Iniciação rápida: construir, executar e implementar um modelo do Decision Optimization

É possível construir e executar modelos do Decision Optimization para ajudar a tomar as melhores decisões para resolver problemas de negócios com base em seus objetivos. Leia sobre Decision Optimization, em seguida, assista a um vídeo e faça um tutorial adequado para usuários com algum conhecimento de analítica prescritiva, mas não requer codificação.

Serviços necessários
Watson Studio
Watson Machine Learning

Seu fluxo de trabalho básico inclui estas tarefas:

  1. Crie um projeto. Os projetos são onde você pode colaborar com outras pessoas para trabalhar com dados
  2. Inclua uma experiência do Decision Optimization no projeto. É possível incluir arquivos compactados ou dados de arquivos de amostra.
  3. Crie um espaço de implementação para associar ao Watson Machine Learning Servicedo projeto..
  4. Revise os dados, objetivos de modelo e restrições no Modeling Assistant.
  5. Execute um ou mais cenários para testar seu modelo e revisar os resultados..
  6. Implementar seu modelo.

Leia sobre Decision Optimization

O Decision Optimization pode analisar dados e criar um modelo de otimização (com o Modeling Assistant) com base em um problema de negócios. Primeiro, um modelo de otimização é derivado convertendo um problema de negócios em uma formulação matemática que pode ser entendida pelo mecanismo de otimização. A formulação consiste em objetivos e restrições que definem o modelo no qual a decisão final é baseada.. O modelo, juntamente com seus dados de entrada, forma um cenário.. O mecanismo de otimização resolve o cenário aplicando os objetivos e restrições para limitar milhões de possibilidades e fornece a melhor solução. Essa solução satisfaz a formulação de modelo ou relaxa determinadas restrições se o modelo for inviável. É possível testar cenários usando dados diferentes ou modificando os objetivos e restrições e executando-os novamente e visualizando soluções. Uma vez satisfeito, é possível implementar o seu modelo

Assista a um vídeo sobre como criar um modelo do Decision Optimization

Assista ao vídeo Assista a este vídeo para ver como executar um experimento de amostra do Decision Optimization para criar, resolver e implementar um modelo do Decision Optimization com Watson Studio e Watson Machine Learning.

Renúncia de responsabilidade de vídeo: Algumas etapas secundárias e elementos gráficos neste vídeo podem ser diferentes de sua plataforma A interface com o usuário é frequentemente melhorada.

Este vídeo fornece um método visual para aprender os conceitos e tarefas nesta documentação.


Tente um tutorial para criar um modelo que usa o Decision Optimization

Neste tutorial, você concluirá estas tarefas:

Este tutorial levará aproximadamente 30 minutos para ser concluído..




Dicas para concluir este tutorial
Aqui estão algumas dicas para concluir com sucesso este tutorial.

Configure as janelas do navegador

Para uma experiência ideal ao concluir este tutorial, abra sua conta em uma janela do navegador e mantenha esta página do tutorial aberta em outra janela do navegador para alternar facilmente entre as duas janelas. Considere organizar as duas janelas do navegador lado a lado para facilitar o acompanhamento.

Tutorial e IU lado a lado

Dica: se você encontrar um tour guiado ao concluir este tutorial na interface com o usuário, clique em Talvez posterior.



Tarefa 1: Abrir um Projeto

É necessário um projeto para armazenar os dados e o experimento AutoAI . É possível usar um projeto existente ou criar um projeto.

  1. No Menu de Menu de navegaçãoNavegação, selecione Projetos > Todos os projetos.

  2. Abra um projeto existente Se você deseja usar um novo projeto:

    1. Clique em Novo projeto

    2. Selecione Criar um projeto vazio.

    3. Digite um nome e descrição opcional para o projeto.

    4. Clique em Criar.

Para obter mais informações, consulte Criação de um projeto.

ícone de ponto de verificação Verifique seu progresso

A imagem a seguir mostra o novo projeto.

A imagem a seguir mostra o novo projeto.




Tarefa 2: Criar um experimento Decision Optimization

Agora, siga estas etapas para criar o experimento Decision Optimization em seu projeto:

  1. No seu novo projeto, clique em Novo ativo > Resolver problemas de otimização.

  2. Selecione Arquivo local.

  3. Clique em Obter arquivos de amostra para visualizar o repositório GitHub contendo os arquivos de amostra.

    1. No repositório DO-Samples , abra a pasta apropriada para sua implementação do Cloud Pak for Data .

    2. Clique no arquivo HouseConstructionScheduling.zip que contém os arquivos de amostra de construção de casa

    3. Clique em Download para salvar o arquivo zip em seu computador.

  4. Retorne à página Criar um experimento do Decision Optimization e clique em Procurar.

    1. Selecione o arquivo HouseConstructionScheduling.zip em seu computador.

    2. Clique em Abrir..

  5. Escolha um espaço de implementação para associar a este experimento.. Se não houver um espaço de implementação existente, crie um:

    1. Na seção Selecionar espaço de implementação , clique em Novo espaço de implementação

    2. No campo Nome , digite House sample para fornecer um nome para o espaço de implementação.

    3. Clique em Criar.

    4. Quando o espaço estiver pronto e clique em Fechar para retornar à página Criar um experimento do Decision Optimization . Seu novo espaço de implementação é selecionado..

  6. Clique em Criar para abrir o experimento do Decision Optimization .

ícone de ponto de verificação Verifique seu progresso

A imagem a seguir mostra o experimento com os arquivos de amostra.

A imagem a seguir mostra o experimento com os arquivos de amostra




Tarefa 3: Construa um modelo e visualize um resultado de cenário

Siga estas etapas para construir um modelo e visualizar o resultado usando o Decision Optimization Modeling Assistant

  1. Na área de janela à esquerda, clique em Modelo de construção para abrir o Modeling Assistant Esse modelo foi construído com o Modeling Assistant para que seja possível ver que os objetivos e as restrições estão em linguagem natural, mas também é possível formular seu modelo em Python, OPL ou importar modelos CPLEX e CPO.

  2. Clique em Executar para executar o cenário para resolver o modelo e aguardar a conclusão da execução.

  3. Quando a execução for concluída, a visualização Explorar solução será exibida.. Na guia Resultados , clique em Ativos da solução para ver os valores resultantes (melhores) para as variáveis de decisão. Essas tabelas de solução são exibidas em ordem alfabética, por padrão,

  4. Na área de janela à esquerda, selecione Visualização

  5. Sob a guia Soluções , selecione Gantt para visualizar o cenário com o planejamento ideal.

ícone de ponto de verificação Verifique seu progresso

A imagem a seguir mostra a página Visualização com um gráfico de Gantt.

A imagem a seguir mostra a página de Visualização com um gráfico de Gantt




Tarefa 4: Alterar os objetivos e restrições do modelo

Agora, você deseja fazer uma mudança na sua formulação de modelo para considerar um objetivo adicional. Siga estas etapas para alterar os objetivos e restrições do modelo:

  1. Clique em Construir modelo

  2. No painel esquerdo, clique no menu Excesso Menu overflow ao lado do Cenário 1 e selecione Duplicar.

  3. Para o nome, digite Scenario 2e selecione Criar.

  4. Para o Cenário 2, inclua um objetivo no modelo para otimizar a qualidade de serviço com base no conhecimento de cada contratada.

    1. Em Incluir no modelono campo de procura, digite overall qualitye pressione Enter.

    2. Expanda a seção Objetivo ..

    3. Clique em Maximizar qualidade geral de designações de Subcontratado-Atividade de acordo com a tabela de valores de designação para incluí-la como um objetivo. Esse novo objetivo agora está listado na seção Objetivos juntamente com o objetivo Minimizar tempo para concluir todas as Atividades .

    4. Para o objetivo recém-incluído, clique em tabela de valores de designaçãoe selecione Conhecimento. Uma lista de parâmetros de Conhecimento é exibida

    5. Nessa lista, clique em definição para alterar o campo que define o conhecimento do contratado e selecione Nível de qualificação.

  5. Clique em Executar para executar o cenário para construir o modelo e aguardar a execução ser concluída.

  6. Retorne à página Explorar solução para visualizar os Objetivos e Ativos da solução.

  7. Na área de janela à esquerda, selecione Visualização

  8. Sob a guia Soluções , selecione Gantt para visualizar o cenário com o planejamento ideal.

  9. Clique em Visão geral na área de janela esquerda para comparar estatísticas entre o Cenário 1 e o Cenário 2.

ícone de ponto de verificação Verifique seu progresso

A imagem a seguir mostra a página Visualização com o novo gráfico de Gantt.

A imagem a seguir mostra a página de Visualização com o novo gráfico de Gantt




Tarefa 5: Implementar o modelo

Em seguida, siga estas etapas para promover o modelo para um espaço da implementação e criar uma implementação:

  1. Clique no menu Overflow Menu overflow ao lado do Cenário 1 e selecione Salvar para implantação.

  2. No campo Nome do modelo , digite House Constructione selecione Avançar.

  3. Revise as informações do modelo e depois clique em Salvar.

  4. Depois que o modelo for salvo com sucesso, uma barra de notificação será exibida com um link para o modelo Clique em Visualizar no projeto

    1. Se você perder a notificação, clique no nome do projeto na trilha de navegação.

    2. Clique na guia Ativos no projeto

    3. Clique no modelo de Construção de Casa

  5. Clique no ícone Promover para o espaço Promover para o espaço de implementação de implantação.

    1. Para o Espaço de Destino, selecione Amostra de Casa (ou seu espaço de implementação) na lista..

    2. Marque a opção para Verificar Acessar o modelo no espaço após implementá-lo.

    3. Clique em Promover.

  6. Após o modelo ser promovido com sucesso, o modelo de Construção de Casa é exibido no espaço de implementação

  7. Clique em Nova implementação..

    1. Para o nome da implementação, digite House deployment..

    2. Para a Definição de hardware, selecione 2 CPU e 8 GB de RAM na lista.

    3. Clique em Criar.

  8. Aguarde o status de implementação ser alterado para Implementado.

ícone de ponto de verificação Verifique seu progresso

A imagem a seguir mostra a implementação do House.

A imagem a seguir mostra a página Visualização com a implementação do House




Tarefa 6: Teste um modelo

Para testar o modelo com um cenário, você deve fazer upload de arquivos de dados de seu computador para o espaço de implementação. Siga estas etapas para testar o modelo criando um trabalho usando os arquivos ` CSV ` incluídos no arquivo ZIP de exemplo:

  1. Clique em Amostra de Casa (ou seu espaço de implementação) na trilha de navegação para retornar ao espaço de implementação.

  2. Clique na guia Ativos.

    1. No HouseConstructionScheduling.zip arquivo do seu computador, você encontrará vários arquivos CSV na pasta .containers > Scenario 1.

    2. Clique no ícone Carregar Fazer upload de ativo para projeto recurso para abrir o painel Dados.

    3. Arraste os arquivos Subcontractor.csv, Activity.csve Expertise.csv para a área Soltar arquivos aqui ou procurar arquivos para fazer upload no painel Dados .

  3. Clique na guia Implementações ..

  4. Clique em Implementação de Casa

  5. Agora, para enviar uma tarefa para pontuar o modelo, clique em Nova tarefa

  6. Para o nome da tarefa, digite House construction job..

  7. Clique em Avançar..

  8. Selecione os valores padrão na página Configurar , e clique em Avançar

  9. Selecione os valores padrão na página Planejamento e clique em Avançar..

  10. Selecione os valores padrão na página Notificar , e clique em Avançar

  11. Na página Escolher dados , na seção Entrada , selecione os ativos de dados correspondentes carregados anteriormente em seu espaço para cada ID de entrada.

    1. Para ID de Entrada Subcontractor.csv, clique em Selecionar origem de dados> Subcontractor.csv > Confirmar.

    2. Para ID de entrada Activity.csv, clique em Selecionar origem de dados> Activity.csv > Confirmar.

    3. Para ID de Entrada Expertise.csv, clique em Selecionar origem de dados> Expertise.csv > Confirmar.

  12. Na seção Saída , você fornecerá o nome para cada tabela de solução a ser criada

    1. Para ID de Saída ScheduledActivities.csv, clique em Selecionar origem de dados> Criar novo, digite ScheduledActivities.csv para o nome e clique em Confirmar.

    2. Para ID de saída NotScheduledActivities.csv, clique Selecione fonte de dados > Criar nova, tipoNotScheduledActivities.csv para o nome e clique em confirme.

    3. Para ID de Saída stats.csv, clique em Selecionar origem de dados> Criar novo, digite stats.csv para o nome e clique em Confirmar.

    4. Para ID de Saída kpis.csv, clique em Selecionar origem de dados> Criar novo, digite kpis.csv para o nome e clique em Confirmar.

    5. Para ID de Saída solution.json, clique em Selecionar origem de dados> Criar novo, digite solution.json para o nome e clique em Confirmar.

    6. Para ID de saída log.txt, clique em Selecionar origem de dados> Criar novo, digite log.txt para o nome e clique em Confirmar.

  13. Revise as informações na página Escolher dados e, em seguida, clique em Avançar.

  14. Revise as informações na página Revisar e criar , em seguida, clique em Criar e executar.

  15. Na página de modelo Implementação da Casa , clique na tarefa que você criou denominada Tarefa de Construção da Casa para ver seu status

  16. Após a conclusão da execução da tarefa, clique em Amostra do House (ou seu espaço de implementação) para retornar ao espaço de implementação.

  17. Na guia Ativos, você verá os arquivos de saída:

    • ScheduledActivities.csv

    • NotScheduledactivities.csv

    • stats.csv

    • kpis.csv

    • solution.json

    • log.txt

  18. Para cada um desses ativos, clique no ícone Download e, em seguida, visualize cada um deles.

ícone de ponto de verificação Verifique seu progresso

A imagem a seguir mostra a tarefa em lote concluída.

A imagem a seguir mostra a página de Visualização com a tarefa em lote concluída



Próximas etapas

Agora, é possível usar esse conjunto de dados para análise adicional Por exemplo, você ou outros usuários podem executar qualquer uma destas tarefas:

Recursos adicionais