Ayesa Ibermática fundazioa – Optimización de la reasignación de puestos de venta a trabajadores con Computación Cuántica.
Ayesa Ibermática fundazioa
Sector: Movilidad
Business Case
Gestión de un gran número de reasignaciones de vendedores a puestos, debido a numerosas casuísticas, muchas veces imprevistas. Las soluciones de optimización clásicas, ante problemas de combinatoria complejos, son computacionalmente costosas y no ofrecen garantías de obtener la solución óptima, dado que no evalúan todos los posibles escenarios.
Objetivos
Obtener una solución con la certeza de que los resultados obtenidos sean los más precisos, específicos y eficientes. Mejoran tanto en número de asignaciones a puestos, como la ganancia de los puestos asignados en función de su importancia. Mantener las condiciones de restricciones en cuanto al contexto particular de cada vendedor, distancia al puesto, disponibilidad, etc.
Use case
A nivel algorítmico, se definió el problema como un problema “QUBO”, en el que tanto la función a minimizar como las restricciones se codificaron en los Hamiltonianos respectivos. Por otro lado, también se realizó un modelo analítico que permite incluir en el modelo una preferencia de asignación a vendedores a puestos, en base a los históricos previos de asignación. El balanceo entre el soporte de asignación histórica (veces que un vendedor ha sido asignado a un puesto históricamente), y la ganancia en la asignación de vendedores a puestos “novedosos”, se realiza mediante un análisis de coeficientes de balanceo. En este proyecto también se ha implementando una solución de aprendizaje automático cuántico, o QML, capaz de modelizar el comportamiento subjetivo del gestor en base a los históricos obtenidos, y replicar automáticamente la asignación subjetiva de vendedores en función del contexto (día, mes, cartelera, etc.)
Infraestructura
Cloud…
Tecnologías utilizadas
-Cuántica -Aprendizaje automático o profundo
Datos utilizados
Datasets privados
Recursos utilizados
Quantum Computational Scientist – Quantum Inspire Expert , Quantum Optimization Expert, Quantum ML Ingenieros de datos, Diseñadores de Aplicaciones.
Dificultades y aprendizaje
Aprendizaje sobre la metodología QOPS desarrollada por Ayesa e Ibermática Fundazioa para el sostenimiento de proyectos de computación cuántica en entornos reales. Para ello, se analizaron distintas soluciones, pero ninguna de las plataformas cloud cuánticas actuales conseguía los resultados deseados. Se ha desarrollado un Solver cuántico propio para resolver problemas combinacionales mediante métodos “Polynomial Unconstrained Binary Optimization” (PUBO).
KPIs (impacto en el negocio y métricas del modelo)
El proceso de asignación de vendedores para los caso de absentismo, se realiza en 15 minutos, cuando anteriormente se necesitaba al menos 2 horas de asignación. Las asignaciones propuestas automáticamente, mejoran tanto en número de asignaciones, duplicando de media, y triplicando el ”scoring” de asignación en función del peso de los puestos que se ocupan. El sistema permite generar asignaciones ”predictivas”, a futuro (20 días cada día). El trabajo de los técnicos queda únicamente supeditado a la aprobación de las recomendaciones por el sistema cuántico, asegurándoles que, gracias a la tecnología de análisis ”por fuerza bruta” cuántica, el escenario propuesto es el mejor, por lo que la efectividad, la carga y la seguridad para los técnicos en su labor diaria, ha sido una mejora muy importante.
Financiación
No
Colaboradores
Laboratorio de Innovación de la ONCE
