配送準時到貨的機率是多少？

實作範例 · 配送前置時間 · 更新於 2026年10月

以可比較的過往前置時間配適合理的機率分配，再計算承諾時間內到貨的比例。這個合成範例有 18 筆已完成配送，其中 77.8% 花費不超過 10 天。用這些觀測值配適對數常態分配，再模擬 10,000 次配送，準時到貨的比例為 73.8%。這組歷史紀錄刻意設計成小樣本：這是示範，並非某家物流業者的績效紀錄。

歷史紀錄與承諾時間

History!B2:B19 有 18 筆合成前置時間，以天為單位，範圍從 3.2 到 24.3，平均為 8.4。不足一天的小數部分也保留。Delivery 工作表的 B2 是承諾的 10 天，B4 則是不確定的前置時間。

三個公式把結果明確列出：B6=B4 回報前置時間，B7=B6-B2 回報含正負號的延遲時間，B8=IF(B6<=B2,1,0) 標示是否準時到貨。恰好在承諾時間到貨也算準時；延遲時間為負表示提早到貨。模型每次試驗抽取一筆未來配送，沒有作業網路、日曆、產能限制所造成的排隊等候或專案工作順序。

比較合理的機率分配

範例比較對數常態、伽瑪與韋伯分配，各自以最大概似法配適，並將下限固定為零。這些只取正值的分配能呈現較長的右側尾端，也就是偶爾出現的緩慢配送。表格依 AIC 排序這三個候選分配。AIC 衡量配適程度，並依估計參數的數量加入懲罰；越低越好。

這些候選分配中，對數常態的 AIC 最低。這個排名只是相對比較，不能證明它就是真實分配。K-S 距離是觀測與配適累積機率之間的最大差距；越小代表樣本內越吻合。如果參數也是用同一批觀測值估計，一般的 p 值就會偏樂觀。

從配適形狀推算準時到貨機率

在配適的對數常態分配下，模擬前置時間的中位數是 7.3 天，P90 是 13.8 天。P90 是模型中每十次配送約有九次能達成的承諾時間，不是真實前置時間的 90% 信賴區間。達成目前 10 天承諾的機率為 73.8%，其餘 26.2% 會更晚到貨。

觀測的準時比例不一定等於配適後的機率。前者是在有限紀錄中，依單一門檻計數；後者則使用全部數值配適出的平滑分配。表格也呈現選擇不同分配會怎麼改變預測。

模擬之後，小樣本仍是小樣本

執行 10,000 次試驗能降低配適模型結果中的數值雜訊，卻不會把 18 筆觀測變成 10,000 筆真實證據。模擬固定使用配適出的參數，並未納入參數估計或分配選擇的不確定性。

歷史紀錄這麼少，幾次緩慢配送就可能大幅改變配適的尾端。請檢查個別觀測值、直方圖或 P-P 圖，比較合理的分配，並用後續配送驗證預測。配適真實資料前，先分開表現不同的路線或服務等級，並檢查趨勢。仍在運送中的訂單，前置時間尚未完整；若全部排除，可能讓績效看起來比實際更快。

這個配適描述的是穩定條件下，可互相比較的已完成配送。它沒有模擬新供應商、罷工、路線變更，或同時延誤許多訂單的共同中斷事件。這些情況需要另外明確設定假設或情境，超出了單次配送範例的範圍。

親自試試

1. 開啟範例並執行。已儲存的輸入是用附帶歷史紀錄配適的對數常態分配，目標則是準時到貨標記。
2. 在 Distributions 步驟選取 Delivery!B4，選擇 From data，輸入 History!B2:B19，再選擇 Fit range。應用程式還會嘗試其他合適的分配，因此完整排名可能與這裡的三種分配比較不同。
3. 檢視配適後的形狀與可能取值範圍，選擇合理的分配作為輸入。重新執行，再比較準時到貨目標與 P90。
4. 若替換歷史紀錄，請重新配適並套用新分配。配適後的輸入是當時資料的快照，不是編輯後就會自動重新配適的即時連結。

常見問題

相關內容

• 指南

  時程風險分析：專案為何會延誤完工

  以最可能工期編成的營建時程顯示第 55 週完工，但蒙地卡羅模擬結果中只有 14.3% 能在那之前完工。為什麼會這樣，以及怎麼訂出 P80 完工日。
• 指南

  Excel 的 PERT 分配：公式、平均值與使用時機

  PERT 是從最小值到最大值的貝他分配，平均值為 (最小 + 4 × 最可能 + 最大)/6。附 Excel 的 BETA.INV 公式，以及 PERT 與三角分配的比較。
• 指南

  P50、P80、P90 是什麼意思？預算該採用哪一個

  P80 是 80% 的模擬結果都不會超過的成本。營建專案 6 個成本項目的 P80 加總為 2,843，但這些項目加總後的 P80 是 2,756（單位：千美元）。

xellstorm 是在瀏覽器中執行的 Excel 模型蒙地卡羅模擬工具：免裝增益集，Excel 檔案也不會離開您的電腦。