IBM® Decision Optimization 은 수리 계획법 및 제약조건 계획법을 위한 IBM의 업계 최고 솔루션 엔진에 대한 액세스를 제공합니다. 노트북 을 사용하거나 강력한 Decision Optimization 실험 UI (베타 버전) 를 사용하여 Decision Optimization 모델을 빌드할 수 있습니다. 여기에서 모델을 가져오거나 만들거나 편집할 수 있습니다. 모델을 생성하거나 편집하려면 Python, OPL 또는 지능형 Modeling Assistant(베타 버전)에서 제공하는 자연어 표현식을 사용할 수 있습니다. watsonx.ai 런타임을 사용하여 모델을 배포할 수도 있습니다.
- 데이터 형식
- 표 형식:
.csv,.xls,.json파일. Decision Optimization 실험에서 입력 데이터 준비 를 참조하십시오.연결된 데이터 자산 의 데이터
배포에 대해서는 모델 입력 및 출력 데이터 파일 형식에 대한 Decision Optimization를 참조하세요
- 데이터 크기
- 임의
Decision Optimization 액세스
Decision Optimization 실험을 작성하려면 다음 단계를 수행하십시오.
- 프로젝트를 열거나 빈 프로젝트를 작성하십시오.
- 자산 탭을 선택하십시오.
- 모델에 대한 작업 섹션에서 새 자산 > 최적화 문제점 해결 을 선택하십시오.
- 아직 프로젝트에 watsonx.ai 런타임 서비스 인스턴스를 연결하지 않은 경우 Machine Learning 서비스 추가를 클릭합니다. 서비스를 선택하고 연동을 클릭합니다.
- 새 배치 영역을 클릭하고 이름을 입력한 후 작성 을 클릭하거나 기존 영역을 선택하십시오.
- Decision Optimization 실험 의 이름 을 입력하고 작성을 클릭하십시오.
Decision Optimization 실험 UI (베타 버전) 는 Modeling Assistant, Python DOcplex또는 OPL로 공식화된 모델을 작성하고 편집할 수 있는 위치에서 열립니다.
또는 Decision Optimization 노트북 ( Decision Optimization 실험 UI없이) 을 열고 실행하려면 다음 단계를 수행하십시오.
- 자산 탭을 선택하십시오.
- 모델에 대한 작업 섹션에서 새 자산 > Python 또는 R 노트북에서 데이터 및 모델에 대한 작업 을 선택하십시오.
사용자 인터페이스를 사용하여 Decision Optimization 모델을 빌드, 해결 및 배치하기 위한 단계별 안내서는 비디오를 사용한 빠른 시작 학습서를 참조하십시오.
Decision Optimization의 개념
최적화라는 용어는 종종 개선의 의미로 사용되기도 합니다. 최적화가 종종 상황을 개선하지만, 이는 훨씬 더 많은 것을 의미합니다. 최적화는 정확하게 정의된 상황에 가장 적합한 솔루션을 찾는 것을 의미합니다. 이는 Prescriptive Analytics라고도 하는 정교한 분석 기술로, 광범위한 가능한 시나리오를 탐색하고 현재 또는 미래 상황에 대응하는 최상의 방법을 제안할 수 있습니다.
- 상황은 일반적으로 계획, 스케줄링, 가격, 재고 또는 리소스 관리 등의 비즈니스 문제점입니다.
- 문제점이 무엇이든 이 문제점을 분석하는 작업은 최적화 엔진을 통해 해석 및 분석할 수 있는 문제점에 대한 수학적 공식인 최적화 모델로 시작됩니다. 최적화 모델은 의사결정과 관련된 목표, 제한조건, 제한사항 및 선택사항 간의 관계를 지정합니다. 하지만 이러한 관계를 견고하게 만드는 것은 입력 데이터입니다. 생산 계획에 대한 최적화 모델에는 예를 들어 세 개의 제품을 생산하는지 또는 천 개의 제품을 생산하는지 여부에 관계 없이 동일한 양식이 포함될 수 있습니다. 최적화 모델 및 입력 데이터는 최적화 문제점의 인스턴스를 작성합니다.
- 최적화 엔진(또는 분석기)은 목표에 대한 최고의 값을 달성하는 의사결정 세트인 솔루션을 찾고 부과된 제한조건 및 제한사항을 준수하는 수학적 알고리즘을 적용합니다. 최적화 엔진은 다양한 다양한 문제점을 효율적으로 해결하기 위해 개발되고 조정되는 특수화된 알고리즘을 구현합니다. Decision Optimization 은 실제 애플리케이션을 해결하는 데 강력한 것으로 입증된 IBM CPLEX ® 및 CP Optimizer 엔진을 사용합니다.
- 해결 프로그램에서 나오는 솔루션 은 모델에 표시되는 모든 의사결정에 대해 권장되는 값을 자세히 설명합니다. 대상을 나타내는 메트릭 값은 동등하게 중요합니다. 이러한 값은 비즈니스 목적의 관점에서 솔루션의 품질을 측정합니다.
- 이 모든 것을 비즈니스 사용자가 보완 비즈니스 애플리케이션을 사용하여 사용할 수 있도록 할 수 있습니다. 일반적으로 목표 및 솔루션 값은 정보를 제공하는 테이블 또는 그래픽 보기에 요약되어 있습니다.
watsonx.ai에서 Decision Optimization 사용에 대한 교육은 비즈니스 문제점 교육을 위한 수학적 최적화를 참조하십시오.