0 / 0
Retourner à la version anglaise de la documentation
Démarrage rapide : Génération, exécution et déploiement d'un modèle Decision Optimization

Démarrage rapide : Génération, exécution et déploiement d'un modèle Decision Optimization

Vous pouvez générer et exécuter des modèles Decision Optimization pour vous aider à prendre les meilleures décisions pour résoudre des problèmes métier en fonction de vos objectifs. Lisez la rubrique Decision Optimization, puis regardez une vidéo et suivez un tutoriel qui convient aux utilisateurs ayant une certaine connaissance de l'analyse prescriptive, mais qui ne nécessite pas de codage.

Services requis
Watson Studio
Watson Machine Learning

Votre flux de travaux de base inclut les tâches suivantes :

  1. Ouvrez votre projet de bac à sable. Les projets sont l'endroit où vous collaborez avec d'autres personnes sur les données.
  2. Ajoutez une expérience Decision Optimization au projet. Vous pouvez ajouter des fichiers compressés ou des données à partir d'exemples de fichiers.
  3. Associez un Watson Machine Learning Service au projet.
  4. Créez un espace de déploiement à associer au Watson Machine Learning Servicedu projet.
  5. Passez en revue les données, les objectifs du modèle et les contraintes dans l'assistant de modélisation.
  6. Exécutez un ou plusieurs scénarios pour tester votre modèle et examiner les résultats.
  7. Déployez votre modèle.

En savoir plus sur Decision Optimization

Decision Optimization peut analyser des données et créer un modèle d'optimisation (avec l'assistant de modélisation) basé sur un problème métier. Tout d'abord, un modèle d'optimisation est dérivé en convertissant un problème métier en une formulation mathématique qui peut être comprise par le moteur d'optimisation. La formulation consiste en des objectifs et des contraintes qui définissent le modèle sur lequel repose la décision finale. Le modèle, avec vos données d'entrée, forme un scénario. Le moteur d'optimisation résout le scénario en appliquant les objectifs et les contraintes pour limiter des millions de possibilités et fournit la meilleure solution. Cette solution satisfait la formulation du modèle ou assouplie certaines contraintes si le modèle est infaisable. Vous pouvez tester des scénarios en utilisant des données différentes, ou en modifiant les objectifs et les contraintes, puis en les ré-exécutant et en visualisant les solutions. Une fois satisfait, vous pouvez déployer votre modèle.

En savoir plus sur Decision Optimization

Visionnez une vidéo sur la création d'un modèle Decision Optimization

Regarder la vidéo Regardez cette vidéo pour voir comment exécuter un exemple d'expérimentation Decision Optimization pour créer, résoudre et déployer un modèle Decision Optimization avec Watson Studio et Watson Machine Learning.

Avertissement vidéo: Certaines étapes mineures et certains éléments graphiques de cette vidéo peuvent différer de votre plateforme. L'interface utilisateur est fréquemment améliorée.

Cette vidéo fournit une méthode visuelle pour apprendre les concepts et les tâches de cette documentation.


Essayez un tutoriel pour créer un modèle qui utilise Decision Optimization

Dans ce tutoriel, vous exécutez les tâches suivantes :

Ce tutoriel dure environ 30 minutes.





Conseils pour l'exécution de ce tutorielVoici quelques conseils pour réussir ce tutoriel.

Utiliser la vidéo image-in-picture

Astuce: Démarrez la vidéo, puis au fur et à mesure que vous faites défiler le tutoriel, la vidéo passe en mode image-en-image. Fermez la table des matières vidéo pour la meilleure expérience avec l'image en image. Vous pouvez utiliser le mode image-dans-image pour pouvoir suivre la vidéo à mesure que vous effectuez les tâches de ce tutoriel. Cliquez sur les horodatages de chaque tâche à suivre.

L'image animée suivante montre comment utiliser les fonctions d'image vidéo et de table des matières:

Comment utiliser l'image en image et les chapitres

Obtenir de l'aide dans la communauté

Si vous avez besoin d'aide pour ce tutoriel, vous pouvez poser une question ou trouver une réponse dans le forum de discussion de la communautéwatsonx.

Configurez les fenêtres de votre navigateur

Pour une expérience optimale lors de l'exécution de ce tutoriel, ouvrez Cloud Pak for Data dans une fenêtre de navigateur et laissez cette page de tutoriel ouverte dans une autre fenêtre de navigateur pour basculer facilement entre les deux applications. Envisagez d'organiser les deux fenêtres du navigateur côte à côte pour faciliter le suivi.

Tutoriel et interface utilisateur côte à côte

Astuce: Si vous rencontrez une visite guidée lors de l'exécution de ce tutoriel dans l'interface utilisateur, cliquez sur Peut-être plus tard.



Tâche 1: Ouvrir un projet

Vous avez besoin d'un projet pour stocker les données et l'expérimentation AutoAI . Vous pouvez utiliser votre projet de bac à sable ou créer un projet.

  1. Dans le menu de navigation Menu de navigation, sélectionnez Projets > Afficher tous les projets .

  2. Ouvrez votre projet de bac à sable. Si vous souhaitez utiliser un nouveau projet:

    1. Cliquez sur Nouveau projet.

    2. Sélectionnez Créer un projet vide.

    3. Entrez un nom et une description facultative pour le projet.

    4. Choisissez une instance de service object storage existante ou crée en une nouvelle.

    5. Cliquez sur Créer.

  3. Lorsque le projet s'ouvre, cliquez sur l'onglet Gérer et sélectionnez la page Services et intégrations.

    1. Dans l'onglet ServicesIBM , cliquez sur Associer un service.

    2. Sélectionnez votre instance Watson Machine Learning . Si vous ne disposez pas encore d'une instance de service Watson Machine Learning mise à disposition, procédez comme suit:

      1. Cliquez sur Nouveau service.

      2. Sélectionnez Watson Machine Learning.

      3. Cliquez sur Créer.

      4. Sélectionnez la nouvelle instance de service dans la liste.

    3. Cliquez sur Associer un service.

    4. Si nécessaire, cliquez sur Annuler pour revenir à la page Services & Intégrations .

Pour plus d'informations, voir Création d'un projet.

Icône de point de contrôle Vérifiez votre progression

L'image suivante montre le nouveau projet.

L'image suivante montre le nouveau projet.




Tâche 2: Créer une expérimentation Decision Optimization

vidéo du tutoriel d'aperçu Pour prévisualiser cette tâche, regardez la vidéo à partir de 00:20.

A présent, procédez comme suit pour créer l'expérimentation Decision Optimization dans votre projet:

  1. A partir de votre nouveau projet, cliquez sur Nouvel actif > Résoudre les problèmes d'optimisation.

  2. Sélectionnez Fichier local.

  3. Cliquez sur Obtenir des exemples de fichiers pour afficher le référentiel GitHub contenant les exemples de fichiers.

    1. Dans le référentiel DO-Samples , ouvrez le dossier watsonx.ai et Cloud Pak for Data as a Service .

    2. Cliquez sur le fichier HouseConstructionScheduling.zip contenant les exemples de fichier de construction de maison.

    3. Cliquez sur Télécharger pour sauvegarder le fichier zip sur votre ordinateur.

  4. Revenez à la page Créer une expérimentation Decision Optimization et cliquez sur Parcourir.

    1. Sélectionnez le fichier HouseConstructionScheduling.zip sur votre ordinateur.

    2. Cliquez sur Ouvrir.

  5. Si vous n'avez pas encore de service Watson Machine Learning associé à ce projet, cliquez sur Ajouter un service Machine Learning.

    1. Passez en revue vos instances de service Watson Machine Learning . Vous pouvez utiliser un service existant ou créer une nouvelle instance de service à partir d'ici: cliquez sur Nouveau service, sélectionnez Machine Learninget cliquez sur Créer.

    2. Sélectionnez votre instance Watson Machine Learning dans la liste et cliquez sur Associer.

    3. Si nécessaire, cliquez sur Annuler pour revenir à la page Services & intégrations .

      Pour plus d'informations sur les services associés, voir Ajout de services associés.

  6. Choisissez un espace de déploiement à associer à cette expérimentation. Si vous ne disposez pas d'un espace de déploiement existant, créez-vous :

    1. Dans la section Sélectionner un espace de déploiement , cliquez sur Nouvel espace de déploiement.

    2. Dans la zone Nom , entrez House sample pour indiquer un nom pour l'espace de déploiement.

    3. Cliquez sur Créer.

    4. Lorsque l'espace est prêt, cliquez sur Fermer pour revenir à la page Créer une expérimentation Decision Optimization . Votre nouvel espace de déploiement est sélectionné.

  7. Cliquez sur Créer pour ouvrir l'expérimentation Decision Optimization .

Icône de point de contrôle Vérifiez votre progression

L'image suivante illustre l'expérimentation avec les exemples de fichier.

L'image suivante montre l'expérimentation avec les exemples de fichiers.




Tâche 3: Créer un modèle et visualiser un résultat de scénario

vidéo du tutoriel d'aperçu Pour prévisualiser cette tâche, regardez la vidéo qui commence à 01:47.

Procédez comme suit pour générer un modèle et visualiser le résultat à l'aide de l'assistant de modélisation Decision Optimization Modeling Assistant.

  1. Dans la sous-fenêtre de gauche, cliquez sur Créer un modèle pour ouvrir l' Modeling Assistant. Ce modèle a été créé avec l' Modeling Assistant pour que vous puissiez voir que les objectifs et les contraintes sont en langage naturel, mais vous pouvez également formuler votre modèle dans Python, OPL ou importer des modèles CPLEX et CPO.

  2. Cliquez sur Exécuter pour exécuter le scénario pour résoudre le modèle et attendre la fin de l'exécution.

  3. Une fois l'exécution terminée, la vue Explorer la solution s'affiche. Sous l'onglet Résultats , cliquez sur Actifs de la solution pour afficher les valeurs résultantes (meilleures) des variables de décision. Ces tables de solution sont affichées par défaut dans l'ordre alphabétique.

  4. Dans la sous-fenêtre de gauche, sélectionnez Visualisation.

  5. Sous l'onglet Solutions , sélectionnez Gantt pour afficher le scénario avec le planning optimal.

Icône de point de contrôle Vérifiez votre progression

L'image suivante montre la page Visualisation avec un diagramme de Gantt.

L'image suivante montre la page Visualisation avec un diagramme de Gantt.




Tâche 4: Modifier les objectifs et les contraintes du modèle

vidéo du tutoriel d'aperçu Pour prévisualiser cette tâche, regardez la vidéo qui commence à 03:01.

A présent, vous souhaitez apporter une modification à votre formulation de modèle afin de prendre en compte un objectif supplémentaire. Pour modifier les objectifs et les contraintes du modèle, procédez comme suit:

  1. Cliquez sur Modèle de génération.

  2. Dans la sous-fenêtre de gauche, cliquez sur le menu Dépassement Menu déroulant dynamique en regard de Scénario 1et sélectionnez Dupliquer.

  3. Pour le nom, entrez Scenario 2et cliquez sur Créer.

  4. Pour Scénario 2, ajoutez un objectif au modèle afin d'optimiser la qualité du travail en fonction de l'expertise de chaque entrepreneur.

    1. Sous Ajouter au modèle, dans la zone de recherche, entrez overall qualityet appuyez sur Enter.

    2. Développez la section Objectif.

    3. Cliquez sur Maximiser la qualité globale du sous-traitant-Affectations d'activités selon le tableau des valeurs d'affectation pour l'ajouter comme objectif. Ce nouvel objectif est maintenant répertorié sous la section Objectifs avec l'objectif Réduction du temps nécessaire à l'exécution de toutes les activités.

    4. Pour l'objectif que vous venez d'ajouter, cliquez sur Table des valeurs d'affectation, puis sélectionnez Expertise. Une liste de paramètres Expertise s'affiche.

    5. Dans cette liste, cliquez sur Définition pour modifier la zone qui définit l'expertise de l'entrepreneur, puis sélectionnez Niveau de compétence.

  5. Cliquez sur Exécuter pour exécuter le scénario pour générer le modèle et attendre la fin de l'exécution.

  6. Revenez à la page Explorer la solution pour afficher les Objectifs et les actifs de la solution.

  7. Dans la sous-fenêtre de gauche, sélectionnez Visualisation.

  8. Sous l'onglet Solutions , sélectionnez Gantt pour afficher le scénario avec le planning optimal.

  9. Cliquez sur Présentation dans le panneau de gauche pour comparer les statistiques entre le scénario 1 et le scénario 2.

Icône de point de contrôle Vérifiez votre progression

L'image suivante montre la page Visualisation avec le nouveau diagramme de Gantt.

L'image suivante montre la page Visualisation avec le nouveau diagramme de Gantt.




Tâche 5: Déployer le modèle

vidéo du tutoriel d'aperçu Pour prévisualiser cette tâche, regardez la vidéo qui commence à 04:07.

Ensuite, procédez comme suit pour promouvoir le modèle dans un espace de déploiement et créer un déploiement:

  1. Cliquez sur le menu Dépassement Menu déroulant dynamique en regard de Scénario 1et sélectionnez Sauvegarder pour le déploiement.

  2. Dans la zone Nom du modèle , entrez House Constructionet cliquez sur Suivant.

  3. Passez en revue les informations du modèle et cliquez sur Sauvegarder.

  4. Une fois le modèle sauvegardé, une barre de notification s'affiche avec un lien vers le modèle. Cliquez sur Vue dans le projet.

    1. Si vous manquez la notification, cliquez sur le nom du projet dans la trace de navigation.

    2. Cliquez sur l'onglet Actifs dans le projet.

    3. Cliquez sur le modèle Construction de la maison .

  5. Cliquez sur l'icône Promouvoir dans l'espace de déploiement Promouvoir dans un espace de déploiement.

    1. Pour Espace cible, sélectionnez Exemple de maison (ou votre espace de déploiement) dans la liste.

    2. Cochez l'option Accéder au modèle dans l'espace après l'avoir déployé.

    3. Cliquez sur Promouvoir.

  6. Une fois le modèle promu, le modèle Construction de maison s'affiche dans l'espace de déploiement.

  7. Cliquez sur Nouveau déploiement.

    1. Pour le nom de déploiement, entrez House deployment.

    2. Pour Définition du matériel, sélectionnez 2 UC et 8 Go de RAM dans la liste.

    3. Cliquez sur Créer.

  8. Attendez que le statut du déploiement passe à Déployé.

Icône de point de contrôle Vérifiez votre progression

L'image suivante montre le déploiement de House.

L'image suivante montre la page Visualisation avec le déploiement House.




Tâche 6: Tester un modèle

vidéo du tutoriel d'aperçu Pour prévisualiser cette tâche, regardez la vidéo qui commence à 04:55.

Pour tester le modèle avec un scénario, vous devez télécharger les fichiers de données de votre ordinateur vers l'espace de déploiement. Procédez comme suit pour tester le modèle en créant un travail à l'aide des fichiers CSV inclus avec l'exemple de fichier zip:

  1. Cliquez sur House sample (ou votre espace de déploiement) dans la trace de navigation pour revenir à l'espace de déploiement.

  2. Cliquez sur l'onglet Actifs.

    1. Dans le fichier HouseConstructionScheduling.zip de votre ordinateur, vous trouverez plusieurs fichiers CSV dans le dossier .containers > Scénario 1.

    2. Cliquez sur l'icône Télécharger l'actif Transférer l'actif dans le projet pour ouvrir le panneau Données .

    3. Faites glisser les fichiers Subcontractor.csv, Activity.csvet Expertise.csv dans la zone Supprimer les fichiers ici ou rechercher les fichiers à télécharger du panneau Données.

  3. Cliquez sur l'onglet Déploiements.

  4. Cliquez sur Déploiement de la maison.

  5. Maintenant, pour soumettre un travail afin d'évaluer le modèle, cliquez sur Nouveau travail.

  6. Pour le nom du travail, entrez House construction job.

  7. Cliquez sur Suivant.

  8. Sélectionnez les valeurs par défaut sur la page Configurer , puis cliquez sur Suivant.

  9. Sélectionnez les valeurs par défaut sur la page Planification, puis cliquez sur Suivant.

  10. Sélectionnez les valeurs par défaut sur la page Notifier, puis cliquez sur Suivant.

  11. Sur la page Choisir les données , dans la section Entrée, sélectionnez les actifs de données correspondants que vous avez précédemment chargés dans votre espace pour chaque ID d'entrée.

  12. Dans la section Sortie, vous devez indiquer le nom de chaque table de solution à créer.

    1. Pour ID de sortie ScheduledActivities.csv, cliquez sur Sélectionnez la source de données > Créer une nouvelle, entrez ScheduledActivities.csv pour le nom et cliquez sur Confirmer.

    2. Pour ID de sortie NotScheduledActivities.csv, cliquez sur Sélectionnez la source de données > Créer une nouvelle, entrez NotScheduledActivities.csv pour le nom et cliquez sur Confirmer.

    3. Pour ID de sortie stats.csv, cliquez sur Sélectionnez la source de données > Créer une nouvelle, entrez stats.csv pour le nom et cliquez sur Confirmer.

    4. Pour ID de sortie kpis.csv, cliquez sur Sélectionnez la source de données > Créer une nouvelle, entrez kpis.csv pour le nom et cliquez sur Confirmer.

    5. Pour ID de sortie solution.json, cliquez sur Sélectionnez la source de données > Créer une nouvelle, entrez solution.json pour le nom et cliquez sur Confirmer.

    6. Pour Output ID log.txt, cliquez sur Select data source > Create new, tapez log.txt pour le nom et cliquez sur Confirm.

  13. Consultez les informations de la page Choisir les données, puis cliquez sur Suivant.

  14. Passez en revue les informations de la page Réviser et créer , puis cliquez sur Créer et exécuter.

  15. Dans la page de modèle Déploiement de maison , cliquez sur le travail que vous avez créé et nommé Travail de construction de maison pour voir son statut.

  16. Une fois l'exécution du travail terminée, cliquez sur House sample (ou sur votre espace de déploiement) pour revenir à l'espace de déploiement.

  17. Dans l' onglet Actifs, vous verrez les fichiers de sortie:

    • ScheduledActivities.csv

    • NotScheduledactivities.csv

    • stats.csv

    • kpis.csv

    • solution.json

    • log.txt

  18. Pour chacun de ces actifs, cliquez sur l'icône Télécharger, puis affichez chacun de ces fichiers.

Icône de point de contrôle Vérifiez votre progression

L'image suivante montre le travail par lots terminé.

L'image suivante montre la page Visualisation avec le travail par lots terminé.



Etapes suivantes

A présent, vous pouvez utiliser ce fichier pour une analyse plus approfondie. Par exemple, vous ou d'autres utilisateurs pouvez effectuer l'une des tâches suivantes :

Ressources supplémentaires

Rubrique parent: Tutoriels de démarrage rapide

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