定性风险分析.doc
《定性风险分析.doc》由会员分享,可在线阅读,更多相关《定性风险分析.doc(9页珍藏版)》请在冰豆网上搜索。
26 定性风险分析是评估已识别风险的影响和可能性的过程。
这一过程用来确定风险对项目目标可能的影响,对风险进行排序。
它在明确特定风险和指导风险应对方面十分重要。
定性风险分析的目的是利用已识别风险的发生概率、风险发生对项目目标的相应影响,以及其他因素,例如时间框架和项目费用、进度、范围和质量等制约条件的承受度,对已识别风险的优先级别进行评价。
概率和影响级别的定义以及专家访谈,可以帮助纠正该过程所使用的数据中的偏移。
有关风险行动的时间紧迫性可能会加大风险的重要性。
对可用的项目风险信息进行质量评价,有助于理解风险对于项目的重要性。
定性风险分析一般是一种为风险应对计划所建立优先级的快捷、有效的方法,它也为定量风险分析(如果需要该过程)奠定了基础。
定性风险分析在项目寿命期间应当被回访,从而与项目风险的变化保持同步。
定性风险分析需要使用风险管理计划和风险识别所产生的结果。
在这个流程后,与定量风险分析流程相接或直接进人风险应对计划流程。
编辑本段定性风险分析的依据[1]
定性风险分析依据以下几个方面:
第一,风险管理计划。
第二,已识别出来的风险。
要对风险识别过程中发现的风险及它对项目的潜在影响一起进行评价。
第三,项目状态。
项目的不确定性在生命期的不同阶段会发生变化。
边设计边施工项目刚开工时,设计不成熟,会有变更,因此会发现较多的风险;而当设计大部分完成时,项目的技术风险就会大大降低。
第四,项目类型。
使用最新或首次使用的技术的项目或者非常复杂的项目的技术不确定性大,海外工程管理风险大,等等。
第五,数据精确度。
进度、费用等方面数据的精确度表明了项目班子对风险了解和理解的程度。
它不仅衡量出可利用数据的范围,而且还衡量出数据的可靠性。
因此,在使用过去识别风险时曾用过的数据时,要针对当前项目的具体情况重新进行评价。
第六,计量标度。
计量是为了取得有关数值或确定排列顺序。
计量使用标识、序数、基数和比率4种标度。
第七,假设。
对识别出来的假设,要将其作为潜在的风险进行评价。
编辑本段定性风险分析的方法
(1)风险概率和后果:
使用定性语言将风险的发生概率及其后果描述为极高、高、中、低、极低5级。
风险概率——描述某一风险事件发生的可能性。
风险后果——描述某一风险事件如果发生将对项目目标产生的影响。
风险的这两个维度适用于描述具体的风险事件,可以帮助我们甄别出那些需要强有力地加以控制与管理的风险,但不适用于描述项目整体。
(2)概率——后果风险评价矩阵。
①风险后果评价表,如表:
极低0.05
低0.1
中0.2
高0.4
极高0.8
费用
不明显的费用增加
费用增加小于5%
费用增加介于5%~l0%
费用增加介于10%~20%
费用增加大于20%
进度
不明显的进度拖延
进度拖延小于5%
进度拖延介于5%一l0%
进度拖延介于10%一20%
进度拖延大于20%
范围
范围减少几乎察觉不到
范围次要部分受到影响
范围主要部分受到影响
范围减少不被业主接受
项目最终产品实际没用
质量
质量等级降低不易察觉
只有少数非常苛求的工作受到影响
质量降低需要业主批准
质量降低不被业主接受
项目最终产品实际不能使用
②概率——后果矩阵,如下表。
它表示:
概率与后果的估计值之间的简单乘积是将这两个维度结合起来的一种普遍方法,可用以确定风险是低、中等或是高。
风险评分使风险的分类有助于风险应对措施的制定。
概率
风险值=概率(P)×后果(I)
0.9
0.05
0.09
0.18
0.36
0.72
0.7
0.04
0.07
0.14
0.28
0.56
0.5
0.O3
0.o5
0.10
0.20
0.40
0.3
0.02
0.O3
0.06
0.12
0.24
0.1
0.01
0.01
0.02
0.04
0.08
0.O5
0.10
0.20
0.40
0.80
对某一项目目标(如费用、时间或范围等)的影响(比率)
以上矩阵中,组织对低、中、高风险的承受限度分别用白色、灰色和黑色表示
(3)项目假设检验:
甄别出的假设必须依照以下两项标准进行检验,假设的稳定性和假设谬误时对项目造成的影响后果。
应找出可能正确的备选假设,并在定性风险分析过程中检验它们对项目目标造成的影响后果。
(4)数据精度排队:
是评估有关风险数据对风险管理的有用程度的技术。
包括审查:
对风险的理解程度、风险数据的可获得性、数据的质量、数据的可靠性和完整性,等等。
编辑本段定性风险分析的结果
风险名单在风险识别过程中形成,并根据定性风险分析的信息进行更新,更新后的风险名单被纳入项目管理计划。
来自定性风险分析的风险名单更新包括:
(1)项目风险的相对排序或优先级清单。
可以使用风险概率和影响矩阵,根据风险的重要程度进行分类。
项目经理可以参考风险优先级清单,集中精力处理高重要性的风险,以获得更好的项目成果。
如果组织更关注其中某一项目标,则可以分别为费用、时间、范围和质量目标单独列出风险优先级。
对于被评定为对项目十分重要的风险而言,应对其风险概率和影响的评定基础和依据进行说明。
(2)按种类分组的风险。
可以揭示风险的共同根源,或需要特别关注的项目领域。
在发现风险集中的领域之后,可提高风险应对的有效性。
(3)需要在近期采取应对措施的风险清单。
那些需要采取紧急应对措施的风险和可以以后处理的风险应放在不同的分组。
(4)需要补充分析和应对的风险清单。
有些风险可能需要补充分析,包括定量风险分析,以及采取风险应对措施。
(5)低优先级风险观察清单。
在定性风险分析过程中,把评为不重要的风险放人观察清单中继续监测。
(6)定性风险分析结果中的趋势。
随着分析的反复进行,特定风险的某种趋势可能显露出来,从而使采取应对措施或进行进一步的分析有不同程度的紧迫性或重要性。
词条图册更多图册
开放分类:
27书470
28决策树是一个预测模型;他代表的是对象属性与对象值之间的一种映射关系。
树中每个节点表示某个对象,而每个分叉路径则代表的某个可能的属性值,而每个叶结点则对应从根节点到该叶节点所经歷的路径所表示的对象的值。
决策树仅有单一输出,若欲有复数输出,可以建立独立的决策树以处理不同输出。
从数据產生决策树的机器学习技术叫做决策树学习,通俗说就是决策树。
决策树学习也是数据挖掘中一个普通的方法。
在这裡,每个决策树都表述了一种树型结构,他由他的分支来对该类型的对象依靠属性进行分类。
每个决策树可以依靠对源数据库的分割进行数据测试。
这个过程可以递归式的对树进行修剪。
当不能再进行分割或一个单独的类可以被应用於某一分支时,递归过程就完成了。
另外,随机森林分类器将许多决策树结合起来以提升分类的正确率。
决策树同时也可以依靠计算条件概率来构造。
决策树如果依靠数学的计算方法可以取得更加理想的效果。
数据库已如下所示:
(x,y)=(x1,x2,x3…,xk,y)
相关的变量Y表示我们尝试去理解,分类或者更一般化的结果。
其他的变量x1,x2,x3等则是帮助我们达到目的的变量。
决策树对于常规统计方法的优缺点:
优点:
1) 可以生成可以理解的规则;
2) 计算量相对来说不是很大;
3)可以处理连续和种类字段;
4)决策树可以清晰的显示哪些字段比较重要。
缺点:
1)对连续性的字段比较难预测;
2)对有时间顺序的数据,需要很多预处理的工作;
3)当类别太多时,错误可能就会增加的比较快;
4)一般的算法分类的时候,只是根据一个字段来分类。
利用决策树评价生产方案:
决策树是确定生产能力方案的一条简捷的途径。
决策树不仅可以帮助人们理解问题,还可以帮助人们解决问题。
决策树是一种通过图示罗列解题的有关步骤以及各步骤发生的条件与结果的一种方法。
近年来出现的许多专门软件包可以用来建立和分析决策树,利用这些专门软件包,解决问题就变得更为简便了。
决策树由决策结点、机会结点与结点间的分枝连线组成。
通常,人们用方框表示决策结点,用圆圈表示机会结点,从决策结点引出的分枝连线表示决策者可作出的选择,从机会结点引出的分枝连线表示机会结点所示事件发生的概率。
在利用决策树解题时,应从决策树末端起,从后向前,步步推进到决策树的始端。
在向前推进的过程中,应在每一阶段计算事件发生的期望值。
需特别注意:
如果决策树所处理问题的计划期较长,计算时应考虑资金的时间价值。
计算完毕后,开始对决策树进行剪枝,在每个决策结点删去除了最高期望值以外的其他所有分枝,最后步步推进到第一个决策结点,这时就找到了问题的最佳方案。
下面以南方医院供应公司为例,看一看如何利用决策树作出合适的生产能力计划。
南方医院供应公司是一家制造医护人员的工装大褂的公司。
该公司正在考虑扩大生产能力。
它可以有以下几个选择:
1、什么也不做;2、建一个小厂;3、建一个中型厂;4、建一个大厂。
新增加的设备将生产一种新型的大褂,目前该产品的潜力或市场还是未知数。
如果建一个大厂且市场较好就可实现$100,000的利润。
如果市场不好则会导致$90,000的损失。
但是,如果市场较好,建中型厂将会获得$60,000,小型厂将会获得$40,000,市场不好则建中型厂将会损失$10,000,小型厂将会损失$5,000。
当然,还有一个选择就是什么也不干。
最近的市场研究表明市场好的概率是0.4,也就是说市场不好的概率是0.6。
参下图:
在这些数据的基础上,能产生最大的预期货币价值(EMV)的选择就可找到。
•EMV(建大厂)=(0.4)*($100,000)+(0.6)*(-$90,000)=-$14,000
•EMV(中型厂)=(0.4)*($600,000))+(0.6)*(-$10,000)=+$18,000
•EMV(建小厂)=(0.4)*($40,000)+(0.6)*(-$5,000)=+$13,000
•EMV(不建厂)=$0
根据EMV标准,南方公司应该建一个中型厂。
29 帕累托图又称主次因素排列图,最早是由意大利经济学家帕累托(V.Pareto)提出来的,原先主要用以分析收入分配的平等性问题,后来人们觉得这个方法简单好用,逐渐被引用到质量管理中。
帕累托图是针对质量问题产生的原因,将其按影响大小进行排列而编制成的累积频数分布条形图。
它的作用是,帮助人们发现或判断影响产品质量的少数关键性要素。
帕累托图是根据“关键的少数和次要的多数”的原理而制作的,将影响产品质量的众多影响因素按其对质量影响程度的大小,用直方图顺序排列,从而找出主要因素。
其结构是由两个纵坐标和一个横坐标,若干个直方形和一条折线构成。
折线表示累计频率(也称帕累托曲线),通常累计百分比将影响因素分为三类:
占0%~80%为A类因素,也就是主要因素;
80%~90%为B类因素,是次要因素;
90%~100%为C类因素,即一般因素。
帕累托图中,因A类因素占问题的80%,此类因素解决了,质量问题的大部分就得到了解决。
例:
用帕累托图分析缺陷产生的来源
数据准备:
第一步,参照直方图做法,统计各种分类数据频数,并对结果由多到少进行排序(按惯例其它一项必须放在最后)
第二步,求得各类数据占总体的百分比,并实施累加,求得累积百分比。
制图过程:
第一步,同时选择频数、累积百分比列;