Creación de modelos de Decision Optimization

IBM® Decision Optimization le proporciona acceso a los motores de soluciones líderes del sector de IBMpara programación matemática y programación de restricciones. Puede crear modelos de Decision Optimization con cuadernos o utilizando la potente interfaz de usuario de experimento de Decision Optimization . Aquí puede importar, crear o editar modelos. Para crear o editar sus modelos, puede utilizar Python, OPL, o las expresiones en lenguaje natural que proporciona el inteligente Modeling Assistant. También puede resolver varios escenarios y guardar modelos para desplegarlos con el servicio Watson Machine Learning desde la IU de experimento.

Formato de los datos
Tabular: archivos .csv, .xls, .json . Véase Preparación de los datos de entrada en un experimento Decision Optimization

Datos de Activos de datos conectados

Para la implementación, consulte los formatos de los archivos de datos de entrada y salida de los modelos en Decision Optimization

Tamaño de datos
Cualquiera

Véase también Despliegue de modelos de Decision Optimization con Watson Machine Learning.

Acceso a Decision Optimization

Para crear un experimentode Decision Optimization , siga estos pasos.

  1. Abra el proyecto o cree un proyecto vacío.
  2. Seleccione la pestaña Activos .
  3. Seleccione Nuevo activo > Resolver problemas de optimización en la sección Trabajar con modelos.
  4. Pulse Nuevo espacio de despliegue, especifique un nombre y pulse Crear (o seleccione un espacio existente).
  5. Especifique un Nombre para el experimento de Decision Optimization y pulse Crear.

Se abre la Decision Optimization IU de experimento donde puede crear y editar modelos formulados con Modeling Assistant, o en Python DOcplex, o en OPL.

Alternativamente, para abrir y ejecutar ' Decision Optimization ' cuadernos (sin el ' Decision Optimization ' experimento UI), siga estos pasos.

  1. Seleccione la pestaña Activos .
  2. Seleccione Nuevo activo > Trabajar con datos y modelos en Python o R en la sección Trabajar con modelos.

Para obtener una guía paso a paso para crear, resolver y desplegar un modelo de Decision Optimization , utilizando la interfaz de usuario, consulte la Guía de aprendizaje de inicio rápido con vídeo.

¿Qué es Decision Optimization?

Las personas utilizan con frecuencia el término optimización para significar hacer algo mejor. Aunque la optimización a menudo mejora las cosas, significa mucho más: la optimización significa encontrar la solución más adecuada para una situación definida con precisión. Se trata de una sofisticada tecnología analítica, también denominada Prescriptive Analytics, que puede explorar una amplia gama de posibles escenarios y sugerir la mejor forma de responder a una situación presente o futura.

Puede ver los pasos necesarios para modelar y resolver un problema empresarial con Decision Optimization en el siguiente diagrama. Estos pasos también se detallan más adelante en esta sección. Decision Optimization

Los siguientes pasos describen el modelado y la resolución de un problema empresarial con Decision Optimization.
  1. La situación suele ser un problema empresarial, como la planificación, la planificación, la fijación de precios, el inventario o la gestión de recursos.
  2. Sea cual sea el problema, su resolución se inicia con el modelo de optimización, que es la formulación matemática del problema que puede interpretar y resolver un motor de optimización. El modelo de optimización especifica las relaciones entre los objetivos, restricciones, limitaciones y opciones que intervienen en las decisiones. Pero son los datos de entrada los que concretan estas relaciones. Un modelo de optimización para la planificación de producción, por ejemplo, puede tener el mismo formato tanto si está produciendo tres productos como mil. El modelo de optimización más los datos de entrada crean una instancia de un problema de optimización.
  3. Los motores de optimización (o solucionadores) aplican algoritmos matemáticos para encontrar una solución, un conjunto de decisiones que logra los mejores valores para los objetivos y respeta las restricciones y limitaciones impuestas. El motor de optimización aplica algoritmos especializados que se desarrollan y ajustan para resolver eficazmente una gran variedad de problemas diferentes. Decision Optimization utiliza los motores IBM CPLEX y CP Optimizer que han demostrado ser potentes en la resolución de aplicaciones del mundo real.
  4. La solución que surge del solucionador detalla los valores recomendados para todas las decisiones representadas en el modelo. Igualmente importantes son los valores de métrica que representan los destinos. Estos valores miden la calidad de la solución en términos de los objetivos de negocio.
  5. Todo esto se puede poner a disposición de los usuarios empresariales con una aplicación empresarial complementaria. Normalmente, los valores de objetivo y solución se resumen en vistas tabulares o gráficas que proporcionan comprensión y conocimiento.

Más información