2022年(nian)6月,京東物流(liu)智能算法團(tuan)隊的(de)學(xue)術(shu)論文Three-StageRoot Cause Analysis for Logistics Time Efficiency via Explainable Machine Learning被(bei)CCF-A類會議(yi)(yi)ACMSIGKDD錄用。ACMSIGKDD(國(guo)際數據(ju)挖掘與知識發現大會,簡稱KDD)是(shi)數據(ju)科(ke)(ke)學(xue)領域最高(gao)級別(bie)的(de)國(guo)際學(xue)術(shu)會議(yi)(yi),也(ye)是(shi)全世(shi)界數據(ju)科(ke)(ke)學(xue)頂級學(xue)術(shu)成(cheng)果的(de)交流(liu)平臺,國(guo)內外(wai)眾多科(ke)(ke)技企業和(he)組織都把在(zai)KDD發表論文作為體現科(ke)(ke)技競(jing)爭力(li)的(de)重要指(zhi)標(biao)。
異常(chang)根因(yin)分(fen)析算法流程圖
該論文是京東(dong)物流(liu)完全(quan)獨立(li)自主發表的(de)(de)(de)第一篇(pian)KDD論文。京東(dong)物流(liu)算法團隊對其智(zhi)能物流(liu)園區(qu)異(yi)(yi)常(chang)管理解決(jue)方(fang)案中的(de)(de)(de)落(luo)地技術(shu)(shu),進(jin)(jin)行總結提煉,并從(cong)中挖掘學術(shu)(shu)價值。論文以物流(liu)時效的(de)(de)(de)異(yi)(yi)常(chang)發現(xian)和分析(xi)為例,提出了基于(yu)可解釋(shi)機器(qi)學習(xi)的(de)(de)(de)根因分析(xi)方(fang)法,并通過實際場(chang)景的(de)(de)(de)應(ying)用案例進(jin)(jin)行了論證,針對當前人工智(zhi)能領域中的(de)(de)(de)根因分析(xi)疑難問題提出有效的(de)(de)(de)創新方(fang)法,不僅做出了重要的(de)(de)(de)學術(shu)(shu)貢(gong)獻,也(ye)推動物流(liu)行業實際業務更進(jin)(jin)一步。
物(wu)(wu)(wu)流(liu)(liu)園(yuan)(yuan)區(qu)(qu)是物(wu)(wu)(wu)流(liu)(liu)業(ye)務(wu)集(ji)聚發(fa)展的(de)核心(xin)單元,覆蓋倉(cang)儲(chu)、分揀(jian)、運輸等供應鏈的(de)關(guan)鍵環節,包含(han)多種物(wu)(wu)(wu)流(liu)(liu)設施和(he)(he)功能(neng)(neng)業(ye)態。因(yin)此,保障(zhang)物(wu)(wu)(wu)流(liu)(liu)園(yuan)(yuan)區(qu)(qu)的(de)安全(quan)高效運行就顯得(de)尤為(wei)重要。為(wei)了(le)(le)及(ji)時(shi)發(fa)現(xian)異常(chang)(chang)事(shi)件并且(qie)迅速針對性(xing)調(diao)整(zheng),京東物(wu)(wu)(wu)流(liu)(liu)智(zhi)能(neng)(neng)園(yuan)(yuan)區(qu)(qu)算(suan)法團隊(dui)基于大(da)數據和(he)(he)人工智(zhi)能(neng)(neng)技術,創新性(xing)地(di)探索出(chu)了(le)(le)集(ji)發(fa)現(xian)問(wen)題、分析問(wen)題和(he)(he)解決問(wen)題為(wei)一體的(de)智(zhi)能(neng)(neng)物(wu)(wu)(wu)流(liu)(liu)園(yuan)(yuan)區(qu)(qu)異常(chang)(chang)管理解決方案(an)。基于統計學(xue)和(he)(he)可解釋機器學(xue)習提出(chu)的(de)分析框架,能(neng)(neng)夠有效發(fa)現(xian)智(zhi)能(neng)(neng)園(yuan)(yuan)區(qu)(qu)中設備(bei)運行、車輛調(diao)度、人效、能(neng)(neng)源消耗(hao)等方面的(de)異常(chang)(chang)并進行根(gen)因(yin)分析,從而(er)優化(hua)提升物(wu)(wu)(wu)流(liu)(liu)業(ye)務(wu)。
由于物(wu)流園(yuan)區(qu)(qu)中的貨物(wu)流量巨大、分(fen)揀系統結(jie)構復雜,容(rong)易在局部造成擁堵(du)(du),從而(er)影響物(wu)流時效,甚至造成貨物(wu)損壞或丟(diu)失(shi)。針對(dui)這一問題,智(zhi)能物(wu)流園(yuan)區(qu)(qu)異(yi)常管理解決方案不僅能夠通(tong)過(guo)計(ji)算機視覺(jue)手(shou)段及時發現(xian)擁堵(du)(du)點,也能夠通(tong)過(guo)機器學(xue)習和(he)統計(ji)學(xue)技術有效分(fen)析分(fen)揀系統結(jie)構和(he)各個入口的流量對(dui)擁堵(du)(du)事件的影響。從而(er),定位(wei)造成擁堵(du)(du)的根本原因(yin),并加(jia)以改善,避免因(yin)為治標不治本帶來的異(yi)常事件反復發生。
碳(tan)中和(he)(he)是當前(qian)國家發展的(de)大(da)趨勢,物(wu)流(liu)園(yuan)區也成為降低物(wu)流(liu)行業碳(tan)排放的(de)重(zhong)要一環。智能物(wu)流(liu)園(yuan)區異常管理(li)解決(jue)方案能夠為碳(tan)排放預測和(he)(he)提(ti)前(qian)治理(li),提(ti)供強大(da)的(de)技術(shu)支持,通過對復雜繁多的(de)碳(tan)排放影響因(yin)素集合與(yu)碳(tan)排放量的(de)關系(xi)進(jin)行理(li)論建模,并抽絲剝(bo)繭,結(jie)合現實場景定位造成碳(tan)排放增加的(de)主要因(yin)素,有針對性(xing)地(di)加以優化和(he)(he)改善,從而有效實現節能減排。
除了在(zai)(zai)物(wu)(wu)流園區的(de)場(chang)景,智(zhi)能物(wu)(wu)流園區異常管理解決(jue)方案的(de)核心技術也應用在(zai)(zai)物(wu)(wu)流時效分(fen)析(xi)和網絡(luo)規劃業務中,并成功幫(bang)助京東物(wu)(wu)流西南區域多個城市發現提(ti)(ti)升時效的(de)關鍵因素,并提(ti)(ti)出了相應的(de)整(zheng)改(gai)建議。通過數字化和智(zhi)能化手段(duan),大(da)大(da)提(ti)(ti)升了異常分(fen)析(xi)和根因定位的(de)效率和精(jing)確性,對業務增長(chang)起到了關鍵作用。
京(jing)東(dong)物流(liu)始終(zhong)重視技(ji)術創(chuang)新(xin)的(de)重要作用,在(zai)長期技(ji)術投入和(he)創(chuang)新(xin)驅動下,軟件、硬件及(ji)系(xi)統集成(cheng)的(de)三位(wei)一(yi)體供(gong)(gong)應(ying)(ying)鏈物流(liu)技(ji)術核心競爭力持續升(sheng)級(ji)(ji),目(mu)前已形成(cheng)了覆蓋園區、倉儲(chu)、分揀、運輸、配送等供(gong)(gong)應(ying)(ying)鏈各關鍵環節(jie)的(de)技(ji)術產品(pin)及(ji)解決(jue)方(fang)案(an),以提升(sheng)預測(ce)、決(jue)策和(he)智能(neng)執行(xing)能(neng)力。不僅多(duo)項技(ji)術成(cheng)果獲得國(guo)際、國(guo)內(nei)頂級(ji)(ji)榮譽和(he)學術認(ren)可,京(jing)東(dong)物流(liu)還通過開(kai)放合作,拓(tuo)展供(gong)(gong)應(ying)(ying)鏈物流(liu)新(xin)技(ji)術的(de)應(ying)(ying)用落地,推(tui)動數實融合,讓一(yi)體化供(gong)(gong)應(ying)(ying)鏈成(cheng)為企業、行(xing)業高質(zhi)量發(fa)展的(de)“助(zhu)推(tui)器”。