Algoritmi Quantum inspired
per ENEL

Una realtà complessa e distribuita

Enel, presente in oltre 30 paesi in tutto il mondo, è uno dei principali attori integrati nei mercati globali dell'energia, del gas e delle energie rinnovabili. La multinazionale distribuisce elettricità attraverso una rete di oltre 2,2 milioni di chilometri e fornisce circa 74 milioni di utenti finali aziendali e domestici.
Anche sul territorio Italiano esistono moltissime unità operative con il compito di effettuare i lavori di manutenzione necessari al buon funzionamento della rete energetica. Il coordinamento degli equipaggi, l’assegnazione e la pianificazione degli obiettivi di queste unità operative sono attività quotidiane.

La necessità di una pianificazione ottimale

Un numero elevato di interventi da eseguire con un numero finito di equipaggi, il meccanismo dei costi associati, i processi interni che sono complessi e necessitano di perfezionamento continuo e un’infrastruttura tecnologica imponente, rappresentano una grande sfida organizzativa.
Ottimizzare la pianificazione dei lavori di manutenzione eseguiti dalle unità operanti sul territorio, dal punto di vista computazionale, significa disponibilità in tempi rapidi e maggiore efficienza nell’utilizzo delle risorse per ottenere un significativo abbattimento dei costi.

Un ecosistema di innovazione per risultati concreti

«L’esigenza di eseguire l’ottimizzazione su aree territoriali sempre più estese ha aumentato
la complessità del problema al punto da rendere necessario un approccio innovativo.»

Fabio Veronese - Head of Infrastructure & Networks Digital Hub, ENEL

Data Reply ha sviluppato un algoritmo quantistico che consente di effettuare velocemente la pianificazione dei lavori di manutenzione eseguiti dalle unità operanti sull’intero territorio italiano. La soluzione rende anche più efficiente l'impiego delle risorse, abbattendo così i costi. Tale algoritmo porta valore aggiunto al business di Enel supportando la multinazionale in un processo decisionale ad alto impatto sulle attività quotidiane.


Ottimizzazione combinatoria al servizio di ENEL

Data Reply ha realizzato un modello QUBO (Quadratic Unconstrained Binary Optimization) che permette di trovare un piano di assegnazione ottimale dei lavori di manutenzione alle squadre. Grazie alle sue caratteristiche di parallelizzazione, in pochi minuti il modello permette di identificare una pianificazione che massimizza la quantità di tempo passata a lavorare e minimizza il tempo dedicato agli spostamenti. La risoluzione del modello è stata effettuata mediante l’impiego di GPU, dimostrando le capacità di ridimensionamento e accelerazione computazionale che questo tipo di hardware è in grado di offrire.

Inoltre, proprio a verifica del fatto che questi algoritmi “Quantum Inspired” possano essere utilizzati sui dispositivi quantistici odierni, è stato anche sperimentato l’uso della macchina quantistica D-Wave e della piattaforma Cloud AWS.


QUBO - approccio quantum inspired

Per approccio Quantum Inspired si intende l’utilizzo di una classe di algoritmi pensati per essere utilizzati su computer quantistici, ma che vengono risolti anche per mezzo di hardware classici. Infatti, grazie a determinate caratteristiche di parallelizzazione intrinseche agli algoritmi quantistici, è possibile dare benefici, in termini sia di qualità della soluzione che di velocità di risoluzione, anche usando hardware non quantistico. Un esempio è rappresentato dall’algoritmo QUBO (Quadratic Unconstrained Binary Optimization), che permette di formulare un problema di ottimizzazione combinatoria in modo che sia risolvibile per mezzo di computer quantistici. Volendo però dimostrare il funzionamento del modello in un ambito di utilizzo di produzione, per l’elaborazione sono stati utilizzati processori grafici (GPU) in grado di fornire, in tempi significativamente ridotti, una risposta ottimale al modello da ottimizzare.

«L'approccio Quantum Inspired sembra portare risultati molto promettenti
e apre le porte alla possibilità di essere applicato a problemi noti
ed a nuove aree di business.»


Fabio Veronese, ENEL

«Quando il valore economico del business è legato all’ottimizzazione, gli algoritmi quantistici apportano benefici significativi sia in termini di maggior valore ottenibile, sia in termini di maggiore velocità di elaborazione.»


Marco Magagnini, Data Reply

  • strip-0

    Enel è la più grande utility europea dall'EBITDA ordinario ed è presente in oltre 30 paesi in tutto il mondo producendo energia con oltre 88 GW di capacità installata. Enel distribuisce elettricità attraverso una rete di oltre 2,2 milioni di chilometri e con circa 74 milioni di utenti finali aziendali e domestici in tutto il mondo, il Gruppo ha la più grande base clienti tra i concorrenti europei. Enel Green Power, all’interno del Gruppo Enel, è l’operatore privato del settore delle energie rinnovabili più grande al mondo, con una capacità gestita di oltre 46 GW proveniente da impianti eolici, solari, geotermici e idroelettrici in Europa, nelle Americhe, in Africa, Asia e Oceania. Enel X, la linea di business globale di servizi energetici avanzati di Enel, è leader mondiale nel demand response, con una capacità totale di oltre 6,3 GW gestita a livello globale; la società ha installato 110 MW di capacità di stoccaggio e, nel settore della mobilità elettrica, circa 100.000 punti di ricarica per veicoli elettrici pubblici e privati in tutto il mondo.

  • Data Reply è la società del gruppo Reply che offre servizi di eccellenza per Big Data e Artificial Intelligence. Operando sulla gran parte delle Industry e delle funzioni aziendali, supportiamo professionisti di livello esecutivo e Chief Officers per trarre valore dai dati. Costruiamo Data Platform, definiamo e implementiamo modelli di ML e AI in modo efficiente, replicabile e scalabile, attraverso persone con alte competenze in Big Data Engineering, Data Science e Intelligent Process Automation. Sempre attivi sulle innovazioni, stiamo applicando algoritmi Quantistici a supporto dell’ottimizzazione di processi con alte necessità computazionali.

    strip-1