Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1. Introduccin
La identificacin, prioritizing y el trato de riesgos representan actividades de la
direccin comunes. Mucho tiempo, los riesgos de riesgo, as como financiero se han
activamente manejado. Pero, la variedad, el nmero y las interacciones entre riesgos aumentan
continuamente. Los riesgos operacionales y estratgicos han aumentado debido al fracaso de
los mecanismos de control en un ambiente comercial muy dinmico. En estas circunstancias,
las organizaciones admiten la importancia de manejar todos riesgos, tanto el estndar como los
nuevos riesgos.
Organizaciones diferentes, como: tasando agencias, las bolsas, los inversores
institucionales, los accionistas y el gobierno corporativo indujeron una presin externa en la
direccin de la compaa para manejar riesgos sistemticamente y exhaustivamente. Una
solucin es adoptar el enfoque de la carpeta, la direccin de la compaa que considera el
riesgo de la carpeta
17
como el riesgo para la organizacin entera. Los riesgos se manejan considerando las
implicaciones para la compaa entera, en un enfoque holstico.
Hay una tendencia creciente de cuantificar riesgos. El requisito del riesgo permite que
gerentes se desarrollen "y si" los guiones y hagan decisiones racionales. Los avances en
tecnologa y maestra han hecho el requisito posible. A pesar de verdaderos avances, all
siempre permanecer riesgos que no son fcilmente cuantificables, como los relacionados con
la intervencin humana y ms nuevo. Hay un esfuerzo persistente de cuantificar los riesgos de
la carpeta, basados en los riesgos individuales y el requisito de interacciones. Esto puede ser
muy difcil si se requiere un alto grado de precisin. Pero, esto no es por lo general el caso.
Con el tiempo y con la prctica, las compaas se hacen ms familiares con y ms
capaz de manejar riesgos, y hasta buscar oportunidades de asumir riesgos. Las compaas
entendieron que la toma de riesgos informada es un medio para la ventaja competitiva.
18
requiera que un gran nmero de "juicios" se acerque una respuesta. Son relativamente
robustos y flexibles, pueden acomodar relaciones complejas y depender menos de la
simplificacin de asunciones y distribuciones de probabilidad estandarizadas. Al considerar la
manera en la cual las relaciones entre variables se representan, hay mtodos estadsticos y
estructurales. Los mtodos estadsticos estn basados en calidades estadsticas observadas
de variables arbitrarias sin hacer caso de relaciones de la causa/efecto mientras los mtodos
estructurales estn basados en relaciones de la causa/efecto explcitas. La figura 1 presenta la
utilizacin desarrollada de los modelos del riesgo ms importante de esto mtodos, con sus
ventajas.
Tcnica de clculo
Analtico
(frmula en forma de cerrada
soluciones)
Representacin
del
relaciones
Estadstico
(basado en observado estadstico
calidades sin hacer caso de
causa/efecto)
Simulacin
(las soluciones se derivaron de
repetido "dibuja" del
distribucin)
Modelos estadsticos y
analticos
(la velocidad, rplica fcil, usa
de datos disponibles)
Ejemplo: RBC
Modelos de simulacin
estructurales
Estructural
(basado en causa/efecto
especificada
encadenamientos; las calidades
estadsticas son
salidas, no entradas)
(flexibilidad; complejo
relaciones, incorporacin de
procesos de decisin, guin
examen de conductores)
Ejemplo: DFA
Anlisis de
datos
Emprico
evaluacin de
datos histricos
Parmetros
adecuados
de
Estocstico
Diferencial
Ecuaciones
(SDEs)
De los
nervio
s
redes
Sistema
Dinmica
simulacin
terico
distribucin
Extremo
Valor
Teora
Entrada
experta
Modelado
Influencia
diagramas
Bayesian
Creencia
Redes
Regresin
variables
esto afectar
Evaluacin directa
Preferenci
a
entre
apuesta
s
o
loteras
Rizado
Delphi
lgica
mtodo
riesgo
19
Aunque haya numerosas tcnicas para el modelado del riesgo, cada vez ms los
expertos tienen miedo de usarlos para hacer valoraciones del riesgo precisas. Las
representaciones rizadas son una solucin de obtener evaluaciones de riesgos realistas en la
direccin de proyectos [3], dentro de ciertos lmites. Abordation rizado para el modelado del
riesgo se puede mejorar considerando riesgos causales y cognoscitivos que trazan un mapa
[1], que son diagramas que reflejan relaciones del efecto de la causa dentro de proyectos.
20
con
experiencia,
implicaciones
multidisciplinarias,
carencia
de
RSK01
Produccin &
Tecnologa
Financiero
RSK02
21
Universo de
Discurso
P (Rsk)
[0,100] %
Yo (Rsk)
[0, 50]
Grados lingsticos
VL (muy bajo), L (bajo), M (de medio), H (alto), VH
(muy
alto)
VL (muy bajo), L (ow), M (de medio), H (alto), VH (muy
alto)
22
Universo de
Discurso
[0, 10]
Grados lingsticos
VL (muy bajo), L (ow), M (de medio), H (alto),
VH (muy alto)
"algo" =
"muy" = 2
donde es la funcin que muestra si un valor numrico pertenece a un conjunto difuso y tiene
valores entre 0 y 1 (un mayor valor muestra un ingreso ms fuerte).
La tabla 4. Reglas de la inferencia para Riesgo de Anlisis "Rsk" en Proyectos de investigacin
P (Rsk) /
Yo (Rsk)
VL
VL
VL
algo VL
algo M
VH
VH
muy H
VH
VH
VH
VH
VH
VH
muy H
muy VH
23
Variable
Escribir a
mquina
entrada
entrada
salida
Universo de discurso
Grados lingsticos
VL, L, M, H, VH
VL, L, M, H, VH
[0,100]%
VL, L, M, H, VH
MUY BAJO
BAJO
algo
algo
MEDIO
ALTO
MUY ALTO
BAJO
MEDIO
ALTO
MUY ALTO
M
H
VH
VH
VH
M
H
H
VH
VH
L
L
M
H
VH
VL
VL
L
M
M
muy VL
VL
L
M
M
24
25
trustLevel x (A) = b. y + m (x b. x)
(F1)
de donde a y b son dos puntos sucesivos un conjunto difuso, el m es la cuesta de la lnea
determinada por estos dos puntos, A representa un conjunto difuso y x representa un valor de
la entrada;
Para LowQAIdea:
(H) = 0.6
trustLevel 2.7 (VH) = 0.13
2.7
26
La fig. (i)
de center areafig (i)
P (Rsk)
DIENTE =
yo
(F2)
areafig (i)
yo
centerfig (i)
el rea de una cifra.
P (Rsk)
= 13.33*1.25 + 20*5 + 28.05*2.05 + 38.33*5.53 + 47.8*0.54
DIENTE
P (Rsk)
= 16.67 + 100 + 57.7 + 212 + 25.81
DIENTE
14.37
locMaxix
locMaxiy
yo
P (Rsk) MAM =
locMaxiy
(F3)
yo
es el valor del
donde locMaxy es el valor de Oy de un mximo local (ver Fig. 10), locMaxx Buey
yo
yo
27
P (Rsk) MAM = el
P (Rsk) MAM = 0.5*15 +0.5*25 20%
0.5 +0.5
Los dos mtodos defuzzification revelaron resultados similares (el 28,68% y el 20%):
el modelo aplicado se valida. La funcin de ingreso de la variable de la salida se analiza (ver
Fig. 8) y la conclusin consiste en que la Carencia del riesgo de resultados de calidad tiene
una probabilidad baja de occurance para un proyecto de investigacin de pruebas electrnicas.
5.3. Software para Evaluacin del Riesgo basada en Modelo Rizado
El modelo rizado para analizar el riesgo total en el proyecto de investigacin de
pruebas electrnicas era usado para desarrollar un sistema rizado. Windows aplicacin basada
se cre. El interfaz es intuitivo (ver Fig. 11): el usuario final tiene que insertar el valor del riesgo
"de sobrepresupuesto" y de la calidad introducida baja de la idea riesgo y obtendr la
probabilidad del acontecimiento del riesgo total en el proyecto de investigacin de pruebas
electrnicas.
La figura 11. Producto de software para Modelo de Evaluacin del Riesgo en Proyecto de
investigacin de pruebas electrnicas
El algoritmo usado para crear el software refleja completamente los pasos descritos
en el peridico corriente. Tres clases especficas son usadas para poner en prctica el
algoritmo (ver Fig. 12):
FuzzySystem: contiene las reglas de la inferencia;
FuzzySet: contiene mtodos defuzzification, unin, interseccin, restrictor
funciones;
FuzzyPoint: elementos de conjuntos difusos;
La clase de FuzzySystem se tiene que cambiar, a fin de crear otros sistemas rizados.
28
La figura 12. Diagrama de la clase para Sistema de Evaluacin del Riesgo Rizado
6. Conclusiones
El modelo propuesto ofrece un instrumento fcil de usar para la evaluacin del riesgo
en proyectos de investigacin. El modelo est en la inferencia rizada. La base de conocimiento
usada por reglas rizadas se basa en mapas causales y cognoscitivos de riesgos. Aunque los
proyectos de investigacin se conozcan por su alto nivel del riesgo, muy pocos sistemas del
riesgo dedicados se desarrollaron sobre todo para ellos. Por lo tanto, el modelo rizado para la
evaluacin del riesgo en proyectos de investigacin es un instrumento innovador que puede ser
usado para pronosticar el fracaso de proyecto: los accionistas pueden ahorrar el dinero, tiempo,
esfuerzo, sin dejar la calidad de predicciones. El modelo era usado para desarrollar un sistema
del software para evaluar el riesgo en un proyecto de investigacin de pruebas electrnicas,
por tanto su aplicabilidad se valid. El sistema se puede desarrollar adelante para evaluar
todos riesgos del mapa, no slo el que del nivel superior, como hace ahora.
Referencias
1.
2.
3.
4.
5.
29
6.
7.
8.
9.