GMV
Optimización avanzada de flotas robóticas mediante computación cuántica
Cross Industry / Logística interna y automatización industrial, Gestión de flotas AMR/AGV y Entornos productivos complejos con alta variabilidad operativa
31/03/2027
En desarrollo
La gestión de flotas heterogéneas de robots en entornos industriales implica resolver problemas complejos de asignación, secuenciación y enrutamiento bajo múltiples restricciones operativas (capacidades diferenciadas, prioridades, ventanas temporales, limitaciones energéticas y dependencias entre tareas). Este tipo de retos puede modelarse como una extensión del Problema del Viajero (TSP), lo que los sitúa dentro de la categoría de problemas de optimización combinatoria de alta complejidad.
Los métodos clásicos de optimización presentan limitaciones para ofrecer soluciones eficientes en tiempos compatibles con la operación real, especialmente en escenarios dinámicos donde es necesario replanificar continuamente ante incidencias o cambios en las condiciones operativas. Esta situación genera ineficiencias, reduce la capacidad de adaptación del sistema y limita la escalabilidad de las operaciones.
En este contexto, existe la necesidad de explorar nuevos enfoques que permitan abordar la reformulación y resolución de estos problemas de forma más eficiente, mejorando la capacidad de respuesta, la resiliencia operativa y la optimización global en la coordinación de flotas robóticas.
Descripción del Proyecto
EMPRESA
GMV
IMPACTO EN NEGOCIO / KPIS
reducción de costes, incremento de producción
FECHA
VARIAS SESIONES DURANTE EL AÑO
ACTIVIDAD
TALLER Y VISITA A INSTALACIÓN
OBJETIVOS ESPERADOS
o Evaluar la viabilidad de la computación cuántica y los enfoques híbridos cuántico-clásicos para la resolución de problemas complejos de optimización en la gestión de flotas robóticas.
o Desarrollar modelos avanzados de asignación, secuenciación y enrutamiento que integren múltiples restricciones operativas (temporales, energéticas y funcionales).
o Mejorar la eficiencia operativa en la planificación y coordinación de flotas heterogéneas de robots en entornos industriales dinámicos.
o Incrementar la capacidad de replanificación en tiempo real ante incidencias, reforzando la resiliencia y adaptabilidad del sistema.
o Validar la integración progresiva de capacidades cuánticas dentro de la arquitectura de uPathWay, garantizando su aplicabilidad práctica.
o Identificar casos de uso industriales donde la computación cuántica aporte ventajas diferenciales frente a métodos clásicos de optimización.
TIPO DE TECNOLOGÍA DE IA USADA
RNN y Tensor Networks
ROLES Y RESPONSABILIDADES
Operadores de planta
REQUERIMIENTOS TÉCNICOS
No evaluados aún
MÉTRICAS DE ÉXITO
Coste evitado pero aún no está desarrollado
DESAFÍOS ENCONTRADOS
En desarrollo
PLAN DE MITIGACIÓN
N/A
QUÉ MEJORAR EN FUTURAS IMPLEMENTACIONES
N/A
DATOS UTILIZADOS
Datos estructurados
HERRAMIENTAS / PLATAFORMAS
RNN y Tensor Networks
PROCESO / SISTEMA AL QUE SE INTEGRA
A través de uPathWay
RESULTADOS OBTENIDOS O ESPERADOS
Reducción del tiempo de proceso general
ASPECTOS ÉTICOS O DE GOBERNANZA
N/A
QUÉ FUNCIONÓ BIEN
N/A