近日，京东物流智能算法团队的学术论文Three-Stage Root Cause Analysis for Logistics Time Efficiency via Explainable Machine Learning被CCF-A类会议ACM SIGKDD录用。ACM SIGKDD（国际数据挖掘与知识发现大会，简称KDD）是数据科学领域最高级别的国际学术会议，也是全世界数据科学顶级学术成果的交流平台，国内外众多科技企业和组织都把在KDD发表论文作为体现科技竞争力的重要指标。

异常根因分析算法流程图

该论文是京东物流完全独立自主发表的第一篇KDD论文。京东物流算法团队对其智能物流园区异常管理解决方案中的落地技术，进行总结提炼，并从中挖掘学术价值。论文以物流时效的异常发现和分析为例，提出了基于可解释机器学习的根因分析方法，并通过实际场景的应用案例进行了论证，针对当前人工智能领域中的根因分析疑难问题提出有效的创新方法，不仅做出了重要的学术贡献，也推动物流行业实际业务更进一步。

物流园区是物流业务集聚发展的核心单元，覆盖仓储、分拣、运输等供应链的关键环节，包含多种物流设施和功能业态。因此，保障物流园区的安全高效运行就显得尤为重要。为了及时发现异常事件并且迅速针对性调整，京东物流智能园区算法团队基于大数据和人工智能技术，创新性地探索出了集发现问题、分析问题和解决问题为一体的智能物流园区异常管理解决方案。基于统计学和可解释机器学习提出的分析框架，能够有效发现智能园区中设备运行、车辆调度、人效、能源消耗等方面的异常并进行根因分析，从而优化提升物流业务。

由于物流园区中的货物流量巨大、分拣系统结构复杂，容易在局部造成拥堵，从而影响物流时效，甚至造成货物损坏或丢失。针对这一问题，智能物流园区异常管理解决方案不仅能够通过计算机视觉手段及时发现拥堵点，也能够通过机器学习和统计学技术有效分析分拣系统结构和各个入口的流量对拥堵事件的影响。从而，定位造成拥堵的根本原因，并加以改善，避免因为治标不治本带来的异常事件反复发生。

碳中和是当前国家发展的大趋势，物流园区也成为降低物流行业碳排放的重要一环。智能物流园区异常管理解决方案能够为碳排放预测和提前治理，提供强大的技术支持。通过对复杂繁多的碳排放影响因素集合与碳排放量的关系进行理论建模，并抽丝剥茧，结合现实场景定位造成碳排放增加的主要因素，有针对性地加以优化和改善，从而有效实现节能减排。

除了在物流园区的场景，智能物流园区异常管理解决方案的核心技术也应用在物流时效分析和网络规划业务中，并成功帮助京东物流西南区域多个城市发现提升时效的关键因素，并提出了相应的整改建议。通过数字化和智能化手段，大大提升了异常分析和根因定位的效率和精确性，对业务增长起到了关键作用。

京东物流始终重视技术创新的重要作用，在长期技术投入和创新驱动下，软件、硬件及系统集成的三位一体供应链物流技术核心竞争力持续升级，目前已形成了覆盖园区、仓储、分拣、运输、配送等供应链各关键环节的技术产品及解决方案，以提升预测、决策和智能执行能力。不仅多项技术成果获得国际、国内顶级荣誉和学术认可，京东物流还通过开放合作，拓展供应链物流新技术的应用落地，推动数实融合，让一体化供应链成为企业、行业高质量发展的“助推器”。