2022年6月(yue)，京東物流(liu)智(zhi)能(neng)算(suan)法團(tuan)隊的(de)學(xue)(xue)術(shu)論(lun)文Three-StageRoot Cause Analysis for Logistics Time Efficiency via Explainable Machine Learning被CCF-A類會議(yi)ACMSIGKDD錄(lu)用。ACMSIGKDD（國際數據(ju)挖掘(jue)與(yu)知識發(fa)現(xian)大會，簡稱KDD）是數據(ju)科(ke)(ke)學(xue)(xue)領(ling)域最(zui)高級別的(de)國際學(xue)(xue)術(shu)會議(yi)，也是全(quan)世(shi)界數據(ju)科(ke)(ke)學(xue)(xue)頂級學(xue)(xue)術(shu)成果(guo)的(de)交(jiao)流(liu)平臺，國內(nei)外眾多科(ke)(ke)技企業和組織(zhi)都(dou)把在KDD發(fa)表論(lun)文作為體現(xian)科(ke)(ke)技競爭力的(de)重要(yao)指標。

異常根因分析算法(fa)流程圖

該(gai)論文是京東(dong)物(wu)流(liu)完全(quan)獨立(li)自(zi)主發表的(de)(de)第一(yi)篇(pian)KDD論文。京東(dong)物(wu)流(liu)算法團隊對其智(zhi)能物(wu)流(liu)園(yuan)區(qu)異常管理解決方案(an)中的(de)(de)落地技術，進行總結提(ti)煉(lian)，并從中挖掘學(xue)(xue)術價(jia)值。論文以物(wu)流(liu)時(shi)效的(de)(de)異常發現和分(fen)析為例(li)，提(ti)出了基于可解釋(shi)機(ji)器學(xue)(xue)習的(de)(de)根(gen)(gen)因(yin)分(fen)析方法，并通過實際(ji)場景的(de)(de)應用(yong)案(an)例(li)進行了論證，針(zhen)對當前人工(gong)智(zhi)能領域中的(de)(de)根(gen)(gen)因(yin)分(fen)析疑難問題(ti)提(ti)出有(you)效的(de)(de)創新(xin)方法，不(bu)僅做出了重要(yao)的(de)(de)學(xue)(xue)術貢獻，也推動物(wu)流(liu)行業(ye)實際(ji)業(ye)務更進一(yi)步。

物(wu)(wu)(wu)(wu)流(liu)園(yuan)區是(shi)物(wu)(wu)(wu)(wu)流(liu)業務(wu)集(ji)(ji)聚發(fa)(fa)展的核心單元(yuan)，覆蓋倉儲、分(fen)揀、運輸等(deng)供應鏈的關鍵環節(jie)，包(bao)含多種物(wu)(wu)(wu)(wu)流(liu)設施和(he)(he)功能(neng)(neng)業態。因此，保障物(wu)(wu)(wu)(wu)流(liu)園(yuan)區的安全高(gao)效運行就(jiu)顯得(de)尤為(wei)重要。為(wei)了(le)及時(shi)發(fa)(fa)現異(yi)常事件并且迅(xun)速針(zhen)對性調(diao)整(zheng)，京東物(wu)(wu)(wu)(wu)流(liu)智(zhi)(zhi)能(neng)(neng)園(yuan)區算法(fa)團隊基于大(da)數據和(he)(he)人工智(zhi)(zhi)能(neng)(neng)技術，創新性地探索出(chu)了(le)集(ji)(ji)發(fa)(fa)現問(wen)(wen)題、分(fen)析問(wen)(wen)題和(he)(he)解(jie)決問(wen)(wen)題為(wei)一(yi)體的智(zhi)(zhi)能(neng)(neng)物(wu)(wu)(wu)(wu)流(liu)園(yuan)區異(yi)常管理解(jie)決方(fang)案。基于統計(ji)學和(he)(he)可解(jie)釋(shi)機器學習提出(chu)的分(fen)析框架，能(neng)(neng)夠有效發(fa)(fa)現智(zhi)(zhi)能(neng)(neng)園(yuan)區中設備運行、車輛調(diao)度、人效、能(neng)(neng)源消耗等(deng)方(fang)面的異(yi)常并進行根因分(fen)析，從(cong)而優(you)化提升物(wu)(wu)(wu)(wu)流(liu)業務(wu)。

由于物(wu)流(liu)園區中的(de)貨物(wu)流(liu)量巨(ju)大(da)、分(fen)揀(jian)系統(tong)結構復雜，容易在(zai)局(ju)部造成擁堵，從(cong)而影(ying)響(xiang)物(wu)流(liu)時效，甚至造成貨物(wu)損(sun)壞(huai)或(huo)丟失。針對這一問題，智能物(wu)流(liu)園區異常管理解(jie)決(jue)方(fang)案(an)不(bu)僅(jin)能夠通(tong)過(guo)計(ji)算機視覺手段(duan)及時發現擁堵點，也(ye)能夠通(tong)過(guo)機器(qi)學習和統(tong)計(ji)學技術(shu)有效分(fen)析分(fen)揀(jian)系統(tong)結構和各個(ge)入口的(de)流(liu)量對擁堵事(shi)件的(de)影(ying)響(xiang)。從(cong)而，定(ding)位造成擁堵的(de)根(gen)本原因，并加以改善，避免因為治標不(bu)治本帶來的(de)異常事(shi)件反復發生。

碳中(zhong)和(he)是當前(qian)國家發展的大趨勢，物流(liu)園區也(ye)成為降低物流(liu)行(xing)業碳排(pai)放(fang)(fang)的重要一環。智能物流(liu)園區異常管理(li)解決方(fang)案能夠為碳排(pai)放(fang)(fang)預測和(he)提前(qian)治理(li)，提供強大的技術(shu)支持，通過(guo)對(dui)復雜(za)繁多的碳排(pai)放(fang)(fang)影響因(yin)素集合與碳排(pai)放(fang)(fang)量的關系進行(xing)理(li)論建模，并(bing)抽絲(si)剝繭，結合現實場景(jing)定位造成碳排(pai)放(fang)(fang)增加(jia)(jia)的主要因(yin)素，有針對(dui)性地(di)加(jia)(jia)以優化(hua)和(he)改善，從(cong)而有效(xiao)實現節能減排(pai)。

除了(le)在(zai)物流(liu)(liu)(liu)園區的場景，智(zhi)(zhi)能物流(liu)(liu)(liu)園區異常管理解決方案的核心技(ji)術也應用(yong)在(zai)物流(liu)(liu)(liu)時效(xiao)分析(xi)和(he)網絡規劃業(ye)務中，并成功幫助京東物流(liu)(liu)(liu)西南區域多個城市發現提升時效(xiao)的關(guan)(guan)鍵(jian)因素，并提出了(le)相應的整改建議。通過數字(zi)化(hua)和(he)智(zhi)(zhi)能化(hua)手段，大大提升了(le)異常分析(xi)和(he)根因定位的效(xiao)率和(he)精確性，對業(ye)務增長起到了(le)關(guan)(guan)鍵(jian)作(zuo)用(yong)。

京東物流始(shi)終重視技(ji)(ji)術(shu)(shu)(shu)(shu)創新(xin)的重要作(zuo)用(yong)，在長期(qi)技(ji)(ji)術(shu)(shu)(shu)(shu)投入和(he)(he)創新(xin)驅動(dong)下，軟件(jian)、硬件(jian)及(ji)系統(tong)集成(cheng)的三(san)位(wei)一(yi)體供(gong)應鏈(lian)物流技(ji)(ji)術(shu)(shu)(shu)(shu)核心競(jing)爭力(li)持續升(sheng)級，目前(qian)已形(xing)成(cheng)了覆(fu)蓋園區、倉儲、分揀(jian)、運輸、配送等供(gong)應鏈(lian)各(ge)關鍵環(huan)節的技(ji)(ji)術(shu)(shu)(shu)(shu)產品及(ji)解決(jue)方案，以(yi)提升(sheng)預測、決(jue)策和(he)(he)智能執行(xing)能力(li)。不僅(jin)多項(xiang)技(ji)(ji)術(shu)(shu)(shu)(shu)成(cheng)果獲得國(guo)際、國(guo)內頂(ding)級榮譽和(he)(he)學術(shu)(shu)(shu)(shu)認可(ke)，京東物流還(huan)通過開放合作(zuo)，拓展供(gong)應鏈(lian)物流新(xin)技(ji)(ji)術(shu)(shu)(shu)(shu)的應用(yong)落(luo)地，推(tui)動(dong)數實(shi)融合，讓一(yi)體化供(gong)應鏈(lian)成(cheng)為(wei)企(qi)業、行(xing)業高質量(liang)發展的“助推(tui)器”。