Voor veel organisaties is Decision Optimization een belangrijk onderdeel van de analyseprocessen, maar veel bedrijven zijn zich er nog niet bewust van dat ze hiervan gebruik maken of zouden moeten maken.

Beslissingsoptimalisatie is een tak van de wiskunde die zich bezighoudt met het maximaliseren van de output van een groot aantal inputvariabelen die hun relatieve invloed uitoefenen op de output. Het wordt veel gebruikt in economie, speltheorie en operationeel onderzoek met enige toepassing in mechanica en engineering.

IBM® Decision Optimization vertegenwoordigt een reeks optimalisatiesoftware die prescriptieve analysemogelijkheden biedt om u te helpen betere beslissingen te nemen en betere bedrijfsresultaten te leveren.

Wat Decision Optimization voor uw bedrijf kan doen

IBM Decision Optimization voor Watson Studio stelt data science-teams in staat te profiteren van de kracht van prescriptieve analyses en oplossingen te bouwen met behulp van een combinatie van technieken zoals machine learning en optimalisatie.

Mogelijke toepassingen zijn onder anderen:

• Resource Assignment: Resourcetoewijzingsproblemen gaan over het matchen van dingen. U kunt deze toepassing bijvoorbeeld gebruiken wanneer u middelen (personeel, uitrusting, budget,…) wilt toewijzen (of matchen) aan doelen (banen, evenementen, plaatsen), gezien hun respectievelijke beperkingen. Uw doel kan bijvoorbeeld zijn om de kosten te minimaliseren of de opbrengst van deze opdracht te maximaliseren.
• Scheduling: U kunt bij deze toepassing denken aan taken of activiteiten die u moet plannen, in een bepaalde volgorde met specifieke begin- en eindtijden en regels (of voorrangsbeperkingen) met betrekking tot welke items voor of na anderen kunnen worden uitgevoerd. Uw doel kan bijvoorbeeld zijn om de totale tijd die nodig is om alle taken uit te voeren tot een minimum te beperken, of om de kosten te minimaliseren en middelen efficiënt in te zetten.
• Selection & allocation: Bij selectieproblemen gaat het om het kiezen uit een lijst met mogelijkheden. U kunt bij deze toepassing denken aan situaties waarin u alle mogelijke keuzes die u wilt overwegen in één tabel hebt gecombineerd. Deze tabel kan bijvoorbeeld een voorselectie bevatten van keuzes die u al heeft gemaakt op basis van voorspellende analyse. Er kan echter nog een groot aantal mogelijkheden zijn om uit te kiezen. U wilt dat Decision Optimization u helpt bij het bepalen van de beste (optimale) selectie van deze items (of combinaties), zodat u uw doelstellingen kunt bereiken en uw beperkingen kunt respecteren
• Supply & Demand planning: Bij planningsproblemen gaat het om het kwantificeren van zaken. U kunt deze toepassing bijvoorbeeld gebruiken wanneer u wilt bepalen welke hoeveelheden of niveaus u wilt hebben (bijvoorbeeld voorraad, productie, materialen, service) over een bepaalde periode (bijvoorbeeld weken, maanden, kwartalen). Een typisch voorbeeld van een planningsmodel is een productieplanningsprobleem waarbij u moet weten hoeveel grondstoffen u in elk kwartaal op voorraad moet hebben om het optimale aantal producten te kunnen produceren om aan uw vraag te voldoen.

Voordelen van Decision Optimization voor Watson Studio

Decision Optimization is beschikbaar bij IBM Watson Studio voor IBM Cloud Pak for Data.

• Operationele efficiënte stimuleren: Intergratie met IBM Watson Studio helpt bij het optimaliseren van complexe zakelijke beslissingen om een aanzienlijk rendement op investeringen te helpen genereren
• Een breed scala aan besluitvormingsproblemen oplossen: IBM CPLEX oplossers kunnen helpen bij het oplossen van grote real-world optimalisatieproblemen met de snelheid die nodig is voor de huidige interactieve besluitvormingsoptimalisatietoepassingen
• Vereenvoudig het proces van het maken van optimalisatiemodellen: De modelleringsassistent gebruikt natuurlijke taalinteracties om doelen en beperkingen voor het model te definiëren zonder dat codering vereist is
• Maak uw project eenvoudig operationeel: integratie van optimalisatiemogelijkheden binnen IBM Watson Studio stelt teams in staat om snel hun proof-of-concept-applicaties te schalen en optimalisatiemodellen in productie te nemen
• Werk slimmer en sneller als een team: Deel grafische dashboards met business analisten om de voordelen van de modellen te valideren. Gebruik krachtige visualisatiefuncties om meerdere scenario’s te testen

Neem praktische, deelbare beslissingen

Zet gegevensinzichten om in zakelijke acties met behulp van prescriptieve analysemogelijkheden

Vereenvoudig met IBM ILOG CPLEX-oplossers

Ontdek snelle, zeer betrouwbare oplossingen met IBM optimalisatie

Gebruikersacceptie met een moderne UI

Verbeter de applicatie snel met kant- en – klare componenten en ingebouwde visualisatie

Bespaar tijd en kosten om applicaties te leveren

Werk met een open, op standaarden gebaseerde architectuur en wijs databases eenvoudig toe aan applicatie data tabellen

Overal implementeren, cloud of lokaal

Ga snel van proof-of-concept naar productie, in de cloud of op locatie met meerdere implementatie opties

Gebruik profiel gebaseerd rolbeheer

Beheer toegang tot applicatiefunctionaliteit op basis van gebruikersprofielen

Methodologie van Decision Optimization

Het exponentiële karakter van beslissingsoptimalisatie betekent dat het aantal variabelen en opties extreem snel overweldigend kan worden. Het werken met een standaard set procedures kan er echter voor zorgen dat het analytisch niet te uit de hand loopt.

De stappen zijn als volgt:

• Begrijp het algemene concept van uw systeem – het handelsreizigers probleem is een eenvoudig te begrijpen voorbeeld, dat wil zeggen verminder het aantal retourvluchten wat nodig is voor een reeks reizen. Het is een concept dat ook zinvol is voor fabrikanten die ervoor willen zorgen dat de kortste route wordt genomen om kosten tot een minimum te beperken. Leg uw concept boven alles uit en begrijp wat de betrekken taken en de mogelijke paden zijn om daar te komen.
• Definieer de doelstelling(en) – Waarschijnlijk de meest begrijpelijke en essentiële stap van het proces. Zorg voor duidelijke en definieerbare doelen, zelfs subdoelen om uw op het goede spoor te houden.
• Identificeer variabelen (de dingen die u kunt controleren) en de beperkingen (de dingen waar u geen controle over hebt) – Analisten zullen beslissen wat de onafhankelijke en afhankelijke variabelen moeten zijn en theoretiseren welk type model het beste bij het probleem past.
• Identificeer de controleerbare inputs en outputs – Hier zorgen de analisten ervoor dat de juiste datasets worden gebruikt en dat de netheid van de gegevens gegarandeerd wordt. De standaardwaarschuwing voor de modelbouwer voor ‘garbage in, garbage out’ is in dit stadium extra belangrijk. Kleine datafouten kunnen weerkaatsen in een beslissingsoptimalisatiemodel en al snel onzinnige resultaten opleveren.
• Specificeer alle wiskundige grootheden – Theorie wordt hier realiteit. Elke variabele wordt een wiskundige grootheid die ervoor zorgt dat alle parameters van het probleem in aanmerking worden genomen.
• Voer het model uit – Hier ontmoet het rubber de weg. Als al het gegevensopschoning-, gegevensvoorbereiding- en modelleringswerk correct is uitgevoerd, zou een model dat het werkelijke probleem nauwkeurig weerspiegelt, resultaten moeten opleveren voor uw oorspronkelijke doel of doelen.
• Controleer het model op volledigheid, netheid en correctheid – Analisten kunnen de resultaten controleren om er zeker van te zijn dat er niets ongepast onder de motorkap gebeurt en dat alle noodzakelijke modelleringsstappen correct zijn uitgevoerd.
• Test, experimenteer, stem af, verzamel feedback en blijf het proces perfectioneren – Modellen zouden levende dingen moeten zijn, aangepast en evolueren met nieuwe variabelen, nieuwe beperkingen, nieuwe modelresultaten, enz., dus dit hele proces moet worden gezien als herhaalbaar en doorlopend werk. Elk model wordt oud en deze finetuning kan het fris houden.

Lees nu ook ons blog over de kracht van het combineren van predictive en prescriptive analytics

Of schrijf u in voor een oriënterend webinar: