Le programme ECIP de l'USPS — Tri des colis assisté par IA dans 195 centres de traitement du courrier
États-Unis d'Amérique
L'USPS a équipé 195 centres de tri de serveurs en périphérie à GPU Nvidia qui lisent codes-barres et adresses, réduisant …
Pakistan · Lahore · Voir le profil de Pakistan · Voir le profil de Lahore
Preuves: Quasi expérimental Top 14% 80/100 · Demandez à Evidence Copilot à propos de cette pratique
Un pilote évalué par les pairs sur 10 sites à Lahore, au Pakistan, a combiné des capteurs ultrasoniques de niveau de remplissage avec une optimisation d'itinéraires par IA en nuage, traitant plus de 200 millions de points de données et générant un gain de 32 % d'efficacité des itinéraires, une baisse de 29 % de la consommation de carburant, une hausse de 33 % du traitement des déchets et une réduction de 18 % des coûts d'entretien des véhicules.
La collecte des déchets représente un coût majeur et un fardeau environnemental important pour les villes en croissance rapide. Des chercheurs ont testé un système intelligent de gestion des déchets combinant IoT et IA sur 10 sites à Lahore et dans ses environs, au Pakistan, en choisissant délibérément des lieux dont la population variait de 0,5 à 5 millions d'habitants et présentant des niveaux de revenu, une densité et un climat différents, en collaboration avec les autorités municipales de gestion des déchets solides.
Le pilote visait à tester si des capteurs à ultrasons mesurant le niveau de remplissage des poubelles, combinés à des itinéraires de collecte recalculés dynamiquement par IA, pouvaient surpasser une collecte à horaires fixes, et si les gains d'efficacité éventuels se maintiendraient dans des contextes urbains très différents plutôt que de n'être qu'un résultat isolé sur un seul site.
Des capteurs à ultrasons mesuraient les niveaux de remplissage des poubelles et transmettaient les données via un réseau LoRaWAN et cellulaire assurant une connectivité à l'échelle de la ville. Une plateforme d'analyse en nuage utilisait ces données en temps réel pour recalculer dynamiquement les itinéraires de collecte afin de minimiser le temps, la distance et la consommation de carburant, remplaçant ainsi les horaires fixes.
Sur l'ensemble du pilote, qui a traité plus de 200 millions de points de données issus des capteurs, l'étude évaluée par des pairs (PLOS ONE, juillet 2024) a rapporté une amélioration de 32 % de l'efficacité des itinéraires, une baisse de 29 % de la consommation de carburant et des émissions, une augmentation de 33 % du débit de traitement des déchets et une réduction de 18 % des coûts d'entretien des véhicules, par rapport à une collecte à itinéraire fixe classique.
Les résultats proviennent d'un pilote multi-sites évalué par des pairs, et non d'une exploitation permanente confirmée à l'échelle de la ville, et les documents publiés ne précisent pas si un organisme municipal de Lahore a depuis officiellement adopté le système comme politique permanente — une question ouverte pour quiconque évalue sa pérennité au-delà du pilote.
Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.
D'où proviennent les informations de cette pratique, et quand.
États-Unis d'Amérique
L'USPS a équipé 195 centres de tri de serveurs en périphérie à GPU Nvidia qui lisent codes-barres et adresses, réduisant …
Royaume-Uni
L'outil d'IA interne du ministère de la Justice, Justice Transcribe, construit sur le modèle « Minute » de l'i.AI, transcrit …
Australie
La DTA australienne a mené le plus grand essai gouvernemental avec Copilot — plus de 5 000 agents, près de …
États-Unis d'Amérique
Le New Jersey a construit son propre assistant d'IA générative sécurisé pour ses agents, désormais utilisé par plus de 20 …
Ouvrir le copilote complet Fondé sur des pratiques citées — vérifiez toujours les sources.