供应链管理实验心得体会范文2篇

2023年关于6月份保育工作计划大全5篇日子在弹指一挥间就毫无声息的流逝，我们的工作迎来新的进步，任何工作都应该有个计划。写工作计划实际上就是对我们自己工作的一次盘点。 以下是为大家整理的关于供应链管理实验心得体会范文的文章2篇, 欢迎大家前来参考查阅！

供应链管理实验心得体会范文篇1

　　在啤酒游戏中，我扮演的是零售商的角色。此角色在整个游戏流程中最为轻松。只需要填写订单和零售商情况总表。虽处于供应链的末端，确实需求的拉动源头。

　　游戏进行到第三周，我开始加进货。没有太确凿的依据，只是凭着猜测和敏锐的直觉。因为看到身边的同学都进货量很少，我猜测如果不突然增大需求的话，很难体现戏剧性的效果。素有涉猎众商人的发家史，这阳的实例并不鲜见。

　　到第五周的时候，我的预测果然应验。市场需求突然增长一倍，翻至8箱。此时，我的利润和其他零售商已经明显拉开距离。身旁的同学赞许我的前瞻性，我开始有点得意。并且乐观的预计市场需求再将来还会再涨。于是又加大了订货量，猛增至12箱。

　　第七周的时候，老师告诉我们因为有一首流行歌曲涉及到了情人啤酒，所以情人啤酒的市场需求大大增加。我自是沾沾自喜。身旁的同学却悔不当初，与时纷纷加大订货量。而我却在一念间突然想到一位被称为创业导师的财经名人说的大热必死。又开始慎重思量起来。听闻这个好消息，众零售商纷纷加大订货量，很可能会超出供应商的生产计划而导致供货不足。而一首流行歌曲促成的热门，时间必然有限。万一库存积压，还累及自身故我反常的未加大订货量，反而减至10箱。

　　连续过了几周，市场需求依然没有出现先前乐观预测的大幅增长。过多的库存产生的不小的库存成本已经对我构成了压力。意识到自己的盲目乐观，在第十周开始降低订货量以缓解库存压力。

　　到最后时，老师告诉我们以后的市场需求都是8箱，我便把握良机，将订货量降至最低。到游戏结束。我实现利润1114元，相对大部分同学都略胜一筹。却并不是因为运用了科学供应链法则避免牛鞭效应。而是凭着自身有局限的经验主义。故胜之不舞。通过游戏也让我明白了在供应链中很难避免的会出现对市场需求盲目乐观而人为扩大需求，造成货物积压的情况。而解决这个问题的不二法门是高度信息实时共享。将整个供应链集结为利益共同体。

供应链管理实验心得体会范文篇2

　　通过近期两周的供应链管理课程学习，我对供应链链条的整合、供应链的工作方式以及供应链的结构与创新等层面的理论知识有了更为深刻的感受。

　　其中有一点，也是整个供应链流程最为核心、起决定性作用的部分，Push-Pull模型策略的选择，两种模型从一定程度上直接决定了企业的生产运营成本以及可盈利空间，也长期关系着市场竞争力与企业存亡；从历史发展的角度来看，供应链模型在任何的市场交易活动中都无不存在，而我们也可以看到Push模型在很大程度上长期占据了领导地位，从古时候起沿街吆喝着卖烧饼到如今的自动化烧饼生产、预定、销售等等，无不存在着Push模型的踪影，所以push模型本身有它不可替代的优点：有计划的为一个目标需求量提供平均成本最低、最有效率的产出，而且可以用现货品的实时提供把握商机创造利润，但在市场活动不断变化的过程中，Push模型的缺点也越来越严重，在当市场需求不如预期而未能销货时，推的越多，库存积压的风险就越大，以至于某种程度上甚至可以颠覆企业。

　　自然的Pull模型成了继Push模型之后的一个亮点，它通过消费者导向或需求导向由消费者购买产品后，经由销售时点情报的数据收集，启动供应链零售店经由EDI向物流中心产生自动补货要求。物流中心经由EDI向制造商产生自动补货要求，制造商再快速自动或生产，并经由EDI事先寄货通知给零售店，物流中心采取跨库作业，减少入库时间，以使货物很快送达零售店。当然这样做，为顾客提供量身订制的产品与服务，使它快速适应市场化发展，大大的提高了企业竞争力；但是这样的响应客制化需求的成本也非常高，从一定程度上来说，很大的延缓了商品面向市场的时机，对企业来说也是很大的一种风险。自然的，我们可以看到目前市场的真实案例，比如：小米盒子、小米手机、乐视盒子等等，都采用了饥饿营销的策略，我们可以归结为采用了Pull模型策略，虽然不全是，在实际的购买活动中，大大的降低了消费者的预期，最终也导致了不少消费者选择放弃，我本人就是一个案例，在无耐的等了一个月，还是无所获的情况下，宁可花高价钱购买其他品牌类型的机器，我想这并不是个例。

　　所以通过以上陈述，我们可以很清晰的看到，单靠某一种模型策略，无法适应也无法长期应对市场的变化、发展，何谈企业做大做强；所以，在市场营销的过程中，不同类型的企业、公司等，根据自身公司的特性，在不同的领域采用了Push-Pull相结合的策略，自然的，衍生出了不少这方面的智能化系统，诸如：中国电信的IP决策支持系统、沃尔玛的客户需求分析系统。当然，智能化系统未必能够智能，只是我们能够在决策的过程中，分析与参考，但在通常的情况下，误差一般不会很大，企业可适当的规避风险。另外，在针对模型级别的选择之下，我们甚至可以针对企业不同的产品特征进行二级、甚至是三级的PushPull模型的选择，从一定程度上，也同样会减少企业的市场成本与风险。

　　关于PushPull模型的选择，在大数据的领域中，无法脱离企业的业务与产品数据，也不可能靠拍脑袋来进行预测，所以一方面结合智能分析与预测系统，另一方面也要进行人工干预，以确定PushPull的临界区域，相信在不断的分析、运作、调整、优化之后，企业的发展应该能够大大的提高！