DOI: https://doi.org/10.1057/s41599-024-03180-5
تاريخ النشر: 2024-05-24
المؤلف: Fernando Acebes وآخرون
الموضوع الرئيسي: إدارة أداء مشاريع البناء
نظرة عامة
في هذا القسم، يتناول المؤلفون التحديات التي يواجهها مديرو المشاريع في تحديد أولويات المخاطر لتعزيز ربحية المشروع. ينتقدون مصفوفة المخاطر التقليدية، وهي أداة شائعة لتقييم المخاطر بناءً على احتمال حدوثها وتأثيرها، مشيرين إلى قيودها وإمكانية الحصول على نتائج خاطئة. للتغلب على هذه المشكلات، يقترح البحث منهجية جديدة تستخدم محاكاة مونت كارلو (MCS) من خلال برنامج MCSimulRisk، الذي يقيم بشكل كمي تأثير المخاطر المحددة على مدة المشروع وتكاليفه. تتيح هذه الطريقة فهمًا أكثر دقة للمخاطر، مما يمكّن مديري المشاريع من التمييز بين تأثيراتها على الأهداف المتعلقة بالمدة والتكلفة بشكل مستقل.
تشير النتائج إلى أن تحديد أولويات المخاطر يمكن أن يؤدي إلى نتائج مختلفة بشكل كبير اعتمادًا على المنهجية المستخدمة. توفر الطريقة المقترحة المعتمدة على MCS رؤى عددية حول أهمية المخاطر، مما يسهل اتخاذ قرارات مركزة بناءً على الهدف السائد للمشروع – سواء كان إجمالي المدة أو إجمالي التكلفة. يؤكد المؤلفون أنه على الرغم من أن منهجيتهم تقدم مزايا كبيرة مقارنة بالطرق التقليدية، إلا أنها ليست خالية من القيود، مثل الاعتماد على تقديرات دقيقة وفرضية المخاطر المستقلة. تشمل اتجاهات البحث المستقبلية دراسات الحساسية والتنفيذ العملي عبر مختلف القطاعات للتحقق من قوة الطريقة المقترحة.
مقدمة
تستعرض مقدمة ورقة البحث التعقيدات والمخاطر الكامنة المرتبطة بإدارة المشاريع، كما عرّفتها المفوضية الأوروبية (2023). يتم التأكيد على أن إدارة المخاطر الفعالة ضرورية لتحقيق أهداف المشروع، خاصة في ضوء التطورات غير المتوقعة التي يمكن أن تعطل الخطط والميزانيات (Naderpour et al. 2019; Standish Group, 2022). تسلط الورقة الضوء على أهمية عملية إدارة المخاطر المنظمة، والتي تشمل تحديد المخاطر، وتقييمها، وتخطيط الاستجابة، والمراقبة، كما هو موضح من خلال منهجيات ومعايير مختلفة (Axelos, 2023; Project Management Institute, 2017).
على الرغم من الاستخدام الواسع لمصفوفات المخاطر لتحديد أولويات المخاطر بناءً على احتمال حدوثها وتأثيرها، تنتقد الورقة قيودها، خاصة عدم قدرتها على حساب العلاقات المتبادلة بين المخاطر ودقة التقديرات (Goerlandt and Reniers, 2016). استجابةً لهذه النواقص، يقترح المؤلفون منهجية جديدة تستخدم محاكاة مونت كارلو لتحديد أولويات مخاطر المشروع بشكل كمي، وبالتالي تقييم تأثيرها على مدة المشروع وأهداف التكلفة. تهدف هذه الطريقة إلى توفير عملية تقييم مخاطر أكثر تماسكًا ومعنى من خلال دمج البيانات النوعية في إطار كمي، مما يؤدي في النهاية إلى نتائج مختلفة في تحديد أولويات المخاطر مقارنة بالطرق التقليدية. توضح الورقة هيكلها، بما في ذلك مراجعة الأدبيات، ووصف المنهجية، وتطبيق دراسة الحالة، والملاحظات الختامية حول اتجاهات البحث المستقبلية.
طرق
تقدم المنهجية الموضحة في هذا القسم نهجًا منظمًا لتحديد أولويات مخاطر المشروع من خلال تقنيات كمية، كما هو موضح في الشكل 2. تبدأ العملية بـ “تحديد المخاطر”، حيث يتم استخدام أدوات مختلفة مثل العصف الذهني وتقنيات دلفي لتجميع قائمة بالمخاطر المحتملة ($R = \{R_1, R_2, \ldots, R_m\}$). بعد تحديد المخاطر، يتم تخصيص مرحلة “تقدير المخاطر” دوال توزيع الاحتمالات (PDFs) لكل من احتمال حدوث كل خطر والتأثير المحتمل له. يتضمن النموذج ثلاثة أنواع من عدم اليقين – عشوائي، احتمالي، ومعرفي – مع استبعاد عدم اليقين الوجودي بسبب عدم قابليته للتنبؤ. يتم نمذجة عدم اليقين العشوائي باستخدام PDFs، مثل توزيعات برنولي، بينما يتم معالجة عدم اليقين المعرفي من خلال توزيعات موحدة، مما يعكس نقص المعرفة الدقيقة حول نتائج المخاطر.
تتضمن المرحلة التالية “تحديد أولويات المخاطر الكمية”، باستخدام محاكاة مونت كارلو (MCS) لتحليل إجمالي مدة المشروع وتكاليفه تحت عدم اليقين العشوائي. تولد عملية MCS نتائج احتمالية، مما يسمح بتحديد المخاطر بناءً على تأثيرها على مقاييس المشروع. يتم محاكاة كل خطر محدد بشكل فردي لتقييم مساهماته المحددة في مدة المشروع وتكاليفه. ثم يتم تصنيف النتائج وفقًا لتأثيرها، مع توجيه النسبة المئوية المختارة من الثقة (مثل P80) لشهية المخاطر في المنظمة. يتم حساب تأثيرات كل خطر على المدة ($Imp_{D_i}$) والتكاليف ($Imp_{C_i}$) من خلال مقارنة إجمالي مقاييس المشروع مع وبدون المخاطر، مما ينتج في النهاية قوائم مرتبة تُعلم تخصيص الموارد واستراتيجيات إدارة المخاطر.
نتائج
في هذا القسم، يقدم المؤلفون نتائج منهجية تحديد أولويات المخاطر الخاصة بهم، مؤكدين على أهمية اختيار نسبة مئوية مناسبة لتحديد مدى تجنب المخاطر. يبررون اختيار النسبة المئوية 95 (P95) كقياس للقيمة المعرضة للخطر (VaR)، موضحين أنها توفر تمثيلًا أكثر دقة للتأثيرات المحتملة على التكاليف مقارنة بالنسب المئوية الأدنى، مثل P80. بالنسبة لـ P95، يُقدّر إجمالي تكلفة المشروع بـ \(3.12 \times 10^7\) وحدات نقدية، بينما يُنتج P80 تقديرًا أقل بكثير قدره \(3.03 \times 10^7\) وحدات نقدية. يتم استخدام تطبيق “MCSimulRisk” لتحليل مدة المشروع وتكاليفه تحت شهية المخاطر المختارة، كاشفًا عن مدة مشروع مخطط لها تبلغ 323.43 يومًا مع احتمال 95% من الانتهاء ضمن هذا الإطار الزمني.
تُفصّل النتائج بشكل أكبر في تحليل مقارن مقدم في الجدول 4، والذي يتضمن تحديد أولويات المخاطر بناءً على تأثيرات كل من المدة والتكلفة. من الجدير بالذكر أن الخطر R3 يُعتبر الأكثر أهمية لمدة المشروع، بينما يظهر الخطر R15 كالأكثر أهمية لتكاليف المشروع. يبرز التحليل أن المخاطر التي تؤثر على المدة تؤثر أيضًا على التكاليف، بينما تلك التي تؤثر فقط على التكاليف لا تؤثر على المدة. تؤكد هذه التفرقة على ضرورة فهم الاعتماد المتبادل بين المخاطر وتأثيراتها المختلفة على أهداف المشروع، مما يسمح لمديري المشاريع بتحديد الأولويات بشكل فعال بناءً على كل من التقييمات الكمية وأهمية الأنشطة المعنية.
نقاش
يؤكد قسم النقاش في الورقة على أهمية فهم عمليات إدارة المخاطر وقيود مصفوفات الاحتمال-التأثير التقليدية في إدارة المشاريع. يبدأ بمراجعة أدبية تسلط الضوء على تعريفات مختلفة لـ “المخاطر” من معايير مختلفة، متبنيًا في النهاية تعريف هيلسون (2014) للمخاطر على أنها “عدم اليقين الذي يهم”. تصنف هذه القسم عدم اليقين إلى أنواع عشوائية، معرفية، احتمالية، ووجودية، مع دمج الأنواع الثلاثة الأولى في نموذج المشروع لمحاكاة مونت كارلو. تنتقد الورقة مصفوفة المخاطر التقليدية، التي تُستخدم على نطاق واسع لتقييم المخاطر النوعية، مشيرة إلى عدم دقتها المحتملة في مقارنة المخاطر والتفسيرات الذاتية التي يمكن أن تؤدي إلى اتخاذ قرارات دون المستوى الأمثل.
يقترح المؤلفون طريقة كمية لتحديد أولويات المخاطر تستخدم محاكاة مونت كارلو لتوفير تقييم أكثر دقة لتأثيرات المخاطر على مدة المشروع وتكاليفه. تهدف هذه الطريقة إلى معالجة نواقص مصفوفات المخاطر التقليدية من خلال تقديم تحديد أولويات عددية للمخاطر، مما يسمح لمديري المشاريع بالتركيز على المخاطر الأكثر أهمية بناءً على أهداف مشاريعهم المحددة. توضح دراسة الحالة المقدمة تطبيق هذه المنهجية في مشروع هندسي واقعي، مما يظهر أن نتائج تحديد أولويات المخاطر يمكن أن تختلف بشكل كبير اعتمادًا على الطريقة المستخدمة. تشير النتائج إلى أن المخاطر التي تؤثر على مدة المشروع قد تؤثر أيضًا على التكاليف، مما يبرز الحاجة إلى نهج متميز لإدارة المخاطر. يخلص المؤلفون إلى أن منهجيتهم المقترحة لا تعزز فقط تحديد أولويات المخاطر ولكنها توفر أيضًا إطارًا للبحث المستقبلي والتطبيق العملي في سياقات المشاريع المختلفة.
DOI: https://doi.org/10.1057/s41599-024-03180-5
Publication Date: 2024-05-24
Author(s): Fernando Acebes et al.
Primary Topic: Construction Project Management and Performance
Overview
In this section, the authors address the challenges project managers face in prioritizing risks to enhance project profitability. They critique the traditional risk matrix, a common tool for assessing risks based on their likelihood and impact, highlighting its limitations and the potential for erroneous results. To overcome these issues, the paper proposes a novel methodology utilizing Monte Carlo Simulation (MCS) through the software MCSimulRisk, which quantitatively assesses the impact of identified risks on project duration and cost. This approach allows for a more nuanced understanding of risks, enabling project managers to differentiate their impacts on duration and cost objectives independently.
The findings indicate that risk prioritization can yield significantly different results depending on the methodology employed. The proposed MCS-based approach provides numerical insights into the importance of risks, facilitating focused decision-making based on the project’s dominant objective—whether it be total duration or total cost. The authors emphasize that while their methodology offers substantial advantages over traditional methods, it is not without limitations, such as reliance on accurate estimations and the assumption of independent risks. Future research directions include sensitivity studies and practical implementations across various sectors to validate the robustness of the proposed method.
Introduction
The introduction of the research paper outlines the complexities and inherent risks associated with project management, as defined by the European Commission (2023). Effective risk management is emphasized as crucial for achieving project objectives, particularly in light of unexpected developments that can disrupt plans and budgets (Naderpour et al. 2019; Standish Group, 2022). The paper highlights the importance of a structured risk management process, which includes risk identification, assessment, response planning, and monitoring, as outlined by various methodologies and standards (Axelos, 2023; Project Management Institute, 2017).
Despite the widespread use of risk matrices for prioritizing risks based on their likelihood and impact, the paper critiques their limitations, particularly their inability to account for the interrelations between risks and the precision of estimates (Goerlandt and Reniers, 2016). In response to these shortcomings, the authors propose a novel methodology utilizing Monte Carlo Simulation to quantitatively prioritize project risks, thereby assessing their impact on project duration and cost objectives. This approach aims to provide a more cohesive and meaningful risk assessment process by integrating qualitative data into a quantitative framework, ultimately leading to distinct risk prioritization outcomes compared to traditional methods. The paper outlines its structure, including a literature review, methodology description, case study application, and concluding remarks on future research directions.
Methods
The methodology outlined in this section presents a structured approach for prioritizing project risks through quantitative techniques, as illustrated in Figure 2. The process begins with “risk identification,” where various tools such as brainstorming and Delphi techniques are employed to compile a list of potential risks ($R = \{R_1, R_2, \ldots, R_m\}$). Following identification, the “risk estimation” phase assigns probability distribution functions (PDFs) to both the likelihood of occurrence and the potential impact of each risk. The model incorporates three types of uncertainty—aleatoric, stochastic, and epistemic—while excluding ontological uncertainty due to its inherent unpredictability. Aleatoric uncertainty is modeled using PDFs, such as Bernoulli distributions, while epistemic uncertainty is addressed through uniform distributions, reflecting a lack of precise knowledge about risk outcomes.
The subsequent phase involves “quantitative risk prioritization,” utilizing Monte Carlo Simulation (MCS) to analyze the project’s total duration and cost under aleatoric uncertainty. The MCS process generates probabilistic results, allowing for the identification of risks based on their impact on project metrics. Each identified risk is simulated individually to assess its specific contributions to project duration and costs. The results are then ranked according to their impact, with a chosen confidence percentile (e.g., P80) guiding the risk appetite of the organization. The impacts of each risk on duration ($Imp_{D_i}$) and costs ($Imp_{C_i}$) are calculated by comparing the total project metrics with and without the risks, ultimately producing ranked lists that inform resource allocation and risk management strategies.
Results
In this section, the authors present the results of their risk prioritization methodology, emphasizing the importance of selecting an appropriate percentile to quantify risk aversion. They justify the choice of the 95th percentile (P95) as a value-at-risk (VaR) measure, demonstrating that it provides a more accurate representation of potential cost impacts compared to lower percentiles, such as P80. For P95, the total project cost is estimated at \(3.12 \times 10^7\) monetary units, while P80 yields a significantly lower estimate of \(3.03 \times 10^7\) monetary units. The “MCSimulRisk” application is utilized to analyze project duration and cost under the chosen risk appetite, revealing a planned project duration of 323.43 days with a 95% probability of completion within this timeframe.
The results are further detailed in a comparative analysis presented in Table 4, which includes risk prioritization based on both duration and cost impacts. Notably, risk R3 is identified as the most critical for project duration, while risk R15 emerges as the most significant for project costs. The analysis highlights that risks impacting duration also affect costs, whereas those affecting only costs do not influence duration. This distinction underscores the necessity of understanding the interdependencies between risks and their respective impacts on project objectives, thereby allowing project managers to prioritize effectively based on both quantitative assessments and the criticality of activities involved.
Discussion
The discussion section of the paper emphasizes the importance of understanding risk management processes and the limitations of traditional probability-impact matrices in project management. It begins with a literature review that highlights varying definitions of “risk” from different standards, ultimately adopting Hillson’s (2014) definition of risk as “uncertainty that matters.” The section categorizes uncertainties into aleatoric, epistemic, stochastic, and ontological types, with the first three being incorporated into the project model for Monte Carlo simulation. The paper critiques the conventional risk matrix, which is widely used for qualitative risk assessment, noting its potential inaccuracies in risk comparison and subjective interpretations that can lead to suboptimal decision-making.
The authors propose a quantitative method for risk prioritization that utilizes Monte Carlo simulation to provide a more precise assessment of risks’ impacts on project duration and cost. This method aims to address the shortcomings of traditional risk matrices by offering numerical prioritization of risks, allowing project managers to focus on the most critical risks based on their specific project objectives. The case study presented illustrates the application of this methodology in a real-world engineering project, demonstrating that risk prioritization results can vary significantly depending on the method used. The findings suggest that risks affecting project duration may also influence costs, underscoring the need for a differentiated approach to risk management. The authors conclude that their proposed methodology not only enhances risk prioritization but also provides a framework for future research and practical application in various project contexts.