0 / 0
Retourner à la version anglaise de la documentation
Sélectionner un Decision Optimization dans le Modeling Assistant
Dernière mise à jour : 06 août 2024
Sélection d'un domaine Decision Optimization dans l'Modeling Assistant

Différents domaines de décision sont actuellement disponibles dans l' Modeling Assistant et vous pouvez être guidé pour choisir le domaine approprié à votre problème.

Une fois que vous avez ajouté et importé vos données dans votre modèle, Modeling Assistant vous aide à formuler votre modèle d'optimisation en vous proposant des suggestions en langage naturel que vous pouvez éditer. Afin de faire des suggestions intelligentes à l'aide de vos données et de vous assurer que la formulation de modèle proposée est bien adaptée à votre problème, vous devez commencer par sélectionner un domaine de décision pour votre modèle.

Decision Optimization domaines

Les différents domaines de décision actuellement disponibles (Planification, Affectation de ressources, Sélection et allocationet Planification de l'offre et de la demande) sont présentés sous forme de cartes. Si vous survolez chaque carte, vous pouvez lire une brève description de chaque domaine. Si vous savez quelle option choisir, vous pouvez sélectionner un domaine de décision et commencer à formuler votre modèle. Des informations supplémentaires sur chaque domaine sont fournies plus loin dans cette section.

Si vous n'êtes pas certain du domaine de décision à choisir, vous pouvez sélectionner "Utiliser ce guide des questions et réponses" et l' Modeling Assistant vous posera quelques questions et, en fonction de votre réponse, vous indiquera rapidement l'option dont vous avez besoin.

Le diagramme suivant récapitule ces questions et ces choix. La formulation réelle de ces questions peut varier et des exemples sont également fournis avec chaque question, dans l'interface Modeling Assistant .

Diagramme affichant la question et les réponses oui-non conduisant au choix des types de modèle d'optimisation

Si vous avez besoin d'un domaine de décision qui n'est pas actuellement pris en charge par Modeling Assistant, vous pouvez toujours formuler votre modèle en tant que Python bloc-notes ou en tant que modèle OPL dans l'éditeur interface utilisateur d'expérimentation .

Planification

Les problèmes de planification concernent le tri des objets. Vous pouvez utiliser le domaine de planification lorsque vous avez des tâches ou des activités à planifier, à effectuer dans un ordre donné avec des heures de début et de fin spécifiqueset des règles (ou contraintes de priorité) concernant les éléments pouvant être exécutés avant ou après d'autres. Votre objectif peut être, par exemple, de réduire le temps total nécessaire pour effectuer toutes les tâches ou de réduire les coûts et d'utiliser efficacement les ressources. Vous avez également la possibilité d'affecter des ressources afin que la solution vous indique également à quelle ressource particulière affecter chaque tâche. La planification avec affectation est un cas très particulier de planification. Toute ressource que vous pouvez affecter à une tâche a une capacité de un. Une capacité de un signifie qu'elle ne peut être utilisée que pour une seule tâche à la fois. Si deux tâches nécessitent une même ressource, ces deux tâches ne peuvent pas se chevaucher et doivent être ordonnées : l'une des deux tâches doit être exécutée avant l'autre. L'exemple HouseConstructionScheduling fourni dans DO-samples et décrit plus loin dans cette section est un exemple de problème de planification avec affectation.

Affectation de ressource

Les problèmes d'affectation de ressource concernent la mise en correspondance des objets. Vous pouvez utiliser le domaine d'affectation de ressources lorsque vous souhaitez affecter (ou mettre en correspondance) des ressources (main-d'oeuvre, équipement, budget, etc.) à des cibles (travaux, événements, lieux) en respectant leurs contraintes respectives. Votre objectif peut être, par exemple, de réduire au minimum les coûts ou d'augmenter les revenus de cette affectation. La solution vous fournira un ensemble d'affectations (paires ressource-cible). Vous pouvez également choisir de laisser la solution déterminer les quantités de ressources requises pour les affectations. Le modèle MarketingCampaignAssignment fourni dans DO-samples est un exemple du domaine Resource Assignment.

Sélection et allocation

Les problèmes de sélection concernent le choix dans une liste de possibilités. Vous pouvez utiliser le domaine de sélection et d'allocation lorsque vous avez combiné tous les choix possibles à prendre en compte dans une seule table. Cette table peut, par exemple, contenir une présélection des choix que vous avez déjà effectués en fonction de l'analyse prédictive. Il peut cependant y avoir encore un grand nombre de possibilités parmi lesquelles choisir. Vous voulez que Decision Optimization vous aide à choisir la meilleure sélection (la sélection optimale) de ces éléments (ou combinaisons) pour pouvoir atteindre vos objectifs tout en respectant vos contraintes. Decision Optimization peut également vous indiquer les quantités optimales à allouer à chaque choix si nécessaire. Un exemple typique d'un modèle de sélection et d'allocation est l'exemple PortfolioAllocation dans lequel vous avez plusieurs placements financiers à sélectionner. De plus, l'exemple MarketingCampaignAssignment contient le scénario Scénario 4-Sélection qui vous montre comment formuler ce problème de campagne marketing en tant que modèle de sélection et d'allocation. Dans ce cas, vous avez plusieurs campagnes marketing à sélectionner, toutes répertoriées dans la même table de données.

Planification

Les problèmes de planning concernent la quantification des objets. Vous pouvez utiliser le domaine de planification lorsque vous souhaitez déterminer les quantités ou les niveaux à disposer (par exemple, stock, production, matériaux, service) sur des périodes de temps (par exemple, semaines, mois, trimestres). Un exemple typique de modèle de planification est un problème de planification de la production dans lequel vous devez connaître la quantité de matières premières à avoir en stock chaque trimestre pour pouvoir produire le nombre optimal de produits et satisfaire votre demande.

Recherche et réponse à l'IA générative
Ces réponses sont générées par un modèle de langue de grande taille dans watsonx.ai en fonction du contenu de la documentation du produit. En savoir plus