クイック・スタート: Decision Optimization モデルのビルド、実行、およびデプロイする

Decision Optimization ツールを使用して Decision Optimization モデルを作成し、データ・セットに基づいてビジネス上の問題を解決するための最適な方法を決定することができます。 Decision Optimization ツールについて読み、ビデオを見て、規範的な分析の知識があるが、コーディングは必要ないユーザーに適したチュートリアルを受け取ります。

必要なサービス Watson Studio Watson Machine Learning

基本的なワークフローには、以下のタスクが含まれます:

  1. プロジェクトを作成する プロジェクトは、データを処理するために他のユーザーと共同作業できる場所です。
  2. Decision Optimization エクスペリメントをプロジェクトに追加します。 サンプル・ファイルから圧縮ファイルまたはデータを追加できます。
  3. Watson Machine Learning Service をプロジェクトに関連付けます。
  4. プロジェクトの Watson Machine Learning Serviceに関連付けるデプロイメント・スペースを作成します。
  5. Modeling Assistant でデータ、モデル目標、および制約を確認します。
  6. 1 つ以上のシナリオを実行してモデルをテストし、結果を確認します。
  7. モデルをデプロイします。

Decision Optimization について読む

Decision Optimization は、ビジネス上の問題に基づいて、データを分析し、(Modeling Assistant を使用して) 最適化モデルを作成することができます。 まず、最適化モデルは、ビジネス上の問題を、最適化エンジンが理解できる数式に変換することによって導出されます。 式は、最終的な決定の基礎となるモデルを定義する目標と制約で構成されます。 モデルは、入力データとともにシナリオを形成します。 最適化エンジンは、何百万もの可能性を制限する目的と制約を適用してシナリオを解決し、最良のソリューションを提供します。 このソリューションは、モデルの式を満たすか、またはモデルが実行不可能な場合は特定の制約を緩和します。 さまざまなデータを使用してシナリオをテストすることも、または目標と制約を変更して再実行し、ソリューションを表示することによってテストすることもできます。 問題がなければ、モデルをデプロイできます。

Decision Optimization の詳細をさらに読む

Decision Optimization モデルの作成に関するビデオをみ見る

ビデオを見る このビデオを見て、 Decision Optimization Experiment Builder with Watson Studio および Watson Machine Learningを使用してモデルを作成、解決、およびデプロイするためにサンプル Decision Optimization エクスペリメントを実行する方法を確認してください。

このビデオでは、本書に記載されている手順に従う代わりの方法として、視覚方式を提供します。

チュートリアルを試行して、 Decision Optimization を使用するモデルを作成します

このチュートリアルでは、以下を行います。

  • プロジェクトを作成する
  • Watson Machine Learning サービスをプロジェクトに関連付けます。
  • プロジェクト内に Decision Optimization エクスペリメントを作成します。
  • Decision Optimization モデルを作成して保存します。
  • Decision Optimization モデルをデプロイします。
  • Decision Optimization モデルをテストします。

このチュートリアルを完了するための所要時間は約 30 分です。

ステップ 1: プロジェクトを作成し、 Watson Machine Learning サービスに関連付ける

{: #step1} AutoAI エクスペリメントを保存するためのプロジェクトが必要です。

  1. 既存のプロジェクトをを持っている場合は、それを開きます。 既存のプロジェクトを持っていない場合は、ホーム・ページで プロジェクトの作成 をクリックするか、または プロジェクト ページで 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. プロジェクトの作成 画面で、プロジェクトの名前とオプション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 {: new_window} を選択するか、または新規作成します。
  5. 「作成 (Create)」をクリックします。
  6. プロジェクトが開いたら、 管理 タブをクリックしてください。
  7. サービスと統合 ページで、 「サービスの関連付け」> Watsonをクリックしてください。
  8. Watson Machine Learning サービス・インスタンスがまだプロビジョンされていない場合は、 新規サービスをクリックし、Machine Learning を選択して、 作成をクリックしてください。
  9. Watson Machine Learning インスタンスを選択し、 サービスの関連付けをクリックしてください。
  10. サービスの関連付け ダイアログ・ボックスを閉じます。

詳細について、またはビデオを見るには、 プロジェクトの作成を参照してください。
関連サービスについて詳しくは、 関連付けられたサービスの追加 {: new_window}を参照してください。

ステップ 2: Decision Optimization エクスペリメントを作成する

{: #step2}エクスペリメントを作成します。

  1. 新規プロジェクトから、 「新規資産」> 「Decision Optimization エクスペリメント」をクリックしてください。
  2. From file タブを選択してください。
  3. サンプル・ファイルの取得 をクリックして、このチュートリアル用に住宅建設サンプル・ファイルをコンピューターにダウンロードします。
  4. ファイルの追加をクリックし、ご使用のコンピューターから HouseConstructionScheduling.zip ファイルを選択してください。
  5. 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. デプロイメント・スペース セクションで、 デプロイメント・スペースの作成をクリックしてください。
    2. 名前 フィールドに 住宅サンプル と入力して、デプロイメント・スペースに名前を提供してください。

    3. デプロイメント・スペースに使用するストレージ・サービスを選択してください。

    4. 「作成 (Create)」をクリックします。

    5. スペースの準備ができたら、 閉じる をクリックして NewDecision Optimization エクスペリメント 画面に戻ります。
  6. 作成 をクリックして、 Decision Optimizationエクスペリメント・ユーザー・インターフェースを開きます。

ステップ 3: モデルを作成し、シナリオ結果を視覚化する

{: #step3} Decision Optimization Modeling Assistant を使用して、モデルを作成し、結果を視覚化します。

  1. 左側のペインで、 モデルの作成 を選択して、Modeling Assistant を開きます。
  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 をクリックして、決定変数の結果の (最適な) 値を表示します。 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. 入力 タブで、 Gantt を選択して、最適なスケジュールでシナリオを表示します。

ステップ 4: モデルの目的と制約を変更する

{: #step4}次に、モデルの目的と制約を変更します。

  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の横にある 3 つのドットのアイコンをクリックし、 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. その他の提案を検索するにはここに入力する 検索フィールドの内部をクリックし、 overall qualityと入力して、 Enterを押します。
    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. 概要 をクリックして、 シナリオ 1シナリオ 2の間で統計を比較します。

ステップ 5: モデルをデプロイする

{: #step5} 次に、モデルをデプロイメント・スペースにプロモートし、デプロイメントを作成します。

  1. 左側のペインで、 シナリオ 1の横にある 3 つのドットのメニュー・アイコンをクリックし、 デプロイメントのために保存を選択してください。
  2. モデル名 フィールドに House Construction と入力し、 保存をクリックしてください。
  3. 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。
  4. プロジェクトの 資産 タブで、 Decision Optimization エクスペリメント セクションの House Construction モデルを選択してください。
    1. デプロイメント・スペースにプロモートをクリックしてください。
    2. ターゲット・スペースの場合は、リストから 住宅サンプル を選択してください。
    3. プロモートをクリックします。
  5. モデルが正常にプロモートされると、デプロイメント・スペースへのリンクを含む通知が表示されます。 デプロイメント・スペースをクリックしてください。 住宅サンプル デプロイメント・スペースが表示されます。
  6. シナリオを使用してモデルをテストするには、コンピューターから 資産 タブにデータ・ファイルをアップロードする必要があります。
    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. Subcontractor.csvActivity.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。
  7. モデル セクションで、モデル情報を表示する 住宅建設 モデルを選択してください。
  8. 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 (Create)」をクリックします。

ステップ 6: モデルをテストする

{: #step6} 最後に、デプロイメント・スペースに以前にアップロードした CSV ファイルを使用してジョブを作成することにより、モデルをテストします。

  1. 新規ジョブをクリックしてください。
  2. ジョブ名には、 House job 1 と入力します。
  3. 「次へ」をクリックします。
  4. 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。
  5. 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。
  6. 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。
  7. 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。
    1. Input ID Subcontractor.csvの場合は、 「データ・ソースの選択」>「データ資産」>「Subcontractor.csv」>「確認」をクリックしてください。
    2. Input ID Activity.csvの場合は、 「データ・ソースの選択」>「データ資産」>「Activity.csv」>「確認」をクリックしてください。
    3. Input ID Expertise.csvの場合は、 「データ・ソースの選択」>「データ資産」>「Expertise.csv」>「確認」をクリックしてください。
  8. 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。
  9. 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。
  10. レビューと作成 ページの情報を確認し、 作成をクリックしてください。
  11. ハウス・デプロイメント モデル・ページで、 ハウス・ジョブ 1 という名前で作成したジョブをクリックして、その状況を確認します。
  12. ジョブ実行が完了したら、 住宅サンプル をクリックしてデプロイメント・スペースに戻ります。
  13. 「資産」タブでは、以下の 5 つの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
    • ソリューション .json
  14. 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。

Watson Machine Learning API を使用したジョブを提出します。

詳細情報

Decision Optimization エクスペリメントの作成と実行

UI を使用した Decision Optimization モデルのデプロイ

親トピック: モデルの作成、デプロイ、および信頼性について開始しましょう