Descrizione del progetto
Nuovi strumenti per aiutare gli esperti di logistica a superare la sfida dell’ultimo miglio
Nel mondo della logistica, il problema della consegna dell’ultimo miglio è una delle sfide più significative, che crea colli di bottiglia che fanno lievitare i costi e le inefficienze. I metodi tradizionali di ottimizzazione dei percorsi vacillano di fronte alle perturbazioni in tempo reale, lasciando gli esperti di logistica alle prese con un dilemma antico. Con il sostegno del programma di azioni Marie Skłodowska-Curie, il progetto SmartDelivery sfrutterà la sinergia tra apprendimento automatico e internet delle cose per gestire la consegna dell’ultimo miglio. In particolare, introduce un’innovativa architettura hardware/software che utilizza i dati dei veicoli in tempo reale per migliorare continuamente gli algoritmi di elaborazione dei percorsi. Inoltre, un approccio innovativo basato sull’internet delle cose assegna dinamicamente i percorsi ai conducenti, sulla base di un parametro unico di «sesto senso». Un modulo di apprendimento automatico predice l’algoritmo euristico/metaeuristico ottimale per perfezionare il percorso.
Obiettivo
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.
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP.
- scienze naturaliinformatica e scienze dell'informazionesoftware
- scienze naturaliinformatica e scienze dell'informazioneinternet
- scienze naturaliinformatica e scienze dell'informazioneintelligenza artificialeprogrammazione euristica
È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione
Parole chiave
Programma(i)
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Meccanismo di finanziamento
HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European FellowshipsCoordinatore
37008 Salamanca
Spagna