納品のリードタイムは、サプライチェーン管理の重要なパラメータです。社内で商品や材料の購入、販売、または搬送のどれを行っているかにかかわらず、企業にとって重要なのは、最初の注文から納入までの、商品の全工程にかかる時間を理解することです。
消費者が翌日、または同日に注文を受け取ることにどんどん慣れてきているため、サプライチェーンは納品部分に重点を置くようになっています。成功を維持したいサプライチェーンが望んでいるのはそのことです。
納入の成功とは、正しい数量、正しい時間で、顧客のニーズを満たしている、またそれを一貫して行っていることと定義できます。製造でも、物流でも、納品は要件の基本の基本です。Minitabがあれば、企業はデータ分析の力を活用して、納入を最適化し、サプライチェーンを合理化し、顧客満足度を高めることができます。
納入速度を測定
最終製品を最終顧客に納入するのにかかる時間は、サプライチェーンのプロフェッショナルにとって重要な指標です。以下の例では、サンプルデータセットと簡単な記述統計を使用することで、納入時間の平均が54～55時間であることがわかります。また、このデータは、最短が40時間で最長が75時間であることを示しているので、目標設定に役立つ最短から最長の時間範囲がわかります。
目標を設定して、納入に影響し得る因子をブレインストーミング
配達が遅れれば、顧客体験の面で組織にマイナスとなり、売上に直接的な影響が及ぶこともあります。納期を守れなければ、顧客が将来再び購入する可能性ははるかに下がります。特定期間内に納品する戦略的な業務目標を設定します。この例では、現実的な目標を50に設定します。これは、納入にかかる時間が約10%改善されることを表します。
次に、納入の時間枠に影響を与えそうな変数をブレインストーミングします。これは、梱包の寸法、車両の年式、気象条件、さらには配達を行うドライバーなど、何でも可能です。下の図は、CTツリーの例です。CTツリーは、人気のパワフルブレインストーミングおよび構造化問題-解決ツールの1つで、Workspaceに含まれています。
課題を可視化し、解決策をブレインストーミングしますか？
予測モデリングを使用して影響を定量化...
予測モデリングは、一般的に、予測を行い、応答に影響を与える因子を理解するのに役立ちます。 Minitabの自動化機械学習ツールを使用することで、最高のモデルを見ることができるだけでなく（この場合はRandom Forests®）、他のモデルのパフォーマンスを見ることもできます。
この場合、人気のある従来の回帰手法はパフォーマンスが最も悪く、それほど正確でもありません。 一方で、関係の視覚化に最適なCART®モデルは比較的良いパフォーマンスです。
改善を適用...
下のCART決定木を見ると、晴れているときに新しい車両を使用した納入が最も速く、雪が降っているときに古い車両を使用した納品が最も遅いことが明らかです。 これは、改善で対処するべき最初の領域を示します。気象条件を制御することはできませんが、より新しい車両を使用することで、すぐに改善できる可能性があります。また、特定の顧客地域の天気予報を考慮に入れることで、最初に納入時間を計算して通知するときに精度を上げられる可能性があります。
...そしてモデルを運用して、納入のタイミングを予測！
この分析は、改善の必要な領域を特定するのに役立ち、顧客とのコミュニケーションにも役立ちます。 手元の因子を考慮に入れ、最も正確なRandom Forestsモデル（自動化機械学習によって判定）を活用することで、モデルを運用して自動的に顧客に情報を伝えられます。データポイントが集められると、モデルはMinitab Model Opsのようなソリューションを使用して、納入の推定時間を計算し、そのタイミングを自動的に顧客に伝えることができます。こうすることで、顧客はタイムリーに通知を受けて、荷物がいつ到着するのかと考える必要がなくなります。 パフォーマンスを改善すると、顧客の期待に応えることができますし、独自の予測モデルを改良し続けて、将来的により正確なタイミングを顧客に知らせることができるようになります。
サプライチェーンの課題に対処したいとお考えですか？
