양자 컴퓨팅: 차세대 물류 우수성을 이끄는 원동력

코로나19는 원자재부터 완제품까지 모든 것이 제조업체와 소매업체에 지연되거나 단순히 이용 불가능해졌을 때 공급망의 중요성을 가르쳐 주었습니다. 또한 소비자가 오프라인 구매에서 온라인 쇼핑으로 이동함에 따라 공급망 방정식의 물류 및 배송 측에서 극적인 변화를 가속화했습니다. 전체 공급망의 역동적 특성은 이제 당연시되며, 최적화를 보는 방식에 상당한 변화를 요구합니다.

공급망 조직의 목표는 총 공급망 비용을 최소화하면서 고객 요구사항을 충족하는 것입니다. 기업은 중단이 발생했을 때 빠르게 대응할 수 있을 만큼 충분히 유연해야 합니다.

불행히도, 우리 대부분은 우리가 될 수 있는 만큼 민첩하지 않습니다. 벤타나(Ventana)의 이 연구가 지적하듯:

• 기업의 79%가 공급망 계획에 스프레드시트를 사용합니다.
• 25% 미만이 공급망 계획이 회사 제조, 조달, 영업 부서와 통합되어 있다고 말합니다.
• 54%가 결정을 내릴 때 부서 간 공급망 트레이드오프를 측정하는 능력이 제한적이거나 없다고 말합니다.

또한 라스트 마일은 더욱 복잡해집니다. 라스트 마일은 항상 공급망에서 가장 비싸고 오랫동안 탄식해온 과제였습니다. '새로운 정상'인 변화하는 소비 습관과 채널이 예측 불가능한 수요를 창출함에 따라, 예측은 무의미해졌습니다. 이는 고객의 즉각적 가용성과 준즉시 배송에 대한 증가하는 기대를 충족하기 위해 민첩성과 최적화 속도를 훨씬 더 중요하게 만듭니다.

고정된 물류 모델은 유연하거나 빠르게 설계되지 않았습니다. 캡제미니 연구소(Capgemini Research Institute), 공급망 설문조사 2020에 따르면 기업의 70%가 코로나 이후 공급망 지속가능성 노력의 일환으로 인바운드 및 아웃바운드 물류를 우선시하고 있습니다. 그러나 액센추어(Accenture)가 설문조사한 조직의 절반 미만이 현재 고객 주문 풀필먼트 기대를 충족하고 있다고 동의합니다.

산업이 더욱 역동적이 되고 고객 기대가 시간 주기 압축을 요구할 때 무슨 일이 일어날까요?

빠진 고리: 제약 최적화

제약 최적화(Constrained optimization)는 동적 조건이 소싱과 물류 옵션에 영향을 미칠 때 최적의 경로를 식별함으로써 제조 공급망을 돕습니다. 간단히 말해, 제약 최적화는 더 적은 것으로 더 많이 하는 방법, 또는 더 많이 사용하여 더 적게 하는 방법을 결정하도록 안내합니다.

대부분의 경제적 비즈니스 결정은 비용, 볼륨, 시간과 같은 제약을 변수 집합(트럭, SKU, 사람 등)에 적용하여 결과(비용 최소화 또는 이익 최대화)를 최적화하는 것을 요구합니다. 모든 조직은 해결해야 할 수많은 그런 최적화 문제를 가지고 있습니다.

이것은 우리가 사용해야 할 것 같지만, 우리가 사용하지 않는 몇 가지 이유가 있습니다:

• 빅데이터와 분석에 주요 투자를 한 기업들은 필요한 분석과 보고가 갖춰져 있다고 가정할 수 있습니다. 하지만 고전 컴퓨팅은 우리가 수집하는 데이터 볼륨을 처리할 수 없습니다. 분석가는 결국 계산을 실행하기 위해 데이터를 압축하고 축소하여, 결과를 얻기 위해 분석된 데이터를 축소합니다.
• 정보가 분석되어 경영진과 의사결정자에게 제시됩니다. 그들은 독특한 관점을 토론에 적용하고 결정합니다. 늘 하던 방식대로. 그리고 그것이 충분하다고 가정합니다. 제약 최적화는 토론과 개인적 필터를 방정식에서 제거하여 최적의 결정을 보여줍니다.
• 데이터는 그냥 데이터가 아닙니다. 정확하고 고품질의 최적화 요청 답변을 얻기 위해 고려해야 할 다른 데이터와의 상호관계가 있습니다. 고전 컴퓨터가 완전히 좌초하지 않더라도, 단일 확률적 답만 줄 수 있으며, 그것이 정확할 수도 있고 아닐 수도 있습니다.

고전 컴퓨팅 vs 복잡성

우리 중 많은 이들이 외판원 문제(Traveling Salesman Problem)를 들어봤을 것입니다. 이는 트럭 라우팅과 트럭을 최적화하는 방법과 비교될 수 있습니다. 도전은 이런 외판원 문제가 n!(n 팩토리얼)로 복잡도가 증가한다는 것입니다. 라우팅 문제는 추가하는 모든 변수(트럭, 경로, 운전자 등)에 대해 더 제약되고 복잡해집니다. 예를 들어, 10개 정류장이 있는 외판원 문제는 3,628,800개의 경로 옵션이 생기지만, 40개 정류장은 약 40! = 8.15×10^47 옵션이 생깁니다. 여러 트럭과 패키지 라우팅은 훨씬 더 복잡합니다.

고전 컴퓨터는 방대한 가능성 세트의 무게와 규모 아래에서 고전할 것입니다. 여기서 양자 컴퓨터가 작업을 맡아 목표에 기반하여 최적의 결정을 내릴 옵션을 빠르게 생성할 것을 약속합니다.

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

액센추어는 다음과 같이 동의합니다: '라우트 최적화 알고리즘은 마일리지를 줄이고 정시 배송률을 개선하는 데 도움이 됩니다. 물류에서 양자 라우팅은 클라우드 기반 양자 컴퓨팅을 사용하여 모든 차량의 최단 경로를 계산하며, 교통 혼잡에 대한 수백만 개의 실시간 데이터 포인트를 고려합니다.'

제약 최적화가 제조 공급망에 혜택을 주는 몇 가지 추가 방법은 다음과 같습니다. 인바운드 원자재부터 아웃바운드 유통까지:

• 운송 효율성. 제약 최적화는 공장, 유통 시설, 기타 물류 허브의 최적 위치를 식별하는 데 사용됩니다. 공장 배치에서 1마일 차이도 전체 네트워크의 비용과 생산성에 상당한 차이를 만들 수 있습니다.
• 창고 관리 및 유통. 제약 최적화는 글로벌 및 로컬 선적과 적재, 창고 및 배송을 최저 비용, 최적 효율성, 생산성을 위해 최적화하는 데 적용됩니다. 수천 대의 컴퓨터, TV, 자동차를 전 세계에 선적하는 일정을 종이나 스프레드시트로 짜야 한다고 상상해 보세요.
• 인바운드 물류. 주문 수준부터 생산 라인 인도까지, 최적화는 최저 비용으로 최대 생산 수준을 이끌 수 있습니다. 단 하나의 분실 선적이나 잊혀진 공급업체도 생산 라인을 망칠 수 있습니다. 이제 자동차, 컴퓨터, TV, 냉장고, ATV의 모든 부품을 스프레드시트로 일정을 짜고 유지해야 한다고 상상해 보세요. 특히 수십만 대를 관리할 때요.

IDC 연구는 결론 내립니다: '광범위하고 깊은 데이터 세트를 수집하여 더 나은 의사결정을 알리는 능력이 미래 공급망 성과의 단일 최대 차별화 요소가 될 것입니다.' 양자 컴퓨팅 기술은 제약 최적화를 새로운 수준의 정확성과 성능으로 강화합니다.

양자 컴퓨터는 단일 답이 아닌 답의 다양성을 반환하기 위해 복잡한 계산을 처리합니다. 당신이 필요로 하는 최적화 상태를 충족하는 모든 답이 당신에게 전달됩니다. 고전 프로세서보다 더 많은 실행 가능한 옵션에 노출되며, 현재 특정 상황에 가장 잘 맞는 것을 선택할 수 있습니다. 이는 당신의 유일한 옵션으로 단일 답을 제공하는 고전 소프트웨어 접근 방식 대비 훨씬 더 나은 의사결정 방식입니다.

양자 컴퓨팅은 공급망의 미래를 형성하고, 간소화하고, 최적화할 가장 유망한 기술 혁신 중 하나입니다. 더 나은 통찰로 더 나은 결정을 내리게 합니다. 그래서 그것에 대한 흥분이 이토록 큰 것입니다.

로버트 리스카우스는 퀀텀 컴퓨팅 Inc.(Quantum Computing Inc.)의 사장 겸 CEO입니다.