量子コンピューティング：ロジスティクス卓越性の次なる時代を牽引する

COVID-19は、原材料から完成品まであらゆるものがメーカーと小売業者にとって遅延または単純に入手不能になったとき、サプライチェーンの重要性を教えてくれました。また、消費者が実店舗購入からオンラインショッピングへ移行したことで、サプライチェーン方程式のロジスティクスと配送側で劇的なシフトを加速させました。フル・サプライチェーンの動的な性質は今や当然のことであり、最適化の見方に大きな転換を要求しています。

サプライチェーン組織の目標は、総サプライチェーン・コストを最小化しながら顧客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ほど柔軟でなければなりません。

残念ながら、私たちの多くは望むほどアジャイルではありません。Ventanaのこの研究が指摘するように：

• 79%の企業がサプライチェーン計画にスプレッドシートを使用。
• 25%未満しか、サプライチェーン計画が自社の製造、調達、営業部門と統合されていると答えていない。
• 54%が、意思決定時に部門横断的なサプライチェーン・トレードオフを測定する能力が限定的または全くないと答えている。

さらに、ラストマイルはより複雑になります。ラストマイルは常にサプライチェーンで最も高コストで、長年嘆かれてきた課題です。消費習慣とチャネルの変化という「新常態」が予測不能な需要を生み、予測が無意味になっています。これにより、顧客の即時入手可能性と準即時配達への高まる期待に応えるため、アジリティと最適化へのスピードがさらに重要になっています。

固定的なロジスティクス・モデルは、柔軟でも高速でも設計されていません。Capgemini Research Instituteのサプライチェーン調査2020では、70%の企業がコロナ後のサプライチェーン持続可能性の取り組みの一環としてインバウンドとアウトバウンド・ロジスティクスを優先していると判明。しかし、Accentureに尋ねられた組織の半分未満しか、現在顧客の注文フルフィルメント期待に応えられていると答えていません。

業界がさらに動的になり、顧客期待がタイム・サイクルの圧縮を要求したらどうなるでしょうか？

欠けていたリンク：制約付き最適化

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選択肢に影響を与える中で、最良の前進の道を特定することで製造サプライチェーンを支援します。シンプルに言えば、制約付き最適化は「より少なくでより多くをする方法」または「より多くを使ってより多くをする方法」を決定するよう導きます。

ほとんどの経済的ビジネス決定では、コスト、ボリューム、時間などの制約を、トラック、SKU、人々などの変数セットに適用し、成果を最小化（コスト）または最大化（利益）する目的で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に聞こえますよね？しかし、使わない理由がいくつかあります：

• ビッグデータと分析への多額の投資をしている企業は、必要な分析とレポートが整っていると想定しがちです。しかし、古典コンピューティングでは収集しているデータ量を処理できません。アナリストは計算を実行するためにデータを圧縮・削減し、結果を得るために分析されるデータを減らしてしまいます。
• 情報が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議論に適用し、決定します——いつも通りのやり方で。そしてそれが十分だと想定します。制約付き最適化は議論と個人的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。最適化要求に対する正確で高品質な回答を得るには、他のデータとの相互関係を考慮しなければなりません。古典コンピュータが完全に躓かないまでも、単一の確率的回答しか出せず、それが正確かどうかもわかりません。

古典 vs 複雑

多くの人が「巡回セールスマン問題」を聞いたことがあるでしょう。これはトラック・ルーティングとトラックの最適化に比較できます。課題は、このような巡回セールスマン問題がn!（nの階乗）で複雑さを増すことです。ルーティング問題は、変数（トラック、ルート、ドライバー等）を追加するごとに、より制約が多く複雑になります。例えば、10停留所の巡回セールスマン問題は3,628,800のルート選択肢、40停留所では約40! = 8.15×10^47の選択肢になります。複数のトラックと荷物のルーティングはさらに複雑です。

古典コンピュータは、膨大な可能性のセットの重みとスケールの下で苦戦します。ここで量子コンピュータが、目標に基づいて最良の決定をするための選択肢を迅速に生成することを約束します。

複数変数を解くための複雑なシナリオは、古典コンピューティング・アルゴリズムでは短時間で達成できません。しかし、量子コンピューティング技術を用いたアルゴリズムなら、古典システムに量子技術を適用するか、量子と古典の両方を採用するハイブリッド・ソリューションで、今日このシミュレーションを迅速に達成できます。

Accentureも同意見で、「ルート最適化アルゴリズムが走行距離削減と定時配達率向上を支援。物流では、量子ルーティングがクラウドベースの量子コンピューティングを用い、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、すべての車両の最速ルートを計算する」と述べています。

制約付き最適化が製造サプライチェーンにもたらすその他のメリット

• 輸送効率。工場、配送施設、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制約付き最適化を使用。工場配置の1マイルの違いでも、全体ネットワークのコストと生産性に大きな違いをもたらします。
• 倉庫管理と配送。グローバルおよびローカルな出荷と積載、倉庫業務と配送を、最低コスト、最適効率、生産性で最適化するために制約付き最適化を適用。数千台のコンピュータ、テレビ、自動車を世界中に出荷スケジュールするのを紙やスプレッドシートで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、最良のコストで最大生産レベルを実現するよう最適化が推進。一つの出荷紛失やベンダー見落としが生産ラインを大混乱に陥れます。数十万ユニットを管理する際、車、コンピュータ、テレビ、冷蔵庫、ATVのすべての部品をスプレッドシートでスケジュール・維持することを想像してみてください。

IDCの研究は結論付けます：「広範で深いデータセットを取り込み、より良い意思決定を通知する能力が、将来のサプライチェーン・パフォーマンスの単一最大の差別化要因になる。」量子コンピューティング技術は、制約付き最適化を新たなレベルの精度とパフォーマンスへと強化します。

量子コンピュータは複雑な計算を処理し、単一の回答ではなく多様な回答を返します。必要な最適化状態を満たすすべての回答が提供されます。古典プロセッサより多くの実行可能な選択肢に触れられ、今の具体的な状況に最も合うものを選択できます。これは、単一の回答を唯一の選択肢として提示する古典ソフトウェア・アプローチより、はるかに優れた意思決定の方法です。

量子コンピューティングは、サプライチェーンの未来を形作り、合理化し、最適化する最も有望な技術革新の一つです。より良い洞察でより良い決定を可能にします。それゆえこれほどの期待が寄せられています。

Robert Liscouski氏はQuantum Computing Inc.の社長兼CEOです。