Zum Inhalt wechseln

Quantum Computing: Eine optimierte und effizientere Zukunft der Fertigungsindustrie

Technology

31 Mai 2023 - 5 Minuten lesen

3200 Blog Post Quantum Computing The Future Of Manufacturing Optimisation And Efficiency 416X300
Michał Bączyk Quantum Computing Specialist

Michal ist Absolvent von Cambridge und der ETH Zürich. Im Laufe seiner Karriere absolvierte er Praktika in Quanten-KI-Gruppen am CERN und am Los Alamos National Laboratory in der USA. In seiner Arbeit zielt er darauf ab, die Welten des Quantum Computings und der Wirtschaft zu verbinden. 

Alle Beiträge von Michał anzeigen

1394 DE Resources Thumbs

Teilen

Einsatzmöglichkeiten von Quantum Computing in der Fertigung 

Quantum Computing revolutioniert die Welt der Optimierung und Effizienz in der Fertigungsindustrie und eröffnet bisher undenkbare Möglichkeiten. Wir werden uns eine Reihe überzeugender realer Anwendungsfälle ansehen, einschließlich unseres eigenen beeindruckenden Erfolgs. Wir möchten Ihnen zeigen, wie Quantum Computing die Automobil- und Logistikbranche sowie Lieferketten verändert. Vom innovativen Lackierprozess-Optimierungssystem von Volkswagen bis hin zu den Durchbrüchen von Fujitsu und Toyota in der Logistik der Lieferkette - Quantum Computing verkürzt Berechnungszeiten und liefert robuste Lösungen für komplexe Probleme. Entdecken Sie, wie diese Fortschritte eine neue Ära der Kosteneinsparungen, gesteigerten Produktivität und verbesserten Entscheidungsfindung in unserer ständig wandelnden Geschäftswelt vorantreiben. Nutzen Sie diese aufregende Reise in die Zukunft. Machen Sie sich bereit für die Optimierung in der Fertigungsbranche und lassen Sie sich inspirieren! 

Volkswagens Optimierung der Fertigungsstraße 

Im Jahr 2020 führte Volkswagen einen Pilotversuch mit Quantum Computing durch, um seinen Montageprozess zu optimieren. Während der Montage erhält jedes Auto vor der endgültigen Lackierung eine schwarze oder weiße "Grundierungsfarbe". Die Anzahl der Farbwechsel zwischen den Grundierungsfarben sollte minimiert werden, um den optimalen Produktionsablauf zu erreichen. Die Reihenfolge der Automodelle auf der Montagelinie und die gewünschte Anzahl der Autos für jede Farbe sind vorgegeben. Die Herausforderung besteht darin, die optimale Reihenfolge der Grundierungsfarben zu bestimmen, welche die Anzahl der Farbwechsel minimiert. Obwohl dies einfach klingt, ist dieses Problem rechenintensiv. 

Angesichts der großen Anzahl von Autos, die auf einer typischen Montagelinie produziert werden, ist es mit herkömmlichen Berechnungsmethoden praktisch unmöglich, jede mögliche Reihenfolge zu untersuchen. Volkswagen nutzte einen Quantum Annealer, um mögliche Farbreihenfolgen zu erkunden und die optimale Lösung zu bestimmen. Bei einer Linie mit 758 Autos erforderte ein klassischer Algorithmus 149 Farbwechsel und bearbeitete durchschnittlich 5,1 Fahrzeuge pro Wechsel. Auf der anderen Seite entdeckte der Quantum Annealer ein deutlich effizienteres Muster mit nur 57 Wechseln, was durchschnittlich 13,3 Fahrzeugen pro Wechsel entspricht. 

Florian Neukart, damals Direktor des Volkswagen Data Lab München, sagte: "Das D-Wave-System gibt uns die Möglichkeit, Optimierungsaufgaben mit einer großen Anzahl von Variablen in beeindruckender Geschwindigkeit anzugehen." Dieses Konzept kann leicht verallgemeinert werden, um mehr als zwei Farben, verschiedene Automodelle und andere Faktoren zu berücksichtigen und zeigt damit das Potenzial von Quantum Computing in der Fertigungsindustrie. 

DENSOs Verbesserung der Logistik auf der Shopfloor-Ebene 

DENSO Corporation, ein führender globaler Anbieter von Automobilkomponenten, führte eine Machbarkeitsstudie zur Shopfloor Logistik mithilfe von Quantum Computing durch. Das Unternehmen setzt in seiner Fabrik automatisierte fahrerlose Transportsysteme (AGVs) ein, um Materialien zu bewegen. Diese AGVs verlassen sich auf automatisierte Leitsysteme und erfordern eine ständige Optimierung, um die Effizienz zu maximieren. Durch die Nutzung eines Quantum Annealers konnte DENSO optimale Wege für AGVs durch die Fabrik identifizieren und priorisieren, um letztendlich den Verkehr bzw. Transport in der gesamten Anlage zu optimieren. 

Als Ergebnis entwickelten die Forscher erfolgreich Lösungen, welche die Wartezeiten der AGVs für freie Routen im Durchschnitt um 15 % reduzierten. Dabei wurde zusätzlich darauf geachtet Sicherheit gegenüber der Geschwindigkeit zu priorisieren. Darüber hinaus hat DENSO seine Anwendungsfälle für Quantum Computing erweitert, um die Verkehrsoptimierung für multimodale Transportsysteme einzubeziehen und damit den Verkehrsfluss weiter zu verbessern. 

Sensorplatzierung bei autonomen Fahrzeugen von BMW 

In der BMW Quantum Computing Challenge 2020, dessen Gewinner auf der Q2B-Konferenz 2021 bekannt gegeben wurden, belegte QCI den zweiten Platz. Die Herausforderung konzentrierte sich auf die Optimierung der Sensorplatzierung für Fahrzeuge mit automatisierten Fahrfunktionen. Diese Fahrzeuge benötigen eine Vielzahl komplexer und teurer Sensoren wie Lidar und Radar, um sicher zu funktionieren. Das Ziel bestand darin, die Sensorinstallation für jedes Fahrzeug zu minimieren, ohne die Sicherheit zu beeinträchtigen, eine Aufgabe wie gemacht für Quantum Computing. 

QCi entwickelte die Quantenrechnung (EQC) unter Verwendung von photonischen Schaltungen, einem offenen Ansatz, der sich von der typischen rauschreduzierenden Isolierung von Quantencomputern unterscheidet. Sie setzten ihre EQC-photonischen Schaltungen ein, um die Sensorplatzierung für ein Problem mit 3.854 Variablen und über 500 Einschränkungen zu optimieren. Der Quantencomputer generierte eine überlegene Sensor-Konfiguration, die eine Abdeckung von 96 % der Fahrzeugumgebung mit nur 15 Sensoren erreichte. QCis Leistung zeigte das Potenzial von Quantenlösungen zur Beschleunigung der autonomen Fahrzeugindustrie. 

Optimierung der Automotiv Supply Chain in Japan 

Fujitsu und Toyota führten gemeinsam einen Test durch, um quanteninspiriertes Computing zur Optimierung der Automobil-Lieferketten in Japan anzuwenden. Die Verbesserung der Effizienz der Lieferkette kann die Zuverlässigkeit steigern, Kosten senken und die CO2-Emissionen reduzieren. Die Größe und Komplexität des Problems machen es jedoch für herkömmliche Technologien herausfordernd. Sie erfordern erhebliche Zeit für Parameteranpassungen und Berechnungen. 

Quanten- und quanteninspiriertes Computing sind hervorragend geeignet, um Probleme wie dieses zu lösen. Ein quanteninspirierter Annealer wurde eingesetzt, um die optimale Lösung aus über 3 Millionen Möglichkeiten zu finden, die verschiedene Lieferanten, Konsolidierungslager und Fabriken mit unterschiedlichen Bedürfnissen umfassen. Der Annealer zielt darauf ab, die Anzahl der benötigten Lastwagen, die Gesamtfahrstrecke und die Sortierung verpackter Teile zu optimieren. Innerhalb von 30 Minuten identifizierte die quanteninspirierte Lösung Routen, die die Kosten um etwa 2-5 % im Vergleich zur konventionellen Lösung reduzierten. 

Optimierung der Produktionsplanung für einen unserer Kunden 

Objectivity führte erfolgreich einen Proof of Concept durch, bei dem der bestehende Optimierungsprozess mithilfe einer quantenbasierten Lösung verbessert wurde und signifikante Geschäftsvorteile brachte. Unser Kunde stand vor Herausforderungen bei der Optimierung seines Lagerbestands und der Produktionsplanung, die in der Regel einen Zeitraum von 12 Jahren umfasst. Herkömmliche Ansätze erforderten 4 Stunden für die Berechnungen, was den Kunden daran hinderte, das Modell aufgrund inakzeptabler Laufzeitsteigerungen zu erweitern. 

Um dieses Problem anzugehen, haben wir den D-Wave Hybrid-Cloud-Service genutzt, um das Potenzial von Quantum Computing zur Beschleunigung der Berechnungen zu erkunden. Die Ergebnisse waren beeindruckend: Wir reduzierten die Berechnungszeit für die wichtigsten Modelle auf 90 Sekunden. Darüber hinaus lieferte die Quantenlösung mehrere nahezu optimale Szenarien, die die Einschränkungen des Kunden erfüllten und es ermöglichte, verschiedene Optionen zu vergleichen und zu kontrastieren. Diese bemerkenswerte Verbesserung der Laufzeit ermöglichte eine schnelle "Was-wäre-wenn"-Szenario-Planung und gestattete dem Kunden, sein Modell mit detaillierteren Dimensionen zu verfeinern, was zu einer genaueren Darstellung des tatsächlichen Geschäftsproblems führte. 

Diese Anwendungsfälle verdeutlichen das transformative Potenzial von Quantum Computing für die Fertigungsindustrie. Mit zunehmender Reife der Technologie wird erwartet, dass sie eine immer wichtigere Rolle bei der Optimierung von Fertigungsprozessen spielen wird. Dies soll zu einer erhöhten Effizienz, geringeren Kosten und einer verbesserten Gesamtleistung führen. Unternehmen, die Quantum Computing annehmen und darin investieren, werden wahrscheinlich einen Wettbewerbsvorteil erlangen, Innovationen vorantreiben und das Wachstum in der Branche fördern. 

Zusammenfassung 

Wie wir in diesem Artikel gesehen haben, birgt Quantum Computing ein enormes Potenzial für die Fertigungsindustrie und diese Erfolgsgeschichten sind erst der Anfang. Mit unserer Expertise im Bereich Quantum Computing und unserem Engagement für innovative Lösungen stehen wir bereit, gemeinsam mit Ihnen neue Maßstäbe für die Optimierung und Effizienz in Ihrer Organisation zu setzen. 

Lassen Sie die Zukunft von Industrie 4.0 nicht an sich vorbeiziehen. Erfahren Sie mehr über unsere hochmodernen Quantum Computing-Services und unser umfassendes Angebot für die Fertigungsindustrie, mit denen Sie Ihre Betriebsabläufe transformieren können. Mit unserer Hilfe werden Sie die Wettbewerbsfähigkeit erlangen, die Sie benötigen, um in einem zunehmend komplexen und anspruchsvollen Markt erfolgreich zu sein. 

 

1394 DE Resources Thumbs
Michał Bączyk Quantum Computing Specialist

Michal ist Absolvent von Cambridge und der ETH Zürich. Im Laufe seiner Karriere absolvierte er Praktika in Quanten-KI-Gruppen am CERN und am Los Alamos National Laboratory in der USA. In seiner Arbeit zielt er darauf ab, die Welten des Quantum Computings und der Wirtschaft zu verbinden. 

Alle Beiträge von Michał anzeigen

Was Sie noch interesieren könnte

Kontakt

Starten Sie Ihr Projekt mit Objectivity

CTA Pattern - Contact - Middle