《供应链管理学习心得（3篇）.docx》由会员分享，可在线阅读，更多相关《供应链管理学习心得（3篇）.docx（8页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、 供应链管理学习心得（3篇） 供给链治理起源于xx年月，随着物流一体化进程的加快，供给链治理作为一种有效的治理方法对供给链中的信息流、物流、资金流、增值流和工作流进展规划、组织和掌握的过程。物流治理则是供给链中不行缺少的一局部。从某种角度来说，物流是根底，没有物流和对物流活动的治理，供给链企业就无法正常的进展选购和生产，供给链治理环境下的物流治理就是在供给链治理思想的指导下对企业的物流活动进展规划组织、协调与掌握。 供给链是由生产企业、物流企业、客户等各种实体构成的简单网络，网络上流淌着物流、工作流、资金流信息流，这些尸体包括一些治理公司、制造企业、中转仓库、原材料和零部件的供给商、物流公司、
2、配送中心、零售批发商和终端客户。 随着物流治理的全球进展，传统的制造业的竞争法宝提高产品质量和降低库存都慢慢退出了引领企业进展的核心舞台，很多传统的企业竞争手段如价格、市场推广、销售渠道都在渐渐被合理的供给链治理带来的巨大的利润空间所替代。一个优秀的企业应当把主要的精力放在其关键业务上，充分发挥其优势，同时与全球范围的适宜的企业建立良好的合作伙伴关系，而企业中的物流可以外包给其他适宜的企业。我国制造业为了更好的实施供给链治理，大多数都转变了传统的治理手段，采纳信息掌握的治理系统，但是由于信息系统没有适合企业的业务流程，严峻影响了制造业的供给链治理。 20xx年月，世界上有些地区开头运用信息技术
3、运作供给链治理，但是由于技术的限制明知道今日中国仍有很多手工操作供给链治理系统，在供给链的治理环境下，企业物流活动仍是社会物流活动的主体，专业优化专业的效劳已初见端倪，虽然供给链治理的理念引入我国的时间并不长，供给链以其卓然的成效已经引起了理论和实物界的关注，但在实际的应用中还是和世界上的兴旺国家有很大的差距，这一点在很大程度上阻碍了我国物流企业的快速进展，并影响了供给链的实际效益，供给链的治理水平还主要受到人才和企业的治理绩效的影响。目前我国大多数企业在的组织构造都建立在职责分工的根底上，这种组织构造分工明确，便于治理，但制造业内信息并不流通，各个职能部门注意自身利益，使得整个企业对市场反响
4、并不灵敏，难以满意供给链治理的要求，我国大多数企业都设立了供给链治理部门，但是投入的人数较少，在构造上供给链处于比拟劣势的地位。 随着对供给链治理讨论的不断深化，人们渐渐熟悉到，供给链是企业间的合作协调问题。供给链企业企业要熟悉到这一点，并在组织构造上重新设计，使之不断适应供给链治理的运行要求，但是但多数企业组织构造都扁平化，业务流程没边个等，仅仅在企业内部实施，没有适合的或作伙伴。供给链治理师一种新型的企业治理模式，在今日信息飞速进展的今日，它顺应新的经济进展环境对供给链的新的要求，并在实践过程中彰显出很大的生命力，因此供给链治理在企业治理中和物流进展的进程中具有很大的指导意义和吸引力，我国
5、物流的进展逐步促进了供给链的进展，两者相互促进，供给链治理包含了物流活动和制造活动，涉及从原材料到产品叫付给最终用户的整个物流你的增值过程，是涉及企业之间的价值流淌过程的支持保障过程。 从传统的观点来看，物流对制造业的生产祈祷支柱性的作用，被视为帮助的功能部门，但是，现代企业生产方式的转变，即从大批量生产转向专项生产和准时化生产，这种状况下的物流治理包括选购、供给，都需要运作方式的转变，适时准时供给和准时选购等。顾客需求的瞬时化，则要求企业能够以最快的速度把产品送到可会手中，以提高企业的顺应市场的反响力量，全部这一切都要求企业的物流系统具有制造系统的协作调整力量，以提高供给链的灵敏性和适应性，
6、因此物流不在是传统的保证生产过程的持续性问题，而是要在供给链治理中发挥重要作用。 物流治理在供给链治理中有着重要的作用，这一点可以通过价值分布表来考察。不停的行业和产品类型，供给链的价值分布不同，但是我们可以看出，物流价值在各个类型的产品和行业中都站到整个供给链价值的一半以上，在易消耗品和一般工业品中物流价值的比例更大达80%以上，这些都充分说明物流价值的意义所在，供给链是一个价值增值链，有效的故那里好物流过程，对于提高供给链的价值增值水平有着举足轻重的作用。 供给链治理学习心得 篇二 今日的供给链试验中，我扮演的是分销商的角色，详细到职责，我则是分销经理并且兼任和上游制造商联系的物资选购员和
7、信息收集员。对于本次的供给链模拟试验，我主要有以下几点感受。 首先是说一下自己对自己岗位的看法： 开头试验时，我担当的是经理的角色，主要是协调大家的意见和看法，做出较好的决策，同时合理安排人员岗位，做到各个环节都有条不紊。在实际运营中，由于人数有限，我兼任了和上游制造商联系的物资选购员和信息收集员。 为了能够尽可能地在制造商那里获得低价的货物，我实行了这样的措施： 1、试运行期间：我们和制造商二达成了肯定的口头协议，主要从制造商二那里购置产品，并且由于量大且合作关系稳定，我们的买价要低于批发商二购入的价格，因而在售出时我们有更好的利润和价格下调优势。与此同时，我们也严格监掌握造商一的售出价格，
8、发觉其售价低时准时向制造商二反响，迫使制造商二作出降价调整或让其从原料处争取低价。 2、正式运营期间：由于上游制造商联盟并分工生产造成局部产品的市场垄断，市价比正常要高出23倍，而下游零售的出价却还是市价，这造成了批发商的被动。我们和批发商二共同抵抗购置制造商的货物，从而造成了肯定时间内的供给链瘫痪。最终在政府的宏观调控下，产业链恢复，制造商也被迫降价销售，制造商之间的可能的同盟关系也被干扰或打断，市场恢复了竞争。从今，我主要负责和零售的负责人做信息交换，准时猎取客户需求，逐单订购并预购少量产品，这样不仅可以准时满意零售商需求，库存囤积也很少。 其次说一下自己对供给链模拟试验本身的想法： 1、
9、试验模型分析： 此次模拟试验的模型和现实中的供给链有以下几个共同点： a）供给链都是原料商、制造商、分销商、零售商以及消费者组成。 b）每个供给链环节只和其上游和下游进展交易。 c）分销商和局部制造商和销售商达成同盟，共同的利益最大化。 2、试验模型改良： a）政府宏观调控：每个环节有完善的税收体制。对库存囤积、市场垄断都应有监视和管制。 b）各环节人员数量：营销链只有独家原料商，这直接导致供给商在整个链上的垄断优势。2家制造商，2家分销商，2家零售商的设置却使得每个环节之间的竞争特别剧烈，甚至消失恶性竞争。这不仅仅是1与2的区分，而是垄断与自由竞争的区分。原料供给商和消费者最好也都变成2个，
10、形成整条链上都有竞争。 c）各环节资金设置：可以考虑到供给链不同级别的差异，发放初始资金，如制造商的资金应多些。 d）特别因素：试验中同学间私下的关系还是会影响到局部决策。试验中可以依靠个人间关系做成肯定的相互信任和同盟关系。在现实生活中，这条链上的每一个环节上都有竞争，和试验中差异甚大。 最终谈谈自己的收获： 通过本次试验，我对产业链的整个运营状况有了初步的熟悉，同时对产业链可能消失的一些问题也有了肯定的了解，同时对自己模拟作为信息沟通员和产品选购员也是一次很好的熬炼，在担当经理的时候也对整个部门的设置有了肯定的自己的想法，总的来说，受益匪浅。最终感谢教师以及我们批发一一起合作的全部同学。
11、供给链治理学习心得 篇三 通过近期两周的供给链治理课程学习，我对供给链链条的整合、供给链的工作方式以及供给链的构造与创新等层面的理论学问有了更为深刻的感受。 其中有一点，也是整个供给链流程最为核心、起打算性作用的局部，PushPull模型策略的选择，两种模型从肯定程度上直接打算了企业的生产运营本钱以及可盈利空间，也长期关系着市场竞争力与企业存亡；从历史进展的角度来看，供给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，从古时候起沿街叫卖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模型本身有它不行替
12、代的优点：有规划的为一个目标需求量供应平均本钱最低、最有效率的产出，而且可以用现货品的实时供应把握商机制造利润，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峻，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置产品后，经由销售时点情报的数据收集，启动供给链零售店经由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，物流中心实行跨库作业，削减入库时间，以使货
13、物很快送达零售店。固然这样做，为顾客供应量身订制的产品与效劳，使它快速适应市场化进展，大大的提高了企业竞争力；但是这样的响应客制化需求的本钱也特别高，从肯定程度上来说，很大的延缓了商品面对市场的时机，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，比方：小米盒子、小米手机、乐视盒子等等，都采纳了饥饿营销的策略，我们可以归结为采纳了Pull模型策略，虽然不全是，在实际的购置活动中，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，还是无所获的状况下，宁可花高价钱购置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
14、可以很清楚的看到，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、进展，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，依据自身公司的特性，在不同的领域采纳了PushPull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。固然，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，但在通常的状况下，误差一般不会很大，企业可适当的躲避风险。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展二级、甚至是三级的PushPull模型的选择，从肯定程度上，也同样会削减企业的市场本钱与风险。 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，也不行能靠拍脑袋来进展猜测，所以一方面结合智能分析与猜测系统，另一方面也要进展人工干预，以确定PushPull的临界区域，信任在不断的分析、运作、调整、优化之后，企业的进展应当能够大大的提高！