IBM智能決策優(yōu)化系統(tǒng)已經(jīng)融入IBM Cloud Pak for Data平臺(tái)，支持?jǐn)?shù)據(jù)科學(xué)家通過Python、OPL、CPLEX、CPO、建模助手等方式構(gòu)建決策模型。

0. 引言

在制造業(yè)，如何將有限的人力和設(shè)備，在不同的時(shí)段分配到不同產(chǎn)品制造上，使得企業(yè)的效益最大化？

在航空業(yè)，如何實(shí)時(shí)地調(diào)整航空時(shí)刻表來調(diào)度航班，機(jī)組人員，航線設(shè)計(jì)等，使得收益最大化？

在金融業(yè)，如何實(shí)現(xiàn)信貸資金優(yōu)化配置，權(quán)衡用戶需求和風(fēng)險(xiǎn)監(jiān)管要求，使得利益最大化？

在物流業(yè)，如何調(diào)配物流車輛和選擇物流路徑，才能最低的成本和最快的速度完成貨物的運(yùn)輸？

作為企業(yè)的決策者，該如何來回答這些問題呢？不乏有人會(huì)根據(jù)初步數(shù)據(jù)和歷史經(jīng)驗(yàn)來“拍腦袋”決策，造成的結(jié)果可能是后悔得“將大腿拍腫”。

隨著數(shù)字化時(shí)代的到來，數(shù)據(jù)越來越多，運(yùn)營(yíng)模式越來越復(fù)雜，這給決策者帶來了前所未有的困難。企業(yè)只有全面地對(duì)決策鏈進(jìn)行智能化轉(zhuǎn)型，讓“數(shù)據(jù)說話”，才能塑造核心競(jìng)爭(zhēng)力，統(tǒng)籌成本和規(guī)模等，實(shí)現(xiàn)效益最大化。

IBM智能決策平臺(tái)，作為行業(yè)的領(lǐng)跑者，通過持續(xù)革新，不斷賦能企業(yè)全鏈路決策升級(jí)，助力企業(yè)完成數(shù)字化、智能化轉(zhuǎn)型，加速企業(yè)卓越地完成業(yè)務(wù)KPI指標(biāo)。IBM智能決策平臺(tái)將和中國(guó)企業(yè)一起攜手共創(chuàng)，優(yōu)化一切。

1. 從統(tǒng)籌學(xué)鼻祖軟件CPLEX說起

CPLEX是一位妥妥的80后，最初版本在1988年就被開發(fā)出來，可謂歷史悠久！在1997年，被ILOG公司收購(gòu)，2009年，納入IBM懷抱， CPLEX在統(tǒng)籌學(xué)領(lǐng)域可謂盡人皆知。

CPLEX是業(yè)界領(lǐng)先的數(shù)學(xué)規(guī)劃問題求解軟件，以靈活的超高性能優(yōu)化程序，來解決線性（LP）優(yōu)化問題、網(wǎng)絡(luò)流問題、二次規(guī)劃(QP)問題、二次約束規(guī)劃(QCP)問題和混合整數(shù)規(guī)劃(MIP)問題等，適應(yīng)于多種統(tǒng)籌學(xué)決策優(yōu)化場(chǎng)景。經(jīng)過多年的技術(shù)沉淀，IBM ILOG CPLEX 已經(jīng)全面發(fā)展成為商業(yè)的智能決策平臺(tái)IBM Decision Optimization系列產(chǎn)品。

2. IBM決策優(yōu)化系統(tǒng)COS蓬勃發(fā)展

IBM ILOG CPLEX Optimization Studio(簡(jiǎn)稱COS)為用戶提供了一個(gè)非常簡(jiǎn)便的建模環(huán)境，可供運(yùn)籌學(xué)專家或者數(shù)據(jù)科學(xué)家輕松方便的建模，并測(cè)試模型。COS的關(guān)鍵組件和構(gòu)架如下：

（資料來源：IBM CPLEX市場(chǎng)培訓(xùn)宣傳資料）

2.1 COS的優(yōu)化引擎

優(yōu)化引擎猶如決策優(yōu)化系統(tǒng)的大腦，而COS有兩個(gè)強(qiáng)悍的大腦，其中之一就是CPLEX，CPLEX通常用于大規(guī)模的戰(zhàn)略問題。CPLEX包含了多種算法，并可基于問題自動(dòng)檢測(cè)出最佳的算法。CPLEX引擎支持并行化，可以運(yùn)行在共享和分布式內(nèi)存體系結(jié)構(gòu)中，支持不可行性分析。CPLEX引擎支持解決方案池，用戶可以從解決方案池中選擇最適合他們需求的特定方案。此外，CPLEX支持用戶通過參數(shù)集對(duì)算法進(jìn)行微調(diào)來達(dá)到最理想的效果。CPLEX用戶的自定義行為，運(yùn)籌專家用戶可以利用自己對(duì)問題的深刻理解來創(chuàng)建自己的算法，更有效地解決復(fù)雜的問題。

COS的第二個(gè)大腦是CPO (Constraint Programming Optimizer)，用不同的算法解決不同類型的問題，比如離散非線性問題等。這也正是COS與其他商業(yè)決策優(yōu)化引擎之間的重要區(qū)別，CPO可以解決CPLEX和其他求解器難以解決的復(fù)雜調(diào)度問題。CPO引擎允許建模者基于預(yù)置的調(diào)度模型來構(gòu)建，從而實(shí)現(xiàn)輕松而又快速建模。和CPLEX引擎一樣，CPO一般可以自行決定在底層使用哪些算法，支持統(tǒng)籌學(xué)專家微調(diào)，支持在共享內(nèi)存架構(gòu)中并行運(yùn)行來提高性能。

2.2 COS模型開發(fā)工具

COS集成開發(fā)環(huán)境(IDE)是基于Eclipse的，運(yùn)籌學(xué)專家或數(shù)據(jù)科學(xué)家可以基于此IDE，使用OPL(Optimization Programming Language)建模語(yǔ)言來構(gòu)建優(yōu)化模型。通過這個(gè)IDE，使用OPL建模會(huì)更加容易，因?yàn)镺PL有很多內(nèi)置的模塊可供用戶使用，而且格式化的建模便于用戶快速簡(jiǎn)單上手，用戶按照預(yù)定格式，定義變量、目標(biāo)、約束等模型結(jié)構(gòu)，同時(shí)可選擇性定義一個(gè)數(shù)據(jù)初始化塊和一個(gè)后處理塊。OPL并不像編碼語(yǔ)言那么要求嚴(yán)格，它更像是一種容易讀懂的高級(jí)腳本語(yǔ)言，上手容易。

2.3訪問和部署

COS支持IBM產(chǎn)品的Connectors有 SPSS Modeler Connector和Planning Analytics Connector 等。另外還有一些第三方的軟件，比如Excel、JDBC Connector (連接到數(shù)據(jù)庫(kù))、Microsoft Solver Foundation、MATLAB等，可以通過這些Connector獲取數(shù)據(jù)。輸出和部署模型，可通過API，用戶使用C, Java, C++, .NET, Python等語(yǔ)言來創(chuàng)建一個(gè)應(yīng)用程序，來控制對(duì)引擎的訪問、輸入和輸出。

3. IBM端到端智能決策平臺(tái)DOC

IBM 決策優(yōu)化中心(Decision Optimization Center，簡(jiǎn)稱DOC)是一個(gè)決策優(yōu)化端到端的平臺(tái)，支持從模型開發(fā)、測(cè)試、部署和應(yīng)用全生命周期過程。

當(dāng)前DOC以聯(lián)合開發(fā)的方式，并向著如火如荼的云原生平臺(tái)積極靠攏，既支持以Docker Compose方式安裝部署，同時(shí)也可以通過Helm等方式安裝到Openshift或者Kubernetes平臺(tái)上。其核心是Optimization Server(下文稱為DOC OS)，可以使用戶專注于模型開發(fā)和應(yīng)用上，無(wú)需關(guān)注IT底層設(shè)施的維護(hù)，DOC OS可以自動(dòng)的管理測(cè)試環(huán)境，模型部署測(cè)試，同時(shí)提供自動(dòng)伸縮性和健壯性。其構(gòu)架圖如下。

（資料來源：IBM CPLEX市場(chǎng)培訓(xùn)宣傳資料）

DOC OS Master猶如一個(gè)管理者，從客戶端接收作業(yè)請(qǐng)求和輸入數(shù)據(jù)，并通過一個(gè)消息隊(duì)列(RabbitMQ)，合理分配到Worker上執(zhí)行，并實(shí)時(shí)地得到Worker的反饋，DOC OS預(yù)置了CPLEX和OPL兩種優(yōu)化器，同時(shí)支持用戶自定義Worker，以便靈活使用。每個(gè)作業(yè)的日志、輸入和輸出都存儲(chǔ)在一個(gè)分布式文件存儲(chǔ)的數(shù)據(jù)庫(kù)(MongoDB)中。業(yè)務(wù)用戶通過Web控制臺(tái)來提交作業(yè)(可從本地上傳文件和數(shù)據(jù))，并在Web控制臺(tái)監(jiān)控作業(yè)運(yùn)行，并查看結(jié)果。

4. 決策優(yōu)化和機(jī)器學(xué)習(xí)相得益彰

機(jī)器學(xué)習(xí)已在各行各業(yè)取得了巨大的進(jìn)展，越來越多的企業(yè)借助機(jī)器學(xué)習(xí)來進(jìn)行數(shù)據(jù)挖掘、聚類、用戶行為分析等。其實(shí)運(yùn)籌學(xué)的歷史比機(jī)器學(xué)習(xí)更悠久，當(dāng)運(yùn)籌學(xué)的決策優(yōu)化遇上機(jī)器學(xué)習(xí)，可謂相得益彰，相互成就。

機(jī)器學(xué)習(xí)更多的是“數(shù)據(jù)驅(qū)動(dòng)”，其重點(diǎn)在于通過歷史數(shù)據(jù)來訓(xùn)練模型，然后預(yù)測(cè)未來。比如某電信營(yíng)運(yùn)商可以通過大量歷史用戶的信息來訓(xùn)練模型，預(yù)測(cè)流失用戶，但是機(jī)器學(xué)習(xí)不會(huì)告訴用戶如何使用營(yíng)銷和降費(fèi)等手段，以最佳方案地避免此類用戶的流失。決策優(yōu)化系統(tǒng)更多的是“認(rèn)知驅(qū)動(dòng)”，可以結(jié)合機(jī)器學(xué)習(xí)的預(yù)測(cè)，并利用規(guī)則限制和目標(biāo)，給出最佳的行動(dòng)方案。二者如下圖所示。

IBM Watson是領(lǐng)先的機(jī)器學(xué)習(xí)平臺(tái)，目前IBM決策優(yōu)化系統(tǒng)已和Watson連珠合璧，形成智能決策平臺(tái)IBM Decision Optimization for Watson Studio(下文稱DO for Watson Studio)。數(shù)據(jù)科學(xué)家可以基于DO for Watson Studio，借助于AI能力，端到端地快速構(gòu)建和部署智能化決策優(yōu)化模型，并通過微服務(wù)發(fā)布模型服務(wù)。因其天然優(yōu)勢(shì)，可以很容易地連接到構(gòu)建機(jī)器學(xué)習(xí)模型所用的相同數(shù)據(jù)源。DO for Watson Studio平臺(tái)支持用戶可以圖形界面的形式，查看模型的有效性，進(jìn)而發(fā)現(xiàn)一些模型的缺點(diǎn)或者不正確（或者遺漏）的約束條件，或者不合理的目標(biāo)等。模型驗(yàn)證通過后，可以直接基于Watson平臺(tái)，將模型部署為微服務(wù)，供業(yè)務(wù)用戶使用。

（資料來源: IBM Watson Studio截圖）

5.決策優(yōu)化和規(guī)劃分析雙劍合璧

在規(guī)劃分析領(lǐng)域，IBM Planning Analytics(PA)被廣泛使用，它有個(gè)曾用名叫“TM1”，業(yè)界熟知。PA是基于內(nèi)存的預(yù)算、預(yù)測(cè)解決方案。和Watson結(jié)合，形成IBM Planning Analytics with Watson 平臺(tái)。借助此平臺(tái)，消除了業(yè)務(wù)部門孤島，簡(jiǎn)化和整合企業(yè)內(nèi)的財(cái)務(wù)和運(yùn)營(yíng)規(guī)劃，快速地為財(cái)務(wù)、銷售、供應(yīng)鏈等創(chuàng)建更準(zhǔn)確的計(jì)劃和預(yù)測(cè)，并實(shí)時(shí)地做出調(diào)整。

然而，規(guī)劃和分析很難離開決策，因?yàn)殡m然PA可以產(chǎn)生動(dòng)態(tài)的規(guī)劃分析結(jié)果，但不能保證其是最優(yōu)的，或者是局部最優(yōu)的，也沒有假設(shè)場(chǎng)景可以供用戶測(cè)試，而且很多時(shí)候，PA的規(guī)劃分析并不能納入某些必要的條件約束，這就會(huì)對(duì)業(yè)務(wù)結(jié)果產(chǎn)生影響，甚至造成不可執(zhí)行。然而在今天，這已經(jīng)不是問題了，因?yàn)樵?021年發(fā)布的PA Cloud版本中，已然和IBM決策優(yōu)化系統(tǒng)的雙劍合璧，共同為客戶提供基于決策優(yōu)化的預(yù)測(cè)分析。

6.決策優(yōu)化和數(shù)據(jù)經(jīng)緯魚水情深

數(shù)據(jù)經(jīng)緯(Data Fabric)是一種全新的數(shù)據(jù)處理方法論，猶如汪洋大海，包羅萬(wàn)象。IBM Cloud Pak for Data平臺(tái)是當(dāng)前數(shù)據(jù)經(jīng)緯構(gòu)架最具代表性的實(shí)現(xiàn)，通過數(shù)據(jù)虛擬化，減少數(shù)據(jù)實(shí)際遷移過程，提高自動(dòng)化數(shù)據(jù)處理；通過建立智能數(shù)據(jù)目錄，以便自動(dòng)發(fā)現(xiàn)、關(guān)聯(lián)、理解數(shù)據(jù)，讓數(shù)據(jù)時(shí)刻準(zhǔn)備好支持業(yè)務(wù)需求；通過設(shè)定數(shù)據(jù)安全策略，保證多用戶和多數(shù)據(jù)源下的數(shù)據(jù)安全；通過混合云靈活的基礎(chǔ)架構(gòu)，提供多種數(shù)據(jù)智能化技術(shù)，從而淋漓盡致地發(fā)揮AI潛力。

IBM Cloud Pak for Data借助于各種技術(shù)手段，讓企業(yè)數(shù)據(jù)變活，更好地服務(wù)于業(yè)務(wù)，在讓數(shù)據(jù)智能化服務(wù)業(yè)務(wù)的過程中，決策優(yōu)化則是關(guān)鍵的一環(huán)，舉足輕重。決策優(yōu)化就好比數(shù)據(jù)經(jīng)緯汪洋大海中的“蛟龍”，蛟龍入海，使得數(shù)據(jù)經(jīng)緯“有龍則靈”，盤活整個(gè)數(shù)據(jù)經(jīng)緯海域。IBM智能決策優(yōu)化系統(tǒng)已經(jīng)融入了IBM Cloud Pak for Data平臺(tái)中，支持?jǐn)?shù)據(jù)科學(xué)家通過Python、OPL、CPLEX、CPO、建模助手等方式構(gòu)建決策模型。

（資料來源: IBM Cloud Pak for Data截圖）

在IBM Cloud Pak for Data平臺(tái)中，構(gòu)建決策模型主要分為三步：

第一步，導(dǎo)入和準(zhǔn)備數(shù)據(jù)。用戶可以從項(xiàng)目導(dǎo)入數(shù)據(jù)，并檢查和修正數(shù)據(jù)。

第二步，構(gòu)建模型。用戶可以使用Python(包括Notebook方式)，OPL、建模助手等方式來構(gòu)建決策優(yōu)化模型，并完成模型的調(diào)試和驗(yàn)證，也可以通過從本地上傳文件等方式來導(dǎo)入模型。建模助手可輔助用戶，使用基于數(shù)據(jù)結(jié)構(gòu)和某些特定的規(guī)則和策略(如資源分配、調(diào)度等)來規(guī)劃決策優(yōu)化模型。

第三步，探索解決方案。允許用戶預(yù)覽解決方案、KPI、優(yōu)化目標(biāo)、限制沖突或者建議等。最優(yōu)解決方案將通過圖形化和表格等形式展示出來，用戶可以查看結(jié)果（解決方案和沖突條件等），引擎的統(tǒng)計(jì)信息(運(yùn)行狀態(tài)，比如已處理，已停止或者以失敗的作業(yè)，方案圖形化信息和模型的統(tǒng)計(jì)信息)，和日志信息等。

7.結(jié)語(yǔ)

IBM決策優(yōu)化系統(tǒng)四處開花，發(fā)展迅猛，已經(jīng)被廣泛應(yīng)用于各行各業(yè)，包括航空業(yè)、金融業(yè)、零售業(yè)、物流業(yè)、證券業(yè)、制造業(yè)、保險(xiǎn)業(yè)、能源領(lǐng)域、電子商務(wù)領(lǐng)域等，助力用戶持續(xù)降本增效。

正如IBM中國(guó)混合云與AI華東及華南大區(qū)總經(jīng)理許偉杰所說：“我們有業(yè)界最穩(wěn)定的企業(yè)級(jí)工具、為客戶提供優(yōu)質(zhì)服務(wù)的團(tuán)隊(duì)、優(yōu)化企業(yè)各個(gè)環(huán)節(jié)的行業(yè)經(jīng)驗(yàn)，以及注重實(shí)效的IBM方法論。我們希望和中國(guó)企業(yè)一起攜手共創(chuàng)，優(yōu)化一切。在生產(chǎn)領(lǐng)域，IBM利用Cloud Pak for Data攜手伙伴幫助中國(guó)頭部的汽車內(nèi)飾企業(yè)實(shí)現(xiàn)多產(chǎn)線全局最優(yōu)的小時(shí)級(jí)自動(dòng)排程，提高生產(chǎn)效率，幫助中國(guó)頭部的鋰電池制造企業(yè)開啟了新一代全局最優(yōu)生產(chǎn)排程APS之旅，同樣的例子還發(fā)生在航空、半導(dǎo)體、化工、醫(yī)藥等行業(yè)?！?/p>

IBM大中華區(qū)車庫(kù)創(chuàng)新體驗(yàn)中心負(fù)責(zé)人魚棟表示：“決策優(yōu)化是企業(yè)數(shù)智化轉(zhuǎn)型中的重中之重，IBM智能決策系統(tǒng)可賦能企業(yè)快速實(shí)現(xiàn)決策全鏈路轉(zhuǎn)型。IBM車庫(kù)體驗(yàn)中心團(tuán)隊(duì)可以通過車庫(kù)工作坊的形式，和客戶一起梳理決策優(yōu)化中的痛點(diǎn)，并和客戶攜手共創(chuàng)，定義最小可行性產(chǎn)品(MVP)，助力企業(yè)以敏捷靈活的方式開啟智能決策之門?！?/p>

IBM智能化決策優(yōu)化平臺(tái)依舊在根據(jù)市場(chǎng)的需求變化而持續(xù)革新，在未來，將繼續(xù)結(jié)合Cloud Pak for Data的多種數(shù)據(jù)處理工具和人工智能技術(shù)，更進(jìn)一步成就客戶，助力企業(yè)在混合云和AI時(shí)代，走向高光時(shí)刻。

審核編輯 ：李倩