Por Jon Finerty

El plazo de entrega es un parámetro crucial de gestión de la cadena de suministro. Es fundamental que las empresas entiendan cuánto tarda un producto en pasar por el canal desde el pedido original hasta la entrega, ya sea que estén comprando, vendiendo o moviendo bienes y materiales internamente.

Con los consumidores cada vez más acostumbrados a recibir sus pedidos al día siguiente, o incluso el mismo día, las cadenas de suministro se han centrado cada vez más en la parte de entrega de sus procesos. Es decir, cadenas de suministro que quieren seguir siendo exitosas.

Podemos definir una entrega exitosa como brindar a los clientes lo que necesitan, en la cantidad correcta, en el momento correcto, y hacerlo de manera consistente. La entrega ahora se considera el requisito más fundamental de cualquier negocio de fabricación o distribución. Usando el poder del análisis de datos, Minitab puede ayudar a las empresas a optimizar la entrega, optimizar su cadena de suministro y aumentar la satisfacción del cliente.

Medir la velocidad de entrega

El tiempo que se tarda en entregar un producto final al cliente final es una medida clave para los profesionales de la cadena de suministro. Usando un conjunto de datos de muestra y algunas estadísticas descriptivas simples, el siguiente ejemplo muestra que el promedio (o la media) del tiempo de entrega es de entre 54 y 55 horas. Los datos también indican que el tiempo mínimo es de 40 horas y el tiempo máximo es de 75 horas, por lo que proporciona un rango de los tiempos más rápidos y más lentos que ayudan a establecer objetivos.

Establezca una meta y haga una lluvia de ideas sobre los posibles factores que afectan a la entrega

Una entrega retrasada puede costarle a la empresa no solo en términos de la experiencia del cliente, sino que también puede afectar directamente a las ventas. Si una compañía no puede cumplir su promesa de una entrega oportuna, es mucho menos probable que sus clientes vuelvan a comprar en el futuro. Establezca un objetivo comercial estratégico para entregar bienes dentro de un período de tiempo determinado. En este ejemplo, establezcamos un objetivo realista de 50, lo que representa una mejora de ~10% en el tiempo de entrega.

A continuación, haga una lluvia de ideas sobre las posibles variables que podrían estar afectando el plazo de los bienes entregados. Esto podría ser cualquier cosa, desde el tamaño del paquete, la antigüedad del vehículo, las condiciones climáticas o incluso el conductor que realiza la entrega. El siguiente diagrama muestra un ejemplo de un árbol CT, una de las muchas herramientas poderosas de intercambio de ideas y resolución estructurada de problemas que se incluyen en Workspace.

Cuantifique los impactos utilizando modelos predictivos...

En general, el modelado predictivo es útil para ayudar a hacer predicciones y comprender los factores que influyen en la respuesta. Al usar la Herramienta de aprendizaje automático de Minitab, no solo podemos ver el mejor modelo (en este caso, Random Forests®), sino que también podemos ver cómo se desempeñan otros modelos.

En este caso, el popular y tradicional método de regresión no solo tiene el peor rendimiento, sino que tampoco es muy preciso. Sin embargo, el modelo CART®, ideal para visualizar relaciones, funciona relativamente bien.

Aplicar mejoras...

Al observar el árbol de decisiones de CART a continuación, queda claro que las entregas más rápidas ocurren en condiciones soleadas con un vehículo más nuevo, mientras que los vehículos más antiguos que entregan en clima nevado tardan más. Esto proporciona la primera área a abordar para la mejora. Si bien es imposible controlar las condiciones climáticas, mantener una flota de vehículos más nuevos podría generar una mejora inmediata. Además, considerar el pronóstico del tiempo para una región específica del cliente podría proporcionar una mayor precisión al calcular y comunicar inicialmente los tiempos de entrega.

…Y poner en funcionamiento el modelo para predecir cuándo llegarán las entregas

Este análisis no solo puede ayudar a identificar áreas de mejora, sino que también puede ayudar a comunicarse con los clientes. Al considerar los factores disponibles y aprovechar el modelo Random Forests más preciso (según lo determinado por el aprendizaje automático), podemos poner en funcionamiento el modelo para comunicarnos automáticamente con los clientes. Uso de soluciones como Minitab Model Ops, a medida que se recopilan estos puntos de datos, el modelo puede calcular el tiempo de entrega estimado y comunicar automáticamente el tiempo a los clientes. Esto asegurará que sus clientes estén informados de manera oportuna, para que no adivinen cuándo llegará su paquete. A medida que mejora su desempeño, no solo puede superar las expectativas de sus clientes, sino que también puede continuar refinando su modelo predictivo para proporcionar una sincronización más precisa a los clientes en el futuro.