Квантовые вычисления: драйвер следующей эры логистического совершенства

COVID-19 научил нас важности цепочек поставок, когда все — от сырья до готовых товаров — стало задерживаться или просто недоступно производителям и ритейлерам. Это также ускорило драматический сдвиг в логистике и доставке стороны уравнения цепочки поставок, когда потребители перешли от покупок в кирпич- и-мортар к онлайн-шоппингу. Динамичная природа полной цепочки поставок теперь данность, требующая значительных сдвигов в том, как мы смотрим на оптимизацию.

Цель организации цепочки поставок — удовлетворять требования клиентов, минимизируя общие затраты цепочки поставок. Бизнесы должны быть достаточно гибкими, чтобы быстро реагировать, когда происходят нарушения.

К сожалению, большинство из нас не так гибки, как могли бы быть, как указывает это исследование Ventana:

• 79% компаний используют таблицы для планирования цепочек поставок.
• Менее 25% говорят, что их планы цепочек поставок интегрированы с производством, закупками или отделами продаж.
• 54% говорят, что у них ограниченная или нулевая способность измерять компромиссы цепочек поставок между отделами при принятии решений.

Дополнительно, последняя миля становится еще более сложной. Последняя миля всегда была самой дорогой, давно оплакиваемой проблемой цепочки поставок. С «новой нормальностью» меняющихся привычек потребления и каналов, создающих непредсказуемый спрос, прогнозы стали бессмысленными. Это делает гибкость и скорость к оптимизации еще более важными для встречи растущих ожиданий клиентов мгновенной доступности и почти немедленной доставки.

Фиксированная логистическая модель не спроектирована быть гибкой или быстрой. Capgemini Research Institute, Supply Chain Survey 2020 обнаружил, что 70% компаний приоритизируют входящую и исходящую логистику как часть своих усилий по устойчивости цепочек поставок пост-Covid. Однако менее половины организаций, опрошенных Accenture, согласны, что они сейчас встречают ожидания клиентов по выполнению заказов.

Что происходит, когда отрасль становится еще более динамичной и клиентские ожидания требуют сжатия временных циклов?

Пропущенное звено: ограниченная оптимизация

Ограниченная оптимизация помогает производственным цепочкам поставок, идентифицируя лучший путь вперед, когда динамические условия влияют на опции сорсинга и логистики. Простыми терминами, ограниченная оптимизация направляет вас решить, как сделать больше с меньшим, или как использовать меньше для большего.

Большинство экономических бизнес-решений требуют применения ограничений, таких как стоимость, объем или время к набору переменных, таких как грузовики, SKU или люди с целью минимизации (стоимости) или максимизации (прибыли) результатов. У каждой организации множество таких проблем оптимизации для решения.

Это звучит как то, что мы должны использовать, верно? Но есть несколько причин, почему мы не делаем этого:

• Предприятия с крупными инвестициями в big data и аналитику могут предполагать, что у них есть анализ и отчетность, которые нужны. Но классические вычисления не могут обрабатывать объемы данных, которые мы собираем. Аналитики в итоге сжимают и редуцируют данные для запуска вычислений, тем самым уменьшая анализируемые данные для получения результата.
• Информация анализируется и представляется менеджменту и принятелям решений. Они применяют свои уникальные перспективы к дебатам и решают — так, как они всегда делали. И они предполагают, что этого достаточно. Ограниченная оптимизация убирает дебаты и личные фильтры из уравнения, показывая вам лучшие решения.
• Данные — не просто данные. У них есть взаимосвязи с другими данными, которые вы должны учитывать для получения точных и высококачественных ответов на запросы оптимизации. Если классический компьютер не полностью падает, он может дать только один вероятный ответ, и он может быть точным или нет.

Классические vs сложные вычисления

Многие из нас слышали о проблеме коммивояжера, которая может быть сравнена с маршрутизацией грузовиков и оптимизацией маршрутов и самих грузовиков. Вызов в том, что задачи коммивояжера вроде этой растут в сложности по n! (n факториал). Проблемы маршрутизации еще более ограничены и сложны для каждой переменной (грузовик, маршрут, водитель и т.д.), которую вы добавляете. Например, задача коммивояжера с 10 остановками дает 3 628 800 вариантов маршрутов, 40 остановок дадут примерно 40! = 815 915 283 200 000 000 000 000 000 000 000 000 000 000 000 000 000 вариантов. Маршрутизация множественных грузовиков и посылок еще более сложна.

Классический компьютер бы боролся под весом и масштабом огромного набора возможностей. Здесь квантовые компьютеры обещают взять задачу, чтобы быстро произвести опции для выбора лучшего решения на основе ваших целей.

Сложные сценарии, предназначенные для решения множественных переменных, не достижимы классическим вычислительным алгоритмом за короткий промежуток времени. Однако алгоритмы, использующие квантовые вычислительные техники, могут быстро достичь этой симуляции, используя классическую систему, применяющую квантовые техники, или гибридное решение, задействующее и квантовые, и классические, сегодня.

Accenture соглашается, заявляя: «Алгоритмы оптимизации маршрутов помогают снижать пробег и улучшать показатели своевременной доставки. В логистике квантовая маршрутизация использует облачные квантовые вычисления для расчета самого быстрого маршрута для всех транспортных средств, учитывая миллионы точек данных в реальном времени о пробках».

Вот несколько дополнительных способов, которыми ограниченная оптимизация выгодна производственным цепочкам поставок, от входящего сырья к исходящей распределению:

• Транспортная эффективность. Ограниченная оптимизация используется для идентификации оптимальных локаций для заводов, распределительных объектов и других логистических хабов. Даже разница в милю в размещении завода может сделать значительную разницу в затратах и продуктивности общей сети.
• Управление складом и распределение. Ограниченная оптимизация применяется для оптимизации глобальных и локальных поставок и загрузок, складского хранения и доставки для наименьшей стоимости, оптимальной эффективности и продуктивности. Представьте необходимость планировать поставки тысяч компьютеров, телевизоров или автомобилей по глобусу, используя лист бумаги или таблицу.
• Входящая логистика. От уровней заказов до доставки на производственную линию, оптимизация может драйвить максимальные уровни производства при лучшей стоимости. Даже одна потерянная поставка или забытый вендор может разрушить производственную линию. Теперь представьте необходимость планировать и поддерживать все детали автомобиля, компьютера, телевизора, холодильника или ATV используя таблицу, особенно когда вы управляете сотнями тысяч единиц.

Исследование IDC заключает: «Способность поглощать широкие и глубокие наборы данных для информирования лучшего принятия решений будет единственным крупнейшим дифференциатором производительности цепочек поставок в будущем». Квантовые вычислительные техники усиливают ограниченную оптимизацию до нового уровня точности и производительности.

Квантовые компьютеры обрабатывают сложные вычисления для возврата разнообразия ответов, не только одного. Каждый ответ, встречающий оптимизированное состояние, которое вам нужно, доставляется вам. Вы получаете доступ к большему числу жизнеспособных опций, чем с классическими процессорами, и можете выбрать ту, что лучше соответствует вашей специфической ситуации прямо сейчас. Это гораздо лучший способ принимать решения против классических программных подходов, предоставляющих единственный ответ как ваш единственный вариант.

Квантовые вычисления — одна из самых обещающих технологических инноваций, вероятно, сформирующих, упрощающих и оптимизирующих будущее цепочки поставок. Они предлагают лучшие инсайты для принятия лучших решений. Вот почему вокруг них так много возбуждения.

Роберт Лискоски — президент и CEO Quantum Computing Inc.