​Booboo recibe el apoyo de Red.es en su apuesta por la IA, Big data o IoT en la logística

Desde que se constituyera allá por 2017 Booboo en Pinto, su objetivo fue revolucionar el sector logístico y del transporte en la aplicación de los nuevos avances tecnológicos.

Buena cuenta de ello fue, desde su formación, el contar con un equipo que no solo conociera a fondo el sector de la logística sino también el software y las complejidades matemáticas a las que se enfrenta cada envío.

Y, poco a poco, lo ha ido consiguiendo, siendo uno de los referentes del sector desde su hub madrileño y apostando por crear oportunidades de negocio apoyándose en una mejora de los tiempos de gestión y costes de los envíos pero, sin olvidar, uno de los pilares más importantes: la sostenibilidad de la logística con una disminución de las emisiones.

¿Cómo lo ha conseguido?

Una de las innovaciones principales dentro de este modelo de negocio es la capacidad de sincronizar en una única plataforma cualquier tipo de servicio, coordinando a todos los actores necesarios bajo una capa digital  y aplicando tecnologías deep tech como la IA, Big Data o IoT.

Para conseguirlo ha contado con el apoyo de Red.es y su programa de apoyo a proyectos innovadores en estas tecnologías Red.es IA 2021, en su expediente 2021/005/00150002 bajo el título “Inteligencia artificial, IoT y Blockchain para la optimizacion de redes logisticas intermodales hiperconectadas” .

Tal como explica su CEO, Juan Miguel Moreno, “gracias a este proyecto basado en una visión mucho más tecnológica e innovadora del sector nos ha permitido alcanzar objetivos impensables hace años dentro del sector”.

Entre ellos, destaca varios ejes:

1. Desarrollar una tecnología que dé un paso más sobre la Inteligencia Artificial y las matemáticas aplicadas a la logística, considerando una red intermodal de forma integral y priorizando medios de transporte sostenibles.
2. Investigar algoritmos inteligentes en lógica difusa para redes logísticas multimodales hiperconectadas. Su objetivo es seleccionar los medios óptimos según una función valor propietaria que priorice aspectos como la calidad del servicio, rapidez e impacto medioambiental.
3. Robotización y sensorización de infraestructuras logísticas externas e internas, mediante técnicas de virtualización y un sistema basado en Deep Learning para analizar escenas de tráfico en cooperación con los conductores, desarrollando sistemas conectados para apoyar la navegación. Con esta tecnología queremos ayudar a los transportistas y operadores a mejorar la seguridad de sus conductores, analizando el entorno y sentando las bases para futuros desarrollos centrados en vehículos autoguiados y conectados.
4. Diseñar un modelo que permita aprovechar las sinergias entre los transportes multimodales, de forma que se optimicen las cargas y se reduzcan los costes operativos. Mediante ciencia de datos, la tecnología deberá ser capaz de analizar los datos obtenidos de los procesos logísticos y utilizar la información en su retroalimentación y entrenamiento.
5. Investigación de algoritmos de tokenización para procesos logísticos multiactor, de forma que todos los principales procesos de la cadena de valor logística puedan producirse bajo una red blockchain, como fuente de confianza, trazabilidad transparencia y veracidad de la información, redundando en la seguridad del sistema.
6. Diseñar una red de sensorización IoT que permita la recolección de datos en tiempo real de la red logística hiperconectada, de forma que los datos pueden ser utilizados para optimizar los procesos logísticos.

“El objetivo de nuestro planteamiento es trabajar a fondo los algoritmos para que sean autoentrenados, mejorando iterativamente los resultados finales de la tecnología en su aplicación con el transporte y con todo el proceso logístico integral. Son soluciones que abaratan, agilizan y contaminan menos” concluye.