Geração de vários Decision Optimization

Este tutorial mostra como gerar múltiplos cenários a partir de um notebook usando dados aleatórios. A geração de múltiplos cenários permite testar um modelo expondo-o a uma ampla gama de dados.

Antes de iniciar

Requisitos
Para editar e executar modelos do Decision Optimization , deve-se ter os pré-requisitos a seguir:
Funções Admin ou Editor
Deve-se ter as funções Admin ou Editor no projeto Os visualizadores de projetos compartilhados podem apenas ver experimentos, mas não podem modificá-los ou executá-los
serviço de tempo de execuçãowatsonx.ai
Você deve ter um serviço de tempo de execuçãowatsonx.ai associado ao seu projeto. É possível incluir um ao criar um Decision Optimization Experimento
Espaço de implementação
Deve-se ter um espaço de implementação associado ao seu Decision Optimization experimento. É possível escolher um espaço de implementação ao criar um Decision Optimization experimento..

Sobre essa tarefa

Os arquivos utilizados neste exemplo estão no projeto DO-samples . O modelo em questão é StaffPlanning e o notebook é CopyAndSolveScenarios.

Procedimento

Para criar e resolver um cenário usando uma amostra:

  1. Faça download e extraia todas as amostras DO em sua máquina. Você também pode fazer o download apenas do arquivo StaffPlanning.zip da subpasta Model_Builder para o seu produto e versão, mas neste caso não extraia-lo.
  2. Abra seu projeto ou crie um projeto vazio.
  3. Selecione a guia Ativos .
  4. Selecione Novo ativo > Resolver problemas de otimização no Trabalhar com modelos seção.
  5. Clique em Arquivo local na janela Criar um experimento do Decision Optimization que é aberta.
  6. navegue para escolher o arquivo StaffPlanning.zip na pasta Model_Builder . Selecione a subpasta de produto e versão relevante.
  7. Se você ainda não tiver associado um serviço de tempo de execuçãowatsonx.ai ao seu projeto, deverá primeiro selecionar Adicionar um serviço Machine Learning para selecionar ou criar um antes de escolher um espaço de implantação para o seu experimento.
  8. Clique em Criar.
    Um modelo Decision Optimization é criado com o mesmo nome da amostra.
  9. Trabalhando no Cenário 1 do modelo StaffPlanning , é possível ver que a solução contém tabelas para identificar quais os recursos funcionam quais dias para atender a demanda esperada.
    Se não houver solução exibida, ou para reexecutar o modelo, clique em Modelo de construção na barra lateral, então clique em Executar para resolver o modelo.

Como usar um gerador aleatório para criar novos cenários

Procedimento

Para criar novos cenários usando um dado randomizado usando uma amostra:

  1. Selecione a guia Ativos .
  2. Selecione Novo ativo > Trabalhar com dados e modelos emPython ou R no Trabalhar com modelos seção.
  3. Selecione a guia Arquivo local na nova janela que é aberta
  4. Clique em Arrastar e soltar arquivos aqui ou faça upload de e navegue para escolher o bloco de notas CopyAndSolveScenarios na pasta jupyter Selecione a subpasta de produto e versão relevante.
  5. Clique em Criar Notebook.
    O bloco de notas é aberto em seu projeto.
  6. Na guia Configurações do seu projeto, localize a seção Access Tokens , e clique em Novo token +. Insira um nome de token, selecione Editor como a função de Acesso e clique em Criar.
  7. Retorne ao seu notebook a partir da aba Ativos do seu projeto e clique no ícone do lápis para editá-lo. No menu Mais Mais ícone de menu contendo três pontinhos verticais, selecione Inserir token do projeto. Isso inclui seu token de autorização em uma célula oculta.
  8. No Menu de Navegação inicial principal, selecione Administração > Acesso (IAM) > chaves de API. Crie e copie sua chave de API.
  9. Retorne ao bloco de notas do CopyAndSolveScenarios e localize a célula que contém client=Client(pc=pc,apikey="API_key"e substitua API_key por sua própria chave de API do IBM Cloud que você acabou de copiar.
  10. Localizar a célula contendo decision = client.get_experiment(name="StaffPlanning").
    Esta célula instrui o notebook a copiar Scenario 1 a partir do modelo StaffPlanning e usá-lo para gerar cenários adicionais baseados em dados randomizados. Se você já tiver usado outro nome para o seu modelo, substitua Staffplanning pelo nome que escolheu.
  11. Executar o notebook usando Cell>Run All.
    O bloco de notas usa o módulo Python random para gerar dados para cinco cenários adicionais no modelo denominado StaffPlanning Os novos cenários são nomeados Cópia 01 ... Cópia 05. O número de cenários a serem gerados é especificado na célula 9, N_SCENARIOS = 5.
  12. Abra o modelo StaffPlanning para comparar as soluções dos diferentes cenários. Clique no ícone Cenários para abrir a área de janela Cenário e mover-se rapidamente entre os cenários. Também é possível ver todos os cenários em uma visão rápida na Visão geral.
  13. Clique em Visualização na área de janela de navegação para comparar os diferentes cenários na guia Multi Cenário .
    O gráfico de Demanda traça a demanda para os diferentes períodos nos cenários gerados aleatoriamente. O gráfico de KPIs traça o custo total entre os cenários gerados aleatoriamente. O gráfico Meus KPIs fornece um mapa de calor de custos para os diferentes cenários juntamente com a combinação de recursos temporários e fixos para cada um deles.

Resultados

Este exemplo mostra a facilidade com que é possível testar seu modelo gerando cenários adicionais com base em dados aleatórios. Esse teste permite avaliar se o modelo é robusto o suficiente para que seja executado com eficiência em um ambiente com dados variáveis.