,allowExpansion)
Quantum Computing e ottimizzazione dell'ultimo miglio
Qual è il percorso di last-mile delivery ottimale per garantire un elevato livello di servizio all’utente finale e al contempo rendere più efficiente la logistica?
La logistica della complessità
Definire il percorso di last-mile delivery ottimale è un’operazione complessa, che si è arricchita nel corso del tempo di un numero crescente di variabili spesso antitetiche tra loro: da un lato, il traffico, il bilanciamento del lavoro settimanale, l’impatto ambientale e la tutela dei diritti dei lavoratori; dall’altro, le esigenze di flessibilità, personalizzazione e gratuità del servizio di consegna richieste dai consumatori.
A complicare ulteriormente i modelli last-mile delivery è stata, ovviamente, la pandemia: le restrizioni hanno infatti condotto ad un’esplosione senza precedenti degli acquisti on-line, con l’e-commerce che è diventato il principale canale di vendita.
Questo ha portato ad una crescita a dismisura dei volumi, alla ridefinizione di tempi di consegna (24/7/365) e processi, e all’ampliamento di tipologie, gamma e varietà delle merci scambiate, sempre più eterogenee. Nonostante l’aumento e la complicazione delle variabili, però, la maggior parte dei partner di distribuzione pianifica ancora i propri itinerari senza il supporto di uno strumento di ottimizzazione: la gestione del percorso dei corrieri si basa spesso sull’esperienza empirica delle persone che, ogni mattina, definiscono manualmente il piano di viaggio.
Ottimizzare l’ultimo miglio con il Quantum Computing
Poter contare su velocità computazionale e flessibilità algoritmica in grado di gestire i processi logistici diventa quindi un requisito fondamentale per gli operatori del settore. Il Quantum Computing, in questo senso, può fornire un supporto decisivo: consente di superare i limiti di una buona approssimazione, di raggiungere una modellazione sempre più vicina alla complessità della realtà, e di tendere all’ottimizzazione in real time dei percorsi di consegna.
Reply ha sfruttato le potenzialità del Quantum Computing creando un Algoritmo Quantum Inspired per l’ottimizzazione dell’ultimo miglio, QUBO: un modello studiato per descrivere problemi di ottimizzazione combinatoria quadratici e a variabili binarie, e poterli risolvere agevolmente tramite il quantum.
,allowExpansion)
La sperimentazione Reply
Il team Reply ha testato l’ottimizzazione attraverso la libreria python di D-Wave, Qbsolv, inserendo i dati anonimizzati di alcuni clienti. Per comparare le diverse soluzioni (Quantum Computing e non Quantum Computing) sono state effettuate delle simulazioni, che hanno confermato la superiorità prestazionale dell’approccio quantistico rispetto a quello tradizionale.
Per offrire ai clienti una soluzione in grado di automatizzare e ottimizzare sempre di più l’ultimo miglio, garantendo qualità e sicurezza, il team Reply sta lavorando alla definizione di un prototipo di algoritmo Quantum Inspired in grado di girare sulle GPU tradizionali, considerata la difficile accessibilità, anche a livello di costi, dell’hardware quantistico.