量子コンピュータ時代の製造業におけるDXセミナー－見える化、予測・分析、その先の最適化へ－

Fixstars Corporation www.fixstars.com
Copyright © Fixstars Group Copyright © Fixstars Group
【ビジネス向け】
製造業向け量子コンピュータ時代のDXセミナー
～見える化、分析・予測、その先の最適化へ～

View Slide

Copyright © Fixstars Group
本セミナーの位置づけ
2
 弊社では、Amplifyセミナーを「ビジネス向け」と「プログラマー向け」に分けて定
期的に開催しております。社内関係者へも展開いただき、ご興味ある回への参加のご
検討をお願いいたします。（https://amplify.fixstars.com/ja/news/seminar）
ビジネス向け
プログラマー向け
（シフト最適化）
1/26
（生産計画最適化）
2/24
（経路最適化）
3/23
← 本日
4/20
ビジネス向け
（シフト最適化）
5/25
（生産計画最適化）
6/22
（経路最適化）
7/20
8/24
ビジネス向け
組合せ最適化問題や量子アニーリング・イジングマシンの概要やビジネス上の効果を解説します
特定のテーマ・事例を用いて、問題設定、定式化、実装などのポイントを解説します
 今後の予定

View Slide

本セミナーのゴール
⮚ 製造業に組合せ最適化問題がたくさんあることを知る
⮚ 組合せ最適化問題を解くためには、問題を数式化する必要があることを理
解する。中でも、最適化（最大化 or 最小化）したい対象を特定すること
が出発点であることを理解する
⮚社内の身近な課題を、組合せ最適化問題として捉えることができるか考え
てみる。社内の事業部やIT部門の方と話をしてみる
3
課題の抽出、問題の数式化、プログラムの実装などお客様
のステージやご要望に合わせて柔軟にお手伝いいたします
ので、お気軽にお声がけください！

View Slide

本日のAgenda
• 会社紹介（2分）
• 組合せ最適化・イジングマシンの紹介（5分）
• 最適化問題検討のフレームワーク及び製造業における事例の紹介（15分）
• Fixstars Amplifyの紹介（20分）
• 製造業におけるAmplify活用のデモ（10分）
• 生産計画最適化
4

View Slide

会社紹介

View Slide

6
フィックスターズの概要
会社名株式会社フィックスターズ
本社所在地
東京都港区芝浦3-1-1 msb Tamachi
田町ステーションタワーN 28階
設立 2002年8月
上場区分東証プライム（証券コード：3687）
代表取締役社長三木聡
資本金 5億5,446万円（2021年9月現在）
社員数（連結） 258名（2021年9月現在）
主なお客様
キオクシア株式会社
株式会社ネクスティエレクトロニクス
株式会社日立製作所
キヤノン株式会社
グループ体制
株式会社フィックスターズ
株式会社Fixstars Autonomous Technologies
株式会社ネクスティエレクトロニクスとのJV
自動運転向けソフトウェア開発
当社完全子会社
米国での営業及び開発
概要
株式会社Sider
株式会社Smart Opinion
開発支援SaaS「Sider」を運営
当社連結子会社
乳がんAI画像診断支援事業を運営
Fixstars Solutions, Inc.
オスカーテクノロジー株式会社
当社連結子会社
ソフトウェア自動並列化サービスを提供
株式会社Fixstars Amplify
量子コンピューティングのクラウド事業を運営
2021/10/1 設立

View Slide

7
ソフトウェア高速化サービス (概要)
• お客様にソースコードをご提供いただき、
• 最適化やアルゴリズムの改良を施して高速化してお返しします
当社お客様
オリジナルソースコードのご提供
高速化したソースコード
コンサルティング高速化サポート
性能評価
ボトルネックの特定
アルゴリズムの改良・開発
ハードウェアへの最適化
レポート作成
レポートやコードへのQ&A
実製品への組込み支援

View Slide

8
フィックスターズの強み
フィックスターズは、コンピュータの性能を最大限に引き出し大量データの高速処理を実現する、
高速化のエキスパート集団です。
低レイヤ
ソフトウェア技術
アルゴリズム
実装力
各産業・研究
分野の知見

View Slide

フィックスターズの量子技術への取り組み
9
2017年
日本で初めて
D-Wave Systems
社と提携
2018年
NEDOのプロジェクト
に採択
「イジングマシン共通
ソフトウェア基盤の研
究開発」
2019年
SIPの研究開発に参画
「光・量子を活用した
Society 5.0実現化技
術：光電子情報処理」
2021年
•2月：量子アニーリングクラウドサービス
「Fixstars Amplify」提供開始
•10月：子会社Fixstars Amplifyを設立
•11月：Q-STAR 量子技術による新産業創出協議
会に特別会員として加入
次世代技術を先取りし
今ある課題の解決を目指す

View Slide

量子アニーリング・イジングマシン
と組合せ最適化問題

View Slide

量子アニーリング・イジングマシンと組合せ最適化問題
量子アニーリング・イジングマシン ⇒ 組合せ最適化問題を解くための専用マシン
スケジューリング配送計画スマートシティー集積回路設計
膨大な選択肢から、制約条件を満たし、ベストな選択肢を探索する（組合せ最適化問題）
参考: 慶應義塾大学田中宗准教授「量子コンピュータ最前線とイジングマシンの可能性」
11

View Slide

12
目的関数:
制約条件:
解を取得
定式化
実装
問題設定
膨大な解候補（組合せ）から最適解を選ぶ
・解候補一つ一つの計算は可能
・候補数が膨大ですべての解候補を計算できない
これを最小化（最大化）する解が最適
解が必ず満たすべき条件
解を用いた数式で表現
数式をPythonのプログラムで記述
Amplifyが最適解を探索
バイキングで最も安く
必要な栄養が取れる組合せは？
目的関数: 合計金額（最小化）
制約条件:
炭水化物：300g以上
タンパク質：150g以上
脂質：50g以上
(10g単位) 炭水化物タンパク質脂質金額
ごはん 8g 1g 1g 10円
パン 7g 1g 2g 12円
ハンバーグ 1g 5g 4g 50円
焼き魚 1g 8g 1g 35円
組合せ最適化問題の例
ごはん：380g
焼き魚：140g
金額：870円
最適メニュー
組合せ最適化問題は統一的なフレームワークで解くことができる

View Slide

製造業における品質管理の4M
13
本日の事例や
デモの対象
Man
Machine
Method
Material
4Mとは

View Slide

14
組合せ最適化の取り組み事例
シフト作成自動化生産計画最適化経路指示リアルタイム制御
倉庫を走行する多数の搬送ロ
ボット (AGV) が効率よく動
作するよう、最適経路だけで
なく迂回や交差点での待機な
どリアルタイムに指示します
人の直観で時間をかけて行っ
ていた生産ラインや物流倉庫
の業務シフト作成を、スキル
や勤務時間などの条件をもと
に最適化します
製造工場の設備の利用割り当て
(ジョブショップスケジューリ
ング) を、納期や段取り時間
などを考慮して最適化します
6/22 セミナーのテーマ 7/20 セミナーのテーマ 8/24 セミナーのテーマ

View Slide

最も効率的な作業員のシフトは？
15
チーム編成とタスク割り当て
解を取得
定式化
実装
問題設定
目的関数：業務要求の満足度最適化
・スキルや業務時間平滑化、個人の希望などの考慮
制約条件：チーム人数や一人1タスクなどの制約
・従来、ホワイトボードを使い、朝・夕30分程度ずつかけて作成
・Amplifyが10秒で推薦配置を提示
デモパートで
詳しくご紹介

View Slide

16
最も効率的な生産スケジュールは？
製品製造工程順序の最適化
October 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
Machine 1
Machine 2
Machine 3
Machine 4
Machine 5
Machine 6
Machine 7
Machine 8
Machine 9
Machine 10
解を取得
定式化
実装
問題設定
目的関数：製造完了時間（最小化）
・段取り時間、納期、稼動率などを考慮
制約条件：機械数や製造可能な製品の制約
・従来技術だと数時間かかることも
・Amplifyがより高速に妥当な解を提示

View Slide

17
装置1
装置2
装置x
A B B
B B B B
C E E D
A
電気機器製造メーカー A社様
複数の製品事業部から様々なプリント基板の注文を受け、生産を行う部門
生産する基板に応じて製造装置の部品や材料を交換する「段取り時間」
が必要。段取り時間を考慮した効率的な生産スケジュールを作成したい
従来は、専任者が、一日数回・毎回数十分かけて経験に基づいてスケジ
ュールを作成。更なる生産性向上やノウハウ継承のため、生産スケジュ
ール作成の自動化に着手
課
題
次期フェーズでは、Amplify
の活用領域の拡大を検討中！
最適化未経験のご担当者様1人がプログラム試作開始
から約1～2ヵ月間取り組んでこの効果を実現
現在は試作段階で、実運用に向けてモデルを改良中！
効
果段取りのための製造装置の停止回数の削減！
(10%以上削減)
段取り時間
段取り時間段取り時間
生産スケジュール作成の時間・コストの大幅な削減！
(一日あたり数時間 → 数分)

View Slide

最も効率的な部材や製品の搬送方法は？
18
AGV（無人搬送車）の待ち時間を最小化するリアルタイム経路選択
解を取得
定式化
実装
問題設定
目的関数：各AGVの次の一定時間の待ち時間（最小化）
制約条件：各AGVが衝突しない、など
・Amplifyが他のAGVの行動を考慮し、次の最適動作をリアルタイムに指示
・最短経路だけでなく、迂回・交差点制御なども実現

View Slide

19
Fixstars Amplify: メディア掲載
https://amplify.fixstars.com/ja/news/media
Software Design
「はじめての量子プログラミング体験」
（2021年6月号～2022年1月号まで連載）
Interface
「Pythonで体験！量子コンピュータ」
（2022年6月号）

View Slide

Fixstars Amplify のご紹介

View Slide

量子コンピュータとその周辺
1
量子コンピュータ
IBM/Google/Rigetti/IonQ
2
イジングマシン
富士通/日立/東芝/Fixstars
3
量子
アニーリング
D-Wave/NEC
1. 量子コンピュータ
量子ゲート方式
古典汎用コンピュータの上位互換。
量子力学の重ね合わせ状態を制御
する量子ゲートを操作し、特定の
問題を汎用的かつ高速に処理する。
2. イジングマシン
二値二次多項式模型
二次の多変数多項式で表される目
的関数の最適化問題 (QUBO) を扱
う
専用マシン。変数は0,1または±1。
統計物理学におけるイジング模型
(磁性体の性質を表す模型) に由来。
様々な実装により実現されている。
3. 量子アニーリング方式
量子焼きなまし法
イジングマシンの一種であり、量子
焼きなまし法の原理に基づいて動作
する。
量子イジング模型を物理的に搭載し
たプロセッサで実現する。
自然計算により低エネルギー状態が
出力される。
Amplify AE
21

View Slide

クラウドサービス：Fixstars Amplify
様々な量子コンピュータ・イジングマシンに対応したアプリケーションを開発出来る、クラウドプラットフォームです。
量子コンピューティング時代を見据え、シンプルで効率的な開発環境の提供を目指しています。
・・・
適用分野 (一例)
金融物流ライフサイエンス
様々なマシンに対応
各社が提供する量子アニーリング・イジングマシンを
Fixstars Amplifyから利用することが出来ます。
シンプルで効率的なアプリ開発
複雑で専門性の高いプロセスを自動化し、効率的にマシ
ンを使うための学習コストを、圧倒的に低くします。
PoCから実問題まで対応
大規模問題の入力と高速実行が可能で、PoCや実問題を視
野に入れたアプリケーション開発が行えます。
すぐに開発を開始可能
開発環境と実行環境がセットで提供されるため、すぐに
開発を開始することが出来ます。
主な特長
サービス概要
22

View Slide

二次計画問題
• 最適化問題の分類
• 組合せ最適化問題
• 決定変数が離散値 (整数など)
• 整数計画問題 (決定変数が整数)
• 0-1整数計画問題 (決定変数が二値)
• 連続最適化問題
• 決定変数が連続値 (実数など)
• 量子アニーリング・イジングマシン
Quadratic 二次形式
Unconstrained 制約条件なし
Binary 0-1整数 (二値)
Optimization 計画
𝑓 = ෍
𝑖𝑄𝑖𝑗
𝑞𝑖
𝑞𝑗
+ ෍
𝑖
𝑄𝑖𝑖
𝑞𝑖
𝑞𝑖
∈ 0,1 or 𝑞𝑖
∈ ±1
問題設定
(入力・定数)
決定変数
(出力・変数)
評価値
(目的関数)
• QUBO模型 (0-1整数二次計画問題)
23

View Slide

イジングマシンの実行手順
1. 数理モデル検討解きたい課題の「目的関数」「決定変数」「制約条件」を検討する
2. QUBO定式化 (論理)
「 2値決定変数+二次形式」で「目的関数」と「決定変数」を記述 (変換) する
「制約条件」は直接扱えないので「ペナルティ関数」で表現する
3. QUBO定式化 (物理)
各マシンの仕様や制限に準拠した形式にQUBO模型を変換する
(例: 二次項に制約がある場合は「グラフマイナー埋め込み」問題を解く)
4. 入力データの準備各マシンのSDKやAPI仕様に合わせてQUBO模型 (物理) をデータ化する
5. マシンの実行マシンを実行して出力の変数値やエネルギー値(コスト値)を解析する
上記の逆の手順を辿り解きたい課題の「決定変数」を解釈する
SWによる
支援と自動化
24

View Slide

Fixstars Amplify の特長
– いつでも開発環境と実行環境がセットのため
すぐにプログラミングと実行が出来る
– 誰でもハードウェアや専門的な知識が不要
無料で開発がスタート可能
– 高速に 10万ビットクラスの大規模問題の
高速処理と高速実行が可能
– あらゆる一般に公開されている全てのイジング
マシンを利用可能
25

View Slide

Fixstars Amplify クラウドの構成
Amplify クラウドが量子アニーリングマシン・イジ
ングマシンの大規模実行環境を提供
Amplify SDK で書かれた最適化エンジンは
他社製も含め全ての商用イジングマシンで実行可能
量子アニーリング・
イジングマシン (Amplify AE)
組合せ最適化問題の定式化やマシンを高度に操るた
めの最先端の技術や知見をライブラリ化したシンプ
ルなインターフェースを提供
専門知識が不要で量子アニーリングイジングマシン
を用いた最適化エンジンの開発に取り組める
Amplify SDK
組合せ最適化問題を含むアプリケーションは
Amplify SDK を用いることで効率的かつ簡便に組合
せ最適化の定式化が可能
研究・開発ではAmplifyクラウドは無償提供されるた
め直ぐに開発をスタートできる
アプリケーション
26

View Slide

Amplify の対応マシン
27

View Slide

Fixstars Amplifyによる課題解決
◼ イジングマシンのための革新的な開発環境
簡単多くのマシンに対応始めやすい
✓ SDKをインストールするだけ
ですぐに使える (pip install
amplify)
✓ ハードウェアの専門知識不要
でアプリケーションが開発で
きる
✓ 進化の早いマシンの発展に追
従すべての量子アニーリング/
イジングマシンに対応
✓ 10万ビット級のアニーリング
マシン実行環境が利用可能
✓ 研究・開発用途には開発環境
と実行環境が無償で利用可能
✓ 多くのチュートリアル、サン
プルコードを整備・拡充
多くの人が始めやすい開発プラットフォームを無料で提供
https://amplify.fixstars.com
28

View Slide

Fixstars Amplify の技術

View Slide

Amplify SDKのワークフロー
◼ 従来のプログラミングワークフローとの比較
実行方法
30

View Slide

Amplify SDKによるシンプルプログラミング
数独を解くサンプルアプリ富士通・デジタルアニーラの設定用コード
SDKなし
最適化しても
200行以上
出典: Wikipdia
SDKなし
59行
SDKあり
30行程度
SDKあり
1行
日立CMOSアニーリングマシンの設定用コード
SDKなし
183行
SDKあり
1行
31

View Slide

32
Amplify による巡回セールスマン問題の実装例

View Slide

Amplify Annealing Engine
• NVIDIA GPU V100/A100 で動作
• 独自の並列化シミュレーテッドアニーリングアルゴリズム
• WEB経由で計算機能を提供
• Amplify SDK の実装を直ぐに実行可能
• 社会課題への取り組み・PoC・検証が加速
• 商用マシンでは最大規模かつ最高速レベル
• 64Kビット (全結合) / 100Kビット超 (疎結合)
Amplify Cloud
33

View Slide

Amplify Annealing Engine
◼ 実問題やPoCを視野に入れたアプリケーション開発にも対応
研究・開発利用において無償提供
34

View Slide

Amplify 標準提供マシン
最先端の量子技術
最先端の並列化技術
NVIDIA A100/V100
最大10万ビット以上
D-Wave Advantage
5000量子ビット
出典:https://www.nvidia.com/ja-jp/data-center/dgx-2/
35

View Slide

Fixstars Amplify
新バージョンのご紹介
2022年6月より提供開始 (予定)

View Slide

37
➢ Amplify SDK のアップデート
➢ Amplify AE (実行環境) のアップデート
➢ 新価格プラン
Amplify の接続性や計算速度・精度・扱える問題サイズが
大幅に向上します
Amplify 新バージョンのご紹介

View Slide

38
Amplify SDK のアップデート
Gurobi がインストールされた環境においてAmplify との接続が可能になります
Amplify の定式化インターフェースをアニーリングマシンと数理最適化ソルバで
統一的に扱うことが可能になります
Amplify が、数理最適化ソルバーにも繋がります
数理最適化ソルバー対応

View Slide

39
Amplify Annealing Engine (実行環境) のアップデート
最大
4
倍
最大
4
倍
最大
4
倍
※ 対NVIDIA V100
NVIDIA A100 追加
最高性能のエンタープライズ向けGPUを
プレミアム・アカデミックユーザーへ
大規模性能向上
高速化・高精度化を
全てのユーザーへ
マルチGPUオプション
複数機同時実行・協調動作を
オプション購入の方へ
※ 対GPU1機
※ 対現バージョン

View Slide

40
Fixstars
Amplify AE
D-Wave
2000Q/Advantage
日立
CMOS
Annealing
富士通
Digital
Annealer
東芝
SBM
PoC版
装置型式 GPU 量子回路デジタル回路デジタル回路 GPU
最大ビット数 262,144以上
2,048 (16x16x8)/
5,760 (16x15x24)
61,952
(352x176)
8192 (DA2)/
100,000 (DA3)
10,000
係数パラメータ
デジタル
(32/64bit)
アナログ
(5bit程度)
デジタル
(3bit)
デジタル
(16/64 bit)
デジタル
(32bit)
結合グラフ全結合
キメラグラフ/
ペガサスグラフ
キンググラフ全結合全結合
全結合換算
ビット数
131,072 64/124 176
8192 (DA2)/
100,000 (DA3)
1,000
APIエンド
ポイント
Fixstars
Amplify
D-Wave Leap
Annealing
Cloud Web
DA Cloud AWS
2022年5月当社調べ
標準マシン標準マシン
Amplify AE (実行環境) のアップデート
A100 の導入に伴い、Amplify の扱える問題サイズが大きくなります
2
倍
全結合換算ビット数
※ 対現環境

View Slide

41
Amplify クラウド利用料新価格プラン (2022/6～)
ベーシックプラン
研究・開発用途の無料プラン
(現Developerプランの後継)
スタンダードプラン
実運用レベルで使いたい人は
(現Businessプランの後継)
プレミアムプラン
最高性能で計算したい人は
研究・開発フェーズでの利用
実運用フェーズでの利用
サポートベーシックスタンダードプレミアム
利用料金無料 / 1ユーザー月額10万円 / 1ユーザー
月額20万円 / 1ユーザー
月額60万円 / 5ユーザー
使用GPU
1ジョブの実行時間
実行時間拡張オプション
1ジョブの最大サイズ
マルチGPUオプション (*)
ジョブ実行優先度
月あたりの実行制限
NVIDIA V100
10秒/ジョブ
なし
8kビット(全結合)
16kビット(疎結合)
なし
低
制限実施の可能性あり
NVIDIA V100
1分/ジョブ
あり(別料金)
128kビット (疎結合)
あり(V100, 5万円/
機)
高
なし
NVIDIA A100
10分/ジョブ
あり(別料金)
256kビット(疎結合)
あり(A100, 10万円/
機)
高
なし
計算環境スモールミディアムラージ
(*) 初期1機に対して最大3機まで追加可
New
定式化や実装を
手厚く
支援します！
※ 弊社でカスタマイズ開発を承る場合の専用環境の利用料は100万円/月～別途ご相談 (オンプレも可能)

View Slide

製造業におけるAmplify活用デモ
・生産計画最適化

View Slide

生産計画最適化
43
品種ロット数
処理時間
(時間/ロット)
A 30 2時間
B 10 3時間
C 40 1時間
D 20 1時間
製品：4品種 100個
段取り時間
A→A 0時間
B→A 2時間
C→A 1時間
D→A 2時間
装置0
装置1
装置9
製造装置
10台
A A A
B B B B
B C A D
段取り
時間
段取り
時間
段取り
時間
A
同種のロットをできるだけまとめて生産したら
良さそうだけど、段取り時間もあるし、どうす
るのが一番いいんだろう・・・
【問題】10台の製造装置を使い4種の製品を合計100ロット作りたい。製造する品種を変更するには、部品
の交換するための段取り時間が必要。全ロットの生産が完了するまでの時間を最短にするには、どの製品を、
どの製造装置で、どういう順番で製造するのが最適か

View Slide

① 各装置が同時に作れるのは1品種のみ
② 各品種の合計生産数が予定数通り
生産時間と段取りの総生産時間の最小化
目的関数:
制約条件:
段取り時間を含めた総生産時間の最小化
18時間
Amplify
が10秒で
計算
解を取得
定式化
実装
問題設定
44
マシン10台、ロット100個

View Slide

#目的関数
for m in range(num_mac):
for l in range(lmax):
cost += coef * (lmax-l) * (t_proc*mac[m][l]).sum() # 処理時間
if (l>0):
for fr in range(num_type):
for to in range(num_type):
cost += coef * (lmax-l) * (
t_switch[fr][to] * mac[m][l-1][fr] * mac[m][l][to] # 段取り時間
)
# 品種の1hot制約
for m in range(num_mac):
for l in range(lmax):
model += one_hot(mac[m][l])
# 品種の合計数制約
for t in range(num_type-1): # dummy品種は除く
model += equal_to(sum_poly([mac[m][l][t] for m in range(num_mac) for l in range(lmax)]),
num_lots[t])
Pythonによる実装イメージ
解を取得
定式化
実装
問題設定
45

View Slide

46
使う予定だったマシンが突然1台故障！
マシン数を減らして再計算
(マシン10台 → 9台、ロット100個)
ロットAの追加発注。今日中に納期回答を！
ロット数を増やして再計算
(マシン10台、ロット100個 → 120個)
生産計画最適化: 様々な活用シーン
21時間 23時間
活用シーン1 活用シーン2

View Slide

生産量増に伴いマシン増設検討
マシンやロット数を増やして再計算
(マシン10台 → 12台、ロット100個 → 150個)
今月は注文が落ち着いているので稼働台数を減らし
て省エネ生産
納期を守れる最小マシン数を計算
(マシン10台 → 5台、ロット100個 → 55個)
24時間 21時間
47
活用シーン3 活用シーン4
生産計画最適化: 様々な活用シーン

View Slide

ご案内及びご連絡

View Slide

49
Fixstars Amplify: オンラインデモ & チュートリアル
https://amplify.fixstars.com/ja/demo

View Slide

セミナー・トレーニングのご案内
50
無料セミナー・ワークショップ
企業向けプライベートトレーニング
お客様が抱える実際の課題やデータを使った
カスタムメイドのトレーニングです！
ビジネス向け、エンジニア向けに分けて
毎月開催しています！
お客様の実際に課題解決をご支援するために、無料セミナーや有償トレーニングを提供しています
https://amplify.fixstars.com/ja/news/seminar
次回

View Slide

51
Fixstars Amplifyでは仲間を募集しています！
さまざまな専門性を持つエンジニアを募集しています。
詳細は https://www.fixstars.com/ja/recruit/joining-reward/まで

View Slide

Thank You
お問い合わせ窓口 : [email protected]

View Slide

量子コンピュータ時代の製造業におけるDXセミナー－見える化、予測・分析、その先の最適化へ－

量子コンピュータ時代の製造業におけるDXセミナー－見える化、予測・分析、その先の最適化へ－

fixstars

More Decks by fixstars

Other Decks in Business

Featured

Transcript

量子コンピュータ時代の製造業におけるDXセミナー －見える化、予測・分析、その先の最適化へ－

量子コンピュータ時代の製造業におけるDXセミナー －見える化、予測・分析、その先の最適化へ－

fixstars

More Decks by fixstars

Other Decks in Business

Featured

Transcript

量子コンピュータ時代の製造業におけるDXセミナー－見える化、予測・分析、その先の最適化へ－

量子コンピュータ時代の製造業におけるDXセミナー－見える化、予測・分析、その先の最適化へ－