データとAutoAI実験を保存するプロジェクトが必要です。 サンドボックス・プロジェクトを使うことも、プロジェクトを作成することもできる。

1. ナビゲーションメニュー「」から、「プロジェクト」 > 「すべてのプロジェクトを表示」を選択する

2. サンドボックスプロジェクトを開く。 新しいプロジェクトを使いたい場合：

   1. 新規プロジェクトをクリックしてください。

   2. 「空のプロジェクトの作成」を選択します。

   3. プロジェクトの名前と任意の説明を入力します。

   4. 既存の オブジェクト・ストレージ・サービス・インスタンス を選択するか、または新規作成します。

   5. 「作成」 をクリックします。

3. プロジェクトが開始したら、 管理 タブをクリックし、 サービスと統合 ページを選択してください。

   1. IBM servicesタブで、Associateサービスをクリックします。

   2. watsonx.aiランタイムインスタンスを選択します。 watsonx.aiRuntime サービスインスタンスがまだプロビジョニングされていない場合は、以下の手順に従ってください：

      1. 新規サービスをクリックします。

      2. watsonx.aiランタイムを選択します。

      3. 「作成」 をクリックします。

      4. リストから新しいサービス・インスタンスを選択する。

   3. サービスを関連付けるをクリックします。

   4. 必要に応じて、キャンセルをクリックし、サービス & 統合ページに戻ります。

詳しくは、プロジェクトの作成をご覧ください。

このタスクをプレビューするには、00:20から始まるビデオを見てください。

さて、以下の手順に従って、Decision Optimization実験をプロジェクトに作成してください：

1. 新規プロジェクトで、新規アセット > 最適化問題を解くをクリックします。

2. ローカルファイルを選択します。

3. Get sample files をクリックすると、サンプルファイルを含む GitHub リポジトリが表示されます。

   1. DO-Samples リポジトリで、watsonx.ai と Cloud Pak for Data as a Service フォルダを開きます。

   2. 家づくりのサンプルファイルが入ったHouseConstructionScheduling.zipファイルをクリックします。

   3. ダウンロードをクリックして、zipファイルをコンピュータに保存します。

4. Create a Decision Optimization 実験ページに戻り、Browseをクリックする。

   1. コンピュータからHouseConstructionScheduling.zipファイルを選択します。

   2. 開くをクリックします。

5. このプロジェクトに関連付けられているwatsonx.aiRuntime サービスがまだない場合は、Add aMachine Learningservice をクリックします。

   1. watsonx.aiRuntime サービスインスタンスを確認します。 既存のサービスを使用することも、ここから新しいサービス・インスタンスを作成することもできます。「New service」をクリックし、「watsonx.aiRuntime」を選択して「Create」をクリックします。

   2. リストからwatsonx.aiRuntimeインスタンスを選択し、Associate をクリックします。

   3. 必要に応じて、キャンセルをクリックし、サービス & 統合ページに戻ります。

      関連サービスの詳細については、関連サービスの追加を参照してください。

6. このエクスペリメントに関連付けるデプロイメント・スペースを選択してください。 既存のデプロイメント・スペースを持っていない場合は、作成します：

   1. 配置スペースを選択セクションで、新しい配置スペースをクリックします。

   2. 名前フィールドに、House sampleと入力して配置スペースの名前を指定します。

   3. 「作成」 をクリックします。

   4. スペースの準備ができたら、閉じるをクリックしてDecision Optimization実験を作成するのページに戻る。 新しい配置スペースが選択されます。

7. Create をクリックして、Decision Optimization 実験を開きます。

このタスクをプレビューするには、01:47から始まるビデオを見てください。

Decision Optimization Modeling Assistant を使用して、以下の手順に従ってモデルを構築し、結果を視覚化します。

1. 左側のペインで Build model をクリックし、Modeling Assistant を開きます。 このモデルはModeling Assistantで構築されているので、目的と制約が自然言語であることがわかりますが、PythonやOPLでモデルを定式化したり、CPLEXやCPOモデルをインポートすることもできます。

2. 実行 をクリックして、モデルを解決するシナリオを実行し、実行が完了するまで待ちます。

3. 実行が完了すると、 ソリューションの探索 ビューが表示されます。 結果タブで、ソリューション資産をクリックすると、決定変数の結果（最適値）が表示されます。 これらのソリューション・テーブルは、デフォルトでアルファベット順に表示されます。

4. 左側のペインで、 可視化を選択します。

5. ソリューションタブで、ガントを選択し、最適なスケジュールのシナリオを表示します。

このタスクをプレビューするには、03:01から始まるビデオをご覧ください。

ここで、モデルの定式化を変更し、追加の目的を考慮したいとします。 以下の手順に従って、モデルの目的と制約を変更してください：

1. モデルの作成をクリックしてください。

2. 左側のペインで、シナリオ1の隣にあるオーバーフローメニュー「クリックし、「複製」を選択します。

3. 名前に Scenario 2 と入力し、 作成をクリックしてください。

4. シナリオ 2の場合は、各請負業者の専門知識に基づいて作業の品質を最適化するための目的をモデルに追加します。

   1. モデルに追加の下にある検索フィールドにoverall qualityと入力し、Enterを押す。

   2. 目的 セクションを展開します。

   3. 下請け業者とアクティビティの割り当ての全体的な品質を、割り当て値の表に従って最大化する をクリックして、目的として追加します。 この新しい目標は、 すべてのアクティビティーの完了までの時間を最小化 目標とともに 目的 セクションの下にリストされるようになりました。

   4. 追加した目的について、 割り当て値の表をクリックし、 専門知識を選択してください。 専門知識 パラメーターのリストが表示されます。

   5. このリストから、 定義 をクリックして、契約者の専門知識を定義するフィールドを変更し、 スキル・レベルを選択してください。

5. 実行 をクリックして、モデルを作成するシナリオを実行し、実行が完了するまで待機します。

6. ソリューションの探索ページに戻り、目標とソリューション資産を表示します。

7. 左側のペインで、 可視化を選択します。

8. ソリューションタブで、ガントを選択し、最適なスケジュールのシナリオを表示します。

9. 左ペインの概要をクリックすると、シナリオ1とシナリオ2の統計を比較することができます。

このタスクをプレビューするには、04:07から始まるビデオをご覧ください。

次に、次の手順に従ってモデルを配置スペースに昇格し、配置を作成します：

1. シナリオ 1 の横にあるオーバーフローメニュー「」をクリックし、「配置のために保存」を選択します。

2. モデル名フィールドにHouse Constructionと入力し、次へをクリックします。

3. モデル情報を確認し、保存をクリックします。

4. モデルが正常に保存された後、モデルへのリンクを含む通知バーが表示されます。 プロジェクトで表示をクリックしてください。

   1. 通知を見逃した場合は、ナビゲーション・トレイルでプロジェクト名をクリックしてください。

   2. プロジェクトの資産タブをクリックします。

   3. 住宅建設モデルをクリックします。

5. 配備促進スペースアイコン「」をクリックする。

   1. ターゲットスペースでは、リストからハウスサンプル（または配置スペース）を選択します。

   2. デプロイ後にスペース内のモデルに移動するをチェックするオプションをオンにします。

   3. プロモートをクリックします。

6. モデルが正常に昇格すると、House Construction モデルが配置スペースに表示されます。

7. 新規デプロイメントをクリックしてください。

   1. デプロイメント名には、 House deploymentと入力します。

   2. ハードウェア定義の場合は、リストから 2 CPU および 8 GB RAM を選択してください。

   3. 「作成」 をクリックします。

8. デプロイのステータスがデプロイ済みに変わるのを待ちます。

このタスクをプレビューするには、04:55から始まるビデオをご覧ください。

シナリオでモデルをテストするには、コンピュータから展開スペースにデータファイルをアップロードする必要があります。 以下の手順に従って、サンプルのzipファイルに含まれるCSVファイルを使用してジョブを作成し、モデルをテストしてください：

1. ナビゲーション トレイルでハウス サンプル（または配置スペース）をクリックして配置スペースに戻ります。

2. 「資産」タブをクリックします。

   1. ご使用のコンピューターの HouseConstructionScheduling.zip ファイルの .containers> Scenario 1 フォルダーに、いくつかの CSV ファイルが見つかります。

   2. アップロード資産のアイコン「」をクリックして、データパネルを開きます。

   3. Subcontractor.csv、Activity.csv、 および Expertise.csv ファイルを データ パネルの ここにファイルをドロップするか、またはアップロードするファイルを参照する 領域にドラッグしてください。

3. デプロイメント タブをクリックしてください。

4. 家の配置をクリックします。

5. モデルを採点するためにジョブを投入するには、New jobをクリックします。

6. ジョブ名には、 House construction job と入力します。

7. 次へ をクリックします。

8. 構成 ページでデフォルト値を選択し、 次へをクリックしてください。

9. スケジュール ページでデフォルト値を選択し、 次へをクリックしてください。

10. 通知 ページでデフォルト値を選択し、 次へをクリックしてください。

11. データの選択 ページの 入力 セクションで、入力 ID ごとに、以前にスペースにロードした対応するデータ資産を選択してください。

12. 出力 セクションで、作成する各ソリューション・テーブルの名前を指定します。

    1. Output ID ScheduledActivities.csvの場合は、 「データ・ソースの選択」>「新規作成」をクリックし、名前として ScheduledActivities.csv と入力し、 確認をクリックしてください。

    2. Output ID NotScheduledActivities.csvの場合は、 「データ・ソースの選択」>「新規作成」をクリックし、名前として NotScheduledActivities.csv と入力し、 確認をクリックしてください。

    3. Output ID stats.csvの場合は、 「データ・ソースの選択」>「新規作成」をクリックし、名前として stats.csv と入力し、 確認をクリックしてください。

    4. Output ID kpis.csvの場合は、 「データ・ソースの選択」>「新規作成」をクリックし、名前として kpis.csv と入力し、 確認をクリックしてください。

    5. Output ID solution.jsonの場合は、 「データ・ソースの選択」>「新規作成」をクリックし、名前として solution.json と入力し、 確認をクリックしてください。

    6. Output ID log.txt の場合は、Select data source > Create new をクリックし、名前に log.txt と入力し、Confirm をクリックします。

13. データの選択 ページの情報を確認し、 次へをクリックしてください。

14. レビューと作成ページの情報を確認し、作成と実行をクリックします。

15. 家屋配置モデルページから、家屋建設ジョブという名前で作成したジョブをクリックし、そのステータスを確認します。

16. ジョブの実行が完了したら、ハウス サンプル (または配置スペース) をクリックして配置スペースに戻ります。

17. 「資産」タブに、出力ファイルが表示されます：

    • スケジュールされたアクティブ化 .csv

    • スケジュールされていないアクティブ化 .csv

    • stats.csv

    • kpis.csv

    • solution.json

    • log.txt

18. これらの各資産に対して、 ダウンロード アイコンをクリックして、これらの各ファイルを表示します。