何以運籌帷幄，決勝千里？IBM智能決策系統(tǒng)助您安定乾坤

北京2022年4月1日 /美通社/ -- IBM智能決策優(yōu)化系統(tǒng)已經融入IBM Cloud Pak for Data平臺，支持數據科學家通過Python、OPL、CPLEX、CPO、建模助手等方式構建決策模型。近日，IBM技術專家對該系統(tǒng)背后的硬核技術做了細致解讀。

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

0.   引言

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

在航空業(yè)，如何實時的調整航空時刻表來調度航班，機組人員，航線設計等，使得收益最大化？

在金融業(yè)，如何實現信貸資金優(yōu)化配置，權衡用戶需求和風險監(jiān)管要求，使得利益最大化？

在物流業(yè)，如何調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？不乏有人會根據初步數據和歷史經驗來 “拍腦袋”決策，造成的結果可能是后悔得 “將大腿拍腫”。

隨著數字化時代的到來，數據越來越多，運營模式越來越復雜，這給決策者帶來了前所未有的困難。企業(yè)只有全面地對決策鏈進行智能化轉型，讓“數據說話”，才能塑造核心競爭力，統(tǒng)籌成本和規(guī)模等，實現效益最大化。

1.   從統(tǒng)籌學鼻祖軟件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，2009年，納入IBM懷抱， CPLEX在統(tǒng)籌學領域可謂盡人皆知。

CPLEX是業(yè)界領先的數學規(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、網絡流問題、二次規(guī)劃 (QP) 問題、二次約束規(guī)劃 (QCP) 問題和混合整數規(guī)劃 (MIP) 問題等，適應于多種統(tǒng)籌學決策優(yōu)化場景。經過多年的技術沉淀，IBM ILOG CPLEX 已經全面發(fā)展成為商業(yè)的智能決策平臺IBM Decision Optimization系列產品。

2.  IBM決策優(yōu)化系統(tǒng)COS蓬勃發(fā)展 

IBM ILOG CPLEX Optimization Studio(簡稱COS)為用戶提供了一個非常簡便的建模環(huán)境，可供運籌學專家或者數據科學家輕松方便的建模，并測試模型。COS的關鍵組件和構架如下：

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有兩個強悍的大腦，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，并可基于問題自動檢測出最佳的算法。CPLEX引擎支持并行化，可以運行在共享和分布式內存體系結構中，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支持用戶通過參數集對算法進行微調來達到最理想的效果。CPLEX用戶的自定義行為，運籌專家用戶可以利用自己對問題的深刻理解來創(chuàng)建自己的算法，更有效地解決復雜的問題。

COS的第二個大腦是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雜調度問題。CPO引擎允許建模者基于預置的調度模型來構建，從而實現輕松而又快速建模。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)籌學專家微調，支持在共享內存架構中并行運行來提高性能。

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，運籌學專家或數據科學家可以基于此IDE，使用OPL(Optimization Programming Language)建模語言來構建優(yōu)化模型。通過這個IDE，使用OPL建模會更加容易，因為OPL有很多內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單上手，用戶按照預定格式，定義變量、目標、約束等模型結構，同時可選擇性定義一個數據初始化塊和一個后處理塊。OPL并不像編碼語言那么要求嚴格，它更像是一種容易讀懂的高級腳本語言，上手容易。

2.3 訪問和部署

COS支持IBM產品的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 (連接到數據庫)、Microsoft Solver Foundation、MATLAB等，可以通過這些Connector獲取數據。輸出和部署模型，可通過API，用戶使用C, Java, C++, .NET, Python等語言來創(chuàng)建一個應用程序，來控制對引擎的訪問、輸入和輸出。

3.  IBM端到端智能決策平臺DOC

IBM 決策優(yōu)化中心(Decision Optimization Center，簡稱DOC)是一個決策優(yōu)化端到端的平臺，支持從模型開發(fā)、測試、部署和應用全生命周期過程。

當前DOC以聯(lián)合開發(fā)的方式，并向著如火如荼的云原生平臺積極靠攏，既支持以Docker Compose方式安裝部署，同時也可以通過Helm等方式安裝到Openshift或者Kubernetes平臺上。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)和應用上，無需關注IT底層設施的維護，DOC OS可以自動的管理測試環(huán)境，模型部署測試，同時提供自動伸縮性和健壯性。其構架圖如下。

DOC OS Master猶如一個管理者，從客戶端接收作業(yè)請求和輸入數據，并通過一個消息隊列(RabbitMQ)，合理分配到Worker上執(zhí)行，并實時的得到Worker的反饋，DOC OS預置了CPLEX和OPL兩種優(yōu)化器，同時支持用戶自定義Worker，以便靈活使用。每個作業(yè)的日志、輸入和輸出都存儲在一個分布式文件存儲的數據庫(MongoDB)中。業(yè)務用戶通過Web控制臺來提交作業(yè)(可從本地上傳文件和數據)，并在Web控制臺監(jiān)控作業(yè)運行，并查看結果。

4.  決策優(yōu)化和機器學習相得益彰

機器學習已在各行各業(yè)取得了巨大的進展，越來越多的企業(yè)借助機器學習來進行數據挖掘、聚類、用戶行為分析等。其實運籌學的歷史比機器學習更悠久，當運籌學的決策優(yōu)化遇上機器學習，可謂相得益彰，相互成就。

機器學習更多的是“數據驅動”，其重點在于通過歷史數據來訓練模型，然后預測未來。比如某電信營運商可以通過大量歷史用戶的信息來訓練模型，預測流失用戶，但是機器學習不會告訴用戶如何使用營銷和降費等手段，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“認知驅動”，可以結合機器學習的預測，并利用規(guī)則限制和目標，給出最佳的行動方案。二者如下圖所示。

IBM Watson是領先的機器學習平臺，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IBM Decision Optimization for Watson Studio(下文稱DO for Watson Studio)。數據科學家可以基于DO for Watson Studio，借助于AI能力，端到端地快速構建和部署智能化決策優(yōu)化模型，并通過微服務發(fā)布模型服務。因其天然優(yōu)勢，可以很容易地連接到構建機器學習模型所用的相同數據源。DO for Watson Studio平臺支持用戶可以圖形界面的形式，查看模型的有效性，進而發(fā)現一些模型的缺點或者不正確（或者遺漏）的約束條件，或者不合理的目標等。模型驗證通過后，可以直接基于Watson平臺，將模型部署為微服務，供業(yè)務用戶使用。

5.  決策優(yōu)化和規(guī)劃分析雙劍合璧

在規(guī)劃分析領域，IBM Planning Analytics(PA)被廣泛使用，它有個曾用名叫“TM1”，業(yè)界熟知。PA是基于內存的預算、預測解決方案。和Watson結合，形成IBM Planning Analytics with Watson 平臺。借助此平臺，消除了業(yè)務部門孤島，簡化和整合企業(yè)內的財務和運營規(guī)劃，快速的為財務、銷售、供應鏈等創(chuàng)建更準確的計劃和預測，并實時的做出調整。

然而，規(guī)劃和分析很難離開決策，因為雖然PA可以產生動態(tài)的規(guī)劃分析結果，但不能保證其是最優(yōu)的，或者是局部最優(yōu)的，也沒有假設場景可以供用戶測試，而且很多時候，PA的規(guī)劃分析并不能納入某些必要的條件約束，這就會對業(yè)務結果產生影響，甚至造成不可執(zhí)行。然而在今天，這已經不是問題了，因為在2021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)化的預測分析。

6.  決策優(yōu)化和數據經緯魚水情深

數據經緯(Data Fabric)是一種全新的數據處理方法論，猶如汪洋大海，包羅萬象。IBM Cloud Pak for Data平臺是當前數據經緯構架最具代表性的實現，通過數據虛擬化，減少數據實際遷移過程，提高自動化數據處理；通過建立智能數據目錄，以便自動發(fā)現、關聯(lián)、理解數據，讓數據時刻準備好支持業(yè)務需求；通過設定數據安全策略，保證多用戶和多數據源下的數據安全；通過混合云靈活的基礎架構，提供多種數據智能化技術，從而淋漓盡致的發(fā)揮AI潛力。

IBM Cloud Pak for Data借助于各種技術手段，讓企業(yè)數據變活，更好地服務于業(yè)務，在讓數據智能化服務業(yè)務的過程中，決策優(yōu)化則是關鍵的一環(huán)，舉足輕重。決策優(yōu)化就好比數據經緯汪洋大海中的“蛟龍”，蛟龍入海，使得數據經緯“有龍則靈”，盤活整個數據經緯海域。IBM智能決策優(yōu)化系統(tǒng)已經融入了IBM Cloud Pak for Data平臺中，支持數據科學家通過Python、OPL、CPLEX、CPO、建模助手等方式構建決策模型。

在IBM Cloud Pak for Data平臺中，構建決策模型主要分為三步：

第一步，導入和準備數據。用戶可以從項目導入數據，并檢查和修正數據。

第二步，構建模型。用戶可以使用Python(包括Notebook方式)，OPL、建模助手等方式來構建決策優(yōu)化模型，并完成模型的調試和驗證，也可以通過從本地上傳文件等方式來導入模型。建模助手可輔助用戶，使用基于數據結構和某些特定的規(guī)則和策略(如資源分配、調度等)來規(guī)劃決策優(yōu)化模型。

第三步，探索解決方案。允許用戶預覽解決方案、KPI、優(yōu)化目標、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，用戶可以查看結果（解決方案和沖突條件等），引擎的統(tǒng)計信息(運行狀態(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)計信息)，和日志信息等。

7.  結語

IBM決策優(yōu)化系統(tǒng)四處開花，發(fā)展迅猛，已經被廣泛應用于各行各業(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)、保險業(yè)、能源領域、電子商務領域等，助力用戶持續(xù)降本增效。

正如IBM中國混合云與AI華東及華南大區(qū)總經理許偉杰所說：“我們有業(yè)界最穩(wěn)定的企業(yè)級工具、為客戶提供優(yōu)質服務的團隊、優(yōu)化企業(yè)各個環(huán)節(jié)的行業(yè)經驗，以及注重實效的IBM方法論。我們希望和中國企業(yè)一起攜手共創(chuàng)，優(yōu)化一切。在生產領域，IBM利用Cloud Pak for Data攜手伙伴幫助中國頭部的汽車內飾企業(yè)實現多產線全局最優(yōu)的小時級自動排程，提高生產效率，幫助中國頭部的鋰電池制造企業(yè)開啟了新一代全局最優(yōu)生產排程APS之旅，同樣的例子還發(fā)生在航空、半導體、化工、醫(yī)藥等行業(yè)。”

IBM 大中華區(qū)車庫創(chuàng)新體驗中心負責人魚棟表示：“決策優(yōu)化是企業(yè)數智化轉型中的重中之重，IBM智能決策系統(tǒng)可賦能企業(yè)快速實現決策全鏈路轉型。IBM車庫創(chuàng)新體驗中心團隊可以通過車庫工作坊的形式，和客戶一起梳理決策優(yōu)化中的痛點，并和客戶攜手共創(chuàng)，定義最小可行性產品(MVP)，助力企業(yè)以敏捷靈活的方式開啟智能決策之門。”

IBM智能化決策優(yōu)化平臺依舊在根據市場的需求變化而持續(xù)革新，在未來，將繼續(xù)結合Cloud Pak for Data的多種數據處理工具和人工智能技術，更進一步成就客戶，助力企業(yè)在混合云和AI時代，走向高光時刻。

作者：何金池，IBM 科技事業(yè)部車庫創(chuàng)新體驗中心架構師

媒體聯(lián)系：Tao Guo, gguotao@cn.ibm.com.。