Автори | Nemala Jayasri1 , Pellakuri Vidyullatha1, A. Saravanan2, Anil Kumar Muthevi3, K.P. Dinakaran4, Nageswara Rao Medikondu5 |
Афіліація |
1Department of Computer Science Engineering, Koneru Lakshmaiah Education Foundation, Vaddeswaram 522302, AP, India 2Department of Electronics and Communication Engineering, Jaya Engineering College Chennai 602024, Tamilnadu, India 3Department of Computer Science and Engineering, Aditya University Surampalem 533437, AP, India 4Department of EEE, Panimalar Engineering College, Bangalore Trunk Road, Varadharajapuram, Poonamallee, Chennai 600123, India 5Department of Mechanical Engineering, Koneru Lakshmaiah Education Foundation, Vaddeswaram 522302, AP, India |
Е-mail | pvidyullatha@kluniversity.in |
Випуск | Том 17, Рік 2025, Номер 3 |
Дати | Одержано 10 квітня 2025; у відредагованій формі 23 червня 2025; опубліковано online 27 червня 2025 |
Цитування | Nemala Jayasri, Pellakuri Vidyullatha, A. Saravanan, та ін., Ж. нано- електрон. фіз. 17 № 3, 03020 (2025) |
DOI | https://doi.org/10.21272/jnep.17(3).03020 |
PACS Number(s) | 07.05.Tp, 07.07.Tw |
Ключові слова | Квантовий відпал, D-хвильові системи, Автономні мобільні роботи (3) , Розподіл завдань, Оптимізація (23) , Розумні фабрики. |
Анотація |
Квантовий відпал (QA), особливо з системами D-Wave, пропонує трансформаційне рішення для оптимізації розподілу завдань в автономних мобільних роботах (AMR) та багатомашинних системах в рамках Індустрії 6.0. Традиційні методи планування часто мають труднощі з ефективним вирішенням NP-складних задач оптимізації, що призводить до неефективного використання ресурсів, збільшення часу простою та затримок виробництва. Квантовий відпал долає ці обмеження, формулюючи планування завдань як задачу квадратичної безобмеженої бінарної оптимізації (QUBO). Це дозволяє квантовим процесорам одночасно досліджувати кілька шляхів рішення, значно пришвидшуючи процес визначення майже оптимальних розподілів. Використовуючи принцип квантового тунелювання, QA здатний уникнути локального мінімуму та знайти глобально оптимальні або майже оптимальні рішення, забезпечуючи збалансований розподіл робочого навантаження між машинами та мінімізуючи вузькі місця у виробництві. У динамічних промислових середовищах, де коригування в режимі реального часу та адаптивне планування є критично важливими, QA пропонує значну перевагу в постійній оптимізації розподілу завдань. Це призводить до підвищення ефективності виробництва, зниження споживання енергії та більш оптимізованих робочих процесів виробництва. Оскільки квантове обладнання продовжує розвиватися, інтеграція оптимізації на основі контролю якості зі штучним інтелектом, Інтернетом речей та робототехнікою відіграватиме ключову роль у формуванні майбутнього інтелектуальної автоматизації на розумних фабриках, прокладаючи шлях до підвищення продуктивності та економічної ефективності у виробничих екосистемах. |
Перелік посилань |