2022年6月(yue)，京東物流(liu)智能算(suan)法團(tuan)隊(dui)的(de)(de)(de)學術論(lun)文(wen)Three-StageRoot Cause Analysis for Logistics Time Efficiency via Explainable Machine Learning被(bei)CCF-A類會(hui)議ACMSIGKDD錄(lu)用(yong)。ACMSIGKDD（國際數據挖掘與(yu)知識發(fa)現(xian)大會(hui)，簡稱KDD）是(shi)數據科(ke)(ke)學領域最高級(ji)(ji)別的(de)(de)(de)國際學術會(hui)議，也(ye)是(shi)全世界數據科(ke)(ke)學頂級(ji)(ji)學術成(cheng)果的(de)(de)(de)交流(liu)平臺，國內(nei)外(wai)眾多科(ke)(ke)技(ji)(ji)企業和(he)組織(zhi)都把在KDD發(fa)表(biao)論(lun)文(wen)作為體現(xian)科(ke)(ke)技(ji)(ji)競爭力的(de)(de)(de)重要指標。

異常(chang)根因分析算法流程圖

該(gai)論文是京東物(wu)流完(wan)全(quan)獨立自主發表(biao)的第一篇(pian)KDD論文。京東物(wu)流算(suan)法團隊對(dui)其(qi)智能物(wu)流園區(qu)異(yi)(yi)常管理解決方(fang)案中的落(luo)地(di)技術，進行總結提(ti)煉，并(bing)(bing)從中挖掘(jue)學術價值。論文以(yi)物(wu)流時效的異(yi)(yi)常發現(xian)和分析為例，提(ti)出(chu)了(le)基于可解釋機(ji)器學習的根因分析方(fang)法，并(bing)(bing)通過實(shi)(shi)際場景的應用案例進行了(le)論證，針對(dui)當前人工智能領(ling)域中的根因分析疑難問題提(ti)出(chu)有效的創新(xin)方(fang)法，不僅做出(chu)了(le)重要的學術貢獻，也(ye)推動物(wu)流行業實(shi)(shi)際業務更進一步。

物(wu)流(liu)園(yuan)區(qu)(qu)是物(wu)流(liu)業務集聚發展的(de)核(he)心單(dan)元，覆蓋倉儲、分(fen)揀、運(yun)輸等(deng)供(gong)應鏈(lian)的(de)關鍵環節，包(bao)含多(duo)種物(wu)流(liu)設(she)施和(he)(he)功(gong)能(neng)業態(tai)。因此，保障物(wu)流(liu)園(yuan)區(qu)(qu)的(de)安全高效運(yun)行就顯得尤為重要。為了及時發現(xian)(xian)異常事(shi)件(jian)并且(qie)迅速針對性調(diao)(diao)整(zheng)，京東物(wu)流(liu)智能(neng)園(yuan)區(qu)(qu)算法(fa)團隊基(ji)于(yu)大數據和(he)(he)人工智能(neng)技術，創(chuang)新性地探索出了集發現(xian)(xian)問題(ti)、分(fen)析(xi)問題(ti)和(he)(he)解決(jue)問題(ti)為一體的(de)智能(neng)物(wu)流(liu)園(yuan)區(qu)(qu)異常管理解決(jue)方案。基(ji)于(yu)統(tong)計學(xue)和(he)(he)可解釋機(ji)器(qi)學(xue)習提出的(de)分(fen)析(xi)框(kuang)架，能(neng)夠有效發現(xian)(xian)智能(neng)園(yuan)區(qu)(qu)中設(she)備運(yun)行、車輛調(diao)(diao)度、人效、能(neng)源消耗等(deng)方面(mian)的(de)異常并進行根因分(fen)析(xi)，從(cong)而(er)優化(hua)提升物(wu)流(liu)業務。

由于物流園(yuan)區中的(de)貨(huo)物流量(liang)巨大、分揀(jian)系(xi)統(tong)結構復雜，容易在(zai)局(ju)部造(zao)成(cheng)擁(yong)堵，從而(er)影響物流時(shi)效，甚(shen)至造(zao)成(cheng)貨(huo)物損壞或丟失。針對(dui)這一問題，智能物流園(yuan)區異(yi)常管理解決方案不僅能夠(gou)通過計算機(ji)視(shi)覺手段及時(shi)發現擁(yong)堵點，也(ye)能夠(gou)通過機(ji)器學(xue)習和統(tong)計學(xue)技術有效分析分揀(jian)系(xi)統(tong)結構和各個入口(kou)的(de)流量(liang)對(dui)擁(yong)堵事(shi)(shi)件(jian)的(de)影響。從而(er)，定位造(zao)成(cheng)擁(yong)堵的(de)根(gen)本(ben)(ben)原因(yin)，并加以改善，避免因(yin)為治標不治本(ben)(ben)帶(dai)來的(de)異(yi)常事(shi)(shi)件(jian)反復發生。

碳(tan)中和(he)是(shi)當前國家發(fa)展的(de)(de)(de)大趨勢，物流(liu)園區也成(cheng)為降(jiang)低物流(liu)行業碳(tan)排(pai)放(fang)的(de)(de)(de)重要一環。智能(neng)物流(liu)園區異常管理(li)解(jie)決方(fang)案能(neng)夠為碳(tan)排(pai)放(fang)預測和(he)提前治(zhi)理(li)，提供強大的(de)(de)(de)技術支(zhi)持，通過對復雜繁(fan)多(duo)的(de)(de)(de)碳(tan)排(pai)放(fang)影響因素(su)集合(he)與碳(tan)排(pai)放(fang)量的(de)(de)(de)關系進(jin)行理(li)論建(jian)模，并抽絲剝繭(jian)，結合(he)現(xian)實場景定位造(zao)成(cheng)碳(tan)排(pai)放(fang)增(zeng)加(jia)的(de)(de)(de)主要因素(su)，有針對性地加(jia)以優化和(he)改善，從而(er)有效(xiao)實現(xian)節能(neng)減排(pai)。

除了(le)(le)在物(wu)流(liu)(liu)園(yuan)區(qu)(qu)的(de)(de)場景，智(zhi)能物(wu)流(liu)(liu)園(yuan)區(qu)(qu)異常管理解決(jue)方案的(de)(de)核心技術也應用(yong)在物(wu)流(liu)(liu)時效(xiao)分(fen)析和網絡規(gui)劃業務中，并成(cheng)功幫(bang)助(zhu)京東(dong)物(wu)流(liu)(liu)西南(nan)區(qu)(qu)域多個城市發現(xian)提(ti)升時效(xiao)的(de)(de)關鍵因素，并提(ti)出了(le)(le)相應的(de)(de)整改建議。通過數字化和智(zhi)能化手段，大大提(ti)升了(le)(le)異常分(fen)析和根因定(ding)位的(de)(de)效(xiao)率和精確性(xing)，對業務增長(chang)起到了(le)(le)關鍵作用(yong)。

京東(dong)(dong)物(wu)(wu)流(liu)始(shi)終重(zhong)視(shi)技(ji)(ji)術(shu)創新(xin)(xin)的(de)重(zhong)要(yao)作(zuo)用，在長期技(ji)(ji)術(shu)投入(ru)和(he)創新(xin)(xin)驅(qu)動下，軟件、硬件及系統(tong)集(ji)成(cheng)的(de)三位一體(ti)供(gong)(gong)應鏈(lian)(lian)物(wu)(wu)流(liu)技(ji)(ji)術(shu)核心競爭力(li)持續升級(ji)，目前已(yi)形成(cheng)了覆蓋園區、倉儲、分揀(jian)、運輸(shu)、配送等(deng)供(gong)(gong)應鏈(lian)(lian)各關鍵(jian)環(huan)節的(de)技(ji)(ji)術(shu)產品及解(jie)決(jue)方案，以提升預測、決(jue)策(ce)和(he)智能(neng)(neng)執行能(neng)(neng)力(li)。不僅多項技(ji)(ji)術(shu)成(cheng)果獲得(de)國際(ji)、國內頂級(ji)榮譽和(he)學術(shu)認可，京東(dong)(dong)物(wu)(wu)流(liu)還通過(guo)開放(fang)合作(zuo)，拓展供(gong)(gong)應鏈(lian)(lian)物(wu)(wu)流(liu)新(xin)(xin)技(ji)(ji)術(shu)的(de)應用落地，推(tui)動數實融合，讓一體(ti)化供(gong)(gong)應鏈(lian)(lian)成(cheng)為企(qi)業、行業高質(zhi)量發展的(de)“助(zhu)推(tui)器(qi)”。