Suchen

Quantum Computing

WOFÜR WIRD QUANTUM COMPUTING EINGESETZT?

ANWENDUNGSBEISPIELE IN DER ENTWICKLUNG

Reply untersucht das Potenzial der Quantencomputer sowie der Quantenalgorithmen, um Lösungen für bislang unlösbare Probleme zu finden.

OPTIMIERTE PRODUKTIONSLINIEN
mit Quantum Computing

Durch die Nutzung des Accelerated Computings lässt sich die Zeit für die Durchführung von Tasks durch die an einer Produktionslinie beteiligten Maschinen enorm reduzieren.


SZENARIO

In der verarbeitenden Industrie bestehen die Produktionslinien aus verschiedenen Maschinen, wobei jede dieser Maschinen eine besondere und spezifische Aufgabe zu übernehmen hat.

Für ein Produkt ist der Produktionszyklus erst dann beendet, wenn es alle Maschinen der Produktionslinie in einer vorgegebenen Reihenfolge durchlaufen hat. Das Setup der Maschinen kann je nach der Art der Bearbeitung der verschiedenen Produkte ganz unterschiedlich sein.

Jedes Produkt hat eine andere Bearbeitungszeit und wird in die einzelnen Maschinen in einer anderen Reihenfolge eingeführt. Außer diesen variablen Vorgaben können auch externe Ereignisse sowie Problematiken im Zusammenhang mit der Produktionslinie eine Änderung des Bearbeitungsplans erforderlich machen.

Zur Optimierung der gesamten Produktionskette in Bezug auf Prioritäten und die Einhaltung des zeitlichen Rahmens ist es unerlässlich, die korrekte Reihenfolge für die Bearbeitung der verschiedenen Produkte herauszufinden und eventuelle Problematiken in Echtzeit zu bearbeiten.

HERAUSFORDERUNG UND LÖSUNG

Die Komplexität der verschiedenen Produktlinien, die Gesamtmenge an Setups, Produktionsprioritäten sowie die an einzelne Verarbeitungen geknüpften Auflagen beinhalten eine große Menge an Variablen für die Modellierung des Problems, was insbesondere unter dem Gesichtspunkt der Berechnung zu einer sehr komplexen Lösung führt. Dies macht den Einsatz spezifischer „Solver“ zur Optimierung erforderlich, die in der Lage sind, Probleme mit vielfältigen Dimensionen in kürzester Zeit zu lösen.

Diese Art der Optimierung kann als Job Scheduling Problem (JSP) abgebildet werden.

VORTEILE DES QUANTUM COMPUTINGS

Durch die Nutzung von Quantencomputern lassen sich komplexe Produktionslinien unter Berücksichtigung von Verarbeitungsauflagen sowie spezifischer Produktionsprioritäten individuell gestalten, ohne dass sich die Problemlösung auf den Zeitrahmen auswirkt.

Mithilfe der Quantentechnologien lassen sich auch „fast in Echtzeit“ Arbeitsplanungen einer gesamten Produktionslinie neu programmieren, wobei die unterschiedlichen Maschinen zeitgleich bedient werden.

PORTFOLIOMANAGEMENT
mit Quantenalgorithmen

Die Quantentechnologie ermöglicht eine neue Art der Wahl des besten Portfolios, indem sie unter Einhaltung der von Kunden erstellten Vorgaben aus einer Liste möglicher Wertpapiere eine Auswahl trifft.


SZENARIO

Im Finanzsektor besteht eines der ständig wiederkehrenden Probleme in der Gewinnmaximierung, die bei jedem Portfolio anhand der vom Kunden vorgegebenen Regeln und Ziele erfolgen soll.

Eine der Methoden, um dieses Ziel zu erreichen, besteht in der Diversifikation von Wertpapieren im Portfolio, wodurch das Risiko für die Rendite gesenkt werden kann. Das Risiko hängt ab von der Zusammenstellung unterschiedlicher Wertpapiere, deren Renditen innerhalb des Portfolios nicht vollständig miteinander korreliert sind.

Zur Diversifikation eines Portfolios muss man aus einer Gesamtheit von Wertpapieren eine ausgewogene Mischung von Wertpapieren aussuchen, die nicht miteinander korreliert sind. Zur Lösung dieses Problems nutzt man die binäre Selektion, mit deren Hilfe eine optimale Lösung gefunden werden kann.

HERAUSFORDERUNG UND LÖSUNG

Bei der Aufstockung eines Portfolios erhöht sich auch die Komplexität des Problems, was auch zu einer übermäßigen Verlängerung der Bearbeitungszeit bei herkömmlichen Computern führt.

Der Quantenalgorithmus zur Optimierung der Diversifikation eines Portfolios kann durch das WMIS (Weighted Maximum Independent Set) abgebildet werden.

VORTEILE DES QUANTUM COMPUTINGS

Die Quantentechnologien bringen eine beachtliche Beschleunigung für den Auswahlprozess der richtigen Portfolio-Optionen mit sich, wobei es dank der Kombination bestehender Techniken auch möglich ist, in kürzester Zeit Berechnungen durchzuführen, die andernfalls lange Bearbeitungszeiten erforderlich machen würden.

FEHLER ERKENNEN
mit Quantum Computing

Ein auf der Basis quantenmechanischer Zustände „vorab trainiertes“ Deep Neural Network ist in der Lage, Produktabweichungen bei Produktionslinien zu erkennen.


SZENARIO

Mängel und Abweichungen innerhalb von Produktionslinien zu erkennen, ist oftmals von fundamentaler Bedeutung, um Beanstandungen von Kunden vorzubeugen bzw. Schäden, die den Kunden entstehen könnten, zu verhindern.

Um einen hohen Qualitätsstandard zu garantieren, erfolgt eine konstante Prozessüberwachung. In der Vergangenheit wurde diese Tätigkeit manuell durchgeführt, während heute mithilfe von Bildverarbeitungsinstrumenten und Machine-Learning-Algorithmen alles automatisiert abläuft.

Durch die Umstellung von manuellen Kontrollen auf automatisierte Verfahren lassen sich auch Zeit und Kosten sparen: Während ein einzelner Mitarbeiter Überprüfungen nur mit einer bestimmten Geschwindigkeit durchführen kann, können die Kontrollen mithilfe der Machine-Learning-Techniken wesentlich schneller vor sich gehen.

Die Bildverarbeitungstechniken und die Machine-Learning-Techniken erfordern jedoch eine hohe Präzision bei der Klassifizierung, um eine automatisierte Qualitätskontrolle zu ermöglichen.

HERAUSFORDERUNG UND LÖSUNG

Eine falsche Klassifizierung könnte dazu führen, dass ein ungeeignetes Produkt den Fertigungsprozess weiter durchläuft und hierbei ein minderwertiges Endprodukt entsteht oder Schäden an der Produktionslinie selbst verursacht werden.

Die für die Klassifizierung angewandten Algorithmen gehören zum Deep Learning, die zur Erzielung zufriedenstellender Ergebnisse lange „Trainingszeiten“ erfordern.

Die mit Quantenalgorithmen erstellten neuronalen Netzwerke mit der Bezeichnung Quantum Neural Network (QNN) sind hier weitaus schneller.

VORTEILE DES QUANTUM COMPUTINGS

Die Quantentechnologien werden genutzt, um die Bildung tiefer neuronaler Netzwerke zu beschleunigen, die gewöhnlich aufgrund der von den herkömmlichen Computern erforderlichen Bearbeitungszeit einen Engpass darstellen.

Ein auf der Basis quantenmechanischer Zustände „vorab trainiertes“ Deep Neural Network ist in der Lage, Produktabweichungen bei einer Produktionslinie zu erkennen.

OPTIMIERUNG DER ZEITLICHEN PLANUNG
von Transporten

Die Planung des Zugverkehrs innerhalb der Bahnhöfe ist für die Betreiber der Infrastrukturen der Bahn eine interessante Thematik.


SZENARIO

Die Planung des Zugverkehrs innerhalb der Bahnhöfe ist für die Betreiber der Infrastrukturen der Bahn eine interessante Thematik.

Die Anzahl der ankommenden und wieder abfahrenden Fernzüge, die Anzahl an verfügbaren Abstellgleisen sowie die Anzahl an Passagieren, die täglich mit der Bahn reisen, variieren ständig, was die Verantwortlichen vor große Schwierigkeiten stellt.

Die Optimierung des Verfahrens zur zeitlichen Planung des Zugverkehrs hat zum einen den Zweck, den Reisenden das Umsteigen in den Bahnhöfen zu erleichtern, und zum anderen, die Anzahl der Mitarbeiter zu optimieren, die auf den Bahnhöfen zur Vorbereitung und Instandhaltung der Züge zur Verfügung stehen.

HERAUSFORDERUNG UND LÖSUNG

Die kombinatorische Struktur des Problems sowie die unterschiedliche Anzahl an zu berücksichtigenden fixen und variablen Elementen machen deutlich, dass die Lösung des Modells vom rechnerischen Standpunkt aus gesehen sehr komplex ist. Es muss eine Lösung gefunden werden, die sich auf allen Bahnhöfen des Streckennetzes optimal einsetzen lässt.

Diese Art der Optimierung kann als Train Platforming Problem (TPP) abgebildet werden.

VORTEILE DES QUANTUM COMPUTINGS

Die Nutzung der Quantentechnologie bringt einen beachtlichen Vorteil mit sich: Quantenprozessoren können eine extrem hohe Anzahl an variablen Kombinationen mit extrem verkürzten Bearbeitungszeiten bewältigen, die weit außerhalb der Möglichkeiten herkömmlicher Computer liegen. Dadurch kann das gesamte Bahnhofsnetz optimal gestaltet werden, was sich unter anderem auch durch weniger Verspätungen positiv auf die damit verbundene Servicequalität auswirkt.

Die positiven Wirkungen der Netzwerkeffekte der Infrastruktur der Bahn werden auf diese Weise maximiert, wobei gleichzeitig Zugverspätungen, die zum Verpassen von Anschlusszügen führen, reduziert werden.