveaux outils pour aider les experts en logistique à relever le défi du dernier kilomètre
Le problème de la livraison du dernier kilomètre (LMD) est l’un des défis les plus importants du monde de la logistique, car il crée des goulets d’étranglement responsables d’une augmentation des coûts et de l’inefficacité. Les méthodes traditionnelles d’optimisation des itinéraires s’essoufflent face aux perturbations en temps réel, laissant les experts en logistique aux prises avec un dilemme vieux comme le monde. Avec le soutien du programme Actions Marie Skłodowska-Curie, le projet SmartDelivery exploitera la synergie de l’apprentissage automatique (AA) et de l’IdO pour aborder le problème de la LMD. Plus précisément, il propose une nouvelle architecture matérielle/logicielle qui s’appuie sur les données en temps réel des véhicules pour améliorer en permanence les algorithmes de routage. De plus, une approche innovante basée sur l’IdO attribue dynamiquement des itinéraires aux conducteurs, guidé par un paramètre unique de «sixième sens». Un module d’AA prévoit l’algorithme heuristique/métaheuristique optimal pour optimiser l’itinéraire.
Objectif
Scientific advances in recent years have brought to light a series of potentially disruptive technologies in the ICT landscape. They are becoming, and will increasingly become, key enabling technologies for the development of applications and services designed to improve the quality of life of citizens and make processes more efficient. Among these, we can identify some which research has recently focused on with particular attention: Machine Learning and Internet of Things. In this project we propose a combined use of these two technological enablers to solve one of the main issues which all logistics experts have to face: the problem of optimising the last mile delivery (LMD). LMD is a crucial step of the entire delivery process, as it causes bottlenecks and is typically the most costly, problematic and inefficient part. Improving the LMD process in terms of route optimisation using classic approaches is difficult: static algorithms are not suitable, and even heuristic algorithms do not find high-quality solutions, as they do not consider several factors such as unpredictable real-time events which may occur. To address these challenges, a novel hardware/software architecture which exploits real-time vehicles’ positions to continuously improve performances of the routing algorithms is proposed, together with a new IoT-based methodology to automatically/dynamically assign routes to drivers based on the values of a defined “sixth sense”parameter. A ML module will predict the best among a chosen portfolio of different heuristics/metaheuristics algorithms to optimise the route.
Champ scientifique
- natural sciencescomputer and information sciencesinternetinternet of things
- natural sciencescomputer and information sciencessoftware
- natural sciencescomputer and information sciencesartificial intelligencemachine learning
- natural sciencescomputer and information sciencesartificial intelligenceheuristic programming
Mots‑clés
Programme(s)
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Régime de financement
HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European FellowshipsCoordinateur
37008 Salamanca
Espagne