2022年(nian)6月(yue)，京東物流(liu)智(zhi)能(neng)算法團隊的(de)學術論文Three-StageRoot Cause Analysis for Logistics Time Efficiency via Explainable Machine Learning被(bei)CCF-A類(lei)會議ACMSIGKDD錄用。ACMSIGKDD（國(guo)際數(shu)據挖掘與知(zhi)識發現大會，簡稱KDD）是數(shu)據科(ke)(ke)學領(ling)域最高級別的(de)國(guo)際學術會議，也是全世界數(shu)據科(ke)(ke)學頂(ding)級學術成(cheng)果的(de)交流(liu)平臺，國(guo)內外眾(zhong)多科(ke)(ke)技(ji)企業和組織都(dou)把在KDD發表論文作為(wei)體現科(ke)(ke)技(ji)競爭力(li)的(de)重要指標。

異常根因分析算(suan)法流程圖(tu)

該論文(wen)是(shi)京東(dong)物流完全(quan)獨立自主發(fa)表的(de)(de)(de)第(di)一(yi)篇(pian)KDD論文(wen)。京東(dong)物流算法(fa)團隊對其智能物流園(yuan)區異(yi)常管理解決方案(an)中的(de)(de)(de)落地技(ji)術(shu)(shu)，進行總(zong)結(jie)提(ti)煉(lian)，并(bing)從中挖掘學術(shu)(shu)價值。論文(wen)以物流時效的(de)(de)(de)異(yi)常發(fa)現和分(fen)析為例，提(ti)出了基于可解釋機器學習(xi)的(de)(de)(de)根(gen)因(yin)分(fen)析方法(fa)，并(bing)通過實際場景的(de)(de)(de)應用案(an)例進行了論證，針對當前人工智能領域中的(de)(de)(de)根(gen)因(yin)分(fen)析疑(yi)難問題提(ti)出有效的(de)(de)(de)創新方法(fa)，不僅(jin)做出了重要的(de)(de)(de)學術(shu)(shu)貢獻(xian)，也推動物流行業(ye)實際業(ye)務更(geng)進一(yi)步(bu)。

物(wu)流(liu)(liu)(liu)園區(qu)是(shi)物(wu)流(liu)(liu)(liu)業(ye)(ye)務(wu)集聚(ju)發(fa)(fa)展(zhan)的(de)核心單元，覆蓋倉(cang)儲、分揀、運輸等(deng)供應鏈的(de)關(guan)鍵環節，包含多種物(wu)流(liu)(liu)(liu)設(she)施(shi)和(he)功能業(ye)(ye)態。因此，保障物(wu)流(liu)(liu)(liu)園區(qu)的(de)安全高效運行就顯得(de)尤為重要。為了及時發(fa)(fa)現異(yi)常事件并且(qie)迅速針對性調整，京(jing)東物(wu)流(liu)(liu)(liu)智能園區(qu)算法(fa)團隊基(ji)于大數(shu)據和(he)人工智能技術，創新性地探(tan)索出(chu)了集發(fa)(fa)現問題(ti)、分析(xi)問題(ti)和(he)解決問題(ti)為一體的(de)智能物(wu)流(liu)(liu)(liu)園區(qu)異(yi)常管理(li)解決方案。基(ji)于統計學和(he)可解釋機器學習(xi)提(ti)出(chu)的(de)分析(xi)框(kuang)架，能夠有效發(fa)(fa)現智能園區(qu)中設(she)備(bei)運行、車輛調度、人效、能源消耗等(deng)方面(mian)的(de)異(yi)常并進行根因分析(xi)，從(cong)而優化提(ti)升(sheng)物(wu)流(liu)(liu)(liu)業(ye)(ye)務(wu)。

由于物流園區中的(de)(de)貨物流量(liang)巨大(da)、分揀(jian)系(xi)統結構復雜，容易在局部造(zao)成(cheng)(cheng)擁(yong)(yong)堵，從而影(ying)響物流時效(xiao)，甚(shen)至造(zao)成(cheng)(cheng)貨物損壞或丟失。針(zhen)對這一問(wen)題，智能物流園區異常管理解決方案不僅能夠通過(guo)計算機視覺手段及時發現擁(yong)(yong)堵點，也能夠通過(guo)機器學(xue)習和統計學(xue)技(ji)術有效(xiao)分析分揀(jian)系(xi)統結構和各個入口(kou)的(de)(de)流量(liang)對擁(yong)(yong)堵事件的(de)(de)影(ying)響。從而，定位造(zao)成(cheng)(cheng)擁(yong)(yong)堵的(de)(de)根本(ben)原因，并加以改善，避免因為治標不治本(ben)帶來的(de)(de)異常事件反復發生(sheng)。

碳(tan)中和(he)是當前國家發展的(de)大(da)趨勢，物流園區(qu)也成(cheng)為降低(di)物流行業(ye)碳(tan)排(pai)放(fang)的(de)重(zhong)要(yao)(yao)一環。智能(neng)物流園區(qu)異常(chang)管(guan)理(li)解決方案(an)能(neng)夠為碳(tan)排(pai)放(fang)預測和(he)提前治理(li)，提供(gong)強大(da)的(de)技術(shu)支持(chi)，通過對復(fu)雜(za)繁多的(de)碳(tan)排(pai)放(fang)影響因(yin)素集(ji)合與碳(tan)排(pai)放(fang)量的(de)關系進行理(li)論建模，并抽絲剝繭，結合現實(shi)場景定位(wei)造(zao)成(cheng)碳(tan)排(pai)放(fang)增加(jia)的(de)主要(yao)(yao)因(yin)素，有(you)針(zhen)對性地加(jia)以優化和(he)改善，從而有(you)效實(shi)現節能(neng)減排(pai)。

除了在物(wu)流(liu)園區的場景，智能(neng)物(wu)流(liu)園區異(yi)常管理解決方案的核心(xin)技術也應用在物(wu)流(liu)時效分(fen)析(xi)和(he)(he)網絡規劃業務(wu)中(zhong)，并成(cheng)功(gong)幫(bang)助京東物(wu)流(liu)西南區域多個城(cheng)市發(fa)現提升時效的關鍵(jian)因素，并提出(chu)了相(xiang)應的整改建議。通過數字化和(he)(he)智能(neng)化手段，大大提升了異(yi)常分(fen)析(xi)和(he)(he)根因定位的效率和(he)(he)精確性，對(dui)業務(wu)增(zeng)長起到了關鍵(jian)作用。

京(jing)東(dong)物流(liu)始(shi)終重(zhong)視技(ji)術(shu)(shu)(shu)(shu)創新(xin)的重(zhong)要作用(yong)，在長期技(ji)術(shu)(shu)(shu)(shu)投入和(he)創新(xin)驅動下，軟件(jian)、硬件(jian)及系(xi)統集成的三(san)位(wei)一(yi)體供(gong)應(ying)鏈物流(liu)技(ji)術(shu)(shu)(shu)(shu)核心競爭力持(chi)續升(sheng)級(ji)，目前(qian)已形成了覆蓋園(yuan)區、倉(cang)儲、分揀、運輸、配送等(deng)供(gong)應(ying)鏈各關鍵環節的技(ji)術(shu)(shu)(shu)(shu)產品及解決(jue)方案，以提(ti)升(sheng)預測(ce)、決(jue)策和(he)智(zhi)能執行(xing)能力。不(bu)僅多項技(ji)術(shu)(shu)(shu)(shu)成果獲得國(guo)際、國(guo)內(nei)頂級(ji)榮譽和(he)學術(shu)(shu)(shu)(shu)認可，京(jing)東(dong)物流(liu)還(huan)通過開放(fang)合作，拓展供(gong)應(ying)鏈物流(liu)新(xin)技(ji)術(shu)(shu)(shu)(shu)的應(ying)用(yong)落地，推動數(shu)實融(rong)合，讓一(yi)體化供(gong)應(ying)鏈成為企業、行(xing)業高質量(liang)發展的“助(zhu)推器”。