HOẠCH ĐỊNH KẾT HỢP YẾU TỐ RỦI RO
4.3.1 Đơn giản hố dữ liệu đầu vào:
MHĐX được thiết kế theo cách thức mà dữ liệu yêu cầu đầu vào được làm cho đơn giản đến mức cĩ thể đạt được. Nĩi một cách khác, dữ liệu được đưa vào MHĐX chủ yếu là dữ liệu chủ quan, cảm tính phụ thuộc vào kinh nghiệm quá khứ của người sử dụng và do đĩ nĩ linh hoạt cho việc thích hợp từng điều kiện cụ thể. Tuy nhiên, phạm vi của dữ liệu đầu vào yêu cầu của phương pháp đề xuất rõ ràng là rộng hơn khi so sánh với PERT hoặc stochastic CPM bởi vì MHĐX là một phương pháp phân tích rủi ro hoạch định và cố gắng khám phá ra độ nhạy rủi ro của việc hoạch định dự án đối với mức độ khơng chắc chắn khác nhau trong khi kết hợp một mối tương quan giữa các biến của mơ hình.
Dữ liệu đầu vào mà MHĐX yêu cầu được liệt kê và mơ tả như sau:
Dữ liệu sơ đồ hoạch định: cơ cấu bĩc tách cơng việc (BCWS), mối quan hệ thứ tự giữa những cơng tác, tính cĩ sẵn của tổ đội, số lượng tổ đội.
Thời gian của cơng tác ngắn nhất, bình thường và dài nhất: khơng cần nhiều hơn theo yêu cầu của phương pháp PERT truyền thống. Khơng cần phân phối xác suất, khơng cần sự phụ thuộc vào dữ liệu mẫu trước đây cho phân tích thống kê như trong trường hợp stochastic CPM.
Những nhân tố rủi ro quan trọng nhất được cho là sẽ ảnh hưởng đến việc hoạch định: thơng tin này sẽ cĩ được từ giai đoạn xác định rủi ro của sự thực hiện một cách hệ thống quản lý rủi ro tồn diện (hình 4.1).
Mức độ ảnh hưởng của nhân tố rủi ro lên cơng tác: điều này đã được thể hiện trong những cụm từ định tính như rất cĩ ảnh hƣởng, ảnh hƣởng và khơng ảnh hƣởng. Người sử dụng sẽ chọn lựa sự định tính thích hợp cho mỗi cặp “nhân tố rủi ro – cơng tác”. Dữ liệu này thể hiện mức độ quan trọng tương đối một nhân tố rủi ro đặc biệt tạo nên mức độ khơng chắc chắn lên thời gian của một cơng tác đặc biệt như thế nào.
Xác suất biên vị trí của nhân tố rủi ro: những nhân tố rủi ro cĩ thế xảy ra tốt hơn mong đợi, mong đợi hoặc xấu hơn mong đợi trong thực tế. Trong mỗi tình huống như vậy, chúng tạo ra độ khơng chắc chắn thuận lợi, trung tính hoặc bất lợi đối với thời gian hồn thành của mỗi cơng tác một cách tương ứng. MHĐX cần biết xác suất biên vị trí khác nhau của những nhân tố rủi ro để quyết định tình huống nào sẽ xảy ra cho một bước mơ phỏng đặc biệt, do đĩ tổng ảnh hưởng của những nhân tố rủi ro lên thời gian của cơng tác được xác định bằng cách sử dụng “mức độ ảnh hưởng nhân tố rủi ro – cơng tác” kết hợp với vị trí của nhân tố rủi ro. “Xác suất biên vị trí nhân tố rủi ro được xem xét bởi sự hỗ trợ của kinh nghiệm trong quá khứ và được đưa vào mơ hình dưới dạng các giá trị số học nằm giữa 0 và 1. Ví dụ: khi người sử dụng ước đốn rằng rủi ro về năng suất lao động rất cĩ khả năng xảy ra xấu hơn mong đợi, ít cĩ khả năng hơn xảy ra như mong đợi và ít cĩ khả năng nhất xảy ra tốt hơn mong đợi, người sử dụng cĩ thể đưa vào giá trị 0,01 – 0,40 – 1,00 tương ứng để tượng trưng vị trí xác suất giới hạn của nhân tố rủi ro tốt hơn mong đợi, mong đợi và xấu hơn mong đợi. Trong trường hợp như thế, xác suất xảy ra của tốt hơn mong đợi, mong đợi và xấu hơn mong đợi trong bất cứ quá trình giải lặp nào của MHĐX trở thành 0,10 (0,10 – 0,00); 0,30
(0,40 – 0,10) và 0,60 (1,00 – 0,40) tương ứng. Một lần nữa, nhấn mạnh rằng những giá trị này là những giá trị dựa vào sự phán xét và mức độ của nĩ cĩ thể thay đổi từ người sử dụng này sang người khác. Tuy nhiên, kỹ thuật xác định rủi ro như là động não và phỏng vấn với những người cĩ kinh nghiệm sẽ cung cấp những giá trị thực tiễn và khách quan.
Mối tương quan giữa các nhân tố rủi ro: MHĐX địi hỏi những thơng tin về nhân tố rủi ro nào sẽ tương quan. Ví dụ: nếu người sử dụng ước đốn rằng thời tiết trở nên xấu hơn mong mợi, năng suất lao động xấu hơn mong đợi hoặc thời tiết tốt hơn mong đợi, năng suất lao động tốt hơn mong đợi, người sử dụng cĩ thể đưa thơng tin vào mơ hình để hai nhân tố rủi ro này là tương quan. Thực sự, thuật tốn của MHĐX sẽ hành xử tương ứng.
Những đặc điểm mơ phỏng: người sử dụng cĩ thể đưa vào những đặc tính mơ phỏng cho mơ hình Monte Carlo. Những giá trị tham khảo chính là số lần lặp và giá trị hạt giống. Nĩi chung, số lượng lần lặp càng lớn thì kết quả sẽ càng hội tụ và chính xác hơn. Việc chọn lựa giá trị hạt giống như nhau cung cấp việc lựa chọn biến ngẫu nhiên như nhau cho việc mơ phỏng khác nhau và điều này hữu dụng cho việc so sánh các kết quả của những phép mơ phỏng khác nhau dưới cùng một điều kiện tạo ra ngẫu nhiên như nhau.
