2022年6月，京東物流智能(neng)算法團(tuan)隊的學(xue)術(shu)(shu)論文Three-StageRoot Cause Analysis for Logistics Time Efficiency via Explainable Machine Learning被CCF-A類會(hui)(hui)(hui)議ACMSIGKDD錄用。ACMSIGKDD（國(guo)際數據挖掘與知識發(fa)現(xian)大會(hui)(hui)(hui)，簡稱(cheng)KDD）是數據科學(xue)領域最高級別的國(guo)際學(xue)術(shu)(shu)會(hui)(hui)(hui)議，也是全(quan)世(shi)界數據科學(xue)頂級學(xue)術(shu)(shu)成(cheng)果的交(jiao)流平臺，國(guo)內外(wai)眾多科技(ji)企業和組(zu)織都(dou)把在KDD發(fa)表(biao)論文作為(wei)體現(xian)科技(ji)競爭力(li)的重要指標(biao)。

異常根因分(fen)析算(suan)法流(liu)程圖(tu)

該(gai)論(lun)(lun)(lun)文(wen)是京東物(wu)流(liu)(liu)完全獨立自主發(fa)表的(de)(de)第(di)一(yi)篇KDD論(lun)(lun)(lun)文(wen)。京東物(wu)流(liu)(liu)算(suan)法(fa)團(tuan)隊對其智能物(wu)流(liu)(liu)園區(qu)異常管理解決方案(an)中的(de)(de)落地技(ji)術(shu)，進行(xing)總結提煉，并從中挖掘學術(shu)價值。論(lun)(lun)(lun)文(wen)以物(wu)流(liu)(liu)時效的(de)(de)異常發(fa)現(xian)和分析(xi)為例，提出(chu)了基于可解釋機器學習的(de)(de)根因(yin)分析(xi)方法(fa)，并通過(guo)實際場景的(de)(de)應用案(an)例進行(xing)了論(lun)(lun)(lun)證，針對當前人工智能領(ling)域(yu)中的(de)(de)根因(yin)分析(xi)疑難(nan)問題提出(chu)有效的(de)(de)創新(xin)方法(fa)，不僅做出(chu)了重(zhong)要的(de)(de)學術(shu)貢獻，也(ye)推動物(wu)流(liu)(liu)行(xing)業(ye)實際業(ye)務更進一(yi)步。

物(wu)流(liu)園區(qu)是物(wu)流(liu)業(ye)務(wu)集(ji)聚發展(zhan)的(de)核心單元，覆蓋倉儲、分(fen)揀、運輸等供應鏈(lian)的(de)關鍵(jian)環節，包含多種物(wu)流(liu)設施和功(gong)能(neng)業(ye)態(tai)。因此(ci)，保障(zhang)物(wu)流(liu)園區(qu)的(de)安全高效(xiao)運行就(jiu)顯得尤(you)為(wei)重要(yao)。為(wei)了(le)及時發現異(yi)常事件并且迅(xun)速針對性調(diao)整(zheng)，京東物(wu)流(liu)智(zhi)能(neng)園區(qu)算法團隊基(ji)于(yu)大數據和人工智(zhi)能(neng)技術，創(chuang)新性地探索出了(le)集(ji)發現問題、分(fen)析問題和解決問題為(wei)一體的(de)智(zhi)能(neng)物(wu)流(liu)園區(qu)異(yi)常管(guan)理(li)解決方案。基(ji)于(yu)統計學(xue)和可解釋機器學(xue)習提(ti)出的(de)分(fen)析框(kuang)架(jia)，能(neng)夠有(you)效(xiao)發現智(zhi)能(neng)園區(qu)中設備(bei)運行、車輛調(diao)度、人效(xiao)、能(neng)源消(xiao)耗等方面(mian)的(de)異(yi)常并進行根(gen)因分(fen)析，從而優化提(ti)升物(wu)流(liu)業(ye)務(wu)。

由于物流園區(qu)中的貨(huo)物流量巨大、分揀(jian)系(xi)統(tong)結(jie)構復雜，容易在(zai)局部造(zao)(zao)成(cheng)擁(yong)堵，從而影(ying)響物流時效(xiao)，甚至造(zao)(zao)成(cheng)貨(huo)物損壞或丟(diu)失(shi)。針(zhen)對這一問題，智能(neng)物流園區(qu)異常管理解決方案不(bu)僅能(neng)夠通過計(ji)算機視覺手段及時發現擁(yong)堵點，也能(neng)夠通過機器學習和統(tong)計(ji)學技術有(you)效(xiao)分析分揀(jian)系(xi)統(tong)結(jie)構和各個入口的流量對擁(yong)堵事件的影(ying)響。從而，定位造(zao)(zao)成(cheng)擁(yong)堵的根本原因(yin)，并加以改善，避免因(yin)為治(zhi)標(biao)不(bu)治(zhi)本帶來的異常事件反復發生。

碳(tan)(tan)中和(he)是當(dang)前國家(jia)發(fa)展的(de)大(da)趨勢，物(wu)流(liu)園區也成(cheng)為降低物(wu)流(liu)行業(ye)碳(tan)(tan)排放的(de)重要(yao)一環。智能物(wu)流(liu)園區異常管理解決方案能夠(gou)為碳(tan)(tan)排放預測和(he)提(ti)前治理，提(ti)供強(qiang)大(da)的(de)技術支持(chi)，通(tong)過對復雜(za)繁多的(de)碳(tan)(tan)排放影(ying)響因(yin)素集(ji)合與碳(tan)(tan)排放量的(de)關系進行理論(lun)建模，并抽絲剝繭，結(jie)合現(xian)實(shi)場景定位(wei)造成(cheng)碳(tan)(tan)排放增加的(de)主要(yao)因(yin)素，有(you)針對性地(di)加以優化和(he)改善，從而有(you)效實(shi)現(xian)節能減排。

除了(le)(le)在物(wu)(wu)流(liu)園區(qu)的(de)(de)場景，智能(neng)物(wu)(wu)流(liu)園區(qu)異常管理(li)解(jie)決方案的(de)(de)核心技術也應(ying)用在物(wu)(wu)流(liu)時效(xiao)分析(xi)和(he)網絡(luo)規劃(hua)業(ye)務中，并(bing)成功幫(bang)助京東物(wu)(wu)流(liu)西南區(qu)域多個城(cheng)市發現提升(sheng)時效(xiao)的(de)(de)關(guan)鍵因(yin)素，并(bing)提出了(le)(le)相應(ying)的(de)(de)整改(gai)建議。通過(guo)數字化和(he)智能(neng)化手段，大大提升(sheng)了(le)(le)異常分析(xi)和(he)根因(yin)定位的(de)(de)效(xiao)率和(he)精確性(xing)，對業(ye)務增長起到了(le)(le)關(guan)鍵作用。

京(jing)東物流(liu)始(shi)終(zhong)重視技(ji)(ji)術(shu)(shu)創新(xin)的重要作用，在(zai)長期技(ji)(ji)術(shu)(shu)投入(ru)和創新(xin)驅動下，軟件、硬(ying)件及系統集成的三(san)位一體(ti)供應(ying)鏈物流(liu)技(ji)(ji)術(shu)(shu)核(he)心競爭力持續升級，目前已形成了覆蓋(gai)園(yuan)區、倉儲、分揀、運(yun)輸(shu)、配送等供應(ying)鏈各關鍵環節的技(ji)(ji)術(shu)(shu)產品(pin)及解(jie)決方案(an)，以提升預測、決策和智能執(zhi)行(xing)能力。不僅多項(xiang)技(ji)(ji)術(shu)(shu)成果獲得國(guo)(guo)際(ji)、國(guo)(guo)內頂級榮譽和學(xue)術(shu)(shu)認可(ke)，京(jing)東物流(liu)還通過(guo)開(kai)放合作，拓(tuo)展供應(ying)鏈物流(liu)新(xin)技(ji)(ji)術(shu)(shu)的應(ying)用落地，推動數實融合，讓一體(ti)化(hua)供應(ying)鏈成為企業、行(xing)業高質量(liang)發(fa)展的“助推器”。