量子コンピューティングがロジスティクスの未来をどのように推進するか

COVID-19は、原材料から完成品まですべてが遅れたり、製造業者や小売業者が単に利用できなくなったりした場合のサプライチェーンの重要性を教えてくれました。また、消費者が実店舗での購入からオンラインショッピングに移行するにつれて、サプライチェーンの方程式のロジスティクスと配送の側面が劇的に変化しました。現在、サプライチェーン全体の動的な性質が与えられており、最適化の見方を大幅に変える必要があります。

サプライチェーン組織の目標は、サプライチェーンの総コストを最小限に抑えながら顧客の要件を満たすことです。企業は、混乱が発生したときに迅速に対応できる十分な柔軟性を備えている必要があります。

残念ながら、ベンタナのこの調査が指摘しているように、私たちのほとんどは私たちができるほど機敏ではありません。

• 79％の企業が、サプライチェーンの計画にスプレッドシートを使用しています。
• サプライチェーン計画が自社の製造、調達、または販売部門と統合されていると答えたのは25％未満です。
• 54％は、意思決定時に部門間のサプライチェーンのトレードオフを測定する能力が限られているか、まったくないと答えています。

さらに、ラストマイルはさらに複雑になります。ラストワンマイルは、常にサプライチェーンの中で最も高価で長い間嘆かわしい挑戦でした。消費習慣やチャネルの変化が予測不可能な需要を生み出すという「ニューノーマル」により、予測は無意味になりました。これにより、最適化の俊敏性とスピードがさらに重要になり、即時の可用性とほぼ即時の配信に対する顧客の高まる期待に応えることができます。

固定ロジスティクスモデルは、柔軟または高速になるようには設計されていません。 Capgemini Research Institute、Supply Chain Survey 2020は、企業の70％が、Covid後のサプライチェーンの持続可能性への取り組みの一環として、インバウンドおよびアウトバウンドのロジスティクスを優先していることを発見しました。それでも、アクセンチュアから質問を受けた組織の半数未満が、現在、注文処理に対する顧客の期待に応えていることに同意しています。

業界がさらにダイナミックになり、顧客の期待がタイムサイクルの圧縮を要求するとどうなりますか？

ミッシングリンク

制約付き最適化は、動的な条件が調達とロジスティクスのオプションに影響を与えるため、前進するための最良の道を特定することにより、サプライチェーンの製造を支援します。簡単に言えば、制約付き最適化は、より少ない労力でより多くのことを行う方法、またはより少ない労力でより多くのことを行う方法を決定するためのガイドになります。

ほとんどの経済的なビジネス上の意思決定では、コスト、量、時間などの制約を、トラック、SKU、または結果を最小化（コスト）または最大化（利益）することを目的とした人々などの一連の変数に適用する必要があります。すべての組織には、解決すべきそのような最適化問題が多数あります。

これは私たちが使うべきもののようですね。しかし、私たちがそうしない理由はいくつかあります：

• ビッグデータと分析に大規模な投資を行っている企業は、必要な分析とレポートが用意されていると想定する場合があります。しかし、従来のコンピューティングでは、収集している大量のデータを処理できません。アナリストは最終的にデータを圧縮および削減して計算を実行し、それによって分析されたデータを削減して結果を取得します。
• 情報は分析され、経営陣と意思決定者に提示されます。彼らは独自の視点を討論に適用し、決定します—彼らがいつも行ってきた方法です。そして彼らはそれで十分だと思っています。制約付き最適化は、議論と個人的なフィルターを方程式から取り除き、最良の決定を示します。
• データは単なるデータではありません。最適化要求に対して正確で高品質の回答を得るために考慮する必要のある他のデータとの相互関係があります。従来のコンピュータが完全に機能しなくなった場合、考えられる答えは1つだけになる可能性があり、正確である場合とそうでない場合があります。

クラシックvs.コンプレックス

私たちの多くは、巡回セールスマン問題について聞いたことがあります。これは、トラックのルーティング、ルートの最適化方法、およびトラックと比較できます。課題は、このような巡回セールスマン問題がn倍複雑になることです。 （n階乗）。ルーティングの問題は、追加するすべての変数（トラック、ルート、ドライバーなど）に対して、より制約があり複雑です。たとえば、10回の停車地がある巡回セールスマン問題は3,628,800のルートオプションになり、40回の停車地は約40になります。 =815,915,283,200,000,000,000,000,000,000,000,000,000,000,000,000オプション。複数のトラックとパッケージのルーティングはさらに複雑です。

古典的なコンピューターは、膨大な可能性の重みと規模の下で苦労していました。これは、量子コンピューターがあなたの目標に基づいて最良の決定を下すために選択するオプションを迅速に作成するタスクを引き受けることを約束する場所です。

複数の変数を解決することを目的とした複雑なシナリオは、従来のコンピューティングアルゴリズムでは短期間で実現できません。ただし、量子コンピューティング技術を使用するアルゴリズムは、量子技術を適用する古典的なシステム、または今日、量子と古典の両方を使用するハイブリッドソリューションを使用して、このシミュレーションをすばやく実現できます。

アクセンチュアは同意し、次のように述べています。「ルート最適化アルゴリズムは、走行距離を減らし、時間通りの配達率を向上させるのに役立ちます。ロジスティクスでは、量子ルーティングはクラウドベースの量子コンピューティングを使用して、交通渋滞に関する数百万のリアルタイムデータポイントを考慮に入れて、すべての車両の最速ルートを計算します。」

制約付き最適化が、インバウンド原材料からアウトバウンド流通まで、サプライチェーンの製造に役立ついくつかの追加の方法を次に示します。

• 輸送効率 。制約付き最適化は、プラント、流通施設、およびその他のロジスティクスハブの最適な場所を特定するために使用されます。プラントの配置に1マイルの違いがあっても、ネットワーク全体のコストと生産性に大きな違いをもたらす可能性があります。
• 倉庫の管理と流通 。制約付き最適化は、グローバルおよびローカルの出荷と積載、倉庫保管と配送を最適化して、最小のコスト、最適な効率、および生産性を実現するために適用されます。一枚の紙やスプレッドシートを使用して、世界中の何千ものコンピューター、テレビ、または車に何千もの出荷をスケジュールする必要があると想像してみてください。
• インバウンドロジスティクス 。注文レベルから生産ラインへの納品まで、最適化により最大の生産レベルを最高のコストで推進できます。出荷を紛失したり、ベンダーを忘れたりした場合でも、生産ラインに大混乱をもたらす可能性があります。ここで、特に数十万台のユニットを管理している場合は、スプレッドシートを使用して、車、コンピューター、テレビ、冷蔵庫、またはATVのすべての部品をスケジュールして保守する必要があると想像してください。

IDCの調査によると、「より適切な意思決定に情報を提供するために、幅広く深いデータセットを取り込む機能は、将来のサプライチェーンパフォーマンスの最大の差別化要因となるでしょう。」量子コンピューティング技術は、制約付き最適化を新しいレベルの精度とパフォーマンスに強化します。

量子コンピューターは複雑な計算を処理して、1つだけでなく多様な答えを返します。必要な最適化された状態を満たすすべての回答が提供されます。従来のプロセッサよりも実行可能なオプションに触れることができ、現在の特定の状況に最適なものを選択できます。これは、唯一の選択肢として単一の答えを提供する従来のソフトウェアアプローチと比較して、意思決定を行うためのはるかに優れた方法です。

量子コンピューティングは、サプライチェーンの将来を形作り、合理化し、最適化する可能性が高い最も有望な技術革新の1つです。それはより良い決定をするためのより良い洞察を提供します。だからこそ、とても興奮しています。

Robert Liscouskiは、Quantum ComputingInc。の社長兼CEOです。