![]() |
- 混合云版本持续更新迭代,助客户实现混合IT环境下的灵活部署
- 稳定、成熟、功能完备的企业级优化求解器,拥有大量成功案例和强大生态
- 立足当下、面向未来,客户省心安心之选
北京2023年11月1日 /美通社/ -- IBM倡导建立一个以客户为中心的成长与创业文化;一个对伙伴关系、实验性尝试、学习和新想法保持开放的创新文化。三年前,IBM在中国发起名为"12星座计划"的产品创业项目,从IBM众多软件产品当中,精选出一批具有超强领先性且能在客户业务场景快速落地并产生价值的12个IBM黑科技产品,包括优化求解器IBM ILOG CPLEX。这些企业级软件产品契合中国客户与合作伙伴的需求,在为他们带来切实业务价值的同时,也让IBM中国在新的领域和客户群中发掘了许多新的成长机会。
客户为什么会选择IBM ILOG CPLEX?
不仅如此, CPLEX还成为国内运筹优化领域的对标产品——尽管CPLEX五年前已宣布退出针对MIP求解器速度的打榜测评,将关注点聚焦于企业的混合IT环境与企业级AI的应用场景,然而最近就有运筹优化领域的同行根据自己的测算,宣布已"全面领先CPLEX",引起业内客户与合作伙伴的关注。为此,IBM大中华区大数据与人工智能产品线的数据科学家曹文瑞特别撰文,从客户和合作伙伴的角度,分析了为何CPLEX是国内外企业立足当下,面向未来的省心与安心之选。
客户为什么会选择IBM ILOG CPLEX?
作者:曹文瑞,IBM大中华区大数据与人工智能产品线数据科学家
在商业场景中,运筹优化的应用非常重要,因为它能够帮助企业更好地分配和利用有限的资源,从而降低成本、提高效率和增强企业竞争优势。运筹优化是近几年流行的"决策智能"趋势的重要组成部分。常见的应用场景比如优化安排生产线以最大化产能,优化电网电力的调度有效性,优化航空公司飞机和航班以及飞行员排班,将产品以最低的成本从仓库运送到客户手中,优化零备件的采购成本,优化化工企业的连续生产开关时间及加料。通过运筹优化场景建模,企业能够对复杂的业务问题进行深入分析,找出问题的最优解。这样,企业就能够做出更加明智的决策,提高整体运营效能,最终实现利润最大化。运筹优化还能够帮助企业更好地应对市场变化和竞争压力,增强企业的适应能力和竞争力。总之,运筹优化在商业场景中的应用对企业而言具有极其重要的意义,它是企业实现资源优化、降低成本、提升效率以及增强竞争优势的重要工具。
客户为什么会选择IBM ILOG CPLEX?
CPLEX混合云版本持续更新迭代,助客户实现混合IT环境下的灵活部署
今天,IBM ILOG CPLEX是IBM Cloud Pak for Data平台上的专注于解决决策优化问题的优化求解器组件。主要用于解决线性规划(LP)、混合整数线性规划(MILP)、二次规划(QP)、混合整数二次规划(MIQP)、以及约束规划(CP)等数学规划问题。它是工业界和学术界广泛使用的优化求解器之一。CPLEX 提供了强大的算法库,可以高效地求解大规模的优化问题。用户可以通过编程语言(如 C++、Java、Python 等)调用 CPLEX 的 API 来编写自己的优化模型。
随着企业数字化转型进入新的阶段,混合云和人工智能成为企业数字化转型的核心技术驱动力。2018年,IBM宣布以340亿美元收购红帽,标志着IBM战略的重要转变——IBM宣布成为全球领先的混合云、人工智能及企业服务提供商,旨在帮助企业从其拥有的数据当中获取商业洞察,简化业务流程,降低成本,并获得行业竞争优势。基于红帽OpenShift这一业界领先的开放式混合云平台,IBM全面升级其软硬件产品和服务,建立起广泛而强大的开放式生态系统,在稳步推进自身混合云与AI战略的同时,也把选择权交给客户,让客户可以根据自身IT环境的现状和数字化程度,选择适合自己的技术、产品和服务。
在此趋势下,IBM重磅推出了基于红帽OpenShift的混合云数据科学平台级产品 Cloud Pak for Data,而在此之上的CPLEX的混合云版本也在持续迭代与更新中,并与平台其它的数据科学类产品做了更好的集成。适应混合云的架构改造能够让CPLEX更容易地在混合的IT环境当中进行灵活的部署和运行——无论是公有云、私有云还是本地环境,都可以无缝对接,为用户提供一致的服务体验。这样一来,企业就可以根据自己的业务需求,灵活选择合适的产品和服务,实现资源的最优分配,从而降低成本、提高效率。
CPLEX: 稳定、成熟、功能完备的企业级软件产品,拥有大量成功案例和强大生态
第一, CPLEX的稳定性。这一点表现在多个方面,以版本迭代的稳定性为例。IBM拥有业界领先且完善的企业级软件研发体系与方法,产品更新与市场和客户的反馈保持同步,更新频率也反映了产品的成熟度和稳定性。相比于产品化和成熟度程度低的技术产品,成熟的CPLEX的版本迭代节凑稳定,不仅避免了常见的新版本缺陷,也使企业在使用时不必担心频繁更新产生的潜在产品兼容性问题,可以更专注于解决业务问题,这一点对于那些需要长期可靠解决方案的用户来说至关重要。
第二,CPLEX的功能完整性。此外在求解问题的类型上,除了常见的线性规划、混合整数规划等问题,CPLEX的约束规划求解器使得它能够轻松应对复杂的调度问题。其CPO约束规划引擎允许建模者基于预置的调度模型进行快速构建,同时也支持运筹学专家进行微调,以便更好地适应企业的特定需求。更值得一提的是,CPO支持在共享内存架构中并行运行, 这不仅可以大幅提升性能,还能够更好地适应企业的业务规模和复杂性。
第三,CPLEX经过30年的研发、应用、迭代和更新,积累了大量的成功案例,也构建起广泛而强大的生态系统。仅以国内为例,CPLEX成功地为某创新型医药集团在几十个基地、上百个车间、上千个品规场景中优化库存管理,减少库存积压;为国内知名的全球汽车零部件供应商延锋汽车的各地工厂的注塑机的生产产能进行测算和规划;为某大型女性服装品牌实现人力资源中期规划和短期排程优化等等。
CPLEX的生态系统中除了各行各业的客户,还有多种类型的合作伙伴,他们拥有丰富的实施经验和行业知识,可以为客户提供包括实施服务、培训、行业解决方案等服务,极大地增强IBM软件产品的价值,提升用户体验,驱动产品的持续创新。例如,悠桦林长期专注于复杂场景的智能决策业务,如今已在IDC最新发布的供应链计划及APS榜单中坐上了本土软件的头把交椅,是名副其实的行业领导者。过去三年,围绕IBM CPLEX求解器,悠桦林聚焦国内制造业,构建了领先的资源调度系统解决方案,包括需求计划、产销协同和高级生产排程等。悠桦林董事长、创始人肖芳芳表示,悠桦林将继续与IBM携手,围绕着制造业客户的需求,尤其希望在企业级生成式AI的方向,借助IBM丰富的产品线,在现阶段的落地环节里探索更丰富、更有深度的AI应用场景。
CPLEX于2018年退出打榜,专注于客户价值
作为商业求解器,求解性能一直备受关注。过去,不同的厂商会通过测评数据来比拼各自求解器产品的性能高低。然而,随着厂商为了获得好成绩而针对评测问题集进行特定调整,比如研发高效的专有算法来提升求解器针对特定问题的性能, 从而逐渐脱离用户实际场景和问题的时候,IBM在INFORMS2018大会上,宣布CPLEX退出测评并删除测评数据,让CPLEX的研发团队把时间和精力放在解决用户的实际问题和需求上面。IBM认为,用户不断变化的实际需求才是求解器产品的性能和功能应该关注的重点,通过深入了解用户的使用场景,研发团队能够为用户提供更为精准的解决方案,从而提升用户的使用体验。
除此之外,打榜评测结果也与问题集的选择准则有关系。测评问题集公开时间长,各大厂商可以在问题集的问题中通过程序识别到特定的问题,然后对特定问题应用特定的代码之类的解题技巧,以达到更好的打榜成绩。而且为了测试各求解器的极限性能,问题集不一定是典型的常见问题,有些反倒是非典型非常见的问题。在打榜过程中,针对非典型非常见的问题进行调优,对于解决普通用户面临的真实世界的问题而言,其性能也不会有太大参考意义。而业界权威的测评团队最后一次公开的MIP测评数据集是MIPLIB2017,此问题集已有6年的历史,已经难以准确模拟客户真实世界的场景问题。而在当下使用MIPLIB2017版本的数据再进行求解器的性能对比,就缺少了些现实意义。
IBM专注于为企业提供成熟安全的软件应用和解决方案,虽然退出了业界权威的测评,在IBM软件全球研发体系的实力加持之下,CPLEX性能和功能一直会根据客户的需求而不断与时俱进,保持世界领先水平。 CPLEX在版本迭代之间内部性能的对比也在持续进行,并且有着显著提升,在多样的复杂的场景下完全可以满足客户的生产要求。不仅如此,CPLEX内部采用的算法是经过精心设计和优化的,在处理复杂的优化问题时,CPLEX能够迅速出解,节省企业宝贵的时间和资源,让企业省心和安心。
IBM CPLEX前沿探索
而且在前沿技术探索方面,IBM结合了传统的决策优化方法和量子计算的优势,以期在解决某些特定的优化问题时能够实现比传统计算方法更高的效率。在传统的决策优化问题中,比如运筹学中的车辆路径问题、生产调度问题等,往往需要通过数学模型来描述问题,并利用算法寻找问题的最优解或近似最优解。然而,当问题的规模增大,变量和约束增多时,传统的优化方法可能会遇到计算效率低下的问题。量子计算作为一种新的计算范式,有望在解决某些类型的优化问题上展现出比传统计算更强的能力。IBM量子决策优化技术通过结合传统的决策优化方法和量子计算的优势,试图在复杂的决策优化问题上取得突破,为用户提供更高效的优化解决方案。
了解更多关于IBM ILOG CPLEX产品的信息,请访问: https://www.ibm.com/cn-zh/products/ilog-cplex-optimization-studio
作者简介:
曹文瑞在IBM大中华区大数据与人工智能产品线担任数据科学家,专注于大数据计算、人工智能和运筹优化等相关的技术支持和客户服务工作。加入IBM之前,曾在外资银行与金融科技行业担任算法工程师,积累了多年工作经验,在大数据单机计算的分布式改造与人工智能算法落地方面经验丰富。
关于IBM
IBM 是全球领先的混合云、人工智能及企业服务提供商,帮助超过 175 个国家和地区的客户,从其拥有的数据中获取商业洞察,简化业务流程,降低成本,并获得行业竞争优势。金融服务、电信和医疗健康等关键基础设施领域的超过 4000 家政府和企业实体依靠 IBM 混合云平台和 Red Hat OpenShift 快速、高效、安全地实现数字化转型。IBM 在人工智能、量子计算、行业云解决方案和企业服务方面的突破性创新为我们的客户提供了开放和灵活的选择。对企业诚信、透明治理、社会责任、包容文化和服务精神的长期承诺是 IBM 业务发展的基石。了解更多信息,请访问:https://www.ibm.com/cn-zh
媒体联络人:
郭韬 gguotao@cn.ibm.com