The system can predict the delivery

The system can predict the delivery delay based on what it has learned from the training of the predictive model.It does this by using past data as a basis to compare the planned delivery creation date from the confirmed schedule line of sales order items that have already been delivered with the actual delivery date of the corresponding delivery.The app enables you to react proactively to avoid these delays, for example, by instantly recognizing issues and triggering the appropriate actions.For detailed information, you can navigate to the Track Sales Order Details app to display the details for delivery issues that are due next in sales orders, by focusing on the predicted delivery delay on item level. Note that all issue types are shown in Track Sales Order Details in order to provide a full picture of the situation.

結果 (繁體中文) 1:

該系統可以預測基於它已經從預測模型的訓練學到的延遲交付。
它通過使用過去的數據為基礎，計劃出貨創建日期從銷售的確認計劃行比較順序已經被交付與對應的下發的實際交付日期的項目做到這一點。
該應用程序使您能夠主動作出反應，以避免這些延遲，例如，通過即時識別問題，並觸發相應的操作。
有關詳細信息，您可以導航到跟踪銷售訂單詳細信息的應用程序側重於對項目水平預測出的交貨延遲顯示是由於在銷售訂單未來交貨問題的細節。
請注意，所有的問題類型顯示在跟踪銷售訂單詳細信息，以便提供情況的全貌。

結果 (繁體中文) 2:

系統可以根據從預測模型訓練中學到的知識來預測交付延遲。
它使用過去的資料作為基礎來比較已交貨已交付的銷售訂單物料的已確認計畫交貨創建日期與相應交貨的實際交貨日期。
該應用程式使您能夠主動回應，以避免這些延遲，例如，通過立即識別問題和觸發適當的操作。
有關詳細資訊，您可以通過關注物料級別的預測交貨延遲，導航到"跟蹤銷售訂單詳細資訊"應用以顯示銷售訂單中下一個到期交貨問題的詳細資訊。
請注意，所有問題類型都顯示在"跟蹤銷售訂單詳細資訊"中，以便全面瞭解情況。

結果 (繁體中文) 3:

系統可以根據從預測模型的訓練中學到的知識來預測交貨延遲。
它使用過去的數據作為基礎，將已交付的銷售訂單項目的已確認計畫行的計畫交貨創建日期與相應交貨的實際交貨日期進行比較。
該應用程序使您能够主動做出反應，以避免這些延遲，例如，通過立即識別問題並觸發適當的操作。
有關詳細資訊，您可以導航到“跟踪銷售訂單詳細資訊”應用程序，以顯示銷售訂單中下一個到期的交貨問題的詳細資訊，方法是將重點放在項目級別的預計交貨延遲上。
請注意，所有問題類型都顯示在“跟踪銷售訂單詳細資訊”中，以便全面瞭解情况。