Comment l'informatique quantique propulsera l'avenir de la logistique

COVID-19 nous a appris l'importance des chaînes d'approvisionnement lorsque tout, des matières premières aux produits finis, est devenu retardé ou tout simplement indisponible pour les fabricants et les détaillants. Cela a également accéléré un changement radical du côté de la logistique et de la livraison de l'équation de la chaîne d'approvisionnement alors que les consommateurs sont passés des achats physiques aux achats en ligne. La nature dynamique de l'ensemble de la chaîne d'approvisionnement est désormais une évidence, exigeant des changements importants dans la façon dont nous envisageons l'optimisation.

L'objectif d'une organisation de la chaîne d'approvisionnement est de répondre aux exigences des clients tout en minimisant les coûts totaux de la chaîne d'approvisionnement. Les entreprises doivent être suffisamment flexibles pour réagir rapidement en cas de perturbations.

Malheureusement, la plupart d'entre nous ne sont pas aussi agiles que nous pourrions l'être, comme le souligne cette recherche de Ventana :

• 79 % des entreprises utilisent des feuilles de calcul pour la planification de la chaîne d'approvisionnement.
• Moins de 25 % déclarent que leurs plans de chaîne d'approvisionnement sont intégrés aux services de fabrication, d'approvisionnement ou de vente de leur entreprise.
• 54 % déclarent avoir une capacité limitée ou inexistante à mesurer les compromis de la chaîne d'approvisionnement entre les services lors de la prise de décisions.

De plus, le dernier kilomètre devient encore plus complexe. Le dernier kilomètre a toujours été le défi le plus cher et le plus déploré de la chaîne d'approvisionnement. Avec la « nouvelle normalité » de l'évolution des habitudes de consommation et des canaux de consommation créant une demande imprévisible, les prévisions n'ont plus de sens. Cela rend l'agilité et la vitesse d'optimisation d'autant plus importantes pour répondre aux attentes croissantes des clients en matière de disponibilité instantanée et de livraison quasi-immédiate.

Un modèle logistique fixe n'est pas conçu pour être flexible ou rapide. Capgemini Research Institute, Supply Chain Survey 2020 a révélé que 70 % des entreprises accordent la priorité à la logistique entrante et sortante dans le cadre de leurs efforts de durabilité de la chaîne d'approvisionnement après Covid. Pourtant, moins de la moitié des entreprises interrogées par Accenture s'accordent à dire qu'elles répondent actuellement aux attentes des clients en matière de traitement des commandes.

Que se passe-t-il lorsque l'industrie devient encore plus dynamique et que les attentes des clients nécessitent une compression des cycles de temps ?

Le chaînon manquant

L'optimisation contrainte aide les chaînes d'approvisionnement de fabrication en identifiant la meilleure voie à suivre car les conditions dynamiques ont un impact sur les options d'approvisionnement et de logistique. En termes simples, l'optimisation contrainte vous guide pour décider comment faire plus avec moins, ou comment utiliser moins pour en faire plus.

La plupart des décisions commerciales économiques nécessitent l'application de contraintes, telles que le coût, le volume ou le temps, à un ensemble de variables, telles que les camions, les SKU ou les personnes ayant pour objectif de minimiser (coût) ou de maximiser (profit) les résultats. Chaque organisation a une multitude de problèmes d'optimisation à résoudre.

Cela ressemble à quelque chose que nous devrions utiliser, non? Mais il y a plusieurs raisons pour lesquelles nous ne le faisons pas :

• Les entreprises qui investissent massivement dans le Big Data et l'analyse peuvent supposer qu'elles disposent des analyses et des rapports nécessaires. Mais l'informatique classique ne peut pas traiter les volumes de données que nous collectons. Les analystes finissent par compresser et réduire les données pour exécuter un calcul, réduisant ainsi les données analysées pour obtenir un résultat.
• Les informations sont analysées et présentées à la direction et aux décideurs. Ils appliquent leurs perspectives uniques au débat et décident, comme ils l'ont toujours fait. Et ils supposent que cela suffit. L'optimisation contrainte élimine le débat et les filtres personnels de l'équation pour vous montrer les meilleures décisions.
• Les données ne sont pas que des données. Il a des interrelations avec d'autres données que vous devez prendre en compte pour obtenir des réponses précises et de haute qualité aux demandes d'optimisation. Si un ordinateur classique ne faiblit pas complètement, il peut ne donner qu'une seule réponse probable, et elle peut être exacte ou non.

Classique vs Complexe

Beaucoup d'entre nous ont entendu parler du problème du voyageur de commerce, qui peut être comparé au routage des camions et à la manière d'optimiser les itinéraires, ainsi que les camions. Le défi est que les problèmes de voyageur de commerce comme celui-ci deviennent de plus en plus complexes ! (n factoriel). Les problèmes de routage sont plus contraints et complexes pour chaque variable (camion, itinéraire, chauffeur, etc.) que vous ajoutez. Par exemple, un problème de voyageur de commerce qui a 10 arrêts donne 3 628 800 options d'itinéraire, 40 arrêts en résulteront approximativement 40 ! =815 915 283,2 00 000 000 000 000 000 000 000 000 000 000 000 000 d'options. L'acheminement de plusieurs camions et colis est encore plus complexe.

Un ordinateur classique lutterait sous le poids et l'échelle d'un vaste ensemble de possibilités. C'est là que les ordinateurs quantiques promettent de se charger de produire rapidement des options parmi lesquelles choisir pour prendre la meilleure décision en fonction de vos objectifs.

Les scénarios compliqués destinés à résoudre plusieurs variables ne sont pas réalisables par un algorithme de calcul classique dans un court laps de temps. Cependant, les algorithmes utilisant des techniques d'informatique quantique peuvent rapidement réaliser cette simulation en utilisant un système classique appliquant des techniques quantiques, ou une solution hybride qui emploie à la fois quantique et classique, aujourd'hui.

Accenture est d'accord, déclarant :« Les algorithmes d'optimisation des itinéraires aident à réduire le kilométrage et à améliorer les taux de livraison à temps. En logistique, le routage quantique utilise l'informatique quantique basée sur le cloud pour calculer l'itinéraire le plus rapide pour tous les véhicules, en prenant en compte des millions de points de données en temps réel sur les embouteillages. »

Voici quelques autres manières dont l'optimisation contrainte profite aux chaînes d'approvisionnement de fabrication, des matières premières entrantes à la distribution sortante :

• Efficacité des transports . L'optimisation contrainte est utilisée pour identifier les emplacements optimaux pour les usines, les installations de distribution et d'autres centres logistiques. Même une différence d'un kilomètre lors de l'installation d'une usine peut faire une différence significative dans les coûts et la productivité de l'ensemble du réseau.
• Gestion et distribution d'entrepôt . Une optimisation contrainte est appliquée pour optimiser l'expédition et les chargements mondiaux et locaux, l'entreposage et la livraison pour un coût le plus bas, une efficacité et une productivité optimales. Imaginez devoir planifier des expéditions de milliers et de milliers d'ordinateurs, de téléviseurs ou de voitures à travers le monde à l'aide d'un morceau de papier ou d'une feuille de calcul.
• Logistique entrante . Des niveaux de commande à la livraison à la ligne de production, l'optimisation peut conduire à des niveaux de production maximum au meilleur coût. Même un envoi perdu ou un fournisseur oublié peut faire des ravages sur une ligne de production. Imaginez maintenant devoir planifier et entretenir toutes les pièces d'une voiture, d'un ordinateur, d'un téléviseur, d'un réfrigérateur ou d'un VTT à l'aide d'une feuille de calcul, en particulier lorsque vous gérez des centaines de milliers d'unités.

La recherche d'IDC conclut :« La capacité à ingérer des ensembles de données larges et approfondis pour éclairer une meilleure prise de décision sera le plus grand différenciateur des performances de la chaîne d'approvisionnement à l'avenir. » Les techniques d'informatique quantique permettent une optimisation contrainte à un nouveau niveau de précision et de performance.

Les ordinateurs quantiques traitent des calculs complexes pour renvoyer une diversité de réponses, pas une seule. Chaque réponse qui répond à l'état optimisé dont vous avez besoin vous est livrée. Vous obtenez une exposition à des options plus viables qu'avec les processeurs classiques et pouvez sélectionner celle qui correspond le mieux à votre situation spécifique en ce moment. C'est une bien meilleure façon de prendre des décisions que les approches logicielles classiques qui fournissent une réponse unique comme seule option.

L'informatique quantique est l'une des innovations technologiques les plus prometteuses susceptibles de façonner, rationaliser et optimiser l'avenir de la supply chain. Il offre de meilleures informations pour prendre de meilleures décisions. C'est pourquoi il y a tant d'enthousiasme à ce sujet.

Robert Liscouski est président et chef de la direction de Quantum Computing Inc.