高速公路工程項目物資采購風險管理和控制措施研究

摘要 文章以某高速公路路面大中修及改擴建工程項目物資采購為研究對象，旨在提高工程項目物資采購風險管理的精準性和有效性。研究綜合運用了專家訪談、規范學習和文獻研究等方法，建立了一套全面的風險識別和評估體系，該研究還引入了長短期記憶網絡（LSTM）模型，通過對工程項目物資采購的數據進行收集和預處理，將數據輸入到LSTM模型中進行訓練和驗證。結果表明：LSTM模型能夠有效地處理和預測時間序列數據中的復雜變化和長期依賴關系，為高速公路工程項目物資采購風險預測和評估提供了一種新的視角和方法。

關鍵詞 物資采購；公路改擴建；風險管理；控制評價

中圖分類號 U415 文獻標識碼 A 文章編號 2096-8949（2024）15-0169-03

0 引言

高速公路作為基礎設施建設的核心領域，其規模和質量均在不斷提高。工程項目物資采購作為公路工程建設的重要環節，涉及的物資種類繁多，包括原材料、設備、構配件等，其采購過程復雜，風險因素眾多。工程項目物資采購風險管理評價研究涉及多個學科領域，如管理學、經濟學、供應鏈管理等。要求研究者具備跨學科的知識體系，能夠從不同角度對工程項目物資采購風險進行識別、評估和控制。此外，研究者還需具備一定的實踐經驗，以便更好地理解和解決實際工作中的問題。然而，由于高速公路路面大中修及改擴建工程項目的特殊性，現有的研究成果尚不能完全滿足實際需求。

眾多學者通過不同的研究方法對此問題開展了一系列的研究，并取得了一定的成果。卓麗莉[1]提出了編制合理的采購計劃、篩選供應商、嚴格質量驗收、加強內部控制等采購風險管理策略。馬靜[2]針對結合層次分析法、模糊綜合評價法等方法對項目物資采購風險進行綜合評估，提出建立完善鐵路物資采購監察制度并制定應對風險的應急計劃，以防控玉鐵鐵路項目物資采購風險。曾方方[3]采用集成ANP—灰色聚類評估方法，分別進行了裝配式建筑物資采購風險因素權重設定和風險水平評估。黃剛[4]結合新信息技術環境識別并評價XD公司工程物資供應鏈采購存在的風險問題點。高潔[5]梳理的風險點包括：項目業主、采購商和供貨商。王建民[6]運用層次分析法對其物資采購風險進行了實例分析。

該研究在總結現有研究成果的基礎上，運用LSTM模型針對高速公路路面大中修及改擴建工程項目物資采購的特點，探討更為有效的風險管理和控制措施。

1 概況

為滿足公司承接的高速公路路面大中修及改擴建工程項目建設的需要，長期開展水泥、砂漿、商品混凝土、各類瀝青、碎石、填料礦粉等工程項目物資對外采購。水泥：采取就近采購，進場須有產品合格證和化驗單，存儲倉庫應干燥通風，每批水泥到位后要化驗其安定性和強度指標。砂漿、商品混凝土：采取就近從商品攪拌站采購，通過攪拌運輸車運送至施工現場。各類瀝青（基質瀝青、改性瀝青、乳化瀝青）：采取從瀝青供應單位采購，保證其技術指標滿足設計要求。碎石：壓碎值不大于26%，磨耗率不大于28%，表觀密度不小于2.6 t/m3，吸水率不大于2.0%，堅固性不大于12%，水沖法lt;0.075 mm，顆粒含量不大于1%，軟石含量不大于3%。填料礦粉：采用石灰巖等憎水性石料經磨細得到的粉料。

2 評價體系構建

2.1 指標庫構建

該研究綜合運用了專家訪談、規范學習和文獻研究等方法，通過邀請具有豐富工程項目物資采購經驗的專家、學者和行業從業者作為訪談對象，圍繞工程項目物資采購的風險識別、評估和控制等方面進行深入探討。獲取實際工作中的風險案例、管理經驗和控制措施，為體系構建提供實證支持；收集并分析國內與高速公路工程項目物資采購相關的法律法規、行業標準和管理規范。重點關注工程項目物資采購的程序規范、質量控制、合同管理和供應商評價等方面的規定。將規范中的要求融入風險管理和控制措施體系中，確保體系的合法性和適用性。通過學術數據庫、專業期刊和會議論文等渠道，收集國內外關于工程項目物資采購風險管理的研究文獻。對收集的文獻進行分類整理，提煉出風險識別、評估和控制的關鍵理論和方法。結合專家訪談和規范學習的結果，將文獻中的理論和方法應用到實際的體系構建中。最終評價指標如圖1所示：

2.2 模型評價步驟

在高速公路工程項目物資采購風險管理評價研究中，為了更準確地預測和評估風險，該研究引入了長短期記憶網絡（LSTM）模型。LSTM模型是一種特殊的循環神經網絡（RNN），它在處理序列數據方面具有顯著優勢，能夠捕捉時間序列數據中的長期依賴關系。以下是利用LSTM模型構建工程項目物資采購風險管理和控制措施體系的主要步驟：

（1）數據收集：收集歷史高速公路路面大中修及改擴建工程項目物資采購數據，包括采購金額、供應商履約情況、市場價格波動、質量事故等。

f （t） = σ （W_ f [h_（t-1）， x_t+b_ f ]） （1）

其中：x_t為遺忘門輸入數據，b_f為遺忘門的偏差，W_ f為遺忘門的權重，h_t-1為上一層的隱藏狀態，σ 為全連接層激活函數。

（2）數據清洗：對收集到的數據進行清洗，去除缺失值、異常值，保證數據的質量和準確性。

t=σ （W_i[h_（t-1），x_t+b_i]） （2）

c_t=σ （W_c[h_（t-1），x_t+b_c]） （3）

其中，x_i為輸入門輸入數據，b_i為輸入門的偏差，W_i為輸入門的權重，h_t-1為上一層的隱藏狀態，σ為全連接層激活函數。x_c為單元狀態輸入數據，b_c為單元狀態的偏差，W_c為單元狀態的權重。

（3）數據轉換：將清洗后的數據轉換為適合LSTM模型輸入的格式，如將其轉換為時間序列數據。

Ct=it×ct+ f （t）×c（t-1） （4）

其中it、Ct、f（t）為不同輸出使用的激活函數，t為輸出層數，C（t-1）為上一層的門狀態。

（4）根據工程項目物資采購風險管理的特點，設計LSTM模型的網絡結構，包括輸入層、隱藏層和輸出層。

o_t=σ （W_o[h_（t-1），x_t]+b_o） （5）

其中，x_o為輸出門輸入數據，b_o為輸出門的偏差，W_o為輸出門的權重，h_t-1為上一層的隱藏狀態，σ 為全連接層激活函數。

（5）模型訓練：使用歷史數據對LSTM模型進行訓練，通過調整模型參數，提高模型的預測準確性。

ht=ot*（tanh）1/2（-1）（C1） （6）

其中，ot為輸出使用的激活函數，Ct為當前層的門狀態。

（6）模型驗證：通過交叉驗證等方法，評估LSTM模型的性能，確保模型具有良好的泛化能力。

3 實例分析

3.1 數據收集

收集公司承接的高速公路路面大中修及改擴建工程項目物資采購數據，包括但不限于采購金額、采購數量、供應商履約情況、市場價格波動、質量事故等。收集的數據可以分為數值型數據、分類數據和時間序列數據。數值型數據如采購金額和數量，分類數據如供應商類型和地區，時間序列數據如市場價格波動隨時間的變化。為了捕捉物資采購風險的長期趨勢和周期性變化，數據的時間跨度應盡可能長，包括不同季節和年份的數據。

3.2 綜合評價

使用Textcnn和Bilstm并添加了Attention注意力機制模塊的特征提取器。訓練過程主要是看預測值和真實值的loss計算，而對于x軸是訓練的輪次，下面針對Bilstm算法（如圖2所示）和Textcnn_bilstm_att算法（如圖3所示）、Textcnn_bilstm_att算法融入情感詞典（如圖4所示）的訓練輪次和loss的曲線變化，訓練30輪的趨勢圖：

3.3 結果分析

針對訓練的數據搭建Bilstm算法（如圖5所示）、Textcnn_bilstm_att算法（如圖6所示）以及Textcnn_bilstm_att算法融入情感詞算法（如圖7所示），最后利用測試數據得到相對應的評估指標，如圖5～7所示。

針對評估指標，進行最終的評價賦分如表1～2所示。

根據表1和表2的打分數據，可以看出工程項目物資采購的整體風險處于可控范圍內。其配備的管理制度完善，采購流程規范，以及對風險管理的重視程度高，大多數潛在的風險因素可以得到有效識別、評估和控制。但是變更風險的相關措施處理需要進行注意，工程項目在設計、需求等方面的變更，這些變更可能導致物資采購計劃的中斷和調整，從而影響采購效率和項目進度。

4 結論

本研究對公路工程物資采購風險管理和控制措施進行了全面而深入的研究。通過對具體公路工程案例的分析，識別多種風險因素，并建立相應的風險識別和評估體系。

（1）提高風險管理的精準性和有效性，本研究引入了長短期記憶網絡（LSTM）模型，利用實際公路改擴建物資采購的數據進行模型訓練和驗證。LSTM模型的應用為公路工程物資采購風險的預測和評估提供一種新的視角和方法。

（2）研究結果表明，整體風險處于可控范圍內，但變更風險是需要特別關注和處理的風險因素。根據LSTM模型的預測結果可以制定相應的風險應對策略。

本研究對公路工程物資采購風險管理和控制措施進行了全面研究，提出一套綜合的風險識別、評估和控制體系，為實際工作提供了一定的指導意義。

參考文獻

[1]卓麗莉.企業物資管理中的采購風險管理策略[J].中小企業管理與科技，2023（16）：115-117.

[2]馬靜.中鐵E局玉鐵鐵路項目物資采購風險管理研究[D].石家莊：河北經貿大學，2023.

[3]曾方方.EPC總承包視角下裝配式建筑物資采購風險評價研究[D].哈爾濱：哈爾濱工業大學，2020.

[4]黃剛.基于供應鏈管理的XD公司工程物資采購風險控制研究[D].重慶：重慶理工大學，2019.

[5]高潔.進口物資采購過程中的風險識別與評價[J].經貿實踐，2017（19）：50.

[6]王建民.基于層次分析法石油化工工程建設企業物資采購風險評價研究[J].物流科技，2015（3）：119-122.

收稿日期：2024-02-22

作者簡介：吳丁（1982—），男，本科，高級工程師，研究方向：養護數字信息化、工程物料采購及管理。