Inicio rápido: Crear, ejecutar y desplegar un modelo de Decision Optimization

Puede utilizar la herramienta Decision Optimization para crear modelos de Decision Optimization para decidir el mejor enfoque para resolver problemas empresariales basados en conjuntos de datos. Lea acerca de la herramienta Decision Optimization y, a continuación, vea un vídeo y siga una guía de aprendizaje adecuada para los usuarios con ciertos conocimientos de la analítica prescriptiva, pero que no requiere codificación.

Servicios necesarios Watson Studio Watson Machine Learning

El flujo de trabajo básico incluye estas tareas:

  1. Cree un proyecto. Los proyectos son la ubicación donde puede colaborar con otros para trabajar con los datos.
  2. Añada un experimento de Decision Optimization al proyecto. Puede añadir archivos comprimidos o datos de archivos de ejemplo.
  3. Asocie un servicio de Watson Machine Learning con el proyecto.
  4. Cree un espacio de despliegue para asociarlo con el servicio Watson Machine Learning del proyecto.
  5. Revise los datos, los objetivos del modelo y las restricciones en el Asistente de modelado.
  6. Ejecute uno o más escenarios para probar el modelo y revisar los resultados.
  7. Despliegue el modelo.

Más información sobre Decision Optimization

Decision Optimization puede analizar datos y crear un modelo de optimización (con el Asistente de modelado) basado en un problema empresarial. En primer lugar, se deriva un modelo de optimización convirtiendo un problema empresarial en una formulación matemática que el motor de optimización pueda entender. La formulación consta de objetivos y restricciones que definen el modelo en el que se basa la decisión final. El modelo, junto con los datos de entrada, forma un escenario. El motor de optimización resuelve el escenario aplicando los objetivos y las restricciones para limitar millones de posibilidades y proporciona la mejor solución. Esta solución satisface la formulación del modelo o relaja ciertas restricciones si el modelo es inviable. Puede probar casos de ejemplo utilizando datos diferentes o modificando los objetivos y las restricciones y volviendo a ejecutarlos y visualizando soluciones. Cuando esté satisfecho, puede desplegar el modelo.

Más información sobre Decision Optimization

Vea un vídeo sobre cómo crear un modelo de Decision Optimization

Ver vídeo Vea este vídeo para ver cómo ejecutar un experimento de Decision Optimization de ejemplo para crear, resolver y desplegar un modelo utilizando Decision Optimization Experiment Builder con Watson Studio y Watson Machine Learning.

Este vídeo proporciona un método visual como una alternativa a seguir los pasos escritos incluidos en esta documentación.

Pruebe una guía de aprendizaje para crear un modelo que utilice Decision Optimization

En esta guía de aprendizaje, hará lo siguiente:

  • Cree un proyecto.
  • Asocie el servicio Watson Machine Learning al proyecto.
  • Cree un experimento de Decision Optimization en el proyecto.
  • Crear y guardar un modelo de Decision Optimization.
  • Desplegar el modelo de Decision Optimization.
  • Probar el modelo de Decision Optimization.

Le llevará aproximadamente 30 minutos el completar esta guía de aprendizaje.

Paso 1: Crear un proyecto y asociar el servicio Watson Machine Learning

{: #step1}Necesita un proyecto para almacenar el experimento de AutoAI.

  1. Si tiene un proyecto existente, ábralo. Si no tiene un proyecto existente, pulse Crear un proyecto en la página de inicio o pulse Nuevo proyecto en la página Proyectos.
  2. Seleccione Crear un proyecto vacío.
  3. En la pantalla Crear un proyecto , escriba un nombre y una descripción opcional para el proyecto.
  4. Elija una instancia de servicio de almacenamiento de objetos existente o cree una nueva.
  5. Pulse Crear.
  6. Cuando se abra el proyecto, pulse la pestaña Gestionar.
  7. En la página Servicios e integraciones, pulse Servicio asociado > Watson.
  8. Si todavía no tiene una instancia de servicio de Watson Machine Learning suministrada, pulse Nuevo servicio, seleccione Machine Learning y pulse Crear.
  9. Seleccione la instancia de Watson Machine Learning y pulse Servicio asociado.
  10. Cierre el recuadro de diálogo Servicio asociado.

Para obtener más información o ver un vídeo, consulte Creación de un proyecto.
Para obtener más información sobre los servicios asociados, consulte Adición de servicios asociados.

Paso 2: Crear un experimento de Decision Optimization

{: #step2}Cree el experimento.

  1. En el nuevo proyecto, pulse Nuevo activo > Experimento de Decision Optimization.
  2. Seleccione la pestaña Desde archivo.
  3. Pulse Obtener archivos de ejemplo para descargar los archivos de ejemplo de construcción de vivienda en el sistema para esta guía de aprendizaje.
  4. Pulse Añadir archivo y seleccione el archivo HouseConstructionScheduling.zip del sistema.
  5. Elija un espacio de despliegue para asociarlo a este experimento. Si no tiene un espacio de despliegue existente, cree uno:

    1. En la sección Espacio de despliegue, pulse Crear un espacio de despliegue.
    2. En el campo Nombre, escriba Ejemplo de vivienda para proporcionar un nombre al espacio de despliegue.

    3. Seleccione un servicio de almacenamiento para utilizarlo para el espacio de despliegue.

    4. Pulse Crear.

    5. Cuando el espacio esté listo, y pulse Cerrar para volver a la pantalla Nuevo experimento de Decision Optimization.
  6. Ahora pulse Crear para abrir la interfaz de usuario del experimento de Decision Optimization.

Paso 3: Crear un modelo y visualizar el resultado de un escenario

{: #step3}Cree un modelo y visualice el resultado utilizando Decision Optimization Modeling Assistant.

  1. En el panel izquierdo, seleccione Crear modelo para abrir el Asistente de modelado.
  2. Pulse Ejecutar para ejecutar el escenario para resolver el modelo y espere a que se complete la ejecución.
  3. Cuando se completa la ejecución, se visualiza la vista Explorar solución. En la pestaña Resultados, pulse Soluciones para ver los valores resultantes (mejores) para las variables de decisión. Estas tablas de soluciones se visualizan en orden alfabético de forma predeterminada.
  4. En el panel izquierdo, seleccione Visualización.
  5. En la pestaña Entrada, seleccione Gantt para ver el escenario con la planificación óptima.

Paso 4: Cambiar objetivos y restricciones del modelo

{: #step4}A continuación, cambie los objetivos y las restricciones del modelo.

  1. Pulse Crear modelo.
  2. En el panel izquierdo, pulse el icono de tres puntos situado junto a Escenario 1y seleccione Duplicar.
  3. Para el nombre, escriba Scenario 2 y pulse Crear.
  4. Para Escenario 2, añada un objetivo al modelo para optimizar la calidad del trabajo basándose en la experiencia de cada contratista.
    1. Pulse dentro del campo de búsqueda Escriba aquí para buscar otras sugerencias, escriba overall quality y pulse Enter.
    2. Expanda la sección Objetivo.
    3. Pulse Maximizar la calidad global de las asignaciones de Subcontratista - Asignaciones de actividades de acuerdo con la tabla de valores de asignación para añadirlo como un objetivo. Este nuevo objetivo aparece ahora en la sección Objetivos junto con el objetivo Minimizar el tiempo para completar todas las actividades.
    4. Para el objetivo que acaba de añadir, pulse tabla de valores de asignación y seleccione Experiencia. Se visualiza una lista de parámetros de Experiencia.
    5. En esta lista, pulse definición para cambiar el campo que define la experiencia del contratista y seleccione Nivel de habilidad.
  5. Pulse Ejecutar para ejecutar el escenario para crear el modelo y espere a que se complete la ejecución.
  6. Pulse Visión general para comparar estadísticas entre Escenario 1 y Escenario 2.

Paso 5: Desplegar el modelo

{: #step5}A continuación, promocione el modelo a un espacio de despliegue y cree un despliegue.

  1. En el panel izquierdo, pulse el icono de menú de tres puntos situado junto a Escenario 1 y seleccione Guardar para el despliegue.
  2. En el campo Nombre del modelo, escriba House Construction y pulse Guardar.
  3. Una vez que el modelo se ha guardado correctamente, se visualiza una barra de notificación con un enlace al modelo. Pulse Ver en proyecto.
  4. En la pestaña Activos del proyecto, seleccione el modelo Construcción de viviendas en la sección Experimento de Decision Optimization.
    1. Pulse Promocionar a espacio de despliegue.
    2. Para Espacio de destino, seleccione Ejemplo de vivienda en la lista.
    3. Haga clic en Promover.
  5. Una vez que el modelo se ha promocionado correctamente, se visualiza una notificación con un enlace al espacio de despliegue. Pulse espacio de despliegue. Se visualiza el espacio de despliegue de Ejemplo de vivienda.
  6. Para probar el modelo con un escenario, debe cargar archivos de datos desde el sistema a la pestaña Activos.
    1. En el archivo HouseConstructionScheduling.zip del sistema, encontrará varios archivos CSV en la carpeta .containers > Scenario 1.
    2. Arrastre los archivos Subcontractor.csv, Activity.csv y Expertise.csv al área Eliminar archivos aquí o buscar archivos que cargar del panel Datos.
  7. En la sección Modelos, seleccione el modelo Construcción de viviendas para ver la información del modelo.
  8. Pulse Nuevo despliegue.
    1. Para el nombre de despliegue, escriba House deployment.
    2. Para Definición de hardware, seleccione 2 CPU y 8 GB de RAM en la lista.
    3. Pulse Crear.

Paso 6: Probar un modelo

{: #step6}Por último, pruebe el modelo creando un trabajo utilizando los archivos CSV que ha cargado previamente en el espacio de despliegue.

  1. Pulse Nuevo trabajo.
  2. Para el nombre del trabajo, escriba House job 1.
  3. Pulse Siguiente.
  4. Seleccione los valores predeterminados en la página Configurar y pulse Siguiente.
  5. Seleccione los valores predeterminados en la página Planificar y pulse Siguiente.
  6. Seleccione los valores predeterminados en la página Notificar y pulse Siguiente.
  7. En la página Elegir datos, en la sección Entrada, seleccione los activos de datos correspondientes que haya cargado previamente en el espacio para cada ID de entrada.
    1. Para ID de entrada Subcontractor.csv, pulse Seleccionar origen de datos > Activo de datos > Subcontracor.csv > Confirmar.
    2. Para ID de entrada Activity.csv, pulse Seleccionar origen de datos > Activo de datos > Activity.csv > Confirmar.
    3. Para ID de entrada Expertise.csv, pulse Seleccionar origen de datos > Activo de datos > Expertise.csv > Confirmar.
  8. En la sección Salida, proporcionará el nombre de cada tabla de solución que se va a crear.
    1. Para ID de salida ScheduledActivities.csv, pulse Seleccionar origen de datos > Crear nuevo, escriba ScheduledActivities.csv para el nombre y pulse Confirmar.
    2. Para ID de salida NotScheduledActivities.csv, pulse Seleccionar origen de datos > Crear nuevo, escriba NotScheduledActivities.csv para el nombre y pulse Confirmar.
    3. Para ID de salida stats.csv, pulse Seleccionar origen de datos > Crear nuevo, escriba stats.csv para el nombre y pulse Confirmar.
    4. Para ID de salida kpis.csv, pulse Seleccionar origen de datos > Crear nuevo, escriba kpis.csv para el nombre y pulse Confirmar.
    5. Para ID de salida solution.json, pulse Seleccionar origen de datos > Crear nuevo, escriba solution.json para el nombre y pulse Confirmar.
  9. Revise la información en la página Elegir datos y, a continuación, pulse Siguiente.
  10. Revise la información en la página Revisar y crear y, a continuación, pulse Crear.
  11. En la página del modelo de Despliegue de viviendas, pulse el trabajo que ha creado denominado Trabajo de vivienda 1 para ver su estado.
  12. Una vez finalizada la ejecución del trabajo, pulse Ejemplo de vivienda para volver al espacio de despliegue.
  13. En la pestaña Activos, verá los cinco archivos de salida:
    • ScheduledActivities.csv
    • NotScheduledactivities.csv
    • stats.csv
    • kpis.csv
    • solution.json
  14. Para cada uno de estos activos, pulse el icono Descargar y, a continuación, visualice cada uno de estos archivos.

También puede enviar trabajos utilizando la API de Watson Machine Learning.

Más información

Creación y ejecución de experimentos de Decision Optimization

Despliegue de modelos de Decision Optimization con la IU

Tema principal: Cómo empezar a crear, desplegar y confiar en modelos