Article d'QuantumBasel · Publié pour la première fois le 18 novembre 2025
Pfizer Inc. est l’une des plus grandes entreprises biopharmaceutiques au monde, disposant d’un réseau mondial complexe couvrant la R&D, la fabrication et la distribution. Ses produits couvrent des domaines thérapeutiques essentiels tels que l’oncologie, l’immunologie et les vaccins, ce qui nécessite une production précise en plusieurs étapes, soumise à des normes strictes en matière de qualité et de réglementation. Une planification efficace est essentielle pour gérer cette ampleur et cette complexité. Afin d’explorer des solutions de planification de nouvelle génération, Pfizer s’est associé à D-Wave et à l’ QuantumBasel pour mener une démonstration de faisabilité technologique (Proof of Technology, PoT) à l’aide d’une approche hybride de recuit quantique-classique. L’objectif : améliorer la planification de la production sur le site de Pfizer à Fribourg par rapport aux méthodes classiques existantes et récemment optimisées.
Chiffres clés
- Réduction d'environ ≈⅔ de la durée d'exécution sur la période analysée, par rapport à la solution de référence
- ≈ ⅓ de violations de contraintes en moins
- Réduction de 100 % des problèmes critiques* Aucun problème critique constaté*
*aucun chevauchement entre machines, aucun conflit de priorité ni aucune infraction aux horaires de fermeture n'a été constaté*
Le défi
Le site de Pfizer à Fribourg est confronté à une grande complexité dans la planification de sa production. L'usine fonctionne dans des conditions de forte utilisation des ressources et met en œuvre des processus de fabrication interdépendants et en plusieurs étapes, organisés sous forme de campagnes de production. De plus, le calendrier doit être souple et s'adapter rapidement à tout événement imprévu ou à tout changement dans le processus de production.
Les modifications de dernière minute apportées aux plannings nécessitent un travail manuel considérable et un savoir-faire spécifique, ce qui rend difficile l'optimisation constante de la livraison, du rendement et des coûts. Il en résulte un besoin de solutions de planification plus agiles et plus intelligentes, capables de gérer de manière fiable ces conditions dynamiques et d'améliorer le taux d'utilisation des machines.
Objectif du projet
En collaboration avec l’ QuantumBasel et D-Wave, Pfizer a lancé un projet de validation technologique (Proof of Technology, PoT) visant à explorer des méthodes avancées de planification de la production par lots. L’objectif principal était d’évaluer l’efficacité des méthodes hybrides d’annealing quantique-classique par rapport à la solution de production actuelle, ainsi que de les comparer à une solution classique de calcul haute performance (HPC) nouvellement conçue, dans le cadre de l’optimisation d’une campagne de production de six semaines sur le site de Fribourg. Le projet visait à améliorer des indicateurs de performance clés – tels que la durée totale (c’est-à-dire la durée effective du planning, de l’attribution de la première tâche à l’achèvement de la dernière tâche), les retards (nombre de jours au-delà des délais), le nombre de tâches en retard et les violations de contraintes – tout en évaluant le potentiel d’une mise en œuvre à grande échelle au sein du réseau de fabrication mondial de Pfizer.
Cette initiative a réuni des acteurs locaux et internationaux afin de tester la viabilité des technologies informatiques de nouvelle génération dans un environnement réel de production pharmaceutique.
Méthodologie
sur l'ensemble des tâches et sous-tâches planifiées au cours de cette période. L'approche d'optimisation classique a fait appel à des systèmes HPC équipés de GPU et à des solveurs d'optimisation classiques de pointe, tandis que la méthode quantique hybride a été mise en œuvre à l'aide du tout dernier solveur d'annealing quantique non linéaire hybride de D-Wave, spécialement conçu pour les tâches d'optimisation complexes.
Le modèle de planification tenait compte de diverses contraintes opérationnelles, notamment la disponibilité des machines, la priorité des tâches, la planification des opérateurs et l'adaptation aux perturbations en temps réel. Des indicateurs clés de performance (KPI) ont été définis pour mesurer l'efficacité du modèle, comme indiqué précédemment : durée totale de production, nombre de tâches en retard, retard moyen et violations de contraintes. Tous les KPI ont reçu une pondération égale dans le processus d'optimisation.
Bien que cette première phase de test ait utilisé un ensemble de données relativement restreint, elle a permis de jeter des bases solides. Les phases futures devraient inclure des ensembles de données plus volumineux et plus complexes provenant d'autres sites de production, afin de tester une évolutivité et une adaptabilité accrues.
Résultats
Les résultats ont mis en évidence des avantages évidents tant pour les méthodes d’optimisation classiques que pour les méthodes quantiques – en particulier ces dernières. La durée totale de production a été réduite d’environ deux tiers par rapport à la solution de référence, ce qui a permis d’améliorer considérablement l’efficacité globale de la production. Les violations de contraintes ont été réduites d’environ un tiers et les problèmes majeurs, tels que les chevauchements de machines, les conflits de priorité et les non-respects des heures de fermeture, ont été complètement éliminés au cours de la période analysée. Le nombre de tâches en retard et le retard moyen ont également été considérablement réduits.
Si l'on compare les solutions d'optimisation quantique classiques et hybrides, la solution quantique hybride s'est révélée légèrement plus performante que le modèle HPC classique en termes d'efficacité globale. Bien que la méthode classique ait donné d'excellents résultats sur cet ensemble de données, la solution quantique hybride a permis d'obtenir des résultats légèrement supérieurs et pourrait mieux s'adapter à des contraintes plus complexes et à des problèmes de plus grande envergure, ce que les prochaines phases de recherche permettront de vérifier.
Cette collaboration avec l’ QuantumBasel et D-Wave nous a permis d’explorer le véritable potentiel des technologies quantiques dans un environnement de production complexe et à enjeux élevés. Les résultats observés sur notre site de Fribourg démontrent que les approches quantiques hybrides peuvent améliorer de manière significative les performances et l’efficacité de la planification, et favoriser un processus de fabrication plus agile. À l’avenir, nous voyons un grand potentiel dans la généralisation de ces méthodes — Pembe Gül Bilir, ingénieure de projet en innovation, Pfizer Fribourg
- Le délai de fabrication du produit a été réduit d'environ deux tiers par rapport à la solution de référence, ce qui a permis d'achever plus rapidement toutes les tâches programmées.
- Les violations de contraintes ont diminué d'environ un tiers, ce qui a permis d'obtenir une planification plus fluide et plus conforme.
- Les problèmes critiques ont été entièrement éliminés au cours de la période analysée : aucun chevauchement entre machines, aucun conflit de priorité ni aucun non-respect des délais de fermeture n'a été constaté.
- On a constaté une baisse significative du nombre de commandes livrées en retard et de la durée moyenne des retards, ce qui a permis d'améliorer les performances en matière de respect des délais de livraison.
Impact sur l'activité
Les plannings optimisés ont le potentiel de transformer la manière dont Pfizer gère la planification de la production. Une planification plus rapide et plus flexible favorise des montées en puissance plus rapides, s’adapte plus facilement aux imprévus et aux changements dans le processus de production, et réduit le temps nécessaire aux ajustements manuels. En améliorant l’efficacité des ressources, les nouveaux plannings pourraient potentiellement augmenter la production globale et offrir un potentiel significatif pour utiliser plus efficacement les temps d’arrêt des machines — par exemple, pour la maintenance préventive. Cela pourrait se traduire par des économies grâce à une réduction de la consommation d’énergie et à une meilleure planification des capacités. Il est important de noter que l’approche quantique hybride devrait bien s’adapter à l’échelle et être particulièrement bien adaptée aux ensembles de données plus volumineux et aux scénarios de fabrication plus complexes. Pour mieux cerner l’impact global de cette méthode sur l’activité, la prochaine étape consisterait à la tester sur des ensembles de données plus volumineux.
C'est la solution optimisée par calcul quantique qui a obtenu les meilleurs résultats au sein du PoT, suivie par l'approche d'optimisation classique. À mesure que la complexité et la taille des ensembles de données augmentent, on s'attend à ce que l'avantage du calcul quantique par rapport au calcul classique soit encore plus marqué.
Prochaines étapes
Suite au succès de cette première démonstration de faisabilité (PoT), Pfizer prévoit d'étendre l'étude à des ensembles de données plus volumineux et d'affiner davantage les modèles. Cette démarche comprendra des tests à plus grande échelle, l'intégration aux systèmes existants de Pfizer, ainsi qu'une évaluation de l'impact commercial à long terme dans d'autres environnements de production.
Pour en savoir plus, rendez-vous sur https://healthcarehub.pfizer.de/quantum-annealing-proof-technology-pfizer-freiburg-explores-new-methods-production-planning
