物流の最適化 MAGELLAN BLOCKS for 量子コンピュータ

最も良い輸配送計画を自動で高速策定

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…
輸配送業務でよくある課題

MAGELLAN BLOCKS が解決 「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

  • 積載最適化
    • 設備制約
    • 運用制約
    • 積載量最大化
    • 輸送コスト最小化
  • 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 量子コンピュータ
ソリューションの特徴

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。

「MAGELLAN BLOCKS」を活用した
トラックの積載計画(イメージ)
業務上のルールや
制約を取り込むだけ、
最適な計画表を自動で出力

「MAGELLAN BLOCKS」を活用したトラックの積載計画(イメージ)

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。

Quantum computing technology

従来のコンピュータとは異なる原理で、多くの条件を満たす「最も良い答え」を瞬時に探索できる最新技術です。

詳しく見る