Decision Optimization notebook che genera più scenari | IBM Cloud Pak for Data as a Service

Torna alla versione inglese della documentazione

Generazione di scenari multipli Decision Optimization

Ultimo aggiornamento: 05 dic 2024

Decision Optimization notebook che genera più scenari

Questa esercitazione mostra come generare più scenari da un notebook utilizzando dati randomizzati. Generare più scenari consente di testare un modello esponendolo ad una vasta gamma di dati.

Prima di iniziare

Requisiti

Per modificare ed eseguire i modelli Decision Optimization , è necessario disporre dei seguenti prerequisiti:

Ruoli Admin o Editor: È necessario disporre di ruoli Admin o Editor nel progetto. I visualizzatori di progetti condivisi possono solo visualizzare gli esperimenti, ma non possono modificarli o eseguirli

servizio di runtimewatsonx.ai: È necessario disporre di un servizio watsonx.ai Runtime associato al progetto. È possibile aggiungerne uno quando si crea un esperimento Decision Optimization .

Spazio di distribuzione: Devi avere uno spazio di distribuzione associato al tuo esperimento Decision Optimization . È possibile scegliere uno spazio di distribuzione quando si crea un esperimento Decision Optimization .

Informazioni su questa attività

I file utilizzati in questo esempio sono nel progetto DO - campioni . Il modello interessato è StaffPlanning e il notebook è CopyAndSolveScenarios.

Procedura

Per creare e risolvere uno scenario utilizzando un esempio:

Scaricare ed estrarre tutti gli DO - samples sulla propria macchina. È inoltre possibile scaricare solo il file StaffPlanning.zip dalla cartella secondaria Model_Builder per il prodotto e la versione, ma in tal caso non estrarlo.
Aprire il progetto o creare un progetto vuoto.
Selezionare la scheda Asset .
Selezionare Nuova risorsa > Risolvi problemi di ottimizzazione nel Lavora con i modelli sezione.
Fare clic su File locale nella finestra Crea un esperimento Decision Optimization che si apre.
Selezionare il file StaffPlanning.zip nella cartella Model_Builder . Selezionare la sottocartella relativa al prodotto e alla versione.
Se non si è già associato un servizio watsonx.ai Runtime al progetto, è necessario selezionare Aggiungi un servizio di Machine Learning per selezionarne o crearne uno prima di scegliere uno spazio di distribuzione per l'esperimento.
Fare clic su Crea.
Viene creato un modello Decision Optimization con lo stesso nome del campione.
Lavorare in Scenario 1 del modello StaffPlanning , si può vedere che la soluzione contiene tabelle per identificare quali risorse funzionano quali giorni soddisfare la domanda prevista.
Se non c'è una soluzione visualizzata, o per rieseguire il modello, fare clic su Crea modello nella barra laterale, clicca quindi su Esegui per risolvere il modello.

Utilizzo di un generatore casuale per creare nuovi scenari

Procedura

Per creare nuovi scenari utilizzando dati randomizzati utilizzando un esempio:

Selezionare la scheda Asset .
Selezionare Nuova risorsa > Lavora con dati e modelli inPython o R nel Lavora con i modelli sezione.
Seleziona la scheda File locale nella nuova finestra che si apre.
Fare clic su Trascina e rilascia i file qui o carica e sfoglia per scegliere il notebook CopyAndSolveScenarios dalla cartella jupyter . Selezionare la sottocartella relativa al prodotto e alla versione.
Clicca Crea notebook.
Il notebook si apre nel tuo progetto.
Nella scheda Impostazioni del tuo progetto, individuare la sezione Accessori e fare clic su Nuovo token +. Inserire un nome token, selezionare Editor come ruolo di Access e fare clic su Crea.
Torna al tuo notebook dalla scheda Assetti del tuo progetto e clicca sull'icona della matita per modificarla. Dal menu Altro , selezionare Inserisci token progetto. Questo aggiunge il tuo token di autorizzazione in una cella nascosta.
Dal menu di navigazione principale, seleziona Amministrazione > Accesso (IAM) > Chiavi API. Creare e copiare la tua chiave API.
Ritorna al tuo notebook CopyAndSolveScenarios e individua la cella contenente client=Client(pc=pc,apikey="API_key"e sostituisci API_key con la tua chiave API IBM Cloud che hai appena copiato.
Individuare la cella contenente decision = client.get_experiment(name="StaffPlanning").
Questa cella istruisce il notebook per copiare Scenario 1 dal modello StaffPlanning e utilizzarlo per generare ulteriori scenari in base ai dati randomizzati. Se hai usato un altro nome per il tuo modello, sostituire Staffplanning con il nome scelto.
Eseguire il notebook utilizzando Cell>Esegui tutti.
Il notebook utilizza il modulo Python random per generare dati per cinque ulteriori scenari nel modello denominato StaffPlanning. I nuovi scenari sono denominati Copia 01 ... Copia 05. Il numero di scenari da generare è specificato nella cella 9, N_SCENARIOS = 5.
Apri il modello StaffPlanning per confrontare le soluzioni dei diversi scenari. Clicca sull'icona Scenari per aprire il riquadro Scenario e spostarsi rapidamente tra gli scenari. È anche possibile visualizzare tutti i propri scenari a colpo d'occhio nella Panoramica.
Fare clic su Visualizzazioni nel riquadro di navigazione per confrontare i diversi scenari sulla scheda Multi Scenario .
Il grafico Demand compone la domanda per i diversi periodi negli scenari generati casualmente. Il grafico KPI compone il costo totale attraverso gli scenari generati casualmente. Il grafico I miei KPI fornisce una mappa di calore dei costi per i diversi scenari insieme al mix di risorse temporanee e fisse per ciascuno.

Risultati

Questo esempio mostra come facilmente puoi testare il tuo modello generando ulteriori scenari basati su dati randomizzati. Tali test permettono di valutare se il modello è abbastanza robusto da eseguire efficacemente in un ambiente con dati variabili.