在2020年和2021年期间,COVID-19的传播使全球经济陷入瘫痪,导致供应链长期短缺。电子设备需求的增加导致了全球市场的半导体短缺。作为帮助中小型公司减少新短缺对未来影响的一种方式,建议使用人工神经网络来预测一家致力于电子制造服务的中型公司的原材料交付行为。为了理解上述内容,我们编制了一组数据,其中包含一家匿名EMS公司在2017年（该公司在墨西哥开始运营的年份）至2022年6月期间下达的原材料采购订单清单。这研究正在寻求减少在预计交货日期预测中具有高度分散性的订单数量。增加预计交货日期与实际交货日期之间偏差为零天的频率数量。将在供应商规定的时间之外收到的订单数量减少20%,以提高交货时间的可靠性,从而提高对明确建造的合规水平。材料采购订单的预计到货日期相对于供应商规定的日期按迟到天数调整为上下限120天。根据以前的购买经验,按零件号或一组零件号预测交货时间的行为。该提案允许我们采用一种数据模型,该模型集成了人工神经网络（ANN）作为数据分析工具的使用,以增加满足原材料交付日期的概率。如果以更有效的方式预测交货时间,它可以帮助采购团队将精力集中在其他活动上,而不是浪费时间监控材料。另一方面,它也可以帮助计划团队以更有效的方式对生产线中的产品组合进行编程,以及销售和编程管理团队可以确定制造产品的建造和销售日期。给客户,为公司创造更大的价值和可靠性。这样,在前面章节中收集的信息可以通过人工神经网络进行处理,这样当接收到新信息时,可以调整数据以减少实际交货日期与估计日期之间的误差范围。通过这种方式,可以利用每条采购线的情况和特征来找到更准确的物料交货日期预测。尽管ANN给出了关于先前估计提前期的预测的可接受结果,但有些结果与真实的记录信息不相符。最好的解决方案是使用先前通过ANN估计的提前期来获得更可靠的结果。