机器学习缩短交付时间，实现更简化的供应链

交货提前期是一个至关重要的供应链管理参数。对于企业来说，了解产品从原始订单到交付需要多长时间是至关重要的，无论他们是购买、销售还是在内部转移货物和材料。

随着消费者越来越习惯于在第二天甚至当天收到订单，供应链越来越关注其流程的交付部分。也就是说，供应链想要保持成功。

我们可以将成功交付定义为在正确的时间以正确的数量获得客户需要的东西，并始终如一地做到这一点。交货现在被认为是任何制造或分销企业最基本的要求。利用数据分析的力量，Minitab可以帮助公司优化交付、简化供应链并提高客户满意度。

衡量交货速度

将最终产品交付给最终客户所需的时间是供应链专业人员的一个关键衡量指标。使用一个样本数据集和一些简单的描述性统计数据，下面的例子显示交付时间的平均值在54到55小时之间。数据还显示最短时间为40小时，最长时间为75小时，因此它提供了最快和最慢时间的范围，这有助于目标设定。

设定一个目标，集体讨论影响交付的可能因素

延迟交付不仅会影响客户体验，还会直接影响销售。如果一家公司不能兑现他们及时交货的承诺，他们的客户将来再次购买的可能性就会大大降低。设定战略性业务目标在一定时间内交货。在本例中，让我们设定一个现实的目标50，这代表交付时间提高了约10%。

接下来，集思广益，找出可能影响交货时间的变量。这可能是包裹大小、车龄、天气状况，甚至是送货的司机。下图显示了一个CT树示例，Workspace中包含的众多强大的头脑风暴和结构化问题解决工具之一。

使用预测模型量化影响…

一般来说，预测建模有助于做出预测以及了解影响响应的因素。通过使用Minitab的自动化机器学习工具,我们不仅能看到最好的模型(在这种情况下随机森林)，但我们也能看到其他模特的表现。

在这种情况下，流行的传统回归方法不仅表现最差，而且也不是很准确。然而手推车模型是可视化关系的理想选择，表现相对较好。

应用改进…

通过查看手推车下面的决策树表明，在阳光充足的条件下，新车的交付速度最快，而在下雪天，旧车的交付时间最长。这是第一个需要改进的地方。虽然控制天气状况是不可能的，但维持一个较新的车队可能会带来一些立竿见影的改善。此外，在最初计算和传达交付时间时，考虑特定客户区域的天气预报可以提供更高的准确性。

…并运用模型来预测交货时间

这种分析不仅有助于确定需要改进的地方，还有助于与客户沟通。通过考虑手头的因素，并利用最准确的随机森林模型(由自动机器学习确定)，我们可以将模型付诸实施自动与客户交流。使用解决方案，如Minitab模型操作在收集这些数据点时，该模型可以计算估计的交付时间，并自动将时间通知客户。这将确保您的客户及时得到通知，这样他们就不会猜测他们的包裹何时到达。随着您绩效的提高，您不仅可以超额完成客户的期望，还可以继续完善您的预测模型，以便在未来为客户提供更准确的时机。