Как квантовые вычисления повлияют на будущее логистики

COVID-19 научил нас важности цепочек поставок, когда все, от сырья до готовой продукции, задерживается или просто недоступно для производителей и розничных продавцов. Это также ускорило резкий сдвиг в логистике и доставке в уравнении цепочки поставок, поскольку потребители перешли от обычных покупок к покупкам в Интернете. Динамический характер всей цепочки поставок теперь является само собой разумеющимся, что требует значительных изменений в нашем подходе к оптимизации.

Целью организации цепочки поставок является удовлетворение требований клиентов при минимизации общих затрат на цепочку поставок. Компании должны быть достаточно гибкими, чтобы быстро реагировать на сбой.

К сожалению, большинство из нас не так ловко, как могло бы быть, как показывает исследование Ventana:

• 79% компаний используют электронные таблицы для планирования цепочки поставок.
• Менее 25% говорят, что их планы цепочки поставок интегрированы с отделами производства, закупок или продаж их компании.
• 54% говорят, что при принятии решений у них ограничены возможности или они не имеют возможности измерять компромиссы в цепочке поставок между отделами.

Кроме того, последняя миля становится еще более сложной. «Последняя миля» всегда была самой дорогой и вызывающей сожаление проблемой в цепочке поставок. С появлением «новой нормы» изменения потребительских привычек и каналов, создающих непредсказуемый спрос, прогнозы потеряли смысл. Это делает гибкость и скорость оптимизации гораздо более важными для удовлетворения растущих ожиданий клиентов в отношении мгновенной доступности и почти немедленной доставки.

Фиксированная модель логистики не может быть гибкой или быстрой. Исследовательский институт Capgemini, опрос цепочки поставок 2020 года, показал, что 70% компаний отдают приоритет входящей и исходящей логистике в рамках своих усилий по обеспечению устойчивости цепочки поставок после Covid. Однако менее половины организаций, опрошенных Accenture, согласны с тем, что в настоящее время они соответствуют ожиданиям клиентов в отношении выполнения заказов.

Что произойдет, когда отрасль станет еще более динамичной, а ожидания клиентов потребуют сокращения временных циклов?

Недостающее звено

Оптимизация с ограничениями помогает производственным цепочкам поставок, определяя наилучший путь вперед, поскольку динамические условия влияют на выбор поставщиков и варианты логистики. Проще говоря, оптимизация с ограничениями поможет вам решить, как сделать больше с меньшими затратами или как использовать меньше, чтобы сделать больше.

Большинство экономических бизнес-решений требует применения ограничений, таких как стоимость, объем или время, к набору переменных, таких как грузовики, артикулы или люди, с целью минимизировать (стоимость) или максимизировать (прибыль) результаты. Каждая организация должна решить множество таких проблем оптимизации.

Это похоже на то, что мы должны использовать, не так ли? Но мы этого не делаем по нескольким причинам:

• Предприятия, вложившие значительные средства в большие данные и аналитику, могут предположить, что у них есть необходимый анализ и отчетность. Но классические вычисления не могут обрабатывать объемы данных, которые мы собираем. Аналитики в конечном итоге сжимают и сокращают данные для выполнения вычислений, тем самым сокращая данные, анализируемые для получения результата.
• Информация анализируется и представляется руководству и лицам, принимающим решения. Они применяют свои уникальные взгляды на дебаты и принимают решения - как они это делали всегда. И они считают, что этого достаточно. Ограниченная оптимизация исключает дискуссии и личные фильтры, чтобы показать вам лучшие решения.
• Данные - это не просто данные. Он взаимосвязан с другими данными, которые необходимо учитывать, чтобы получать точные и качественные ответы на запросы оптимизации. Если классический компьютер не дает сбоев полностью, он может дать только один вероятный ответ, который может быть точным, а может и нет.

Классическая и сложная

Многие из нас слышали о проблеме коммивояжера, которую можно сравнить с маршрутизацией грузовиков и как оптимизировать маршруты, а также грузовики. Проблема в том, что подобные задачи коммивояжера усложняются на n! (n факториал). Проблемы маршрутизации более ограничены и сложны для каждой добавляемой переменной (грузовик, маршрут, водитель и т. Д.). Например, задача коммивояжера с 10 остановками дает 3628800 вариантов маршрута, 40 остановок дают примерно 40! =815 915 283,2 00 000 000 000 000 000 000 000 000 000 000 000 000 опций. Маршрутизация нескольких грузовиков и грузовых мест еще сложнее.

Классический компьютер столкнулся бы с массой и весом огромного набора возможностей. Именно здесь квантовые компьютеры обещают взять на себя задачу быстрого создания вариантов на выбор, чтобы принять лучшее решение, основанное на ваших целях.

Сложные сценарии, предназначенные для решения нескольких переменных, не достижимы с помощью классического вычислительного алгоритма за короткий промежуток времени. Однако алгоритмы, использующие методы квантовых вычислений, могут быстро выполнить это моделирование с использованием классической системы, применяющей квантовые методы, или гибридного решения, которое сегодня использует как квантовые, так и классические методы.

Accenture соглашается, заявляя:«Алгоритмы оптимизации маршрутов помогают сократить пробег и улучшить своевременность доставки. В логистике квантовая маршрутизация использует облачные квантовые вычисления для расчета самого быстрого маршрута для всех транспортных средств с учетом миллионов точек данных в реальном времени о заторах на дорогах ».

Вот несколько дополнительных способов, которыми ограниченная оптимизация приносит пользу производственным цепочкам поставок, от входящего сырья до исходящего распределения:

• Эффективность транспортировки . Ограниченная оптимизация используется для определения оптимального местоположения заводов, распределительных предприятий и других логистических узлов. Даже разница в милю при размещении завода может существенно повлиять на стоимость и производительность всей сети.
• Управление складом и распространение . Оптимизация с ограничениями применяется для оптимизации глобальных и местных перевозок и погрузок, складирования и доставки с минимальными затратами, оптимальной эффективностью и производительностью. Представьте, что вам нужно запланировать поставки тысяч и тысяч компьютеров, телевизоров или автомобилей по всему миру, используя лист бумаги или электронную таблицу.
• Входящая логистика . От уровня заказа до доставки на производственную линию оптимизация может обеспечить максимальный уровень производства при минимальных затратах. Даже один потерянный товар или забытый поставщик может нанести ущерб производственной линии. А теперь представьте, что вам нужно составить график и обслуживать все части автомобиля, компьютера, телевизора, холодильника или квадроцикла с помощью электронной таблицы, особенно когда вы управляете сотнями тысяч единиц.

В исследовании IDC делается вывод:«Возможность получать обширные и подробные наборы данных для информирования при принятии более эффективных решений будет самым большим отличием эффективности цепочки поставок в будущем». Методы квантовых вычислений позволяют вывести ограниченную оптимизацию на новый уровень точности и производительности.

Квантовые компьютеры обрабатывают сложные вычисления, чтобы дать множество ответов, а не один. Вам доставляется каждый ответ, соответствующий нужному вам оптимизированному состоянию. Вы получаете доступ к более жизнеспособным вариантам, чем с классическими процессорами, и можете выбрать тот, который лучше всего соответствует вашей конкретной ситуации, прямо сейчас. Это гораздо лучший способ принимать решения по сравнению с классическими программными подходами, которые предоставляют единственный ответ в качестве единственного варианта.

Квантовые вычисления - одна из самых многообещающих технологических инноваций, которые могут сформировать, упростить и оптимизировать будущую цепочку поставок. Он предлагает лучшее понимание для принятия лучших решений. Вот почему это так волнует.

Роберт Лисковский - президент и генеральный директор Quantum Computing Inc.