양자 컴퓨팅이 물류의 미래를 이끄는 방법

COVID-19는 원자재에서 완제품에 이르기까지 모든 것이 지연되거나 제조업체와 소매업체에서 사용할 수 없게 되었을 때 공급망의 중요성을 배웠습니다. 또한 소비자가 오프라인 구매에서 온라인 쇼핑으로 이동함에 따라 공급망 방정식의 물류 및 배송 측면의 급격한 변화를 가속화했습니다. 이제 전체 공급망의 동적 특성이 부여되어 최적화를 보는 방식에 상당한 변화가 필요합니다.

공급망 조직의 목표는 총 공급망 비용을 최소화하면서 고객 요구 사항을 충족하는 것입니다. 비즈니스는 중단이 발생할 때 신속하게 대응할 수 있을 만큼 유연해야 합니다.

불행히도 우리 대부분은 우리가 할 수 있는 만큼 민첩하지 못합니다. Ventana의 이 연구에서는 다음과 같이 지적합니다.

<울>

79%의 기업이 공급망 계획에 스프레드시트를 사용합니다.

공급망 계획이 회사의 제조, 조달 또는 영업 부서와 통합되어 있다고 응답한 비율은 25% 미만이었습니다.

54%는 결정을 내릴 때 부서 간의 공급망 트레이드 오프를 측정하는 능력이 제한적이거나 전혀 없다고 말합니다.

또한 라스트 마일은 더욱 복잡해집니다. 마지막 마일은 항상 공급망에서 가장 비용이 많이 들고 오랫동안 애도해 온 과제였습니다. 변화하는 소비 습관과 채널이 예측할 수 없는 수요를 창출하는 "뉴 노멀"로 인해 예측은 의미가 없습니다. 따라서 즉각적인 가용성 및 거의 즉각적인 제공에 대한 고객의 증가하는 기대치를 충족하기 위해 최적화에 대한 민첩성과 속도가 훨씬 더 중요해졌습니다.

고정 물류 모델은 유연하거나 빠르도록 설계되지 않았습니다. Capgemini Research Institute, Supply Chain Survey 2020에 따르면 기업의 70%가 코로나 이후 공급망 지속 가능성 노력의 일환으로 인바운드 및 아웃바운드 물류를 우선시하고 있습니다. 그러나 Accenture가 질문한 조직 중 절반 미만이 현재 주문 이행에 대한 고객의 기대치를 충족하고 있다고 동의합니다.

업계가 훨씬 더 역동적이고 고객의 기대에 따라 시간 주기가 단축되어야 하는 경우 어떤 일이 발생합니까?

누락된 링크

제한된 최적화는 동적 조건이 소싱 및 물류 옵션에 영향을 미칠 때 최선의 경로를 식별함으로써 제조 공급망을 돕습니다. 간단히 말해서 제한적 최적화는 더 적은 자원으로 더 많은 일을 하는 방법 또는 더 많은 일을 하기 위해 더 적게 사용하는 방법을 결정하도록 안내합니다.

대부분의 경제적 비즈니스 결정에는 비용, 수량 또는 시간과 같은 제약 조건을 트럭, SKU 또는 결과를 최소화(비용) 또는 최대화(이익)하려는 목적을 가진 사람과 같은 변수 집합에 적용해야 합니다. 모든 조직에는 해결해야 할 최적화 문제가 많이 있습니다.

이것은 우리가 사용해야 할 것 같죠? 하지만 다음과 같은 몇 가지 이유가 있습니다.

<울>

빅 데이터 및 분석에 막대한 투자를 하고 있는 기업은 필요한 분석 및 보고 기능을 갖추고 있다고 가정할 수 있습니다. 그러나 기존 컴퓨팅은 우리가 수집하는 데이터의 양을 처리할 수 없습니다. 분석가는 계산을 실행하기 위해 데이터를 압축 및 축소하여 결과를 얻기 위해 분석된 데이터를 줄입니다.

정보가 분석되어 경영진 및 의사 결정권자에게 제공됩니다. 그들은 토론에 자신의 독특한 관점을 적용하고 항상 해오던 방식으로 결정합니다. 그리고 그들은 그것으로 충분하다고 가정합니다. 제한된 최적화는 토론과 개인 필터를 방정식에서 제외하여 최상의 결정을 보여줍니다.

데이터는 단순한 데이터가 아닙니다. 최적화 요청에 대한 정확하고 고품질의 답변을 얻기 위해 고려해야 하는 다른 데이터와의 상호 관계가 있습니다. 기존 컴퓨터가 완전히 흔들리지 않는다면 가능한 한 가지 답만 제시할 수 있으며 정확할 수도 있고 정확하지 않을 수도 있습니다.

고전 vs. 복합

우리 중 많은 사람들이 여행하는 세일즈맨 문제에 대해 들어봤을 것입니다. 이는 트럭뿐만 아니라 트럭 라우팅과 루트 최적화 방법과 비교할 수 있습니다. 문제는 이와 같은 순회 세일즈맨 문제가 n만큼 복잡성이 증가한다는 것입니다! (n 계승). 라우팅 문제는 추가하는 모든 변수(트럭, 경로, 운전자 등)에 대해 더 제한적이고 복잡합니다. 예를 들어, 10개의 정거장이 있는 여행하는 세일즈맨 문제는 3,628,800개의 경로 옵션을 생성하고 40개의 정거장은 대략 40개의 결과를 가져옵니다! =815,915,283,2 00,000,000,000,000,000,000,000,000,000,000,000,000 옵션. 여러 트럭과 패키지를 라우팅하는 것은 훨씬 더 복잡합니다.

고전적인 컴퓨터는 수많은 가능성의 무게와 규모로 인해 어려움을 겪을 것입니다. 여기에서 양자 컴퓨터가 귀하의 목표에 따라 최상의 결정을 내리기 위해 선택할 수 있는 옵션을 신속하게 생성하는 작업을 맡을 것을 약속합니다.

여러 변수를 해결하기 위한 복잡한 시나리오는 짧은 시간 내에 기존 컴퓨팅 알고리즘으로 달성할 수 없습니다. 그러나 양자 컴퓨팅 기술을 사용하는 알고리즘은 오늘날 양자 기술을 적용하는 고전 시스템 또는 양자와 고전을 모두 사용하는 하이브리드 솔루션을 사용하여 이 시뮬레이션을 빠르게 달성할 수 있습니다.

Accenture도 이에 동의합니다. “경로 최적화 알고리즘은 마일리지를 줄이고 정시 배송율을 높이는 데 도움이 됩니다. 물류에서 양자 라우팅은 클라우드 기반 양자 컴퓨팅을 사용하여 교통 혼잡에 대한 수백만 개의 실시간 데이터 포인트를 고려하여 모든 차량의 가장 빠른 경로를 계산합니다.”

제한된 최적화가 인바운드 원자재에서 아웃바운드 유통에 이르기까지 제조 공급망에 이점을 제공하는 몇 가지 추가 방법은 다음과 같습니다.

<울>

교통 효율성 . 제한된 최적화는 공장, 유통 시설 및 기타 물류 허브의 최적 위치를 식별하는 데 사용됩니다. 공장을 배치하는 데 1마일의 차이만 있어도 전체 네트워크의 비용과 생산성에 상당한 차이를 만들 수 있습니다.

창고 관리 및 유통 . 제한된 최적화는 최저 비용, 최적의 효율성 및 생산성을 위해 글로벌 및 현지 배송 및 적재, 창고 보관 및 배송을 최적화하기 위해 적용됩니다. 종이 한 장이나 스프레드시트를 사용하여 전 세계적으로 수천 대의 컴퓨터, TV 또는 자동차를 선적해야 한다고 상상해 보십시오.

인바운드 물류 . 주문 수준에서 생산 라인으로의 배송에 이르기까지 최적화를 통해 최상의 비용으로 최대 생산 수준을 달성할 수 있습니다. 한 사람의 선적을 분실하거나 잊어버린 공급업체라도 생산 라인에 큰 피해를 줄 수 있습니다. 이제 특히 수십만 대를 관리할 때 스프레드시트를 사용하여 자동차, 컴퓨터, TV, 냉장고 또는 ATV의 모든 부품을 예약하고 유지 관리해야 한다고 상상해 보십시오.

IDC 연구는 다음과 같이 결론을 내렸습니다. "더 나은 의사 결정을 알리기 위해 광범위하고 심층적인 데이터 세트를 수집하는 능력은 미래에 공급망 성능의 가장 큰 단일 요소가 될 것입니다." 양자 컴퓨팅 기술은 제한된 최적화를 새로운 수준의 정확도와 성능으로 강화합니다.

양자 컴퓨터는 복잡한 계산을 처리하여 하나가 아닌 다양한 답을 반환합니다. 귀하가 필요로 하는 최적화된 상태를 충족하는 모든 답변이 귀하에게 전달됩니다. 기존 프로세서보다 실행 가능한 옵션이 더 많아 현재 특정 상황에 가장 적합한 옵션을 선택할 수 있습니다. 이것은 유일한 옵션으로 단일 답변을 제공하는 기존 소프트웨어 접근 방식에 비해 의사 결정을 내리는 훨씬 더 나은 방법입니다.

양자 컴퓨팅은 공급망의 미래를 형성, 합리화 및 최적화할 수 있는 가장 유망한 기술 혁신 중 하나입니다. 더 나은 결정을 내리기 위해 더 나은 통찰력을 제공합니다. 그래서 기대가 큽니다.

Robert Liscouski는 Quantum Computing Inc.의 사장 겸 CEO입니다.