Entrevista com Rodrigo Hermosilla e Willem Guter, do MIT CTL

Entrevista com Rodrigo Hermosilla e Willem Guter, do MIT CTL

“A nova geração de AMRs está evoluindo os armazéns para um modelo mais proativo”

Sobre o projeto de pesquisa

Os AMRs são veículos inteligentes que navegam pelo armazém, automatizando e agilizando o transporte interno de cargas. Um dos objetivos doColaboração de pesquisa entre o Massachusetts Institute of Technology e a Mecalux é seu controle e otimização. Rodrigo Hermosilla e Willem Guter, do Center for Transportation & Logistics do MIT, são pesquisadores desta iniciativa do Intelligent Logistics Systems Lab, que visa aproveitar a inteligência coletiva para permitir que os AMRs tornem os armazéns e centros de distribuição ainda mais ágeis e eficientes.

Mecalux entrevista Rodrigo Hermosilla e Willem Guter, pesquisadores do MIT CTL, para saber mais sobre seu projeto, que busca tornar os AMRs mais ágeis e eficientes, em conjunto com a Mecalux.

  • Eles participam de um projeto de inovação sobre AMRs. Como os robôs estão sendo treinados para trabalhar de forma interdependente?

    Rodrigo Hermosilla: Este projeto de pesquisa visa melhorar o funcionamento dos robôs móveis autônomos nos armazéns. Estamos aumentando sua eficiência e evitando colisões em tempo real.

    Willem Guter: Utilizamos o aprendizado por reforço para ajudar os AMRs a entender os armazéns em um nível interdependente. Isso significa que os robôs podem visualizar onde precisam estar a qualquer momento, mas também antecipar a chegada de pedidos futuros e seus destinos de entrega, permitindo que eles otimizem ainda mais seus processos.

    Estamos utilizando o aprendizado por reforço e deep learning para ajudar os AMRs a entender os armazéns em um nível interdependente

  • Que avanços esse novo algoritmo de controle de AMR trará?

    Willem Guter: Este novo algoritmo traz avanços em dois aspectos no nível do armazém. Primeiro, adia o envio de tarefas para os AMRs para reduzir potenciais gargalos nos pontos de coleta e entrega, bem como durante os deslocamentos. Em segundo lugar, melhora o desempenho do posicionamento, pois, o algoritmo sabe ou prevê onde os pedidos chegarão e pode colocar os AMRs necessários com antecedência, ou manter aqueles que já estão naquela posição.

    Rodrigo Hermosilla: Estamos desenvolvendo bancos de testes em conjunto com a Mecalux para torná-los o mais realistas possível. Não apenas em termos da representação do layout do armazém, mas também em outros comportamentos físicos, como aceleração, velocidade ou possíveis restrições, entre outros.

  • Como esse modelo usará IA preditiva para antecipar solicitações?

    Willem Guter: O modelo que estamos construindo usará deep learning para prever as origens dos pedidos, desenvolvendo planejamento de curto prazo e anual. Ao aprender com dados históricos, você pode determinar de onde esses artigos vieram e para aonde irão em um contexto mais amplo.

  • Como os AMRs conseguem se otimizar?

    Os pesquisadores têm uma representação lógica de cada AMR
    Treinamos estes modelos para que outros AMRs possam aprender e responder com uma solução ideal não apenas para eles, mas para todo o grupo

    Rodrigo Hermosilla: Em nossa pesquisa, os AMRs são criados como agentes inteligentes. Ou seja, temos uma representação lógica de cada robô, e eles podem usar as informações disponíveis para tomar decisões e compartilhar algumas restrições ou eventos derivados do ambiente. Portanto, precisamos treinar esses modelos para que outros AMRs possam aprender e responder com uma solução que seja ideal não apenas para eles, mas para todo o grupo.

  • Como essa nova geração de AMRs revolucionará os armazéns?

    Rodrigo Hermosilla: O benefício mais óbvio desse tipo de tecnologia é o tempo de processamento necessário para obter uma solução ideal. O aprendizado automático pode gerar soluções em tempo real e é mais ágil em comparação a outros algoritmos.

    Willem Guter: A nova geração de AMRs e algoritmos de controle avançados estão fazendo os armazéns evoluirem de um modelo reativo para um modelo mais proativo. Isso significa que os robôs antecipam seu posicionamento, identificam a origem e o destino dos artigos e otimizam o fluxo de trabalho. O resultado são armazéns mais eficientes, sustentáveis ​​e rentáveis.