2022年6月，京東(dong)物(wu)流智能算法(fa)團隊的(de)學(xue)術(shu)論(lun)文Three-StageRoot Cause Analysis for Logistics Time Efficiency via Explainable Machine Learning被CCF-A類會(hui)議(yi)(yi)ACMSIGKDD錄用。ACMSIGKDD（國(guo)際數據(ju)挖掘與(yu)知識發現大(da)會(hui)，簡稱(cheng)KDD）是(shi)數據(ju)科學(xue)領域最(zui)高級(ji)別(bie)的(de)國(guo)際學(xue)術(shu)會(hui)議(yi)(yi)，也是(shi)全(quan)世界數據(ju)科學(xue)頂級(ji)學(xue)術(shu)成果的(de)交流平臺，國(guo)內外(wai)眾多科技(ji)企(qi)業和組織都把在(zai)KDD發表論(lun)文作為(wei)體現科技(ji)競爭(zheng)力的(de)重要指標。

異常(chang)根(gen)因分析算(suan)法流程(cheng)圖(tu)

該(gai)論文(wen)是京東物流(liu)完全(quan)獨立自主發表(biao)的(de)第一篇KDD論文(wen)。京東物流(liu)算法(fa)團隊(dui)對(dui)其智能(neng)物流(liu)園區(qu)異常管(guan)理(li)解決(jue)方(fang)案中的(de)落地(di)技術(shu)，進(jin)行(xing)總結提煉，并(bing)從中挖掘(jue)學術(shu)價值。論文(wen)以(yi)物流(liu)時(shi)效的(de)異常發現和(he)分(fen)析(xi)(xi)為例，提出了基于(yu)可解釋機(ji)器學習的(de)根因(yin)分(fen)析(xi)(xi)方(fang)法(fa)，并(bing)通過(guo)實(shi)際場景的(de)應用案例進(jin)行(xing)了論證，針對(dui)當前人工(gong)智能(neng)領(ling)域中的(de)根因(yin)分(fen)析(xi)(xi)疑難問題提出有(you)效的(de)創新方(fang)法(fa)，不僅做出了重要的(de)學術(shu)貢獻，也推(tui)動物流(liu)行(xing)業實(shi)際業務(wu)更進(jin)一步(bu)。

物(wu)(wu)(wu)流(liu)(liu)園(yuan)區是(shi)物(wu)(wu)(wu)流(liu)(liu)業(ye)務集(ji)聚發展的(de)(de)核心單元(yuan)，覆蓋倉(cang)儲、分(fen)(fen)(fen)揀、運輸等(deng)供應鏈的(de)(de)關鍵環節，包含多(duo)種物(wu)(wu)(wu)流(liu)(liu)設施(shi)和(he)功能(neng)(neng)業(ye)態。因此，保障物(wu)(wu)(wu)流(liu)(liu)園(yuan)區的(de)(de)安(an)全高效(xiao)運行就顯得(de)尤為重(zhong)要。為了及時發現異(yi)常事件并(bing)且迅(xun)速針對性調(diao)整(zheng)，京東物(wu)(wu)(wu)流(liu)(liu)智能(neng)(neng)園(yuan)區算法(fa)團隊基于大數據和(he)人(ren)工智能(neng)(neng)技術，創(chuang)新性地探索出了集(ji)發現問題、分(fen)(fen)(fen)析問題和(he)解(jie)(jie)決(jue)問題為一體的(de)(de)智能(neng)(neng)物(wu)(wu)(wu)流(liu)(liu)園(yuan)區異(yi)常管理解(jie)(jie)決(jue)方案(an)。基于統計學(xue)(xue)和(he)可解(jie)(jie)釋機器學(xue)(xue)習(xi)提出的(de)(de)分(fen)(fen)(fen)析框架，能(neng)(neng)夠有效(xiao)發現智能(neng)(neng)園(yuan)區中設備運行、車輛(liang)調(diao)度、人(ren)效(xiao)、能(neng)(neng)源消耗等(deng)方面的(de)(de)異(yi)常并(bing)進(jin)行根因分(fen)(fen)(fen)析，從而(er)優化(hua)提升物(wu)(wu)(wu)流(liu)(liu)業(ye)務。

由于物流(liu)園(yuan)區中的貨(huo)物流(liu)量巨(ju)大、分揀系(xi)(xi)統結構復雜，容易在局(ju)部造成擁(yong)堵，從(cong)而影響物流(liu)時效(xiao)，甚至造成貨(huo)物損(sun)壞(huai)或丟失。針對(dui)這一問(wen)題，智能物流(liu)園(yuan)區異常管(guan)理解決(jue)方案(an)不僅能夠(gou)通過計算機(ji)視覺(jue)手段及時發現擁(yong)堵點，也能夠(gou)通過機(ji)器學習(xi)和統計學技術有(you)效(xiao)分析分揀系(xi)(xi)統結構和各個入口的流(liu)量對(dui)擁(yong)堵事件的影響。從(cong)而，定位造成擁(yong)堵的根(gen)本原因，并加以改善，避免因為治標不治本帶來的異常事件反(fan)復發生。

碳中(zhong)和是當(dang)前(qian)國家發展的大(da)(da)趨勢，物流(liu)(liu)園區也成(cheng)(cheng)為降低物流(liu)(liu)行(xing)(xing)業碳排(pai)放(fang)的重要(yao)一環。智能物流(liu)(liu)園區異常(chang)管理解決方案能夠為碳排(pai)放(fang)預測和提(ti)前(qian)治理，提(ti)供強(qiang)大(da)(da)的技術支持，通過對復雜繁多的碳排(pai)放(fang)影響因素集合與碳排(pai)放(fang)量的關(guan)系(xi)進行(xing)(xing)理論建模，并抽絲剝繭(jian)，結合現(xian)實(shi)場景定位造成(cheng)(cheng)碳排(pai)放(fang)增加(jia)的主要(yao)因素，有針對性地加(jia)以優化和改善，從而有效(xiao)實(shi)現(xian)節能減排(pai)。

除了在(zai)(zai)物流(liu)(liu)園區的(de)場景，智(zhi)能物流(liu)(liu)園區異常(chang)管(guan)理解決方案的(de)核心技(ji)術(shu)也(ye)應用在(zai)(zai)物流(liu)(liu)時效分(fen)析(xi)和(he)網絡規劃(hua)業務中，并成功幫助(zhu)京東(dong)物流(liu)(liu)西南區域多個城(cheng)市發現提(ti)升(sheng)時效的(de)關鍵因(yin)素，并提(ti)出了相應的(de)整改建議。通過(guo)數字化(hua)和(he)智(zhi)能化(hua)手段，大(da)大(da)提(ti)升(sheng)了異常(chang)分(fen)析(xi)和(he)根因(yin)定位的(de)效率和(he)精確性，對業務增(zeng)長起到了關鍵作用。

京東(dong)物(wu)流(liu)始終重視技(ji)(ji)術(shu)(shu)創新(xin)的重要(yao)作用(yong)，在長期技(ji)(ji)術(shu)(shu)投入和(he)創新(xin)驅動下，軟件、硬件及系(xi)統(tong)集成(cheng)的三位(wei)一體(ti)供(gong)(gong)應(ying)鏈物(wu)流(liu)技(ji)(ji)術(shu)(shu)核心(xin)競爭力持續升(sheng)級，目前已形成(cheng)了覆(fu)蓋園區、倉儲、分揀、運輸、配送(song)等供(gong)(gong)應(ying)鏈各關鍵環節的技(ji)(ji)術(shu)(shu)產(chan)品及解決方案，以提升(sheng)預(yu)測、決策(ce)和(he)智能執行能力。不僅多(duo)項技(ji)(ji)術(shu)(shu)成(cheng)果獲得國際、國內頂(ding)級榮譽和(he)學術(shu)(shu)認可，京東(dong)物(wu)流(liu)還通過(guo)開放合作，拓展供(gong)(gong)應(ying)鏈物(wu)流(liu)新(xin)技(ji)(ji)術(shu)(shu)的應(ying)用(yong)落地，推動數實融合，讓(rang)一體(ti)化供(gong)(gong)應(ying)鏈成(cheng)為企業(ye)、行業(ye)高質量發展的“助推器”。