Démarrage rapide: Génération, exécution et déploiement d'un modèle Decision Optimization
Vous pouvez générer et exécuter des modèles Decision Optimization pour vous aider à prendre les meilleures décisions pour résoudre des problèmes métier en fonction de vos objectifs. Lisez la rubrique Decision Optimization, puis regardez une vidéo et suivez un tutoriel qui convient aux utilisateurs ayant une certaine connaissance de l'analyse prescriptive, mais qui ne nécessite pas de codage.
- Services requis
- Watson Studio
- Watson Machine Learning
Votre flux de travaux de base inclut les tâches suivantes:
- Créez un projet. Dans les projets, vous pouvez collaborer avec d'autres personnes pour utiliser des données.
- Ajoutez une expérimentation Decision Optimization au projet. Vous pouvez ajouter des fichiers compressés ou des données à partir d'exemples de fichier.
- Créez un espace de déploiement à associer au Watson Machine Learning Servicedu projet.
- Passez en revue les données, les objectifs de modèle et les contraintes dans l' Modeling Assistant.
- Exécutez un ou plusieurs scénarios pour tester votre modèle et examiner les résultats.
- Déployez votre modèle.
En savoir plus sur Decision Optimization
Decision Optimization peut analyser des données et créer un modèle d'optimisation (avec Modeling Assistant) basé sur un problème métier. Tout d'abord, un modèle d'optimisation est dérivé en convertissant un problème métier en une formulation mathématique qui peut être comprise par le moteur d'optimisation. La formulation comprend des objectifs et des contraintes qui définissent le modèle sur lequel repose la décision finale. Le modèle, avec vos données d'entrée, forme un scénario. Le moteur d'optimisation résout le scénario en appliquant les objectifs et les contraintes pour limiter des millions de possibilités et fournit la meilleure solution. Cette solution satisfait la formulation du modèle ou relaxe certaines contraintes si le modèle est infaisable. Vous pouvez tester des scénarios à l'aide de données différentes ou en modifiant les objectifs et les contraintes, en les réexécutant et en affichant des solutions. Une fois satisfait, vous pouvez déployer votre modèle.
Regardez une vidéo sur la création d'un modèle Decision Optimization
Regardez cette vidéo pour voir comment exécuter un exemple d'expérimentation Decision Optimization pour créer, résoudre et déployer un modèle Decision Optimization avec Watson Studio et Watson Machine Learning.
Cette vidéo fournit une méthode visuelle pour apprendre les concepts et les tâches de cette documentation.
Essayez un tutoriel pour créer un modèle qui utilise Decision Optimization
Dans ce tutoriel, vous allez effectuer les tâches suivantes:
- Tâche 1: Ouvrir un projet.
- Tâche 2: Créer une expérimentation Decision Optimization dans le projet.
- Tâche 3: Créer un modèle et visualiser un résultat de scénario.
- Tâche 4: Modifier les objectifs et les contraintes du modèle.
- Tâche 5: Déployer le modèle.
- Tâche 6: Tester le modèle.
Ce tutoriel dure environ 30 minutes.
Conseils pour l'exécution de ce tutoriel
Voici quelques conseils pour réussir ce tutoriel.
Configurez les fenêtres de votre navigateur
Pour profiter pleinement de ce tutoriel, ouvrez votre compte dans une fenêtre de navigateur et gardez cette page de tutoriel ouverte dans une autre fenêtre afin de pouvoir passer facilement de l'une à l'autre. Envisagez d'organiser les deux fenêtres du navigateur côte à côte pour faciliter le suivi.

Tâche 1: Ouvrir un projet
Vous avez besoin d'un projet pour stocker les données et l'expérimentation AutoAI . Vous pouvez utiliser un projet existant ou créer un projet.
Dans le menu de navigation
, sélectionnez Projets > Tous les projets.
Ouvrez un projet existant. Si vous souhaitez utiliser un nouveau projet:
Cliquez sur Nouveau projet.
Sélectionnez Créer un projet vide.
Entrez un nom et une description facultative pour le projet.
Cliquez sur Créer.
Pour plus d'informations, voir Création d'un projet.
Vérifiez vos progrès
L'image suivante montre le nouveau projet.

Tâche 2: Créer une expérience Decision Optimization
A présent, procédez comme suit pour créer l'expérimentation Decision Optimization dans votre projet:
Depuis votre nouveau projet, cliquez sur Nouvel atout > Résoudre les problèmes d'optimisation.
Sélectionnez Fichier local.
Cliquez sur Obtenir des exemples de fichiers pour afficher le référentiel GitHub contenant les exemples de fichiers.
Dans le référentiel DO-Samples , ouvrez le dossier approprié pour votre déploiement Cloud Pak for Data .
Cliquez sur le fichier
HouseConstructionScheduling.zipcontenant les exemples de fichier de construction de maison.Cliquez sur Télécharger pour sauvegarder le fichier zip sur votre ordinateur.
Revenez à la page Créer une expérimentation Decision Optimization et cliquez sur Parcourir.
Sélectionnez le fichier
HouseConstructionScheduling.zipsur votre ordinateur.Cliquez sur Ouvrir.
Choisissez un espace de déploiement à associer à cette expérimentation. Si vous ne disposez pas d'un espace de déploiement existant, créez-en un:
Dans la section Sélectionner un espace de déploiement , cliquez sur Nouvel espace de déploiement.
Dans la zone Nom , entrez
House samplepour indiquer un nom pour l'espace de déploiement.Cliquez sur Créer.
Lorsque l'espace est prêt, cliquez sur Fermer pour revenir à la page Créer une expérimentation Decision Optimization . Votre nouvel espace de déploiement est sélectionné.
Cliquez sur Créer pour ouvrir l'expérimentation Decision Optimization .
Vérifiez vos progrès
L'image suivante montre l'expérimentation avec les exemples de fichier.

Tâche 3: Générer un modèle et visualiser un résultat de scénario
Procédez comme suit pour générer un modèle et visualiser le résultat à l'aide de l'assistant de modélisation Decision Optimization Modeling Assistant.
Dans la sous-fenêtre de gauche, cliquez sur Créer un modèle pour ouvrir l' Modeling Assistant. Ce modèle a été créé avec l' Modeling Assistant pour que vous puissiez voir que les objectifs et les contraintes sont en langage naturel, mais vous pouvez également formuler votre modèle dans Python, OPL ou importer des modèles CPLEX et CPO.
Cliquez sur Exécuter pour exécuter le scénario afin de résoudre le modèle et attendez la fin de l'exécution.
Une fois l'exécution terminée, la vue Explorer la solution s'affiche. Sous l'onglet Résultats , cliquez sur Actifs de la solution pour afficher les valeurs résultantes (meilleures) des variables de décision. Ces tables de solution sont affichées par ordre alphabétique par défaut.
Dans le panneau de gauche, sélectionnez Visualisation.
Sous l'onglet Solutions , sélectionnez Gantt pour afficher le scénario avec le planning optimal.
Vérifiez vos progrès
L'image suivante montre la page Visualisation avec un diagramme de Gantt.

Tâche 4: Modifier les objectifs et les contraintes du modèle
A présent, vous souhaitez apporter une modification à votre formulation de modèle afin de prendre en compte un objectif supplémentaire. Pour modifier les objectifs et les contraintes du modèle, procédez comme suit:
Cliquez sur Créer un modèle.
Dans le volet gauche, cliquez sur le menu Débordement
à côté du scénario 1, puis sélectionnez Dupliquer.
Pour le nom, entrez
Scenario 2et cliquez sur Créer.Pour le scénario 2, ajoutez un objectif au modèle afin d'optimiser la qualité du travail en fonction de l'expertise de chaque contractant.
Sous Ajouter au modèle, dans la zone de recherche, entrez
overall qualityet appuyez surEnter.Développez la section Objectif .
Cliquez sur Maximiser la qualité globale des affectations de sous-traitants-Activité en fonction de la table des valeurs d'affectation pour l'ajouter en tant qu'objectif. Ce nouvel objectif est désormais répertorié sous la section Objectifs avec l'objectif Réduire le temps nécessaire à l'exécution de toutes les activités .
Pour l'objectif que vous venez d'ajouter, cliquez sur table des valeurs d'affectationet sélectionnez Expertise. La liste des paramètres Expertise s'affiche.
Dans cette liste, cliquez sur définition pour modifier la zone définissant l'expertise du contractant et sélectionnez Niveau de compétence.
Cliquez sur Exécuter pour exécuter le scénario afin de générer le modèle et attendre la fin de l'exécution.
Revenez à la page Explorer la solution pour afficher les Objectifs et les actifs de la solution.
Dans le panneau de gauche, sélectionnez Visualisation.
Sous l'onglet Solutions , sélectionnez Gantt pour afficher le scénario avec le planning optimal.
Cliquez sur Présentation dans le panneau de gauche pour comparer les statistiques entre le scénario 1 et le scénario 2.
Vérifiez vos progrès
L'image suivante montre la page Visualisation avec le nouveau diagramme de Gantt.

Tâche 5: Déployer le modèle
Ensuite, procédez comme suit pour promouvoir le modèle dans un espace de déploiement et créer un déploiement:
Cliquez sur le menu Débordement
à côté du scénario 1, puis sélectionnez Enregistrer pour le déploiement.
Dans la zone Nom du modèle , entrez
House Constructionet cliquez sur Suivant.Passez en revue les informations du modèle et cliquez sur Sauvegarder.
Une fois le modèle sauvegardé, une barre de notification s'affiche avec un lien vers le modèle. Cliquez sur Afficher dans le projet.
Si vous manquez la notification, cliquez sur le nom du projet dans la trace de navigation.
Cliquez sur l'onglet Actifs dans le projet.
Cliquez sur le modèle Construction de la maison .
Cliquez sur l'icône Promouvoir vers l'espace
de déploiement.
Pour Espace cible, sélectionnez Exemple de maison (ou votre espace de déploiement) dans la liste.
Cochez l'option Accéder au modèle dans l'espace après l'avoir déployé.
Cliquez sur Promouvoir.
Une fois le modèle promu, le modèle Construction de maison s'affiche dans l'espace de déploiement.
Cliquez sur Nouveau déploiement.
Pour le nom de déploiement, entrez
House deployment.Pour la Définition du matériel, sélectionnez 2 UC et 8 Go de mémoire RAM dans la liste.
Cliquez sur Créer.
Attendez que le statut du déploiement passe à Déployé.
Vérifiez vos progrès
L'image suivante montre le déploiement de House.

Tâche 6: Tester un modèle
Pour tester le modèle avec un scénario, vous devez télécharger les fichiers de données de votre ordinateur vers l'espace de déploiement. Suivez ces étapes pour tester le modèle en créant une tâche à l'aide des fichiers « CSV » inclus dans le fichier ZIP d'exemple :
Cliquez sur House sample (ou votre espace de déploiement) dans la trace de navigation pour revenir à l'espace de déploiement.
Cliquez sur l'onglet Actifs.
Dans le
HouseConstructionScheduling.zipdossier de votre ordinateur, vous trouverez plusieurs fichiers « CSV » dans le dossier «.containers > Scenario 1 ».Cliquez sur l'icône Télécharger
un élément pour ouvrir le panneau Données.
Faites glisser les fichiers
Subcontractor.csv,Activity.csvetExpertise.csvdans la zone Déposez les fichiers ici ou recherchez les fichiers à télécharger dans le panneau Données .
Cliquez sur l'onglet Déploiements .
Cliquez sur Déploiement de la maison.
Maintenant, pour soumettre un travail afin d'évaluer le modèle, cliquez sur Nouveau travail.
Pour le nom de travail, entrez
House construction job.Cliquez sur Next.
Sélectionnez les valeurs par défaut sur la page Configurer , puis cliquez sur Suivant.
Sélectionnez les valeurs par défaut dans la page Planification , puis cliquez sur Suivant.
Sélectionnez les valeurs par défaut dans la page Notifier , puis cliquez sur Suivant.
Dans la page Sélectionner des données , dans la section Entrée , sélectionnez les actifs de données correspondants que vous avez précédemment chargés dans votre espace pour chaque ID d'entrée.
Pour ID d'entrée Subcontractor.csv, cliquez sur Sélectionner une source de données > Subcontractor.csv > Confirmer.
Pour ID d'entrée Activity.csv, cliquez sur Sélectionner la source de données > Activity.csv > Confirmer.
Pour ID entrée Expertise.csv, cliquez sur Sélectionner une source de données > Expertise.csv > Confirmer.
Dans la section Sortie , vous indiquez le nom de chaque table de solutions à créer.
Pour ID de sortie ScheduledActivities.csv, cliquez sur Sélectionner une source de données > Créer, tapez
ScheduledActivities.csvpour le nom et cliquez sur Confirmer.Pour ID de sortie NotScheduledActivities.csv, Cliquez sur Sélectionnez la source de données > Créer un nouveau, taper
NotScheduledActivities.csvpour le nom, puis cliquez sur Confirmer.Pour Output ID stats.csv, cliquez sur Select data source > Create new, tapez
stats.csvpour le nom et cliquez sur Confirm.Pour Output ID kpis.csv, cliquez sur Select data source > Create new, tapez
kpis.csvpour le nom et cliquez sur Confirm.Pour Output ID solution.json, cliquez sur Select data source > Create new, tapez
solution.jsonpour le nom et cliquez sur Confirm.Pour Output ID log.txt, cliquez sur Select data source > Create new, tapez
log.txtpour le nom et cliquez sur Confirm.
Passez en revue les informations de la page Choisir des données , puis cliquez sur Suivant.
Passez en revue les informations de la page Réviser et créer , puis cliquez sur Créer et exécuter.
Dans la page de modèle Déploiement de maison , cliquez sur le travail que vous avez créé et nommé Travail de construction de maison pour voir son statut.
Une fois l'exécution du travail terminée, cliquez sur House sample (ou sur votre espace de déploiement) pour revenir à l'espace de déploiement.
Dans l' onglet Actifs, vous verrez les fichiers de sortie:
ScheduledActivities.csv
NotScheduledactivities.csv
stats.csv
kpis.csv
solution.json
log.txt
Pour chacun de ces actifs, cliquez sur l'icône Télécharger , puis affichez chacun de ces fichiers.
Vérifiez vos progrès
L'image suivante montre le travail par lots terminé.

Etapes suivantes
Vous pouvez maintenant utiliser cet ensemble de données pour une analyse plus approfondie. Par exemple, vous ou d'autres utilisateurs pouvez effectuer l'une des tâches suivantes: