Modèles et algorithmes pour le conseil et la gestion des préférences en configuration de produit

Transcription

1 Modèles et algorithmes pour le conseil et la gestion des préférences en configuration de produit Revue à mi parcours du projet ANR Blanc «BR4CP» Hélène Fargier - IRIT

2 Résolution interactive Le «catalogue» est constitué d objets combinatoires Plus d une centaine de variables, domaines de tailles diverses Certaines combinaisons de valeurs ne sont pas possibles (contraintes) L utilisateur construit une requête à un CSP Elicitation de la requête Recherche (possiblement multi critères) d une solution optimale L utilisateur navigue en renseignant des variables Restreindre les domaines aux valeurs possibles, évaluer la configuration partielle courante (délais, prix) Recommander des valeurs, proposer des objets Gérer le retour arrière Un fois les choix spécifiés, compléter la configuration

3 Problématique «Modèles et algorithmes pour le conseil et la gestion des préférences en configuration de produit» Sur des domaines combinatoires, aider l utilisateur à construire l objet qui l intéresse Application cible: Configuration de produits Gérer la combinatoire: Résolution interactive de CSP Compilation Guider l utilisateur dans ses choix (recommandation) Apprentissage sur des domaines combinatoires Aider le modélisateur

4 Participants Cameleon: J. Amilhastre, A. Maestre, C. Becker (cifre) 9 mois CRIL : S. Coste, D. Leberre, F. Koriche, C. Lecoutre, 41 mois P. Marquis, C. Piette, IBM-Ilog: P. Albert, O. Lhomme 9.5 mois IRIT : H. Fargier, C. Buisson, J. Lang, J. Mengin, 42+ mois M. Serrurier, D. Bigot (doct) LIRMM: C. Bessiere, R. Coletta, F. Koriche, N. Lazaar 22 mois Renault : J.M. Astesana, L. Cosserat 5 mois Associés GREYC: B. Zanuttini et A. Niveau LRI: L. Simon LIPN: Y. Chevaleyre; CRIL - IRIT N. Schmidt (doct financé ANR), masters 36 mois LIRMM Post doct 9 mois

5 Structuration scientifique du projet Etude Amont (T1) : analyse des besoins, biblio, benchmarks Apprentissage et recommandation combinatoires (T2) Configuration à base de contraintes (search, propag) (T3) Compilation pour la configuration en ligne (T4) Validation/comparaison (T5) Suivi (T6)

6 Intérêt des partenaires par tâche 1 à 3 mois, 4 à 7 mois, 15 à 25 mois, 25 à 30 mois Analyse Apprentissage C. B. C. Compilation Validation Cameleon (24 m*h) ε ε CRIL ( m*h) IBM (9,6 m*h) ε ε ε IRIT ( m*h) LIRMM ( m*h) Renault (3,6 m*h) ε ε

7 Répartition des mois homme par tache Validation 12 Suivi 8 Analyse 16 Compilation 54 Apprentissage 49 Config. à base de contraintes 48

8 Budget alloué > euros dont 36 mois thèse (CRIL/IRIT) 9 mois de post doc (LIRMM) Fonctionnement (missions, laptops, moyens de calcul, etc) Equilibre : au prorata des mois*homme investis par les partenaires ~ 3000 euros / mois homme investi Cameleon:60 K CRIL: 56.5 K + ½ doctorant 51K + 8 K pôle Picom IRIT: 53.5 K + ½ doctorant 51K IBM : 57 K LIRMM : 64 K Renault : 16 K

9 Fonctionnement Une trentaine de personnes, trois axes principaux (apprentissage/contraintes/compilation) Rencontres 2 réunions pleinières par an (4 à ce jour: Toulouse, Lens, Montpellier, Paris) Invités Réunions intra tâche, réunion bilaterales Coordination, rapports d avancement, livrables resp. de labo, resp. de tâche, personne en charge.

10 Travaux réalisés étude amont (T1) Done Analyse des besoins : dégager / conforter les voies de recherche Rêquetes classiques de config interactive + optionalité, recommandation, acquisition/validation du modèle Jeux d essai, données 3 modèles de véhicule configurable + prix + historiques de vente fournis par Renault Etude biblio sur les systèmes de recommandation Exposés invités: A. Hubaux, A. Boyer, A. Prun, E.Negre, P. Viapiani

11 Travaux réalisés recommandation/apprentissage (T2) Apprentissage actif de préférences, IRIT/GREYC, GAI nets (w ECAI12) et CP nets probabilistes (UAI13) Apprentissage passif de préférences IRIT, recommandation en fonction d historiques de vente Apprentissage actif de contraintes (aide à la modélisation) LIRMM/COMICS ; IJCAI13 Livrable «Résultats théoriques analyse de complexité» - Livré To do Compilation pour la recommandation ; comparaison aux RB naifs Acquisition de contraintes / résolution à base de préférences,

12 Travaux réalisés: configuration interactive (T3) Maintien de domaines alternatifs Caméleon/IRIT, Workshop ECAI 12, IJCAI 13 Maintien des domaines par cohérence inverse globale Dans les solveurs CSP: Dans les solveurs SAT: CRIL/IRIT/LIRMM, CP 13 CRIL Reformulation de structures fréquentes de meta-contraintes IBM, ECAI 2012 Livrables «Algorithmes» et «Résultats individuels» - Livré To Do Maintient et/ou Propagation de préférences / prix Cohérence inverse globale dans les solveurs MIP.

13 Travaux réalisés compilation (T4) Compilation de diagrammes de décision Valués (carte+compilateur): CRIL-IRIT, IJCAI13 Non déterministes : IRIT-Caméléon-GREYC, ICTAI 12 Compilation à la volée : CRIL-LRI, IJCAI 13 Arbres de décision affines étendus (comptage), CRIL, IJCAI 13 Langages de representation héterogènes, CRIL-IRIT-GREYC, IJCAI13 Livrable «Carte de compilation» - Livré To do Langages: exploiter les symétries entre variables Compilation pour la recommandation Algorithmes pour l exploitation des VDD : intérêt des AADD?

14 Travaux réalisés validation/comparaison (T5) Comparer les approches propagation, search, compilation Jeu d essai construit en T1 + scenarii Renault Livrable «Protocole d expérimentation» : livré Expérimentations individuelles To do Résultats individuels -> Résultats comparés

15 Bilan valorisation et publications Publications internationnales multi partenaires Cameleon-IRIT: J. Amilhastre, H. Fargier, A. Niveau, C. Pralet. Compiling CSPs: A Complexity Map of (Non-Deterministic) MDD. ICTAI 12 Cameleon-IRIT: C. Becker, H. Fargier. Maintaining alternative values in constraint-based configuration. IJCAI 2013 CRIL-IRIT-LIRMM: C. Bessiere, H. Fargier et C. Lecoutre Global Inverse Consistency for Interactive Constraint Satisfaction. CP'13 CRIL-IRIT: H. Fargier, P. Marquis, N. Schmidt. Semiring Labelled Decision Diagrams, Revisited: Canonicity and Spatial Efficiency Issues. IJCAI 2013 CRIL-IRIT: H. Fargier, P. Marquis, A. Niveau. Towards a Knowledge Compilation Map for Heterogeneous Representation

16 Bilan - liverables Date de fourniture Prévue Intitulé Nature initialement Livrée Partenaires Etat de l art critique sur les système Rapport 07/01/ /02/2013 F. Koriche LIRMM-CRIL de recommandation Analyse des besoins Rapport 07/01/ /01/2013 Tous, Resp. O. Lhomme, IBM-ILOG Benchmarks (produits configurable) Données (Fichiers 07/01/ /06/2012 J.M. Astesana, Renault en ligne, site BR4CP) Benchmarks (historiques de ventes) Données (Fichiers 07/01/ /06/2012 J.M. Astesana, Renault en ligne, site BR4CP) Résultats théoriques Tâche 2 Rapport 07/07/ /11/2013 CRIL-IRIT-GREYC. Resp. J. Mengin, IRIT Protocole Expérimental Tâche 5 Algorithmes de recherche et de propagation + résultats expérimentaux individuels (Tâche 3) Fichier en ligne, 07/07/ /11/2013 Tous; Resp. J.M. Astesana, Renault et H. site BR4CP Fargier, IRIT Rapport 07/01/ /01/2014 CRIL-IRIT-LIRMM - Resp. D. Le Berre Carte de compilation (Tâche 4) Rapport 07/01/ /01/2014 CRIL-GREYC-IRIT. Resp. S. Coste, CRIL

17 Bilan: Axes de collaboration Des travaux communs: Analyse des besoins Tâche 1 Rapport théoriques Tâches 2 et 4 Prococole de validation Tâche5 Des axes bi/multi latéraux Tache 2: Tache 3.1: Tache 3.2 Tache 4: Des travaux «concurrents» Tache 5 (comparaison expérimentale) CRIL, IBM, IRIT, LIRMM, Renault IRIT--GREYC IRIT-- CRIL--LIRMM IRIT-- Cameleon CRIL--IRIT (thèse), CRIL--GREYC--IRIT

18 Difficultés rencontrées et solutions (1) Accord de consortium Accord proposé par la tutelle très différent de l entente préalable (problèmes de PI) Solution: les industriels fournissent des résultats propres Collaboration scientifique très riche malgré la distribution résultats communs / propres: implication dans les réunions et liverables, jeux d essais

19 Difficultés rencontrées et solutions (2) Glissement du planning sur l approche MIP (IBM Ilog) Solutions: Implication reportée sur la dernière année Embauche d un projet de fin d étude Glissement du planning apprentissage de préf. (LIRMM) Départ de F. Koriche du LIRMM (CP-net), difficulté à trouver un post-doc Solutions: Mutation compensées par des entrées (mcf LIRMM, doct. IRIT) Redistribution thématique au LIRMM : T2: acquisition de contraintes, preference-based search (renforcer la collaboration en T2) T3: propagation de préférences Reconversion du Post Doc LIRMM en master + missions

20 Difficultés rencontrées et solutions (3) Personnel recruté en CDD Reconversion du post doc, master T2 recruté Doctorant T4: Ras Master T5 recruté ; trois mois de post-doc dégagés Fin du projet Jeu d essais et protocole d expérimentation plus riches qu envisagés Thèses en cours Solution: prolongation du projet (T3 et T4) sur six mois / un an

21 Planning d ici la fin du projet Planning initial, à suivre : Apprentissage de préférences (CP nets / GAI nets / ) Exploitation de formes compilées (config interactive, recommandation) Maintien de la cohérence globale inverse (en particulier, Mip) Comparaison expérimentale Développements : Modélisation par contraintes / acquisition de contraintes Prolongation du projet: algorithmique et expés T3-T4

22 Bilan et perspectives Planning initial globalement respecté Collaboration scientifique très riche publis multi partenaires, jeux d essais, co-encadrements effectifs de 3 thèses: soutenance 12 à 18 mois Intégration d outils de résolution interactive dans les solveurs de contraintes / solveurs Sat / solveurs MIP Poursuite des travaux en compilation Essaimage du protocole