Intervijas
14 okt. 2025
Intervija ar Sāru Šaumani (Sarah Schaumann), vadošo pētnieci MIT CTL
MIT transporta un loģistikas centra pētnieki un Mecalux nozares eksperti kopīgi “Intelligent Logistics Systems Lab” (Viedā loģistikas sistēmu laboratorija) laboratorijā izstrādā un ievieš risinājumus, kuriem tiek izmantots mākslīgais intelekts, lai novērstu dažās aktuālas un īpaši ietekmīgas problēmas loģistikas jomā.
Laboratorija tika izveidota ar Mecalux atbalstu, lai sekmētu attīstību, kas ir vērsta uz efektivitāti, ilgtspējību, daudzpusīgumu un klientu apmierinātību loģistikas nozarē.
Intervijas
14 okt. 2025
Jaunumi
14 maijs 2025
MIT Transporta un loģistikas centrs un Mecalux sadarbojas, lai pētītu jaunus mākslīgā intelekta pašmācīšanās lietojumus uzņēmumiem un sabiedrībai. Šīs partnerības mērķis ir iekļaut jaunākos zinātnes sasniegumus noliktavas programmatūrā un automatizācijas sistēmās.
Jaunumi
16 apr. 2025
Podkāstā “Piegādes ķēdes robežas” tiek pētīta MIT un Mecalux sadarbība pētniecības jomā, lai ar mākslīgā intelekta un mašīnmācīšanās palīdzību ieviestu inovācijas loģistikā. Šajā epizodē galvenā uzmanība ir pievērsta viedajām noliktavām un tam, kā pārvarēt problēmas, kas saistītas ar progresīvo tehnoloģiju integrēšanu tradicionālajā loģistikas vidē.
Videoklipi
01 dec. 2024
Dr. Matiass Vinkenbahs (Matthias Winkenbach) MIT CTL un Intelligent Logistics Systems Lab pētniecības direktors stāsta par projekta mērķiem izpētīt jaunus mākslīgā intelekta modeļu lietojumus loģistikā.
Videoklipi
18 jūl. 2024
Dr. Matiass Vinkenbahs (Matthias Winkenbach), MIT CTL pētniecības direktors skaidro, kā Intelligent Logistics Systems Lab pētīs mašīnmācīšanās (Machine Learning –ML) un mākslīgā intelekta (MI) potenciālu, lai pārveidotu loģistikas darbības un preču pārvadājumu nākotni.
Ievērojamas ietekmes prognozēšanas iespējas, ko nodrošina mākslīgā intelekta un mašīnmācīšanās tehnoloģijas, tostarp īpaši precīzu īstermiņa prognožu izstrāde, kas ir būtiskas, lai nodrošinātu īpaši operatīvus loģistikas pakalpojumus, piemēram, piegādi tajā pašā vai nākamajā dienā.
Jaunas metodes un modeļi, kuru izstrādes procesā, izmantojot mākslīgā intelekta un mašīnmācīšanās tehnoloģijas, tiek pētītas darbības, lai rastu risinājumus sarežģītām kombinatoriskas optimizācijas problēmām, kas ir kritiski nozīmīgas loģistikā, piemēram, transportlīdzekļu maršrutu plānošana, krājumu plānošana un tīkla izstrāde plašākā kontekstā, kurā ir būtiski reāli mērķi, ierobežojumi un nenoteiktības.
Tādu modernu loģistikas sistēmu un tehnoloģiju pārvaldība un ietekmēšana, kas spēj neatkarīgi īstenot darbības, pieņemt lēmumus un mācīties no apkārtējās vides bez pastāvīgas cilvēka iejaukšanās. Piemēram, mobilie roboti, kas pilnībā aizstāj noliktavas darbiniekus vai palīdz viņiem veikt noliktavas vai piegādes darbības, autonomi darbojoties sarežģītā un dinamiskā vidē.
Autonomu sistēmu vai vienību kolektīva uzvedība un koordinācija, kas kopīgi darbojas, lai novērstu kopīgu problēmu. Viedo loģistikas sistēmu kontekstā tas ietver vairāku aģentu, piemēram, autonomo robotu vai neatkarīgo pārvadātāju, kuri izmanto piegādes pasūtījumu platformas, darbību sinhronizāciju un sadarbību, lai optimizētu sistēmas veiktspēju.
Cilvēka lēmumu pieņemšanas procesu uzlabošana, apvienojot cilvēka intelektu ar mākslīgo intelektu. Konkrēti, laboratorijā tiek plānots pētīt, kā lēmumu pieņemšanai izmantotajās sistēmās un darbību pārvaldības programmatūrā var efektīvi izmantot cilvēku zināšanas un mākslīgā intelekta sniegtos ieskatus.