吉宁博士观点
1工程企业管理之库存管理
工程企业管理的库存管理即是对工程物资的管理。工程物资按其在生产过程中的作用不同，可以划分为主要材料、辅助材料、燃料和动力、包装材料和工具（广义来讲，它应包括机械设备，这里未包括这一点）。主要材料是指构成工程产品主要实体的材料，如钢材、木材、水泥、砖石和构配件等。它一般占工程建筑产品价值的70%，是企业物资使用过程管理的主要部分，对于保证产品质量，降低产品成本有决定性影响。作为理论探讨，本文主要针对这类材料的管理进行研究，具有一般性。
工程物资管理，就是用科学的方法对施工生产过程中所需劳动对象和工具设备的供应、使用和管理进行合理的计划、组织、调配与控制，以较低的费用，适时、适地、适量、按质、按量地供应所需物资，保证施工生产的顺利进行。加强工程建筑物资管理，对加速工程企业管理的发展有着重要的意义。
2工程企业管理之工程企业二级库存成本控制模型的建立
在传统的多级库存优化方法中，主要考虑的供应链模式是生产——分销模式，也就是供应链的下游部分。而本文主要考虑供应链的上游部分：建筑物的施工可以看成是定单式生产，即建筑项目确定后它的施工过程就跟销售没有多少关系，因此本虽然模型只考虑供应链的上游部分，并不影响它的适用性。
2.1工程企业管理模型研究的内容
在库存系统内，一个完整的库存过程包括订货、进货、保管、供应或销售四个阶段。作为控制程序，确定合理库存量在供应或销售阶段是难于控制和掌握，也是比较被动的。但是在订货阶段进行控制是可行的和主动的。因此，确定一个合理的订货批量是库存控制的关键。在不同的条件下，建立相应的库存模型，选择最佳的经济订货批量，则是库存决策的依据。
工程企业管理基于这种思想，本文考虑的建筑企业库存成本控制模型是企业在编制好可行网络计划后，考虑材料的订购方案与安排，使库存成本最低；在此基础上调整各分部工作的开始时间，以确定正式的网络计划。在建立库存模型时主要考虑材料订购时间与施工进度的关系、供应商的生产能力约束、运输经济性的约束。最后得到一个材料采购计划（期、量标准），以使核心企业的库存成本最低。
2.2模型的建立
考虑库存、运输和生产能力约束，建立库存成本控制模型。对于核心企业，建立的成本控制模型应满足供应商的供应能力要求、满足运输经济性约束和满足核心企业的生产要求，综合以上的分析，建立的物资订购方案优化模型为：
其中上述字母分别代表订购成本、购入成本、储存成本、缺货成本。
2.3模型的求解方法
本文中所建模型是基于供应链集成和JIT的思想建立的，它综合考虑了采购、运输和核心企业的生产工艺的约束。本文的研究内容是建筑企业的供应链库存管理，涉及到的核心企业的生产即建筑施工是一个复杂的过程。对于大型工程项目，它的网络计划极其复杂，在这种情况下，应用上述方法对模型进行计算求解的难度越来越大，主要体现在计算量呈指数上升、解的寻优能力下降，有时要求具有较强的前提条件，如可微性等等。
工程企业管理基于这些考虑本文采用遗传算法（GA）对模型求解。遗传算法是一种新的全局优化搜索方法，它使用群体搜索技术，通过对当前群体施加选择、交叉、变异等一系列遗传操作，从而产生出新一代的群体，并逐步使群体进化到包含或接近最优解的状态。遗传算法运用编码技术直接对结构对象进行操作，不存在求导和函数连续性的限定，具有内存的隐并行性和概率化的寻优方法，能够自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则，经过迭代使个体的适应度不断提升，最终形成最优解或次优解。
3工程企业管理的实证分析
有某大型施工项目的分部工程，其所需某种材料须企业从其供应商处购得，已知订货费率为30，仓储费率为20，运输单元为10。出于生产线生产饱和度等的考虑，供应商对企业单次订购要求：上限为150，下限为25。该分部工程工期为43天。
3.2遗传算法参数设计
3.2.1群体规模
群体规模（POPSIZE）是指每一代遗传群体中个体的数目。它影响着遗传优化的最终结果以及遗传算法的最终效率。为了既不使遗传算法陷入局部最优解，又不至于使计算复杂度和运行的时间过大，建议将群体规模控制在80-120之间。本文选取群体规模为100。
3.2.2最大遗传代数的选择
最大进化代数（MAXGEN）是遗传进化的终止条件。可以根据遗传进化过程中平均适应度的变化来确定，一般从一个比较小的遗传代数开始运行。通过试运算，比较进化速度和收敛程度，逐步加大进化代数，直到群体的平均适应度变化很小为止。本例中选取的最大进化代数为MAXGEN=200。
3.2.3交叉概率的设计
交叉概率控制着交叉操作被使用的频度，它在遗传算法中起着重要的作用。较大的交叉概率可以增强开辟新的搜索区域的能力，但是高性能的模式被破坏的可能性也同时增大；如果交叉概率太低，可能会导致遗传操作陷入迟钝状态。本文选择Pc=0.7。
3.2.4变异概率的设计
变异操作在遗传算法中属于辅助性操作。它的主要功能是维持遗传操作的多样性。一般来说，低频度的变异可以防止群体中重要的、单一基因的可能丢失。但是高频度的变异将导致遗传算法趋向于纯粹的随机搜索。本文的变异操作设计成自适应变异算法，从变异概率的选取试验来看，当选取初始变异概率Pm=0.001时，平均适应度最大。
3.3模型遗传运算结果
本模型用VB编码实现。遗传进化200代需18秒，经计算得费用最低值32830。本文基于遗传算法，实现了对模型的优化求解。在这个实例中，通过VB变成实现了这一算法，首先通过试验法来得到遗传算法的各个设计参数，在这个基础上，将实例的数据带入模型求解，该程序能够快速对模型求解，能够满足供应链管理信息化、敏捷化的要求
