Decision Optimization

IBM® Decision Optimization te dá acesso aos mecanismos de solução líder de mercado da IBMpara programação matemática e programação de restrição. Você pode construir Decision Optimization modelos com notebooks ou usando o poderoso Decision Optimization experiência UI (versão Beta). Aqui você pode importar, criar ou editar modelos. Para criar ou editar seus modelos, você pode usar Python, OPL ou as expressões de linguagem natural fornecidas pelo inteligente Modeling Assistant (versão Beta). Você também pode implantar modelos com o watsonx.ai Runtime.

 

Plataformas em nuvem
IBM Cloud AWS
Serviços necessários
watsonx.ai Studio

watsonx.ai Runtime

Credenciais necessárias
Gerenciamento de credenciais de tarefas
Formato de dados
Tabular: .csv, .xls, .json arquivos. Consulte Preparação de dados de entrada em um experimento Decision Optimization

Dados de ativos de dados Connected

Para implantação, consulte Formatos de arquivo de dados de entrada e saída do modelo para Decision Optimization

Tamanho dos dados
Qualquer

Acessando Decision Optimization

Para criar um Decision Optimization Experiência, siga estas etapas:

  1. Abra seu projeto ou crie um projeto vazio.
  2. Selecione a guia Acionamentos
  3. Selecione Novo ativo > Resolver problemas de otimização no Trabalhar com modelos seção.
  4. Se você ainda não tiver associado uma instância do serviço watsonx.ai Runtime ao seu projeto, clique em Adicionar um serviço Machine Learning. Selecione um serviço e clique em Associate (Associar).
  5. Clique em Novo espaço de implementação, insira um nome e clique em Criar (ou selecione um espaço existente.
  6. Insira um Nome para seu Decision Optimization experimento e clique em Criar.

A Decision Optimization UI de experimento (versão Beta) é aberta na qual é possível criar e editar modelos que são formulados com o Modeling Assistantou em Python DOcplexou em OPL.

Como alternativa, para abrir e executar Decision Optimization notebooks (sem a Decision Optimization uI do experimento ), siga estas etapas.

  1. Selecione a guia Ativos .
  2. Selecione Novo ativo > Trabalhar com dados e modelos emPython ou R no Trabalhar com modelos seção.

Para obter um guia passo a passo para construir, resolver e implementar um modelo Decision Optimization , usando a interface com o usuário, consulte o Tutorial de iniciação rápida com vídeo.

O que é Decision Optimization?

As pessoas frequentemente usam o termo otimização para significar fazer algo melhor. Embora a otimização geralmente torne as coisas melhores, isso significa muito mais: otimização significa localizar a solução mais apropriada para uma situação definida com precisão. É uma tecnologia de análise sofisticada, também chamada de Análise prescritiva, que pode explorar uma grande variedade de cenários possíveis e sugerir a melhor maneira de responder a uma situação presente ou futura.

Decision Optimization

  1. A situação geralmente é um problema de negócios, como planejamento, agendamento, precificação, inventário ou gerenciamento de recursos.
  2. Qualquer que seja o problema, a resolução começa com o modelo de otimização, o qual é a formulação matemática do problema que pode ser interpretado e resolvido por um mecanismo de otimização. O modelo de otimização especifica os relacionamentos entre os objetivos, as restrições, as limitações e as escolhas que estão envolvidos nas decisões. No entanto, são os dados de entrada que tornam esses relacionamentos concretos. Um modelo de otimização para planejamento de produção, por exemplo, pode ter a mesma forma, independentemente se você está produzindo três ou milhares de produtos. O modelo de otimização mais os dados de entrada criam uma instância de um problema de otimização.
  3. Motores de otimização (ou solucionadores) aplicam algoritmos matemáticos para encontrar uma solução, um conjunto de decisões que alcança os melhores valores para os objetivos e respeite as restrições e limitações impostas. O mecanismo de otimização implementa algoritmos especializados que são desenvolvidos e ajustados para resolver de forma eficiente uma grande variedade de problemas diferentes O Decision Optimization usa os mecanismos IBM CPLEX ® e CP Optimizer que se provaram poderosos na resolução de aplicativos do mundo real.
  4. A solução que emerge do resolvedor detalha os valores recomendados para todas as decisões representadas no modelo. Igualmente importantes são os valores de métrica que representam os destinos. Esses valores medem a qualidade da solução em termos de metas de negócios.
  5. Tudo isso pode ser disponibilizado para usuários corporativos com um aplicativo de negócios complementar. Geralmente, os valores de objetivos e soluções são resumidos em visualizações tabulares ou gráficas que fornecem entendimento e insight.

Para treinamento no uso de Decision Optimization em Cloud Pak for Data as a Service consulte Treinamento em otimização matemática para problemas de negócios.

Saiba Mais