White Paper

Quantum Computing: ein Verbündeter für die Optimierung der letzten Meile

Was ist die optimale Route für die Lieferung vom Zwischenlager zum Endkunden, die guten Service und effiziente Logistik einschließt?

Die Logistik der Komplexität

Die Bestimmung der optimalen Route für die Zielgerade einer Lieferung ist ein komplexer Vorgang. Mit gesellschaftlichen und technologischen Veränderungen kamen immer mehr Variablen hinzu, die sich oft widersprechen: Auf einer Seite sind Verkehr, Ausgleich der Wochenarbeitszeit, Umweltauswirkungen und Arbeitnehmerschutzrechte bestimmende Parameter – auf der anderen die Forderungen der Verbraucher nach Flexibilität, Individualisierung und kostenloser Auslieferung. Noch komplizierter wurden die Modelle der sogenannten Last-Mile Delivery durch die Pandemie: Die Beschränkungen führten zu einer

einzigartigen Explosion der Online-Käufe, denn der E-Commerce wurde zum wichtigsten Vertriebskanal. Das führte zu einem enormen Wachstum des Versandvolumens, zur Neubestimmung der Lieferzeiten (24/7/365) und Prozesse sowie zu einer Erweiterung von Art, Palette und Unterschiedlichkeit der Waren, die immer heterogener werden. Trotz der gestiegenen Komplexität der Variablen plant das Gros der Vertriebspartner Routen immer noch ohne ein Optimierungsinstrument: Die einzelnen Wege der Paketboten basieren oft auf der Erfahrung der einzelnen Mitarbeiter, die ihre Routenplanung jeden Morgen von Hand erledigen.

Optimierung der letzten Meile mit Quantum Computing

ür die Player in der Paketbranche wird es also zu einer grundlegenden Forderung, auf Rechengeschwindigkeit und Algorithmusflexibilität zählen zu können. Das Quantum Computing kann in diesem Sinne einen wichtigen Beitrag liefern: Es ermöglicht die Grenzen einer guten mathematischen Näherung zu überwinden, führt also hin zu einer Modellierung immer näher an der Komplexität der Wirklichkeit und trägt in Echtzeit zur Optimierung der Auslieferwege bei.

Reply nutzt die Möglichkeiten des Quantum Computing und hat den quanteninspirierten Algorithmus QUBO für die Optimierung der letzten Meile erschaffen: Ein Modell, das darauf ausgelegt ist, mit binären Variablen quadratische kombinatorische Optimierungsprobleme zu beschreiben und mit Quantencomputern zu lösen.

Picture

Die Experimente von Reply

Das Team von Reply testete die Optimierung mit einer Python-Bibliothek von D-Wave (Qbsolv) und gab dazu die anonymisierten Daten einiger Kunden ein. Zum Vergleich verschiedener Lösungen (mit und ohne Quantencomputer) wurden Simulationen durchgeführt, die bestätigten, dass der Quantenansatz leistungsfähiger ist als der traditionelle.

Um den Kunden eine Lösung anzubieten, welche die letzte Meile immer besser automatisiert und optimiert, dabei aber Qualität und Sicherheit beibehält, arbeitet das Team von Reply an der Festlegung eines Prototyps für einen quanteninspirierten Algorithmus, der auf normalen GPUs läuft, denn Quantenhardware ist schwer zu beschaffen und teuer.