国立交通大学第六届思源研发竞赛.ppt

Overview 有人說 每一營建專案皆不同 營造過程中總有特別的問題 未來無法預測 營造是一高風險的行業 以細節來看專案 每一專案使用的施工班底、機具種類不盡相同 以系統來看專案 每一專案皆有控制時程、現金流量的問題 每一橋梁工程皆有下部基礎結構與上部橋面結構 Overview 專案風險 以細節來看 以系統來看 面對風險所採取的行動（專案投資、公司的擴充、訴訟、談判）應尋求風險承受的平衡點 避開所有風險（企業死亡） 接受所有風險（暴起暴落） 問題不是“是否要承擔風險”，而是“如何才是承擔合理的風險” Our objective is not to avoid risk but to recognize it, price it and sell it. (Tony Ryan, chairman of Guiness Peat Aviation Ltd, quoted in the Observer, 14 June 1992, p.49) Risk v.s. Uncertainty 共同點 描述實際的事件的結果與估計或預測值的可能差異程度 相異點 Risk較可以量化 台北某工地降雨量超過5cm機率（有良好組織之資料） Uncertainty較難量化 台北捷運搭客量（無良好組織之資料，仰賴professional opinions, degrees of belief） 起源於保險業，1940s， USA Risk Risk = Probability of event × Magnitude of loss/gain upside risk v.s. downside risk Risk v.s. Uncertainty 參見投影片 預測心理行為 通則（rules of thumb） 通常資料蒐集與風險分析所花時間最多，而決策有時於幾秒鐘間便決定。這些決定往往是根據一些通則而決定的。 例：80/20 rule 80%的結果受20%的風險因素影響。 通則通常並不精確 代表很多的變素對於目標結果影響並不大。 通則是來自於經驗，人們作決策亦受其個人的經驗而產生偏差。 個人偏差（personal biases） Measures of estimating accuracy bias (mean error) consistency (the range of errors from the mean) 3 rules of thumbs representativeness availability anchoring and adjustment 案例一 根據一甲包商的歷史記錄，有25%的工程可如期完工。你查閱其最近三個工程，發現三個工程全都如期完工。試問若甲包商新承攬一工程，其能如期完工的機率為何？ A. 50% B. 25% C. 75% 案例一分析 一般人 會選A或C，因其假設承攬廠商的工作或管理能力已經改進了。 心理學家 一般人會選A或C是犯了base rate fallacy，因三個案例不足以改變基礎統計率。 心理學家的假設 形成基礎統計率的資料比數遠比三次來的多。 其它條件皆未改變 案例一分析 在現實生活中，心理學家假設的挑戰 承攬廠商不會刻意改進其進度管理的能力 承攬廠商的專案經理並無更換或被責難要求改進 承攬廠商之獎勵制度並無改變 若這些屬實，我們不經懷疑這樣的公司如何在過去能承攬達到基礎機率的工程案件數目。 如何防止基礎機率謬誤？ 在作預估時先確定現有條件是否有與產生基礎機率時之條件有顯著差異？ 注意base rate與diagnostic information資料來源強弱的差異 案例二 假設台灣50%的出生小孩是男孩。某一市鎮只有兩家婦產科？院。在大？院裡平均每日有45個小孩出生，在小？院裡則平均有15個小孩出生。今在一年中，這兩家？院每日記錄當日出生小孩超過60%為男孩的天數。試問哪一家？院較有可能記錄較多之天數？ A. 大？院 B. 小？院 C. 兩家可能性差不多 案例二分析 大部份人選擇A或C，因其忽略了大數法則 大數法則（Law of large numbers） 當樣本數逐漸增大時，樣本平均數將會逐漸？近於母體平均數 平均數的靠近 標準差的縮小 由於母體平均數為50%，小？院（sample size = 15）較有可能產生高度離異值，而有較多記錄天數。 案例三 Availability 你是某家營造廠商的估價工程師，你被要求估算一預備以發小包方式發包之樁基礎工程成本，此估算是用來與各小包所呈之報價作比較之用。你手中有一份公司最近某一基樁工程向業主請款之相關資料如下（由於公司的訂價策略，這些價格不見得代表各項目的實際成本）： 3000 psi混凝土灌漿1,000/M3 高強度鋼筋與組