交货时间是一个关键的供应链管理参数。对于企业来说，无论是采购、销售还是在内部移动物资，了解产品从最初下单到交货需要多长时间都至关重要。
随着消费者越来越习惯在次日甚至当天收货，供应链越来越关注其流程的交付部分，也即需要保持成功交付的供应链。
我们可以将成功的交付定义为在合适的时间按正确的数量为客户提供所需的东西，并始终如一地做到这一点。所有制造或分销业务都将交付当作最基本的要求。Minitab 可以利用强大的数据分析功能来帮助公司优化交付、简化供应链并提高客户满意度。
衡量交付速度
将成品交付给最终客户所需的时间是供应链专业人员的关键衡量标准。下面的示例使用样本数据集和一些简单的描述性统计数据，表明交货时间的平均值（或均值）在 54 到 55 小时之间。该数据还表明，最短时间为 40 小时，最长时间为 75 小时，从而提供一个关于最快交付时间和最慢交付时间的区间范围，来帮助设定目标。
设定目标并就可能影响交付的因素进行头脑风暴
延迟交付不仅会让组织在客户体验方面付出代价，还会直接影响销售量。如果公司不能兑现及时交付的承诺，其客户将来再次购买的可能性就会大大降低。设定战略业务目标，以在特定时间范围内交货。在本例中，我们将实际目标设定为 50，表示交货时间大约缩短了 10%。
接下来，就可能影响交货时间范围的变量进行头脑风暴。这些变量包括包裹尺寸、车龄、天气状况甚至送货司机等各种因素。下图显示 CT 树的示例，CT 树是 Workspace 中包含的许多强大的头脑风暴和结构化问题解决工具之一。
想要可视化显示挑战并就解决方案进行头脑风暴？
使用预测建模量化影响...
通常，预测建模有助于进行预测并了解对响应造成影响的因素。 通过使用 Minitab 的自动化机器学习工具，我们不仅可以看到最佳模型（在本例中为 Random Forests®），还可以看到其他模型的表现。
在这种情况下，流行的传统回归方法不仅表现最差，还不太准确。 非常适合可视化查看关系的 CART® 模型却表现相对较好。
应用改进...
查看下面的 CART 决策树，显然在晴天使用新车交货最快，而在下雪天使用旧车交货最慢。 这是第一个需要改进的方面。尽管不可能控制天气状况，但维护一支较新的车队可能会产生立竿见影的效果。此外，在最初计算和沟通交货时间时，考虑特定客户所在地区的天气预报可能会提高准确度。
...操作模型以预测货物何时到达
这种分析不仅可以帮助确定需要改进的方面，还有助于与客户沟通。 通过考虑现有的因素并利用最准确的 Random Forests 模型（由自动化机器学习确定），我们可以操作该模型以自动与客户沟通。在收集这些数据点时，该模型可以使用 Minitab Model Ops 等解决方案来计算估计的交货时间并自动将交货时间传达给客户。这将确保您的客户及时收到通知，这样客户就不用猜测包裹何时到货了。 随着绩效的提高，您不仅可以超额满足客户的期望，还可以继续优化预测模型，以便在将来为客户提供更准确的时间安排。
希望应对其他供应链挑战？
