Cómo la computación cuántica impulsará el futuro de la logística

COVID-19 nos enseñó la importancia de las cadenas de suministro cuando todo, desde las materias primas hasta los productos terminados, se retrasó o simplemente no estuvo disponible para los fabricantes y minoristas. También aceleró un cambio dramático en el lado de la logística y la entrega de la ecuación de la cadena de suministro a medida que los consumidores pasaron de las compras físicas a las compras en línea. La naturaleza dinámica de la cadena de suministro completa es ahora un hecho, lo que exige cambios significativos en la forma en que vemos la optimización.

El objetivo de una organización de cadena de suministro es cumplir con los requisitos del cliente mientras se minimizan los costos totales de la cadena de suministro. Las empresas deben ser lo suficientemente flexibles para responder rápidamente cuando ocurren interrupciones.

Desafortunadamente, la mayoría de nosotros no somos tan ágiles como podríamos ser, como señala esta investigación de Ventana:

• El 79% de las empresas utilizan hojas de cálculo para planificar la cadena de suministro.
• Menos del 25% dice que sus planes de cadena de suministro están integrados con los departamentos de fabricación, compras o ventas de su empresa.
• El 54% dice que tiene una capacidad limitada o nula para medir las compensaciones de la cadena de suministro entre los departamentos al tomar decisiones.

Además, la última milla se vuelve aún más compleja. La última milla siempre ha sido el desafío más caro y lamentado de la cadena de suministro. Con la “nueva normalidad” de los hábitos y canales de consumo cambiantes que crean una demanda impredecible, las previsiones han perdido sentido. Esto hace que la agilidad y la velocidad de la optimización sean mucho más importantes para satisfacer las crecientes expectativas de los clientes en cuanto a disponibilidad instantánea y entrega casi inmediata.

Un modelo logístico fijo no está diseñado para ser flexible o rápido. Capgemini Research Institute, Supply Chain Survey 2020 encontró que el 70% de las empresas están priorizando la logística de entrada y salida como parte de sus esfuerzos de sostenibilidad de la cadena de suministro después de Covid. Sin embargo, menos de la mitad de las organizaciones consultadas por Accenture están de acuerdo en que actualmente cumplen con las expectativas de los clientes en cuanto al cumplimiento de pedidos.

¿Qué sucede cuando la industria se vuelve aún más dinámica y las expectativas de los clientes requieren que los ciclos de tiempo se compriman?

El eslabón perdido

La optimización restringida ayuda a las cadenas de suministro de fabricación al identificar el mejor camino a seguir a medida que las condiciones dinámicas impactan en las opciones de abastecimiento y logística. En términos simples, la optimización restringida lo guía para decidir cómo hacer más con menos o cómo usar menos para hacer más.

La mayoría de las decisiones comerciales económicas requieren la aplicación de restricciones, como el costo, el volumen o el tiempo, a un conjunto de variables, como camiones, SKU o personas con el objetivo de minimizar (costo) o maximizar (ganancias) los resultados. Cada organización tiene una multitud de problemas de optimización que resolver.

Esto suena como algo que deberíamos estar usando, ¿verdad? Pero hay algunas razones por las que no lo hacemos:

• Las empresas con importantes inversiones en macrodatos y análisis pueden asumir que cuentan con los análisis y los informes necesarios. Pero la informática clásica no puede procesar los volúmenes de datos que recopilamos. Los analistas terminan comprimiendo y reduciendo los datos para ejecutar un cálculo, reduciendo así los datos analizados para obtener un resultado.
• La información se analiza y se presenta a la dirección y a los responsables de la toma de decisiones. Aplican sus perspectivas únicas al debate y deciden, como siempre lo han hecho. Y asumen que es suficiente. La optimización restringida elimina el debate y los filtros personales de la ecuación para mostrarle las mejores decisiones.
• Los datos no son solo datos. Tiene interrelaciones con otros datos que debe considerar para obtener respuestas precisas y de alta calidad a las solicitudes de optimización. Si una computadora clásica no falla por completo, es posible que solo dé una única respuesta probable, y puede que sea precisa o no.

Clásico frente a complejo

Muchos de nosotros hemos oído hablar del problema del viajante de comercio, que se puede comparar con las rutas de los camiones y cómo optimizar las rutas, así como los camiones. ¡El desafío es que los problemas de los vendedores ambulantes como este aumentan en complejidad en n! (n factorial). Los problemas de enrutamiento son más limitados y complejos para cada variable (camión, ruta, conductor, etc.) que agregue. Por ejemplo, un problema de vendedor ambulante que tiene 10 paradas da como resultado 3.628.800 opciones de ruta, ¡40 paradas darán como resultado aproximadamente 40! =815,915,283,2 00,000,000,000,000,000,000,000,000,000,000,000,000 opciones. Enrutar varios camiones y paquetes es aún más complejo.

Una computadora clásica lucharía bajo el peso y la escala de un vasto conjunto de posibilidades. Aquí es donde las computadoras cuánticas prometen asumir la tarea de producir rápidamente opciones para elegir y tomar la mejor decisión en función de sus objetivos.

Los escenarios complicados destinados a resolver múltiples variables no se pueden lograr mediante un algoritmo informático clásico en un período corto de tiempo. Sin embargo, los algoritmos que utilizan técnicas de computación cuántica pueden lograr rápidamente esta simulación utilizando un sistema clásico que aplica técnicas cuánticas, o una solución híbrida que emplea tanto la cuántica como la clásica, en la actualidad.

Accenture coincide y afirma que “los algoritmos de optimización de rutas están ayudando a reducir el kilometraje y mejorar las tasas de entrega a tiempo. En logística, el enrutamiento cuántico utiliza computación cuántica basada en la nube para calcular la ruta más rápida para todos los vehículos, teniendo en cuenta millones de puntos de datos en tiempo real sobre la congestión del tráfico ”.

A continuación, se muestran algunas formas adicionales en las que la optimización restringida beneficia a las cadenas de suministro de fabricación, desde las materias primas entrantes hasta la distribución saliente:

• Eficiencia en el transporte . La optimización restringida se utiliza para identificar ubicaciones óptimas para plantas, instalaciones de distribución y otros centros logísticos. Incluso una diferencia de una milla en la ubicación de una planta puede marcar una diferencia significativa en los costos y la productividad de la red en general.
• Gestión y distribución de almacenes . La optimización restringida se aplica para optimizar el envío y las cargas globales y locales, el almacenamiento y la entrega para obtener el costo más bajo, la eficiencia y la productividad óptimas. Imagine tener que programar envíos de miles y miles de computadoras, televisores o automóviles en todo el mundo utilizando una hoja de papel o una hoja de cálculo.
• Logística de entrada . Desde los niveles de los pedidos hasta la entrega a la línea de producción, la optimización puede impulsar los niveles máximos de producción al mejor costo. Incluso un envío perdido o un proveedor olvidado pueden causar estragos en una línea de producción. Ahora imagine tener que programar y mantener todas las partes de un automóvil, computadora, TV, refrigerador o ATV usando una hoja de cálculo, especialmente cuando está administrando cientos de miles de unidades.

La investigación de IDC concluye:"La capacidad de ingerir conjuntos de datos amplios y profundos para informar una mejor toma de decisiones será el diferenciador más grande del desempeño de la cadena de suministro en el futuro". Las técnicas de computación cuántica permiten la optimización restringida a un nuevo nivel de precisión y rendimiento.

Las computadoras cuánticas procesan cálculos complejos para devolver una diversidad de respuestas, no solo una. Se le entrega cada respuesta que cumple con el estado optimizado que necesita. Obtiene exposición a opciones más viables que con los procesadores clásicos y puede seleccionar la que mejor se adapte a su situación específica en este momento. Esta es una manera mucho mejor de tomar decisiones que los enfoques de software clásicos que brindan una única respuesta como su única opción.

La computación cuántica es una de las innovaciones tecnológicas más prometedoras que probablemente moldeará, agilizará y optimizará el futuro de la cadena de suministro. Ofrece mejores conocimientos para tomar mejores decisiones. Por eso hay tanta emoción al respecto.

Robert Liscouski es presidente y director ejecutivo de Quantum Computing Inc.