2022年6月(yue)，京東物流智(zhi)能算法團隊的學(xue)術論文Three-StageRoot Cause Analysis for Logistics Time Efficiency via Explainable Machine Learning被(bei)CCF-A類會議(yi)ACMSIGKDD錄用。ACMSIGKDD（國際數(shu)據挖掘與知識發現大(da)會，簡稱KDD）是數(shu)據科(ke)學(xue)領域最高級別(bie)的國際學(xue)術會議(yi)，也是全世界數(shu)據科(ke)學(xue)頂(ding)級學(xue)術成(cheng)果的交流平臺，國內外(wai)眾多(duo)科(ke)技企業和組織都(dou)把(ba)在KDD發表論文作為體(ti)現科(ke)技競爭力的重要(yao)指標。

異常(chang)根因分(fen)析算法流程圖

該論(lun)文是京東物(wu)(wu)(wu)流(liu)完(wan)全獨(du)立自主發(fa)表的(de)第一(yi)篇KDD論(lun)文。京東物(wu)(wu)(wu)流(liu)算(suan)法團隊對其智能(neng)(neng)物(wu)(wu)(wu)流(liu)園區(qu)異常(chang)管理解決方案中(zhong)的(de)落(luo)地技術，進行(xing)總結提(ti)煉，并從中(zhong)挖掘(jue)學術價值(zhi)。論(lun)文以物(wu)(wu)(wu)流(liu)時效的(de)異常(chang)發(fa)現和分析(xi)為例，提(ti)出(chu)了(le)基于可(ke)解釋機器學習的(de)根因分析(xi)方法，并通(tong)過實(shi)(shi)際場(chang)景的(de)應用案例進行(xing)了(le)論(lun)證(zheng)，針對當前人工智能(neng)(neng)領域中(zhong)的(de)根因分析(xi)疑(yi)難問題提(ti)出(chu)有效的(de)創新方法，不僅做出(chu)了(le)重(zhong)要的(de)學術貢獻，也推動物(wu)(wu)(wu)流(liu)行(xing)業實(shi)(shi)際業務(wu)更進一(yi)步。

物(wu)流(liu)(liu)園(yuan)區(qu)是物(wu)流(liu)(liu)業(ye)務(wu)集聚發展的(de)核心單元，覆(fu)蓋倉(cang)儲、分揀、運輸等供應(ying)鏈(lian)的(de)關鍵環節，包含多種物(wu)流(liu)(liu)設施和功能(neng)業(ye)態(tai)。因(yin)此，保障物(wu)流(liu)(liu)園(yuan)區(qu)的(de)安全高效運行(xing)就顯得尤為(wei)重(zhong)要。為(wei)了及(ji)時發現異常(chang)事(shi)件并且迅速針對性調(diao)整，京東物(wu)流(liu)(liu)智能(neng)園(yuan)區(qu)算法(fa)團(tuan)隊(dui)基(ji)于大(da)數據和人(ren)工智能(neng)技(ji)術，創新性地(di)探索出了集發現問(wen)題(ti)、分析(xi)問(wen)題(ti)和解決問(wen)題(ti)為(wei)一體的(de)智能(neng)物(wu)流(liu)(liu)園(yuan)區(qu)異常(chang)管理解決方案(an)。基(ji)于統計學和可解釋機器學習(xi)提出的(de)分析(xi)框架(jia)，能(neng)夠有效發現智能(neng)園(yuan)區(qu)中設備運行(xing)、車輛調(diao)度、人(ren)效、能(neng)源消耗等方面的(de)異常(chang)并進行(xing)根(gen)因(yin)分析(xi)，從而優(you)化提升物(wu)流(liu)(liu)業(ye)務(wu)。

由于物(wu)流(liu)園(yuan)區中的(de)貨(huo)物(wu)流(liu)量巨(ju)大、分(fen)揀系統結構(gou)(gou)復雜，容易在(zai)局部造成擁(yong)(yong)堵(du)，從而影(ying)響物(wu)流(liu)時(shi)效，甚至造成貨(huo)物(wu)損(sun)壞或丟(diu)失。針對(dui)這一問(wen)題，智能物(wu)流(liu)園(yuan)區異(yi)常(chang)管理解(jie)決方案不僅能夠通過計算機視(shi)覺手段及時(shi)發現擁(yong)(yong)堵(du)點，也能夠通過機器學習和(he)統計學技術(shu)有效分(fen)析分(fen)揀系統結構(gou)(gou)和(he)各個入口(kou)的(de)流(liu)量對(dui)擁(yong)(yong)堵(du)事(shi)件的(de)影(ying)響。從而，定位(wei)造成擁(yong)(yong)堵(du)的(de)根本原因，并加以改善，避免因為治標不治本帶來的(de)異(yi)常(chang)事(shi)件反復發生(sheng)。

碳中和(he)(he)是當(dang)前國家(jia)發展的(de)大趨勢(shi)，物流(liu)園(yuan)區(qu)也成(cheng)為降低物流(liu)行業碳排放(fang)(fang)的(de)重(zhong)要一(yi)環。智能物流(liu)園(yuan)區(qu)異常(chang)管理(li)(li)解(jie)決方(fang)案能夠為碳排放(fang)(fang)預測(ce)和(he)(he)提前治理(li)(li)，提供(gong)強大的(de)技術支持，通過對復雜繁多的(de)碳排放(fang)(fang)影響因素集合(he)與碳排放(fang)(fang)量的(de)關(guan)系進行理(li)(li)論建(jian)模(mo)，并抽絲剝繭，結合(he)現實(shi)(shi)場景定(ding)位造(zao)成(cheng)碳排放(fang)(fang)增加(jia)的(de)主要因素，有針對性地加(jia)以優化和(he)(he)改善，從而(er)有效實(shi)(shi)現節能減排。

除了在(zai)物流(liu)園區的(de)場景，智能(neng)物流(liu)園區異(yi)常管理解(jie)決方案的(de)核心(xin)技術也(ye)應(ying)用(yong)在(zai)物流(liu)時(shi)效(xiao)(xiao)分析和(he)網絡規劃(hua)業務(wu)中，并(bing)成功幫助京東物流(liu)西南區域(yu)多(duo)個城市發現提升時(shi)效(xiao)(xiao)的(de)關鍵(jian)因(yin)素，并(bing)提出了相(xiang)應(ying)的(de)整改建議。通過數字化和(he)智能(neng)化手段，大大提升了異(yi)常分析和(he)根因(yin)定位的(de)效(xiao)(xiao)率和(he)精確(que)性，對業務(wu)增長起到了關鍵(jian)作用(yong)。

京(jing)東物(wu)流始終重(zhong)視技(ji)術(shu)(shu)創(chuang)新的(de)重(zhong)要作(zuo)用(yong)，在長(chang)期(qi)技(ji)術(shu)(shu)投入和創(chuang)新驅動下(xia)，軟件(jian)、硬件(jian)及(ji)系統(tong)集成(cheng)的(de)三位一體供(gong)(gong)應(ying)(ying)鏈物(wu)流技(ji)術(shu)(shu)核心(xin)競爭力(li)持續升級，目前(qian)已形成(cheng)了覆蓋園(yuan)區、倉儲(chu)、分揀、運(yun)輸、配送等(deng)供(gong)(gong)應(ying)(ying)鏈各關鍵環節(jie)的(de)技(ji)術(shu)(shu)產品(pin)及(ji)解決(jue)方案，以(yi)提升預測(ce)、決(jue)策和智能(neng)執行(xing)能(neng)力(li)。不僅多項技(ji)術(shu)(shu)成(cheng)果獲得國(guo)際、國(guo)內頂級榮譽(yu)和學術(shu)(shu)認可，京(jing)東物(wu)流還通過開放合作(zuo)，拓展供(gong)(gong)應(ying)(ying)鏈物(wu)流新技(ji)術(shu)(shu)的(de)應(ying)(ying)用(yong)落地(di)，推動數實融合，讓一體化供(gong)(gong)應(ying)(ying)鏈成(cheng)為企(qi)業、行(xing)業高(gao)質量發展的(de)“助推器”。