Augmentez les performances par rapport à votre baseline avec Pathmind IA

AnyLogic est fier de travailler avec Pathmind pour vous aider à former facilement des agents d’IA pour prendre de meilleures décisions. Vos agents d’IA se formeront rapidement à l’aide d’une simple application Web, et vous n’aurez pas besoin de vous soucier de la construction ou de la maintenance d’outils ou d’infrastructures complexes. Vous n’avez même pas besoin de penser au cloud que vous utilisez. En combinant les dernières méthodes d’apprentissage por renforcement profond avec des outils que vous connaissez, Pathmind vous permet de d’adapter les simulations AnyLogic pour l’IA, expérimenter et déployer une Stratégie Pathmind pour prendre des décisions dans les opérations. Pathmind vous aide à découvrir des stratégies qui améliorent vos résultats et démontrent leur valeur.


L’apprentissage par renforcement profond est un type d’intelligence artificielle qui permet à un agent d’IA d’explorer un environnement complexe comme une simulation. Par tâtonnements, l’agent découvre les actions et les décisions qui mènent aux meilleurs résultats. Pour guider l’agent d’IA, les experts du domaine et les modélisateurs définissent quels sont leurs résultats préférés.

Les optimisateurs traditionnels, qui peuvent servir de solution de base pour les modélisateurs, ne sont parfois pas assez efficaces sur les modèles avec de nombreux agents et la variabilité des données. Lorsque les données changent de façon inattendue (par exemple, en raison d’un choc de la demande ou de l’introduction de nouveaux équipements), il faut du temps pour recalculer ou réécrire un optimiseur.

L’apprentissage en renforcement profond peut fonctionner avec des données très variables et prendre des décisions en temps réel, rendant inutiles de longs recalculs et réécrits. Il peut également coordonner les actions de nombreux agents à la fois, donnant aux modélisateurs l’occasion d’optimiser les problèmes de types entièrement nouveaux.

Pathmind aide les modélisateurs, les ingénieurs industriels et les spécialistes en recherche opérationnelle dans la formation des agents d’IA pour atteindre rapidement leurs objectifs. La simple application Web de Pathmind permet d’accéder facilement à de puissantes techniques d’apprentissage por renforcement profond et à aux calculs en cloud. Ces techniques peuvent battre les solutions d’optimiseurs de base et faire découvrir de nouvelles stratégies opérationnelles précieuses pour les entreprises.

Pathmind Helper ajoute de l’IA aux modèles AnyLogic en quelques étapes seulement

Pathmind facilite l’ajout d’IA pour augmenter les résultats de votre modèle de simulation. Pathmind Helper vous permet de surveiller et de valider rapidement les variables que vous souhaitez suivre. Il vous aide à configurer la majorité de votre formation RL de l’intérieur de votre modèle AnyLogic, tels que les choix que les agents IA devront faire face et des observations qu’ils recevront de l’environnement. Et il vous permet de télécharger facilement votre modèle AnyLogic sur l’application Web Pathmind, où vos agents IA peuvent être formés.

Il vous suffit d’exporter votre modèle de AnyLogic Professional ou PLE vers l’application Web Pathmind en cliquant sur « Export to Pathmind » dans l’expérience d’apprentissage de renforcement d’AnyLogic. Une fois sur le terrain, vous pouvez exécuter des expériences en utilisant différentes fonctions de récompense, variables d’observation et autres paramètres. Une fois que vous avez formé avec succès un agent IA, Pathmind vous permet de déployer facilement cet agent dans AnyLogic ou de l’intégrer dans les opérations et de voir les résultats de ses décisions.


Aller à Pathmind Helper

Commencer avec Pathmind

Une introduction à Pathmind à l’aide d’un modèle stochastique simple. Dans le modèle, un graphique d’état comporte des états de démarrage et intermédiaires, ainsi qu’un objectif final. L’agent doit apprendre à attendre un certain temps dans l’état intermédiaire avant d’être autorisé à atteindre l’objectif.


Pour démarrer
Pathmind Demo: Livraison de produits

Exemples de modèles


Les modèles d’exemple AnyLogic ci-dessous ont été augmentés pour l’IA avec l’aide de Pathmind, et ils comprennent un agent d’IA formé pour démontrer le pouvoir de décision de l’apprentissage par renforcement. Ces modèles et leur documentation sont disponibles en cliquant sur les liens.


  • 01

    Livraison de produits

    Modèle de livraison de produits
    Les fabricants et les distributeurs sont répartis dans une région d’Europe. Le modèle cherche à déterminer quel fabricant doit livrer au distributeur pour réduire au minimum les temps d’attente et la distance parcourue. Une considération introduite dans le modèle est que le fabricant le plus proche peut ne pas être le meilleur choix s’il manque d’inventaire pour exécuter une commande.

  • 02

    Routage de l’entrepôt

    Modèle de routage d’entrepôt
    Deux usines produisent des marchandises qui peuvent être livrées à l’un des deux entrepôts. Les blocages et les retards le long de chaque itinéraire de livraison possible ont un impact sur la rentabilité et l’efficacité. Ce modèle est mis en place pour aider à déterminer quel entrepôt devrait recevoir une livraison afin de maximiser les profits.

  • 03

    Optimisation de la chaîne d’approvisionnement

    Modèle d’optimisation de la chaîne d’approvisionnement
    Une chaîne d’approvisionnement simple se compose d’un détaillant, d’un grossiste et d’une usine. Le fait de garder trop peu d’inventaire à un endroit entraîne des temps d’attente élevés pour les clients. Trop d’inventaire, des réductions dans les bénéfices en raison des coûts de détention. Ce modèle de chaîne d’approvisionnement détermine les niveaux optimaux d’inventaire à chaque emplacement pour maintenir un équilibre entre les clients satisfaits et les bénéfices élevés.