Inteligentny system zarządzania flotą i optymalizacji procesów logistycznych z zastosowaniem sztucznej inteligencji oraz technologii sensorycznych

1. BADANIA PRZEMYSŁOWE Zakres: • Opracowanie i formalizacja modeli AI dedykowanych do optymalizacji tras, predykcji zużycia paliwa, przewidywania popytu oraz wykrywania anomalii logistycznych • Projektowanie i weryfikacja metod eksploracyjnych, w tym porównanie skuteczności różnych paradygmatów uczenia maszynowego (ML, DL, RL) na danych syntetycznych • Rozwój algorytmów predykcyjnych wykorzystujących dane telematyczne, historyczne i symulowane • Modelowanie wpływu czynników zewnętrznych (np. warunków pogodowych, stylu jazdy) na zużycie paliwa i energii • Implementacja wybranych algorytmów AI w środowisku testowym (Python, TensorFlow/PyTorch, scikit-learn) • Wdrożenie komponentów do przetwarzania danych wejściowych i wyników w czasie zbliżonym do rzeczywistego • Opracowanie frameworku testowego umożliwiającego walidację modeli na danych symulowanych • Prototypowanie komponentów AI w warunkach laboratoryjnych (dowód koncepcji) • Zaprojektowanie architektury funkcjonalnej systemu zarządzania flotą z uwzględnieniem modułów: optymalizacji, predykcji, monitorowania, raportowania i interfejsu użytkownika • Zaplanowanie struktury integracji danych z systemów zewnętrznych (ERP, GPS, sensory IoT) • Opracowanie koncepcji infrastruktury testowej, w tym zestawu danych symulacyjnych i emulacji scenariuszy transportowych Wymagania jakościowe: • Opracowane algorytmy muszą umożliwiać późniejszą integrację z komponentami programistycznymi • Udokumentowana dokładność predykcji powyżej ustalonego progu (np. >85% dla modeli regresyjnych) • Moduły muszą być dokumentowane, testowalne jednostkowo i funkcjonalnie • Kod źródłowy zgodny z zasadami czystej architektury (Clean Code, SOLID) • Projekt systemu musi umożliwiać skalowalność, niezawodność oraz dalszy rozwój • Uwzględnienie wymogów bezpieczeństwa danych i modularności rozwiązań 2. EKSPERYMENTALNE PRACE ROZWOJOWE Zakres: • Udoskonalenie i dostrajanie wcześniej opracowanych modeli AI na bardziej złożonych zbiorach danych (quasi-rzeczywistych) • Implementacja strategii transfer learning i fine-tuning dla sieci neuronowych • Opracowanie metod fuzji danych z sensorów (RFID, GPS, warunki środowiskowe) z predykcjami algorytmów AI • Walidacja modeli AI w kontekście funkcjonalnym systemu (np. dynamiczna adaptacja tras do zdarzeń losowych) • Konstrukcja zintegrowanego prototypu systemu logistycznego AI (komponenty AI, bazy danych, moduły komunikacji) • Prace integracyjne z technologiami sensorycznymi (symulowane RFID, czujniki środowiskowe) • Rozwój backendu systemu wspierającego zarządzanie flotą i procesami logistycznymi • Automatyzacja scenariuszy testowych oraz analiza metryk systemowych • Projekt interfejsów użytkownika (UI/UX) dla operatorów systemu, kierowców i klientów końcowych • Opracowanie i wdrożenie prototypów interfejsów webowych oraz 3D (np. dla wizualizacji stanu floty lub tras) • Uwzględnienie zasad dostępności (WCAG 2.1) i responsywności (RWD) • Zaprojektowanie mechanizmów interakcji z chatbotem i systemami komunikacyjnymi Wymagania jakościowe: • Modele powinny być zoptymalizowane pod kątem wydajności (czas odpowiedzi ≤ X ms) i dokładności (np. >90%) • Integracja z prototypem systemu musi być potwierdzona w warunkach testowych • Gotowy prototyp systemu musi działać w kontrolowanym środowisku testowym • Oprogramowanie przygotowane zgodnie z zasadami DevOps/CI/CD (konteneryzacja, testy automatyczne) • Interfejsy muszą być intuicyjne, zgodne z najlepszymi praktykami UX • Testy użyteczności muszą wykazać wysoki poziom satysfakcji użytkowników (np. >80% pozytywnych ocen w testach pilotażowych)