Un software per l’ottimizzazione dinamica dei percorsi dei mezzi di trasporto pensato appositamente per situazioni di rischio e incertezza. O in altre parole una sorta di “robot dispatcher” che aiuta i manager logistici a calcolare e riadattare i percorsi, e i guidatori a evitare improvvisi ostacoli e congestioni di traffico, e ad arrivare nel minor tempo a destinazione.
Questo il progetto che stanno portando avanti alcuni ricercatori del Computer Science and Artificial Intelligence Laboratory (CSAIL) del prestigioso MIT (Massachusetts Institute of Technology) di Boston, partiti dall’esigenza di affrontare le molte cause di incertezza nella pianificazione logistica: traffico, incidenti, alluvioni, ritardi delle operazioni di carico.
La ricerca ha già alcune applicazioni pratiche, in particolare per i navigatori delle auto ibride e il controllo dei veicoli subacquei (autonomous underwater vehicles, AUV). Nel primo caso il problema è la limitata autonomia delle auto elettriche, che rende difficoltosa la pianificazione di lunghi percorsi nel caso in cui non si conosca la zona, e quindi la dislocazione degli impianti di rifornimento. «L’algoritmo mostra il profilo di accelerazione dell’auto, in modo da minimizzare salite, discese e cambiamenti di velocità», spiega Brian Williams, docente di Aeronautics and Astronautics e leader del team Model-Based Embedded & Robotic Systems del MIT, sul blog dell’Istituto tecnologico americano.
Il sistema è dotato anche di una tecnologia di riconoscimento vocale con cui interagisce con il guidatore. Può per esempio chiedere gli obiettivi per un viaggio (minimizzare i chilometri, o il tempo, evitare pedaggi, ecc.), e automaticamente definire i percorsi ottimali in base alle informazioni di traffico e alle mappe aggiornate in tempo reale. Il sistema inoltre reagisce a cambiamenti inattesi, come una strada chiusa, proponendo subito le alternative.
Nel secondo tipo di applicazione invece, l’AUV, l’algoritmo è usato per gestire vari rischi tipici che affrontano per esempio i robot utilizzati per mappare i fondi oceanici, per esempio forti correnti o ostacoli del terreno non prevedibili. L’operatore da remoto può intervenire modificando il piano della missione.
Siccome l’incertezza è parte integrante del lavoro dei conduttori di mezzi pesanti, è facile pensare alle possibili applicazioni di questa ricerca nel campo della logistica commerciale. Il team del MIT sta infatti lavorando soprattutto ad adattare l’algoritmo per migliorare la gestione del trasporto merci.
Peng Yu, uno dei ricercatori dello CSAIL che sta lavorando all’algoritmo, spiega sul blog del MIT che uno degli obiettivi è di aiutare i pianificatori logistici ad accordare il più precisamente possibile la domanda di trasporto e l’offerta in termini di mezzi e capacità di carico a livello del singolo cliente, e di ricalcolare i piani di consegna quando accadono imprevisti. «È un tool di supporto alle decisioni che non solo genera un piano operativo, ma gestisce i trade-off in tempo reale proponendo le soluzioni alternative». Inoltre avverte se il trasportatore necessita di più capacità, o è impossibilitato nelle attuali condizioni a soddisfare una consegna nei tempi previsti.
I sistemi di supporto decisionale per i manager logistici non sono una novità, anche in reazione agli imprevisti, «ma questa è una famiglia di modelli completamente diversa, che aiuta a gestire contemporaneamente molti diversi tipi di vincoli», spiega Williams. Questa è una tipica situazione nei problemi di gestione logistica nel supply chain management, ma i metodi e le soluzioni software esistenti tendono a essere deterministici e a ipotizzare un alto livello di controllo, mentre il nuovo algoritmo del MIT si adatta a simulare scenari ad alta incertezza per diversi fattori. «L’obiettivo è che funzioni come un dispatcher, un “coordinatore” dei trasporti, che propone alternative in risposta alle domande del manager logistico».
