Projektin riskit, mahdollisuudet ja niiden hallinta

Samankaltaiset tiedostot
Projektien kustannusten hallinta

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

6. laskuharjoitusten vastaukset (viikot 10 11)

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

30A02000 Tilastotieteen perusteet

Koska ovat negatiiviset. Keskihajontoja ei pystytä laskemaan mutta pätee ¾.

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Kvanttimekaniikan tulkinta

5/11 6/11 Vaihe 1. 6/10 4/10 6/10 4/10 Vaihe 2. 5/11 6/11 4/11 7/11 6/11 5/11 5/11 6/11 Vaihe 3

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Projektin etenemisen seuranta ja tuloksen arvo laskenta

Bayesin pelit. Kalle Siukola. MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Teollisuusautomaation standardit. Osio 5:

Luento 2. Yksiparametrisia malleja. Binomi-malli. Posteriorijakauman esittämisestä. Informatiivisista priorijakaumista. Konjugaattipriori.

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

Sidosryhmien hallinta. TU-C3010 Projektien suunnittelu ja ohjaus Aalto-yliopisto, Perustieteiden korkeakoulu, Tuotantotalous 23.8.

Kvantitatiivinen riski Määrittäminen ja hyväksyttävyys

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Kertymäfunktio. TKK (c) Ilkka Mellin (2007) 1

(b) Onko hyvä idea laske pinta-alan odotusarvo lähetmällä oletuksesta, että keppi katkeaa katkaisukohdan odotusarvon kohdalla?

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Odotusarvoparien vertailu. Vilkkumaa / Kuusinen 1

Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia. TKK (c) Ilkka Mellin (2005) 1

Esimerkki: Tietoliikennekytkin

Tentin materiaali. Sivia: luvut 1,2, , ,5. MacKay: luku 30. Gelman, 1995: Inference and monitoring convergence

Tilastotieteen kertaus. Vilkkumaa / Kuusinen 1

Väliestimointi (jatkoa) Heliövaara 1

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy Tehtävissä 1, 2, ja 3 tarkastelemme seuraavaa tilannetta:

Projektien suunnittelu: Laajuus, aikataulu ja resurssit

Preference Programming viitekehys: epätäydellisen preferenssi-informaation elisitointi ja mallintaminen, dominanssi

Matematiikan kotitehtävä 2, MAA 10 Todennäköisyys ja tilastot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Harjoitus 7: NCSS - Tilastollinen analyysi

Riskienhallintasuunnitelma ja riskianalyysi

Johdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1

Sovellettu todennäköisyyslaskenta B

BM20A5840 Usean muuttujan funktiot ja sarjat Harjoitus 7, Kevät 2018

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

2. Jatkoa HT 4.5:teen ja edelliseen tehtavään: Määrää X:n kertymäfunktio F (x) ja laske sen avulla todennäköisyydet

Jatkuvat satunnaismuuttujat

Projektien suunnittelu ja ohjaus TU-C3010

Toteutettavuussuunnitelma

Todennäköisyys. Antoine Gombaud, eli chevalier de Méré?.? Kirjailija ja matemaatikko

Tutkimustiedonhallinnan peruskurssi

Otosavaruus ja todennäköisyys Otosavaruus Ë on joukko, jonka alkiot ovat kokeen tulokset Tapahtuma on otosavaruuden osajoukko

Todennäköisyys (englanniksi probability)

TU-C3010 Projektien suunnittelu ja ohjaus (5 op.)

Miten näkökulmat ovat syventyneet ISO ja välillä? Lassi Väisänen

Mat Sovellettu todennäköisyyslasku. Aiheet: Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Avainsanat:

Sovellettu todennäköisyyslaskenta B

7. laskuharjoituskierros, vko 10, ratkaisut

Korvausvastuun ennustejakauma bootstrap-menetelmän avulla

Varma tapahtuma, Yhdiste, Yhdistetty tapahtuma, Yhteenlaskusääntö

Tilaston esittäminen frekvenssitaulukossa ja graafisesti. Keskiluvut luokittelemattomalle ja luokitellulle aineistolle: moodi, mediaani, keskiarvo.

FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. Luentokuulustelujen esimerkkivastauksia. Pertti Palo. 30.

3. a) Otetaan umpimähkään reaaliluku väliltä [0,1]. Millä todennäköisyydellä tämän luvun ensimmäinen desimaali on 2 tai toinen desimaali on 9?

Yksisuuntainen varianssianalyysi (jatkoa) Heliövaara 1

Riski ja velkaantuminen

Diskreetin satunnaismuuttujan odotusarvo, keskihajonta ja varianssi

2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2

Maximum likelihood-estimointi Alkeet

Yhteistyötä sisältämätön peliteoria jatkuu

Yksisuuntainen varianssianalyysi (jatkoa) Kuusinen/Heliövaara 1

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Riskienhallinnan perusteet

Luento 5 Yhteisvikojen analyysi PSA:n sovelluksia

3. laskuharjoituskierros, vko 6, ratkaisut

3.7 Todennäköisyysjakaumia

Sovellettu todennäköisyyslaskenta B

Jos nyt on saatu havaintoarvot Ü ½ Ü Ò niin suurimman uskottavuuden

805306A Johdatus monimuuttujamenetelmiin, 5 op

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

Teema 7: Todennäköisyyksien laskentaa

1. Matikan kurssin arvosanat jakautuivat seuraavalla tavalla:

Simulation model to compare opportunistic maintenance policies

Nyt ensimmäisenä periodina (ei makseta kuponkia) odotettu arvo on: 1 (qv (1, 1) + (1 q)v (0, 1)) V (s, T ) = C + F

Mat Sovellettu todennäköisyyslasku A

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.

INTERVALLIPÄÄTÖSPUUT JANNE GUSTAFSSON 45433E. Mat Optimointiopin seminaari Referaatti

Riskit hallintaan ISO 31000

MS-A0004/MS-A0006 Matriisilaskenta Laskuharjoitus 6 / vko 42

Luottamusvälit. Normaalijakauma johnkin kohtaan

8 Yritys kilpailullisilla markkinoilla (Mankiw & Taylor, Ch 14)

Tietoisuuden lisääminen vihreästä liiketoiminnasta: Osa 1 Tietoisuuden lisääminen Mitä se tarkoittaa?

Kustannustehokkaat riskienhallintatoimenpiteet kuljetusverkostossa (Valmiin työn esittely)

Odotusarvo. Odotusarvon ominaisuuksia Satunnaismuuttujien ominaisuuksia 61

Todennäköisyyden ominaisuuksia

8. Muita stokastisia malleja 8.1 Epölineaariset mallit ARCH ja GARCH

Normaalijakaumasta johdettuja jakaumia

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Talousmatematiikan perusteet: Luento 17. Integraalin sovelluksia kassavirta-analyysissa Integraalin sovelluksia todennäköisyyslaskennassa

Kaksintaistelun approksimatiivinen mallintaminen (valmiin työn esittely)

Luento 6 Yhteisvikojen analyysi PSA:n sovelluksia

tilastotieteen kertaus

pisteet Frekvenssi frekvenssi Yhteensä

Todennäköisyyslaskenta IIa, syyslokakuu 2019 / Hytönen 2. laskuharjoitus, ratkaisuehdotukset

Moniulotteisia todennäköisyysjakaumia

Transkriptio:

Projektin riskit, mahdollisuudet ja niiden hallinta TU-C3010 Projektien suunnittelu ja ohjaus Aalto-yliopisto, Perustieteiden korkeakoulu, Tuotantotalous 9.8.2017 Jere Lehtinen

Agenda Teeman jälkeen opiskelija osaa: Selittää ja erotella toisistaan projektin riskit ja mahdollisuudet Muistaa riskinhallintaprosessin perusvaiheet Erotella erilaisten riskien vaikutukset (suuruus ja suunta) ja jakaumat Käyttää riskinhallintaa osana toista harjoitusta (Harjoitus 2.)

Kuvan lähde: http://s.hswstatic.com/gif/mt-everest-tourism-171676392.jpg Minkälaisia riskejä tunnistatte? Lumivyöry Tippuvat kivet Halkeamaan putominen Muut putoamiset (myös muiden kuin oma) Vakava väsymys tai nestehukka Sääolosuhteet (esim. Lumipyry) Hurrikaani korkeudella 8600 m Teltoilta eksyminen Paleltumat Pneumonia Trooppiset ja muut (vuoristo)taudit

Kvalitatiivinen riskianalyysi Kuolemanriski: 1 : 320 000 (0,003 ) Vertaa jalkapallo, 1 : 125 189 Loukkaantumisriski: 37,5 per 1 000 aktiviteettituntia (3,75%) Vertaa jalkapallo, 31,6 per 1000 tuntia Onko vuorikippeily riskialtista toimintaa näiden lukujen valossa? Lähteet: http://www.medicine.ox.ac.uk/bandolier/booth/risk/sports.html ja (Schöffl et al. 2010) Image Otso Roine

Kvalitatiivinen riskianalyysi Image Otso Roine

Riskireaktio suunnittelu Riski Putoaminen tai liukastuminen Todennäköisyys (loukk./kuolema) Varuste vika 0,0075 % / 0,000006 Reaktio 1,5% / 0,001 Pysy köytettynä kokoajan Tarkista, huolla ja uusi varusteet säännöllisesti Sää 0,3% / 0,0002 Tarkasta sää säännöllisesti ja valmistaudu varotoimiin Tippuva kivi tai objekti 0,26% / 0,0002 Käytä kypärää kokoajan, kommunikoi muille jos jotain tippuu Eksyminen 0,14% / 0,0001 Opiskele ulkoa reitti etukäteen, tee varotoimenpiteitä sään varalta Ehkäistäänkö riskin todennäköisyyttä vai vaikutusta? Image Otso Roine

Mikä riski on? Entä mahdollisuus? Entä epävarmuus? Riski = Subjektiivisista arvioista ( asiantuntijoiden arvioista): pohtikaamme riskin määritelmää vielä ottamalla epävarmuus käsite mukaan pohdintaamme Riski (mahdollisuus) on tapahtuma, jolla on tietty toteutumisen todennäköisyys ja vaikutus projektin aikatauluun, kustannuksiin tai laajuuteen. Epävarmuus tarkoittaa tilannetta (tai tilaa), jossa on tiedon vääristymä tai tietoa ei ole saatavilla Mahdotonta kuvailla tarkasti olemassa olevaa tilaa tai tulevaisuuden lopputulemaa

Mistä riskejä tai mahdollisuuksia kumpuaa? Tuote, prosessi, osallistujat PESTEL Political, Economic, Social, Technological, Environmental, Legal Sidosryhmät Sisäiset ja ulkoiset sidosryhmät Erilaiset intressit ja toimintatavat

Riskienhallinnan prosessi 1. Riskien tunnistaminen Tarkistuslistat, brainstorming, mallintaminen, tutkimukset, aikaisempi kokemus 2. Riskien arviointi Kvalitatiivinen ja kvantitatiivinen riskiarvio Subjektiivinen todennäköisyysarviointi 3. Toimenpiteiden suunnittelu ja toimeenpano Kommunikointi organisaatiolle ja sidosryhmille 4. Valvonta ja tarkennus Iterointi Huom: riskienhallinta on jatkuva prosessi ja tätä toistetaan projektin elinkaaren eri vaiheissa

Arvio projektin kokonaiskustannuksesta Riskin suuruus muuttuu projektin edetessä + hajonta (S) + Odotusarvo (M) - Toteutunut kustannus - hajonta (S) Aika t1 t2 t3 t4 1) 2) 3) 4) t5 (projektin päättyminen ajanhetkellä t5)

Riskimatriisi Tunnistamin en: Riskin kuvaus Arvio: Todennäköisyy s, vaikutus, Tai: Toimenpid e: Toimenpitee n kuvaus Toimenpid e: Vastuuhenkil ö Toimenpide: Toteutusajankohta minimi, todennäköisin, maksimi Riski 1 Riski 2 Riski 3 Riski N

Todennäköisyys Todennäköisyyksiä ja vaikutuksia kuvaava kaavio Suuri Riskin 7 kuvaus. Riskin 8 kuvaus. Riskin 9 kuvaus. Erittäin suuri Riskin 4 kuvaus. Riskin 5 kuvaus. Riskin 6 kuvaus. Suuri Keskinkertainen Keskinkertainen Pieni Riskin 1 kuvaus. Riskin 2 kuvaus. Riskin 3 kuvaus. Pieni Pieni Keskinkertainen Suuri Vaikutus

Riskien luonteista Mitä riskejä ennen kaikkea voidaan hallita ja miten? Mitkä riskit tunnistetaan? Minkälaiset riskit ovat luonteeltaan ongelmallisimpia? Unknown Known What we Don t know we know What we know, We know What we don t know, we don t know What we know, we don t know Known Unknown Huom: Riski ei ole enää riski, kun se on toteutunut

Kustannusarvio (PERT) [Kvantitatiivinen] Voidaan käyttää myös menetelmää: Odotusarvo = Riskin todennäköisyys * riskin kustannus Esim. 0,30 * 500 = 150

Kokonaisriskin laskeminen Riippumattomat muuttujat summataan PERT approksimaatio pätee jos jakaumamuodoksi oletetaan beta, ja min ja max edustavat 0% ja 100% fraktiileita - M = (min + 4*tod.näk + max) / 6 - S = (max - min) / 6 Kaava kokonaisriskijakauman parametrien laskemiseksi (jakautumat oletetaan riippumattomiksi): - M tot = sum(m i ) ; S tot2 = sum(s i2 ) Kokonaisriskijakauman oletetaan olevan normaalijakautunut (central limit theorem)

Todennäköisyys Liiketoimintariski: maaperäolosuhteet -1.000 0 5.000 Kustannus Suotuisa tapahtuma Epäsuotuisa tapahtuma Todennäköisyys Puhdas riski: tulipalo työmaalla 5.000 Epäsuotuisa tapahtuma 1.000.000 Epäsuotuisa tapahtuma Kustannus

Riskijakaumia Todennäköisyys Pieni riski Keskikokoinen riski Suuri riski 65 Odotusarvo Kustannus

Riskijakaumia 100% Todennäköisyys, että kustannusta ei ylitetä Keskikokoinen riski Pieni riski Suuri riski 50% 0% 65 Odotusarvo Kustannus

Todennäköisyys, että hintaa ei ylitetä 100% Vaihtoehtoisten alihankkijoiden hintojen kumulatiiviset todennäköisyysjakaumat Alihankkija A Alihankkija B 50% 0% 5000 6000 7000 7500 8000 9000 10000 Kustannus, Odotusarvo, Alihankkija B Odotusarvo, Alihankkija A

Agenda Teeman jälkeen opiskelija osaa: Selittää ja erotella toisistaan projektin riskit ja mahdollisuudet Muistaa riskinhallintaprosessin perusvaiheet Käyttää riskinhallintaa osana toista harjoitusta (Harjoitus 2.)