Computação Quântica: Impulsionando a Próxima Era de Excelência em Logística

A COVID-19 nos ensinou a importância das cadeias de suprimentos quando tudo, desde matérias-primas a produtos acabados, tornou-se atrasado ou simplesmente indisponível para fabricantes e varejistas. Também acelerou uma mudança dramática no lado de logística e entrega da equação da cadeia de suprimentos, à medida que consumidores migraram de compras em lojas físicas para compras online. A natureza dinâmica da cadeia de suprimentos completa agora é um dado, exigindo mudanças significativas na forma como vemos a otimização.

O objetivo de uma organização de cadeia de suprimentos é atender aos requisitos do cliente enquanto minimiza custos totais da cadeia de suprimentos. Empresas devem ser flexíveis o suficiente para responder rapidamente quando interrupções ocorrem.

Infelizmente, a maioria de nós não é tão ágil quanto poderia ser, como aponta esta pesquisa da Ventana:

• 79% das empresas usam planilhas para planejamento da cadeia de suprimentos.
• Menos de 25% dizem que seus planos de cadeia de suprimentos estão integrados com os departamentos de manufatura, aquisição ou vendas da empresa.
• 54% dizem que têm capacidade limitada ou nenhuma de medir trade-offs da cadeia de suprimentos entre departamentos ao tomar decisões.

Além disso, a última milha fica ainda mais complexa. A última milha sempre foi o desafio mais caro e há muito lamentado da cadeia de suprimentos. Com o "novo normal" de hábitos e canais de consumo em mudança criando demanda imprevisível, previsões se tornaram sem sentido. Isso torna agilidade e velocidade de otimização ainda mais importantes para atender às expectativas crescentes dos clientes por disponibilidade instantânea e entrega quase imediata.

Um modelo logístico fixo não é projetado para ser flexível ou rápido. O Capgemini Research Institute, Supply Chain Survey 2020 descobriu que 70% das empresas estão priorizando logística de entrada e saída como parte de seus esforços de sustentabilidade da cadeia de suprimentos pós-Covid. No entanto, menos da metade das organizações consultadas pela Accenture concorda que estão atualmente atendendo às expectativas dos clientes para fulfillment de pedidos.

O que acontece quando a indústria se torna ainda mais dinâmica e as expectativas dos clientes exigem que ciclos de tempo se comprimam?

O Elo Perdido

Otimização restrita ajuda cadeias de suprimentos de manufatura identificando o melhor caminho à medida que condições dinâmicas impactam opções de sourcing e logística. Em termos simples, a otimização restrita orienta você a decidir como fazer mais com menos, ou como usar menos para fazer mais.

A maioria das decisões de negócios econômicas requer aplicação de restrições, como custo, volume ou tempo a um conjunto de variáveis, como caminhões, SKUs ou pessoas, com objetivo de minimizar (custo) ou maximizar (lucro) resultados. Toda organização tem uma multiplicidade de tais problemas de otimização para resolver.

Isso soa como algo que deveríamos usar, certo? Mas há algumas razões pelas quais não usamos:

• Empresas com grandes investimentos em big data e analytics podem assumir que têm a análise e relatórios necessários. Mas computação clássica não consegue processar os volumes de dados que estamos coletando. Analistas acabam comprimindo e reduzindo os dados para rodar uma computação, reduzindo assim os dados analisados para obter um resultado.
• Informações são analisadas e apresentadas à gestão e tomadores de decisão. Eles aplicam suas perspectivas únicas ao debate e decidem — do jeito que sempre fizeram. E assumem que isso basta. A otimização restrita tira o debate e filtros pessoais da equação para mostrar as melhores decisões.
• Dados não são apenas dados. Eles têm inter-relacionamentos com outros dados que você deve considerar para obter respostas precisas e de alta qualidade a solicitações de otimização. Se um computador clássico não falhar completamente, pode apenas dar uma única resposta provável, e ela pode ou não ser precisa.

Clássico vs. Complexo

Muitos de nós já ouvimos falar do problema do caixeiro viajante, que pode ser comparado ao roteamento de caminhões e como otimizar as rotas, bem como os caminhões. O desafio é que problemas do caixeiro viajante como este crescem em complexidade por n! (n fatorial). Problemas de roteamento são mais restritos e complexos para cada variável (caminhão, rota, motorista, etc.) que você adiciona. Por exemplo, um problema do caixeiro viajante com 10 paradas resulta em 3.628.800 opções de rota, 40 paradas resultarão em aproximadamente 40! = 815.915.283.200.000.000.000.000.000.000.000.000.000 opções. Roteamento de múltiplos caminhões e pacotes é ainda mais complexo.

Um computador clássico lutaria sob o peso e escala de um vasto conjunto de possibilidades. É aqui que computadores quânticos prometem assumir a tarefa de produzir rapidamente opções para escolher e tomar a melhor decisão baseada em seus objetivos.

Cenários complicados destinados a resolver múltiplas variáveis não são alcançáveis por um algoritmo de computação clássica em curto espaço de tempo. No entanto, algoritmos usando técnicas de computação quântica podem rapidamente alcançar essa simulação usando um sistema clássico aplicando técnicas quânticas, ou uma solução híbrida que emprega tanto quântico quanto clássico, hoje.

A Accenture concorda, afirmando: "Algoritmos de otimização de rota estão ajudando a reduzir quilometragem e melhorar taxas de entrega no prazo. Em logística, roteamento quântico usa computação quântica baseada em nuvem para calcular a rota mais rápida para todos os veículos, levando em conta milhões de pontos de dados em tempo real sobre congestionamento de tráfego."

Aqui estão algumas maneiras adicionais pelas quais a otimização restrita beneficia cadeias de suprimentos de manufatura, desde matérias-primas de entrada até distribuição de saída:

• Eficiência de transporte. A otimização restrita é usada para identificar locais ótimos para fábricas, instalações de distribuição e outros hubs logísticos. Mesmo uma diferença de uma milha na colocação de uma fábrica pode fazer diferença significativa nos custos e produtividade da rede geral.
• Gestão de armazém e distribuição. A otimização restrita é aplicada para otimizar embarques globais e locais e cargas, armazenamento e entrega para menor custo, eficiência ótima e produtividade. Imagine ter que agendar embarques de milhares de computadores, televisores ou carros pelo mundo usando um papel ou planilha.
• Logística de entrada. Desde níveis de pedido até entrega à linha de produção, a otimização pode impulsionar níveis máximos de produção ao melhor custo. Mesmo um embarque perdido ou fornecedor esquecido pode causar estragos em uma linha de produção. Agora imagine ter que agendar e manter todas as peças de um carro, computador, TV, geladeira ou ATV usando uma planilha, especialmente quando você está gerenciando centenas de milhares de unidades.

Pesquisa da IDC conclui: "A capacidade de ingerir conjuntos de dados amplos e profundos para informar melhor tomada de decisão será o maior diferencial de desempenho da cadeia de suprimentos no futuro." Técnicas de computação quântica capacitam a otimização restrita a um novo nível de precisão e desempenho.

Computadores quânticos processam computações complexas para retornar uma diversidade de respostas, não apenas uma. Toda resposta que atende ao estado otimizado que você precisa é entregue a você. Você obtém exposição a mais opções viáveis do que com processadores clássicos e pode selecionar a que melhor corresponde à sua situação específica agora. Esta é uma maneira muito melhor de tomar decisões vs abordagens de software clássico que fornecem uma única resposta como sua única opção.

Computação quântica é uma das inovações tecnológicas mais promissoras que provavelmente moldarão, simplificarão e otimizarão o futuro da cadeia de suprimentos. Oferece melhores insights para tomar melhores decisões. É por isso que há tanta empolgação sobre isso.

Robert Liscouski é presidente e CEO da Quantum Computing Inc.