To moduler skal bygges I parallell

To moduler skal bygges i parallell

• To moduler skal bygges i parallell

• Når begge er ferdig bygget, skal de settes sammen

• Deretter taues til offshore, og installeres på en plattform dersom været tillater dette

Varighet av aktivitetene (lav, mest sannsynlig, og høy i måneder)

• Varighet av aktivitetene (lav, mest sannsynlig, og høy i måneder)

• Module 1 ~ (4,5,7)
• Module 2 ~ (4,5,6)
• Assembling ~ (1.8,2,2.5)
• Shipping offshore ~ (0.1,0,2,0.3)
• Installation offshore ~ (1,1.2,1.5)

• Uttauingsvindu åpent 9 måneder etter oppstart av prosjektet (forsinkelse= 6 måneder hvis vi ikke når tidsvinduet)

• Dagsbøter løper fra måned 11

Behov for omarbeiding på en eller begge modulene

• Behov for omarbeiding på en eller begge modulene

• Problemer med sammenføyning (kompabilitet)

• Arbeidskonflikt

• Konkurs av underleverandør

• Væreforhold (uttauing)

• Feil med taubåten

• Taubåten kommer ikke

• Ikke ferdig med sammenstilling før værvinduet lukker

• osv

Bestill en ekstra taubåt for å kunne utvide tidsvinduet med en måned

• Bestill en ekstra taubåt for å kunne utvide tidsvinduet med en måned

• Utsett noe av arbeidet med sammenstilling for å nå tidsvinduet (men dette blir dyrere totalt sett)

• Bonus hvis prosjektet ferdigstilles før 8 måneder

• Endringsordrer (her ligger det ofte mye penger)

Usikkerhet

• Usikkerhet

• Risiko

• Muligheter

Usikkerhet

• Usikkerhet

• Manglende kunnskap om ytelsen til et system, og observerbare størrelser i særdeleshet

• Eksempler

• Den virkelige prosjektkostnaden er usikker ved prosjektstart
• Det er usikkert om en viktig underleverandør går konkurs under prosjektet, dvs det er usikkerhet knyttet til denne hendelsen

• Vi skiller på to typer usikkerhet

• Aleatorisk usikkerhet = Variabilitet = Variasjon til størrelser i en populasjon, f eks gj. snittstemeratur i januar
• Epistemisk usikkerhet – manglende kunnskap om et forhold, f eks om underleverandør X går konkurs neste måned. Epistemisk usikkerhet kan reduseres ved ytterligere undersøkelser og kartlegging

Risiko defineres som svaret på tre spørsmål:

• Risiko defineres som svaret på tre spørsmål:

• i) hva kan gå galt?
• ii) hvor sannsynlig er det, og i så fall
• iii) hva er konsekvensene?

• For å beskrive risiko skriver vi R = {< si, fi, xiq>} hvor

• si er et scenario/hendelse tilknyttet det første spørsmålet,
• fi er frekvensen/sannsynligheten for scenariet
• xiq er konsekvensen av scenariet

Merk at risiko kan defineres på ulikt nivå, f eks

• Merk at risiko kan defineres på ulikt nivå, f eks

• Hendelsen overskridelse, dvs både sannsynlighet og størrelse
• Hendelsen at leverandør går konkurs, dvs både sannsynlighet og kostnadskonsekvens
• Hendelsen at arbeid må gjøres om igjen, dvs både sannsynlighet og konsekvens mht tid

• Hvert risikoelement dokumenteres i et risikoregister (Risk & Opportunity Register = R&OR), hvor hvert element har både et sannsynlighets utsagn, og et konsekvens (impact) utsagn

En “Mulighet” er ofte definert som en hendelse som leder til et utfall som er bedre enn forventet utfall

• En “Mulighet” er ofte definert som en hendelse som leder til et utfall som er bedre enn forventet utfall

• Eksempel på mulighet:

• Prosjektet er forsinket, og det oppstår en mulighet til å prefabrikere en modul fremfor å bygge på byggeplassen slik opprinnelig planlagt

En hendelse er noe som kan hende eller ikke hende

• En hendelse er noe som kan hende eller ikke hende

• Når analysen gjennomføres, er det usikkerhet angående om hendelsen vil inntreffe eller ikke

• Sannsynligheter benyttes for å uttrykke denne usikkerheten

• En sannsynlighet er et tall som angir grad av tro om hendelsen inntreffer eller ikke

• La A være en hendelse
• Pr(A) er da sannsynligheten for at A vil inntreffe
• 0  Pr(A)  1

• Sannsynligheter fastsettes bl. annet ved

• Analyse av statistiske data
• Ekspertvurderinger og symetribetraktninger
• Fysiske modeller, f eks vær-prognoser
• Regler for sannsynlighetsregning /Monte Carlo Simuleringer

En tilfeldig størrelse (stokastisk variabel), er en størrelse som vi ikke vet hvilken verdi vil ta, men

• En tilfeldig størrelse (stokastisk variabel), er en størrelse som vi ikke vet hvilken verdi vil ta, men

• Vi kan uttrykke statistske egenskaper til størrelsen, eller gi sannsynlighetsutsagn om den

• Hendelser kan inntreffe, evt ikke inntreffe (“sort/hvit”), en tilfeldig størrelse er relatert til verdi, den kan ta ulike verdier (“farger”)

• Vi benytter sannsynligheter til å beskrive sannsynligheten for at den tilfeldige størrelsen kan ta ulike verdier

• Kumulativ fordelingsfunksjon (S-kurve, cumulative distribution function)
• Sannsynlighetstetthet (histogram, probability distribution function)

• Eksempler på tilfeldige størrelser

• Totale prosjektkostnader
• Varighet til prosjektet (f eks i dager fra oppstart)

Identifikasjon av risiko og muligheter

• Identifikasjon av risiko og muligheter

• Strukturering av risiko og muligheter i R&OR

• R&OR = Risk and opportunity register (trussel-log)

• Modellering av prosjektkostnader og tidsforbruk

• Med utgangspunkt i ordinære estimat for kost og tid, samt
• Effekt risiko- og mulighetselementer har på kost og tid

• Identifisering av tiltak for elementene i R&OR

• Oppfølging og oppdatering av R&OR gjennom hele prosjektfasen

• Erfaringsoverføring til neste prosjekt

Et risikoregister lages vanligvis i tabellformat

• Et risikoregister lages vanligvis i tabellformat

• Ulike dataløsninger finnes

• Noen ”standardkolonner” går igjen

• Spesifikke kolonner kan også legges til

Risikoelement (evt mulighetselement)

• Risikoelement (evt mulighetselement)

• Sannsynlighet

• Konsekvens (impact), lav, middels og høy verdi

• Gis både mht kostnad og tid
• Vanskelig å anslå totalkonsekvens, lettere på ”lavt” nivå

• Styrbarhet (manageability)

• Tiltak for å redusere risiko (evt utvikle muligheter)

• Tidsfrister, ansvarlige og status mht tiltak

Vi betrakter aktiviteter knyttet til en såkalt ”koblingshelg” i Jernbaneverket

• Vi betrakter aktiviteter knyttet til en såkalt ”koblingshelg” i Jernbaneverket

• Bakgrunnen er at det er laget et kryssingsspor på en enkeltsporet jernbanestrekning i Norge

• Arbeidet består i hovedsak i å legge inn to nye sporvekslere

• Situasjonsbilde før og etter er:

Beskrivelse av tilfeldige størrelser

• Beskrivelse av tilfeldige størrelser

• Identifikasjon av risiko

Percentiler, i.e. P1,P10,P50,P90,P99

• Percentiler, i.e. P1,P10,P50,P90,P99

• Mest sannsynlige verdi (M)

• Forventet verdi (expected value, mean) ()

• Standardavvik ()

• Varians (Var =  2)

Konsekvensen (impact) av en risiko- eller mulighetshendelse i R&OR beskrives ofte ved tre verdier

• Konsekvensen (impact) av en risiko- eller mulighetshendelse i R&OR beskrives ofte ved tre verdier

• L = Lav verdi (optimistisk)
• M = Mest sannsynlig verdi
• H = Høy verdi (pessimistisk)

• Det er viktig å angi om L og H representerer f eks P10 og P90, P1 og P99, eller P0 og P100

Strukturerte metoder

• Strukturerte metoder

• Grovanalyse, grov identifikasjon av risikofaktorer basert på type prosjekt
• Oppgaveanalyse – Teknikker for å identifisere risikofaktorer når det eksisterer en detaljert plan for prosjektgjennomføring

• Tilleggsmetoder

• Bruk av erfaring og kunnskap fra tidligere prosjekter
• Input fra revisjoner, og gjennomganger og andre relevante analyser
• Generelle og spesifikke sjekklister

Hvem har et dokumentert system for

• Hvem har et dokumentert system for

• Å logge kritiske hendelser som inntreffer i prosjekter
• Å hente fram kritiske hendelser fra tidligere prosjekter ved oppstart av nye prosjekter

• Hvem har etablert

• Generelle sjekklister for risiki og muligheter
• Spesielle sjekklister for risiki og muligheter for ulike type prosjekter

Hovedideen er å få fokus på spesielle risiki og muligheter i dette prosjektet

• Hovedideen er å få fokus på spesielle risiki og muligheter i dette prosjektet

• Prosessen er strukturert, og ett område fokuseres om gangen

• Interne faktorer
• Eksterne faktorer

• Risiko og mulighetsidentifikasjon kan skje på ulikt nivå:

• På et høyt nivå, hvor man fokuserer på hovedelementene, uavhengig av fase, del av prosjekt osv, eller
• På et lavt nivå, dvs risiko relatert til utførelse av en spesiell aktivitet

Hvem har erfaring for

• Hvem har erfaring for

• Å gjøre dette på et høyt nivå
• Å gjøre dette på et lavt nivå, knyttet til enkeltaktiviteter
• Både og

Risiki

• Risiki

• Forsinkelse hos underleverandør
• Forstyrrelser av miljøbevegelse
• Forstyrrelser av menneskerettsorganisasjoner
• Arbeidskonflikter
• Flere?

• Muligheter

• Kontrakten kan åpne opp for nye markeder
• Flere?

Når spesielle aktiviteter vurderes (f eks en vanskelig sammenkobling) kan tradisjonell oppgaveanalyse benyttes

• Når spesielle aktiviteter vurderes (f eks en vanskelig sammenkobling) kan tradisjonell oppgaveanalyse benyttes

• Aktiviteten brytes ned i oppgaver

• Hver oppgave vurderes ved et sett av ledeord, f eks

• For sakte
• For fort
• Feil moment
• Feil rekkefølge
• Avglemmelse

• Identifiserte dominerende utførelsesfeil kan betraktes som risikoforhold ( R&OR)

Strukturering, dvs innlegging i R&OR

• Strukturering, dvs innlegging i R&OR

• Modellering, i form av analytiske modeller, eller Monte Carlo metoder

Risiko er et konsept som inneholder en hendelse (eller et scenario), sannsynligheten for hendelsen/scenariet, og konsekvensen hvis hendelsen/scenariet inntreffer

• Risiko er et konsept som inneholder en hendelse (eller et scenario), sannsynligheten for hendelsen/scenariet, og konsekvensen hvis hendelsen/scenariet inntreffer

• Den primære usikkerheten er da knyttet til om hendelsen/scenariet inntreffer eller ikke

• Estimeringsfeil er et helt annet fenomen

• Vanligvis angis tid og kostnad for hvert element i form av én verdi, dvs den mest sannsynlige (M)
• Estimeringsfeilen er da definert som forskjellen mellom denne anslåtte verdien og den verdien vi til slutt vil observere (når prosjektet er ferdig)
• Variabilitet (aleatorisk usikkerhet)
• Mangel på kunnskap (epistemisk usikkerhet)
• Estimeringsfeil kan da betraktes som en ignorering av usikkerhet I kost og tids-estimatene

“Hendelsesrelaterte” risiki kan enkelt dokumenteres i (R&OR)

• “Hendelsesrelaterte” risiki kan enkelt dokumenteres i (R&OR)

• Anslå sannsynlighet for hendelsen
• Anslå forventet konsekvens, eller usikkerheten i konsekvensene av konsekvens

• Estimeringsfeil er vanskeligere i R&OR

• For hvert kostnads- og tidsestimat i modellene for prosjektkostnad og tidsforbruk kunne vi anslå usikkerhet I form av L (lav), M (mest sannsynlig) og H (høy) verdier
• Hvert element kan få en egen “rad” i R&OR, med sannsynlighet = 1, pluss L, M og H verdiene
• Men R&OR er ikke laget for en slik mengde av data
• Bare de viktigste elementene bør i så fall lages i R&OR
• Gjenværende usikkerhet kan dokumenteres i såkalte datadossier

Direkte vurderinger

• Direkte vurderinger

• For hvert risikoelement i R&OR angir vi
• Sannsynligheten for hendelsen/scenariet, f eks 20%
• Konsekvens for prosjektet i form av L, M og H verdier for ekstra tid og kost for prosjektet, f eks {L, M, H} = {5,10,25} millioner $

• Indirekte vurderinger

• Usikkerheten angis på et lavt nivå, dvs relativt til tids-estimat, enhetspris, mengde/volum osv
• Usikkerheten proppageres da i totale modeller for tid og/eller kost ved hjelp av analytiske modeller, eller Monte Carlo teknikker

Kostnadsmodellering typisk inneholder

• Kostnadsmodellering typisk inneholder

• Anslag for “ordinær” usikkerheter i pris og volum, dvs enhetspriser og volumer: {L, M, H}
• Anslag for “ekstra” usikkerhet knyttet til hendelser, dvs sannsynlighet + {L, M, H}
• Regler for sannsynlighetsregning ”sum & produkter” (system modell)
• Proppagering av usikkerhet i systemmodellene kan vanligvis gjøres ved analytiske modeller med utgangspunkt i forventningsverdier og standardavvik

• Tidsmodellering

• Anslag for “ordinær” og ”ekstra” usikkerheter som for kostnader
• Proppagering i systemmodellen krever vanligvis Monte Carlo teknikker
• Forsinkelser kan vanligvis ”oversettes” til kostnader gjennom dagsbøter, (og evt tapt renommé , vanskelig)

For å proppagere usikkerhet på lavt til høyt nivåvi jobber med forventning (E) og varians (Var = SD2)

• For å proppagere usikkerhet på lavt til høyt nivåvi jobber med forventning (E) og varians (Var = SD2)

• Regler for summer

• E(X1+X2) = E(X1) + E(X2)
• Var(X1+X2) = Var(X1) + Var(X2) såfremt X1 and X2 er uavhengig

• Regler for uavhengige produkter

• E(X1X2) = E(X1)  E(X2)
• Var(X1  X2) = Var(X1)  E(X2)2 + Var(X2)  E(X1)2 + Var(X1)  Var(X2)

• En sum av 5-10 eller flere tilfeldige størrelser kan tilnærmes med en Normalfordeling såfremt ingen element dominerer de andre

En deterministisk modell lages i f eks MS Excel

• En deterministisk modell lages i f eks MS Excel

• Tilfeldige størrelser genereres ved en tilfeldig tallgenerator, f eks =RndTriangular(Rand(),L,M,H)

• Hver gang vi ”trekker” tilfeldige størrelser, representerer dette en prosjektrealisasjon

• Når dette gjøres for alle størrelser (Trykk F9 i Excel) får vi en ny ”prosjektrealisasjon”

• Ved å ”følge” viktige celler i regnearket (f eks prosjektkostnadene) kan vi beregne forventning, SD, PDF og CDF

• Vi kan lage en makro som utfører F9 trykkingen noen tusen ganger (pRisk.xls)

Compatibility problems (assembling)

• Compatibility problems (assembling)

• Probability, Pr = 10%
• Impact, extra time for assembling = PERT(0.5,0.8,1.2)

• Rework on module 1

• Probability, Pr = 15%
• Impact, extra time for module 1 = PERT(0.8,1,1.5)