NO QUE A COMPUTAÇÃO QUÂNTICA PODE SER UTILIZADA?

CASES DE USO DE DESENVOLVIMENTO DA REPLY

A Reply está explorando o potencial dos computadores quânticos e dos algoritmos quânticos para identificar soluções para problemas anteriormente insolúveis.

OTIMIZAÇÃO DA LINHA DE PRODUÇÃO
com Computação Quântica

Quase em tempo real, o uso da computação acelerada está permitindo que as empresas gerenciem e resolvam os problemas associados ao processamento de restrições e prioridades em linhas de produção complexas.


SITUAÇÃO

No setor manufatureiro, as linhas de produção são compostas por várias máquinas, cada uma das quais executa uma tarefa específica.

Um produto que está sendo fabricado só completará o seu ciclo de produção quando tiver passado, em uma ordem pré-definida, por todas as máquinas que compõem a linha de produção. A configuração das máquinas pode variar, dependendo da forma como diferentes produtos são processados.

Cada produto possui um tempo de processamento e uma ordem de entrada diferentes em cada máquina. Além dessas variáveis, ocorrências externas e problemas relacionados à linha de produção também podem exigir uma mudança no plano de produção.

Para otimizar toda a cadeia de produção em relação à prioridade e tempo, é essencial que a ordem correta de processamento dos diferentes produtos seja identificada e que quaisquer situações críticas possam ser gerenciadas em tempo real.

DESAFIO E SOLUÇÃO

A complexidade das diferentes linhas de produção, o número de montagens envolvidas, as prioridades de produção e as restrições associadas aos vários processos representam um grande número de variáveis na contextualização do problema e o torna muito complicado de resolver, sobretudo, do ponto computacional. Portanto, torna-se necessário usar “solucionadores” de otimização específicos que contribuam com a resolução de problemas multidimensionais em um tempo muito curto.

Esse tipo de otimização é definido como um Problema de Agendamento de Tarefas.

OS BENEFÍCIOS DA COMPUTAÇÃO QUÂNTICA

O uso da tecnologia quântica permite que as linhas de produção mais complexas sejam gerenciadas de acordo com as restrições e prioridades de processamento, sem afetar o tempo necessário para a resolução do problema.

As tecnologias quânticas permitem que o planejamento do trabalho de uma linha de produção inteira seja reprogramado quase em tempo real, uma vez que as várias máquinas envolvidas no processo são gerenciadas simultaneamente.

GERENCIAMENTO DE PORTFÓLIO
com algoritmos quânticos

A tecnologia quântica está oferecendo aos profissionais um novo meio de selecionar a carteira de investimentos certa, escolhendo a partir de uma lista de possíveis ações, de acordo com as regras especificadas pelo cliente.


SITUAÇÃO

Um dos desafios recorrentes do setor financeiro envolve a necessidade de maximizar os lucros obtidos em cada portfólio, de acordo com as regras e objetivos estabelecidos pelo cliente.

Uma forma de alcançar esse resultado é diversificar o portfólio de títulos, a fim de reduzir os riscos que podem afetar o retorno desses ativos. Este risco deve-se à presença de vários ativos financeiros na carteira, cujos retornos não são totalmente correlacionados.

Para diversificar um portfólio, o profissional precisará identificar, em um conjunto de títulos, o maior subconjunto de títulos que não estão internamente correlacionados. As operações de seleção binária são usadas para resolver esses problemas. Essas operações permitem que a solução ideal seja identificada.

DESAFIO E SOLUÇÃO

À medida que o tamanho de um portfólio de investimentos aumenta, também aumenta a complexidade do problema computacional, resultando em tempos de processamento excessivamente longos para os computadores tradicionais.

O algoritmo de otimização quântica implementado para a diversificação do portfólio é modelado com base no WMIS (weighted maximum independent set).

OS BENEFÍCIOS DA COMPUTAÇÃO QUÂNTICA

As tecnologias quânticas aceleram significativamente o processo de seleção das opções certas de portfólio. Além disso, combinando técnicas existentes, é possível executar rapidamente cálculos que, de outra forma, exigiriam longos tempos de processamento.

DETECÇÃO DE FALHAS
com Computação Quântica

Uma rede neural profunda 'treinada' com o auxílio de uma etapa que passa pela computação quântica é capaz de detectar falhas em produtos provenientes de uma linha de produção.


SITUAÇÃO

A detecção de defeitos e falhas nas linhas de produção é muitas vezes crucial para evitar a insatisfação do cliente e, até mesmo, evitar danos às próprias linhas.

Sendo assim, os processos envolvidos precisam ser constantemente monitorados para garantir que os altos padrões de qualidade sejam mantidos. Enquanto no passado este trabalho era feito manualmente, agora ele pode ser realizado por meios automatizados, graças a ferramentas de processamento de imagem e algoritmos de machine learning.

Ao mudar das conferências manuais para as automatizadas, os gerentes de produção podem reduzir o tempo e o custo envolvidos. Isso porque, enquanto um operador realiza as inspeções em uma determinada velocidade, essas mesmas conferências podem ser realizadas muito mais rápido com o auxílio de técnicas de machine learning.

As técnicas de processamento de imagem e machine learning que permitem a automatização do controle de qualidade exigem um sistema de classificação altamente preciso.

DESAFIO E SOLUÇÃO

A classificação incorreta pode fazer com que um produto inadequado continue no processo de fabricação, resultando em um produto final de baixa qualidade ou que pode, até mesmo, danificar a própria linha de produção.

Sendo assim, os algoritimos de deep learning são utilizados para fins de classificação, que exigem longos períodos de 'treinamento', se resultados satisfatórios forem obtidos.

As redes neurais criadas usando algoritmos quânticos - conhecidas como redes neurais quânticas (QNNs) - são substancialmente mais rápidas.

OS BENEFÍCIOS DA COMPUTAÇÃO QUÂNTICA

As tecnologias quânticas são usadas para acelerar a formação de redes neurais profundas, um processo que geralmente apresenta um gargalo, devido ao tempo excessivo de processamento exigido pelos computadores tradicionais.

Uma rede neural profunda “treinada” com o auxílio de uma etapa que apresenta computação quântica é capaz de identificar falhas em produtos provenientes de uma linha de produção.

OTIMIZANDO O AGENDAMENTO
DE TRANSPORTE - Ferrovias

O planejamento do tráfego ferroviário dentro das estações é um tema crucial para os gestores da infraestrutura ferroviária.


SITUAÇÃO

O planejamento do tráfego ferroviário dentro das estações é um tema crucial para os gestores da infraestrutura ferroviária.

O grande número de trens em trânsito, chegando e partindo, a variedade de trilhos disponíveis para os trens e o grande número de passageiros transitando diariamente são as variáveis presentes em uma gestão complexa.

A otimização do processo de agendamento de transporte atende aos objetivos de auxiliar os passageiros em trânsito dentro da estação e melhora a utilização dos recursos fornecidos pela estação para a preparação e manutenção dos trens.

DESAFIO E SOLUÇÃO

A natureza combinatória do problema e o número de atores e variáveis que precisam ser levados em conta tornam a resolução do problema complexa do ponto de vista computacional. É necessário identificar uma solução otimizada para todas as estações na rede.

Esse tipo de otimização é definido como “problema de trem na plataforma” (PTP).

OS BENEFÍCIOS DA COMPUTAÇÃO QUÂNTICA

O uso de tecnologias quânticas oferece um benefício significativo, pois processadores quânticos podem lidar com um número extremamente alto de variáveis combinatórias com tempos de processamento substancialmente mais curtos, de uma maneira que vai muito além das possibilidades oferecidas pelos computadores atuais. Isso contribui para que os gerentes otimizem toda a rede da estação ferroviária, reduzindo significativamente o impacto de qualquer atraso na qualidade do serviço.

O efeito de rede de toda a infraestrutura ferroviária é maximizado e os atrasos nos trens que chegam e partem ao mesmo tempo são resolvidos.