2022年6月，京(jing)東(dong)物(wu)流(liu)智能算法團隊(dui)的(de)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)議(yi)ACMSIGKDD錄用。ACMSIGKDD（國際(ji)數據挖掘與知識發現大(da)會(hui)，簡稱KDD）是數據科學(xue)領域最高(gao)級(ji)別的(de)國際(ji)學(xue)術(shu)(shu)會(hui)議(yi)，也(ye)是全世界數據科學(xue)頂級(ji)學(xue)術(shu)(shu)成果的(de)交流(liu)平臺，國內外眾多科技企業和組織都把在KDD發表論文作為體現科技競爭力(li)的(de)重要指標。

異常(chang)根(gen)因分析算法流程圖

該論文是京(jing)東物流(liu)(liu)完全獨立自(zi)主發(fa)表的(de)(de)(de)第一篇KDD論文。京(jing)東物流(liu)(liu)算法(fa)(fa)團隊對其智能(neng)物流(liu)(liu)園區異(yi)常管理解決(jue)方(fang)(fang)案中(zhong)的(de)(de)(de)落地技術(shu)，進(jin)行總(zong)結提煉，并(bing)從中(zhong)挖掘學(xue)(xue)術(shu)價(jia)值。論文以物流(liu)(liu)時效的(de)(de)(de)異(yi)常發(fa)現和分析(xi)為(wei)例，提出了(le)基于可解釋機器學(xue)(xue)習的(de)(de)(de)根因分析(xi)方(fang)(fang)法(fa)(fa)，并(bing)通過實際場景的(de)(de)(de)應用(yong)案例進(jin)行了(le)論證，針(zhen)對當(dang)前人工智能(neng)領域中(zhong)的(de)(de)(de)根因分析(xi)疑難(nan)問題提出有效的(de)(de)(de)創新方(fang)(fang)法(fa)(fa)，不僅做(zuo)出了(le)重要的(de)(de)(de)學(xue)(xue)術(shu)貢獻，也推動(dong)物流(liu)(liu)行業實際業務更進(jin)一步。

物(wu)流(liu)(liu)園區(qu)是物(wu)流(liu)(liu)業務集聚(ju)發(fa)展的(de)核心單元，覆(fu)蓋倉(cang)儲、分揀、運輸等供應鏈(lian)的(de)關鍵(jian)環節，包含多種物(wu)流(liu)(liu)設施和(he)功能業態(tai)。因此(ci)，保障物(wu)流(liu)(liu)園區(qu)的(de)安全高效(xiao)運行就顯得尤為(wei)重要。為(wei)了及(ji)時發(fa)現異(yi)常事件并(bing)且迅(xun)速針對(dui)性調(diao)整，京(jing)東物(wu)流(liu)(liu)智能園區(qu)算法團隊基(ji)于大(da)數據和(he)人工智能技術，創新性地探(tan)索出了集發(fa)現問題(ti)(ti)、分析(xi)問題(ti)(ti)和(he)解(jie)決問題(ti)(ti)為(wei)一體(ti)的(de)智能物(wu)流(liu)(liu)園區(qu)異(yi)常管理解(jie)決方案。基(ji)于統計(ji)學和(he)可解(jie)釋機器學習提(ti)出的(de)分析(xi)框架(jia)，能夠有效(xiao)發(fa)現智能園區(qu)中設備運行、車輛調(diao)度、人效(xiao)、能源(yuan)消(xiao)耗等方面的(de)異(yi)常并(bing)進行根因分析(xi)，從而(er)優化提(ti)升物(wu)流(liu)(liu)業務。

由于物(wu)流(liu)園區中的(de)貨(huo)物(wu)流(liu)量巨大、分(fen)(fen)揀(jian)系統結構復(fu)(fu)雜，容易在局部造成(cheng)擁(yong)(yong)堵(du)，從而影響物(wu)流(liu)時效，甚至造成(cheng)貨(huo)物(wu)損(sun)壞或(huo)丟失。針(zhen)對這一問題(ti)，智能(neng)(neng)物(wu)流(liu)園區異(yi)常(chang)管理解決方案不僅能(neng)(neng)夠(gou)(gou)通過計算機視覺手段及時發現擁(yong)(yong)堵(du)點，也能(neng)(neng)夠(gou)(gou)通過機器學習和(he)統計學技術有效分(fen)(fen)析(xi)分(fen)(fen)揀(jian)系統結構和(he)各(ge)個(ge)入口的(de)流(liu)量對擁(yong)(yong)堵(du)事件的(de)影響。從而，定(ding)位造成(cheng)擁(yong)(yong)堵(du)的(de)根本原因，并加以改善(shan)，避免因為治標(biao)不治本帶來的(de)異(yi)常(chang)事件反復(fu)(fu)發生。

碳(tan)(tan)(tan)中(zhong)和(he)是當前(qian)國(guo)家發(fa)展的(de)大(da)趨(qu)勢，物(wu)(wu)流(liu)園(yuan)(yuan)區(qu)也成(cheng)為降低物(wu)(wu)流(liu)行業碳(tan)(tan)(tan)排放(fang)(fang)的(de)重要(yao)一環(huan)。智能物(wu)(wu)流(liu)園(yuan)(yuan)區(qu)異常管理解決(jue)方(fang)案(an)能夠為碳(tan)(tan)(tan)排放(fang)(fang)預測和(he)提(ti)前(qian)治理，提(ti)供(gong)強大(da)的(de)技術支持，通過對(dui)復雜繁(fan)多(duo)的(de)碳(tan)(tan)(tan)排放(fang)(fang)影響因素集合與(yu)碳(tan)(tan)(tan)排放(fang)(fang)量的(de)關系(xi)進行理論建模(mo)，并抽絲剝(bo)繭，結合現(xian)實場景(jing)定位造成(cheng)碳(tan)(tan)(tan)排放(fang)(fang)增加的(de)主(zhu)要(yao)因素，有(you)針對(dui)性地加以優化和(he)改善，從而有(you)效實現(xian)節能減排。

除(chu)了(le)(le)在物(wu)(wu)流(liu)園區的(de)場景，智(zhi)能物(wu)(wu)流(liu)園區異常管理解決(jue)方案(an)的(de)核心(xin)技(ji)術也(ye)應(ying)用在物(wu)(wu)流(liu)時效(xiao)分析和網絡規劃(hua)業務中，并(bing)成功幫助京(jing)東物(wu)(wu)流(liu)西南區域多個城市發現提升(sheng)時效(xiao)的(de)關鍵因素(su)，并(bing)提出(chu)了(le)(le)相應(ying)的(de)整改建議。通過數(shu)字化(hua)和智(zhi)能化(hua)手(shou)段，大大提升(sheng)了(le)(le)異常分析和根因定位的(de)效(xiao)率(lv)和精確性(xing)，對業務增長起到了(le)(le)關鍵作用。

京東(dong)(dong)物(wu)(wu)(wu)流(liu)(liu)始終重(zhong)視技(ji)(ji)術(shu)創新的(de)重(zhong)要作用(yong)，在(zai)長期(qi)技(ji)(ji)術(shu)投入和(he)創新驅(qu)動下，軟件、硬(ying)件及(ji)系統集成(cheng)(cheng)的(de)三位(wei)一(yi)體(ti)供應(ying)鏈物(wu)(wu)(wu)流(liu)(liu)技(ji)(ji)術(shu)核心競(jing)爭力持(chi)續升(sheng)級(ji)，目前已形成(cheng)(cheng)了覆蓋(gai)園區、倉儲、分揀(jian)、運輸(shu)、配送等供應(ying)鏈各關鍵環節的(de)技(ji)(ji)術(shu)產品及(ji)解決方案，以提升(sheng)預測(ce)、決策和(he)智能執行能力。不僅多項技(ji)(ji)術(shu)成(cheng)(cheng)果獲得(de)國際、國內(nei)頂(ding)級(ji)榮(rong)譽和(he)學術(shu)認可，京東(dong)(dong)物(wu)(wu)(wu)流(liu)(liu)還通過(guo)開放合(he)作，拓展(zhan)供應(ying)鏈物(wu)(wu)(wu)流(liu)(liu)新技(ji)(ji)術(shu)的(de)應(ying)用(yong)落地，推動數實融合(he)，讓一(yi)體(ti)化供應(ying)鏈成(cheng)(cheng)為企業、行業高質(zhi)量發展(zhan)的(de)“助(zhu)推器”。