运输方式和物流支出等运输杠杆可作为规划、采购和库存决策的代理。多元回归、相关性和情景分析可揭示有意义的杠杆，量化影响，并在可持续性和商业目标之间找到平衡。最后，公司应评估物流供应商的数据，以阐明改进机会并为未来招标提供数据披露要求。准确的基线取决于运输级数据的可用性和质量。这两个维度的成熟度评估可比较供应商之间的局限性，促进谈判，并激励数据透明度。
将这些技术应用到现实环境中，我们的研究发现，无论货物的特性如何，从预订到交付的活动都会对每批货物产生“固定排放成本”。平均而言，大型供应商在大批量、长途运输中产生的排放量较低，而小型供应商在常用路线和标准化货物方面更环保。此外，运输方式选择、货物重量、燃料消耗、货运类型、装载类型和运输时间都会对排放产生相当大的影响，因此这些因素 1% 的改善可能会使排放量减少 1.67%。有趣的是，我们发现了物流支出和排放之间的非线性关系，为未来的物流投资决策提供了见解。供应商数据的重要性也不言而喻：我们发现数据限制导致范围 3 排放基线出现高达 40% 的差异。
总体而言，我们的研究使我们能够制定建议和策略，帮助企业减少范围 3 碳足迹。虽然我们的 阿曼电子邮件列表 框架和分析对入站运输网络有用，但企业也可以采用我们的框架和分析来处理出站运输和其他领域，从而在供应链脱碳方面取得有意义的进展。
每年，麻省理工学院交通与物流中心 (MIT CTL) 供应链管理(SCM) 硕士项目约有 80 名学生完成大约 45 个为期一年的研究项目。
这些学生是来自多个国家的早期商业专业人士，拥有 2 至 10 年的行业经验。大多数研究项目都是由跨国公司选择、赞助和合作开展的。由麻省理工学院供应链管理专业学生和麻省理工学院 CTL 教员组成的联合团队致力于解决实际问题。在本系列中，他们总结了最新的供应链管理研究。