最も良い輸配送計画を自動で高速に策定する
物流最適化
ソリューションセット
業務状況を可視化、AIで需要を予測、
そして量子コンピュータで最適解を導く
量子コンピュータを活用して
物流生産性の向上を実現
- 積載率・実車率・稼働率（三元率）の向上
- ルートや業務の効率化
- 物流コストやCO2排出量の削減など…
物流業界において、年々拡大する需要と労働力不足のギャップ、
かさむ燃料費やCO2削減の責務などに悩まされる中、
増員を図らずとも利益率を高めていくには、時間効率の向上が急務となっています。
輸配送効率・物流生産性を向上したい… 輸配送業務でよくある課題
- Example 1
- 部品メーカーと完成品メーカーの製造タイミングを可視化したところ、両社にはズレがあり、部品運送トラックの積載率が平均で60%を下回っている。
トラック台数を最小化するためには、どのように積載すればいいのか…
- Example 2
- ドライバーの運転技術や体力、経験年数などのスキル要件や労働条件、配送先の建物階数やエレベーターの有無、配送中の駐車場の位置なども考慮して、1日あたりの宅配数を最大化する配送計画を策定したい…
量子コンピュータを活用した
MAGELLAN BLOCKS
物流最適化ソリューションセット
が解決します！
「最も良い答え」を瞬時に解くことができる量子コンピュータを使うことで、
これまでと比べ、50%の輸配送効率向上も可能に！
-
ルート最適化
- 移動距離最小化
- 輸送コスト最小化
- 宅配数最大化
-
シフト最適化
- スキル制約
- 労働条件遵守
- コスト最小化
MAGELLAN BLOCKS
物流最適化
ソリューションセットの特徴
feature 01 量子コンピュータモデルを標準装備
量子コンピュータを扱う上で欠かせない、専用の組合せ最適化モデルの新規開発は不要。すぐに使えて「最も良い答え」を瞬時に得られるソリューションセットで、物流業務の生産性を飛躍的に向上。
feature 02 輸配送計画を自動的に策定
既存システムとの連携を前提に、届け先やドライバー／車両などの情報を入力するだけで、最適化結果を自動計算。数日もかけていた現場作業の高負荷を大幅に低減できます。
feature 03 AIとの組み合わせで、需給を最適化
「MAGELLAN BLOCKS」のAIとの組み合わせで、荷貨量や小口数の予測から物流計画の最適化まで、一連の業務をシームレスに実現します。
現場の細かな条件を反映した上で、
積載率を最大化、
輸配送距離や時間を最小化するルートを
自動的に高速導出します。
超難解な最適化モデルや問題式は、すでにサービスに組み込まれているため、
利用者は意識することなく、量子コンピュータを使えます。
導入事例
不動産 三菱地所
AIと量子コンピュータで、最適な廃棄物収集ルートを解析
三菱地所が東京・丸の内で保有するビル26棟に対し、「MAGELLAN BLOCKS」のAIと量子コンピュータを活用して、ごみを効率的に収集運搬するルートを導き出す日本初の検証を実施。
約94％の高精度でごみ発生量を予測し、それをもとに10の740乗通りにもおよぶ膨大な組み合わせの中から最適な収集ルートを瞬時に導出。
結果、SDGs・脱炭素化に向け、CO2の排出量は約57％削減、車両台数は約59%削減される試算を確認。
| 項目 | 現状 | 最適化結果 | 現状との差異 |
|---|---|---|---|
| 総走行距離 | 2,296.2 km | 1,004.2 km | ▲ 1,292.0 km |
| 収集車台数 | 75 台 | 31 台 | ▲ 44 台 |
| 総作業時間 | 8,650.9 分 | 5,372.2 分 | ▲ 3,278.7 分 |
※あくまでも削除可能性の検証となり、実際に削減されることを確認しているものではありません。