УНИВЕРЗИТЕТ У БЕОГРАДУ МАШИНСКИ ФАКУЛТЕТ Иван М. Ракоњац КВАНТИФИКАЦИЈА РИЗИКА НА ПРОЈЕКТИМА ОСВАЈАЊА ИНДУСТРИЈСКОГ ПРОИЗВОДА докторска дисертација Београд, 2013. UNIVERSITY OF BELGRADE FACULTY OF MECHANICAL ENGINEERING Ivan M. Rakonjac RISK QUANTIFICATION IN INDUSTRIAL PRODUCT DEVELOPMENT PROJECTS Doctoral Dissertation Belgrade, 2013. Комисија за преглед и одбрану: Ментор: Ван. проф. др Весна Спасојевић-Бркић Машински факултету Београду Чланови комисије: Проф. др Драган Д. Милановић Машински факултету Београду Проф. др Александар Седмак Машински факултету Београду Ван. проф. др Мирјана Мисита Машински факултету Београду Проф. др Љубомир Лукић, Факултет за машинство и грађевинарство Краљево, Универзитет у Крагујевцу Датум одбране: I Квантификација ризика на пројектима освајања индустријског производа Резиме Предмет докторске дисертације је поставка оригиналног модела за квантификацију ризика на пројектима освајања индустријских производа, која је уследила након систематизације постојећих знања из области управљања пројектним ризицима уз адаптацију истих на концепт развоја индустријског производа, кроз праћење пројектних резултата - техничких карактеристика, времена (плана) и трошкова, а са новоуспостављеном методологијом квантификације ризика. Развој модела као свој ултимативни циљ има потребу да унапреди процесе освајања производа у домаћим индустријским предузећима. У циљу верификације постављеног модела спроведено је експериментално истраживање на узорку 52 пројекта освајања индустријског производа истог типа. Експериментално су одређене величине неопходне за изведени математички модел, статистички обрађене применом методе главних компонената, а затим је изведена Монте Карло симулација добијених резултата и анализа осетљивости у циљу провере модела. У моделу је процена ризика представљена из перспективе пројектног тима, тако да су одабране технике за процену фактора ризика прилагођене компетенцијама пројектног тима и представљају надоградњу редовним пројектним активностима. На овај начин осигурана је ефикасност управљања пројектним ризицима употребом доступних ресурса, без угрожавања осталих пројектних активности. Примена модела омогућава системски приступ квантитативној анализи пројектних ризика у предузећима, која као свој пословни подухват реализују освајање индустријског производа. Резултати истраживања, као и њихова генерализација, потврђена доказом основних истраживачких хипотеза, које се односе на укупан износ ризика према сваком од пројектних резултата у виду плана, буџета и техничких карактеристика пројекта, пружају јасан увид у ризике присутне приликом процеса освајања II индустријског производа у малом и средњем предузећу као и њиховом утицају на дефинисане пројектне циљеве. Тестирањем основних истраживачких хипотеза потврђени су следећи резултати:  Вредности износа ризика припадају приближно нормално расподељеној популацији: o Приближно 68% вредности износа ризика налази се у интервалу од једне стандардне девијације са обе стране математичког очекивања. o Приближно 95% вредности износа ризика налази се у интервалу од две стандардне девијације са обе стране математичког очекивања. o Приближно 99, 7% вредности износа ризика налази се у интервалу од три стандардне девијације са обе стране математичког очекивања.  Променљиве величине које одређују вероватноћу појаве грешке не пружају исти допринос варијанси расподеле износа ризика као и променљиве величине које одређују тежину грешке. Ови резултати могу бити од велике користи приликом доношења одлука, како током самог пројекта у циљу проактивног реаговања на ризике, тако и одлуке о покретању или одустајању од пројекта освајања одређеног производа. Кључне речи: квантификација, ризик, освајање, индустријски производ Научна област: Машинство Ужа научна област: Индустријско инжењерство УДК: 658.524:658.8.012.1(043.3) III Risk Quantification in Industrial Product Development Projects Abstract The doctoral dissertation aims to propose an original model for risk quantification in industrial product development projects. The model is built through the systematization of the existing body of knowledge in the field of project risk management and its application to the concept of industrial product development along with monitoring project results – technical performances, schedule and costs – using the newly-established methodology of risk quantification. The primary motivation behind the development of this model is to contribute to the process of product development in domestic industrial enterprises. In order to verify the proposed model, the author has conducted experimental research on the sample of fifty-two projects of development of industrial product of the same kind. The sizes required for the derived mathematical model were experimentally determined and statistically processed by means of principal component analysis. Afterwards, Monte Carlo Simulation of the obtained results, as well as the sensitivity analysis, was conducted in order to verify the model. In the model, the risk assessment is presented from the perspective of the project team and is the upgrade of the standard project activities. Thus, the efficiency of managing project risks is secured by using the available resources without jeopardizing the remaining project activities. The implementation of this model enables a systematic approach to the quantitative analysis of project risks in enterprises whose business endeavor is industrial product development. The results of the research, as well as their generalization verified by proving the main research hypotheses, pertain to the total risk related to each of the project results, i.e. plan, budget and technical performances of the project. They, accordingly, provide a clear insight into the risks present in the process of industrial product development in small and medium-sized enterprises, as well as into their impact on the defined project goals. IV By testing the main research hypotheses, the following conclusions were reached:  The values of total risk are approximately normally distributed: o Approximately, 68% of total risk is distributed within the interval of one standard deviation away from its mathematical expectation. o Approximately, 95% of total risk is distributed within the interval of two standard deviations away from its mathematical expectation. o Approximately, 99.7% of total risk is distributed in the interval of three standard deviations away from its mathematical expectation.  Variable sizes which determine the probability of error, as well as the variable sizes which determine the error weight, do not contribute to the same extent to the variance of the distribution of total risk. These results can be very useful in the process of decision making, both during the project in order to proactively respond to risk, and when it comes to deciding on whether to initiate or to abandon the project of industrial product development. Key Words: Quantification, Risk, Development, Industrial product Scientific discipline: Mechanical Engineering Scientific subdiscipline: Industrial Engineering UDC: 658.524:658.8.012.1(043.3) V Садржај 1 Уводне напомене ............................................................................................... 1 1.1 Управљање пројектним ризицима................................................................ 1 1.2 Анализа и квантификација пројектних ризика ............................................ 5 1.3 Управљање ризицима на пројектима освајања индустријског производа – преглед досадашњих истраживања....................................................................... 13 1.4 Закључак...................................................................................................... 22 2 Предмет и научни циљ дисертације ................................................................ 25 2.1 Предмет истраживања ................................................................................ 25 2.2 Научни циљ дисертације ............................................................................ 27 2.3 Опсег и методологија истраживања ........................................................... 27 2.4 Структура истраживања ............................................................................. 30 2.5 Очекивани резултати истраживања ........................................................... 31 3 Математички модел за квантификацију ризика на пројектима освајања индустријског производа .......................................................................................... 32 3.1 Полазне основе математичког модела за квантификацију ризика на пројектима освајања индустријског производа .................................................... 32 3.2 Концепт математичког модела за квантификацију ризика на пројектима освајања индустријског производа ....................................................................... 34 3.3 Развој математичког модела за квантификацију ризика на пројектима освајања индустријског производа ....................................................................... 37 3.4 Оквир математичког модела за квантификацију ризика на пројектима освајања индустријског производа ....................................................................... 40 3.5 Закључак...................................................................................................... 43 4 Експериментално истраживање и статистичка анализа улазних података математичког модела за квантификацију ризика на пројектима освајања индустријског производа .......................................................................................... 47 4.1 Модел експерименталног истраживања .................................................... 47 4.1.1 Карактеристике и величина узорка ........................................................ 48 4.1.2 Експериментално одређивање променљивих величина ........................ 49 4.2 Статистичка анализа променљивих величина ........................................... 58 4.2.1 Факторска анализа истраживаних променљивих ................................... 59 4.2.2 Формирање и интерпретација нових променљивих величина .............. 69 4.2.3 Критеријум за успостављање скупова нових променљивих величина . 73 VI 4.2.4 Статистичка анализа променљивих величина ....................................... 74 4.2.4.1 Статистичка анализа променљивих величина које утичу на техничке карактеристике производа ............................................................... 75 4.2.4.2 Статистичка анализа променљивих величина које утичу на пројектни план ................................................................................................. 83 4.2.4.3 Статистичка анализа променљивих величина које утичу на пројектни буџет ................................................................................................ 96 4.3 Поставка хипотеза..................................................................................... 104 4.4 Закључак.................................................................................................... 108 5 Методологија провере модела за квантификацију пројектних ризика ........ 110 5.1 Монте Карло симулација .......................................................................... 110 5.1.1 Монте Карло симулација и анализа осетљивости износа ризика техничких карактеристика ................................................................................ 116 5.1.2 Монте Карло симулација и анализа осетљивости износа ризика пројектног плана ................................................................................................ 127 5.1.3 Монте Карло симулација и анализа осетљивости износа ризика пројектног буџета .............................................................................................. 138 5.2 Закључак.................................................................................................... 149 6 Закључци докторске дисертације .................................................................. 155 6.1 Закључна разматрања ............................................................................... 155 6.2 Ограничења истраживања и дискусија .................................................... 157 6.3 Практична корист истраживања ............................................................... 159 6.4 Правци даљег истраживања ..................................................................... 161 7 Литература ..................................................................................................... 162 8 Прилози .......................................................................................................... 171 Прилог А Регистар ризика.......................................................................172 Прилог Б Преглед откривених ризика по фазама..................................185 Прилог В Тежински коефицијенти.........................................................198 Прилог Г Истраживане величине које одређују тежину грешке.........205 Прилог Д Нове променљиве величине....................................................208 Прилог Ђ Извештај о статистичкој анализи променљивих..................217 1 1 Уводне напомене У првом поглављу представљена су претходна истраживања у вези са ризицима на пројектима освајања индустријског производа. Поред прегледа референте литературе из ове области, приказане су и особености процеса управљања ризицима у малим и средњим предузећима. Посебан осврт дат је на процес квантификације пројектних ризика у процесу освајања индустријског производа. 1.1 Управљање пројектним ризицима У данашње време растуће конкуренције и глобализације, успех пројеката постао је одлучујући фактор пословања предузећа у већој мери него што је то био раније. И поред тога, многи пројекти трпе због одлагања, промена у обиму, грешака, а неки чак и буду отказани (Shenar 2002). Уопштено, многи од ових проблема могу бити изазвани неефикасним управљањем пројектним ризицима, а што представља важан фактор за успешно управљање самим пословним подухватом (Carbone и Tippett). Литература из управљања ризицима предлаже различите концепте који у суштини садрже веома сличне процесе који се одвијају у фазама и саставни су део целовитог процеса управљања ризицима на пројекту (табела 1.1). Један од најприхваћенијих концепата је онај који предлаже PMI (Project Management Institute) у свом приручнику „Project Management Body of Knowledge“. Управљање ризицима на пројекту овај концепт представља кроз шест процеса (PMI 2008):  План управљања ризицима  Идентификација ризика  Квалитативна анализа ризика  Квантитативна анализа ризика  Планирање реаговања на ризике  Праћење и контрола ризика 2 Иако се ова процедура односи на специјализовану област управљања ризицима на пројекту, она се може користити и у одређеним општим случајевима, са одређеним адаптацијама (Петровић и др. 2010). За управљање ризицима у организацијама IPMA (2006) предвиђа методологију која садржи четири потпроцеса:  Идентификација ризика  Анализа и процена ризика  Планирање избегавања ризика и реакција на ризик  Контрола примене реакција на ризик Веома је важно да се стратегија управљања ризиком успостави на самом почетку пројекта, те да се ризик непрестано прати током читавог животног циклуса пројекта. Управљање ризиком садржи неколико повезаних активности: планирање ризика, процена ризика (идентификација и анализа), руковање ризицима и праћење ризика (Kerzner 2009). Табела 1.1. представља преглед процеса управљања пројектним ризицима на бази истраживања релевантне литературе коју су спровели ALHawari и др. (2008). Табела 1.1. Преглед процеса управљања пројектним ризицима у делу доступне литературе1 Фаза процеса 1 Фаза процеса 2 Фаза процеса 3 Фаза процеса 4 Фаза процеса 5 Фаза процеса 6 Фаза процеса 7 Референце 1. План управљања ризицима Идентифи- кација ризика Квалитатив на анализа ризика Квантитати вна анализа ризика Планирање реаговања на ризике Праћење и контрола ризик PMI (2008) 2. Идентифик ација ризика Анализа и процена ризика Планирање избегавања ризика и реакција на ризик Контрола примене реакција на ризик IPMA (2006) 3. Планирање ризика Процена ризика (идентифик ација и анализа), Руковање ризицима Праћење ризика Kerzner (2009) 1 Преглед базиран на истраживању које су спровели ALHawari и др. (2008), али допуњен. 3 Фаза процеса 1 Фаза процеса 2 Фаза процеса 3 Фаза процеса 4 Фаза процеса 5 Фаза процеса 6 Фаза процеса 7 Референце 4. Идентифик ација ризика Процена ризика Контрола ризика Beck и др. (2002) 5. Идентифик ација ризика Анализа ризика Планирање ризика Надгледање ризика Контрола ризика Comford (1998) 6. Приказ дефинисан их циљева Идентифик ација и праћење Анализа ризика План контроле ризика Контрола ризика Kontio (1996) 7. Дефинисањ е мандата управљања ризиком Приказ циљева Идентифик ација ризика Анализа ризика Планирање контроле ризика Контрола ризика Надгледање ризика Boehm и Bose (1994) 8. Идентифик ација ризика Анализа ризика Одређивањ е приоритета ризика Jurison (1999) 9. Идентифик ација ризика Анализа ризика Одређивањ е приоритета и мапирање ризика Решавање ризика Надгледање ризика Smith и Merritt (2002) 10. Идентифик ација ризика Анализа ризика Планирање ризика Надгледање ризика Sommerville (2001) 11. Идентифик ација ризика Анализа ризика Надгледање ризика Bandyopadh yay и др. (2001) 12. Преглед дефиниције циљева Идентифик ација ризика Анализа ризика Планирање ризика Праћење ризика Контрола ризика Bruckner и др. (2001) 13. Идентифик ација ризика Анализа ризика План ризика Праћење ризика Контрола ризика Комуникац ија ризика Higuera и Haimes (1996) 14. Идентифик овање и документов ање ризика Анализа и утврђивање приоритета ризика Планирање ризика Праћење планова ризика и примена контроле Преиспитив ање и ревизија ризика Heldman (2005) PMI (2008) дефинише пројектни ризик као „неизвестан догађај или услов који, уколико се догоди, има позитиван или негативан ефекат на циљеве пројекта“. Ward (2010) каже да је ризик “кумулативни ефекат вероватноће неизвесног догађаја који може позитивно или негативно да утиче на циљеве пројекта”. Из ових дефиниција закључује се да је пројектни ризик описан 4 феноменима који означавају појаву или могућност појаве ризичног догађаја и утицај, односно, ефекат или последицу таквог догађаја. Иако је литература за управљање ризиком обимна, дефиниције и значења неколико сличних термина у том пољу су неконзистентна (Carbone и Tippett 2004). Аутори су користили неколико различитих термина како би описали појам вероватноће појављивања ризика као што су „вероватноћа“, „могућност“, „вероватноћа појављивања“ и „учесталост појављивања“. Други појам који се типично повезује са ризичним догађајем јесте „утицај“, „јачина“, „последица“, или „износ у питању“. Како наводе Carbone и Tippett (2004) поједини аутори и сами упоредно користе ове појмове што ствара додатну конфузију. Нпр. Browning и др. (2002) упоредо користе појам вероватноће и неизвесности, као и последице и удара. Такође, значење комбиноване вероватноће и вредности утицаја варира. У зависности од ауторових преференција за називање ова два атрибута ризика, комбинација истих названа је очекивана вредност (Lukas 2002, Pritchard 2001), резултат ризика (Carbone и Tippett 2004, PMI 2008), јачина ризика (Graves 2000), P-I резултат (Hillson 2000), изложеност ризику (Githens 2002), или статус ризичног догађаја (Wideman, 1992). Суштински, ризик се углавном повезује са два битна елемента, вероватноћом настајања ризичног догађаја и последицама, који се обично називају факторима ризика. Kerzner (2009) дефинише ризик као функцију вероватноће настајања ризичног догађаја и утицаја таквог догађаја: Ризик = f (вероватноћа, утицај) (1.1) Очигледно је да постоји много начина да се представи ефекат пројектног ризика. Метод који једна организација изабере може да зависи од ситуације и/или специфичности пројеката. Ипак, ради конзистентности и комуникације, терминологија која се користи треба да буде усаглашена, а методологија стандардизована. 5 1.2 Анализа и квантификација пројектних ризика Анализа ризика је систематичан процес процене нивоа ризика за идентификоване и одобрене ризике (PMI 2008, Kerzner 2009). Ово подразумева процену вероватноће појава и последица тих појава, те претварања резултата у одговарајући ниво ризика. Анализа ризика може бити квалитативна и квантитативна. Приступ који се користи зависи од доступних података и захтева самога пројекта. Најчешћи облик квалитативног приступа је употреба скала вероватноће настанка и последице ризика заједно са матрицом мапирања ризика како би се вредности представиле као нивои ризика. Квантитативна анализа, као тврди Hillson (2003) настоји да квантификује комбиновани утицај ризика на пројектне циљеве, помоћу алата као што су анализа осетљивости, стабло одлучивања и Монте Карло анализа. Поред наведених, у референтној литератури појављују се различити квантитативни приступи и прикази: матрични, графички (графови и дијаграми), као и математичке функције. Метод реалних опција и метод очекиване новчане вредности превасходно се користе у анализи финансијских ризика, али њихова примена није ограничена на ову област и могу дати допринос и квантификацији пројектних ризика (Kumar 2002, Kezner 2009). За ове методе од суштинског значаја је примена математичког модела, као и код квантитативног приступа метода сценарија, као и симулације, где се на основу постављеног математичког модела испитује рад реалног система сходно могућим исходим, те врши анализа његовог понашања у реалном времену. Квантитативни приступи подразумевају формирање модела за цео пројекат или кључни елементе истог, одражавајући идентификовану неизвесност у моделу, а анализирајући комбиновани ефекат на циљеве пројекта коришћењем статистичких симулација. Циљ је да се утврди укупан ниво изложености ризику у вези са пројектом, излажући подручја од посебног ризика, како би се развили одговарајући одговори на ризике. 6 Од кључног значаја је употреба одобрене, структуриране, поновљиве методологије у односу на субјективан приступ који може донети неизвесне или нетачне резултате (PMI 2008, Kerzner 2009). Неки од наведених квантитативних приступа биће изложени у овом поглављу, док ће математичко моделирање бити представљено у Поглављу 3, расподела вероватноћа у Поглављу 4, а Монте Карло симулација и анализа осетљивости у поглављу 5. Матрични приступ квантификације пројектних ризика суштински представља резултат или исход ризичног догађаја у пресеку вредности вероватноће појаве и утицаја одн. последице тог ризичног догађаја. Royer (2000) идентификује „укрштену матрицу“ за факторе вероватноће појаве ризика и јачине (односно утицаја или последице) ризичног догађаја. Datta i Mukherjee (2001) развили су матрицу од девет сегмената за хитну анализу пројектног ризика засновану на пондерисаној вероватноћи. Pyra i Trask (2002) описују квантитативно приоритетно рангирање засновано на табели вероватноће и утицаја. Слика 1.1 приказује уопштени пример квантитативне матрице ризика. Ниво ризика Вероватноћа настанка ризичног догађаја 0,2 0,4 0,6 0,8 1 Утицај (последица) ризичног догађаја 0,2 0,04 0,08 0,12 0,16 0,2 0,4 0,08 0,16 0,24 0,32 0,4 0,6 0,12 0,24 0,36 0,48 0,6 0,8 0,16 0,32 0,48 0,64 0,8 1 0,2 0,4 0,6 0,8 1 Слика 1.1. Матрица ризика Други модели, као што је примећено код Kerznera (2009, стр. 812), користе математичку функцију која дефинише фактор ризика као производ фактора вероватноће неуспеха и последице неуспеха (израз 1.2). f f f fФактор ризика P C P C    (1.2) Где је fP - вероватноћа неуспеха, а fC - последица неуспеха. 7 Овај модел (Kerzner 2009, стр. 812) је детерминистички, односно сви скупови променљивих су једнозначно одређени параметрима модела и скуповима претходних стања ових променљивих. Детерминистички модел ће увек имати исти резултат за дати скуп почетних услова. За разлику од детерминистичких, код стохастичких модела, присутна је случајност, па променљиве величине нису описане јединственим вредностима, већ расподелама вероватноћа. Овакви модели називају се и пробабилистичким проценама ризика и присутни су у неким радовима. Price (1998) дефинише ризике као вероватноћу помножену са вишеструким последицама користећи приступ пробабилистичког стабла грешке. Paté-Cornell (2002) предлаже Бајесов модел пробабилистичког приступа. Бајесова формула пружа однос између вероватноћа хипотезе и опсервације и дата је изразом 1.3.        P O H P H P H O P O  (1.3) Где су:  P H O - постериорна вероватноћа хипотезе H (вероватноћа хипотезе H за дату опсервацију О;  P O H - вероватноћа хипотезе H (вероватноћа опсервације О за дату хипотезу H);  P H - априорна вероватноћа хипотезе H (пре опсервације);  P O - потпуна вероватноћа (вероватноћа опсервације О без обзира на хипотезу). Неки аутори (Chambrlain и Modarres 2005, Costa и др. 2006, Leopoulos и др. 2006) прибегавају рачунању нивоа ризика. Chambrlain и Modarres (2005) за израчунавање нивоа ризика користе основну формулу производа вероватноће појаве ризичног догађаја и последице, при чему појам вероватноће мењају појмом учестаности, алудирајући на стохастички карактер ове променљиве (израз 1.4) Учестаност * Последица = Ризик (1.4) 8 Browninig и др. (2002) развили су математички модел који су назвали „вредност нивоа ризика (risk value method)“ где су функцијама корисности описани атрибути производа. Модел је представљен изразом 1.3 (Browninig и др. 2002).          1 2 1 2 , , , , , , m m J U U U U           (1.5) где су:  - атрибути производа, Ј - вектор m атрибута производа, U – функција корисности (utility function) која додељује један број свакој опцији из датог вектора атрибута Ј. Свака од наведених квантитативних техника може да послужи како би се узеле у обзир и позитивни и негативни ефекти неизвесности, јер подразумевају процењене опсеге вредности за варијабле (као што су план пројекта, трошкови, ресурсни захтеви, итд.). Најбоља могућа вредност (минимална или оптимистична вредност ризика) треба да укључи ефекат идентификованих шанси како би се смањила активност прекорачења пројектног плана или трошка, а најлошија могућа вредност (максимална, песимистична вредност ризика) укључује ефекте идентификованих претњи. Ако ови опсези у потпуности одражавају и идентификоване шансе и претње, онда стандардне квантитативне аналитичке технике могу да се примене како би се одредили ефекти (позитивни и негативни) на пројектне циљеве. Неке од техника квантитативне анализе пројектних ризика предвиђају изражавање ризика у еквивалентом новчаном губитку (добитку) или одступању од пројектног плана. Суштински овакво претварање може да буде корисно, пошто кроз новчани губитак или добитак лако може да се стекне представа о ефекту ризика на пројектне циљеве, али са друге стране поставља се питање да ли баш увек одступање од пројектног циља може да се измери новцем. Smith и Merritt (2002) предвиђају приступ коришћења „последичних фактора“ који представљају бездимензионалне величине вредности између 0 и 1, а додељују се на основу нивоа последице изражене у губитку новца и времена. 9 Анализа начина настајања и ефеката отказа (FMEA - Failure mode and effect analysis) дефинисана стандардом SRPS EN 60812:2011 дуго је била коришћена као метод планирања током развоја процеса, производа и услуга. У развијању ове методе, тим идентификује модалитете неуспеха и радње које могу смањити или елиминисати потенцијално остварење неуспеха. Улазни подаци прикупљени су од стране великог круга експерата у процесима дизајна, пројектовања и конструисања, тестирања, контроле квалитета, производње, маркетинга, и потрошача како би се обезбедила идентификација потенцијалнџи модалитета неуспеха. FMEA се у том случају користи у току развоја производа или услуге за решавање проблема и корективне радње. Иако превасходно квалитативна метода (Rausand и Høyland 2004), не сме се занемарити квантитативни приступ који FMEA има по питању одређивања приоритета ризика. Стандардни FMEA процес вреднује модалитете неуспеха према настанку, јачини и откривању отказа (SRPS EN 60812:2011). Множењем ове три вредности добија се број приоритетног ризика (RPN – risk priority number): RPN P S D   (1.6) Где је P - настанак грешке, S - јачина грешке, D - откривање грешке. Нажалост, FMEA применљив је на само на делу спектра анализе ризика, као што је идентификација модалитета отказа, одређивање узрочних фактора и одређивање приоритета ризика (Trammell и др. 2004), те поједини аутори (Carbone и Tippett 2004) дају предлог проширења овог модела у виду нове методологије под називом „Анализа начина настајања и ефеката отказа у пројектним ризицима“ (RFMEA – Project risk FMEA). Користећи RFMEA приступ, извршeнo је неколико модификација у односу на стандардни FMEA формат. Метод RFMEA јесте средство за идентификовање, квантификовање, и уклањање или умањење ризика у окружењу пројекта насупрот техничким аспектима производа који су идентификовани путем FMEA. RFMEA 10 се користи заједно са развијеним FMEA моделима за дизајн производа, развој процеса, и развој услуга (Carbone и Tippett 2004). Вредности као што су вероватноћа, утицај и откривање додељује пројектни тим на основу стандардних табела, за разлику од оних које су предвиђене стандардом FMEA; u сваком случају, дефиниције атрибута утицај модификоване су у складу са окружењем пројекта (Graves 2000). За један актуелан пројекат, проценти трошкова и времена морају се конвертовати у вредност времена и новца одређеног пројекта. Овакав поступак дозвољава пројектном тиму да схвати величину ризика у смислу времена и новца уместо да водиље буду генеричке процентуалне вредности. Што се тиче RFMEA, технике или методе откривања дефинисане су као „могућност да се открије ризични догађај и да се има довољно времена да се испланира непредвиђена ситуација и да се реагује на ризик“ (Carbone и Tippett 2004). Уколико је тим несигуран, у границама разумног, да ризик не може лако да се открије зато што је, у одређеном смислу, скривен или суптилан, вредност фактора откривања ризика мора бити означен највећом установљеном вредношћу на почетку планирања. Уколико је ризик, као што је Pritchard (2002) приметио, „као теретни воз који може да се чује на миље удаљен“, онда ће вредност откривања бити мања зато што ће тим имати адекватно време на располагању да испланира решење или ублажи ризик кад установи симптоме. Вредност откривања помаже даље при рангирању ризика како би се пре свега позабавило онима који захтевају реакцију неодложно. Скале коришћене за оцене вредности ових квантификационих метода, у зависности од преференци аутора, крећу се у распону од ниске, средње и високе, од 1 до 10, од 0 до 1.0, или неке друге нелинеарне или линеарне скале, ординалне или номиналне. Иако су ови термини и скале сви тачни, неконзистентна употреба и терминологија ствара конфузију и потребу да се ове скале стандардизују на нивоу предузећа. Без обзира на то да ли постоји анализа ризика на укупном нивоу предузећа, потребно је ове процесе спроводити и за сваки појединачни пројекат. Без процене 11 и анализе ризика појединачног пројекта није могуће одлучити да ли, имајући у виду ситуацију ризика која произлази из пројеката који су већ у току, још један пројекат може да се уопште избори са тим. Стога, посебан изазов за управљање ризиком у пројектно-оријентисаним организацијама јесте комбиновање процене укупног ризика организације и процена укупног ризика пројекта. Припрема таквих анализа ризика много је тежа за предузећа која своје пословање не базирају на пројектним активностима. Још један изазов представља потреба за континуираним ажурирањем процена евалуација индивидуалних пројектних ризика (Henschel 2009a). Изненадни финансијски успех и индустријска доминантност не долазе без извесне дозе ризика. Уколико је стратегија фирме да прва избаци на тржиште нови производ, императив је да се спрече ризици који би задржавали развој производа (Kwak и LaPlace 2005). У таквим случајевима, пројектни менаџер би требало детаљно да познаје ниво толеранције фирме у случају могућег појављивања сваког већег ризика. Прихватање ризика од стране предузећа мења се током трајања пројекта; посвећеност предузећа и инвестирање у пројекат расте и све више долази у питање како пројекат напредује. Иако је пројекат изложен мањем броју ризика касније, они који и даље постоје могу бити више штетни. Kwak и LaPlace (2005) тврде да предузећа могу да смање своју укупну изложеност ризику радећи на више пројеката који нису у корелацији, или су у негативној корелацији са резултатима, те ово важи за предузеће, али не важи и за менаџера пројекта који ради на само једном пројекту Kahneman i Lovallo (1993) такође тврде да, зато што предузеће има ограничене ресурсе и различите понуде пројеката који су у међусобној конкуренцији, постоји уграђени подстицај за претерано оптимистичне процене и прогнозе. Сваки израз песимизма, у комбинацији са претходно наведеним, често се тумачи као нелојалност предузећу или пројектном тиму. Како би се олакшала употреба модела за процену ризика из различитих функционалних сфера, Henschel (2009a) предлаже стандардизовану структуру за 12 модела на нивоу предузећа. Предност овог предлога јесте у томе што су одговорни запослени увек упознати са моделима управљања пројектним ризицима и што без проблема могу да пренесу процену ризика у другу функционалну сферу. Henschel (2009a) наводи да је литература из области пословног менаџмента доста занемарила тему управљања ризиком у малим и средњим предузећима, као и да једва постоје неки практични оквири за управљање пројектним ризицима у малим и средњим предузећима. Неки од применљивих оквира управљана ризицима у малим и средњим предузећима представљени су у референтној литератури скоријих датума (Alquier и Tignol 2006, Arnsfeld и др. 2007, Berry и др, 2007, Henschel 2009a, Henschel 2009b, Islam и др. 2008, Leopoulos и др. 2006). Како је само у малим и средњим предузећима особље често одговорно за различите функционалне сфере, Henschel (2009a) тврди да примена ових модела за процену ризика ужива велику подршку, такође предлаже и холистички модел за управљање ризицима у малим и средњим предузећима. Предузећима која своје пословне подухвате реализују користећи пројектни приступ, потребна је раздвојена идентификација ризика и евалуација ризика за појединачне пројекте. Како би се подржао поступак консолидације, предложен је модел процене ризика за појединачне пројекте Henschel (2009a), који је у суштини идентичан у поређењу са моделом за процену ризика усвојеним за ниво предузећа. Приликом експерименталног истраживања у оквиру ове дисертације (Поглавље 4), узимајући у обзир да се исто спроводи у малом предузећу, методологија идентификације ризика ослониће се на модел који је предложио Henschel (2009a), а квантитативна анализа на модел који је предложен у Поглављу 3. Ограничени ресурси у малим и средњим предузећима диктирају концепт модела препоручљивог за успостављање формалног управљања ризиком. 13 Како у малим и средњим предузећима преовлађују организационе пирамиде ниске висине, тим који ради на пројекту је састављен од запослених у предузећу и требало би да укључи и руководиоце у сам пројекат. Стога, тим који ради на пројекту не би требало да чини више од неколико људи, а одговорности јасно делегиране. Запослени који је одговоран за управљање ризиком мора бити изабран на самом почетку пројекта. После општих припрема следи припрема пописа ризика за појединачни пројекат. Процедура пописа дата је у Поглављу 4 ове дисертације. 1.3 Управљање ризицима на пројектима освајања индустријског производа – преглед досадашњих истраживања Процеси освајања индустријског производа разликују се од типичних пословних и производних процеса на неколико начина. Уместо да се иста ствар ради изнова и изнова, у овом случају постоји тежња да се креира производ који раније није постојао (Browninig и др. 2002). Изрази као што су „учестан“ и „креативан“ односе се на процес освајања индустријског производа. Постоји више дефиниција овог процеса. Loch и Kavadias (2008) кажу да се „процес освајања индустријског производа састоји од активности предузећа која воде току нових или измењених понуда производа на тржишту током времена. Ово укључује стварање могућности, одабира истих и трансформације у употребни предмет (индустријски производ) и активности (услуге) које се нуде клијентима, као и институционализацију побољшања самих активности освајања индустријског производа“. Ulrich и Eppinger (2004) дефинишу овај процес као „скуп активности које почиње перцепцијом могућности на тржишту, а завршавају се производњом, продајом и испоруком производа“. Clark и Wheelwright (1992) пружају дефиницију која истиче процес освајања индустријског производа као „ефективну организацију и управљање (активностима) која омогућује организацији да изнесе успешан производ на тржиште, уз кратко време и ниске трошкове развоја“. Примећује се да дефиниције процеса освајања индустријског производа истичу циклус процеса, фаворизујући стварање нове употребне вредности уз што ниже трошкове и краће време самога процеса. Иако је уобичајено да је предметни 14 процес формализован и да се одвија кроз фазе, Barkley (2008) тврди да се „понекад процедуре једноставно занемаре и ускочи на тржиште новим производом из пуке потребе“, те да се „успех често постиже путем покушаја и грешака и чисте одлучности“. Закључује се да сам циклус процеса, редослед фаза и процедуре зависе од ситуације, као и од процене одговорних у предузећу. Није неопходно да постоји дефинисан размак између фаза освајања и развоја индустријског производа и производње; неке фазе тестирања и процене могу бити изведене пре “званичног” почетка производње, а неки процеси развоја могу да се наставе и након почетка производње (Browning и др. 2002). Може се кренути од једног решења, па схватити да је оно мањкаво из више разлога, научити нешто више о проблему из тога, и затим га променити (Braha и Maimon 1997, Suwa и др. 2000, Verganti 1997). Током самог пројекта освајања индустријског производа, дизајнери и конструктори сакупе доста нових информација у вези са производом. (Nightingale 2000). Идеја је да се креира скуп корисних информација, које се могу применити на више активности, што треба да донесе развоју модела за управљање ризицима у процесу освајања индустријског производа. Још је Mikkelsen (1990) тврдио да различити модели за управљање ризиком у овој области омогућују одбацивање високо-ризичних идеја, те идеја за неодрживе нове производе, не узимајући у обзир да ли оне обухватају финансијски циљ или технолошки напредак, или су праћене значајним могућностима за исте. Велики инжењерски пројекти су „високо-ризичне игре“ окарактерисане честим споразумима који нису подложни променама, те структурама мотивисаним компензацијом, али са великом вероватноћом неуспеха (Miller и Lessard 2001). Осим тога, за велики део доношења одлука о инвестирању у пројекте освајања индустријског производа карактеристичан је висок ниво неизвесности (Huchzermeier и Loch 2001) а, у вези са неизвесношћу везаном за овај феномен такође су присутне и промене у доношењу одлука као и различите тачке гледишта за сваки пројекат, неки аутори (Blau и др. 2000, Browning 2002, Browing и Hillson, 15 2003, Carbone и Tippett 2004, Philips 2002, Segismundo и Cauchick Miguel 2008) закључују да се већа свеобухватна визија управљања ризиком на пројектима освајања индустријског производа, показала неопходном. Како наводе Segismundo и Cauchick Miguel (2008), спроведено је неколико студија, из теоријско-концептуалног или емпиријског угла, као што је дефинисано у (Filippini 1997), о управљању ризиком на пројектима освајања нових производа. У том контексту, циљ садашње студије јесте да допринесе проширењу знања о пројектним ризицима приликом освајања новог индустријског производа путем истраживања и класификовања доступне литературе на основу броја претходно одабраних студија. Како би се то урадило, коришћен је концепт мапирања литературе који су представили Segismundo и Cauchick Miguel (2008), а заснован је на истраживању које је представио Croom (2005). Segismundo и Cauchick Miguel (2008) класификовали су истраживања према типу ризика у три групе: пројектни ризици, ризици истраживања и развоја и разни ризици. Детаљнијим прегледом мапиране литературе закључује се да се референце подељене у ове групе преплићу, нпр. Hillson (2002) je распоређен у групу разних ризика, иако рад представља процесе управљања пројектним ризицима дефинисаним у приручнику PMI (Project Management Institute) „Project Management Body of Knowledge“, у радовима класификованим у групу пројектних ризика (Carbone и Tippet 2004, Miller и Lassard 2001) представљен је FMEA (Failure Mode and Effects Analysis) који упућује на примену модела у развоју и освајању индустријског производа. Такође, радови распоређени у групу која се односи на ризике истраживања и развоја свакако подржавају концепте управљања пројектним ризицима, те Mikkelsen (1990) чак у наслову рада комбинује појмове управљања ризиком и пројеката развоја производа, а концепти представљени у радовима групе разних ризика (Kapplan и др. 2006, Trammell и др. 2004) могу да допринесу у процесу развоја и освајања индустријског производа. Суштински, све представљене референце могу се подвести под литературу која обрађује област управљања пројектним ризицима у освајању индустријског 16 производа. Од 22 мапирана рада (Segismundo и Cauchick Miguel 2008), релевантних за област коју и ова дисертација обрађује, преко 50% нема одређену област примене, већ је у питању уопштен теоретско-концептуални приступ, док за радове којима је дефинисана област примене стоји следећа расподела: три рада (13%) односе се на област информационих технологија, два рада (9%) укључују неколико области (ваздухопловство, здравство, екологија, процесна индустрија и грађевинарство). Остала истраживања представљају униформну расподелу од по једног рада у следећим областима примене: фармација, ваздухопловство, аутомобилска индустрија и грађевинарство. Иако, врло користан и актуелан преглед литературе из области управљања ризиком у освајању индустријског производа (Segismundo и Cauchick Miguel 2008), за потребе ове дисертације неопходно је извршити проширење у два правца: претрагом радова који предлажу моделе за анализу и квантификацију ризика, као и радова који пружају оквире за управљање ризицима у малим и средњим предузећима. У табели 1.2. представљен је преглед досадашњих истраживања из области која је тема ове дисертације, а заснован је на прегледу који су представили Segismundo и Cauchick Miguel (2008). Сви чланци су класификовани према истраживачком приступу (предлог модела, студија случаја, анкета, акционо истраживање) и области примене, као и приступу анализе пројектних ризика 17 Табела 1.2. Класификација литературе управљања пројектним ризицима на пројектима освајања индустријског производа2 Р.бр. Истраживачки приступ Анализа и квантификација пројектних ризика Област примене Референце 1. Предлог модела FMEA Уопштено Puente и др. (2002) 2. Предлог модела FMEA, RFMEA Уопштено Carbone и Tippett (2004) 3. Студија случаја Пробабилистичка анализа ризика Различита (ваздухопловство, здравство, екологија) Paté-Cornell (2002) 4. Предлог модела FMEA Уопштено Sankar и Prabhu (2001) 5. Студија случаја FMEA Ваздухопловство Garrick (1989) 6. Анкета Различита (ваздухопловство, процесна индустрија, грађевинарство) Shenhar и др. (2002) 7. Предлог модела Уопштено Miller и Lessard (2001) 8. Анкета Информациони ситеми Jiang и Klein (1999) 9. Истраживачка акција, предлог модела Рачунање нивоа ризика Програмски пакети Costa и др. (2006) 10. Предлог модела Уопштено David и Raz (2001) 11. Предлог модела Метод реалне опције Информационе технологије Kumar (2002) 2 Класификација литературе заснива се на истраживању које су спровели Segismundo и Cauchick Miguel (2008), али је знатно модификована и допуњена. 18 Р.бр. Истраживачки приступ Анализа и квантификација пројектних ризика Област примене Референце 12. Студија случаја Пробабилистича анализа ризика Аутомобилска индустрија Chambrlain и Modarres (2005) 13. Предлог модела Уопштено Huchzermeier и Loch (2001) 14. Предлог модела Монте Карло, графичке методе Уопштено Blau и Bose (2000) 15. Студија случаја Графичке методе Фармацеутска индустрија Blau и др. (2000) 16. Студија случаја Грађевинарство Phillips (2002) 17. Истраживачка акција Уопштено Mikkelsen (1990) 18. Предлог модела Функција корисности Уопштено Franke и др. (2006) 19. Предлог модела Метод сценарија Уопштено Kaplan и др. (2001) 20. Предлог модела Уопштено Hillson (2002) 21. Предлог модела FMEA Уопштено Trammell и др. (2004) 22. Предлог модела, студија случаја Уопштено Yu и др. (1999) 23. Истраживачка акција Мала и средња предузећа Brancia (2011) 24. Предлог модела Уопштено AlHawari (2008) 25. Предлог модела Мала и средња предузећа Henschel (2009a) 26. Предлог модела Мала и средња предузећа Henschel (2009b) 19 Р.бр. Истраживачки приступ Анализа и квантификација пројектних ризика Област примене Референце 27. Предлог модела Уопштено Galway (2004) 28. Предлог модела Мала и средња предузећа Alquier и Tignol (2006) 29. Предлог модела Функција корисности Уопштено Browninig и др. (2002) 30. Предлог модела Функција корисности Уопштено Browning и Hillson (2003) 31. Студија случаја Рачунање нивоа ризика Мала и средња предузећа Leopoulos и др. (2006) 32. Предлог модела Мала и средња предузећа Arnsfeld и др. (2007) 33. Предлог модела Мала и средња предузећа Berry и др. (2007) 34. Истраживачка акција Мала и средња предузећа Islam и др.(2008) 35. Предлог модела Графичке методе Уопштено Gouriveau и Noyes (2004) 36. Предлог модела Функција корисности Уопштено Kwak и LaPlace (2005) Анализирајући резултате према истраживачком приступу, уочава се да укупно 25 од 36 обрађених референци предлаже модел за управљање пројектним ризицима, од чега се 18 односи на могућност опште примене, не фокусирајући се на одређену област. Присутно је 7 студија случаја, од који се 6 односи на референтну литературу која за област примене има сложеније пословне системе (ваздухопловство, аутомобилска и процесна индустрија, фармацеутска, грађевинарство...), док се само једна односи на област управљања ризицима у малим и средњим предузећима, 2 анкете и 4 истраживачке акције од којих се 2 20 односе на мала и средња предузећа. Укупно 2 чланка обједињују предлог модела и истраживачку акцију, односно студију случаја. Треба напоменути да референтна литература која као област примене има управљање ризицима у малим и средњим предузећима, не обрађује експлицитно процесе освајања индустријског производа, већ пружа оквире за управљање ризицима у малим и средњим предузећима који могу бити примењени приликом процеса освајања индустријског производа. Расподела референтне литературе према истраживачком приступу приказана је дијаграмом на слици 1.2. Слика 1.2. Класификација литературе према истраживачком приступу Посматрајући критеријум који се односи на анализу и квантификацију пројектних ризика, уочава се да укупно 5 чланака обрађује FMEA методу, од којих један предлаже проширење и адаптацију, специјализујући је за анализу и квантификацију пројектних ризика. Остали квантитативни приступи анализе ризика расподељени су тако да се у 4 чланка (област примене није прецизирана) предлаже функција корисности, док су 2 чланка (сложенији пословни системи) предлаже пробабилистичка анализа ризика. Укупно 3 чланка предлаже графичке методе, рачунање нивоа ризика 2, од којих се један односи на управљање ризицима у малим и средњим предузећима. Методи сценарија, реалне опције и 66% 18% 10% 6% Истраживачки приступ Предлог модела Студија случаја Истраживачка акција Анкета 21 Монте Карло симулација појављују се у по једном чланку. Расподела чланака према критеријуму анализе и квантификације пројектних ризика приказана је на слици 1.3. Слика 1.3. Класификација литературе према критеријуму анализе и квантификације пројектних ризика Слика 1.4. Класификација литературе према области примене 26% 21%16% 10% 11% 16% Анализа и квантификација појектних ризика FMEA Функција корисности Графичке методе Пробабилистичка анализа ризика Рачунање нивоа ризика Остало 53% 22% 17% 8% Област примене Уопштено Мала и средња предузећа Сложени пословни системи Информационе технологије 22 Највећи број радова (19) није уско везан за област примене пројектних ризика и има уопштен карактер. Сфера комплексних пословних система као што су ваздухопловна, аутомобилска, фармацеутска, процесна индустрија, здравство и екологија назначена је као област примене у 6 радова, област информационих технологија у 3, а проширењем истраживања на мала и средња предузећа, мапирано је 8 радова из ове области примене. Класификација литературе према области примене приказана је на слици 1.4. 1.4 Закључак Управљање ризицима представља веома важан сегмент целовитог процеса управљања пројектом. У питању је комплексан процес који се састоји од скупа дефинисаних потпроцеса, чијом реализацијом се спроводи и сама методологија управљања пројектним ризицима. Референтна литература из области управљања пројектним ризицима пружа разноврсне методологије, предлажући различите потпроцесе свеобухватног процеса управљања пројектним ризицима. Представљен је упоредни приказ референтних литературних извора (табела 1.1.) из кога се закључује да, без обзора на предложени концепт, циклус процеса управљања пројектним ризицима обавезно садржи потпроцесе који се односе на идентификацију, анализу или процену, те праћење ризика. Поред различитих концепата и предложених методологија, присутне су и различите дефиниције пројектних ризика, као и различита терминологија. Иако већина аутора дефинише ризик као комбинацију (неретко производ) вероватноће појаве ризичног догађаја и утицаја, односно последице која настаје услед потенцијалне појаве оваквог догађаја, терминолошки, овај резултат, представљен је у зависности од преференце аутора. Такође, поједина размимоилажења у дефиницијама односе се и на перцепцију ризика само као штетног дејства на циљеве пројекта и ризика који ствара потенцијалну шансу. Савремене дефиниције пројектних ризика опажају ризике једнако кроз штетно дејство (претње) и корисно дејство (шансе) (Browning и Hillson 2003, PMI 2008, Ward 2010). 23 Најчешће прихваћене методологије за управљање пројектним ризицима (IPMA 2006, Kerzner 2009, PMI 2008) препознају потпроцес анализе (процене) ризика као кључни сегмент свеобухватног процеса управљања пројектним ризицима у којој се добијају веома важни подаци везани за могуће ризике и утицаје на пројектне циљеве. Основни приступи потпроцеса анализе ризика су квалитативни и квантитативни. Квалитативна анализа је заснована на општим ентитетима постављеног модела, тако да не узима у обзир специфичне карактеристике као што је вредност грешке система, док квантитативни приступ користи глобалне односе по питању разноврсних аспеката проблема (Gouriveau и Noyes 2004). Квантитативни приступи омогућавају да се ризик измери и бројчано изрази. Углавном, ниво ризика изражава се одређеном математичком релацијом или функцијом дефинисаних фактора ризика. Резултати или нивои ризика често се изражавају табеларно (матрично), графички и/или помоћу неке од раније утврђених скала. Ове скале се разликују у зависности од приступа, те преференција аутора. Иако се поједини аутори труде да у складу са предложеним квантитативним приступом и/или моделом представе и стандардизовану скалу, то често изазива конфузију, посебно када се предлажу скале које трансформишу квалитативне оцене у квантитативне. Такође, ако се узме у обзир да постоји велики број метода и техника за квантификацију ризика, поставља се питање којој се приклонити. Када је у питању освајање индустријског производа, одговор на ово питање најчешће даје Анализа начина настајања и ефеката отказа (FMEA - Failure mode and effect analysis). Међутим, овај метод, поред своје комплексности, превасходно промовише квалитативни приступ анализе отказа. Модификовани приступ RFMEA (Carbone и Tippett 2004), приближава модел концепту управљања пројектним ризицима, али и даље остаје проблем комплексности, као и двострука конверзија квантитативне оцене у квалитативну, да би се упоређивањем на скали одредио вредност фактора ризика. 24 Browninig и др. (2002) нуде одговор на ово питање увођењем функције корисности, која додељује бројчане вредности атрибутима ризика у односу на специфичности пројекта освајања индустријског производа. Такође, поставља се питање сложености модела квантификације пројектних ризика, као и математичког модела, како би атрибути пројектних ризика били довољно објективно описани, а сам модел релативно једноставан за примену и условима који владају у малим и средњим предузећима која своје пословне подухвате остварују (и) кроз пројекте освајања индустријског производа. Прегледом референтне литературе, наведене у овом поглављу која се односи на област управљања ризицима у процесу освајања индустријског производа закључено је следеће:  Многобројна доступна литература уноси недоследност по питању дефиниција, терминологије и предложених концепата управљања пројектним ризицима.  Квантитативни приступи анализе ризика на пројектима освајања индустријског производа разноврсни су и постоји велики број метода и техника којима се реализује процес квантификације.  Приказ нивоа и/или резултата ризика зависи од начина формирања скала ризика.  Предложени концепти за управљање ризицима у малим и средњим предузећима не пружају оквире за квантификацију ризика на пројектима освајања индустријског производа. У складу са овим закључцима, у наставку дисертације биће предложен и проверен математички модел за квантификацију ризика на пројектима освајања индустријског производа, спроведено експериментално истраживање у малом предузећу, те на основу модела и резултата истраживања реализована Монте Карло симулација. На овај начин, биће искоришћено више описаних метода и техника, те предложен модел за квантификацију ризика на пројектима освајања индустријског производа који је практично применљив и у малим и средњим предузећима. 25 2 Предмет и научни циљ дисертације У овом поглављу дефинисани су предмет, методе, структура и очекивани резултати докторске дисертације. 2.1 Предмет истраживања Предмет докторске дисертације односи се на истраживањe, анализу и поставку модела за квантификацију ризика на пројектима освајања индустријског производа. Управљање ризицима пројекта представља веома сложен и систематичан процес који може имати значајан утицај на резултате пројекта. Литература из управљања ризицима предлаже различите концепте који у суштини садрже веома сличне процесе који се одвијају у фазама и саставни су део целовитог процеса управљања ризицима на пројекту. Анализа и квантификација ризика представља изузетно значајну фазу у којој се узимају у обзир бројни параметри и појаве, те пружа могућност примене великог броја метода и техника у циљу детаљне анализе утицаја појединих ризичних догађаја или скупова ризичних догађаја на пројектне циљеве. Уколико се пројекат посматра као динамички систем, јасно је да се током реализације истог мењају околности које доводе до појаве могућих ризичних догађаја. Дакле, неизвесни догађаји током животног циклуса пројекта утичу на пројектне резултате удаљавајући их или приближавајући дефинисаним циљевима. Основна претпоставка је да у идеалном случају резултати пројекта треба да одговарају овим циљевима: да се развије производ захтеваних техничких особина, на време и у оквиру предвиђеног буџета. Суштински, ризик утиче на појаву одступања од жељених циљева. Ово одступање или грешка за сваки од наведених циљева може бити величина која се прати и чије вредности указују на ризик по остварење пројектних циљева. Ако се као циљеви пројекта дефинишу три величине: пројектни план, односно време трајања пројекта, буџет за пројекат и техничке карактеристике 26 производа који предузеће жели да освоји, за процену очекиваног одступања за сваку од наведених величина неопходно је поставити математички модел који ће укључити све ризике у вези са сваком величином понаособ. Квантификација ризичних догађаја и њихових утицаја на резултате пројекта је од суштинског значаја за формирање модела управљања пројектним ризицима. На основу спроведеног истраживања, формиран је модел за квантификацију ризика на пројектима освајања индустријског производа у малом предузећу које послује у условима економске и политичке транзиције. Познато је да мала и средња предузећа чине највећи део европске, па и српске привреде. Специфичност предложеног модела огледа се у формирању скупова ризичних догађаја и то: скупова претњи и скупова шанси које директно утичу на дефинисане пројектне циљеве, њихов међусобни однос, а затим и извођење које треба да омогући директно рачунање укупног износа ризика за сваки дефинисани пројектни циљ. На овај начин остварује се директна процена укупног дејства ризичних догађаја на пројектни план (време трајања пројекта), пројектни буџет и техничке карактеристике пројекта, уместо процене сваког од ризика понаособ, што скраћује и поједностављује процес управљања пројектним ризицима и омогућава брже доношење одлука у вези са пројектом, што је од изузетног значаја када су мала производна предузећа у питању. Сам математички модел узима у обзир укупан утицај елемената скупова ризичних догађаја на сваки од дефинисаних пројектних циљева, а основни елементи за прорачун представљају величине које литература из ове области већ познаје, а то су вероватноћа настанка, као и откривања грешке, те одступање пројектног резултата од пројектног циља, при чему се не користе интерне скале за изражавање н износа ризика, како је то најчешће решено у расположивој литератури, већ резултат има уопштени карактер и налази се у интервалу [0,1]. Овакав приступ квантитативном представљању резултата може створити представу о потенцијалном ризику за остварење сваког од дефинисаних пројектних циљева и субјектима који нису директно укључени у процес 27 управљања пројектним ризицима, а могу бити важни приликом доношења одлука у вези са током пројекта. Методе и технике за процену и квантификацију ризика прилагођене су квалификацијама пројектног тима у предузећу, чиме ће се осигурати једноставност процеса управљања пројектним ризицима без ангажовања додатних ресурса. 2.2 Научни циљ дисертације Научни циљ ове докторске дисертације је поставка оригиналног модела за квантификацију ризика на пројектима освајања индустријских производа, која ће уследити након систематизације постојећих знања из области управљања пројектним ризицима уз примену истих на концепт развоја индустријског производа, кроз праћење пројектних резултата - техничких карактеристика, времена и трошкова, а са новоуспостављеном методологијом квантификације ризика. Полазни циљеви истраживања односе се на идентификовање проблема у процесу освајања индустријског производа са којима се сусреће мало предузеће које послује у условима економске и политичке транзиције и препознавање потребе за формализацијом анализе и процене ризика. Основни циљ односи се на поставку модела за квантификацију пројектних ризика приликом освајања индустријског производа који је практично проверљив и пружа могућност генерализације потврдом хипотеза које имају улогу уопштења модела у смислу истицања и потврде одређених особина модела, што омогућава успостављање критеријума употребе модела и једноставну практичну примену. 2.3 Опсег и методологија истраживања Репрезентативни узорак формиран је од 52 пројекта развоја истог типа производа у оквиру једног предузећа које поседује сопствене капацитете развоја, производње и пласирања производа на тржиште. На овај начин се постижу уједначени услови за спровођене експеримента на читавом узорку, али 28 истовремено постоји могућност појаве тренда опадања, односно флуктуације појединих величина услед научених лекција током временског периода у коме су се пројекти одвијали. Рад на докторској дисертацији захтева примену савремених истраживачких поступака, као и коришћење софтверских пакета за нумеричке симулације. Основне научне методе истраживања које ће бити примењене у предложеној докторској дисертацији су:  Математичко моделирање  Експерименталне методе  Нумеричке методе Математичко моделирање укључује дедуктивни и индуктивни приступ представљању реалног процеса управљања пројектним ризицима са циљем да се исти квантификују. Експериментални рад обухвата анализу ризика на репрезентативном узорку изведених пројеката освајања индустријског производа. Одређене су експерименталне вероватноће настанка ризичних догађаја, вероватноће откривања истих, као и одступање пројектних резултата од дефинисаних пројектних циљева. Експериментално добијени подаци статистички су обрађени и оптимизовани путем програмског пакета „STATISTICA 10“. Верификација математичког модела и добијених резултата спроведена је нумеричком методом у виду Монте Карло (Monte Carlo) симулације и анализе осетљивости. За симулацију и анализу осетљивости коришћен је програмски пакет „Crystal Ball“. Поред наведених основних метода истраживања, коришћене су и посебне методе као што су индуктивно и дедуктивно закључивање, аналитичка и синтетичка метода, као и методе апстракције, генерализације и компарације. 29 У табели 2.1. представљене су методологије које су претежно коришћене у фазама истраживања, односно израде дисертације. Табела 2.1. Фазе истраживања Фаза истраживања Методологија Поглавље дисертације Анализа претходних истраживања на тему квантификације ризика на пројектима освајања индустријског производа Анализа и синтеза, дедуктивно закључивање, генерлизација, компарација 1. Развој и оквир математичког модела за квантификацију пројектних ризика Апстракција, математичко моделирање, анализа и синтеза, дедуктивно и индуктивно закључивање, генерлизација, компарација 3. Експериментално истраживање Експерименталне методе 4. Статистичка анализа Нумеричке методе 4. Провера модела за квантификацију пројектних ризика Нумеричке методе 5. Свођење резултата, дискусија и доношење закључака Дедуктивно закључивање, анализа и синтеза, компарација, генерализација 30 2.4 Структура истраживања Структура истраживања приказана је у тебели 2.2. Табела 2.2. Структура истраживања Поглавље Структурне целине Поглавље 1. Преглед досадашњих истраживања Управљање пројектним ризицима Анализа и квантификација ризика Управљање ризицима на пројектима освајања индустријског производа Поглавље 2. Предмет и научни циљ дисертације Опсег и методологија истраживања Структура истраживања Очекивани резултати истраживања Поглавље 3. Математички модел за квантификацију пројектних ризика Концепт модела Развој модела Оквир модела Поглавље 4. Експериментално истраживање и статистичка анализа података Модел експерименталног истраживања Статистичка анализа променљивих величина Поставка хипотеза Поглавље 5. Методологија провере модела за квантификацију пројектних ризика Испитивање хипотеза Монте Карло симулација Анализа осетљивости Извођење закључка о моделу Поглавље 6. Закључци докторске дисертације Дискусија Практична корист истраживања Правци даљег истраживања 31 2.5 Очекивани резултати истраживања Применом постављеног оригиналног математичког модела развијеног на основама експерименталних испитивања, а у складу са постављеним научним циљевима и полазним хипотезама очекују се проверљиви резултати засновани на синтези досадашњих проучавања пројектних ризика и експерименталној провери научних информација из области управљања пројектима и освајања индустријских производа. У предложеној дисертацији је представљена процена ризика из перспективе пројектног тима, тако да су одабране технике за процену фактора ризика прилагођене компетенцијама пројектног тима и представљају надоградњу редовним пројектним активностима. На овај начин осигурана је ефикасност управљања пројектним ризицима употребом доступних ресурса, без угрожавања осталих пројектних активности. Математички модел за квантификацију пројектних ризика равноправно узима у обзир утицај претњи и могућности на пројектне резултате, али поред вероватноће настанка ризичних догађаја, узима у обзир и манифесност ризичних догађаја кроз вероватноћу откривања истих, као и грешку коју овакви догађаји узрокују. Модел је могуће применити на разноврсне пројекте, а уопштене карактеристике модела могу да се користе за све будуће пројекте сличног карактера, што може бити од изузетног значаја за пројектни тим и будућа истраживања у области. Очекивани резултати, који се односе на укупан износ ризика према сваком од пројектних резултата у виду плана, буџета и техничких карактеристика пројекта, могу бити од велике користи приликом доношења одлука, како током самог пројекта у циљу проактивног реаговања на ризике, тако и одлуке о покретању или одустајању од развоја одређеног производа. 32 3 Математички модел за квантификацију ризика на пројектима освајања индустријског производа У овом поглављу биће објашњен поступак математичког моделирања, а затим постављен математички модел за квантификацију ризика на пројектима освајања индустријског производа. 3.1 Полазне основе математичког модела за квантификацију ризика на пројектима освајања индустријског производа Математичко моделирање представља процес добијања математичког описа неке појаве или система и описан је у референтној литератури (Heintz 2011, Illner и др. 2005, Velten 2009, Тадић 2006), на основу које су изведене смернице и описан процес моделирања у наставку. Овај опис мора бити релативно једноставан, истовремено и довољно тачан, да би одговорио својој намени која је дефинисана неопходношћу модела. Уопштено узев, могуће је извести неограничен број модела који описују различите аспекте једне реалне појаве, што зависи од изабраних атрибута реалног процеса или појаве. Суштина поступка моделирања је да се изаберу само оне карактеристике посматраног процеса које представљају потребне и довољне услове да се процес опише довољно тачно, имајући у виду намену модела. Задатак моделирања је да опише главне карактеристике реалног процеса и да их преведе у математичке релације. Појам моделирања је у тесној вези са појмом система. Систем представља скуп особина реалног феномена који се проучава. Систем је субјективан појам који подразумева одређена ограничења. Ова ограничења укључују оне особине које су најважније са становишта захтева модела, а искључује особине од мањег значаја за опис посматраног реалног процеса. Самим тим, математички модел описује најбитније карактеристике система који се проучава. Модел мора поседовати приказ објеката унутар система, одн. компоненти система, као и приказ релација тих објеката. Дакле, математички модел рефлектује разумевање реалног процеса, свих његових компоненти и њихових релација. 33 Приликом извођења модела, веома је важно изабрати ограничења система. Ова ограничења одређују који ће део реалног процеса бити представљен као систем који се проучава. Делови реалног процеса који нису придружени систему, називају се околином система. Од изузетног значаја је и одређивање обима ових ограничења, пошто прешироко постављене границе не пружају могућност фокусирања на важне особине система, док уско постављена ограничења представљају опасност да се одређени број реалних особина не узме у обзир приликом моделовања. Постоје дедуктивни и индуктивни приступ моделирања. Дедуктивни приступ подразумева примену општих искустава која су стечена приликом ранијих моделирања различитих процеса. Такође, овај приступ користи и претходно знање о разматраном процесу, које се заснива на познавању законитости дефинисаних математичким релацијама између релевантних променљивих у идеализованом моделу процеса. Индуктивни приступ примењује се када се не располаже са довољно априорног знања како би се извршила одговарајућа процена параметара у усвојеној структури модела. У том случају прибегава се техникама параметарске идентификације система, које користе мерења улаза и излаза система у циљу процене вредности параметара модела. Након одређивања ограничења система, формира се идеализовани модел система, те на основу одабира законитости, постављају се математичке релације уз дефинисање каузалности, односно одређивање узрочно-последичних веза одабиром излазних, односно улазних величина модела. Затим се врши процена вредности (што ће бити представљено у Поглављу 4) и симулација (Поглавље 5). У овом случају, треба описати појаве ризичних догађаја на пројекту и њихову интерпретацију утицаја на пројектне циљеве. 34 3.2 Концепт математичког модела за квантификацију ризика на пројектима освајања индустријског производа Приликом поставке концепта математичког модела за квантификацију ризика на пројектима освајања индустријског производа биће примењен дедуктивни приступ, а на основу прегледа модела за квантификацију представљених у Поглављу 1 ове дисертације. Процес који се моделира је управљање ризицима на пројектима освајања индустријског производа. Како је представљено у Поглављу 1, овај процес саставни је део процеса управљања пројектом и представљен је системом приказаним на слици 3.1. Концепт система заснива се на дејству управљачке структуре у систему (на пројекат) усмерено на постизање одређених (пројектних) циљева. Слика 3.1. Блок дијаграм процеса управљања пројектом ПМ представља структуру управљања пројектом док је РМ структура управљања пројектним ризицима. Улазне величине у систем представљене су постављеним циљевима пројекта, а излазне оствареним. Ове величине могу се приказати векторима улаза  1 2, , ..., nX x x x и излаза  1 2, ,..., nY y y y , где елементи  1 2, , ..., nx x x представљају постављене, а  1 2, , ..., ny y y остварене циљеве следствено. Ризици представљају поремећај система, одн. непредвиђену промену неких величина које утичу на излазне величине система. Поремећаји могу бити 35 генерисани унутар система (интерни ризици) или изван система (екстерни ризици). Појава поремећаја у систему изазива одступања остварених пројектних циљева у односу на жељене (постављене) пројектне циљеве. Ово одступање назива се грешком. Дакле, појам поремећаја, односно ризика, директно је везан за појам грешке. Изразом 3.1 представљена је грешка за i-ти пар улазно-излазних величина. i i iz x y  (3.1) Имајући у виду несталну природу ризика, један поремећај може довести до појаве грешке истовремено код више парова улазно-излазних величина, такође скуп поремећаја може изазвати грешку за један пар улазно-излазних величина. Како ризик може да има позитиван или негативан ефекат на циљеве пројекта (PMI 2008, Ward 2010), аналогно ће и природа поремећаја резултовати појавом грешке у систему која ће бити перципирана као корисна, уколико има позитиван утицај на пројектне циљеве или некорисна уколико има негативан утицај на пројектне циљеве. На слици 3.2. приказана је природа грешке. Слика 3.2. Природа грешке у систему 36 Управљачка структура система тежи директној, проактивној компензацији поремећаја и/или корективној, путем повратне спреге. Уколико је грешка корисна, она мора бити искоришћена како би се пројектни циљеви достигли или чак премашили, а ако је у питању некорисна грешка, тежи се компензацији. Да би овај процес био изводљив, неопходно је извести модел за квантитативну процену нивоа поремећаја система. На основу наведеног, као и познавања природе и механизама за квантификацију пројектних ризика представљених у Поглављу 1, могу се идентификовати следеће особине система:  Улазне величине система представљају жељене пројектне циљеве.  Излазне величине система представљају остварене пројектне циљеве.  Грешка у систему настаје одступањем оствареног од жељеног пројектног циља.  Поремећај система представљају ризици на пројекту.  Један поремећај може утицати на појаву више грешака у систему.  Више поремећаја може утицати на појаву једне грешку у систему.  Вероватноћа настанка грешке у систему директно је условљена вероватноћом настанка ризика.  Вероватноћа (не)откривања грешке директно зависи од вероватноће (не)откривања ризика.  Вероватноћа појаве грешке у систему одређена је вероватноћом настанка и вероватноћом (не)откривања грешке у систему.  Тежина грешке представља релативну меру одступања излазне од улазне величине и директно зависи од јачине (последице, утицаја) ризика.  Корисна грешка настаје услед дејства ризика који су идентификовани као шансе.  Некорисна грешка настаје услед дејства ризика који су идентификовани као претње.  Укупни ниво поремећаја система назива се износом ризика и представљен је као функција појаве и тежине грешке. 37 Након дефинисања скупа особина система, може се приступити одређивању математичких релација које су условљене законитостима које важе у реалним процесима. 3.3 Развој математичког модела за квантификацију ризика на пројектима освајања индустријског производа Саме математичке релације дефинишу међусобни утицај неколико променљивих у систему. Одабир улазно-излазних променљивих представља поступак увођена каузалности, односно узрочно-последичних веза у модел. Циљ модела није одређивање грешке у систему, већ успостављање релација које ће довести до квантитативне процене нивоа поремећаја у систему. Дакле, треба јасно разграничити појмове улазних и излазних величина система и модела, пошто се моделира само део система који је од значаја за процену ризика. Са тим у вези, као излазна променљива величина математичког модела постављен је износ ризика. Улазне величине су: вероватноћа настанка грешке, вероватноћа (не)откривања грешке и тежина грешке. Вероватноћа настанка грешке представља меру процене колико је изгледан настанак грешке у систему која је условљена поремећајем. Вероватноћа појаве грешке представља меру процене изгледа манифестности настале грешке у систему. Вероватноћа (не)откривања грешке представља меру изгледа да се (не) открије грешка настала у систему. Дакле, појава грешке везана је за манифестност, што ће рећи да вероватноћа појаве директно зависи од производа вероватноће настанка и вероватноће (не)откривања грешке у систему. Такође, треба раздвојити појмове вероватноће појаве грешке услед ризика који је идентификован као претња, односно некорисне грешке и вероватноће појаве грешке услед ризика који је идентификован као шанса, односно корисне грешке. 38 У погледу одређивања ризика као претње, вероватноћа појаве (некорисне) грешке представља се као производ вероватноће настанка грешке и вероватноће неоткривања грешке (израз 3.3): f e dP P P    (3.2) где су: fP - вероватноћа појаве некорисне грешке, eP - вероватноћа настанка грешке, dP - вероватноћа неоткривања грешке услед ризика који је идентификован као претња. Представљање вероватноће појаве корисне грешке дефинише се као: f e dP P P    (3.3) где су: fP - вероватноћа појаве корисне грешке, eP - вероватноћа настанка грешке, dP - вероватноћа откривања грешке услед ризика који је идентификован као шанса. По дефиницији, вероватноћа је број између 0 и 1, где 0 представља вероватноћу немогућег догађаја, док 1 представља вероватноћу сигурног догађаја. С обзиром на стохастичку природу ризика, ове величине могу да се представе расподелама:     0 0 e e d d P g x P g x   (3.4) (3.5) где 0x представља могући исход појаве ризика. 39 Тежина грешке представља меру релативног одступања оствареног од жељеног пројектног циља. Ова мера изражава се бројем између 0 и 1, а представља се функцијом која је дефинисана пројектним циљем. За сваки од дефинисаних пројектних циљева, постојаће једна функција која одређује тежину грешке. За представљање износа ризика усваја се релација којом Kerzner (2009) описује ризик на пројекту (израз 1.2). Преведено на појмове модела израз постаје: R P C P C    (3.6) Односно:  1R P C C   (3.7) где су: R - износ ризика, P - вероватноћа појаве грешке у систему, C - тежина грешке у систему. Уопштено, скуп пројектних ризика (претњи и шанси) представља поремећај система који утиче на појаву грешке, тако да се може написати да је вероватноћа грешке:   1 0 0 nx fx P k P x dx  (3.8) P - укупна вероватноћа грешке настале услед скупа пројектних ризика,  0fP x - вероватноћа појаве грешке услед утицаја појединачног пројектног ризика дефинисаног исходом појаве ризика 0x , где  1 , nx x одређује интервал могућих исхода, док је k -константа нормализације. Уколико се претпостави је да постоји укупно n елемената скупа пројектних ризика који утичу на појаву грешке од којих m представљају претње по циљеве 40 пројекта i n-m ризика који представљају шансе, овај интеграл може да се представи сумом дискретних исхода вероватноће појаве грешке: 1 1 m n i fi i fi i i m P k P k P        (3.9) где су ik тежински коефицијенти, при чему је 1i i k  . Заменом израза 3.2, 3.3 у израз 3.9 добија се: 1 1 m n i ei di i ei di i i m P k P P k P P            (3.10) а заменом израза 3.10 у 3.7 добија се израз за одређивање износа ризика за одређени пројектни циљ:   1 1 1 m n i ei di i ei di i i m R k P P k P P C C                   (3.11) 3.4 Оквир математичког модела за квантификацију ризика на пројектима освајања индустријског производа Уопштено посматрајући, сваки пројекат поседује више циљева који су подложни одступању од жељених вредности услед утицаја ризика. Најчешће, пројектни циљеви су дефинисани, али не и ограничени пројектним планом, трошковима и квалитетом пројекта. Износ ризика на пројекту може да се представи као вектор износа ризика према пројектним циљевима:  1 2, , ..., nR R R R (3.12) где R представља износ ризика за одређени пројектни циљ, дефинисан изразом 3.11, а n представља број дефинисаних пројектних циљева. Да би се одредио износ ризика за сваки од дефинисаних пројектних циљева, неопходно је идентификовати скуп ризика који утичу на сваки од циљева понаособ. 41 Техничке карактеристике представљају кључне техничке циљеве који су од виталног значаја за функционисање система у својој околини. Пројектни план или трајање пројекта је временски период од тренутка почетка пројекта до тренутка свршетка пројекта. Пројектни буџет је квантификован финансијски план неопходан за извршење пројекта. У наставку ће бити постављен оквир модела за одређивање износа ризика за пројектни план, пројектни буџет и техничке перформансе. За потребе јасног одређења наведених износа ризика, укупни износ ризика на пројекту биће представљен као вектор три елемента:  , ,T S BR R R R (3.13) где се индекси T, S, B односе на техничке карактеристике, пројектни план и пројектни буџет следствено. Имајући у виду наведено, износ ризика на затвореном скупу lS може да се представи као:   1 1 1 m n l i lei ldi i lei ldi l l i i m R k P P k P P C C                   (3.14) где је  , ,l T S B , а lS представља скуп ризика који утичу на индексирани циљ. Вероватноће настанка и (не)откривања грешке приказане у изразу 3.14 представљају елементе скупа lS , док тежина грешке lC обједињује последице свих елемената односног скупа. Техничке карактеристике обично подразумевају неколико одлика. Одређене одлике перформанси производа могу бити препознате као примарни атрибути и могу се односити на потражњу на тржишту тог производа и перцепцију одређених вредности од стране купца. Додатне одлике техничких перформанси могу бити изведене током процеса освајања индустријског производа и могу се односити на техничке и технолошке поступке. 42 Како би се ове одлике представиле квантитативно, у употреби је метрика за планирање и праћење нивоа важних одлика техничких перформанси током процеса освајања индустријског производа. Ове метрике се зову мере техничких перформанси (technical performance measures), мере ефектности (measures of effectiveness), бројке вредности (figures of merit), итд. (Browning и др. 2002). На овај начин, техничке перформансе производа могу да се представе као вектор атрибута које производ пружа услед свог дизајна, могућности и функционалности (Browning и др. 2002):  1 2 , , , mJ     (3.15) где су:  - атрибути производа, Ј - вектор m атрибута производа.       1 2 , , , mU U U U    (3.16) где је U – функција корисности која додељује бројчану вредност свакој опцији из датог вектора атрибута Ј. Самим тим, тежина грешке зависи од функција корисности ових атрибута:       1 2, , , T mC f U U U    (3.17) и може да се представи као сума истих:   1 m T i i i C k U    (3.18) где ik представља тежински коефицијент који одређује важност атрибута и 1 1 m i i k   . Атрибути техничких перформанси, као и функције које их описују, одређују се у зависности од типа производа, комплексности и намене. 43 Одређивање тежине грешке за пројектни план и буџет приказује се као функција грешке:  l lC f z (3.19) где је  ,l S B . У најједноставнијем облику, ова функција може се представити кроз однос остварене и максималне грешке у систему: max l z C f z        (3.20) где су: z - грешка, maxz - максимална грешка. Максимална грешка представља највећу дозвољену вредност одступања од жељеног пројектног циља. 3.5 Закључак Концепт математичког модела за квантитативну процену пројектних ризика постављен је на основу расположивих модела предложених у референтној литератури (Поглавље 1). Пажљиво су анализирани сви приступи, сагледани сви недостаци, као и предности, те успостављени принципи који су условили изградњу модела. Оквир модела је такав да омогућава широк дијапазон примене, као и приступ по питању комплексности. Модел је сложен у оној мери у којој је сложен и пројекат освајања индустријског производа. Једнако може да послужи и као детерминистички, те као пробабилистички модел. На вољи је кориснику да ли ће улазне величине третирати као дискретне вредности или расподеле вероватноћа. 44 Вероватноћа појаве ризика додатно је одређена особином испољавања, односно манифесности поремећаја у систему, множењем вероватноће настанка вероватноћом (не)откривања, насталог поремећаја. Процена тежине грешке, која репрезентује утицај или последицу ризичних догађаја на пројектне циљеве плана и буџета представљена је једноставном функцијом, док је моделирање техничких карактеристика производа препуштено кориснику са обзиром на специфичности процеса освајања индустријског производа који је предмет квантификације пројектних ризика. Иако у терминолошком смислу делимично одступа од уобичајене номенклатуре када је управљање пројектним ризицима у питању, ова особина произашла је из потребе да се отклони свака конфузија која влада мешањем појмова (Carbone и Tippett 2004) и да се једнозначно дефинишу променљиве величине. Универзалност модела огледа се у чињеници да су све величине дефинисане на интервалу  0,1 , тако да нема потребе за додатном легендом или кључем за разумевање квантификованих нивоа ризика. Такође, модел равноправно обухвата претње и шансе и пружа могућност квантификације комбинованог утицаја свих ризичних догађаја на циљеве пројекта. То подразумева процену нивоа ризика за сваки од дефинисаних пројектних циљева, што може да представља вредну информацију у процесу планирања реаговања на ризике. У табели 3.1. дат је упоредни приказ неколико сличних модела за квантификацију ризика који могу бити примењени на пројекат освајања индустријског производа. 45 Табела 3.1 Упоредни приказ модела за квантификацију пројектних ризика Предложени модел RFMEA Carbone и Tippett (2004) Метод вредности ризика Browning и др. (2002), Browning и Hillson (2003) Математички модел за процену ризика Kerzner (2009) Терминологија Вероватноћа појаве грешке / Вероватноћа, неизвесност (Probability, Uncertainty) Вероватноћа неуспеха (Probability of failure) Вероватноћа настанка грешке Вероватноћа (Likelihood) / / Вероватноћа (не)откривања грешке Откривање (Detection) / / Тежина грешке Удар (Impact) Последица, удар (Consequence, Impact) Последица неуспеха (Consequence of failure) Ризик (Поремећај) Ризични догађај (Risk Event) Ризик (Risk) Ризик (Risk) Претње/шансе Комбиновано дејство Претње Комбиновано дејство Претње Резултат квантификације Износ ризика (ниво ризика према пројектним циљевима) Разултат ризика (Risk score) Приоритетни број ризика (Risk priority number) Вредност ризика (ниво ризика према пројектним циљевима) Фактор ризика (Укупно дејство за све пројектне циљеве) Приказ резултата  0,1 Интерна скала, легенда ризика  0,1  0,1 46 Анализом табеле 3.1. уочава се да су модели који су предложили Carbone и Tippett (2004) и Kerzner (2009) разликују од предложеног модела, пошто не узимају у обзир ризике који су препознати као шансе. Додатно, резултат квантификације има другачији циљ. RFMEA (Carbone и Tippett 2004) представља алат који је релативно једноставан и интуитиван. Модификацијом у односу на стандардни FMEA формат, RFMEA проширује концепт представљања ризика додајући и атрибут откривања ризика. На овај начин, додаје се нова вредност моделу и омогућава прецизније рачунање нивоа ризика и приоритетног броја ризика. Међутим, немогућност уопштења вредности ових величина и потреба за интерним скалама и легендом ризика представља велики недостатак модела. Са друге стране, „Метод вредности ризика“ који су предложили Browning и др. (2002) и Browning и Hillson (2003), иако не узима у обзир могућност откривања ризика, суштински врло је сличан предложеном моделу. Ако се занемаре разлике у терминологији и чињеница да предложени модел укључује и појам вероватноће откривања, односно неоткривања грешке у зависности од тога да ли се ради о грешци узрокованој шансом или претњом, постоје разлике у функцијама које повезују ове променљиве величине. Док „Метод вредности ризика“ (Browning и др. 2002, Browning и Hillson 2003) тежи квантитативној анализи комплекснијих система, представљајући вредност ризика као интеграл производа вероватноће и удара за сваки исход ризика, предложени модел обједињује утицај свих ризика (претњи и шанси) који утичу на сваки од пројектних циљева. На тај начин се поједностављује приступ квантификације износа ризика, пошто често није могуће проценити колики је утицај сваког ризика понаособ на одступања оствареног пројектног циља у односу жељени, посебно када ови ризици имају заједничко дејство. Предложени модел дозвољава квантитативну процену износа ризика за комбиновано дејство идентификованог скупа ризика према пројектном циљу. У наставку, предложени модел биће тестиран експериментално, а потврда ће бити спроведена Монте Карло симулацијом. 47 4 Експериментално истраживање и статистичка анализа улазних података математичког модела за квантификацију ризика на пројектима освајања индустријског производа У четвртом поглављу биће представљено експериментално одређивање променљивих величина, тежинских коефицијената, те примењена факторска анализа у циљу сажимања информација у компактнији скуп фактора, што ће довести до формирања коначних променљивих величина. Ове величине ће бити статистички описане у смислу који је погодан за примену и потврду математичког модела. 4.1 Модел експерименталног истраживања Процена вероватноћа, тежине грешке, као и тежинских коефицијената може се спровести употребом различитих метода. Код избора метода треба водити рачуна о оправданости употребе материјалних и нематеријалних ресурса као и временском трајању процене, те са тим у вези треба обратити пажњу да се користи што је мање могуће различитих метода. На основу експериментално прикупљених података може се проценити вероватноћа, као и тежина грешке, док је процена тежинских коефицијената подложнија субјективној оцени пројектног тима. У наставку ће бити описана методологија експерименталног истраживања, а одређивање вредности променљивих величина биће спроведено према математичком моделу изведеном у Поглављу 3. Биће примењен пробабилистички приступ моделу, што омогућује свеобухватније сагледавање постављеног проблема одређивања износа ризика. Један од захтева овог приступа је и одређивање расподела променљивих величина. Циљеви пројекта дефинисани су као три величине: пројектни план, односно време трајања пројекта S, буџет за пројекат B и техничке карактеристике Т. За процену износа ризика за сваку од наведених величина на основу 48 математичког модела приказаног изразима 3.13 и 3.14 могу се поставити релације које укључују све ризике у вези са сваком величином понаособ: ( , , ) ( , , ) ( , , ) S eS dS S B eB dB B T eT dT T R f P P C R f P P C R f P P C    (4.1) где је R износ ризика према индексираним пројектним циљевима, а индекси S, B, T односе се на план, буџет и техничке карактеристике следствено. Тада се према изразу 3.14 изведени модел може приказати и као:   1 1 1 l l l l m n l li eli dli j eli dli l l i i m R k P P k P P C C                      (4.2) где су: , , , ,ei di ei di i lP P P P k S     , ln - укупан број елемената скупа lS , lm - укупан број елемената скупа lS који су идентификовани као претње, ( )l ln m - број елемената скупа lS који су идентификовани као шансе, lC - тежина грешке, где је  , ,l S B T . Све променљиве величине модела су по природи стохастичке и квантификација истих, која се спроводи током експерименталног истраживања има за циљ одређивање расподела којима су наведене величине описане. Ово се постиже истраживањем променљивих величина на референтном узорку, њиховим свођењем на потребне облике, и коначно статистичком обрадом. 4.1.1 Карактеристике и величина узорка Треба имати у виду да основни проблеми код експерименталног одређивања пројектних ризика у освајању индустријског производа произлази из чињенице да пословно окружење у земљама у транзицији није стабилно, те да је релативно тешко пронаћи велики узорак новоразвијених производа истог типа унутар једног малог предузећа. Ипак, нестабилност пословне околине један је од 49 фактора који такође утиче на појаву појединих ризика које резултати експеримента такође укључују. Експеримент се спроводи у малом предузећу које је у претходних пет година освојило и пласирало на тржиште више од 50 истородних производа, како би се обезбедио минимални узорак за статистичку обраду података (Hair и др. 2010). Изабрано предузеће поседује имплементиран систем менаџмента квалитетом ISО 9001 и процедуре, па ће се записи користити као основа за прикупљање података, што ће значајно олакшати и примену модела за управљање пројектним ризицима. Одабрани тип индустријског производа је светиљка за осветљење јавних простора. Тржишни критеријуми за овај тип производа веома су високи, како по питању техничких захтева, тако и у вези са естетским карактеристикама и одређене специфичности у том погледу биће представљене даље у раду. 4.1.2 Експериментално одређивање променљивих величина Све активности у вези са управљањем ризицима дефинисаће методологију која се делом ослања на модел који је представио Henschel (2009a, 2009b). Формирана је листа одабраног узорка 52 изведена пројекта освајања и новог индустријског производа. Окупља се пројектни тим који ради на пројекту освајања производа коме се обавезно придружује представник за управљање квалитетом у предузећу и руководилац (представник) сектора продаје. На основу записа о неусаглашеностима уочавају се досадашњи проблеми и идентификују као пројектни ризици, а затим се путем дијаграма сродности (Pritchard 2001) класификују у категорије према утицају на пројектне резултате и формирају три скупа:  Ризици који утичу на техничке карактеристике производа - TS  Ризици који утичу на пројектни план - SS  Ризици који утичу на пројектни буџет - BS 50 У сваком од скупова јасно се издвајају подскуп претњи - lS  и подскуп шанси - lS  , при чему је     l l l l lS S S S S         , где је  , ,l T S B У табелама 4.1. и 4.2. представљене су листе идентификованих ризика које представљају претње и шансе следствено, а последње три колоне означавају и категорије, односно припадност скуповима према утицају на резултате пројекта. Табела 4.1. Листа идентификованих претњи Р.бр. ПРЕТЊЕ TS  SS  BS  r1 Погрешна процена тржишта 1 r2 Нејасан (непотпун) захтев инвеститора 1 1 r3 Незадовољство инвеститора предложеним решењем 1 r4 Недостатак повратних информација са тржишта 1 r5 Ограничење инвестиционог буџета 1 r6 Неизводљивост дизајнерског (технолошког) решења 1 r7 Пропусти при изради техничке документације за прототип 1 1 r8 Одступање од дефинисаног дизајнерског решења 1 1 r9 Прототип не испуњава техничке карактеристике 1 r10 Недоступност материјала 1 r11 Нестабилност цена материјала 1 r12 Проблеми са добављачима у вези са роковима испоруке 1 r13 Проблеми са добављачима у вези са квалитетом испоруке 1 r14 Проблеми са кооперантима у вези са квалитетом услуге 1 r15 Проблеми са кооперантима у вези са роковима израде 1 r16 Проблеми са кооперантима у вези са ценом услуге 1 r17 Нестабилност тржишта енергената 1 1 r18 Кварови опреме и машина 1 1 r19 Недостатак обученог кадра 1 r20 Грешка у изради проузрокована људским фактором 1 r21 Повреда на раду, боловање 1 r22 Радна дисциплина 1 r23 Елементарне непогоде 1 1 r24 Дневно-политичке прилике 1 1 51 Р.бр. ПРЕТЊЕ TS  SS  BS  r25 Неоправданост даљег развоја прототипа 1 1 r26 Нестабилност финансијског тржишта 1 r27 Погрешно дефинисана технологија израде 1 r28 Производ не задовољава прописане техничке норме 1 r29 Непотпуна контрола квалитета 1 r30 Законодавни ризици 1 1 r31 Ризици у вези са сертификацијом производа 1 r32 Неадекватно одабрана амбалажа 1 r33 Неадекватно пројектовани алати 1 r34 Неадекватно одабрани или израђени алати 1 r35 Проблеми при монтажи 1 r36 Недостатак алата и машина 1 1 r37 Незадовољство инвеститора изведеним решењем 1 1 r38 Проблеми са планирањем производних ресурса 1 r39 Пропусти у изради радионичке документације 1 r40 Проблеми са складиштењем и транспортом 1 r41 Крађа и саботажа 1 r42 Проблем са патентирањем производа 1 r43 Проблеми са рециклирањем 1 r44 Недовољна маркетиншка подршка 1 r45 Конкуренција 1 r46 Недовољно (неадекватно) формулисани услови гарантног рока 1 r47 Непотпуно упутство о транспорту, монтажи и складиштењу 1 r48 Одустајање инвеститора од реализације пројекта 1 r49 Проблеми са наплатом уговорених обавеза са инвеститором 1 r50 Проблеми са комуникацијама 1 r51 Проблеми са инсталирањем и одржавањем 1 52 Табела 4.2. Листа идентификованих шанси Р.бр. ШАНСЕ TS  SS  BS  š1 Флексибилан инвеститор 1 1 š2 Могућност целокупне израде у сопственој производњи 1 š3 Поседовање материјала на залихама 1 š4 Нови производ представља модификовано решење постојећег производа 1 š5 Коришћење познатих технологија 1 1 š6 Модуларност 1 š7 Коришћење постојећих алата 1 1 š8 Мотивација радника 1 1 š9 Унапређен процес контроле квалитета 1 1 š10 Могућност уштеде оптимизацијом технолошког поступка 1 š11 Sмањење шкарта 1 š12 Велика потражња 1 š13 Проналазак нових рециклабилних материјала 1 1 š14 Bоља организација рада 1 š15 Искоришћење секундарних сировина 1 š16 Корисни шкарт 1 š17 Вешто преговарање 1 1 š18 Могућност примене нових норми и стандарда 1 За сваки од дефинисаних подскупова формирају се матрице међузависности елемената подскупа на основу којих се одређују приоритети ризичних догађаја, а самим тим добијају се и вредности тежинских коефицијената ik (Прилог В). Оцена се врши уписивањем вредности 0, 1, 2 у поља пресека и то: 2 уколико је важнији фактор у реду, 0 ако је важнији фактор у колони и 1 уколико су фактори подједнаке важности. За сваки пројекат са одабране листе узорка формира се регистар ризичних догађаја и на основу записа о неусаглашености формира се листа провере за све ризике, односно проблеме који су се појављивали на предметним пројектима (Прилог А). На овај начин може се одредити експериментална вероватноћа настанка i-тог ризичног догађаја: 53 i ei n P n  (4.3) где је in - број појава i-тог ризичног догађаја на узорку, а n - укупан број пројеката, односно број узорка. Експериментална вероватноћа (не)откривања грешке може се представити као: i di i i n P a n   (4.4) где су : in - број откривених грешака проузрокованих i-тим ризичним догађајем, in - број појава i-тог ризичног догађаја на узорку, а  0,1ia  - тежински коефицијент који зависи од фазе у којој је грешка откривена. Треба напоменути да у спроведеном експерименту број откривених грешака и број појава ризичних догађаја исти, тако да ће вероватноћа откривања ризика зависити од фазе пројекта у којој је ризик откривен. У зависности од тога да ли се ради о корисној или некорисној грешци, карактер величине diP одредиће управо коефицијент ia . Вредност овог коефицијента ће бити одређен према природи ризика: претња или шанса, односно грешке: некорисна или корисна. На овај начин се остварује квантитативна дистинкција између величина вероватноће неоткривања и вероватноће откривања грешке, те ће у наставку величина diP бити означена као вероватноћа откривања грешке, без обзира да ли се везује уз претње или шансе. У зависности од специфичности производа, тржишта и пословних околности, процес освајања индустријског производа може да се представи кроз 54 више потпроцеса (Loch 2008, Ulrich и Eppinger 2004, Barkley 2008, Browning и др. 2002, Browning и др. 2006), у овом случају:  Генерисање идеја и планирање производа  Појашњавање развојних задатака и изводљивост нових технолошких решења  Развој техничке документације  Концептулано решење и први прототип  Развој примењених решења и прототипа  Тестирање прототипа и израда финалне радионичке документације  Покретање производње  Пост-производно праћење тржишта и задовољства клијента Вредности тежинског коефицијента додељују се од вредности 0 за некорисне грешке откривене у првој фази до вредности 1 за ризике (претње) који су изазвали грешку која је откривена у последњој фази. Вредности тежинског коефицијента при откривању корисне грешке узимају вредности 1 за оне грешке које су откривене у првој фази до вредности 0 за ризике (шансе) који су изазвали корисну грешку у последњој фази. Процену осталих вредности доноси пројектни тим техником анализе претпоставке (Pritchard 2001) и вредности су приказане у табели 4.3, а преглед откривеих ризика по фазама дат је у Прилогу Б. Табела 4.3. Вредности тежинског коефицијента ia по фазама откривања грешке ФАЗА ОСВАЈАЊА ИНДУСТРИЈСКОГ ПРИЗВОДА Претње Шансе Генерисање идеја и планирање производа 0,07 1 Појашњавање развојних задатака и изводљивост нових технолошких решења 0,14 0,88 Развој техничке документације 0,23 0,72 Концептулано решење и први прототип 0,37 0,53 Развој примењених решења и прототипа 0,53 0,37 Тестирање прототипа и израда финалне радионичке документације 0,72 0,23 Покретање производње 0,88 0,14 Пост-производно праћење тржишта и задовољства клијента 1 0,07 55 Одређивање тежине грешке на пројектне циљеве буџета и плана ( , )S BC C према изразима 3.19 и 3.20 врши се упоређивањем жељених, граничних и реално остварених резултата и може се представити као: 0 , 1, l l l l g l l gl l l g V V V V V VC V V       (4.5) Где 0lV представља жељену вредност пројектних резултата, lgV граничну дозвољену вредност пројектних резултата, а V реалну вредност измерену у експерименту.  ,l S B . Жељене вредности дефинисане су у пројектном задатку и односе се на очекивано трајање пројекта, као и ангажовани буџет. Реалне вредности за план пројекта, те трошкове лако се очитавају из радних налога и из кондензованог финансијског извештаја следствено. Граничну вредност одређује пројектни тим и она представља маргину преко које растезање плана и/или буџета представља потпуни неуспех пројекта. Ове вредности приказане су у Прилогу Г. Процена тежине грешке на техничке карактеристике производа заснива се на оцени сваког новоосвојеног производа у више категорија које су дефинисане атрибутима производа (Browning и др. 2002). Категорије према којима се врши процена грешке су:  Безбедност  Ергономске карактеристике  Естетске одлике  Производност  Складиштење и транспорт  Захтеви одржавања  Поузданост у експлоатацији  Комплексност монтаже и инсталације  Могућност рециклирања 56 Тежина грешке TC , према изразима изразима 3.15 – 3.18 може се представити као: 10 1T i i i C b M  (4.6) где iM представља оцену i-те категорије, а ib тежински коефицијент којим се одређује приоритет категорија. У Табели 4.3. представљени су критеријуми на основу којих се врши процена тежине грешке у односу на техничке карактеристике, као и чланови пројектног тима надлежни за одређену категорију на основу утврђених техничких критеријума, процедура и анкета о задовљству клијената које су саставни део менаџмента управљања квалитетом и који неће бити посебни разматрани. Оцена се изражава у опсегу  0,1 , 0 за потпуну неиспуњеност захтева и вредност 1 када су захтеви постављени критеријумом испуњени 100%. Оцене iM , као и вредности тежинског коефицијента ib приказане су у Прилогу Г. Табела 4.3. Одређивање тежине грешке у односу на техничке карактеристике производа Р.бр. КАТЕГОРИЈА КРИТЕРИЈУМ ОЦЕЊИВАЧ К1 Безбедност Рекламације: Bрој светиљки које су угрозиле безбедност у односу на укупан број испоручених светиљки. Руководилац продаје К2 Ергономске карактеристике Лабораторијско испитивање светлотехничких карактеристика: На основу резултата према нормативима CIE3 утврђује се ниво светлосне удобности. Одговорни пројектант светлотехничких карактеристика светиљке К3 Естетске одлике Процена изведеног стања: На основу естетских захтева, процена изведеног обликовног решења и завршне обраде. Одговорни дизајнер 3 La Commission internationale de l'éclairage (CIE) – Међународна комисија за осветљење 57 Р.бр. КАТЕГОРИЈА КРИТЕРИЈУМ ОЦЕЊИВАЧ К4 Производност Ефикасност и продуктивност: Однос произведених светиљки и употребљених ресурса (комплексност израде, утрошак рада). Руководилац производње К5 Могућност контроле квалитета Процедуре ИSО: Утврђује се да ли је изводљива и у којој мери контрола квалитета свих делова и услуга. Представник предузећа за квалитет К6 Складиштење и транспорт Логистички нормативи предузећа: Утврђује се да ли су стечени сви услови за безбедно складиштење и допремање свих делова, правовремено снабдевање, као и испоруку и складиштење готовог производа. Представник предузећа за набавку и логистику К7 Захтеви одржавања Анкета о задовољству корисника: Средња оцена клијената о испуњењу захтева по питању одржавања. Руководилац продаје К8 Поузданост у експлоатацији Рекламације: Bрој отказа у раду о односу на број испоручених светиљки. Руководилац продаје К9 Комплексност монтаже и инсталације Анкета о задовољству корисника: Средња оцена клијената о једноставности монтирања и инсталације (постављања) светиљке. Руководилац продаје К10 Могућност рециклирања Састав материјала: Процентуални однос материјала који може да се рециклира. Руководилац производње Одређивање тежинског коефицијената изведено је путем матрице међузависности која је представљена у Табели 4.4. Вредност тежинског коефицијента ib добија се као: 10 1 10 10 1 1 K ij j K i K K ij i K j K x b x              (4.7) 58 Табела 4.4. Матрица међузависности категорија на основу којих се процењује тежина грешке у односу на техничке карактеристике светиљке за урбано осветљење отворених јавних простора К1 К2 К3 К4 К5 К6 К7 К8 К9 К10  ib К1 Безбедност 1 2 2 2 2 2 2 2 2 2 19 0.2 К2 Ергономске карактеристике 0 1 2 2 1 2 1 1 2 2 14 0.14 К3 Естетске одлике 0 0 1 1 0 2 1 0 2 2 9 0.09 К4 Производност 0 0 1 1 1 2 1 0 1 2 9 0.09 К5 Могућност контроле квалитета 0 1 2 1 1 2 1 2 2 2 14 0.14 К6 Складиштење и транспорт 0 0 0 0 0 1 0 0 0 0 1 0.01 К7 Захтеви одржавања 0 0 1 1 1 2 1 0 2 2 10 0.1 К8 Поузданост у експлоатацији 0 1 2 2 0 2 2 1 2 2 14 0.14 К9 Комплексност монтаже и инсталације 0 0 0 1 0 2 0 0 1 2 6 0.61 К10 Могућност рециклирања 0 0 0 0 0 2 0 0 0 1 3 0.03 4.2 Статистичка анализа променљивих величина Фактори ризика дефинисани у поглављу 4.1.2. представљени су као функција већег броја променљивих величина, тачније скупова променљивих које су у релацијама. Будући да се ради о мерљивим променљивим, које су међусобно зависне, логично је да се спроведе анализа сваког скупа, односно подскупа променљивих приказаних у претходном поглављу. Техника која ће бити примењена за анализу ових променљивих је факторска анализа. Факторска анализа представља алат за анализу структуре међузависности (корелација) већег броја променљивих, формирајући групе повезаних променљивих који се називају факторима. Ове групе, односно фактори, по дефиницији поседују висок степен међузависности, те се претпостављају као димензије података (Hair и др. 2010). Дакле, основна функција факторске анализе је сажимање података садржаних у изворним променљивим величинама у нове променљиве, односно 59 факторе, уз минималан губитак информација. На овај начин, већи број информација, може се свести на мањи број, те поједноставити анализу при чему се задржава потребан број информација. Уколико је циљ само смањење броја променљивих, онда може доћи до стварања нових сложених димензија. Стога, неопходно је поставити концептуалне основе за разумевање релација између променљивих, како би нове димензије, добиле значење онога што колективно представљају (Hair и др. 2010). Након спроведене експлоративне факторске анализе на скупове података, биће постављене и релације међу променљивим величинама које су сажете у факторе и припремити основа за примену Monte Carlo симулације. 4.2.1 Факторска анализа истраживаних променљивих У овом поглављу биће спроведена експлоративна факторска која за циљ има сажимање и редукцију броја променљивих величина. Према (Hair и др. 2010), а на основу концепције истраживачког модела параметри факторске анализе представљени су у табели 4.5., а анализа је спроведена помоћу програмског пакета „Statistica 10“. Табела 4.5. Улазни параметри за факторску анализу истраживаних променљивих Променљиве су груписане у зависности од фактора ризика, а према табелама 4.1., 4.2. и 4.3. Сваки од дефинисаних подскупова претњи - lS  и шанси - lS  , где Експлоративна факторска анализа Параметри факторске анализе Тип факторске анализе Р-тип (R-type) Узорак Узорак од 52 случајева, променљиве груписане према факторима ризика Извођење фактора и процена Метода главних компонената, број променљивих једнак броју фактора Bрој фактора Једнак броју променљивих Оптерећење фактора 0,75 Ротација Varimax 60 је  , ,l T S B , према критеријуму експерименталне вероватноће настанка ризика, као и скуп категорија за процену тежине грешке у односу на техничке карактеристике, представљаће посебан конструкт. Базу за примену факторске анализе по конструктима представљаће резултати истраживања приказани Прилогу А као и Прилогу Г. Имајући у виду да је циљ сажимање променљивих величина (варијабли) по конструкту, биће примењен Р-тип (R-type) експлоративне факторске анализе, а како је редукција података у првом плану, иста ће бити спроведена методом главних компонената (component) одн. (principal component analysis) као и код Спасојевић-Бркић (2008). Полазна претпоставка је да су све променљиве које описују сваки од конструкта независне, тако да ће у поставци број фактора одговарати броју варијабли. Оптерећење фактора представља корелацију између оригиналне променљиве и њеног фактора. Вредност оптерећења која се сматра значајном зависи од величине узорка и што је вредност оптерећења већа, фактор боље описује конструкт. На основу величине узорка у овом истраживању (52), усвојено оптерећење фактора је 0,75 и ниже вредности корелације између оригиналне променљиве и фактора неће бити узете у обзир у даљем разматрању. У циљу постизања независности фактора, када се групе фактора не разазнају потребно извршити трансформацију, односно ротирати факторе. Како су резултати истраживања који су коришћени за формирање конструкта према критеријуму експерименталне вероватноће настанка ризика бинарног типа, односно типа скале за конструкт према критеријуму процене тежине грешке у односу на техничке карактеристике, то је примењена ротација типа „varimax“. Добијени резултати приказани су табеларно по конструктима истраживачког модела и то у табелама од 4.6. до 4.12. 61 Табела 4.6. Експлоративна факторска анализа за променљиве подскупа претњи које утичу на техничке карактеристике производа Подаци приказани у Табели 4.6. показују да за Фактор 3 и Фактор 5 не постоје дововољно високе вредности оптерећења фактора, те се ови фактори неће узимати у разматрање даљој анализи. Подаци приказани у Табели 4.7. показују да за Фактор 6 не постоје дововољно високе вредности оптерећења фактора, те се он неће узимати у разматрање даљој анализи. Подаци приказани у Табели 4.8. показују да за Фактор 3 и Фактор 5 не постоје дововољно високе вредности оптерећења фактора, те се ови фактори неће узимати у разматрање даљој анализи. Претње које утичу на техничке карактеристике производа, означена оптерећења > 0,75 Променљива Фактор 1 Фактор 2 Фактор 3 Фактор 4 Фактор 5 Фактор 6 r7 -0,006544 -0,139016 0,139338 0,402172 0,623526 0,351025 r8 0,108637 0,164897 0,051314 0,787155 -0,066112 -0,218377 r9 0,871919 -0,109680 -0,162713 -0,062499 -0,027593 -0,044639 r13 -0,004368 0,760858 0,201040 -0,035596 0,043032 -0,019967 r14 -0,099478 -0,111582 0,162468 0,541942 0,009207 0,139052 r19 0,235808 0,137639 -0,076331 0,766999 -0,149356 0,036549 r20 0,009585 0,177550 0,154618 0,682726 0,028939 0,281678 r27 0,458126 0,395719 -0,472751 0,377583 0,127719 -0,118111 r28 0,855777 -0,007932 -0,064060 0,050076 -0,178450 0,068083 r29 0,007783 0,398048 0,579585 0,161170 0,060761 0,130788 r31 0,700634 0,037188 0,359049 0,174874 0,018935 -0,085542 r32 0,332747 0,066461 0,567658 0,363770 0,092322 -0,157035 r33 -0,112968 0,614756 0,066596 0,279908 -0,039512 0,347442 r34 -0,087378 0,058027 0,051682 -0,009363 -0,118246 0,852431 r35 -0,071058 0,095450 0,651224 0,030765 -0,056131 0,105869 r39 0,165787 0,176517 0,140629 0,256639 0,411974 0,615233 r46 0,478722 0,068230 0,298105 0,261301 -0,637189 0,026485 r47 0,372862 -0,279002 0,308610 0,458807 -0,136846 0,130691 r51 0,089198 -0,169237 0,002762 0,336015 -0,658996 0,173653 Објашњена варијанса 2,810692 1,553968 1,794826 3,005528 1,527157 1,625993 Удео у укупној 0,147931 0,081788 0,094465 0,158186 0,080377 0,085579 62 Табела 4.7. Експлоративна факторска анализа за променљиве подскупа претњи које утичу на пројектни план Претње које утичу на прекорачење пројектног плана, означена оптерећења > 0,75 Променљива Фактор 1 Фактор 2 Фактор 3 Фактор 4 Фактор 5 Фактор 6 Фактор 7 Фактор 8 Фактор 9 r2 0,235064 -0,208430 0,116301 0,093642 0,078780 0,140002 0,016552 0,021300 0,850626 r3 -0,113940 -0,158279 0,094290 0,017880 -0,126306 -0,103951 -0,062866 0,009665 0,902868 r4 0,074222 -0,005195 -0,186621 -0,153760 0,708368 0,113665 -0,334325 0,253270 0,112160 r6 0,448631 -0,281206 0,077072 0,332384 -0,065464 0,409645 0,031446 -0,192897 0,411196 r7 -0,174527 0,089131 -0,114744 0,534279 0,139456 0,585519 -0,075220 -0,116799 -0,075222 r8 0,244884 -0,154038 0,337724 0,425826 -0,086382 0,224114 0,366715 -0,147139 0,389289 r10 -0,025668 0,140074 0,137743 0,026181 -0,193250 0,710684 0,258128 0,253710 0,050180 r12 0,213167 0,188576 0,132538 -0,068310 -0,095446 -0,009959 0,823875 0,028838 0,021875 r15 0,098466 0,027159 -0,023475 0,844385 -0,021040 0,107612 -0,026323 0,088910 0,154253 r17 0,033085 0,051483 0,052356 -0,031610 -0,106127 0,017426 0,062686 0,872829 -0,114451 r18 -0,425701 0,163202 0,033098 0,014106 0,018121 0,292295 0,427407 0,175109 0,500792 r21 0,380446 0,211920 0,266635 -0,015831 0,154736 0,639589 -0,196870 -0,130991 0,095544 r22 -0,050490 0,258032 0,354319 0,592994 0,052354 -0,396256 -0,080895 -0,169301 -0,132125 r23 0,763621 0,086956 0,050647 0,019686 0,142777 0,078830 0,096285 0,071853 0,014957 r24 0,211591 0,100168 0,356392 0,020720 0,132819 0,040706 0,042194 0,654048 0,319466 r25 -0,044653 -0,719654 -0,017117 -0,201052 0,077752 -0,179223 -0,291985 -0,127863 0,147637 r30 -0,128284 -0,077764 0,924480 -0,022409 -0,050928 -0,072896 0,110899 0,123598 0,043598 r36 0,718292 0,166566 -0,161172 0,019124 -0,269803 -0,038837 0,163835 0,147523 0,042305 r37 -0,195620 -0,797746 0,073812 0,050310 -0,116119 -0,101302 0,025932 -0,038227 0,244016 r38 0,187991 0,108681 0,817757 -0,016263 -0,066772 0,266012 0,092712 0,013200 0,140061 r44 -0,096667 0,051630 0,016845 0,149522 0,826146 -0,136596 0,133446 -0,255057 -0,130903 r45 0,089836 -0,464832 0,049210 -0,087728 0,403351 0,140258 0,531238 0,315150 -0,128904 r50 -0,220793 -0,265320 0,646917 0,326698 -0,001073 0,064570 -0,004736 0,379631 0,150525 Објашњена варијанса 2,052898 1,882595 2,533866 1,863108 1,622926 1,943117 1,679885 1,845072 2,458210 Удео у укупној 0,089256 0,081852 0,110168 0,081005 0,070562 0,084483 0,073038 0,080221 0,106879 63 Табела 4.8. Експлоративна факторска анализа за променљиве подскупа претњи које утичу на пројектни буџет Претње које утичу на прекорачење пројектног буџета, означена оптерећења > 0,75 Променљива Фактор 1 Фактор 2 Фактор 3 Фактор 4 Фактор 5 Фактор 6 Фактор 7 r1 0,357384 0,008260 0,049183 -0,257178 -0,711485 -0,049461 0,036428 r2 0,309679 0,802140 0,012027 0,038026 0,018751 0,029519 0,076327 r5 -0,092081 0,077958 0,028380 0,041598 0,131957 0,892899 0,081303 r11 -0,263585 -0,017667 0,626604 0,188615 0,048625 0,427753 0,157735 r16 -0,162017 0,484187 0,193708 -0,320739 -0,230176 0,258491 0,180876 r17 -0,055148 -0,188960 0,263204 0,259908 0,529720 0,400544 0,154550 r18 -0,086347 0,218081 -0,038051 -0,103625 0,080571 0,040812 0,785082 r23 -0,047053 0,313643 0,740501 -0,154233 -0,044939 0,027388 -0,258019 r24 0,033292 0,340259 0,401468 -0,119565 0,549914 0,357787 0,063963 r25 0,884888 0,036530 -0,216625 0,140802 -0,027861 -0,030803 -0,183831 r26 -0,164254 0,133609 0,593927 0,332861 0,315247 0,131606 0,205940 r30 0,097535 0,151235 -0,044032 -0,104703 0,692790 -0,002775 0,238394 r36 -0,223270 0,277321 0,404006 0,647505 -0,062095 -0,141128 -0,222175 r37 0,742602 0,087929 -0,078831 -0,203736 0,105644 -0,196644 0,257225 r40 -0,062168 -0,117063 -0,041409 0,922463 0,083559 0,167146 0,080467 r41 0,053591 0,547619 -0,048628 0,396885 0,255131 -0,335422 0,303833 r42 0,001975 0,096955 0,014708 0,113156 0,141210 0,088512 0,836570 r43 0,155938 -0,402563 0,656350 -0,012266 -0,114687 -0,438429 0,005179 r48 0,763964 0,255106 0,132299 -0,214792 -0,367686 -0,001100 -0,176627 r49 0,089258 0,701205 0,213559 -0,032462 0,272797 0,092365 0,410877 Објашњена варијанса 2,385142 2,350247 2,283018 1,995094 2,080750 1,767136 2,029511 Удео у укупној 0,119257 0,117512 0,114151 0,099755 0,104038 0,088357 0,101476 64 Табела 4.9. Експлоративна факторска анализа за променљиве подскупа шанси које утичу на техничке карактеристике производа Шансе које утичу на техничке карактеристике производа, означена оптерећења > 0,75 Промнљива Фактор 1 Фактор 2 š5 -0,260649 -0,839896 š8 -0,285308 0,655400 š9 0,807379 -0,145336 š13 0,774478 0,268642 š18 0,896347 -0,102732 Објашњена варијанса 2,204453 1,238820 Удео у укупној 0,440891 0,247764 Табела 4.10. Експлоративна факторска анализа за променљиве подскупа шанси које утичу на пројектни план Претње које утичу на пројекти план, означена оптерећења > 0,75 Променљива Фактор 1 Фактор 2 Фактор 3 Фактор 4 š1 0,054309 0,882714 -0,039209 -0,013886 š2 0,238086 -0,035542 0,883875 -0,039609 š3 0,058982 -0,089157 0,829574 0,046456 š4 0,843942 -0,252836 0,171542 0,070359 š5 0,726500 0,278980 -0,070506 -0,228790 š6 0,783012 -0,123165 0,399995 0,029321 š7 0,828957 -0,169614 0,047868 0,229528 š8 -0,287921 0,469051 0,180823 0,596798 š9 -0,218188 0,117126 0,158998 -0,805138 š14 0,020434 0,437219 0,562373 -0,226861 š17 -0,238672 0,803295 -0,030799 0,024131 Објашњена варијанса 2,791317 2,044261 2,042840 1,171222 Удео у укупној 0,253756 0,185842 0,185713 0,106475 65 Табела 4.11. Експлоративна факторска анализа за променљиве подскупа шанси које утичу на пројектни буџет Шансе које утичу на пројектни буџет, означена оптерећења > 0,75 Променљива Фактор 1 Фактор 2 Фактор 3 š1 0,041774 -0,797714 0,073921 š7 -0,183002 0,296419 0,751877 š10 0,753806 -0,125879 -0,200219 š11 0,877816 0,032428 -0,104262 š12 0,346904 -0,472855 -0,065275 š13 -0,101524 0,250364 -0,692569 š15 0,434652 -0,311295 0,074715 š16 0,646396 0,064026 0,341616 š17 -0,068804 -0,878554 -0,061109 Објашњена варијанса 2,116153 1,900244 1,231671 Удео у укупној 0,235128 0,211138 0,136852 Табела 4.12. Експлоративна факторска анализа за променљиве критеријума за оцену тежине грешке у односу на техничке карактеристике производа Критеријуми за оцену тежине грешке у односу на техничке карактеристике производа, означена оптерећења > 0,75 Променљива Факотр 1 Фактор 2 Фактор 3 K1 Bезбедност 0,314110 0,559357 0,524725 К2 Ергономија 0,763514 0,204355 0,232015 К3 Естетске одлике 0,000137 -0,046029 0,901013 К4 Производност 0,698077 0,625180 0,062072 К5 Могућност контроле квалитета 0,893500 -0,186773 0,105576 К6 Складиштење и транспорт 0,566653 0,598115 -0,157817 К7 Захтеви одржавања 0,857081 0,240608 0,274977 К8 Поузданост у експлоатацији 0,287080 -0,009401 0,838849 К9 Комплексност монтаже и инсталације 0,191211 0,823879 0,166521 К10 Могућност рециклирања 0,322092 -0,786062 0,393949 Објашњена варијанса 3,245676 2,494887 2,143103 Удео у укупној 0,324568 0,249489 0,214310 66 У табелама од 4.13. до 4.19. представљени су изведени фактори по конструктима истраживачког модела за вредности оптерећења фактора преко 0,75. Табела 4.13. Изведени фактори за променљиве подскупа претњи које утичу на техничке карактеристике производа Фактор Променљива Оптерећење Фактор 1 r9 Прототип не испуњава техничке карактеристике 0,871919 r28 Производ не задовољава прописане техничке норме 0,855777 Фактор 2 r13 Проблеми са добављачима у вези са квалитетом испоруке 0,760858 Фактор 3 - Фактор 4 r8 Одступање од дефинисаног дизајнерског решења 0,787155 r19 Недостатак обученог кадра 0,766999 Фактор 5 - Фактор 6 r34 Неадекватно одабрани или израђени алати 0,852431 Табела 4.14. Изведени фактори за променљиве подскупа претњи које утичу на пројектни план Фактор Променљива Оптерећење Фактор 1 r23 Елементарне непогоде 0,763621 Фактор 2 r37 Незадовољство инвеститора изведеним решењем -0,797746 Фактор 3 r30 Законодавни ризици 0,924480 r38 Проблеми са планирањем производних ресурса 0,817757 Фактор 4 r15 Проблеми са кооперантима у вези са роковима израде 0,844385 Фактор 5 r44 Недовољна маркетиншка подршка 0,826146 Фактор 6 - Фактор 7 r12 Проблеми са добављачима у вези са роковима испоруке 0,823875 Фактор 8 r17 Нестабилност тржишта енергената 0,872829 Фактор 9 r2 Нејасан (непотпун) захтев инвеститора 0,850626 r3 Незадовољство инвеститора предложеним решењем 0,902868 67 Табела 4.15. Изведени фактори за променљиве подскупа претњи које утичу на пројектни буџет Фактор Променљива Оптерећење Фактор 1 r25 Неоправданост даљег развоја прототипа 0,884888 r48 Одустајање инвеститора од реализације пројекта 0,763964 Фактор 2 r2 Нејасан (непотпун) захтев инвеститора 0,802140 Фактор 3 - Фактор 4 r40 Проблеми са складиштењем и транспортом 0,922463 Фактор 5 - Фактор 6 r5 Ограничење инвестиционог буџета 0,892899 Фактор 7 r18 Кварови опреме и машина 0,785082 r42 Проблем са патентирањем производа 0,836570 Табела 4.16. Изведени фактори за променљиве подскупа шанси које утичу на техничке карактеристике производа Фактор Променљива Оптерећење Фактор 1 š9 Унапређен процес контроле квалитета 0,807379 š13 Проналазак нових рециклабилних материјала 0,774478 š18 Могућност примене нових норми и стандарда 0,896347 Фактор 2 š5 Коришћење познатих технологија -0,839896 68 Табела 4.17. Изведени фактори за променљиве подскупа шанси које утичу на пројектни план Фактор Променљива Оптерећење Фактор 1 š4 Нови производ представља модификовано решење постојећег производа 0,843942 š6 Модуларност 0,783012 š7 Коришћење постојећих алата 0,828957 Фактор 2 š1 Флексибилан инвеститор 0,882714 š17 Вешто преговарање 0,803295 Фактор 3 š2 Могућност целокупне израде у сопственој производњи 0,883875 š3 Поседовање материјала на залихама 0,829574 Фактор 4 š9 Унапређен процес контроле квалитета -0,805138 Табела 4.18. Изведени фактори за променљиве подскупа шанси које утичу на пројектни план Фактор Променљива Оптерећење Фактор 1 š10 Могућност уштеде оптимизацијом технолошког поступка 0,753806 š11 Смањење шкарта 0,877816 Фактор 2 š1 Флексибилан инвеститор -0,797714 š17 Вешто преговарање -0,878554 Фактор 3 š7 Коришћење постојећих алата 0,751877 Табела 4.19. Изведени фактори за променљиве критеријума за оцену тежине грешке у односу на техничке карактеристике производа Фактор Променљива Оптерећење Фактор 1 К2 Ергономске карактеристике 0,763514 К5 Могућност контроле квалитета 0,893500 К7 Захтеви одржавања 0,857081 Фактор 2 К9 Комплексност монтаже и инсталације 0,823879 К10 Могућност рециклирања -0,786062 Фактор 3 К3 Естетске одлике 0,901013 К8 Поузданост у експлоатацији 0,838849 69 Показало се није дошло до поделе променљиве на више фактора, те да постоји тенденција груписања променљивих на логичан начин, иако максимално три променљиве по фактору, тако да није било потребе за спровођењем анализе поузданости. Суштински, све променљиве чија вредност оптерећена фактора није била довољно висока неће бити узете у обзир у даљем разматрању. Остале променљиве приказане у табелама од 4.13. до 4.19. биће у наставку разматране као саставни део изведених фактора. 4.2.2 Формирање и интерпретација нових променљивих величина Према Hair и др. (2010) након изведене факторске анализе, неопходно је формирати нове променљиве величине и успоставити нове скупове података у односу на изведене факторе. На основу табела 4.13. до 4.19. приступиће се означавању фактора, а затим и одређивању алгоритма по којем ће бити формирани нови скупови података. Табеле 4.20. до 4.26. представљају приказ нових променљивих. Табела 4.20. Нове променљиве подскупа претњи које утичу на техничке карактеристике производа Фактор Променљива Нова променљива Фактор 1 r9 Прототип не испуњава техничке карактеристике Неиспуњеност техничких норми r28 Производ не задовољава прописане техничке норме Фактор 2 r13 Проблеми са добављачима у вези са квалитетом испоруке Проблеми са добављачима у вези са квалитетом испоруке Фактор 3 - - Фактор 4 r8 Одступање од дефинисаног дизајнерског решења Људски фактор r19 Недостатак обученог кадра Фактор 5 - - Фактор 6 r34 Неадекватно одабрани или израђени алати Неадекватно одабрани или израђени алати 70 Подаци у Табели 4.20. показују да је дошло до груписања по две променљиве у два фактора и то оних променљивих које представљају неиспуњеност техничких норми, као и две које се односе на људски фактор. Остале променљиве, које нису показале особину преклапања (груписања) са другим променљивим величинама, а при том су након факторске анализе означене ако статистички релевантне, разматраће се даље у свом изворном облику. Табела 4.21. Нове променљиве подскупа претњи које утичу на пројектни план Фактор Променљива Нова променљива Фактор 1 r23 Елементарне непогоде Елементарне непогоде Фактор 2 r37 Незадовољство инвеститора изведеним решењем Незадовољство инвеститора изведеним решењем Фактор 3 r30 Законодавни ризици Административно-организациони ризици r38 Проблеми са планирањем производних ресурса Фактор 4 r15 Проблеми са кооперантима у вези са роковима израде Проблеми са кооперантима у вези са роковима израде Фактор 5 r44 Недовољна маркетиншка подршка Недовољна маркетиншка подршка Фактор 6 - - Фактор 7 r12 Проблеми са добављачима у вези са роковима испоруке Проблеми са добављачима у вези са роковима испоруке Фактор 8 r17 Нестабилност тржишта енергената Нестабилност тржишта енергената Фактор 9 r2 Нејасан (непотпун) захтев инвеститора Ризици у вези са захтевима инвеститора r3 Незадовољство инвеститора предложеним решењем Подаци у Табели 4.21. показују да је дошло до груписања по две променљиве у два фактора. Фактор 3 груписао је променљиве које се односе на административно-организационе ризике, док Фактор 9 обухвата променљиве које се односе на ризике у вези са захтевима инвеститора. Остале променљиве, које нису показале особину преклапања (груписања) са другим променљивим величинама, а при том су након факторске анализе означене ако статистички релевантне, разматраће се даље у свом изворном облику. 71 Табела 4.22. Нове променљиве подскупа претњи које утичу на пројектни буџет Фактор Променљива Нова променљива Фактор 1 r25 Неоправданост даљег развоја прототипа Одустајање од пројекта r48 Одустајање инвеститора од реализације пројекта Фактор 2 r2 Нејасан (непотпун) захтев инвеститора Нејасан (непотпун) захтев инвеститора Фактор 3 - - Фактор 4 r40 Проблеми са складиштењем и транспортом Проблеми са складиштењем и транспортом Фактор 5 - - Фактор 6 r5 Ограничење инвестиционог буџета Ограничење инвестиционог буџета Фактор 7 r18 Кварови опреме и машина Опортуни трошкови r42 Проблем са патентирањем производа Подаци у Табели 4.22. показују да је дошло до груписања по две променљиве у два фактора. Фактор 1 групише променљиве које се односе ризике одустајања од пројекта, док Фактор 7 обухвата променљиве које се односе на ризике у вези са опортуним трошковима. Остале променљиве, које нису показале особину преклапања (груписања) са другим променљивим величинама, а при том су након факторске анализе означене ако статистички релевантне, разматраће се даље у свом изворном облику. Табела 4.23. Нове променљиве подскупа шанси које утичу на техничке карактеристике производа Фактор Променљива Нова променљива Фактор 1 š9 Унапређен процес контроле квалитета Унапређење техничких процеса š13 Проналазак нових рециклабилних материјала š18 Могућност примене нових норми и стандарда Фактор 2 š5 Коришћење познатих технологија Коришћење познатих технологија 72 Подаци у Табели 4.23. показују да је дошло до груписања три променљиве које се односе на унапређење техничких процеса у један фактор, док други фактор представља изворна променљива која се односи на коришћење познатих технологија. Табела 4.24. Нове променљиве подскупа шанси које утичу на пројектни план Фактор Променљива Нова променљива Фактор 1 š4 Нови производ представља модификовано решење постојећег производа Адаптивност дизајна š6 Модуларност š7 Коришћење постојећих алата Фактор 2 š1 Флексибилан инвеститор Могућност преговарања š17 Вешто преговарање Фактор 3 š2 Могућност целокупне израде у сопственој производњи Независност сопствене производње š3 Поседовање материјала на залихама Фактор 4 š9 Унапређен процес контроле квалитета Унапређен процес контроле квалитета Подаци у Табели 4.24. показују да је дошло до груписања три променљиве које се односе на адаптивност дизајна у један фактор, док су по две променљиве груписане у два фактора: Фактор 2 обједињује променљиве везане за флексибилност и могућност преговарачког процеса, док Фактор 3 групише променљиве које представљају могућност целокупне израде производа путем сопствених производних капацитета и ресурса. Фактор 4 представља изворна променљива која се односи на унапређен процес контроле квалитета. Табела 4.25. Нове променљиве подскупа шанси које утичу на пројектни буџет Фактор Променљива Нова променљива Фактор 1 š10 Могућност уштеде оптимизацијом технолошког поступка Оптимизицаја технолошког поступка š11 Смањење шкарта Фактор 2 š1 Флексибилан инвеститор Могућност преговарања š17 Вешто преговарање Фактор 3 š7 Коришћење постојећих алата Коришћење постојећих алата 73 Подаци у Табели 4.25. показују да је дошло до груписања по две променљиве груписане у два фактора. Фактор 1 обједињује променљиве везане за оптимизацију технолошког поступка док Фактор 2 обухвата променљиве које се односе на флексибилност и могућност преговарачког процеса. Фактор 3 представља изворна променљива која се односи на коришћење постојећих алата. Уочава се да се фактор „Могућност преговарања“ појављује као нова променљива подскупа шанси које утичу и на пројектни план и пројектни буџет. Табела 4.26. Нове променљиве критеријума за оцену тежине грешке у односу на техничке карактеристике производа Фактор Променљива Нова променљива Фактор 1 К2 Ергономија Технички критеријум К5 Могућност контроле квалитета К7 Захтеви одржавања Фактор 2 К9 Комплексност монтаже и инсталације Критеријум инвеститора К10 Могућност рециклирања Фактор 3 К3 Естетске одлике Критеријум крајњег корисника К8 Поузданост у експлоатацији Подаци у Табели 4.26. показују да је дошло до груписања променљивих у три фактора. По три променљиве сажете су Фактор 1 и Фактор 2 који представљају нове променљиве за оцену грешке у односу на техничке карактеристике производа и то према техничком и критеријуму и критеријуму инвеститора следствено. Фактор 3 обухватио је две променљиве, естетске одлике и експлоатацију и тако формирао критеријум крајњег корисника. 4.2.3 Критеријум за успостављање скупова нових променљивих величина Након извршене факторске анализе, формиране су нове променљиве величине, које у одређеном броју случајева обједињују више изворних променљивих. У циљу обезбеђења информација за примену симулације, неопходно је успоставити критеријуме на бази истраживачког концепта и дефинисати релације између изворних променљивих које су сажете у факторе. 74 Према Hair и др. (2010) постоји неколико начина представљања изведене, нове променљиве величине. Најчешће коришћени начин је генерализација података путем средње вредности истраживаних величина или одабир сурогат променљиве која има највиши фактор оптерећења. Како се ради о представљању експерименталне вероватноће настанка грешке, а затим и вероватноће откривања грешке, уместо критеријума средње вредности или одабира сурогат променљиве, биће успостављен критеријум максималне вредности. На тај начин постиже се очување информација о појави и откривању сваког ризика описаног у изворним променљивим величинама које су сажете у факторе, односно нове променљиве. Свака изворна променљива величина X представљена је низом информација, где ix представља i-ту опсервацију узорка. У Прилогу Б и Прилогу В табеларно су приказани скупови истраживаних величина изворних променљивих и то према појави грешке и фази откривања следствено. Дакле, свака од опсервација може се представити као ijx , где је  1, 2,...,i n , n - број изворних променљивих, а  1, 2,...,j m , 52m  - број узорка. Аналогно, нова k-та променљива kX може се представити као низ информација kx , где је   1max ,k ij i jx x x  (4.8) На основу релације (4.8) између изворних и нових променљивих формиран је нови скуп информација који је табеларно приказан у Прилогу Д. 4.2.4 Статистичка анализа променљивих величина У циљу извршења статистичке оцене променљивих величина, за потребе пробабилистичког математичког модела дефинисаног изразом 4.2, модела експерименталног истраживања, као и података везаних за сваку променљиву величину (Прилог Д), приступиће се процени којој теоријској расподели ови подаци можда припадају (Ђорић и др. 2007). Razali и Wah (2011) закључују да су најмоћнији тестови за процену свих типова емпријиских расподела Шапиро-Вилк 75 (Shapiro-Wilk) и Андерсон-Дарлинг (Anderson-Darling) тестови, док Arshad и др. (2003) истичу Андерсон-Дарлинг тест као најмоћнији. Ови тестови саставни су део програмских пакета за статистичку обраду података (Hair и др. 2010). Адекватност, као и параметри одабране расподеле биће одређени путем програмског пакета “Crystal Ball”, а детаљни извештаји процене биће приказани у Прилогу Ђ. Каде се узме у обзир карактер променљивих величина које су дефинисане у поглављу 4.1.2. може се закључити да је у питању непрекидно обележје (непрекидна случајна величина), односно скуп могућих вредности случајне величине је скуп реалних бројева (Ђорић и др. 2007), у овом случају са једног интервала затвореног са обе стране и то [0,1]. За потребу што тачнијег описивања расподела, сви параметри ће бити представљени у апсолутном смислу, док ће дијаграми расподела бити представљени само на дефинисаном интервалу. 4.2.4.1 Статистичка анализа променљивих величина које утичу на техничке карактеристике производа У наставку ће бити приказане расподеле променљивих величина које утичу на износ пројектног ризика везаног за техничке карактеристике производа. Прво ће бити представљене расподеле вероватноће настанка грешке за сваку од променљивих величина из овог скупа, затим расподеле вероватноће откривања грешке и коначно расподеле тежине грешке према усвојеним критеријумима. 76 Слика 4.1. Расподела вероватноће настанка грешке за променљиву: неиспуњеност техничких норми Дијаграм приказан на слици 4.1. представља Бета расподелу вероватноће настанка грешке изазиване ризиком неипсуњености техничких норми на ограниченом интервалу [0,1]. Параметри облика расподеле су 1,2031a  ; 1,5592b  , најмања вредност случајне променљиве је -0,49, док је највећа вредност случајне променљиве 1,21. Слика 4.2. Расподела вероватноће настанка грешке за променљиву: проблеми са добављачима у вези са квалитетом испоруке Дијаграм приказан на слици 4.2. представља Бета расподелу вероватноће настанка грешке изазиване ризиком везаним за проблеме са добављачима у вези са квалитетом испоруке на ограниченом интервалу [0,1]. Параметри облика расподеле су 0,3a  ; 0,3b  , најмања вредност случајне променљиве је -0,09, док је највећа вредност случајне променљиве 1,17. 77 Слика 4.3. Расподела вероватноће настанка грешке за променљиву: људски фактор Дијаграм приказан на слици 4.3. представља Логистичку расподелу вероватноће настанка грешке изазиване ризиком везаним за људски фактор на ограниченом интервалу [0,1]. Параметар локације је 0,21, док параметар скалирања износи 0,29. Слика 4.4. Расподела вероватноће настанка грешке за променљиву: неадекватно одабрани или израђени алати Дијаграм приказан на слици 4.4. представља Бета расподелу вероватноће настанка грешке изазиване ризиком везаним за неадекватно одабране или израђене алате на ограниченом интервалу [0,1]. Параметри облика расподеле су 0,4154a  ; 0,643b  , најмања вредност случајне променљиве је 0, док је највећа вредност случајне променљиве 1. 78 Слика 4.5. Расподела вероватноће настанка грешке за променљиву: унапређење техничких процеса Дијаграм приказан на слици 4.5. представља расподелу екстремних вредности вероватноће настанка грешке изазиване ризиком везаним за унапређење техничких процеса на ограниченом интервалу [0,1]. Параметар локације је 0,44, док параметар скалирања износи 0,48. Слика 4.6. Расподела вероватноће настанка грешке за променљиву: коришћење познатих технологија Дијаграм приказан на слици 4.6. представља Логистичку расподелу вероватноће настанка грешке изазиване ризиком везаним за коришћење познатих технологија на ограниченом интервалу [0,1]. Параметар локације је 0,79, док параметар скалирања износи 0,29. 79 Слика 4.7. Расподела вероватноће откривања грешке за променљиву: неиспуњеност техничких норми Дијаграм приказан на слици 4.7. представља Студентову расподелу вероватноће откривања грешке изазиване ризиком везаним за неиспуњеност техничких норми на ограниченом интервалу [0,1]. Параметар локације је 0,52, параметар скалирања износи 0,05, док је број степени слободе 3. Слика 4.8. Расподела вероватноће откривања грешке за променљиву: проблеми са добављачима у вези са квалитетом испоруке Дијаграм приказан на слици 4.8. представља Логистичку расподелу вероватноће откривања грешке изазиване ризиком везаним за проблеме са добављачима у вези са квалитетом испоруке на ограниченом интервалу [0,1]. Параметар локације је 0,4, док параметар скалирања износи 0,06. 80 Слика 4.9. Расподела вероватноће откривања грешке за променљиву: људски фактор Дијаграм приказан на слици 4.9. представља Студентову расподелу вероватноће откривања грешке изазиване ризиком везаним за људски фактор на ограниченом интервалу [0,1]. Параметар локације је 0,2, параметар скалирања износи 0,04, док је број степени слободе 5. Слика 4.10. Расподела вероватноће откривања грешке за променљиву: неадекватно одабрани или израђени алати Дијаграм приказан на слици 4.10. представља Студентову расподелу вероватноће откривања грешке изазиване ризиком везаним за неадекватно одабране или израђене алати на ограниченом интервалу [0,1]. Параметар локације је 0,44, параметар скалирања износи 0,06, док је број степени слободе 3. 81 Слика 4.11. Расподела вероватноће откривања грешке за променљиву: унапређење техничких процеса Дијаграм приказан на слици 4.11. представља Студентову расподелу вероватноће откривања грешке изазиване ризиком везаним за унапређење техничких процеса на ограниченом интервалу [0,1]. Параметар локације је 0,36, параметар скалирања износи 0,04, док је број степени слободе 3. Слика 4.12. Расподела вероватноће откривања грешке за променљиву: коришћење познатих технологија Дијаграм приказан на слици 4.12. представља Бета расподелу вероватноће откривања грешке изазиване ризиком везаним за коришћење познатих технологија на ограниченом интервалу [0,1]. Параметри облика расподеле су 0,4561a  ; 2,0945b  , најмања вредност случајне променљиве је 0,05, док је највећа вредност случајне променљиве 0,3. 82 Слика 4.13. Расподела тежине грешке према техничком критеријуму Дијаграм приказан на слици 4.13. представља Вејбулову расподелу тежине грешке према техничком критеријуму на ограниченом интервалу [0,1]. Параметар локације износи 0,09, параметар скалирања износи 0,64, док параметар облика расподеле износи 4,623. Слика 4.14. Расподела тежине грешке према критеријуму инвеститора Дијаграм приказан на слици 4.14. представља Униформну расподелу тежине грешке према критеријуму инвеститора на ограниченом интервалу [0,1]. Параметри локације износе 0,75 за минималну вредност и 0,95 за максималну вредност. 83 Слика 4.15. Расподела тежине грешке према критеријуму крајњег корисника Дијаграм приказан на слици 4.15. представља Вејбулову расподелу тежине грешке према критеријуму крајњег корисника на ограниченом интервалу [0,1]. Параметар локације износи 0,03, параметар скалирања износи 0,74, док параметар облика расподеле износи 6,3055. 4.2.4.2 Статистичка анализа променљивих величина које утичу на пројектни план У наставку ће бити приказане расподеле променљивих величина које утичу на износ пројектног ризика везаног за пројектни план. Прво ће бити представљене расподеле вероватноће настанка грешке за сваку од променљивих величина из овог скупа, затим расподеле вероватноће откривања грешке и коначно расподела тежине грешке. Слика 4.16. Расподела вероватноће настанка грешке за променљиву: елементарне непогоде 84 Дијаграм приказан на слици 4.16. представља расподелу екстремних вредности вероватноће настанка грешке изазиване ризиком везаним за елементарне непогоде на ограниченом интервалу [0,1]. Параметар локације је 0,24, док параметар скалирања износи 0,41. Слика 4.17. Расподела вероватноће настанка грешке за променљиву: незадовољство инвеститора изведеним решењем Дијаграм приказан на слици 4.17. представља расподелу екстремних вредности вероватноће настанка грешке изазиване ризиком везаним за незадовољство инвеститора изведеним решењем на ограниченом интервалу [0,1]. Параметар локације је 0,44, док параметар скалирања износи 0,48. Слика 4.18. Расподела вероватноће настанка грешке за променљиву: административно-организациони ризици Дијаграм приказан на слици 4.18. представља расподелу екстремних вредности вероватноће настанка грешке изазиване административно- 85 организационим ризицима на ограниченом интервалу [0,1]. Параметар локације је 0,41, док параметар скалирања износи 0,47. Слика 4.19. Расподела вероватноће настанка грешке за променљиву: проблеми са кооперантима у вези са роковима израде Дијаграм приказан на слици 4.18. представља Логистичку расподелу вероватноће настанка грешке изазиване ризицима везаним за проблеме са кооперантима у вези са роковима израде на ограниченом интервалу [0,1]. Параметар локације је 0,21, док параметар скалирања износи 0,29. Слика 4.20. Расподела вероватноће откривања грешке за променљиву: недовољна маркетиншка подршка Дијаграм приказан на слици 4.20. представља Бета расподелу вероватноће откривања грешке изазиване ризиком везаним за недовољну маркетиншку подршку на ограниченом интервалу [0,1]. Параметри облика расподеле су 0,4561a  ; 2,0945b  , најмања вредност случајне променљиве је 0,05, док је највећа вредност случајне променљиве 3. 86 Слика 4.21. Расподела вероватноће откривања грешке за променљиву: проблеми са добављачима у вези са роковима испоруке Дијаграм приказан на слици 4.21. представља Бета расподелу вероватноће откривања грешке изазиване ризиком везаним за проблеме са добављачима у вези са роковима испоруке на ограниченом интервалу [0,1]. Параметри облика расподеле су 0,643a  ; 0,4154b  , најмања вредност случајне променљиве је - 0,16, док је највећа вредност случајне променљиве 1,21. Слика 4.22. Расподела вероватноће настанка грешке за променљиву: нестабилност тржишта енергената Дијаграм приказан на слици 4.22. представља Логистичку расподелу вероватноће настанка грешке изазиване ризицима везаним за нестабилност тржишта енергената на ограниченом интервалу [0,1]. Параметар локације је 0,33, док параметар скалирања износи 0,33. 87 Слика 4.23. Расподела вероватноће настанка грешке за променљиву: ризици у вези са захтевима инвеститора Дијаграм приказан на слици 4.23. представља Бета расподелу вероватноће настанка грешке изазиване ризицима у вези са захтевима инвеститора на ограниченом интервалу [0,1]. Параметри облика расподеле су 1,2031a  ; 1,5592b  , најмања вредност случајне променљиве је -0,49, док је највећа вредност случајне променљиве 1,21. Слика 4.24. Расподела вероватноће настанка грешке за променљиву: адаптивност дизајна Дијаграм приказан на слици 4.24. представља Бета расподелу вероватноће настанка грешке изазиване ризицима везаним за адаптивност дизајна на ограниченом интервалу [0,1]. Параметри облика расподеле су 0,3a  ; 0,3649b  , најмања вредност случајне променљиве је -0,2, док је највећа вредност случајне променљиве 1,05. 88 Слика 4.25. Расподела вероватноће настанка грешке за променљиву: могућност преговарања Дијаграм приказан на слици 4.25. представља Бета расподелу вероватноће настанка грешке изазиване ризицима везаним за могућност преговарања на ограниченом интервалу [0,1]. Параметри облика расподеле су 0,3a  ; 0,3b  , најмања вредност случајне променљиве је -0,19, док је највећа вредност случајне променљиве 1,07. Слика 4.26. Расподела вероватноће настанка грешке за променљиву: независност сопствене производње Дијаграм приказан на слици 4.26. представља расподелу екстремних вредности вероватноће настанка грешке изазиване ризицима везаним за независност сопствене производње на ограниченом интервалу [0,1]. Параметар локације је 0,39, док параметар скалирања износи 0,47. 89 Слика 4.27. Расподела вероватноће настанка грешке за променљиву: унапређен процес контроле квалитета Дијаграм приказан на слици 4.27. представља расподелу екстремних вредности вероватноће настанка грешке изазиване ризицима везаним за унапређен процес контроле квалитета на ограниченом интервалу [0,1]. Параметар локације је 0,39, док параметар скалирања износи 0,47. Слика 4.28. Расподела вероватноће откривања грешке за променљиву: елементарне непогоде Дијаграм приказан на слици 4.28. представља Бета ПЕРТ расподелу вероватноће откривања грешке изазиване ризицима везаним за елементарне непогоде на ограниченом интервалу [0,1]. Најмања вредност случајне променљиве је 0,87, највећа вредност случајне променљиве је 0,91, док највероватнија вредност износи 0,89. 90 Слика 4.29. Расподела вероватноће откривања грешке за променљиву: незадовољство инвеститора изведеним решењем Дијаграм приказан на слици 4.29. представља Студентову расподелу вероватноће откривања грешке изазиване ризицима везаним за незадовољство инвеститора изведеним решењем на ограниченом интервалу [0,1]. Параметар локације је 0,76, параметар скалирања износи 0,09, док је број степени слободе 5,62. Слика 4.30. Расподела вероватноће откривања грешке за променљиву: административно-организациони ризици Дијаграм приказан на слици 4.30. представља расподелу екстремних вредности вероватноће откривања грешке изазиване административно- организационим ризицима на ограниченом интервалу [0,1]. Параметар локације је 0,51, док параметар скалирања износи 0,15. 91 Слика 4.31. Расподела вероватноће откривања грешке за променљиву: проблеми са кооперантима у вези са роковима израде Дијаграм приказан на слици 4.31. представља расподелу екстремних вредности вероватноће откривања грешке изазиване ризицима везаним за проблеме са кооперантима у вези са роковима израде на ограниченом интервалу [0,1]. Параметар локације је 0,38, док параметар скалирања износи 0,01. Слика 4.32. Расподела вероватноће откривања грешке за променљиву: недовољна маркетиншка подршка Дијаграм приказан на слици 4.32. представља Логистичку расподелу вероватноће откривања грешке изазиване ризицима везаним за недовољну маркетиншку подршку на ограниченом интервалу [0,1]. Параметар локације је 0,67, док параметар скалирања износи 0,13. 92 Слика 4.33. Расподела вероватноће откривања грешке за променљиву: проблеми са добављачима у вези са роковима испоруке Дијаграм приказан на слици 4.33. представља Логистичку расподелу вероватноће откривања грешке изазиване ризицима везаним за проблеме са добављачима у вези са роковима испоруке на ограниченом интервалу [0,1]. Параметар локације је 0,31, док параметар скалирања износи 0,1. Слика 4.34. Расподела вероватноће откривања грешке за променљиву: нестабилност тржишта енергената Дијаграм приказан на слици 4.34. представља расподелу екстремних вредности вероватноће откривања грешке изазиване ризицима везаним за нестабилност тржишта енергената на ограниченом интервалу [0,1]. Параметар локације је 0,14, док параметар скалирања износи 0,1. 93 Слика 4.35. Расподела вероватноће откривања грешке за променљиву: ризици у вези са захтевима инвеститора Дијаграм приказан на слици 4.35. представља Студентову расподелу вероватноће откривања грешке изазиване ризицима у вези са захтевима инвеститора на ограниченом интервалу [0,1]. Параметар локације је 0,38, параметар скалирања износи 0,04, док је број степени слободе 3. Слика 4.36. Расподела вероватноће откривања грешке за променљиву: адаптивност дизајна Дијаграм приказан на слици 4.36. представља Логистичку расподелу вероватноће откривања грешке изазиване ризицима везане за адаптивност дизајна на ограниченом интервалу [0,1]. Параметар локације је 0,15, а параметар скалирања износи 0,03. 94 Слика 4.37. Расподела вероватноће откривања грешке за променљиву: могућност преговарања Дијаграм приказан на слици 4.37. представља Логистичку расподелу вероватноће откривања грешке изазиване ризицима везане за могућност преговарања на ограниченом интервалу [0,1]. Параметар локације је 0,35, а параметар скалирања износи 0,12. Слика 4.38. Расподела вероватноће откривања грешке за променљиву: независност сопствене производње Дијаграм приказан на слици 4.38. представља Логистичку расподелу вероватноће откривања грешке изазиване ризицима везане за независност сопствене производње на ограниченом интервалу [0,1]. Параметар локације је 0,16, а параметар скалирања износи 0,03. 95 Слика 4.39. Расподела вероватноће откривања грешке за променљиву: унапређен процес контроле квалитета Дијаграм приказан на слици 4.39. представља Студентову расподелу вероватноће откривања грешке изазиване ризиком везаним за унапређен процес контроле квалитета на ограниченом интервалу [0,1]. Параметар локације је 0,37, параметар скалирања износи 0,02, док је број степени слободе 3. Слика 4.40. Расподела тежине грешке пројектног плана Дијаграм приказан на слици 4.40. представља Троугаону расподелу тежине грешке у односу на пројектни план на ограниченом интервалу [0,1]. Најмања вредност случајне променљиве је -0,03, највећа вредност случајне променљиве је 0,38, док највероватнија вредност износи 0,09. 96 4.2.4.3 Статистичка анализа променљивих величина које утичу на пројектни буџет У наставку ће бити приказане расподеле променљивих величина које утичу на износ пројектног ризика везаног за пројектни буџет. Прво ће бити представљене расподеле вероватноће настанка грешке за сваку од променљивих величина из овог скупа, затим расподеле вероватноће откривања грешке и коначно расподела тежине грешке. Слика 4.41. Расподела вероватноће настанка грешке за променљиву: одустајање од пројекта Дијаграм приказан на слици 4.41. представља Бета расподелу вероватноће настанка грешке изазиване ризицима везаним за одустајање од пројекта на ограниченом интервалу [0,1]. Параметри облика расподеле су 1,2032a  ; 1,5592b  , најмања вредност случајне променљиве је -0,49, док је највећа вредност случајне променљиве 1,21. Слика 4.42. Расподела вероватноће настанка грешке за променљиву: нејасан (непотпун) захтев инвеститора 97 Дијаграм приказан на слици 4.42. представља Логистичку расподелу вероватноће настанка грешке изазиване ризиком везаним за нејасан (непотпун) захтев инвеститора на ограниченом интервалу [0,1]. Параметар локације је 0,14, док параметар скалирања износи 0,25. Слика 4.43. Расподела вероватноће настанка грешке за променљиву: проблеми са складиштењем и транспортом Дијаграм приказан на слици 4.43. представља Бета расподелу вероватноће настанка грешке изазиване ризицима везаним за проблеме са складиштењем и транспортом на ограниченом интервалу [0,1]. Параметри облика расподеле су 0,4154a  ; 0,643b  , најмања вредност случајне променљиве је -0,21, док је највећа вредност случајне променљиве 1,16. Слика 4.44. Расподела вероватноће настанка грешке за променљиву: ограничење инвестиционог буџета Дијаграм приказан на слици 4.42. представља Логистичку расподелу вероватноће настанка грешке изазиване ризиком везаним за ограничење 98 инвестиционог буџетана ограниченом интервалу [0,1]. Параметар локације је 0,33, док параметар скалирања износи 0,33. Слика 4.45. Расподела вероватноће откривања грешке за променљиву: опортуни трошкови Дијаграм приказан на слици 4.45. представља расподелу екстремних вредности вероватноће откривања грешке изазиване ризицима везаним за опортуне трошкове на ограниченом интервалу [0,1]. Параметар локације је 0,33, док параметар скалирања износи 0,45. Слика 4.46. Расподела вероватноће настанка грешке за променљиву: оптимизација технолошког поступка Дијаграм приказан на слици 4.46. представља Бета расподелу вероватноће настанка грешке изазиване ризицима везаним за оптимизацију технолошког поступка на ограниченом интервалу [0,1]. Параметри облика расподеле су 0,3a  ; 0,4926b  , најмања вредност случајне променљиве је -0,15, док је највећа вредност случајне променљиве 1,16. 99 Слика 4.47. Расподела вероватноће настанка грешке за променљиву: могућност преговарања Дијаграм приказан на слици 4.46. представља Бета расподелу вероватноће настанка грешке изазиване ризицима везаним за могућност преговарања на ограниченом интервалу [0,1]. Параметри облика расподеле су 0,3a  ; 0,3b  , најмања вредност случајне променљиве је -0,19, док је највећа вредност случајне променљиве 1,07. Слика 4.48. Расподела вероватноће откривања грешке за променљиву: коришћење постојећих алата Дијаграм приказан на слици 4.48. представља расподелу екстремних вредности вероватноће откривања грешке изазиване ризицима везаним за коришћење постојећих алата на ограниченом интервалу [0,1]. Параметар локације је 0,44, док параметар скалирања износи 0,48. 100 Слика 4.49. Расподела вероватноће откривања грешке за променљиву: одустајање од пројекта Дијаграм приказан на слици 4.49. представља Студентову расподелу вероватноће откривања грешке изазиване ризиком везаним за одустајање од пројекта на ограниченом интервалу [0,1]. Параметар локације је 0,62, параметар скалирања износи 0,09, док је број степени слободе 5,57. Слика 4.50. Расподела вероватноће откривања грешке за променљиву: нејасан (непотпун) захтев инвеститора Дијаграм приказан на слици 4.50. представља Студентову расподелу вероватноће откривања грешке изазиване ризиком везаним за нејасан (непотпун) захтев инвеститора на ограниченом интервалу [0,1]. Параметар локације је 0,29, параметар скалирања износи 0,08, док је број степени слободе 6,56. 101 Слика 4.51. Расподела вероватноће откривања грешке за променљиву: проблеми са складиштењем и транспортом Дијаграм приказан на слици 4.51. представља Студентову расподелу вероватноће откривања грешке изазиване ризиком везаним за проблеме са складиштењем и транспортом на ограниченом интервалу [0,1]. Параметар локације је 0,34, параметар скалирања износи 0,17, док је број степени слободе 7,42. Слика 4.52. Расподела вероватноће откривања грешке за променљиву: ограничење инвестиционог буџета Дијаграм приказан на слици 4.52. представља Логистичку расподелу вероватноће откривања грешке изазиване ризиком везаним за ограничење инвестиционог буџета на ограниченом интервалу [0,1]. Параметар локације је 0,23, а параметар скалирања износи 0,09. 102 Слика 4.53. Расподела вероватноће откривања грешке за променљиву: опортуни трошкови Дијаграм приказан на слици 4.53. представља Студентову расподелу вероватноће откривања грешке изазиване ризиком везаним за опортуне трошкове на ограниченом интервалу [0,1]. Параметар локације је 0,3, параметар скалирања износи 0,16, док је број степени слободе 3. Слика 4.54. Расподела вероватноће откривања грешке за променљиву: оптимизација технолошког поступка Дијаграм приказан на слици 4.54. представља Логистичку расподелу вероватноће откривања грешке изазиване ризиком везаним за оптимизацију технолошког поступка на ограниченом интервалу [0,1]. Параметар локације је 0,45, а параметар скалирања износи 0,06. 103 Слика 4.55. Расподела вероватноће откривања грешке за променљиву: могућност преговарања Дијаграм приказан на слици 4.55. представља Логистичку расподелу вероватноће откривања грешке изазиване ризиком везаним за могућност преговарања на ограниченом интервалу [0,1]. Параметар локације је 0,35, а параметар скалирања износи 0,12. Слика 4.56. Расподела вероватноће откривања грешке за променљиву: коришћење постојећих алата Дијаграм приказан на слици 4.56. представља Логистичку расподелу вероватноће откривања грешке изазиване ризиком везаним коришћење постојећих алата на ограниченом интервалу [0,1]. Параметар локације је 0,17, а параметар скалирања износи 0,02. 104 Слика 4.57. Расподела тежине грешке пројектног буџета Дијаграм приказан на слици 4.56. представља Логонормалну расподелу вероватноће тежине грешке у односу на пројектни буџет на ограниченом интервалу [0,1]. Параметар локације је -0,04, а средња вредност износи 0,02, а стандардна девијација 0,09. 4.3 Поставка хипотеза Према поставкама пробабилистичког модела, износ фактора ризика представљен је проценом расподеле вредности x .  R g x (4.9) Графички приказ дистрибуције података који представља процену расподеле вероватноће непрекидне променљиве назива се хистограмом, а сам појам је у употребу увео Pearson (1895). Најосновнија претпоставка у мултиваријативној анализи везана је за нормалност (Hair и др. 2010). Иако неки аутори, (Qian и др. 1994) тврде да примена експолративне факторске анализе методом главних компонената захтева нормалност, не може се сматрати да је нормалност предуслов за примену ове методе. Неоспорно је да линераност и корелације представљају важне особине методе главних компонената и да имају посебан значај када су расподеле нормалне, али то никако не умањује корисност примене ове методе када подаци имају другачије расподеле (Jolliffe 2002). Jolliffe (2002) пружа другачију перспективу и сматра методу главних компонената као претежно дескриптивну 105 технику. Показао је да многе од особина и могућности примена методе главних компонената не захтевају одређену расподелу. Како је примећено више пута у (Jolliffe 2002), када је главна, дескриптивна улога методе главних компонетата у питању, расподела променљиве није од значаја. Претпоставља се да ће вредност износа ризика, одређена моделом, имати приближно нормалну расподелу, чак иако расподеле улазних променљивих величина модела не припадају нормалним расподелама. Појам нормалности односи се на облик расподеле појединачне променљиве која се посматра (у овом случају: износ ризика) у односу на облик Нормалне расподеле. Нормалност једне променљиве, једноставно се тестира. Најједноставнији дијагностички тест представља графичка анализа која се огледа у поређењу хистограма посматраних података и апроксимативне нормалне расподеле. Овај тест може да се спроведе и упоређивањем квантила емпиријске и апроксимативне нормалне расподеле, као и применом статистичких тестова. На променљиве величине које имају нормалну расподелу односи се и правило „три сигма“, односно „емпиријско правило“ које каже да се догађај сматра практично немогућим уколико се налази у области вредности нормалне расподеле случајне променљиве на растојању од математичког очекивања те променљиве које је веће од три стандардне девијације (Smirnov и Dunin-Barkovskiј 1969). Уколико је x променљива која има нормалну расподелу  2,N   , где су:  - математичко очекивање, 2 - варијанса,  - стандардна девијација, онда за било који природан број k важи:    2 1P x k F k     (4.10) где је  F  - функција расподеле. На основу претпоставке о расподели вредности износа ризика, као и „емпријиског правила“ могу се поставити следеће хипотезе: 106 Х1.0: Вредности износа ризика техничких карактеристика припадају приближно нормално расподељеној популацији. Х1.1: Приближно 68% вредности износа ризика техничких карактеристика налази се у интервалу од једне стандардне девијације са обе стране математичког очекивања.   0,68TP x        Х1.2: Приближно 95% вредности износа техничких карактерстика налази се у интервалу од две стандардне девијације са обе стране математичког очекивања.  2 2 0,95TP x        Х1.3: Приближно 99, 7% вредности износа ризика техничких карактеристика налази се у интервалу од три стандардне девијације са обе стране математичког очекивања.  3 3 0,997TP x        Х2.0: Вредности износа ризика пројектног плана припадају приближно нормално расподељеној популацији. Х2.1: Приближно 68% вредности износа ризика пројектног плана налази се у интервалу од једне стандардне девијације са обе стране математичког очекивања.   0,68SP x        Х2.2: Приближно 95% вредности износа пројектног плана налази се у интервалу од две стандардне девијације са обе стране математичког очекивања.  2 2 0,95SP x        Х2.3: Приближно 99, 7% вредности износа ризика пројектног плана налази се у интервалу од три стандардне девијације са обе стране математичког очекивања.  3 3 0,997SP x        Х3.0: Вредности износа ризика пројектног буџета припадају приближно нормално расподељеној популацији. 107 Х3.1: Приближно 68% вредности износа ризика пројектног буџета налази се у интервалу од једне стандардне девијације са обе стране математичког очекивања.   0,68BP x        Х3.2: Приближно 95% вредности износа пројектног буџета налази се у интервалу од две стандардне девијације са обе стране математичког очекивања.  2 2 0,95BP x        Х3.3: Приближно 99, 7% вредности износа ризика пројектног буџета налази се у интервалу од три стандардне девијације са обе стране математичког очекивања.  3 3 0,997BP x        Х4.0: Променљиве величине које одређују вероватноћу појаве грешке пружају приближно исти допринос варијанси расподеле износа ризика као и променљиве величине које одређују тежину грешке. Х4.1: Променљиве величине које одређују вероватноћу појаве грешке техничких карактеристика пружају приближно исти допринос варијанси расподеле износа ризика техничких карактеристика као и променљиве величине које одређују тежину грешке техничких карактеристика. Х4.2: Променљиве величине које одређују вероватноћу појаве грешке пројектног плана пружају приближно исти допринос варијанси расподеле износа ризика пројектног плана као и променљиве величине које одређују тежину грешке пројектног плана. Х4.3: Променљиве величине које одређују вероватноћу појаве грешке пројектног буџета пружају приближно исти допринос варијанси расподеле износа ризика пројектног буџета као и променљиве величине које одређују тежину грешке пројектног буџета. Постављено је укупно 16 хипотеза, 4 опште и 12 посебних које ће бити тестиране према предложеној методологији. Хипотезе Х1.0 – Х1.3, Х2.0 – Х2.3 и Х3.0 –Х3.3 биће тестиране тестом нормалности. Хипотезе Х1.0, Х2.0 и Х3.0 представљају опште хипотезе чије ће доказивање зависити и од тестирања 108 посебних хипотеза Х1.1 – Х1.3, Х2.1 – Х2.3 и Х3.1 –Х3.3 следствено. Хипотезе Х4.0 - Х4.3 биће тестиране анализом осетљивости. Хипотеза Х4.0 представља општу хипотезу чији ће доказ зависити од испитивања посебних хипотеза Х4.1 - Х4.3 4.4 Закључак У овом поглављу представљена је методологија, као и резултати експерименталног истраживања, затим је спроведена статистичка обрада података, приказани резултати исте и постављене хипотезе. Експериментално истраживање спроведено је у малом предузећу које поседује високо развијену културу организације, као и сопствене производне погоне, а има релативно високу стопу новоосвојених производа на годишњем нивоу, што је омогућило формирање узорка од 52 пројекта освајања индустријског производа истог типа. Са становишта управљања пројектним ризицима ово је веома важно, пошто се постиже уједначеност услова на узорку у смислу идентификације ризичних догађаја и пружа коректан импут у процес квантификације. Променљиве величине, дефинисане математичким моделом, експериментално су одређене, водећи рачуна о доброј инжењерској пракси, као и специфичностима типа индустријског производа на који се истраживање односи. На основу листе идентификованих ризика формирани су скупови према директном утицају на пројектне резултате и спроведена факторска анализа са циљем сажимања података и извођења нових, коначних променљивих величина које ће бити релевантне за тестирање постављеног математичког модела. Од укупно идентификованих 69 ризика и то 51 претње и 18 шанси, формирана су три скупа:  Ризици који утичу на техничке карактеристике производа - TS  Ризици који утичу на прекорачење пројектног плана - SS  Ризици који утичу на прекорачење пројектног буџета - BS 109 Сваки од скупова подељен је на два подскупа: претњи и шанси, а сваки елеменат скупа представљен је двема променљивим величинама: вероватноћом настанка грешке изазване ризичним догађајем eP и вероватноћом откривања грешке dP . Факторска анализа примењена је на скупове променљивих које се односе на вероватноћу настанка грешке, с обзиром на чињеницу да о вероватноћи откривања грешке може да се говори само у случају уколико вероватноћа настанка грешке постоји. Преглед броја ових променљивих величина пре и после примене факторске анализе представљен је у табели 4.27. Факторска анализа примењена је и на променљиве критеријума за оцену тежине грешке у односу на техничке карактеристике производа. Како је оцењивање спроведено по девет критеријума, тако је број првобитних променљивих величина износио 9, а након факторске анализе број променљивих сведен је на 3. Табела 4.27. Упоредни приказ броја променљивих величина пре и после факторске анализе Скуп променљивих Пре факторске анализе После факторске анализе eP dP eP dP TS Претње 19 19 4 4 Шансе 5 5 2 2 SS Претње 23 23 8 8 Шансе 11 11 4 4 BS Претње 20 20 5 5 Шансе 8 8 3 3 Факторска анализа спроведена је помоћу програмског пакета „Statistica 10“, а статистичка оцена којој теоретској расподели коначне променљиве величине припадају, путем програмског пакета “Crystal Ball”. На овај начин остали су само статистички релевантни резултати, који су представљени табеларно и графички и пружају улазне величине за симулацију која има за циљ потврду постављеног математичког модела, те спроведеног експерименталног истраживања, као и тестирање постављених хипотеза. 110 5 Методологија провере модела за квантификацију пројектних ризика У овом поглављу биће дефинисана методологија за проверу постављеног модела. Биће спроведена Монте Карло симулација и дато предвиђање износа ризика за сваки од дефинисаних пројектних циљева. Након симулације биће урађена и анализа осетљивости којом ће бити приказан квантификован утицај променљивих величина на износ ризика, као и тестиране постављене хипотезе. 5.1 Монте Карло симулација Монте Карло симулација је једна од најчешће коришћених математичких симулација која има широк дијапазон примене у друштвеним, природним, медицинским и техничким наукама (Frenkel 2004, Mun 2010, MacKay 1996). Иако можда најпознатија по раној употреби у области атомске физике, Монте Карло симулација представља актуелан метод за анализу и квантификацију ризика, анализу осетљивости и предвиђање (Kwak, и Ingall 2009, Mun 2010, Pritchard 2001). Алтернатива симулације је употреба високо комплексних, стохастичких, затворених математичких модела (Mun 2010). Постоји неколико дефиниција Монте Карло симулације. Ripley (1987) дефинише пробабилистичко моделирање као стохастичку симулацију, а сам Монте Карло метод резервисан је за Монте Карло интеграцију и Монте Карло статистичке тестове. Sawilowsky (2003) прави разлику између симулације, Монте Карло метода и Монте Карло симулације. Симулација је фиктивни приказ реалности, Монте Карло метод је техника која може да се примени на решавање математичког или статистичког проблема, а Монте Карло симулација користи поновљено узорковање у циљу одређивања својстава неког феномена. Монте Карло симулација ствара пројекцију будућности, генеришући велики број могућих математичких исхода кроз анализу њихових преовлађујућих карактеристика. Ово генерисање одређеног броја могућих математичких исхода назива се пробама. Суштински, на основу постављеног математичког модела, 111 симулација процењује различите исходе модела користећи предефинисане расподеле вероватноћа неизвесних улазних променљивих величина (Mun 2010). Ови могући исходи називају се предвиђањем, док предефинисане расподеле представљају претпоставке. Симулација ће бити спроведена помоћу програмског пакета „Crystal Ball“ (Charnes 2007) на бази 100.000 проба. Ако се износ ризика, изведен у поглављу 3.2 представи у функцији расподела, дефинисаних у поглављу 4.2.4:       1 2, ,..., nR f g x g x g x (5.1) где су R - износ ризика, а      1 2, , ..., ng x g x g x - n расподела променљивих величина, онда износ ризика може да се постави као предвиђање, док наведене расподеле постају претпоставке. Симулација ће бити спроведена посебно за сваки износ ризика индексиран према циљу пројекта. Табелом 5.1. представљана је хијерархијски декомпонована структура математичког модела према променљивим величинама. У првој колони („математичка релација“) означени су изрази који повезују ниже хијерархијске нивое у виши. У пресецима осталих колона и редова унети су бројеви слика које приказују расподеле променљивих величина које представљају претпоставке. На овај начин представљени су сви елементи модела који су неопходни за спровођене Монте Карло симулације. Сви тежински коефицијенти биће представљени као случајна променљива. Имајући у виду да ће током симулације, у оквиру постављених ограничења модела, вредности тежинских коефицијента узимати насумичне вредности, на тај начин ће, слично Hsu и Pan (2009), бити отклоњен утицај субјективности компаративних метода којима су исти одређивани. Износ ризика биће представљен хистограмом. Хистограм је графички приказ једне променљиве који приказује фреквенцију броја исхода (вредности 112 променљиве) који се појављују у укупном броју проба симулације, док кумулативна фрквенција одређена функцијом расподеле показује укупне вероватноће свих променљивих чије вредности су мање или једнаке x (Mun 2010).  Xx F P X x   (5.2) где је XF - функција која за сваки реалан број x, одређује вероватноћу да је случајна променљива X узела вредност мању или једнаку x. На хистограму биће одређени интервали поверења за које ће бити процењена и извесност вредности износа ризика. На овај начин биће тестиране хипотезе Х1.0 – Х1.3, Х2.0 – Х2.3 и Х3.0 –Х3.3. Током извођења симулације, биће спроведена и анализа осетљивости. Анализа осетљивости је техника којом се проучава природа неизвесности излазних величина математичког модела или сестема у односу на различите изворе неизвесности на улазу (Saltelli и др 2008). Овом техником врши се симултана пертурбација претпоставки, где се њихови међуодноси и корелације у моделу хватају током флуктуације резултата. Ове динамичке пертурбације представљају се дијаграмом осетљивости (Mun 2010). На овај начин биће испитан допринос улазних величина на варијансу износа ризика, самим тим тестиране и хипотезе Х.4.0 – Х4.3. 113 Табела 5.1. Декомпонована структура математичког модела Математичка релација Променљива (3.13)  , ,T S BR R R R (3.6, 3.7) P C P C   TR SR BR (3.9, 3.10) f fP P   P C P C P C (3.2, 3.3) e dP P fP fP fP fP fP fP (3.4, 3.5)  0g x eP dP eP dP eP dP eP dP eP dP eP dP Расподеле променљивих Неиспуњеност техничких норми 4.1. 4.7. Проблеми са добављачима у вези са квалитетом испоруке 4.2. 4.8. Људски фактор 4.3. 4.9. Неадекватно одабрани или израђени алати 4.4. 4.10. Унапређење техничких процеса 4.5. 4.11. Коришћење познатих технологија 4.6. 4.12. Технички критеријум 4.13. Критеријум инвеститора 4.14. Критеријум крајњег корисника 4.15. Елементарне непогоде 4.16. 4.28. Незадовољство инвеститора 4.17. 4.29. 114 изведеним решењем Административно- организациони ризици 4.18. 4.30. Проблеми са кооперантима у вези са роковима израде 4.19. 4.31. Недовољна маркетиншка подршка 4.20. 4.32. Проблеми са добављачима у вези са роковима испоруке 4.21. 4.33. Нестабилност тржишта енергената 4.22. 4.34. Ризици у вези са захтевима инвеститора 4.23. 4.35. Адаптивност дизајна 4.24. 4.36. Могућност преговарања 4.25. 4.37. Независност сопствене производње 4.26. 4.38. Унапређен процес контроле квалитета 4.27. 4.39. Тежина грешке у односу на пројектни план 4.40. Одустајање од пројекта 4.41. 4.49. Нејасан (непотпун) захтев инвеститора 4.42. 4.50. Проблеми са складиштењем и транспортом 4.43. 4.51. 115 Ограничење инвестиционог буџета 4.44. 4.52. Опортуни трошкови 4.45. 4.53. Оптимизицаја технолошког поступка 4.46. 4.54. Могућност преговарања 4.47. 4.55. Коришћење постојећих алата 4.48. 4.56. Тежина грешке у односу на пројектни буџет 4.57. 116 5.1.1 Монте Карло симулација и анализа осетљивости износа ризика техничких карактеристика На основу параметара представљених у табели 5.2. биће спроведене симулација и анализа осетљивости. Резултати ће бити представљени графички и табеларно, а затим коментарисани. Табела 5.2. Параметри симулације за износ ризика техничких перформанси На слици 5.1. графички је представљено предвиђање износа ризика техничких перформанси. Упоредно су приказани хистограми фреквенције и кумулативне фреквенције предвиђања. Математички модел   1 1 1 m n T i Tei Tdi i Tei Tdi T T i i m R k P P k P P C C                   Ограничења Све претпоставке су у интервалу  0,1 Предвиђање TR Тежински коефицијенти  randik  , 1 1 m i i k   , 1 1 n i i m k    Број проба 100.000 Претпоставке TeP TdP TeP TdP 3 1 1 K T i K C M  Неиспуњеност техничких норми 4.1. 4.7. Проблеми са добављачима у вези са квалитетом испоруке 4.2. 4.8. Људски фактор 4.3. 4.9. Неадекватно одабрани или израђени алати 4.4. 4.10. Унапређење техничких процеса 4.5. 4.11. Коришћење познатих технологија 4.6. 4.12. Технички критеријум 4.13. Критеријум инвеститора 4.14. Критеријум крајњег корисника 4.15. 117 Слика 5.1. Предвиђање износа ризика техничких карактеристика Обликом, хистограми одговарају нормалној расподели и биће спроведен статистички тест помоћу програмског пакета „Crystal Ball“ како би се одредила теоријска расподела којој параметри предвиђања одговарају. Након спроведеног Андерсон-Дарлинг теста нормалности (AD = 2,4621) резултати поклапања теоријске расподеле и предвиђања су приказани графички (слика 5.2.) и табеларно (табела 5.3). 118 Слика 5.2. Поклапање нормалне расподеле и предвиђања износа ризика техничких карактеристика Табела 5.3. Параметри расподеле предвиђања износа ризика техничких перформанси Расподела Нормална расподела Вредности предвиђања Средња вредност 0,3 0,3 Медијана 0,3 0,3 Модус 0,3 '--- Стандардна девијација 0,11 0,11 Варијанса 0,01 0,01 Коефицијент асиметрије 0 -0,0308 Коефицијент спљоштености 3 3,1 Коефицијент варијације 0,3633 0,3633 Минимум  -0,22 Максимум  0,78 Грешка средње вредности '--- 0 119 У табели 5.4. приказани су квантили нормалне расподеле и предвиђања. Поређењем параметара приказаних у табелама 5.3. и 5.4. закључује се да је поклапање јако добро, што даје потребан услов доказа постављених хипотеза Х1.0 – Х1.3. Табела 5.4. Квантили Квантили Нормална расподела Вредности предвиђања 0%  -0,22 10% 0,16 0,16 20% 0,21 0,21 30% 0,24 0,24 40% 0,27 0,27 50% 0,30 0,30 60% 0,32 0,32 70% 0,35 0,35 80% 0,39 0,39 90% 0,43 0,43 100%  0,78 За испитивање довољности, биће спроведена анализа интервала поверења и то  ,Tx       ,  2 , 2Tx       и  3 , 3Tx       са циљем одређивања нивоа извесности којим ће се вредности променљиве Tx наћи у наведеним интервалима. Имајући у виду да математичко очекивање предвиђања износи 0,3, а стандардна девијација 0,11, биће спроведена анализа за интервале [0,19,0,41], [0,08,0,52] и [-0,03,0,63] којом ће бити тестиране хипотезе Х1.1, Х1.2 и Х1.3 следствено. Према поставци хипотезе Х1.1 приближно 68% вредности износа ризика техничких перформанси налази се у интервалу  ,     . Анализом расподеле предвиђања (слика 5.3.) утврђено је да извесност да се вредност износа ризика техничких перформанси нађе у интервалу поверења [0,19,0,41] износи 69,555%, чиме је хипотеза Х1.1 потврђена. 120 Слика 5.3. Предвиђање износа ризика техничких карактеристика за интервал поверења  ,     Према поставци хипотезе Х1.2 приближно 95% вредности износа ризика техничких перформанси налази се у интервалу  2 , 2     . Анализом расподеле предвиђања (слика 5.4.) утврђено је да извесност да се вредност износа ризика техничких перформанси нађе у интервалу поверења [0,08,0,52] износи 96,069%, чиме је хипотеза Х1.2 потврђена. 121 Слика 5.4. Предвиђање износа ризика техничких карактеристика за интервал поверења  2 , 2     Према поставци хипотезе Х1.3 приближно 99,7% вредности износа ризика техничких перформанси налази се у интервалу  3 , 3     . Анализом расподеле предвиђања (слика 5.5.) утврђено је да извесност да се вредност износа ризика техничких перформанси нађе у интервалу поверења [-0,03,0,63] износи 99,735%, чиме је хипотеза Х1.3 потврђена. Потврдом услова довољности за посебне хипотезе Х1.1, Х1.2 и Х1.3 потврђена ја и општа хипотеза Х1.0. 122 Слика 5.5. Предвиђање износа ризика техничких карактеристика за интервал поверења 3 , 3     Испитивање хипотезе Х4.1 биће спроведено путем анализе осетљивости. Биће анализиран утицај променљивих величина на износ ризика техничких перформанси, те проверен допринос варијанси износа ризика променљивих величина од интереса за тестирање наведених хипотеза. На слици 5.4. представљен је дијаграм осетљивости према корелацији ранга за променљиве које одређују износ ризика техничких карактеристика. Корелација ранга представља однос између различитих рангова променљивих величина истог скупа. Коефицијент корелације ранга показује степен сличности између рангова и може да се искористи за процену значајности. Вредност коефицијента је у интервалу [−1, 1]. Вредност 0 означава да су променљиве тотално независне док вредност 1 показује да променљиве припадају истом рангу. Предзнак минус означава обрнутост, односно супротност рангова. Минус испред 123 вредности променљиве означава да та променљива утиче обрнуто сразмерно на износ ризика техничких карактеристика. На слици 5.5. приказан је дијаграм осетљивости према доприносу варијанси износа ризика техничких карактеристика. На овом дијаграму приказано је које променљиве и у ком уделу утичу на износ ризика техничких карактеристика, као и да ли утичу на повећање или смањење износа ризика техничких карактеристика. 124 Слика 5.4. Дијаграм осетљивости износа ризика техничких карактеристика према корелацији ранга променљивих -0,4 -0,35 -0,32 0,26 0,25 0,22 -0,17 -0,1 0,09 -0,08 -0,08 0,08 0,06 0,05 0,04 Технички критеријум Критеријум корисника Pe: унапређење техничких процеса Pe: неадекватно одабрани или израђени алати Pe: неиспуњеност техничких норми Pe: проблеми са добављачима у вези са квалитетом испоруке Критеријум инвеститора Pd: коришћење познатих технологија Pe: људски фактор Pe: коришћење познатих технологија Pd: унапређење техничких процеса Pd: проблеми са добављачима у вези са квалитетом испоруке Pd: неиспуњеност техничких норми Pd: неадекватно одабрани или израђени алати Pd: људски фактор Коеф. корелације ранга 125 Слика 5.5. Дијаграм осетљивости износа ризика техничких карактеристика према доприносу варијанси 25,60% 19,37% 15,67% 10,39% 9,95% 7,49% 4,74% 1,47% 1,21% 1,03% 0,99% 0,91% 0,52% 0,43% 0,22% Технички критеријум Критеријум корисника Pe: унапређење техничких процеса Pe: неадекватно одабрани или израђени алати Pe: неиспуњеност техничких норми Pe: проблеми са добављачима у вези са квалитетом испоруке Критеријум инвеститора Pd: коришћење познатих технологија Pe: људски фактор Pe: коришћење познатих технологија Pd: унапређење техничких процеса Pd: проблеми са добављачима у вези са квалитетом испоруке Pd: неиспуњеност техничких норми Pd: неадекватно одабрани или израђени алати Pd: људски фактор Допринос варијанси 126 Табела 5.5. представља упоредни приказ података исказаних дијаграмима осетљивости на сликама 5.4. и 5.5. Са дијаграма (слике 5.4. и 5.5.) уочава се доминантност променљивих које се односе на тежину грешке техничких карактеристика. Ове променљиве: технички критеријум, критеријум корисника и критеријум инвеститора узимају следеће вредности: -25,6%, -19,4% и -4,7%, што у збиру даје -49,7 %. Табела 5.5. Анализа осетљивости за износ ризика техничких карактеристика Променљиве Допринос варијанси Коеф. корелације ранга Технички критеријум 25,60% -0,40 Критеријум корисника 19,37% -0,35 Pe: унапређење техничких процеса 15,67% -0,32 Pe: неадекватно одабрани или израђени алати 10,39% 0,26 Pe: неиспуњеност техничких норми 9,95% 0,25 Pe: проблеми са добављачима у вези са квалитетом испоруке 7,49% 0,22 Критеријум инвеститора 4,74% -0,17 Pd: коришћење познатих технологија 1,47% -0,10 Pe: људски фактор 1,21% 0,09 Pe: коришћење познатих технологија 1,03% -0,08 Pd: унапређење техничких процеса 0,99% -0,08 Pd: проблеми са добављачима у вези са квалитетом испоруке 0,91% 0,08 Pd: неиспуњеност техничких норми 0,52% 0,06 Pd: неадекватно одабрани или израђени алати 0,43% 0,05 Pd: људски фактор 0,22% 0,04 У апсолутном износу, допринос променљивих тежине грешке техничких карактеристика варијанси износа ризика техничких карактеристика приближно 127 износи 49,7 %, а допринос променљивих које одређују вероватноћу појаве грешке 50,3%. Овај резултат потврђује хипотезу Х4.1 која каже да променљиве величине које одређују вероватноћу појаве грешке техничких карактеристика пружају приближно исти допринос варијанси расподеле износа ризика техничких карактеристика као и променљиве величине које одређују тежину грешке техничких карактеристика. 5.1.2 Монте Карло симулација и анализа осетљивости износа ризика пројектног плана На основу параметара представљених у табели 5.6. биће спроведене симулација и анализа осетљивости. Резултати ће бити представљени графички и табеларно, а затим коментарисани. Табела 5.6. Параметри симулације за износ ризика пројектног плана Математички модел   1 1 1 m n S i Sei Sdi i Sei Sdi S S i i m R k P P k P P C C                   Ограничења Све претпоставке су у интервалу  0,1 Предвиђање SR Тежински коефицијенти  randik  , 1 1 m i i k   , 1 1 n i i m k    Број проба 100.000 Претпоставке SeP SdP SeP SdP SC Елементарне непогоде 4.16. 4.28. Незадовољство инвеститора изведеним решењем 4.17. 4.29. Административно- организациони ризици 4.18. 4.30. Проблеми са кооперантима у вези са роковима израде 4.19. 4.31. Недовољна маркетиншка подршка 4.20. 4.32. Проблеми са добављачима у вези са роковима испоруке 4.21. 4.33. Нестабилност тржишта енергената 4.22. 4.34. 128 На слици 5.6. графички је представљено предвиђање износа ризика пројектног плана. Упоредно су приказани хистограми фреквенције и кумулативне фреквенције предвиђања. Слика 5.6. Предвиђање износа ризика пројектног плана Ризици у вези са захтевима инвеститора 4.23. 4.35. Адаптивност дизајна 4.24. 4.36. Могућност преговарања 4.25. 4.37. Независност сопствене производње 4.26. 4.38. Унапређен процес контроле квалитета 4.27. 4.39. Тежина грешке у односу на пројектни план 4.40. 129 Обликом, хистограми одговарају нормалној расподели и биће спроведен статистички тест помоћу програмског пакета „Crystal Ball“ како би се одредила теоријска расподела којој параметри предвиђања одговарају. Након спроведеног Андерсон-Дарлинг теста нормалности (AD = 15,933) резултати поклапања теоријске расподеле и предвиђања су приказани графички (слика 5.7.) и табеларно (табела 5.7). Слика 5.7. Поклапање нормалне расподеле и предвиђања износа ризика пројектног плана 130 Табела 5.7. Параметри расподеле предвиђања износа ризика пројектног плана Расподела Нормална расподела Вредности предвиђања Средња вредност 0,23 0,23 Медијана 0,23 0,23 Модус 0,23 '--- Стандардна девијација 0,11 0,11 Варијанса 0,01 0,01 Коефицијент асиметрије 0 -0,12 Коефицијент спљоштености 3 34366,00 Коефициејнт варијације 0,469 0,47 Минимум  -0,36 Максимум  0,62 Грешка средње вредности '--- 0 У табели 5.8. приказани су квантили нормалне расподеле и предвиђања. Поређењем параметара приказаних у табелама 5.7. и 5.8. закључује се да је поклапање јако добро, што даје потребан услов доказа постављених хипотеза Х2.0 – Х2.3. Табела 5.8. Квантили Квантили Нормална расподела Вредности предвиђања 0%  -0,36 10% 0,09 0,09 20% 0,14 0,14 30% 0,18 0,18 40% 0,21 0,21 50% 0,23 0,23 60% 0,26 0,26 70% 0,29 0,29 80% 0,33 0,33 90% 0,37 0,38 100%  0,62 За испитивање довољности, биће спроведена анализа интервала поверења и то  ,Tx       ,  2 , 2Tx       и  3 , 3Tx       са циљем одређивања нивоа извесности којим ће се вредности променљиве Sx наћи у наведеним интервалима. 131 Имајући у виду да математичко очекивање предвиђања износи 0,23, а стандардна девијација 0,11, биће спроведена анализа за интервале [0,12,0,34], [0,01,0,45] и [-0,1,0,56] којом ће бити тестиране хипотезе Х2.1, Х2.2 и Х2.3 следствено. Према поставци хипотезе Х1.1 приближно 68% вредности износа ризика техничких перформанси налази се у интервалу  ,     . Анализом расподеле предвиђања (слика 5.8.) утврђено је да извесност да се вредност износа ризика техничких перформанси нађе у интервалу поверења [0,12,0,34] износи 67,781%, чиме је хипотеза Х2.1 потврђена. Слика 5.8. Анализа вредности износа ризика пројектног плана за интервал поверења  ,     132 Према поставци хипотезе Х1.2 приближно 95% вредности износа ризика техничких перформанси налази се у интервалу  2 , 2     . Анализом расподеле предвиђања (слика 5.9.) утврђено је да извесност да се вредност износа ризика техничких перформанси нађе у интервалу поверења [0,01,0,45] износи 95,817%, чиме је хипотеза Х2.2 потврђена. Слика 5.9. Предвиђање износа ризика пројектног плана за интервал поверења  2 , 2     Према поставци хипотезе Х1.3 приближно 99,7% вредности износа ризика техничких перформанси налази се у интервалу  3 , 3     . Анализом расподеле предвиђања (слика 5.10.) утврђено је да извесност да се вредност износа ризика техничких перформанси нађе у интервалу поверења [-0,1,0,56] износи 99,762%, чиме је хипотеза Х2.3 потврђена. 133 Потврдом услова довољности за посебне хипотезе Х2.1, Х2.2 и Х2.3 потврђена ја и општа хипотеза Х2.0. Слика 5.10. Предвиђање износа ризика пројектног плана за интервал поверења  3 , 3     Испитивање хипотезе Х4.2. биће спроведено путем анализе осетљивости. Биће анализиран утицај променљивих величина на износ ризика пројектног плана, те проверен допринос варијанси износа ризика променљивих величина од интереса за тестирање наведених хипотеза. На слици 5.11. представљен је дијаграм осетљивости према корелацији ранга за променљиве које одређују износ ризика пројектног плана. Корелација ранга представља однос између различитих рангова променљивих величина које одређују износ ризика пројектног плана. 134 На слици 5.12. приказан је дијаграм осетљивости према доприносу варијанси износа ризика пројектног плана. На овом дијаграму приказано је које променљиве и у ком уделу утичу на износ ризика пројектног плана, као и да ли утичу на повећање или смањење износа ризика пројектног плана. Табела 5.9. представља упоредни приказ података исказаних дијаграмима осетљивости на сликама 5.11. и 5.12. Са дијаграма (слике 5.11. и 5.12.) уочава се доминантност променљиве тежине грешке пројектног плана. Допринос варијанси износа ризика пројектног плана ове променљиве износи 60,3 %. 135 Слика 5.11. Дијаграм осетљивости износа ризика пројектног плана према корелацији ранга променљивих 0,69 -0,21 0,19 0,19 -0,19 0,19 -0,17 0,15 0,1 -0,09 0,09 0,09 0,09 -0,08 0,08 0,07 -0,05 0,05 -0,05 0,05 0,04 0,03 -0,02 0 0 Тежина грешке Pe: могућност преговарања Pe: незадовољство инвеститора изведеним решењем Pe: недовољна маркетиншка подршка Pe: унапређен процес контроле квалитета Pe: елементарне непогоде Pd: могућност преговарања Pe: административно-организациони ризици Pe: ризици у вези са захтевима инвеститора Pe: адаптивност дизајна Pe: проблеми са добављачима у вези са роковима испоруке Pd: недовољна маркетиншка подршка Pe: проблеми са кооперантима у вези са роковима израде Pe: независност сопствене производње Pd: проблеми са добављачима у вези са роковима испоруке Pd: административно-организациони ризици Pd: адаптивност дизајна Pe: нестабилност тржишта енергената Pd: независност сопствене производње Pd: нестабилност тржишта енергената Pd: незадовољство инвеститора изведеним решењем Pd: ризици у вези са захтевима инвеститора Pd: унапређен процес контроле квалитета Pd: проблеми са кооперантима у вези са роковима израде Pd: елементарне непогоде Коеф. корелације ранга 136 Слика 5.12. Дијаграм осетљивости износа ризика пројектног плана према доприносу варијанси 60,31% 5,76% 4,61% 4,50% 4,40% 4,34% 3,77% 2,76% 1,25% 1,13% 1,11% 1,09% 1,09% 0,85% 0,72% 0,60% 0,36% 0,36% 0,33% 0,29% 0,22% 0,08% 0,06% 0,00% 0,00% Тежина грешке Pe: могућност преговарања Pe: незадовољство инвеститора изведеним решењем Pe: недовољна маркетиншка подршка Pe: унапређен процес контроле квалитета Pe: елементарне непогоде Pd: могућност преговарања Pe: административно-организациони ризици Pe: ризици у вези са захтевима инвеститора Pe: адаптивност дизајна Pe: проблеми са добављачима у вези са роковима испоруке Pd: недовољна маркетиншка подршка Pe: проблеми са кооперантима у вези са роковима израде Pe: независност сопствене производње Pd: проблеми са добављачима у вези са роковима испоруке Pd: административно-организациони ризици Pd: адаптивност дизајна Pe: нестабилност тржишта енергената Pd: независност сопствене производње Pd: нестабилност тржишта енергената Pd: незадовољство инвеститора изведеним решењем Pd: ризици у вези са захтевима инвеститора Pd: унапређен процес контроле квалитета Pd: проблеми са кооперантима у вези са роковима израде Pd: елементарне непогоде Допринос варијанси 137 Табела 5.9. Анализа осетљивости за износ ризика пројектног плана Ппроменљиве Допринос варијанси Коеф. корелације ранга Тежина грешке 60,31% 0,69 Pe: могућност преговарања 5,76% -0,21 Pe: незадовољство инвеститора изведеним решењем 4,61% 0,19 Pe: недовољна маркетиншка подршка 4,50% 0,19 Pe: унапређен процес контроле квалитета 4,40% -0,19 Pe: елементарне непогоде 4,34% 0,19 Pd: могућност преговарања 3,77% -0,17 Pe: административно-организациони ризици 2,76% 0,15 Pe: ризици у вези са захтевима инвеститора 1,25% 0,10 Pe: адаптивност дизајна 1,13% -0,09 Pe: проблеми са добављачима у вези са роковима испоруке 1,11% 0,09 Pd: недовољна маркетиншка подршка 1,09% 0,09 Pe: проблеми са кооперантима у вези са роковима израде 1,09% 0,09 Pe: независност сопствене производње 0,85% -0,08 Pd: проблеми са добављачима у вези са роковима испоруке 0,72% 0,08 Pd: административно-организациони ризици 0,60% 0,07 Pd: адаптивност дизајна 0,36% -0,05 Pe: нестабилност тржишта енергената 0,36% 0,05 Pd: независност сопствене производње 0,33% -0,05 Pd: нестабилност тржишта енергената 0,29% 0,05 Pd: незадовољство инвеститора изведеним решењем 0,22% 0,04 Pd: ризици у вези са захтевима инвеститора 0,08% 0,03 Pd: унапређен процес контроле квалитета 0,06% -0,02 Pd: проблеми са кооперантима у вези са роковима израде 0,00% 0,00 Pd: елементарне непогоде 0,00% 0,00 Допринос променљиве тежине грешке пројектног плана варијанси износа ризика пројектног плана приближно износи 60,3 %, а допринос променљивих које одређују вероватноћу појаве грешке 39,7%. 138 Овај резултат одбацује хипотезу Х4.2 која каже да променљиве величине које одређују вероватноћу појаве грешке пројектног плана пружају приближно исти допринос варијанси расподеле износа ризика пројектног плана као и променљиве величине које одређују тежину грешке пројектног плана. 5.1.3 Монте Карло симулација и анализа осетљивости износа ризика пројектног буџета На основу параметара представљених у табели 5.10. биће спроведене симулација и анализа осетљивости. Резултати ће бити представљени графички и табеларно, а затим коментарисани. Табела 5.10. Параметри симулације за износ ризика пројектног буџета Математички модел   1 1 1 m n B i Bei Bdi i ei Bdi B B i i m R k P P k P P C C                   Ограничења Све претпоставке су у интервалу  0,1 Предвиђање BR Тежински коефицијенти  randik  , 1 1 m i i k   , 1 1 n i i m k    Број проба 100.000 Претпоставке BeP BdP BeP BdP BC Одустајање од пројекта 4.41. 4.49. Нејасан (непотпун) захтев инвеститора 4.42. 4.50. Проблеми са складиштењем и транспортом 4.43. 4.51. Ограничење инвестиционог буџета 4.44. 4.52. Опортуни трошкови 4.45. 4.53. Оптимизицаја технолошког поступка 4.46. 4.54. Могућност преговарања 4.47. 4.55. Коришћење постојећих алата 4.48. 4.56. Тежина грешке у односу на пројектни буџет 4.57. 139 На слици 5.12. графички је представљено предвиђање износа ризика пројектног буџета. Упоредно су приказани хистограми фреквенције и кумулативне фреквенције предвиђања. Слика 5.12. Предвиђање износа ризика пројектног буџета Обликом, хистограми приближно одговарају нормалној расподели и биће спроведен статистички тест помоћу програмског пакета „Crystal Ball“ како би се одредила теоријска расподела којој параметри предвиђања одговарају. Након спроведеног Андерсон-Дарлинг теста нормалности (AD = 91,5567) резултати поклапања теоријске расподеле и предвиђања су приказани графички (слика 5.13.) и табеларно (табела 5.13). 140 Слика 5.13. Поклапање нормалне расподеле и предвиђања износа ризика пројектног буџета Табела 5.13. Параметри расподеле предвиђања износа ризика техничких перформанси Расподела Нормална расподела Вредности предвиђања Средња вредност 0,12 0,12 Медијана 0,12 0,11 Модус 0,12 '--- Стандардна девијација 0,13 0,13 Варијанса 0,02 0,02 Коефицијент асиметрије 0 0,2385 Коефицијент спљоштености 3 34366,00 Коефициејнт варијације 1,14 1,14 Минимум  -0,56 Максимум  0,97 Грешка средње вредности '--- 0 141 У табели 5.14. приказани су квантили нормалне расподеле и предвиђања. Поређењем параметара приказаних у табелама 5.13. и 5.14. закључује се да је поклапање јако добро, што даје потребан услов доказа постављених хипотеза Х3.0 – Х3.3. Табела 5.14. Квантили Квантили Нормална расподела Вредности предвиђања 0%  -0,56 10% -0.05 -0.05 20% 0.00 0.01 30% 0.05 0.05 40% 0.08 0.08 50% 0.12 0.11 60% 0.15 0.14 70% 0.19 0.18 80% 0.23 0.22 90% 0.29 0.28 100%  0,97 За испитивање довољности, биће спроведена анализа интервала поверења и то  ,Tx       ,  2 , 2Tx       и  3 , 3Tx       са циљем одређивања нивоа извесности којим ће се вредности променљиве Bx наћи у наведеним интервалима. Имајући у виду да математичко очекивање предвиђања износи 0,12, а стандардна девијација 0,13, биће спроведена анализа за интервале [-0,01,0,25], [- 0,14,0,38] и [-0,27,0,51] којом ће бити тестиране хипотезе Х3.1, Х3.2 и Х3.3 следствено. Према поставци хипотезе Х3.1 приближно 68% вредности износа ризика пројектног буџета налази се у интервалу  ,     . Анализом расподеле предвиђања (слика 5.14.) утврђено је да извесност да се вредност износа ризика техничких перформанси нађе у интервалу поверења [-0,01,0,25] износи 69,993%, чиме је хипотеза Х3.1 потврђена. 142 Слика 5.14. Анализа вредности износа ризика пројектног буџета за интервал поверења  ,     Према поставци хипотезе Х3.2 приближно 95% вредности износа ризика техничких перформанси налази се у интервалу  2 , 2     . Анализом расподеле предвиђања (слика 5.15.) утврђено је да извесност да се вредност износа ризика техничких перформанси нађе у интервалу поверења [-0,14,0,38] износи 94,813%, чиме је хипотеза Х3.2 потврђена. 143 Слика 5.15. Предвиђање износа ризика пројектног буџета за интервал поверења  2 , 2     Према поставци хипотезе Х1.3 приближно 99,7% вредности износа ризика техничких перформанси налази се у интервалу  3 , 3     . Анализом расподеле предвиђања (слика 5.16.) утврђено је да извесност да се вредност износа ризика техничких перформанси нађе у интервалу поверења [-0,27,0,51] износи 99,198%, чиме је хипотеза Х3.3 потврђена. Потврдом услова довољности за посебне хипотезе Х3.1, Х3.2 и Х3.3 потврђена ја и општа хипотеза Х3.0. 144 Слика 5.16. Предвиђање износа ризика пројектног буџета за интервал поверења  3 , 3     Испитивање хипотезе Х4.3. биће спроведено путем анализе осетљивости. Биће анализиран утицај променљивих величина на износ ризика пројектног буџета, те проверен допринос варијанси износа ризика променљивих величина од интереса за тестирање наведених хипотеза. На слици 5.17. представљен је дијаграм осетљивости према корелацији ранга за променљиве које одређују износ ризика пројектног буџета. Корелација ранга представља однос између различитих рангова променљивих величина које одређују износ ризика пројектног буџета. На слици 5.18. приказан је дијаграм осетљивости према доприносу варијанси износа ризика пројектног буџета. На овом дијаграму приказано је које 145 променљиве и у ком уделу утичу на износ ризика пројектног буџета, као и да ли утичу на повећање или смањење износа ризика пројектног буџета. Табела 5.9. представља упоредни приказ података исказаних дијаграмима осетљивости на сликама 5.11. и 5.12. Са дијаграма (слике 5.17. и 5.18.) уочава се доминантност променљиве тежине грешке пројектног буџета. Допринос варијанси износа ризика пројектног буџета ове променљиве износи 60,3 %. 146 Слика 5.17. Дијаграм осетљивости износа ризика пројектног буџета према корелацији ранга 0,6 -0,32 -0,26 0,24 -0,2 0,15 0,11 -0,11 -0,11 0,1 0,09 0,09 0,08 0,06 0,05 0,05 -0,04 Тежина грешке Pе: оптимизација технолошког поступка Pе: могућност преговарања Pе: одустајање од пројекта Pd: могућност преговарања Pе: проблеми са складиштењем и транспортом Pd: проблеми са складиштењем и транспортом Pd: оптимизација технолошког поступка Pе: коришћење постојећих алата Pе: опортуни трошкови Pе: нејасан (непотпун) захтев инвеститора Pе: ограничење инвестиционог буџета Pd: ограничење инвестиционог бџжета Pd: одустајање од пројекта Pd: опортуни трошкови Pd: нејасан (непотпун) захтев инвеститора Pd: коришћење постојећих алата Коеф. корелације ранга 147 Слика 5.18. Дијаграм осетљивости износа ризика пројектног буџета према доприносу варијанси 49,59% 13,72% 9,00% 7,81% 5,74% 3,21% 1,68% 1,66% 1,63% 1,47% 1,16% 1,16% 0,92% 0,45% 0,32% 0,30% 0,18% Тежина грешке Pе: оптимизација технолошког поступка Pе: могућност преговарања Pе: одустајање од пројекта Pd: могућност преговарања Pе: проблеми са складиштењем и транспортом Pd: проблеми са складиштењем и транспортом Pd: оптимизација технолошког поступка Pе: коришћење постојећих алата Pе: опортуни трошкови Pе: нејасан (непотпун) захтев инвеститора Pе: ограничење инвестиционог буџета Pd: ограничење инвестиционог бџжета Pd: одустајање од пројекта Pd: опортуни трошкови Pd: нејасан (непотпун) захтев инвеститора Pd: коришћење постојећих алата Допринос варијанси 148 Табела 5.9. Анализа осетљивости за износ ризика пројектног буџета Ппроменљиве Допринос варијанси Коеф. корелације ранга Тежина грешке 49,59% 0,60 Pе: оптимизација технолошког поступка 13,72% -0,32 Pе: могућност преговарања 9,00% -0,26 Pе: одустајање од пројекта 7,81% 0,24 Pd: могућност преговарања 5,74% -0,20 Pе: проблеми са складиштењем и транспортом 3,21% 0,15 Pd: проблеми са складиштењем и транспортом 1,68% 0,11 Pd: оптимизација технолошког поступка 1,66% -0,11 Pе: коришћење постојећих алата 1,63% -0,11 Pе: опортуни трошкови 1,47% 0,10 Pе: нејасан (непотпун) захтев инвеститора 1,16% 0,09 Pе: ограничење инвестиционог буџета 1,16% 0,09 Pd: ограничење инвестиционог бџжета 0,92% 0,08 Pd: одустајање од пројекта 0,45% 0,06 Pd: опортуни трошкови 0,32% 0,05 Pd: нејасан (непотпун) захтев инвеститора 0,30% 0,05 Pd: коришћење постојећих алата 0,18% -0,04 Допринос променљиве тежине грешке пројектног буџета варијанси износа ризика пројектног буџета приближно износи 49,59%, а допринос променљивих које одређују вероватноћу појаве грешке 50,41%. Овај резултат потврђује хипотезу Х4.2 која каже да променљиве величине које одређују вероватноћу појаве грешке пројектног буџета пружају приближно исти допринос варијанси расподеле износа ризика пројектног буџета као и променљиве величине које одређују тежину грешке пројектног буџета. 149 5.2 Закључак У овом поглављу спроведене су методе за проверу постављених хипотеза. У табели 5.10. приказан је преглед хипотеза, коришћене технике, као и резултати. Монте Карло симулацијом добијене су расподеле износа пројектних ризика што је омогућило примену теста нормалности и анализу осетљивости, као и проверу хипотеза. Табела 5.10. Резултати тестирања хипотеза Хипотеза Потврда Резултат Техника Х1.0: Вредности износа ризика техничких карактеристика припадају приближно нормално расподељеној популацији. да Општа хипотеза, зависи од Х1.1 – Х1.3 Х1.1: Приближно 68% вредности износа ризика техничких карактеристика налази се у интервалу од једне стандардне девијације са обе стране математичког очекивања.   0,68TP x        да   0,69TP x        Монте Карло Х1.2: Приближно 95% вредности износа ризика техничких карактеристика налази се у интервалу од две стандардне девијације са обе стране математичког очекивања. да  2 2 0,96TP x        Монте Карло 150 Хипотеза Потврда Резултат Техника  2 2 0,95TP x        Х1.3: Приближно 99, 7% вредности износа ризика техничких карактеристика налази се у интервалу од три стандардне девијације са обе стране математичког очекивања.  3 3 0,997TP x        да  3 3 0,997TP x        Монте Карло Х2.0: Вредности износа ризика пројектног плана припадају приближно нормално расподељеној популацији. да Општа хипотеза, зависи од Х2.1 – Х2.3 Х2.1: Приближно 68% вредности износа ризика пројектног плана налази се у интервалу од једне стандардне девијације са обе стране математичког очекивања.   0,68SP x        да   0,68SP x        Монте Карло Х2.2: Приближно 95% вредности износа пројектног плана налази се у интервалу од две стандардне девијације са обе стране математичког очекивања.  2 2 0,95SP x        да  2 2 0,96SP x        Монте Карло 151 Хипотеза Потврда Резултат Техника Х2.3: Приближно 99, 7% вредности износа ризика пројектног плана налази се у интервалу од три стандардне девијације са обе стране математичког очекивања.  3 3 0,997SP x        да  3 3 0,998SP x        Монте Карло Х3.0: Вредности износа ризика пројектног буџета припадају приближно нормално расподељеној популацији. да Општа хипотеза, зависи од Х3.1 – Х3.3 Монте Карло Х3.1: Приближно 68% вредности износа ризика пројектног буџета налази се у интервалу од једне стандардне девијације са обе стране математичког очекивања.   0,68BP x        да   0,70BP x        Монте Карло Х3.2: Приближно 95% вредности износа пројектног буџета налази се у интервалу од две стандардне девијације са обе стране математичког очекивања.  2 2 0,95BP x        да  2 2 0,95BP x        Монте Карло 152 Хипотеза Потврда Резултат Техника Х3.3: Приближно 99, 7% вредности износа ризика пројектног буџета налази се у интервалу од три стандардне девијације са обе стране математичког очекивања.  3 3 0,997BP x        да  3 3 0,991BP x        Монте Карло Х4.0: Променљиве величине које одређују вероватноћу појаве грешке пружају приближно исти допринос варијанси расподеле износа ризика као и променљиве величине које одређују тежину грешке. не Општа хипотеза, зависи од Х4.1 – Х4.3 Х4.1: Променљиве величине које одређују вероватноћу појаве грешке техничких карактеристика пружају приближно исти допринос варијанси расподеле износа ризика техничких карактеристика као и променљиве величине које одређују тежину грешке техничких карактеристика. да 50,3% TP  49,7 %TC  Анализа осетљив ости Х4.2: Променљиве величине које одређују вероватноћу појаве грешке пројектног не 39,7% SP  60,3 %SC  Анализа осетљив ости 153 Хипотеза Потврда Резултат Техника плана пружају приближно исти допринос варијанси расподеле износа ризика пројектног плана као и променљиве величине које одређују тежину грешке пројектног плана. Х4.3: Променљиве величине које одређују вероватноћу појаве грешке пројектног буџета пружају приближно исти допринос варијанси расподеле износа ризика пројектног буџета као и променљиве величине које одређују тежину грешке пројектног буџета. да 50,41%BP  49,59% BC  Анализа осетљив ости Опште хипотезе Х1.0, Х2.0 и Х3.0 потврђене су испитивањем посебних хипотеза. Потврда ових хипотеза указује на могућност уопштења модела за квантификацију износа ризика. Уопштење се односи на особину модела која указује на вероватноћу да ће се вредности износа ризика наћи у одређеном интервалу, познавањем само основних статистичких параметара као што су математичко очекивање и стандардна девијација. На овај начин се у многоме олакшава практична примена модела, пошто иста не захтева познавање компликованих нумеричких метода и употребу симулација, већ само основне вештине статистичке обраде података, као што су одређивање средње вредности и стандардне девијације, а онда, користећи уопштење у вези са интервалима поверења, лако се може извршити процена износа ризика. 154 Одбацивање посебне хипотезе Х4.2, самим тим и опште Х4.0 показало је да се не може усвојити као опште правило да променљиве величине које одређују вероватноћу појаве грешке пружају приближно исти допринос варијанси расподеле износа ризика као и променљиве величине које одређују тежину грешке. Иако практично вероватноћа појаве и тежина грешке имају једнак значај, допринос износу ризика зависиће од експериментално добијених података или вредности процене пројектног тима, као и типа пројекта односно индустријског производа. 155 6 Закључци докторске дисертације У овом поглављу биће сумирани закључци изведени у претходним поглављима, те спроведена дискусија уз осврт на ограничења истраживања. Затим,биће представљена практична корист истраживања и коначно предложени правци даљег истраживања. 6.1 Закључна разматрања Иако је литература из области управљања пројектним ризицима обимна, постоји релативно мали број референци које пружају практичне оквире за управљање пројектним ризицима у малим и средњим предузећима (Henschel 2009a). Са друге стране, литература која се односи на управљање ризицима на пројектима освајања индустријског производа, углавном третира процесе у сложенијим пословним системима не узимајући у обзир специфичности контекста малих и средњих предузећа. Претрагом и мапирањем доступне литературе, закључује се да постоје извесне недоследности када је у питању дефинисање и сама терминологија која прати концепт управљања пројектним ризицима. Приступи квантификације ризика на пројектима освајања индустријског производа су разноврсни, па су самим тим у употреби разне методе и технике, као и модели за квантификацију. Квантитативни приказ ризика зависи од начина формирања интерних скала, делом ускраћујући на тај начин универзалност примене. Циљ дисертације, формирање модела за квантификацију ризика на пројектима освајања индустријског производа, остварен је предлогом новог математичком модела који омогућава широк дијапазон примене. Модел равноправно обухвата претње и шансе и пружа могућност квантификације комбинованог утицаја свих ризичних догађаја на циљеве пројекта, што поједностављује процену нивоа ризика за сваки од дефинисаних пројектних циљева без губитка информација о карактеру ризичних догађаја. Све променљиве величине дефинисане су на интервалу  0,1 , што елиминише потребу 156 за додатним објашњењем или дефинисањем посебног кључа за разумевање квантификованих нивоа ризика. У циљу провере модела спроведено је експериментално истраживање променљивих величина, затим спроведена статистичка обрада података, те постављене хипотезе које су тестиране Монте Карло симулацијом и анализом осетљивости. Статистичка обрада података подразумевала је факторску анализа са циљем сажимања података и извођења нових, коначних променљивих величина, те процену адекватности којој теоријској расподели подаци коначних променљивих припадају, што је омогућило формирање пробабилистичког математичког модела и примену нумеричких метода за тестирање хипотеза. Тестирањем хипотеза, изведени су следећи закључци:  Приближно 68% вредности износа ризика налази се у интервалу од једне стандардне девијације са обе стране математичког очекивања   0,68P x        .  Приближно 95% вредности износа ризика налази се у интервалу од две стандардне девијације са обе стране математичког очекивања.  2 2 0,95P x        .  Приближно 99, 7% вредности износа ризика налази се у интервалу од три стандардне девијације са обе стране математичког очекивања.  3 3 0,997P x        .  Вредности износа ризика техничких карактеристика припадају приближно нормално расподељеној популацији.  Променљиве величине које одређују вероватноћу појаве грешке не пружају исти допринос варијанси расподеле износа ризика као и променљиве величине које одређују тежину грешке. 157 6.2 Ограничења истраживања и дискусија Постављени математички модел за квантификацију пројектних ризика пружа могућност широког дијапазона примене. Иако развијен за потребе квантификације ризика на пројектима освајања индустријског производа у малим и средњим предузећима, може се применити на друге типове пројеката, као и у комплексним пословним системима. Поставка модела је таква, да дефинисањем оквира може да се утиче на комплексност модела, а самим тим и на сложеност квантитативне анализе ризика. У зависности од приступа, модел може бити детерминистички или пробабилистички. Детерминистичким приступом, додатно се поједностављује употреба модела, али се истовремено искључивањем особине случајности променљивих величина губи читав опсег могућих резултата. Са друге стране, пробабилистички приступ подразумева процену расподела променљивих величина, односно анализу вероватноћа настанка, откривања и тежине грешке према сваком пројектном циљу. Одређивање ових расподела може спадати у домен субјективне процене пројектног тима или може бити засновано на статистичкој обради података добијених експерименталним истраживањем неког претходно посматраног периода. Субјективној процени анализе прибегава се у следећим ситуацијама (Петровић и др. 2010):  Када подаци неопходни за утврђивање вероватноћа никада раније нису прикупљани,  Када прикупљање података изискује велике трошкове,  Када се доводи у питање релевантност података из прошлости услед промене околности,  Када је област у којој се врши моделирање нова и/или неистражена. У оваквим ситуацијама, употреба модела у многоме зависи од поузданости доступних података, као и знања и искуства пројектног тима у процени ризика. 158 Сваки модел, биће онолико ефикасан колико су поуздани подаци на улазу, а тачност резултата директно ће зависити од веродостојности улазних података. Петровић и др. (2008) тврде да је коришћење субјективних улазних података, као интегралног дела процеса вредновања једна од упадљивих особина анализе ризика, те с обзиром на субјективну димензију процене ризика, може се констатовати да не постоји могућност прибављања потпуно објективних улазних података за математички модел. Међутим, применом структурних техника могу се успоставити одређене релације које пружају услове за довољно тачно усвајање потребних параметара, који зависе искључиво од типа производа, односно типа пројекта. Субјективност у овом истраживању је умањена експериментално прикупљеним подацима, те разматрањем променљивих величина. Са тим у вези формиран је репрезентативни узорак од 52 пројекта развоја истог типа производа у оквиру једног предузећа. На овај начин се постигнути су уједначени услови за спровођење експеримента на читавом узорку, али истовремено постоји могућност појаве тренда опадања, односно раста појединих величина услед научених лекција током временског периода у коме су се пројекти одвијали. Додатно, субјективност компаративне методе за одређивање тежинских коефицијената умањена је симулацијом вредности тежинских коефицијената на бази 100.000 проба. Истовремено, Монте Карло симулацијом добијена је расподела износа ризика према пројектним циљевима. Иако ће се поновљеним симулацијама добити другачије вредности од остварених (што представља одлику пробабилистичког модела заснованог на симулацији), оне неће значајно одступити, нити утицати на карактер резултата. Симулацијом су тестиране истраживачке хипотезе и постигнуто је уопштење тумачења резултата, што у многоме даље доприноси практичној примени модела. На овај начин, познавањем само средње вредности и стандардне девијације, може се у потпуности описати стохастичка променљива (Чупић и Сукновић 2008), у овом случају износа ризика. 159 Монте Карло симулација показала је да износ ризика заправо може бити у интервалу [-1,1], односно апсолутни износ ризика у интервалу [0,1]. У одређеним интервалима поверења алтернативних исхода, вредност износа ризика може бити негативна, што упућује на закључак да износ ризика за ове интервале одређује постојање корисне грешке која има позитиван утицај на пројектни циљ. Ограничење модела представља и оријентисаност ка анализи тежине грешке коју изазивају скупови ризика, уместо анализе сваког ризика понаособ. Ова одлика модела доприноси једноставости практичног приступа, јер често не може да се процени допринос сваког ризика понаособ на пројектни циљ, док је процена утицаја повезаног скупа ризика реалнија и могућа. Математички модел равноправно узима у обзир утицај претњи и шанси на пројектне резултате, али поред вероватноће појаве ризичних догађаја, узима у обзир и вероватноћу откривања истих, односно грешке коју овакви догађаји узрокују. На овај начин узима се у обзир још једна компонента манифестности ризика, која може представљати један од полазних основа за развијање алгоритма одговора на ризике, по питању могућности њиховог откривања. Важно ограничење модела, које мора да се постави огледа се у оквиру процене техничких карактеристика пројекта, односно типа индустријског производа који се осваја. Различити производи суштински могу бити описани различитим атрибутима. У случају истраживања спроведеног у овој дисертацији, ови атрибути представљени су у моделу путем три критеријума: технички, критеријум инвеститора и критеријум крајњег корисника. На овај начин је постигнуто уопштење истраживаних резултата, мада ипак треба имати на уму да за неке друге типове производа, критеријуми могу бити постављени на сличан или незнатно другачији начин. 6.3 Практична корист истраживања На основу анализе експерименталних података и података добијених развијеним моделом квантификације ризика при освајању индустријских производа могуће је унапредити праксу развоја производа у малим и средњим 160 домаћим индустријским предузећима, која треба да буду носилац развоја привреде РС. Методе и технике за процену и квантификацију ризика прилагођене су квалификацијама пројектног тима у предузећу, чиме је осигурана једноставност процеса управљања пројектним ризицима без ангажовања додатних ресурса. Спроведено поређење предложеног модела са познатим моделима који могу бити примењени за квнатификацију ризика на пројектима освајања индустријског производа које је представљено у одељку 3.4 (табела 3.1), као и потврда модела експерименталним истраживањем и симулацијом јасно показује практичне предности предложеног модела које се огледају у следећем:  Модел је применљив, али не и ограничен на област освајања индустријског производа у малим и средњим предузећима.  Једноставност примене модела обезбеђена је могућношћу аквизиције улазних података техникама које су примерене пројектним тимовима различитих компетенција.  Омогућава брзу и једноставну квантификацију пројектних ризика без ангажовања екстерних стручњака.  Модел се може користити једнако као детерминистички и пробабилистички.  Класификује ризике у подскупове претњи и шанси, формирајући скупове ризика према пројектним циљевима.  Дефинисана је манифесност ризика кроз вероватноћу настанка и откривања грешке током животног циклуса пројекта.  Модел јасно дефинише циљеве пројекта, а генерализација излазних величина модела доприноси једноставном и недвосмисленом разумевању вредности износа као и природе ризика на пројекту освајања индустријског производа.  Оквир модела представља тежину грешке кроз уопштене критеријуме (атрибуте) производа. Експериментално истраживање пружило је увид у ризике који су присутни приликом процеса освајања индустријског производа у малом и средњем 161 предузећу, њиховој фреквенцији појављивања, фазама процеса у којима се јављају, као и утицају на дефинисане пројектне циљеве. Поред ових информација, предложена је методологија за прибављање улазних података у модел за квантификацију ризика на пројектима освајања индустријског производа која је практично проверена током спровођена експерименталног истраживања и може се применити у процесу управљања пројектним ризицима у предузећима. Методом главних компонената издвојене су групе значајних ризика, а Монте Карло симулацијом изведено је предвиђање вредности износа ризика према пројектним циљевима. Додатно, анализом осетљивости, анализиран је утицај свих променљивих величина на износ ризика према пројектним циљевима. Коначно се закључује да остварени резултати, као и предложена методологија могу да буду вишеструко корисни експертима, руководиоцима, планерима и пројектним менаџерима у формирању систематизованог приступа квантитативној анализи пројектних ризика у малим и средњим предузећима, која као део својих пословних подухвата реализују освајање индустријског производа. 6.4 Правци даљег истраживања На основу постављеног модела и спроведеног истраживања могуће је идентификовати неколико праваца даљег истраживања:  формирање модела одлучивања на основу апсолутног износа фактора ризика према пројектним циљевима,  утврђивање приоритета и развијање технике за мапирање ризика,  планирање одговора на пројектне ризике у процесу развоја индустријског производа у малом предузећу,  истраживање повезаности атрибута индустријских производа и скупова ризика,  диверсификацију ризика према специфичним типовима индустријских производа. 162 7 Литература 1. Alhawari, S., Thabtah, F., Karadsheh, L. & Hadi, W. M. (2008) “A Risk Management Model for Project Execution”, Proceedings of the 9th International Business Information Management Association Conference (IBIMA), Marrakech, Conference on Information Management in Modern Organizations: Trends & Challenges, pp.887–893. 2. Alquier, A.M.B. & Tignol, M.H.L. (2006) “Risk management in small and medium-sized enterprises”, Production Planning and Control, 17, pp.273–282. 3. Arnsfeld, T., Berkau, C. & Frey, A. (2007) „Risikomanagement im Mittelstand: Luxus oder Notwendigkeit [Risk Management in SMEs: Luxury or Necessity]“, Controller Magazin, 32(5), pp.488–493. 4. Arshad, M., Rasool. M.T. & Ahmad, M.I. (2003) “Anderson Darling and Modified Anderson Darling Tests for Generalized Pareto Distribution”, Pakistan Journal of Applied Sciences,3(2), pp.85–88. 5. Bandyopadhyay, K., Myktyn, P.P., and Myktyn, K. (1999) "A framework for integrated risk management in information technology", Management Decision, 37(5), pp.437–444. 6. Barkley, BT. (2008) Project Management in New Product Development. New York, McGraw-Hill. 7. Beck, M., Drennan, L. & Higgins, A. (2002) Managing E-Risk. London, Association of British Insurers. p.7. 8. Berry, A., Sweeting, R. & Holt, R. (2007) „Constructing Risk Management: Framing and Reflexivity of Small Firm Owner-Managers“, Proceedings of the 1st European Risk Management Conference, University of Münster, pp.1–23. 9. Blau, G.E., Bose, S., Mehta, B., Pekny, J., Sinclair, G., Keunker, K. & Bunch, P. (2000) “Risk management in the development of new products in highly regulated industries”, Computers and Chemical Engineering, 24(1), pp.659– 664. 10. Blau, G.E. & Bose, S. (2000) “Use of a network model interface to build spreadsheet models of process systems: a productivity enhancement tool for risk 163 management studies”, Computers and Chemical Engineering, 24(1), pp.1511– 1515. 11. Boehm, B.W. & Bose, P.A. (1994) "Collaborative Spiral Software Process Model Based on Theory", Proceedings of the third International Conference on the Software Process, Washington DC, IEEE Computer Society. 12. Braha, D. & Maimon, O. (1997) “The design process: Properties, paradigms, and structure”, IEEE Trans. Syst., Man, Cybern., 2, pp. 146–166. 13. Brancia, A. (2011) SMEs Risk Management: An Analysis of the Existing Literature Considering the Different Risk Streams. The 8th AGSE International Entrepreneurship Research Exchange, Melbourne, Swinburne University of Technology. 14. Browning, T. & Hillson, D. (2003). „A quantitative framework for multi- dimensional risk and opportunity management“, Working Paper, Texas Christian University, Neely School of Business, pp. 1-28. 15. Browning, T.R., Deyst, J.J., Eppinger, S.D. & Whitney, D.E. (2002), "Adding Value in Product Development by Creating Information and Reducing Risk", IEEE Transactions on Engineering Management, 49(4), pp.443–458. 16. Browning, T.R., Fricke, E. & Negele, H. (2006) „Key concepts in modeling product development processes“, Systems Engineering 9(2), pp.104–128. 17. Bruckner, R.M., List, B. & J. Schiefer, J. (2001) "Risk-Management for Data Warehouse Systems", Lecture Notes in Computer Science, 2114, pp.219-229. 18. Carbone, T.A. & Tippett, D.D. (2004) “Project Risk Management Using the Project Risk FMEA”, Engineering Management Journal, 16(4), pp.28–35. 19. Chamberlain, S. & Modarres, M. (2005) “Compressed natural gas bus safety: A quantitative risk assessment”, Risk Analysis, 25(2), pp.377–387. 20. Charnes, J. (2007) Financial Modeling with Crystal Ball and Excel. New Jersey, John Wiley & Sons, Inc. 21. Clark, K.B. & Wheelwright, S.C. (1992) "Organizing and Leading 'Heavyweight' Development Teams", California Management Review, 34(3), pp.9–28. 164 22. Cornford, S. (1998) "Managing Risk as a Resource using the Defect Detection and Prevention process", International Conference on Probabilistic Safety Assessment and Management, pp.13–18. 23. Costa, H.R., Barros, M.O. & Travassos, G.H. (2006) “Evaluating software project portfolio risks”, The Journal of Systems and Software, 1(1), pp.1–16. 24. Croom, S. (2005) Topic issues and methodological concerns for operations management research. Eden Doctoral Seminar on Research Methodology in Operations Management, Brussels, Belgium, 31 Jan.- 4 Feb. 25. Čupić, M. & Suknović, M. (2008) Odlučivanje. Beograd, Fakultet organizcionih nauka. 26. Datta, S. & Mukerjee, S.K. (2001) “Developing a Risk Management Matrix for Effective Project Planning - An Empirical Study”, Project Management Journal, 32(2), pp.45–57. 27. David, B. & Raz, T. (2001) “An integrated approach for risk response development in project planning”, Journal of the Operational Research Society, 52(1), pp.14–25. 28. Đorić, D., Jevremović, V., Mališić, J. & Nikolić-Đorić, E. (2007) Atlas raspodela. Beograd, Građevinski fakultet. 29. Filipinni, R. (1997) “Operations management research: some reflections on evolution, models and empirical studies in OM”, Journal of Operations and Production Management, 17(7), pp.655–670. 30. Franke, G., Schlesinger, H. & Stapleton, RC. (2006) “Multiplicative background risk”, Management Science, 52(1), pp.146–153. 31. Frenkel, D. (2004) “Introduction to Monte Carlo Methods” in Attig, N., Binder, K., Grubmüller, H. & Kremer, H. (eds.) Computational Soft Matter: From Synthetic Polymers to Proteins, Lecture Notes, Jülich, John von Neumann Institute for Computing, NIC Series, 23, pp. 29–60. 32. Galway, L. (2004) Quantitative Risk Analysis for Project Management - A Critical Review. Working paper, RAND Corporation. 33. Garrick, B.J. (1989) “ Risk assessment practices in the space industry: the move toward quantification”, Risk Analysis, 9(1), pp.1–7. 165 34. Githens, G. (2002) „How to Assess and Manage Risk in NPD Programs: A Team-Based Risk Approach“ in Belliveau P., Griffin, A. & Somermeyer S. (eds.) The PDMA Toolbook for New Product Development, New Jersey, John Wiley & Sons, Inc. 35. Gouriveau, R. & Noyes D. (2004) “Risk management – dependability tools and case-based reasoning integration using the object formalism”, Computers in Industry, 55, pp.255–267. 36. Graves, R. (2000) “Qualitative Risk Assessment” , PM Network, 14(10), pp.61– 66. 37. Hair, J., Black, W., Babin, B. & Anderson, R. (2010), Multivariate data analysis, 7th ed. New Jersey, Prentice-Hall Inc. 38. Heintz, S. (2011) Mathematical Modeling. Verlag Berlin Heidelberg, Springer. 39. Heldman, K. (2005) Project Manager's Spotlight on Risk Management. New Jersey, John Wiley & Sons, Inc. 40. Henschel, T. (2009) “Implementing a holistic risk management for Small and Medium-sized Enterprises“, Conference Proceedings of the 54th Annual World Conference of the International Council for Small Business, Seoul, Korea, pp.21–24. 41. Henschel, T. (2009) “Typology of Risk Management Practices: An Empirical Investigation into German SMEs”, Journal of International Business and Economic Affairs, 1(1), pp.1–28. 42. Higuera, R.P. & Haimes, Y.Y. (1996) "Software risk management", Technical Report (CMU/SEI-96-TR-012 ESC-TR-96-012) Pittsburgh, Software Engineering Institute, Carnegie Mellon University. 43. Hillson, D. (2000) “Project Risks, Identifying Causes, Risks and Effects” , PM Network, 14(9) pp.48–51. 44. Hillson, D. (2002) “Extending the risk process to manage opportunities”, Project Management, 20(3), pp.235–240. 45. Hillson, D. (2003) Effective opportunity management for projects. New York, Marcel Dekker. 46. Høyland, A. & Rausand, M. (2004) System Reliability Theory: Models And Statistical Methods, 2nd Ed. New Jersey, John Wiley & Sons, Inc. 166 47. Huchzermeier, A. & Loch, C.H. (2001) “Project management under risk: Using the real options approach to evaluate flexibility in R&D”, Management Sci., 47(1), pp.85–101. 48. Illner, R., Bohun, C.S., McCollum, S. & van Roode, T. (2005) Mathematical Modeling: A Case Studies Approach. Rhode Island, American Mathematical Society. 49. Institut za standardizaciju Srbije (2011) SRPS EN 60812:2011. Tehnike analize pouzdanosti sistema – Postupci za analizu načina nastajanja i efekata otkaza (FMEA). Beograd, ISS. 50. IPMA (2006) International Competence Baseline version 3.0. Nijkerk, IPMA. 51. Islam, M., Tedford, J. & Haemmerle, E. (2008) “Managing operational risks in Small and Medium-sized Enterprises (SMEs) engaged in manufacturing – an integrated approach”, International Journal of Technology, Policy and Management, 8(4), pp.420–441. 52. Jiang, J.J. & Klein, G. (1999) “Risks to different aspects of system success”, Information & Management, 36(1), pp.263–272. 53. Jolliffe, I.T. (2002) Principal Component Analysis. 2nd ed. Springer. 54. Jurison, J. (1999) "Software Project Management: A Manager’s View", Communications of AIS, 2(17). 55. Kahneman, D. & Lovallo, D. (1993) „Timid choices and bold forecasts: a cognitive perspective on risk taking“, Management Science, 39(1), pp.17–31. 56. Kaplan, S., Haimes, Y.Y. & Lambert, J.H. (2001) “Fitting hierarchical holographic modeling into the theory of scenario structuring and a resulting refinement to the quantitative definition of risk”, Risk Analysis, 21(5), pp.807– 819. 57. Kerzner, H. (2009) Project Management: A Systems Approach to Planning, Scheduling, and Controlling. 10th ed. New Jersey, John Wiley & Sons, Inc. 58. Kontio, J., Getto, G. & Landes, D. (1998) "Experiences in improving Risk Management Processes using the concepts of the Riskit Method", Proceedings of the ACM SIGSOFT 6th international symposium on Foundations of software engineering, New York, ACM Press, pp.163–174. 167 59. Kumar, R.L. (2002) “Managing risks in IT projects: an options perspective”, Information & Management, 40(1), pp.63–74 . 60. Kwak, Y.H. & Ingall, L. (2009) “Exploring Monte Carlo Simulations Applications for Project Management” IEEE Engineering Management Review, 37(2), pp.83–91. 61. Kwak,Y.H. & LaPlace K.S. (2005) “Examining risk tolerance in project-driven organization”, Technovation, 25, pp.691–695. 62. Leopoulos, V.N., Kirytopoulos, K.A. & Malandrakis, C. (2006) “Risk management for SMEs: Tools to use and how”, Production Planning & Control, 17(3), pp.322–332. 63. Loch, C. & Kavadias, S. (2008) Handbook of New Product Development Management. 1st ed. Boston Elsevier, Amsterdam. 64. Lukas, J.A. (2002) “It works! Risk Management on an IS Project,” Proceedings of the Project Management Institute Annual Seminars and Symposium, San Antonio, USA (CD Rom). 65. MacKay, D. (1996). "Introduction to Monte Carlo Methods" in Jordan, M.I. (ed) Learning in Graphical Models. Kluwer Academic Press, pp. 175–204. 66. Mikkelsen, H. (1990) „Risk management in product development projects“, Risk Management, 8(4), pp.217–221. 67. Miller, R. & Lessard, D. (2001) “Understanding and managing risks in large engineering projects”, International Journal of Project Management, 19(1), pp.437–443. 68. Mun, J. (2010) Applying Monte Carlo Risk Simulation, Strategic Real Options, Stochastic Forecasting, and Portfolio Optimization. 2nd ed. New Jersey, John Wiley & Sons, Inc. 69. Nightingale, P. (2000) “The product-process-organization relationship in complex development projects,” Res. Policy, 29, pp.913–930. 70. Paté-Cornell, E. (2002) “Finding and fixing systems weaknesses: Probabilistic methods and applications of engineering risk analysis”, Risk Analysis, 22(2), pp.319–334. 71. Pearson, K. (1895). "Contributions to the Mathematical Theory of Evolution. II. Skew Variation in Homogeneous Material", Philosophical Transactions of the 168 Royal Society A: Mathematical, Physical and Engineering Sciences, 186, pp.343–414. 72. Petrović D, Jovanović P & Raković R. (2010) Upravljanje projektnim rizicima. Beograd, YUPMA. 73. Phillips, M. (2002) “A value and risk management approach to project development”, Proceedings of ICE Civil Engineering, 150(2), pp.67–74. 74. PMI (2008) PMBOK Guide: A Guide to the Project Management Body of Knowledge. 4th Ed, Newtown Square, Project Management Institute. 75. Price, J.W.H. (1998) “Simplified Risk Assessment”, Engineering Management Journal, 10(1), pp.19–24. 76. Pritchard, C. (2001) Risk Management – Concepts and Guidance. 2nd ed. Arlington, ESI International. 77. Puente, J., Pino, R., Priore, P. & Fuente, D. (2002) “A decision support system for applying failure mode and effects analysis”, The International Journal of Quality &Reliability Management, 19(2), pp.137–150. 78. Pyra, J. & Trask, J. (2002) “Risk Management Post Analysis: Gauging the Success of a Simple Strategy in a Complex Project”, Project Management Journal, 33(2), pp.41–48. 79. Qian, G., Gabor, G. & Gupta, R.P. (1994) „Principal components selection by the criterion of the minimum mean difference of complexity“, J. Multiv. Anal., 49, pp.55–75. 80. Razali, N.M. & Wah, Y.B. (2011) “Power Comparisons of Shapiro-Wilk, Kolmogorov-Smirnov, Lilliefors and Anderson-Darling tests”, Journal of Statistical Modeling and Analytics, 2(1), pp.21–33. 81. Ripley, B.D. (1987) Stochastic Simulation. New Jersey, John Wiley & Sons, Inc. 82. Royer, P. (2000) “Risk Management. The Undiscovered Dimension of Project Management”, PM Network, 14(9), pp.31–39. 83. Saltelli, A., Ratto, M., Andres, T., Campolongo, F., Cariboni, J., Gatelli, D. Saisana, M., & Tarantola, S., (2008) Global Sensitivity Analysis. The Primer, New Jersey, John Wiley & Sons, Inc. 169 84. Sankar, N.R. & Prabhu, B.S. (2001) “Modified approach for prioritization of failures in a system failure mode and effects analysis”. The International Journal of Quality & Reliability Management, 18(3), pp.324–335. 85. Sawilowsky, S.S. (2003). "You think you've got trivials?", Journal of Modern Applied Statistical Methods 2(1), pp.218–225. 86. Segismundo, А. & Cauchick Miguel P.A. (2008) „Risk management in the development of new products: A review and classification of the literature“, Product: Management & Development, 6, pp.45–51. 87. Shenhar, A.J. (2002) “One size does not fit all projects: exploring classical contingency domains”, Management Science, 47(3), pp.394–414. 88. Shenhar, A.J., Raz, T. & Dvir, D. (2002) “Risk management, project success, and technological uncertainty”, R&D Management, 32, (2), pp.101–109. 89. Smirnov, N.V. & Dunin-Barkowskij, I.V. (1969) Mathematische Statistik in der Technik. Dt. Verlag d. Wiss. 90. Smith, P. & Merritt, G. (2002) Proactive Risk Management: Controlling Uncertainty in Product Development. New York, Productivity Press. 91. Sommerville, I. (2001) Software engineering. 6th ed. Addison-Wesley, Pearson Education. 92. Spasojević-Brkić, V. (2008) Istraživanje interakcije kontigentnih faktora organizacije i menadžmenta kvalitetom u industrijskim preduzećima. Doktorska disertacija. Beograd, Mašinski fakultet. 93. Suwa, M., Gero J. & Purcell, T. (2000) “Unexpected discoveries and S-invention of design requirements: Important vehicles for a design process”, Design Studies, 21(6), pp.539–567. 94. Tadić, D., Stanojević, P., Aleksić, M., Mišković, V. & Bukvić, V. (2006) Teorija fazi skupova: primene u rešavanju menadžment problema. Kragujevac, Mašinski fakultet. 95. Trammell, S.R., Lorenzo, D.K. & Davis, B.J. (2004) “Integrated hazards analysis: using the strengths of multiple methods to maximize effectiveness”, Professional Safety, 49(5), pp.29–37. 96. Ulrich, K.T. & Eppinger, S.D. (2004) Product Design and Development, 3rd ed. New York, McGraw-Hill. 170 97. Velten, K. (2009) Mathematical Modeling and Simulation: Introduction for Scientists and Engineers. Weinheim, VILEY-VCH Verlag GmbH & Co. KGaA. 98. Verganti, R. (1997) “Leveraging on systematic learning to manage the early phases of product innovation projects”, R&D Management, 27(4), pp.377–392. 99. Ward, J.L. (2010) Project Management Terms: A Working Glossary. 2nd ed. Arlington, ESI International. 100. Wideman, M.R., (1992) Project and Program Risk Management. A Guide to Managing Project Risks & Opportunities (PMBOK Handbooks), Project Management Institute. 101. Yu, F.J., Hwang, S.L. & Huang, Y.H. (1999) “Task analysis for industrial work process from aspects of human reliability and system safety”, Risk Analysis, 19(3), pp.401–415. 171 8 Прилози Прилог А Регистар ризика Прилог Б Преглед откривених ризика по фазама Прилог В Тежински коефицијенти Прилог Г Истраживане величине које одређују тежину грешке Прилог Д Нове променљиве величине Прилог Ђ Извештај о статистичкој анализи променљивих 172 Прилог А Регистар ризика Табела А.1. Преглед претњи које утичу на техничке карактеристике пројекта Табела А.2. Преглед шанси које утичу на техничке карактеристике пројекта Табела А.3. Преглед претњи које утичу на пројектни план Табела А.4. Преглед шанси које утичу на пројектни план Табела А.5. Преглед претњи које утичу на пројектни буџет Табела А.6. Преглед шанси које утичу на пројектни буџет Табела A.1. Преглед претњи које утичу на техничке карактеристике пројекта Р.БР. R7 R8 R9 R13 R14 R19 R20 R27 R28 R29 R31 R32 R33 R34 R35 R39 R46 R47 R51 У зо ра к П Р О П У С Т И П Р И И ЗР А Д И Т Е Х Н И Ч К Е Д О К У М Е Н Т А Ц И ЈЕ З А П Р О Т О Т И П О Д С Т У П А Њ Е О Д Д Е Ф И Н И С А Н О Г Д И ЗА ЈН Е Р С К О Г Р Е Ш Е Њ А П Р О Т О Т И П Н Е И С П У Њ А В А Т Е Х Н И Ч К Е К А Р А К Т Е Р И С Т И К Е П Р О Б Л Е М И С А Д О Б А В Љ А Ч И М А У В Е ЗИ С А К В А Л И Т Е Т О М И С П О Р У К Е П Р О Б Л Е М И С А К О О П Е Р А Н Т И М А У В Е ЗИ С А К В А Л И Т Е Т О М У С Л У Г Е Н Е Д О С Т А Т А К О Б У Ч Е Н О Г К А Д Р А Г Р Е Ш К А У И ЗР А Д И П Р О У ЗР О К О В А Н А Љ У Д С К И М Ф А К Т О Р О М П О Г Р Е Ш Н О Д Е Ф И Н И С А Н А Т Е Х Н О Л О Г И ЈА И ЗР А Д Е П Р О И ЗВ О Д Н Е З А Д О В О Љ А В А П Р О П И С А Н Е Т Е Х Н И Ч К Е Н О Р М Е Н Е П О Т П У Н А К О Н Т Р О Л А К В А Л И Т Е Т А Р И ЗИ Ц И У В Е ЗИ С А С Е Р Т И Ф И К А Ц И ЈО М П Р О И ЗВ О Д А Н Е А Д Е К В А Т Н О О Д А Б Р А Н А А М Б А Л А Ж А Н Е А Д Е К В А Т Н О П Р О ЈЕ К Т О В А Н И А Л А Т И Н Е А Д Е К В А Т Н О О Д А Б Р А Н И И Л И И ЗР А Ђ Е Н И А Л А Т И П Р О Б Л Е М И П Р И М О Н Т А Ж И П Р О П У С Т И У И ЗР А Д И Р А Д И О Н И Ч К Е Д О К У М Е Н Т А Ц И ЈЕ Н Е Д О В О Љ Н О ( Н Е А Д Е К В А Т Н О ) Ф О Р М У Л И С А Н И У С Л О В И Г А Р А Н Т Н О Г Р О К А Н Е П О Т П У Н О У П У Т С Т В О О Т Р А Н С П О Р Т У , М О Н Т А Ж И И С К Л А Д И Ш Т Е Њ У П Р О Б Л Е М И С А И Н С Т А Л И Р А Њ Е М И О Д Р Ж А В А Њ Е М P1 1 0 0 1 0 0 1 0 0 1 0 0 0 1 1 1 0 0 0 P2 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 P3 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 P4 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 P5 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 P6 1 0 0 0 0 0 0 0 0 1 0 0 0 1 1 1 0 0 0 P7 1 1 0 1 1 1 1 1 0 1 0 1 1 0 1 1 0 0 0 P8 1 1 0 1 1 1 1 1 0 1 1 1 0 0 0 1 0 1 0 P9 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 P10 1 0 0 0 1 1 1 0 0 0 0 0 1 1 0 1 0 1 1 P11 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 P12 1 0 0 0 1 0 0 0 1 0 0 1 0 1 0 1 0 0 1 P13 0 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 P14 1 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 P15 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 P16 0 0 0 1 0 0 0 0 0 1 0 0 1 1 0 1 0 0 0 P17 0 0 0 1 1 1 0 0 0 0 0 0 0 1 1 1 0 0 0 P18 0 0 0 1 0 0 1 0 0 0 0 0 0 1 1 0 0 0 0 P19 1 1 0 0 1 1 1 0 0 1 0 0 0 0 0 0 0 0 0 P20 0 1 1 0 1 1 1 0 1 1 1 1 0 0 1 0 1 1 1 P21 1 0 0 1 1 0 1 0 0 1 0 0 1 1 0 1 0 0 0 P22 1 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 P23 1 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 P24 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 P25 1 0 0 1 0 0 1 0 0 1 0 1 1 0 1 0 0 1 1 P26 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 P27 0 0 1 1 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 P28 0 1 1 1 0 1 1 1 1 1 1 1 1 1 0 1 1 1 1 P29 1 0 1 1 1 0 1 1 1 1 1 1 0 0 0 1 0 0 0 P30 1 1 0 1 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 P31 1 0 0 1 0 0 1 0 0 1 0 1 0 0 1 1 0 0 0 P32 1 0 0 1 0 0 0 0 0 0 1 1 1 0 1 0 0 0 0 P33 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 P34 1 1 0 1 1 0 1 0 0 0 0 0 0 0 1 1 0 1 0 P35 1 0 0 0 0 0 1 1 0 1 0 1 1 1 0 1 0 0 0 P36 0 0 0 1 0 0 1 0 0 0 0 0 0 0 1 0 0 0 1 P37 0 0 0 1 0 0 0 0 0 0 0 0 1 0 1 1 0 0 0 Р.БР. R7 R8 R9 R13 R14 R19 R20 R27 R28 R29 R31 R32 R33 R34 R35 R39 R46 R47 R51 У зо ра к П Р О П У С Т И П Р И И ЗР А Д И Т Е Х Н И Ч К Е Д О К У М Е Н Т А Ц И ЈЕ З А П Р О Т О Т И П О Д С Т У П А Њ Е О Д Д Е Ф И Н И С А Н О Г Д И ЗА ЈН Е Р С К О Г Р Е Ш Е Њ А П Р О Т О Т И П Н Е И С П У Њ А В А Т Е Х Н И Ч К Е К А Р А К Т Е Р И С Т И К Е П Р О Б Л Е М И С А Д О Б А В Љ А Ч И М А У В Е ЗИ С А К В А Л И Т Е Т О М И С П О Р У К Е П Р О Б Л Е М И С А К О О П Е Р А Н Т И М А У В Е ЗИ С А К В А Л И Т Е Т О М У С Л У Г Е Н Е Д О С Т А Т А К О Б У Ч Е Н О Г К А Д Р А Г Р Е Ш К А У И ЗР А Д И П Р О У ЗР О К О В А Н А Љ У Д С К И М Ф А К Т О Р О М П О Г Р Е Ш Н О Д Е Ф И Н И С А Н А Т Е Х Н О Л О Г И ЈА И ЗР А Д Е П Р О И ЗВ О Д Н Е З А Д О В О Љ А В А П Р О П И С А Н Е Т Е Х Н И Ч К Е Н О Р М Е Н Е П О Т П У Н А К О Н Т Р О Л А К В А Л И Т Е Т А Р И ЗИ Ц И У В Е ЗИ С А С Е Р Т И Ф И К А Ц И ЈО М П Р О И ЗВ О Д А Н Е А Д Е К В А Т Н О О Д А Б Р А Н А А М Б А Л А Ж А Н Е А Д Е К В А Т Н О П Р О ЈЕ К Т О В А Н И А Л А Т И Н Е А Д Е К В А Т Н О О Д А Б Р А Н И И Л И И ЗР А Ђ Е Н И А Л А Т И П Р О Б Л Е М И П Р И М О Н Т А Ж И П Р О П У С Т И У И ЗР А Д И Р А Д И О Н И Ч К Е Д О К У М Е Н Т А Ц И ЈЕ Н Е Д О В О Љ Н О ( Н Е А Д Е К В А Т Н О ) Ф О Р М У Л И С А Н И У С Л О В И Г А Р А Н Т Н О Г Р О К А Н Е П О Т П У Н О У П У Т С Т В О О Т Р А Н С П О Р Т У , М О Н Т А Ж И И С К Л А Д И Ш Т Е Њ У П Р О Б Л Е М И С А И Н С Т А Л И Р А Њ Е М И О Д Р Ж А В А Њ Е М P38 1 1 0 1 0 1 1 1 0 0 0 0 1 0 0 1 0 0 0 P39 1 1 1 0 0 1 1 1 1 0 1 1 0 1 1 1 0 1 0 P40 1 1 0 1 1 0 1 1 0 0 0 0 0 1 0 1 0 0 1 P41 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0 P42 1 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 P43 1 0 1 1 0 0 0 0 1 0 1 0 0 0 0 1 0 0 0 P44 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 P45 1 0 1 0 0 1 1 1 1 0 0 0 0 0 0 0 0 0 1 P46 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 P47 1 0 0 0 0 0 0 0 0 1 0 0 0 1 1 1 0 0 0 P48 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 P49 1 0 0 1 1 0 1 0 0 1 0 0 1 1 0 1 0 0 0 P50 0 0 1 1 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 P51 1 1 0 1 0 1 1 1 0 0 0 0 1 0 0 1 0 0 0 P52 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0 Pe 0,60 0,23 0,23 0,54 0,27 0,21 0,46 0,29 0,17 0,35 0,15 0,27 0,23 0,33 0,27 0,50 0,04 0,17 0,19 st. dev. 0,50 0,43 0,43 0,50 0,45 0,41 0,50 0,46 0,38 0,48 0,36 0,45 0,43 0,47 0,45 0,50 0,19 0,38 0,40 Табела A.2. Преглед шанси које утичу на техничке карактеристике пројекта Р.БР Š5 Š8 Š9 Š13 Š18 Узорак КОРИШЋЕЊЕ ПОЗНАТИХ ТЕХНОЛОГИЈА МОТИВАЦИЈА РАДНИКА УНАПРЕЂЕН ПРОЦЕС КОНТРОЛЕ КВАЛИТЕТА ПРОНАЛАЗАК НОВИХ РЕЦИКЛАБИЛНИХ МАТЕРИЈАЛА МОГУЋНОСТ ПРИМЕНЕ НОВИХ НОРМИ И СТАНДАРДА P1 0 0 0 0 0 P2 1 0 0 0 0 P3 1 0 0 0 0 P4 1 0 0 0 0 P5 1 1 0 0 0 P6 1 1 0 0 0 P7 0 1 0 0 0 P8 0 1 0 0 0 P9 1 0 0 0 0 P10 1 1 0 0 0 P11 1 0 0 0 0 P12 1 0 0 0 0 P13 1 0 0 0 0 P14 1 0 0 0 0 P15 1 0 0 0 0 P16 1 0 0 0 0 P17 1 0 0 0 0 P18 1 0 0 0 0 P19 0 0 0 0 0 P20 0 1 0 0 0 P21 1 0 0 0 0 P22 1 1 0 0 0 P23 1 0 0 0 0 P24 1 0 0 0 0 P25 1 0 0 0 0 P26 0 0 0 0 0 P27 0 0 0 0 0 P28 1 1 1 0 0 P29 1 0 1 0 0 P30 1 0 1 0 0 P31 0 0 1 0 0 P32 1 0 0 0 0 P33 0 0 0 1 0 P34 1 0 0 0 0 P35 1 0 0 0 0 P36 1 0 0 0 0 P37 1 0 0 0 0 P38 0 1 0 0 0 P39 1 0 0 0 0 P40 1 0 0 0 0 P41 1 0 1 0 1 P4 1 0 1 1 1 P43 0 0 1 1 1 P44 0 0 1 1 1 P45 0 0 0 1 0 Р.БР Š5 Š8 Š9 Š13 Š18 Узорак КОРИШЋЕЊЕ ПОЗНАТИХ ТЕХНОЛОГИЈА МОТИВАЦИЈА РАДНИКА УНАПРЕЂЕН ПРОЦЕС КОНТРОЛЕ КВАЛИТЕТА ПРОНАЛАЗАК НОВИХ РЕЦИКЛАБИЛНИХ МАТЕРИЈАЛА МОГУЋНОСТ ПРИМЕНЕ НОВИХ НОРМИ И СТАНДАРДА P46 1 0 0 0 0 P47 1 1 0 0 0 P48 1 0 0 0 0 P49 1 0 0 0 0 P50 0 0 0 0 0 P51 0 1 0 0 0 P52 1 0 1 0 1 Pe 0.71 0.21 0.17 0.10 0.10 st. dev. 0.46 0.41 0.38 0.30 0.30 Табела A.3. Преглед претњи које утичу на пројектни план Р.БР. R2 R3 R4 R6 R7 R8 R10 R12 R15 R17 R18 R21 R22 R23 R24 R25 R30 R36 R37 R38 R44 R45 R50 У зо ра к Н Е ЈА С А Н ( Н Е П О Т П У Н ) ЗА Х Т Е В И Н В Е С Т И Т О Р А Н Е ЗА Д О В О Љ С Т В О И Н В Е С Т И Т О Р А П Р Е Д Л О Ж Е Н И М Р Е Ш Е Њ Е М Н Е Д О С Т А Т А К П О В Р А Т Н И Х И Н Ф О Р М А Ц И ЈА С А Т Р Ж И Ш Т А Н Е И ЗВ О Д Љ И В О С Т Д И ЗА ЈН Е Р С К О Г (Т Е Х Н О Л О Ш К О Г ) Р Е Ш Е Њ А П Р О П У С Т И П Р И И ЗР А Д И Т Е Х Н И Ч К Е Д О К У М Е Н Т А Ц И ЈЕ З А П Р О Т О Т И П О Д С Т У П А Њ Е О Д Д Е Ф И Н И С А Н О Г Д И ЗА ЈН Е Р С К О Г Р Е Ш Е Њ А Н Е Д О С Т У П Н О С Т М А Т Е Р И ЈА Л А П Р О Б Л Е М И С А Д О Б А В Љ А Ч И М А У В Е ЗИ С А Р О К О В И М А И С П О Р У К Е П Р О Б Л Е М И С А К О О П Е Р А Н Т И М А У В Е ЗИ С А Р О К О В И М А И ЗР А Д Е Н Е С Т А Б И Л Н О С Т Т Р Ж И Ш Т А Е Н Е Р Г Е Н А Т А К В А Р О В И О П Р Е М Е И М А Ш И Н А П О В Р Е Д А Н А Р А Д У , Б О Л О В А Њ Е Р А Д Н А Д И С Ц И П Л И Н А Е Л Е М Е Н Т А Р Н Е Н Е П О Г О Д Е Д Н Е В Н О -П О Л И Т И Ч К Е П Р И Л И К Е Н Е О П Р А В Д А Н О С Т Д А Љ Е Г Р А ЗВ О ЈА П Р О Т О Т И П А ЗА К О Н О Д А В Н И Р И ЗИ Ц И Н Е Д О С Т А Т А К А Л А Т А И М А Ш И Н А Н Е ЗА Д О В О Љ С Т В О И Н В Е С Т И Т О Р А И ЗВ Е Д Е Н И М Р Е Ш Е Њ Е М П Р О Б Л Е М И С А П Л А Н И Р А Њ Е М П Р О И ЗВ О Д Н И Х Р Е С У Р С А Н Е Д О В О Љ Н А М А Р К Е Т И Н Ш К А П О Д Р Ш К А К О Н К У Р Е Н Ц И ЈА П Р О Б Л Е М И С А К О М У Н И К А Ц И ЈА М А P1 0 0 0 0 1 0 1 0 0 1 0 0 0 0 1 0 0 1 0 0 0 1 0 P2 1 1 1 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 1 0 1 1 0 P3 0 0 1 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 1 0 P4 0 0 0 0 1 0 0 1 1 1 0 0 0 0 0 0 0 0 1 0 0 1 0 P5 0 0 0 0 0 0 1 1 0 1 0 0 0 0 0 0 0 1 0 1 0 1 0 P6 0 0 1 0 1 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0 1 1 0 P7 1 1 0 1 1 1 0 1 1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 P8 1 1 0 0 1 1 1 1 1 1 1 1 0 0 1 0 0 1 0 1 0 1 0 P9 0 0 0 0 0 0 0 1 0 1 0 0 0 1 1 0 0 1 0 0 0 1 0 P10 0 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 0 1 0 0 1 0 0 P11 0 0 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 P12 0 0 0 0 1 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 P13 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 1 0 P14 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 P15 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 1 1 0 P16 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 P17 0 0 0 0 0 0 1 1 1 1 0 0 0 0 1 0 0 1 0 0 0 0 0 P18 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 P19 1 1 0 1 1 1 0 0 1 0 0 0 0 0 0 1 0 1 1 0 0 1 1 P20 1 1 0 1 0 1 1 1 0 0 0 0 0 0 1 1 1 1 1 1 0 1 1 P21 0 0 1 0 1 0 1 0 1 1 0 0 0 0 1 0 0 0 0 0 1 1 1 P22 0 0 1 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 P23 0 0 0 0 1 0 0 1 0 0 0 0 0 0 0 1 0 0 1 0 0 1 0 P24 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0 1 1 0 P25 0 0 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 P26 0 0 0 0 0 1 0 1 0 1 0 0 0 0 0 0 0 1 0 0 1 1 0 P27 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 P28 0 0 0 0 0 1 1 1 0 1 1 0 0 0 1 0 1 0 1 1 0 1 1 P29 0 0 0 0 1 0 0 1 1 0 0 0 0 0 0 0 0 0 1 0 1 1 0 P30 0 0 0 0 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 P31 0 0 0 0 1 0 1 1 0 1 0 1 0 0 1 0 1 0 0 1 1 1 1 P32 1 1 0 0 1 0 1 1 0 0 1 0 0 0 0 0 0 0 0 0 1 1 0 P33 0 0 1 0 0 0 0 1 0 1 0 0 0 0 1 0 0 1 0 0 1 1 0 P34 0 0 0 0 1 1 0 1 1 0 0 0 1 0 1 0 1 0 0 1 1 1 1 P35 0 0 1 0 1 0 1 1 0 0 1 0 0 0 1 0 0 0 0 0 1 1 0 P36 1 1 1 0 0 0 0 1 0 1 0 0 0 0 1 0 1 0 0 1 0 1 1 P37 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 P38 1 0 1 1 1 1 1 1 1 0 0 1 0 1 1 0 0 1 0 1 1 1 0 P39 1 1 1 1 1 1 1 1 1 1 1 0 0 0 1 0 0 0 1 0 0 1 1 P40 0 0 0 1 1 1 1 1 0 0 0 0 0 0 1 0 0 0 0 0 1 1 0 P41 0 0 1 0 1 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 1 1 0 Р.БР. R2 R3 R4 R6 R7 R8 R10 R12 R15 R17 R18 R21 R22 R23 R24 R25 R30 R36 R37 R38 R44 R45 R50 У зо ра к Н Е ЈА С А Н ( Н Е П О Т П У Н ) ЗА Х Т Е В И Н В Е С Т И Т О Р А Н Е ЗА Д О В О Љ С Т В О И Н В Е С Т И Т О Р А П Р Е Д Л О Ж Е Н И М Р Е Ш Е Њ Е М Н Е Д О С Т А Т А К П О В Р А Т Н И Х И Н Ф О Р М А Ц И ЈА С А Т Р Ж И Ш Т А Н Е И ЗВ О Д Љ И В О С Т Д И ЗА ЈН Е Р С К О Г (Т Е Х Н О Л О Ш К О Г ) Р Е Ш Е Њ А П Р О П У С Т И П Р И И ЗР А Д И Т Е Х Н И Ч К Е Д О К У М Е Н Т А Ц И ЈЕ З А П Р О Т О Т И П О Д С Т У П А Њ Е О Д Д Е Ф И Н И С А Н О Г Д И ЗА ЈН Е Р С К О Г Р Е Ш Е Њ А Н Е Д О С Т У П Н О С Т М А Т Е Р И ЈА Л А П Р О Б Л Е М И С А Д О Б А В Љ А Ч И М А У В Е ЗИ С А Р О К О В И М А И С П О Р У К Е П Р О Б Л Е М И С А К О О П Е Р А Н Т И М А У В Е ЗИ С А Р О К О В И М А И ЗР А Д Е Н Е С Т А Б И Л Н О С Т Т Р Ж И Ш Т А Е Н Е Р Г Е Н А Т А К В А Р О В И О П Р Е М Е И М А Ш И Н А П О В Р Е Д А Н А Р А Д У , Б О Л О В А Њ Е Р А Д Н А Д И С Ц И П Л И Н А Е Л Е М Е Н Т А Р Н Е Н Е П О Г О Д Е Д Н Е В Н О -П О Л И Т И Ч К Е П Р И Л И К Е Н Е О П Р А В Д А Н О С Т Д А Љ Е Г Р А ЗВ О ЈА П Р О Т О Т И П А ЗА К О Н О Д А В Н И Р И ЗИ Ц И Н Е Д О С Т А Т А К А Л А Т А И М А Ш И Н А Н Е ЗА Д О В О Љ С Т В О И Н В Е С Т И Т О Р А И ЗВ Е Д Е Н И М Р Е Ш Е Њ Е М П Р О Б Л Е М И С А П Л А Н И Р А Њ Е М П Р О И ЗВ О Д Н И Х Р Е С У Р С А Н Е Д О В О Љ Н А М А Р К Е Т И Н Ш К А П О Д Р Ш К А К О Н К У Р Е Н Ц И ЈА П Р О Б Л Е М И С А К О М У Н И К А Ц И ЈА М А P42 0 0 1 1 1 0 1 0 0 0 0 1 0 0 0 0 0 1 0 0 0 1 0 P43 1 0 1 0 1 0 1 1 0 1 0 0 0 0 1 1 0 1 0 0 0 1 0 P44 0 0 1 0 0 0 0 1 0 1 0 0 0 0 1 0 0 1 0 0 0 1 0 P45 0 0 1 0 1 0 1 1 0 1 0 0 0 0 1 0 0 1 0 0 0 1 0 P46 1 1 1 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 1 0 1 1 0 P47 0 0 1 0 1 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0 1 1 0 P48 0 0 0 0 0 0 0 1 0 1 0 0 0 1 1 0 0 1 0 0 0 1 0 P49 0 0 1 0 1 0 1 0 1 1 0 0 0 0 1 0 0 0 0 0 1 1 1 P50 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 P51 1 0 1 1 1 1 1 1 1 0 0 1 0 1 1 0 0 1 0 1 1 1 0 P52 0 0 1 0 1 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 1 1 0 Pe 0,23 0,19 0,46 0,15 0,60 0,23 0,44 0,67 0,29 0,38 0,10 0,12 0,04 0,08 0,46 0,21 0,10 0,44 0,21 0,19 0,50 0,85 0,17 st. dev. 0,43 0,40 0,50 0,36 0,50 0,43 0,50 0,47 0,46 0,49 0,30 0,32 0,19 0,27 0,50 0,41 0,30 0,50 0,41 0,40 0,50 0,36 0,38 Табела A.4. Преглед пшанси које утичу на пројектни план Р.БР. Š1 Š2 Š3 Š4 Š5 Š6 Š7 Š8 Š9 Š14 Š17 У зо ра к Ф Л Е К С И Б И Л А Н И Н В Е С Т И Т О Р М О Г У Ћ Н О С Т Ц Е Л О К У П Н Е И ЗР А Д Е У С О П С Т В Е Н О Ј П Р О И ЗВ О Д Њ И П О С Е Д О В А Њ Е М А Т Е Р И ЈА Л А Н А ЗА Л И Х А М А Н О В И П Р О И ЗВ О Д П Р Е Д С Т А В Љ А М О Д И Ф И К О В А Н О Р Е Ш Е Њ Е П О С Т О ЈЕ Ћ Е Г К О Р И Ш Ћ Е Њ Е П О ЗН А Т И Х Т Е Х Н О Л О Г И ЈА М О Д У Л А Р Н О С Т К О Р И Ш Ћ Е Њ Е П О С Т О ЈЕ Ћ И Х А Л А Т А М О Т И В А Ц И ЈА Р А Д Н И К А У Н А П Р Е Ђ Е Н П Р О Ц Е С К О Н Т Р О Л Е К В А Л И Т Е Т А Б О Љ А О Р Г А Н И ЗА Ц И ЈА Р А Д А В Е Ш Т О П Р Е Г О В А Р А Њ Е P1 0 0 0 0 0 0 0 0 0 0 0 P2 0 0 0 1 1 1 1 0 0 0 0 P3 0 0 0 1 1 1 1 0 0 0 0 P4 1 0 0 0 1 0 0 0 0 0 1 P5 1 0 0 0 1 0 0 1 0 0 1 P6 1 0 0 0 1 0 0 1 0 0 1 P7 1 0 0 0 0 0 0 1 0 1 1 P8 1 0 0 0 0 0 0 1 0 1 1 P9 0 0 0 1 1 1 1 0 0 0 0 P10 1 0 0 0 1 0 0 1 0 0 1 P11 1 0 0 0 1 0 0 0 0 0 0 P12 0 0 0 0 1 0 0 0 0 0 0 P13 0 0 0 1 1 1 1 0 0 0 0 P14 0 1 1 1 1 1 1 0 0 0 0 P15 0 0 0 1 1 1 1 0 0 0 0 P16 1 0 0 0 1 0 0 0 0 0 1 P17 1 0 0 0 1 0 0 0 0 0 1 P18 1 0 0 1 1 0 1 0 0 0 1 P19 0 0 0 0 0 0 0 0 0 0 0 P20 0 0 0 0 0 0 0 1 0 0 1 P21 0 0 0 0 1 0 0 0 0 0 0 P22 0 1 0 1 1 1 1 1 0 0 0 P23 0 0 0 1 1 0 0 0 0 0 0 P24 0 0 0 0 1 0 0 0 0 0 0 P25 0 0 0 0 1 0 0 0 0 0 0 P26 0 1 1 0 0 0 0 0 0 0 0 P27 0 0 0 0 0 0 0 0 0 0 1 P28 0 1 1 0 1 1 0 1 1 1 1 P29 1 0 0 0 1 0 0 0 1 1 1 P30 1 0 0 0 1 0 0 0 1 0 1 P31 0 0 0 0 0 0 0 0 1 0 0 P32 0 0 0 1 1 0 0 0 0 0 0 P33 0 0 0 0 0 0 0 0 0 0 1 P34 1 1 0 0 1 1 0 0 0 0 0 P35 0 1 1 1 1 0 0 0 0 0 0 P36 0 0 0 0 1 0 0 0 0 1 0 P37 0 0 0 1 1 0 0 0 0 0 0 P38 0 0 0 0 0 0 0 1 0 0 0 P39 1 1 1 1 1 1 1 0 0 1 1 P40 0 1 0 1 1 1 0 0 0 1 0 P41 0 0 0 0 1 0 0 0 1 0 1 Р.БР. Š1 Š2 Š3 Š4 Š5 Š6 Š7 Š8 Š9 Š14 Š17 У зо ра к Ф Л Е К С И Б И Л А Н И Н В Е С Т И Т О Р М О Г У Ћ Н О С Т Ц Е Л О К У П Н Е И ЗР А Д Е У С О П С Т В Е Н О Ј П Р О И ЗВ О Д Њ И П О С Е Д О В А Њ Е М А Т Е Р И ЈА Л А Н А ЗА Л И Х А М А Н О В И П Р О И ЗВ О Д П Р Е Д С Т А В Љ А М О Д И Ф И К О В А Н О Р Е Ш Е Њ Е П О С Т О ЈЕ Ћ Е Г К О Р И Ш Ћ Е Њ Е П О ЗН А Т И Х Т Е Х Н О Л О Г И ЈА М О Д У Л А Р Н О С Т К О Р И Ш Ћ Е Њ Е П О С Т О ЈЕ Ћ И Х А Л А Т А М О Т И В А Ц И ЈА Р А Д Н И К А У Н А П Р Е Ђ Е Н П Р О Ц Е С К О Н Т Р О Л Е К В А Л И Т Е Т А Б О Љ А О Р Г А Н И ЗА Ц И ЈА Р А Д А В Е Ш Т О П Р Е Г О В А Р А Њ Е P4 1 1 0 1 1 1 0 0 1 1 0 P43 0 0 0 0 0 0 0 0 1 0 0 P44 0 0 0 0 0 0 0 0 1 0 0 P45 0 0 0 0 0 0 0 0 0 0 0 P46 0 0 0 1 1 1 1 0 0 0 0 P47 1 0 0 0 1 0 0 1 0 0 1 P48 0 0 0 1 1 1 1 0 0 0 0 P49 0 0 0 0 1 0 0 0 0 0 0 P50 0 0 0 0 0 0 0 0 0 0 1 P51 0 0 0 0 0 0 0 1 0 0 0 P52 0 0 0 0 1 0 0 0 1 0 1 Pe 0,31 0,17 0,10 0,33 0,71 0,27 0,21 0,21 0,17 0,15 0,38 st. dev. 0,47 0,38 0,30 0,47 0,46 0,45 0,41 0,41 0,38 0,36 0,49 Табела A.5. Преглед претњи које утичу на пројектни буџет Р.БР. R1 R2 R5 R11 R16 R17 R18 R23 R24 R25 R26 R30 R36 R37 R40 R41 R42 R43 R48 R49 У зо ра к П О Г Р Е Ш Н А П Р О Ц Е Н А Т Р Ж И Ш Т А Н Е ЈА С А Н (Н Е П О Т П У Н ) ЗА Х Т Е В И Н В Е С Т И Т О Р А О Г Р А Н И Ч Е Њ Е И Н В Е С Т И Ц И О Н О Г Б У Џ Е Т А Н Е С Т А Б И Л Н О С Т Ц Е Н А М А Т Е Р И ЈА Л А П Р О Б Л Е М И С А К О О П Е Р А Н Т И М А У В Е ЗИ С А Ц Е Н О М У С Л У Г Е Н Е С Т А Б И Л Н О С Т Т Р Ж И Ш Т А Е Н Е Р Г Е Н А Т А К В А Р О В И О П Р Е М Е И М А Ш И Н А Е Л Е М Е Н Т А Р Н Е Н Е П О Г О Д Е Д Н Е В Н О -П О Л И Т И Ч К Е П Р И Л И К Е Н Е О П Р А В Д А Н О С Т Д А Љ Е Г Р А ЗВ О ЈА П Р О Т О Т И П А Н Е С Т А Б И Л Н О С Т Ф И Н А Н С И ЈС К О Г Т Р Ж И Ш Т А ЗА К О Н О Д А В Н И Р И ЗИ Ц И Н Е Д О С Т А Т А К А Л А Т А И М А Ш И Н А Н Е ЗА Д О В О Љ С Т В О И Н В Е С Т И Т О Р А И ЗВ Е Д Е Н И М Р Е Ш Е Њ Е М П Р О Б Л Е М И С А С К Л А Д И Ш Т Е Њ Е М И Т Р А Н С П О Р Т О М К Р А Ђ А И С А Б О Т А Ж А П Р О Б Л Е М С А П А Т Е Н Т И Р А Њ Е М П Р О И ЗВ О Д А П Р О Б Л Е М И С А Р Е Ц И К Л И Р А Њ Е М О Д У С Т А ЈА Њ Е И Н В Е С Т И Т О Р А О Д Р Е А Л И ЗА Ц И ЈЕ П Р О ЈЕ К Т А П Р О Б Л Е М И С А Н А П Л А Т О М У Г О В О Р Е Н И Х О Б А В Е ЗА И Н В Е С Т И Т О Р А P1 0 0 0 0 0 1 0 0 1 0 1 0 1 0 0 0 0 1 0 0 P2 1 1 0 0 0 0 0 0 1 1 0 0 0 1 0 0 0 0 1 0 P3 1 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 P4 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 P5 0 0 0 1 0 1 0 0 0 0 1 0 1 0 1 0 0 0 0 0 P6 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 P7 0 1 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 P8 0 1 0 1 1 1 1 0 1 0 1 0 1 0 1 1 1 0 0 1 P9 0 0 0 1 0 1 0 1 1 0 1 0 1 0 0 0 0 1 0 0 P10 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 P11 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 P12 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 P13 1 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 1 1 0 P14 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 P15 1 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 1 1 0 P16 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 P17 0 0 0 0 0 1 0 0 1 0 0 0 1 0 0 0 0 0 0 0 P18 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 P19 1 1 0 0 1 0 0 0 0 1 0 0 1 1 0 0 0 0 1 0 P20 0 1 0 0 0 0 0 0 1 1 1 1 1 1 1 1 0 0 0 1 P21 1 0 1 1 1 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 P22 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 P23 1 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 0 1 0 P24 1 0 0 1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 P25 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 P26 0 0 1 1 0 1 0 0 0 0 1 0 1 0 1 0 0 0 0 0 P27 1 0 0 1 0 0 0 0 0 0 1 0 1 0 1 0 0 1 0 0 P28 0 0 1 1 0 1 1 0 1 0 1 1 0 1 0 0 1 0 0 1 P29 0 0 0 1 1 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 P30 0 0 1 1 0 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0 P31 0 0 1 0 1 0 0 1 0 1 1 0 0 1 0 1 0 0 0 P32 1 1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 P33 0 0 1 1 0 1 0 0 1 0 1 0 1 0 1 0 0 0 0 0 P34 0 0 1 0 1 0 0 0 1 0 1 1 0 0 0 0 0 0 0 0 P35 0 0 1 1 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 P36 0 1 1 1 0 1 0 0 1 0 0 1 0 0 0 0 0 0 0 1 P37 1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 1 0 P38 1 1 1 1 1 0 0 1 1 0 1 0 1 0 0 0 0 0 1 1 P39 0 1 1 0 1 1 1 0 1 0 1 0 0 1 0 0 1 0 0 1 P40 0 0 1 1 1 0 0 0 1 0 1 0 0 0 0 0 0 0 0 0 P41 0 0 1 0 0 1 0 0 0 1 0 0 0 0 1 0 0 0 0 0 P42 1 0 1 0 0 0 0 0 0 0 0 0 1 0 1 0 1 0 0 0 Р.БР. R1 R2 R5 R11 R16 R17 R18 R23 R24 R25 R26 R30 R36 R37 R40 R41 R42 R43 R48 R49 У зо ра к П О Г Р Е Ш Н А П Р О Ц Е Н А Т Р Ж И Ш Т А Н Е ЈА С А Н (Н Е П О Т П У Н ) ЗА Х Т Е В И Н В Е С Т И Т О Р А О Г Р А Н И Ч Е Њ Е И Н В Е С Т И Ц И О Н О Г Б У Џ Е Т А Н Е С Т А Б И Л Н О С Т Ц Е Н А М А Т Е Р И ЈА Л А П Р О Б Л Е М И С А К О О П Е Р А Н Т И М А У В Е ЗИ С А Ц Е Н О М У С Л У Г Е Н Е С Т А Б И Л Н О С Т Т Р Ж И Ш Т А Е Н Е Р Г Е Н А Т А К В А Р О В И О П Р Е М Е И М А Ш И Н А Е Л Е М Е Н Т А Р Н Е Н Е П О Г О Д Е Д Н Е В Н О -П О Л И Т И Ч К Е П Р И Л И К Е Н Е О П Р А В Д А Н О С Т Д А Љ Е Г Р А ЗВ О ЈА П Р О Т О Т И П А Н Е С Т А Б И Л Н О С Т Ф И Н А Н С И ЈС К О Г Т Р Ж И Ш Т А ЗА К О Н О Д А В Н И Р И ЗИ Ц И Н Е Д О С Т А Т А К А Л А Т А И М А Ш И Н А Н Е ЗА Д О В О Љ С Т В О И Н В Е С Т И Т О Р А И ЗВ Е Д Е Н И М Р Е Ш Е Њ Е М П Р О Б Л Е М И С А С К Л А Д И Ш Т Е Њ Е М И Т Р А Н С П О Р Т О М К Р А Ђ А И С А Б О Т А Ж А П Р О Б Л Е М С А П А Т Е Н Т И Р А Њ Е М П Р О И ЗВ О Д А П Р О Б Л Е М И С А Р Е Ц И К Л И Р А Њ Е М О Д У С Т А ЈА Њ Е И Н В Е С Т И Т О Р А О Д Р Е А Л И ЗА Ц И ЈЕ П Р О ЈЕ К Т А П Р О Б Л Е М И С А Н А П Л А Т О М У Г О В О Р Е Н И Х О Б А В Е ЗА И Н В Е С Т И Т О Р А P43 0 1 1 1 0 1 0 0 1 1 1 0 1 0 1 0 0 0 0 0 P44 0 0 1 1 0 1 0 0 1 0 1 0 1 0 1 0 0 0 0 0 P45 0 0 1 1 0 1 0 0 1 0 1 0 1 0 1 0 0 0 0 0 P46 1 1 0 0 0 0 0 0 1 1 0 0 0 1 0 0 0 0 1 0 P47 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 P48 0 0 0 1 0 1 0 1 1 0 1 0 1 0 0 0 0 1 0 0 P49 1 0 1 1 1 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 P50 1 0 0 1 0 0 0 0 0 0 1 0 1 0 1 0 0 1 0 0 P51 1 1 1 1 1 0 0 1 1 0 1 0 1 0 0 0 0 0 1 1 P52 0 0 1 0 0 1 0 0 0 1 0 0 0 0 1 0 0 0 0 0 Pe 0,41 0,23 0,38 0,46 0,23 0,38 0,10 0,08 0,46 0,21 0,45 0,10 0,44 0,21 0,33 0,04 0,10 0,15 0,17 0,13 st. dev. 0,50 0,43 0,49 0,50 0,43 0,49 0,30 0,27 0,50 0,41 0,50 0,30 0,50 0,41 0,47 0,19 0,30 0,36 0,38 0,34 Табела A.6. Преглед пшанси које утичу на пројектни буџет Р.БР. Š1 Š7 Š10 Š11 Š12 Š13 Š15 Š16 Š17 У зо ра к Ф Л Е К С И Б И Л А Н И Н В Е С Т И Т О Р К О Р И Ш Ћ Е Њ Е П О С Т О ЈЕ Ћ И Х А Л А Т А М О Г У Ћ Н О С Т У Ш Т Е Д Е О П Т И М И ЗА Ц И ЈО М Т Е Х Н О Л О Ш К О Г П О С Т У П К А С М А Њ Е Њ Е Ш К А Р Т А В Е Л И К А П О Т Р А Ж Њ А П Р О Н А Л А ЗА К Н О В И Х Р Е Ц И К Л А Б И Л Н И Х М А Т Е Р И ЈА Л А И С К О Р И Ш Ћ Е Њ Е С Е К У Н Д А Р Н И Х С И Р О В И Н А К О Р И С Н И Ш К А Р Т В Е Ш Т О П Р Е Г О В А Р А Њ Е P1 0 0 0 0 0 0 0 1 0 P2 0 1 0 0 0 0 0 0 0 P3 0 1 0 0 0 0 0 1 0 P4 1 0 0 0 0 0 0 1 1 P5 1 0 0 1 1 0 0 0 1 P6 1 0 0 0 0 0 0 0 1 P7 1 0 0 0 0 0 0 0 1 P8 1 0 1 1 1 0 1 1 1 P9 0 1 0 0 0 0 0 0 0 P10 1 0 0 0 0 0 0 1 1 P11 1 0 0 0 0 0 0 0 0 P12 0 0 0 0 0 0 0 0 0 P13 0 1 0 0 0 0 0 0 0 P14 0 1 0 0 0 0 0 1 0 P15 0 1 0 0 0 0 0 0 0 P16 1 0 0 0 0 0 0 0 1 P17 1 0 0 0 0 0 0 0 1 P18 1 1 0 0 0 0 0 0 1 P19 0 0 0 0 0 0 0 1 0 P20 0 0 1 0 0 0 1 0 1 P21 0 0 1 1 0 0 0 1 0 P22 0 1 0 0 0 0 0 1 0 P23 0 0 0 0 0 0 0 0 0 P24 0 0 0 0 0 0 0 0 0 P25 0 0 0 0 0 0 0 0 0 P26 0 0 0 1 0 0 0 0 0 P27 0 0 0 0 0 0 0 0 1 P28 0 0 1 1 1 0 0 1 1 P29 1 0 1 0 1 0 0 0 1 P30 1 0 1 0 0 0 0 0 1 P31 0 0 0 0 1 0 0 0 0 P32 0 0 0 0 0 0 0 0 0 P33 0 0 0 0 0 1 0 0 1 P34 1 0 0 1 0 0 1 1 0 P35 0 0 1 1 0 0 0 0 0 P36 0 0 0 0 0 0 0 0 0 P37 0 0 0 0 0 0 0 0 0 P38 0 0 1 1 0 0 0 0 0 P39 1 1 1 1 0 0 0 1 1 P40 0 0 1 1 0 0 0 1 0 P41 0 0 1 0 0 0 0 0 1 Р.БР. Š1 Š7 Š10 Š11 Š12 Š13 Š15 Š16 Š17 У зо ра к Ф Л Е К С И Б И Л А Н И Н В Е С Т И Т О Р К О Р И Ш Ћ Е Њ Е П О С Т О ЈЕ Ћ И Х А Л А Т А М О Г У Ћ Н О С Т У Ш Т Е Д Е О П Т И М И ЗА Ц И ЈО М Т Е Х Н О Л О Ш К О Г П О С Т У П К А С М А Њ Е Њ Е Ш К А Р Т А В Е Л И К А П О Т Р А Ж Њ А П Р О Н А Л А ЗА К Н О В И Х Р Е Ц И К Л А Б И Л Н И Х М А Т Е Р И ЈА Л А И С К О Р И Ш Ћ Е Њ Е С Е К У Н Д А Р Н И Х С И Р О В И Н А К О Р И С Н И Ш К А Р Т В Е Ш Т О П Р Е Г О В А Р А Њ Е P4 1 0 1 1 0 1 0 1 0 P43 0 0 0 0 0 1 0 0 0 P44 0 0 0 0 0 1 0 0 0 P45 0 0 0 0 0 1 0 0 0 P46 0 1 0 0 0 0 0 0 0 P47 1 0 0 0 0 0 0 0 1 P48 0 1 0 0 0 0 0 0 0 P49 0 0 1 1 0 0 0 1 0 P50 0 0 0 0 0 0 0 0 1 P51 0 0 1 1 0 0 0 0 0 P52 0 0 1 0 0 0 0 0 1 Pe 0,31 0,21 0,29 0,25 0,10 0,10 0,06 0,29 0,38 st. dev. 0,47 0,41 0,46 0,44 0,30 0,30 0,24 0,46 0,49 185 Прилог Б Преглед откривених ризика по фазама Табела Б.1. Преглед претњи које утичу на техничке карактеристике пројекта по фазама откривања Табела Б.2. Преглед шанси које утичу на техничке карактеристике пројекта по фазама откривања Табела Б.3. Преглед претњи које утичу на пројектни план по фазама откривања Табела Б.4. Преглед пшанси које утичу на пројектни план по фазама откривања Табела Б.5. Преглед претњи које утичу на пројектни буџет по фазама откривања Табела Б.6. Преглед пшанси које утичу на пројектни буџет по фазама откривања Табела Б.1. Преглед претњи које утичу на техничке карактеристике пројекта по фазама откривања Р.БР. R7 R8 R9 R13 R14 R19 R20 R27 R28 R29 R31 R32 R33 R34 R35 R39 R46 R47 R51 У зо ра к П Р О П У С Т И П Р И И ЗР А Д И Т Е Х Н И Ч К Е Д О К У М Е Н Т А Ц И ЈЕ З А П Р О Т О Т И П О Д С Т У П А Њ Е О Д Д Е Ф И Н И С А Н О Г Д И ЗА ЈН Е Р С К О Г Р Е Ш Е Њ А П Р О Т О Т И П Н Е И С П У Њ А В А Т Е Х Н И Ч К Е К А Р А К Т Е Р И С Т И К Е П Р О Б Л Е М И С А Д О Б А В Љ А Ч И М А У В Е ЗИ С А К В А Л И Т Е Т О М И С П О Р У К Е П Р О Б Л Е М И С А К О О П Е Р А Н Т И М А У В Е ЗИ С А К В А Л И Т Е Т О М У С Л У Г Е Н Е Д О С Т А Т А К О Б У Ч Е Н О Г К А Д Р А Г Р Е Ш К А У И ЗР А Д И П Р О У ЗР О К О В А Н А Љ У Д С К И М Ф А К Т О Р О М П О Г Р Е Ш Н О Д Е Ф И Н И С А Н А Т Е Х Н О Л О Г И ЈА И ЗР А Д Е П Р О И ЗВ О Д Н Е ЗА Д О В О Љ А В А П Р О П И С А Н Е Т Е Х Н И Ч К Е Н О Р М Е Н Е П О Т П У Н А К О Н Т Р О Л А К В А Л И Т Е Т А Р И ЗИ Ц И У В Е ЗИ С А С Е Р Т И Ф И К А Ц И ЈО М П Р О И ЗВ О Д А Н Е А Д Е К В А Т Н О О Д А Б Р А Н А А М Б А Л А Ж А Н Е А Д Е К В А Т Н О П Р О ЈЕ К Т О В А Н И А Л А Т И Н Е А Д Е К В А Т Н О О Д А Б Р А Н И И Л И И ЗР А Ђ Е Н И А Л А Т И П Р О Б Л Е М И П Р И М О Н Т А Ж И П Р О П У С Т И У И ЗР А Д И Р А Д И О Н И Ч К Е Д О К У М Е Н Т А Ц И ЈЕ Н Е Д О В О Љ Н О (Н Е А Д Е К В А Т Н О ) Ф О Р М У Л И С А Н И У С Л О В И Г А Р А Н Т Н О Г Р О К А Н Е П О Т П У Н О У П У Т С Т В О О Т Р А Н С П О Р Т У , М О Н Т А Ж И И С К Л А Д И Ш Т Е Њ У П Р О Б Л Е М И С А И Н С Т А Л И Р А Њ Е М И О Д Р Ж А В А Њ Е М P1 0,14 0,89 0,37 0,05 0,37 0,37 0,72 P2 0,53 P3 0,37 P4 0,23 0,37 1 P5 P6 0,37 0,05 0,72 0,89 0,72 P7 0,23 0,14 0,37 0,37 0,05 0,37 0,14 0,37 0,05 0,37 0,37 0,23 P8 0,23 0,14 0,37 0,37 0,05 0,37 0,89 0,53 0,89 0,05 0,72 1 P9 0,37 0,37 P10 0,23 0,37 0,37 0,37 0,37 0,53 0,23 1 1 P11 0,23 0,23 P12 0,23 0,37 0,53 0,23 0,37 0,72 1 P13 0,37 0,37 P14 0,23 0,53 0,37 P15 0,37 0,37 P16 0,37 0,05 0,37 0,53 0,72 P17 0,37 0,37 0,23 0,37 0,72 0,72 P18 0,37 0,37 0,37 0,37 P19 0,23 0,14 0,37 0,05 0,89 0,89 P20 0,14 0,37 1 0,14 1 0,37 0,89 0,89 0,89 0,89 1 1 1 P21 0,23 0,37 0,53 0,37 0,72 0,23 0,37 0,23 P22 0,23 0,37 0,37 P23 0,37 0,53 0,37 P24 P25 0,37 0,37 0,37 0,37 1 0,37 0,37 1 1 P26 0,23 1 P27 0,72 0,72 0,72 0,72 P28 0,14 0,37 0,14 0,05 0,89 1 0,14 1 0,14 0,72 0,53 0,89 0,89 1 1 1 P29 0,37 0,72 0,37 0,37 0,37 0,14 1 0,72 0,72 0,23 0,23 P30 0,23 0,05 0,23 0,72 0,23 P31 0,14 0,37 0,37 0,72 0,89 0,37 0,72 P32 0,23 0,37 0,53 0,05 0,37 0,37 P33 0,37 0,37 P34 0,23 0,05 0,53 0,37 0,37 0,37 0,23 1 P35 0,23 0,37 0,23 0,72 0,89 0,37 0,53 0,23 P36 0,53 0,37 0,37 0,89 P37 0,14 0,37 0,37 0,37 P38 0,89 0,23 0,37 0,05 0,37 0,23 0,14 0,37 P39 0,23 0,37 0,53 0,05 0,37 0,14 0,05 0,14 0,05 0,14 0,37 0,23 0,23 Р.БР. R7 R8 R9 R13 R14 R19 R20 R27 R28 R29 R31 R32 R33 R34 R35 R39 R46 R47 R51 У зо ра к П Р О П У С Т И П Р И И ЗР А Д И Т Е Х Н И Ч К Е Д О К У М Е Н Т А Ц И ЈЕ З А П Р О Т О Т И П О Д С Т У П А Њ Е О Д Д Е Ф И Н И С А Н О Г Д И ЗА ЈН Е Р С К О Г Р Е Ш Е Њ А П Р О Т О Т И П Н Е И С П У Њ А В А Т Е Х Н И Ч К Е К А Р А К Т Е Р И С Т И К Е П Р О Б Л Е М И С А Д О Б А В Љ А Ч И М А У В Е ЗИ С А К В А Л И Т Е Т О М И С П О Р У К Е П Р О Б Л Е М И С А К О О П Е Р А Н Т И М А У В Е ЗИ С А К В А Л И Т Е Т О М У С Л У Г Е Н Е Д О С Т А Т А К О Б У Ч Е Н О Г К А Д Р А Г Р Е Ш К А У И ЗР А Д И П Р О У ЗР О К О В А Н А Љ У Д С К И М Ф А К Т О Р О М П О Г Р Е Ш Н О Д Е Ф И Н И С А Н А Т Е Х Н О Л О Г И ЈА И ЗР А Д Е П Р О И ЗВ О Д Н Е ЗА Д О В О Љ А В А П Р О П И С А Н Е Т Е Х Н И Ч К Е Н О Р М Е Н Е П О Т П У Н А К О Н Т Р О Л А К В А Л И Т Е Т А Р И ЗИ Ц И У В Е ЗИ С А С Е Р Т И Ф И К А Ц И ЈО М П Р О И ЗВ О Д А Н Е А Д Е К В А Т Н О О Д А Б Р А Н А А М Б А Л А Ж А Н Е А Д Е К В А Т Н О П Р О ЈЕ К Т О В А Н И А Л А Т И Н Е А Д Е К В А Т Н О О Д А Б Р А Н И И Л И И ЗР А Ђ Е Н И А Л А Т И П Р О Б Л Е М И П Р И М О Н Т А Ж И П Р О П У С Т И У И ЗР А Д И Р А Д И О Н И Ч К Е Д О К У М Е Н Т А Ц И ЈЕ Н Е Д О В О Љ Н О (Н Е А Д Е К В А Т Н О ) Ф О Р М У Л И С А Н И У С Л О В И Г А Р А Н Т Н О Г Р О К А Н Е П О Т П У Н О У П У Т С Т В О О Т Р А Н С П О Р Т У , М О Н Т А Ж И И С К Л А Д И Ш Т Е Њ У П Р О Б Л Е М И С А И Н С Т А Л И Р А Њ Е М И О Д Р Ж А В А Њ Е М P40 0,72 0,14 0,37 0,37 0,37 0,14 0,14 0,53 0,89 P41 0,37 0,37 0,89 0,53 P42 0,23 0,37 1 P43 0,23 0,53 0,72 0,37 0,53 0,23 P44 0,37 0,23 P45 0,23 0,37 0,37 0,37 0,37 0,37 0,37 P46 0,53 P47 0,37 0,05 0,72 0,89 0,72 P48 0,37 0,37 P49 0,23 0,37 0,53 0,37 0,72 0,23 0,37 0,23 P50 0,72 0,72 0,72 0,72 P51 0,89 0,23 0,37 0,05 0,37 0,23 0,14 0,37 P52 0,37 0,37 0,89 0,53 Pe 0,31 0,17 0,50 0,42 0,44 0,13 0,45 0,43 0,47 0,52 0,53 0,48 0,32 0,44 0,51 0,48 1,00 0,81 0,92 st. dev. 0,19 0,09 0,15 0,17 0,17 0,13 0,19 0,29 0,30 0,32 0,30 0,40 0,11 0,19 0,23 0,26 0,00 0,30 0,20 Табела Б.2. Преглед шанси које утичу на техничке карактеристике пројекта по фазама откривања Р.Бр. Š5 Š8 Š9 Š13 Š18 У зо ра к К О Р И Ш Ћ Е Њ Е П О ЗН А Т И Х Т Е Х Н О Л О Г И ЈА М О Т И В А Ц И ЈА Р А Д Н И К А У Н А П Р Е Ђ Е Н П Р О Ц Е С К О Н Т Р О Л Е К В А Л И Т Е Т А П Р О Н А Л А ЗА К Н О В И Х Р Е Ц И К Л А Б И Л Н И Х М А Т Е Р И ЈА Л А М О Г У Ћ Н О С Т П Р И М Е Н Е Н О В И Х Н О Р М И И С Т А Н Д А Р Д А P1 P2 0,05 P3 0,14 P4 0,23 P5 0,23 0,89 P6 0,05 0,37 P7 0,05 P8 0,89 P9 0,05 P10 0,05 0,89 P11 0,05 P12 0,05 P13 0,14 P14 0,05 P15 0,14 P16 0,05 P17 0,14 P18 0,14 P19 P20 0,89 P21 0,05 P22 0,14 0,89 P23 0,14 P24 0,05 P25 0,05 P26 P27 P28 0,05 0,89 0,37 P29 0,23 0,53 P30 0,23 0,37 P31 0,37 P32 0,05 P33 0,53 P34 0,05 P35 0,05 P36 0,05 P37 0,14 P38 0,37 P39 0,05 P40 0,14 P41 0,05 0,23 0,05 P4 0,05 0,53 0,14 0,14 P43 0,37 0,05 0,05 Р.Бр. Š5 Š8 Š9 Š13 Š18 У зо ра к К О Р И Ш Ћ Е Њ Е П О ЗН А Т И Х Т Е Х Н О Л О Г И ЈА М О Т И В А Ц И ЈА Р А Д Н И К А У Н А П Р Е Ђ Е Н П Р О Ц Е С К О Н Т Р О Л Е К В А Л И Т Е Т А П Р О Н А Л А ЗА К Н О В И Х Р Е Ц И К Л А Б И Л Н И Х М А Т Е Р И ЈА Л А М О Г У Ћ Н О С Т П Р И М Е Н Е Н О В И Х Н О Р М И И С Т А Н Д А Р Д А P44 0,37 0,05 0,05 P45 0,05 P46 0,05 P47 0,05 0,37 P48 0,05 P49 0,05 P50 P51 0,37 P52 0,05 0,23 0,05 Pe 0,09 0,37 0,37 0,16 0,07 st. dev. 0,06 0,37 0,11 0,21 0,04 Табела Б.3. Преглед претњи које утичу на пројектни план по фазама откривања Р.Бр. R2 R3 R4 R6 R7 R8 R10 R12 R15 R17 R18 R21 R22 R23 R24 R25 R30 R36 R37 R38 R44 R45 R50 У зо ра к Н Е ЈА С А Н ( Н Е П О Т П У Н ) ЗА Х Т Е В И Н В Е С Т И Т О Р А Н Е ЗА Д О В О Љ С Т В О И Н В Е С Т И Т О Р А П Р Е Д Л О Ж Е Н И М Р Е Ш Е Њ Е М Н Е Д О С Т А Т А К П О В Р А Т Н И Х И Н Ф О Р М А Ц И ЈА С А Т Р Ж И Ш Т А Н Е И ЗВ О Д Љ И В О С Т Д И ЗА ЈН Е Р С К О Г (Т Е Х Н О Л О Ш К О Г ) Р Е Ш Е Њ А П Р О П У С Т И П Р И И ЗР А Д И Т Е Х Н И Ч К Е Д О К У М Е Н Т А Ц И ЈЕ З А П Р О Т О Т И П О Д С Т У П А Њ Е О Д Д Е Ф И Н И С А Н О Г Д И ЗА ЈН Е Р С К О Г Р Е Ш Е Њ А Н Е Д О С Т У П Н О С Т М А Т Е Р И ЈА Л А П Р О Б Л Е М И С А Д О Б А В Љ А Ч И М А У В Е ЗИ С А Р О К О В И М А И С П О Р У К Е П Р О Б Л Е М И С А К О О П Е Р А Н Т И М А У В Е ЗИ С А Р О К О В И М А И ЗР А Д Е Н Е С Т А Б И Л Н О С Т Т Р Ж И Ш Т А Е Н Е Р Г Е Н А Т А К В А Р О В И О П Р Е М Е И М А Ш И Н А П О В Р Е Д А Н А Р А Д У , Б О Л О В А Њ Е Р А Д Н А Д И С Ц И П Л И Н А Е Л Е М Е Н Т А Р Н Е Н Е П О Г О Д Е Д Н Е В Н О -П О Л И Т И Ч К Е П Р И Л И К Е Н Е О П Р А В Д А Н О С Т Д А Љ Е Г Р А ЗВ О ЈА П Р О Т О Т И П А ЗА К О Н О Д А В Н И Р И ЗИ Ц И Н Е Д О С Т А Т А К А Л А Т А И М А Ш И Н А Н Е ЗА Д О В О Љ С Т В О И Н В Е С Т И Т О Р А И ЗВ Е Д Е Н И М Р Е Ш Е Њ Е М П Р О Б Л Е М И С А П Л А Н И Р А Њ Е М П Р О И ЗВ О Д Н И Х Р Е С У Р С А Н Е Д О В О Љ Н А М А Р К Е Т И Н Ш К А П О Д Р Ш К А К О Н К У Р Е Н Ц И ЈА П Р О Б Л Е М И С А К О М У Н И К А Ц И ЈА М А P1 0,14 0,14 0,05 0,05 0,05 0,05 P2 0,53 0,53 0,53 0,53 0,53 0,53 0,53 0,05 P3 0,53 0,37 0,89 0,05 P4 0,23 0,37 0,37 0,37 1 0,05 P5 0,37 0,37 0,05 0,05 0,37 0,05 P6 1 0,37 0,53 0,05 1 0,05 P7 0,05 0,37 0,14 0,23 0,14 0,37 0,37 0,05 P8 0,37 0,37 0,23 0,14 0,37 0,14 0,37 0,89 0,37 0,89 0,89 0,14 0,14 0,89 P9 0,37 0,05 0,89 0,89 0,05 0,05 P10 0,23 0,37 0,89 0,05 0,89 P11 0,23 0,37 0,37 P12 0,23 0,37 0,37 0,37 0,05 P13 0,53 0,53 0,05 P14 0,05 0,23 P15 0,23 0,53 0,72 0,05 0,05 P16 0,05 0,53 1 0,05 P17 0,37 0,37 0,37 0,89 0,89 0,14 P18 0,37 0,05 P19 0,14 0,53 0,23 0,23 0,14 0,37 0,37 0,05 1 0,37 0,53 P20 0,37 0,37 0,14 0,14 0,37 0,53 0,05 0,37 0,89 0,05 1 0,89 0,05 0,89 P21 1 0,23 0,53 0,53 0,05 0,05 1 1 0,72 P22 0,05 0,23 0,89 P23 0,37 0,37 0,72 0,72 0,05 P24 1 0,37 0,05 1 0,05 P25 0,37 0,37 1 0,14 P26 0,23 0,37 0,05 0,05 0,89 0,05 P27 0,89 0,05 0,05 0,05 P28 0,14 1 0,05 0,14 0,05 0,14 1 1 0,72 0,05 1 P29 0,37 0,14 0,37 1 0,05 0,05 P30 0,23 0,05 0,14 0,53 1 0,05 P31 0,14 0,05 0,05 0,37 0,37 0,05 0,72 0,89 0,53 0,05 0,14 P32 0,53 0,37 0,23 0,37 0,37 0,53 0,05 0,05 P33 0,37 0,05 0,05 0,37 0,05 0,53 0,05 P34 0,23 0,05 0,53 0,37 0,89 0,05 0,05 0,37 0,05 0,05 0,37 P35 0,05 0,23 0,05 0,05 0,37 0,05 0,14 0,05 P36 0,14 0,23 0,23 0,53 0,14 0,05 1 0,53 0,05 0,53 P37 0,14 0,72 0,37 P38 0,05 1 0,23 0,89 0,23 0,72 0,37 0,37 0,37 0,89 0,05 0,05 0,37 0,89 0,05 P39 0,53 0,37 0,05 0,37 0,23 0,37 0,05 0,89 0,37 0,05 0,05 0,14 0,37 0,14 0,14 P40 0,37 0,72 0,14 0,05 0,05 0,05 0,72 0,05 Р.Бр. R2 R3 R4 R6 R7 R8 R10 R12 R15 R17 R18 R21 R22 R23 R24 R25 R30 R36 R37 R38 R44 R45 R50 У зо ра к Н Е ЈА С А Н ( Н Е П О Т П У Н ) ЗА Х Т Е В И Н В Е С Т И Т О Р А Н Е ЗА Д О В О Љ С Т В О И Н В Е С Т И Т О Р А П Р Е Д Л О Ж Е Н И М Р Е Ш Е Њ Е М Н Е Д О С Т А Т А К П О В Р А Т Н И Х И Н Ф О Р М А Ц И ЈА С А Т Р Ж И Ш Т А Н Е И ЗВ О Д Љ И В О С Т Д И ЗА ЈН Е Р С К О Г (Т Е Х Н О Л О Ш К О Г ) Р Е Ш Е Њ А П Р О П У С Т И П Р И И ЗР А Д И Т Е Х Н И Ч К Е Д О К У М Е Н Т А Ц И ЈЕ З А П Р О Т О Т И П О Д С Т У П А Њ Е О Д Д Е Ф И Н И С А Н О Г Д И ЗА ЈН Е Р С К О Г Р Е Ш Е Њ А Н Е Д О С Т У П Н О С Т М А Т Е Р И ЈА Л А П Р О Б Л Е М И С А Д О Б А В Љ А Ч И М А У В Е ЗИ С А Р О К О В И М А И С П О Р У К Е П Р О Б Л Е М И С А К О О П Е Р А Н Т И М А У В Е ЗИ С А Р О К О В И М А И ЗР А Д Е Н Е С Т А Б И Л Н О С Т Т Р Ж И Ш Т А Е Н Е Р Г Е Н А Т А К В А Р О В И О П Р Е М Е И М А Ш И Н А П О В Р Е Д А Н А Р А Д У , Б О Л О В А Њ Е Р А Д Н А Д И С Ц И П Л И Н А Е Л Е М Е Н Т А Р Н Е Н Е П О Г О Д Е Д Н Е В Н О -П О Л И Т И Ч К Е П Р И Л И К Е Н Е О П Р А В Д А Н О С Т Д А Љ Е Г Р А ЗВ О ЈА П Р О Т О Т И П А ЗА К О Н О Д А В Н И Р И ЗИ Ц И Н Е Д О С Т А Т А К А Л А Т А И М А Ш И Н А Н Е ЗА Д О В О Љ С Т В О И Н В Е С Т И Т О Р А И ЗВ Е Д Е Н И М Р Е Ш Е Њ Е М П Р О Б Л Е М И С А П Л А Н И Р А Њ Е М П Р О И ЗВ О Д Н И Х Р Е С У Р С А Н Е Д О В О Љ Н А М А Р К Е Т И Н Ш К А П О Д Р Ш К А К О Н К У Р Е Н Ц И ЈА П Р О Б Л Е М И С А К О М У Н И К А Ц И ЈА М А P41 0,89 0,37 0,05 0,37 0,53 0,05 P42 1 0,14 0,23 0,14 0,89 0,05 0,05 P43 0,14 0,05 0,23 0,05 0,05 0,53 0,05 0,37 0,05 0,05 P44 0,05 0,05 0,05 0,05 0,05 0,05 P45 0,14 0,23 0,37 0,05 0,05 0,14 0,05 0,05 P46 0,53 0,53 0,53 0,53 0,53 0,53 0,53 0,05 P47 1 0,37 0,53 0,05 1 0,05 P48 0,37 0,05 0,89 0,89 0,05 0,05 P49 1 0,23 0,53 0,53 0,05 0,05 1 1 0,72 P50 0,89 0,05 0,05 0,05 P51 0,05 1 0,23 0,89 0,23 0,72 0,37 0,37 0,37 0,89 0,05 0,05 0,37 0,89 0,05 P52 0,89 0,37 0,05 0,37 0,53 0,05 Pe 0,29 0,40 0,53 0,23 0,31 0,17 0,39 0,31 0,39 0,20 0,27 0,63 0,89 0,89 0,25 0,49 0,73 0,06 0,76 0,50 0,66 0,12 0,56 st. dev. 0,20 0,09 0,41 0,09 0,18 0,08 0,29 0,21 0,05 0,27 0,19 0,26 0,00 0,00 0,32 0,13 0,36 0,03 0,23 0,24 0,35 0,23 0,29 Табела Б.4. Преглед пшанси које утичу на пројектни план по фазама откривања Р.БР. Š1 Š2 Š3 Š4 Š5 Š6 Š7 Š8 Š9 Š14 Š17 У зо ра к Ф Л Е К С И Б И Л А Н И Н В Е С Т И Т О Р М О Г У Ћ Н О С Т Ц Е Л О К У П Н Е И ЗР А Д Е У С О П С Т В Е Н О Ј П Р О И ЗВ О Д Њ И П О С Е Д О В А Њ Е М А Т Е Р И ЈА Л А Н А З А Л И Х А М А Н О В И П Р О И ЗВ О Д П Р Е Д С Т А В Љ А М О Д И Ф И К О В А Н О Р Е Ш Е Њ Е П О С Т О ЈЕ Ћ Е Г К О Р И Ш Ћ Е Њ Е П О ЗН А Т И Х Т Е Х Н О Л О Г И ЈА М О Д У Л А Р Н О С Т К О Р И Ш Ћ Е Њ Е П О С Т О ЈЕ Ћ И Х А Л А Т А М О Т И В А Ц И ЈА Р А Д Н И К А У Н А П Р Е Ђ Е Н П Р О Ц Е С К О Н Т Р О Л Е К В А Л И Т Е Т А Б О Љ А О Р Г А Н И ЗА Ц И ЈА Р А Д А В Е Ш Т О П Р Е Г О В А Р А Њ Е P1 P2 0,05 0,05 0,14 0,14 P3 0,14 0,14 0,23 0,23 P4 0,14 0,23 0,14 P5 0,05 0,23 0,89 0,37 P6 0,05 0,05 0,37 0,05 P7 0,37 0,05 0,89 0,37 P8 0,14 0,89 0,89 0,37 P9 0,05 0,05 0,05 0,05 P10 0,14 0,05 0,89 0,14 P11 0,05 0,05 P12 0,05 P13 0,05 0,14 0,23 0,14 P14 0,05 0,05 0,05 0,05 0,05 0,05 P15 0,05 0,14 0,14 0,14 P16 0,05 0,05 0,05 P17 0,05 0,14 0,23 P18 0,05 0,14 0,14 0,14 0,05 P19 P20 0,89 0,14 P21 0,05 P22 0,14 0,23 0,14 0,23 0,23 0,89 P23 0,14 0,14 P24 0,05 P25 0,05 P26 0,89 0,14 P27 0,89 P28 0,05 0,05 0,05 0,23 0,89 0,37 0,05 1 P29 0,05 0,23 0,53 0,89 0,05 P30 0,05 0,23 0,37 0,89 P31 0,37 P32 0,14 0,05 P33 0,53 P34 0,05 0,05 0,05 0,05 P35 0,05 0,05 0,05 0,05 P36 0,05 0,37 P37 0,14 0,14 P38 0,37 P39 0,05 0,05 0,05 0,05 0,05 0,05 0,53 0,23 0,53 Р.БР. Š1 Š2 Š3 Š4 Š5 Š6 Š7 Š8 Š9 Š14 Š17 У зо ра к Ф Л Е К С И Б И Л А Н И Н В Е С Т И Т О Р М О Г У Ћ Н О С Т Ц Е Л О К У П Н Е И ЗР А Д Е У С О П С Т В Е Н О Ј П Р О И ЗВ О Д Њ И П О С Е Д О В А Њ Е М А Т Е Р И ЈА Л А Н А З А Л И Х А М А Н О В И П Р О И ЗВ О Д П Р Е Д С Т А В Љ А М О Д И Ф И К О В А Н О Р Е Ш Е Њ Е П О С Т О ЈЕ Ћ Е Г К О Р И Ш Ћ Е Њ Е П О ЗН А Т И Х Т Е Х Н О Л О Г И ЈА М О Д У Л А Р Н О С Т К О Р И Ш Ћ Е Њ Е П О С Т О ЈЕ Ћ И Х А Л А Т А М О Т И В А Ц И ЈА Р А Д Н И К А У Н А П Р Е Ђ Е Н П Р О Ц Е С К О Н Т Р О Л Е К В А Л И Т Е Т А Б О Љ А О Р Г А Н И ЗА Ц И ЈА Р А Д А В Е Ш Т О П Р Е Г О В А Р А Њ Е P40 0,05 0,14 0,14 0,23 0,53 P41 0,05 0,23 0,72 P4 0,05 0,14 0,05 0,05 0,05 0,53 0,37 P43 0,37 P44 0,37 P45 P46 0,05 0,05 0,14 0,14 P47 0,05 0,05 0,37 0,05 P48 0,05 0,05 0,05 0,05 P49 0,05 P50 0,89 P51 0,37 P52 0,05 0,23 0,72 Pe 0,09 0,16 0,07 0,09 0,09 0,13 0,17 0,62 0,37 0,53 0,41 st. dev. 0,08 0,28 0,04 0,06 0,06 0,08 0,14 0,32 0,11 0,33 0,34 Табела Б.5. Преглед претњи које утичу на пројектни буџет по фазама откривања Р.БР. R1 R2 R5 R11 R16 R17 R18 R23 R24 R25 R26 R30 R36 R37 R40 R41 R42 R43 R48 R49 У зо ра к П О Г Р Е Ш Н А П Р О Ц Е Н А Т Р Ж И Ш Т А Н Е ЈА С А Н (Н Е П О Т П У Н ) ЗА Х Т Е В И Н В Е С Т И Т О Р А О Г Р А Н И Ч Е Њ Е И Н В Е С Т И Ц И О Н О Г Б У Џ Е Т А Н Е С Т А Б И Л Н О С Т Ц Е Н А М А Т Е Р И ЈА Л А П Р О Б Л Е М И С А К О О П Е Р А Н Т И М А У В Е ЗИ С А Ц Е Н О М У С Л У Г Е Н Е С Т А Б И Л Н О С Т Т Р Ж И Ш Т А Е Н Е Р Г Е Н А Т А К В А Р О В И О П Р Е М Е И М А Ш И Н А Е Л Е М Е Н Т А Р Н Е Н Е П О Г О Д Е Д Н Е В Н О -П О Л И Т И Ч К Е П Р И Л И К Е Н Е О П Р А В Д А Н О С Т Д А Љ Е Г Р А ЗВ О ЈА П Р О Т О Т И П А Н Е С Т А Б И Л Н О С Т Ф И Н А Н С И ЈС К О Г Т Р Ж И Ш Т А ЗА К О Н О Д А В Н И Р И ЗИ Ц И Н Е Д О С Т А Т А К А Л А Т А И М А Ш И Н А Н Е ЗА Д О В О Љ С Т В О И Н В Е С Т И Т О Р А И ЗВ Е Д Е Н И М Р Е Ш Е Њ Е М П Р О Б Л Е М И С А С К Л А Д И Ш Т Е Њ Е М И Т Р А Н С П О Р Т О М К Р А Ђ А И С А Б О Т А Ж А A П Р О Б Л Е М С А П А Т Е Н Т И Р А Њ Е М П Р О И ЗВ О Д А П Р О Б Л Е М И С А Р Е Ц И К Л И Р А Њ Е М О Д У С Т А ЈА Њ Е И Н В Е С Т И Т О Р А О Д Р Е А Л И ЗА Ц И ЈЕ П Р О ЈЕ К Т А П Р О Б Л Е М И С А Н А П Л А Т О М У Г О В О Р Е Н И Х О Б А В Е ЗА И Н В Е С Т И Т О Р А P1 0,05 0,05 0,05 0,05 1 P2 0,53 0,53 0,53 0,53 0,53 0,53 P3 1 0,37 0,37 0,05 P4 0,37 1 P5 0,05 0,05 0,05 0,05 0,37 P6 1 0,05 0,72 P7 0,05 0,05 P8 0,37 0,37 0,37 0,89 0,37 0,89 0,89 0,14 0,37 0,89 0,89 1 P9 0,37 0,05 0,89 0,89 0,05 0,05 1 P10 0,37 0,05 P11 0,37 P12 P13 0,53 0,53 0,53 0,53 0,53 P14 1 P15 0,53 0,53 0,72 0,72 0,72 P16 1 0,05 P17 0,89 0,89 0,14 P18 0,05 P19 0,89 0,14 0,37 0,37 0,05 1 1 P20 0,37 0,05 0,37 1 0,89 0,05 1 0,89 1 1 P21 1 0,53 0,53 0,05 0,05 0,05 P22 1 P23 0,23 0,72 0,72 0,72 P24 1 0,14 0,05 P25 0,72 P26 1 1 0,05 0,72 0,05 0,05 P27 0,72 0,89 0,23 0,05 0,05 0,14 P28 0,53 0,89 0,14 0,05 0,14 0,05 1 1 0,05 1 P29 0,53 0,89 0,05 1 P30 0,05 0,53 0,05 0,89 P31 0,05 0,37 0,05 0,05 0,72 0,89 0,05 P32 1 0,53 0,53 P33 0,05 0,05 0,05 0,37 0,23 0,05 0,05 P34 0,05 0,53 0,05 0,05 0,05 P35 0,05 0,05 0,37 0,05 P36 0,14 0,05 0,53 0,14 0,05 1 1 P37 0,72 0,72 0,72 P38 0,89 0,05 0,05 0,37 0,05 0,89 0,05 0,37 0,05 0,89 0,89 P39 0,53 0,89 0,37 0,05 0,05 0,14 0,05 0,37 0,14 0,89 P40 0,05 0,37 0,05 0,05 0,37 P41 0,37 0,05 0,37 0,05 Р.БР. R1 R2 R5 R11 R16 R17 R18 R23 R24 R25 R26 R30 R36 R37 R40 R41 R42 R43 R48 R49 У зо ра к П О Г Р Е Ш Н А П Р О Ц Е Н А Т Р Ж И Ш Т А Н Е ЈА С А Н (Н Е П О Т П У Н ) ЗА Х Т Е В И Н В Е С Т И Т О Р А О Г Р А Н И Ч Е Њ Е И Н В Е С Т И Ц И О Н О Г Б У Џ Е Т А Н Е С Т А Б И Л Н О С Т Ц Е Н А М А Т Е Р И ЈА Л А П Р О Б Л Е М И С А К О О П Е Р А Н Т И М А У В Е ЗИ С А Ц Е Н О М У С Л У Г Е Н Е С Т А Б И Л Н О С Т Т Р Ж И Ш Т А Е Н Е Р Г Е Н А Т А К В А Р О В И О П Р Е М Е И М А Ш И Н А Е Л Е М Е Н Т А Р Н Е Н Е П О Г О Д Е Д Н Е В Н О -П О Л И Т И Ч К Е П Р И Л И К Е Н Е О П Р А В Д А Н О С Т Д А Љ Е Г Р А ЗВ О ЈА П Р О Т О Т И П А Н Е С Т А Б И Л Н О С Т Ф И Н А Н С И ЈС К О Г Т Р Ж И Ш Т А ЗА К О Н О Д А В Н И Р И ЗИ Ц И Н Е Д О С Т А Т А К А Л А Т А И М А Ш И Н А Н Е ЗА Д О В О Љ С Т В О И Н В Е С Т И Т О Р А И ЗВ Е Д Е Н И М Р Е Ш Е Њ Е М П Р О Б Л Е М И С А С К Л А Д И Ш Т Е Њ Е М И Т Р А Н С П О Р Т О М К Р А Ђ А И С А Б О Т А Ж А A П Р О Б Л Е М С А П А Т Е Н Т И Р А Њ Е М П Р О И ЗВ О Д А П Р О Б Л Е М И С А Р Е Ц И К Л И Р А Њ Е М О Д У С Т А ЈА Њ Е И Н В Е С Т И Т О Р А О Д Р Е А Л И ЗА Ц И ЈЕ П Р О ЈЕ К Т А П Р О Б Л Е М И С А Н А П Л А Т О М У Г О В О Р Е Н И Х О Б А В Е ЗА И Н В Е С Т И Т О Р А P42 1 0,05 0,05 0,53 0,05 P43 0,14 0,05 0,05 0,53 0,05 0,37 0,05 0,05 0,05 P44 0,05 0,05 0,05 0,05 0,05 0,05 0,05 P45 0,05 0,23 0,05 0,14 0,23 0,05 0,05 P46 0,53 0,53 0,53 0,53 0,53 0,53 P47 1 0,05 0,72 P48 0,37 0,05 0,89 0,89 0,05 0,05 1 P49 1 0,53 0,53 0,05 0,05 0,05 P50 0,72 0,89 0,23 0,05 0,05 0,14 P51 0,89 0,05 0,05 0,37 0,05 0,89 0,05 0,37 0,05 0,89 0,89 P52 0,37 0,05 0,37 0,05 Pe 0,82 0,29 0,24 0,40 0,29 0,20 0,27 0,89 0,25 0,49 0,24 0,73 0,06 0,76 0,34 0,95 0,24 0,57 0,73 0,95 st. dev. 0,22 0,21 0,30 0,30 0,26 0,27 0,21 0,00 0,32 0,14 0,28 0,40 0,03 0,25 0,35 0,08 0,37 0,42 0,17 0,06 Табела Б.6. Преглед пшанси које утичу на пројектни буџет по фазама откривања Р.БР. Š1 Š7 Š10 Š11 Š12 Š13 Š15 Š16 Š17 У зо ра к Ф Л Е К С И Б И Л А Н И Н В Е С Т И Т О Р К О Р И Ш Ћ Е Њ Е П О С Т О ЈЕ Ћ И Х А Л А Т А М О Г У Ћ Н О С Т У Ш Т Е Д Е О П Т И М И ЗА Ц И ЈО М Т Е Х Н О Л О Ш К О Г П О С Т У П К А С М А Њ Е Њ Е Ш К А Р Т А В Е Л И К А П О Т Р А Ж Њ А П Р О Н А Л А ЗА К Н О В И Х Р Е Ц И К Л А Б И Л Н И Х М А Т Е Р И ЈА Л А И С К О Р И Ш Ћ Е Њ Е С Е К У Н Д А Р Н И Х С И Р О В И Н А К О Р И С Н И Ш К А Р Т В Е Ш Т О П Р Е Г О В А Р А Њ Е P1 0,05 P2 0,14 P3 0,23 0,14 P4 0,14 0,23 0,14 P5 0,05 0,89 0,05 0,37 P6 0,05 0,05 P7 0,37 0,37 P8 0,14 0,89 0,89 1 0,89 0,23 0,37 P9 0,05 P10 0,14 0,37 0,14 P11 0,05 P12 P13 0,14 P14 0,05 0,14 P15 0,14 P16 0,05 0,05 P17 0,05 0,23 P18 0,05 0,14 0,05 P19 0,89 P20 0,72 0,23 0,14 P21 0,23 0,37 0,37 P22 0,23 0,23 P23 P24 P25 P26 0,89 P27 0,89 P28 0,14 0,37 0,05 0,53 1 P29 0,05 0,23 1 0,05 P30 0,05 0,23 0,89 P31 0,05 P32 P33 0,53 0,53 P34 0,05 0,23 0,37 0,23 P35 0,23 0,37 P36 P37 P38 0,14 0,23 P39 0,05 0,53 0,23 0,53 0,23 0,53 P40 0,23 0,53 0,23 P41 0,37 0,72 Р.БР. Š1 Š7 Š10 Š11 Š12 Š13 Š15 Š16 Š17 У зо ра к Ф Л Е К С И Б И Л А Н И Н В Е С Т И Т О Р К О Р И Ш Ћ Е Њ Е П О С Т О ЈЕ Ћ И Х А Л А Т А М О Г У Ћ Н О С Т У Ш Т Е Д Е О П Т И М И ЗА Ц И ЈО М Т Е Х Н О Л О Ш К О Г П О С Т У П К А С М А Њ Е Њ Е Ш К А Р Т А В Е Л И К А П О Т Р А Ж Њ А П Р О Н А Л А ЗА К Н О В И Х Р Е Ц И К Л А Б И Л Н И Х М А Т Е Р И ЈА Л А И С К О Р И Ш Ћ Е Њ Е С Е К У Н Д А Р Н И Х С И Р О В И Н А К О Р И С Н И Ш К А Р Т В Е Ш Т О П Р Е Г О В А Р А Њ Е P4 0,05 0,37 0,37 0,14 0,23 P43 0,05 P44 0,05 P45 0,05 P46 0,14 P47 0,05 0,05 P48 0,05 P49 0,23 0,37 0,37 P50 0,89 P51 0,14 0,23 P52 0,37 0,72 Pe 0,09 0,17 0,32 0,48 0,43 0,16 0,50 0,30 0,41 st. dev. 0,08 0,14 0,21 0,25 0,52 0,21 0,35 0,20 0,34 198 Прилог В Тежински коефицијенти Табела В.1. Матрица међизависности за променљиве претњи које утичу на техничке карактеристике пројекта Табела В.2. Матрица међизависности за променљиве шанси које утичу на техничке карактеристике пројекта Табела В.3. Матрица међизависности за променљиве претњи које утичу на пројектни план Табела В.4. Матрица међизависности за променљиве шанси које утичу на пројектни план Табела В.5. Матрица међизависности за променљиве претњи које утичу на пројектни буџет Табела В.6. Матрица међизависности за променљиве шанси које утичу на пројектни буџет Табела В.1. Матрица међузависности за променљиве претњи које утичу на техничке карактеристике пројекта Р.БР. ПРЕТЊЕ - техничке карактеристике R7 R8 R9 R13 R14 R19 R20 R27 R28 R29 R31 R32 R33 R34 R35 R39 R46 R47 R51 ∑ Koef. R7 ПРОПУСТИ ПРИ ИЗРАДИ ТЕХНИЧКЕ ДОКУМЕНТАЦИЈЕ ЗА ПРОТОТИП 1 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 5 0,01385 R8 ОДСТУПАЊЕ ОД ДЕФИНИСАНОГ ДИЗАЈНЕРСКОГ РЕШЕЊА 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0,00277 R9 ПРОТОТИП НЕ ИСПУЊАВА ТЕХНИЧКЕ КАРАКТЕРИСТИКЕ 2 2 1 1 1 0 1 0 0 0 0 0 0 0 0 0 1 0 0 9 0,02493 R13 ПРОБЛЕМИ СА ДОБАВЉАЧИМА У ВЕЗИ СА КВАЛИТЕТОМ ИСПОРУКЕ 2 2 1 1 2 0 0 0 0 0 0 2 0 0 2 0 2 2 0 16 0,04432 R14 ПРОБЛЕМИ СА КООПЕРАНТИМА У ВЕЗИ СА КВАЛИТЕТОМ УСЛУГЕ 2 2 1 0 1 0 0 0 0 0 0 2 0 0 2 0 2 2 0 14 0,03878 R19 НЕДОСТАТАК ОБУЧЕНОГ КАДРА 2 2 2 2 2 1 2 0 0 0 0 2 2 2 2 0 2 2 0 25 0,06925 R20 ГРЕШКА У ИЗРАДИ ПРОУЗРОКОВАНА ЉУДСКИМ ФАКТОРОМ 2 2 1 2 2 0 1 0 0 0 0 2 0 0 2 0 2 2 0 18 0,04986 R27 ПОГРЕШНО ДЕФИНИСАНА ТЕХНОЛОГИЈА ИЗРАДЕ 2 2 2 2 2 2 2 1 0 0 2 2 1 0 2 0 2 2 2 28 0,07756 R28 ПРОИЗВОД НЕ ЗАДОВОЉАВА ПРОПИСАНЕ ТЕХНИЧКЕ НОРМЕ 2 2 2 2 2 2 2 2 1 2 2 2 2 2 2 2 2 2 2 37 0,10249 R29 НЕПОТПУНА КОНТРОЛА КВАЛИТЕТА 2 2 2 2 2 2 2 2 0 1 2 2 2 2 2 2 2 2 2 35 0,09695 R31 РИЗИЦИ У ВЕЗИ СА СЕРТИФИКАЦИЈОМ ПРОИЗВОДА 2 2 2 2 2 2 2 0 0 0 1 2 1 0 2 2 2 2 0 26 0,07202 R32 НЕАДЕКВАТНО ОДАБРАНА АМБАЛАЖА 2 2 2 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 8 0,02216 R33 НЕАДЕКВАТНО ПРОЈЕКТОВАНИ АЛАТИ 2 2 2 2 2 0 2 1 0 0 1 2 1 0 2 2 2 2 2 27 0,07479 R34 НЕАДЕКВАТНО ОДАБРАНИ ИЛИ ИЗРАЂЕНИ АЛАТИ 2 2 2 2 2 0 2 2 0 0 2 2 2 1 2 2 2 2 2 31 0,08587 R35 ПРОБЛЕМИ ПРИ МОНТАЖИ 2 2 2 0 0 0 0 0 0 0 0 2 0 0 1 2 2 2 2 17 0,04709 R39 ПРОПУСТИ У ИЗРАДИ РАДИОНИЧКЕ ДОКУМЕНТАЦИЈЕ 2 2 2 2 2 2 2 2 0 0 0 2 0 0 0 1 2 2 0 23 0,06371 R46 НЕДОВОЉНО (НЕАДЕКВАТНО) ФОРМУЛИСАНИ УСЛОВИ ГАРАНТНОГ РОКА 2 2 1 0 0 0 0 0 0 0 0 2 0 0 0 0 1 2 0 10 0,0277 R47 НЕПОТПУНО УПУТСТВО О ТРАНСПОРТУ, МОНТАЖИ И СКЛАДИШТЕЊУ 0 2 2 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 6 0,01662 R51 ПРОБЛЕМИ СА ИНСТАЛИРАЊЕМ И ОДРЖАВАЊЕМ 2 2 2 2 2 2 2 0 0 0 2 2 0 0 0 2 2 2 1 25 0,06925 ∑ 1 Табела В.2. Матрица међузависности за променљиве шанси које утичу на техничке карактеристике пројекта Р.БР. ШАНСЕ - техничке карактеристике Š5 Š8 Š9 Š13 Š18 ∑ Koef. Š5 КОРИШЋЕЊЕ ПОЗНАТИХ ТЕХНОЛОГИЈА 1 2 2 2 2 9 0,36 Š8 МОТИВАЦИЈА РАДНИКА 0 1 0 0 0 1 0,04 Š9 ПОЈЕДНОСТАВЉЕНА СТРУКТУРА КОНТРОЛЕ КВАЛИТЕТА 0 2 1 2 1 6 0,24 Š13 ПРОНАЛАЗАК НОВИХ РЕЦИКЛАБИЛНИХ МАТЕРИЈАЛА 0 2 0 1 0 3 0,12 Š18 МОГУЋНОСТ ПРИМЕНЕ НОВИХ НОРМИ И СТАНДАРДА 0 2 1 2 1 6 0,24 ∑ 1 ` Табела В.3. Матрица међузависности за променљиве претњи које утичу на пројектни план Р.БР. ПРЕТЊЕ - пројектни план R2 R3 R4 R6 R7 R8 R10 R12 R15 R17 R18 R21 R22 R23 R24 R25 R30 R36 R37 R38 R44 R45 R50 ∑ Koef. R2 НЕЈАСАН (НЕПОТПУН) ЗАХТЕВ ИНВЕСТИТОРА 1 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 5 0,0094518 R3 НЕЗАДОВОЉСТВО ИНВЕСТИТОРА ПРЕДЛОЖЕНИМ РЕШЕЊЕМ 2 1 2 0 0 0 0 0 0 2 0 0 0 0 2 0 0 0 0 0 0 0 1 10 0,0189036 R4 НЕДОСТАТАК ПОВРАТНИХ ИНФОРМАЦИЈА СА ТРЖИШТА 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 2 6 0,0113422 R6 НЕИЗВОДЉИВОСТ ДИЗАЈНЕРСКОГ (ТЕХНОЛОШКОГ) РЕШЕЊА 1 2 2 1 2 2 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 1 13 0,0245747 R7 ПРОПУСТИ ПРИ ИЗРАДИ ТЕХНИЧКЕ ДОКУМЕНТАЦИЈЕ ЗА ПРОТОТИП 2 2 2 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 10 0,0189036 R8 ОДСТУПАЊЕ ОД ДЕФИНИСАНОГ ДИЗАЈНЕРСКОГ РЕШЕЊА 2 2 2 0 2 1 1 0 0 1 0 0 1 0 0 0 0 0 0 1 1 1 2 17 0,0321361 R10 НЕДОСТУПНОСТ МАТЕРИЈАЛА 2 2 2 2 2 1 1 2 2 2 2 2 2 0 2 0 1 1 0 2 2 2 2 36 0,0680529 R12 ПРОБЛЕМИ СА ДОБАВЉАЧИМА У ВЕЗИ СА РОКОВИМА ИСПОРУКЕ 2 2 2 2 2 2 0 1 2 2 2 0 0 0 0 0 0 0 0 2 2 2 2 27 0,0510397 R15 ПРОБЛЕМИ СА КООПЕРАНТИМА У ВЕЗИ СА РОКОВИМА ИЗРАДЕ 2 2 2 2 2 2 0 0 1 1 0 0 0 0 0 0 0 0 0 2 1 2 2 21 0,0396975 R17 НЕСТАБИЛНОСТ ТРЖИШТА ЕНЕРГЕНАТА 2 0 2 1 2 1 0 0 1 1 0 0 0 0 0 0 0 0 0 1 1 1 1 14 0,026465 R18 КВАРОВИ ОПРЕМЕ И МАШИНА 2 2 2 2 2 2 0 0 2 2 1 1 1 0 1 0 1 0 0 2 2 2 2 29 0,0548204 R21 ПОВРЕДА НА РАДУ, БОЛОВАЊЕ 2 2 2 2 2 2 0 2 2 2 1 1 2 0 0 0 2 0 0 2 2 2 2 32 0,0604915 R22 РАДНА ДИСЦИПЛИНА 2 2 2 2 2 1 0 2 2 2 1 0 1 0 0 0 0 0 0 0 1 0 0 20 0,0378072 R23 ЕЛЕМЕНТАРНЕ НЕПОГОДЕ 2 2 2 2 2 2 2 2 2 2 2 2 2 1 2 2 2 2 2 2 2 2 2 45 0,0850662 R24 ДНЕВНО-ПОЛИТИЧКЕ ПРИЛИКЕ 2 0 2 2 2 2 0 2 2 2 1 2 2 0 1 0 2 0 0 2 1 1 2 30 0,0567108 R25 НЕОПРАВДАНОСТ ДАЉЕГ РАЗВОЈА ПРОТОТИПА 2 2 2 2 2 2 2 2 2 2 2 2 2 0 2 1 0 0 0 2 2 2 2 37 0,0699433 R30 ЗАКОНОДАВНИ РИЗИЦИ 2 2 2 2 2 2 1 2 2 2 1 0 2 0 0 2 1 0 0 2 2 1 2 32 0,0604915 R36 НЕДОСТАТАК АЛАТА И МАШИНА 2 2 2 2 2 2 1 2 2 2 2 2 2 0 2 2 2 1 0 2 2 2 2 40 0,0756144 R37 НЕЗАДОВОЉСТВО ИНВЕСТИТОРА ИЗВЕДЕНИМ РЕШЕЊЕМ 2 2 2 2 2 2 2 2 2 2 2 2 2 0 2 2 2 2 1 2 2 2 2 43 0,0812854 R38 ПРОБЛЕМИ СА ПЛАНИРАЊЕМ ПРОИЗВОДНИХ РЕСУРСА 2 2 2 2 2 1 0 0 0 1 0 0 2 0 0 0 0 0 0 1 2 0 2 19 0,0359168 R44 НЕДОВОЉНА МАРКЕТИНШКА ПОДРШКА 1 2 1 2 1 1 0 0 1 1 0 0 1 0 1 0 0 0 0 0 1 1 1 15 0,0283554 R45 КОНКУРЕНЦИЈА 2 2 1 1 1 1 0 0 0 1 0 0 2 0 1 0 1 0 0 2 1 1 2 19 0,0359168 R50 ПРОБЛЕМИ СА КОМУНИКАЦИЈАМА 1 1 0 1 1 0 0 0 0 1 0 0 2 0 0 0 0 0 0 0 1 0 1 9 0,0170132 ∑ 1 Табела В.4. Матрица међузависности за променљиве шанси које утичу на пројектни план Р.БР. ШАНСЕ - пројектни план Š1 Š2 Š3 Š4 Š5 Š6 Š7 Š8 Š9 Š14 Š17 ∑ Koef. Š1 ФЛЕКСИБИЛАН ИНВЕСТИТОР 1 0 0 0 0 0 0 2 1 0 0 4 0,033 Š2 МОГУЋНОСТ ЦЕЛОКУПНЕ ИЗРАДЕ У СОПСТВЕНОЈ ПРОИЗВОДЊИ 2 1 2 1 2 1 1 2 2 1 2 17 0,14 Š3 ПОСЕДОВАЊЕ МАТЕРИЈАЛА НА ЗАЛИХАМА 2 0 1 0 1 1 1 2 1 1 0 10 0,083 Š4 НОВИ ПРОИЗВОД ПРЕДСТАВЉА МОДИФИКОВАНО РЕШЕЊЕ ПОСТОЈЕЋЕГ 2 1 2 1 1 1 1 2 1 1 2 15 0,124 Š5 КОРИШЋЕЊЕ ПОЗНАТИХ ТЕХНОЛОГИЈА 2 0 1 1 1 1 1 2 2 1 2 14 0,116 Š6 МОДУЛАРНОСТ 2 1 1 1 1 1 2 2 1 1 2 15 0,124 Š7 КОРИШЋЕЊЕ ПОСТОЈЕЋИХ АЛАТА 2 1 1 1 1 0 1 1 2 2 1 13 0,107 Š8 МОТИВАЦИЈА РАДНИКА 0 0 0 0 0 0 1 1 1 0 0 3 0,025 Š9 ПОЈЕДНОСТАВЉЕНА СТРУКТУРА КОНТРОЛЕ КВАЛИТЕТА 1 0 1 1 0 1 0 1 1 1 0 7 0,058 Š14 БОЉА ОРГАНИЗАЦИЈА РАДА 2 1 1 1 1 1 0 2 1 1 2 13 0,107 Š17 ВЕШТО ПРЕГОВАРАЊЕ 2 0 2 0 0 0 1 2 2 0 1 10 0,083 ∑ 1 Табела В.5. Матрица међузависности за променљиве претњи које утичу на пројектни буџет Р.БР. ПРЕТЊЕ - пројектни буџет R1 R2 R5 R11 R16 R17 R18 R23 R24 R25 R26 R30 R36 R37 R40 R41 R42 R43 R48 R49 ∑ Koef. R1 ПОГРЕШНА ПРОЦЕНА ТРЖИШТА 1 2 2 2 2 2 2 1 2 2 1 2 2 2 2 1 2 2 1 2 35 0,088 R2 НЕЈАСАН (НЕПОТПУН) ЗАХТЕВ ИНВЕСТИТОРА 0 1 0 1 0 0 0 0 1 0 0 1 0 0 0 0 1 1 0 0 6 0,015 R5 ОГРАНИЧЕЊЕ ИНВЕСТИЦИОНОГ БУЏЕТА 0 2 1 1 1 2 2 0 2 1 1 2 2 2 2 0 2 2 0 0 25 0,063 R11 НЕСТАБИЛНОСТ ЦЕНА МАТЕРИЈАЛА 0 1 1 1 1 2 2 0 2 1 1 2 2 1 2 0 2 2 0 0 23 0,058 R16 ПРОБЛЕМИ СА КООПЕРАНТИМА У ВЕЗИ СА ЦЕНОМ УСЛУГЕ 0 2 1 1 1 2 0 0 2 1 2 1 1 0 2 0 2 2 0 0 20 0,05 R17 НЕСТАБИЛНОСТ ТРЖИШТА ЕНЕРГЕНАТА 0 2 0 0 0 1 1 0 1 0 0 1 0 0 1 0 1 1 0 0 9 0,023 R18 КВАРОВИ ОПРЕМЕ И МАШИНА 0 2 0 0 2 1 1 0 1 0 1 1 0 0 1 0 1 1 0 0 12 0,03 R23 ЕЛЕМЕНТАРНЕ НЕПОГОДЕ 1 2 2 2 2 2 2 1 2 2 1 2 2 0 2 1 2 2 0 1 31 0,078 R24 ДНЕВНО-ПОЛИТИЧКЕ ПРИЛИКЕ 0 1 0 0 0 1 1 0 1 0 1 1 0 0 1 0 1 1 0 0 9 0,023 R25 НЕОПРАВДАНОСТ ДАЉЕГ РАЗВОЈА ПРОТОТИПА 0 2 1 1 1 2 2 0 2 1 2 2 2 0 2 0 2 2 0 0 24 0,06 R26 НЕСТАБИЛНОСТ ФИНАНСИЈСКОГ ТРЖИШТА 1 0 1 1 0 2 1 1 1 0 1 1 1 0 2 0 2 2 0 0 17 0,043 R30 ЗАКОНОДАВНИ РИЗИЦИ 0 1 0 0 1 1 1 0 1 0 1 1 0 0 2 0 1 1 0 0 11 0,028 R36 НЕДОСТАТАК АЛАТА И МАШИНА 0 2 0 0 1 2 2 0 2 0 1 2 1 0 2 0 1 1 0 0 17 0,043 R37 НЕЗАДОВОЉСТВО ИНВЕСТИТОРА ИЗВЕДЕНИМ 0 2 0 1 2 2 2 2 2 2 2 2 2 1 2 0 2 2 0 0 28 0,07 R40 ПРОБЛЕМИ СА СКЛАДИШТЕЊЕМ И ТРАНСПОРТОМ 0 2 0 0 0 1 1 0 1 0 0 0 0 0 1 0 1 1 0 0 8 0,02 R41 КРАЂА И САБОТАЖА 1 2 2 2 2 2 2 1 2 2 2 2 2 2 2 1 2 2 2 2 37 0,093 R42 ПРОБЛЕМ СА ПАТЕНТИРАЊЕМ ПРОИЗВОДА 0 1 0 0 0 1 1 0 1 0 0 1 1 0 1 0 1 0 0 0 8 0,02 R43 ПРОБЛЕМИ СА РЕЦИКЛИРАЊЕМ 0 1 0 0 0 1 1 0 1 0 0 1 1 0 1 0 2 1 0 0 10 0,025 R48 ОДУСТАЈАЊЕ ИНВЕСТИТОРА ОД РЕАЛИЗАЦИЈЕ ПРОЈЕКТА 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 0 2 2 1 2 36 0,09 R49 ПРОБЛЕМИ СА НАПЛАТОМ УГОВОРЕНИХ ОБАВЕЗА ИНВЕСТИТОРА 0 2 2 2 2 2 2 1 2 2 2 2 2 2 2 0 2 2 0 1 32 0,08 ∑ 1 Табела В.6. Матрица међузависности за променљиве шанси које утичу на пројектни буџет Р.БР. ШАНСЕ- пројектни буџет Š1 Š7 Š10 Š11 Š12 Š13 Š15 Š16 Š17 ∑ Koef. Š1 ФЛЕКСИБИЛАН ИНВЕСТИТОР 1 1 0 0 0 0 0 1 0 3 0,036 Š7 КОРИШЋЕЊЕ ПОСТОЈЕЋИХ АЛАТА 1 1 1 2 0 2 2 2 2 13 0,157 Š10 МОГУЋНОСТ УШТЕДЕ ОПТИМИЗАЦИЈОМ ТЕХНОЛОШКОГ ПОСТУПКА 2 1 1 2 0 2 2 2 2 14 0,169 Š11 СМАЊЕЊЕ ШКАРТА 2 1 1 1 0 0 2 2 0 9 0,108 Š12 ВЕЛИКА ПОТРАЖЊА 2 2 2 2 1 2 2 2 2 17 0,205 Š13 ПРОНАЛАЗАК НОВИХ РЕЦИКЛАБИЛНИХ МАТЕРИЈАЛА 2 0 0 2 0 1 2 2 0 9 0,108 Š15 ИСКОРИШЋЕЊЕ СЕКУНДАРНИХ СИРОВИНА 2 0 0 0 0 0 1 0 0 3 0,036 Š16 КОРИСНИ ШКАРТ 1 0 0 0 0 0 2 1 0 4 0,048 Š17 ВЕШТО ПРЕГОВАРАЊЕ 2 0 0 2 0 2 2 2 1 11 0,133 ∑ 1 205 Прилог Г Истраживане величине које одређују тежину грешке Табела Г.1. Истраживане величине које одређују тежину грешке Табела Г.1. Истраживане величине које одређују тежину грешке Р.БР. b1 M1 b2 M2 b3 M3 b4 M4 b5 M5 b6 M6 b7 M7 b8 M8 b9 M9 b10 M10 CT VS0 VSG VS CS VB0 VBG VB CB Т еж ин ск и ко еф . п ре м а ка те го ри ји п ро це не Б ез бе дн ос т Т еж ин ск и ко еф . п ре м а ка те го ри ји п ро це не Е рг он ом ск е ка ра кт ер ис ти ке Т еж ин ск и ко еф . п ре м а ка те го ри ји п ро це не Е ст ет ск е од ли ке Т еж ин ск и ко еф . п ре м а ка те го ри ји п ро це не П ро из во дн ос т Т еж ин ск и ко еф . п ре м а ка те го ри ји п ро це не М ог ућ но ст к он тр ол е кв ал ит ет а Т еж ин ск и ко еф . п ре м а ка те го ри ји п ро це не С кл ад иш те њ е и тр ан сп ор т Т еж ин ск и ко еф . п ре м а ка те го ри ји п ро це не Зх те ви о др ж ав ањ а Т еж ин ск и ко еф . п ре м а ка те го ри ји п ро це не П оу зд ан ос т у ек сп ло ат ац иј Т еж ин ск и ко еф . п ре м а ка те го ри ји п ро це не К ом пл ек сн ос т м он та ж е и ин ст ал ац иј е Т еж ин ск и ко еф . п ре м а ка те го ри ји п ро це не М ог ућ но ст ре ци кл ир ањ а Т еж ин а гр еш ке те хн ич ки х ка ра кт ер ис ти ка О пт им ал но в ре м е Г ра ни чн о вр ем е Р еа лн о в ре м е Т еж ин а гр еш ке пр ој ек тн ог п ла на О че ки ва ни б уџ ет Г ра ни чн и бу џе т Р еа лн и бу џе т Т еж ин а гр еш ке пр ој ек тн ог б уџ ет а P1 0,192 0,9 0,141 0,45 0,091 0,85 0,091 0,8 0,141 0,65 0,01 0,85 0,101 0,8 0,141 0,7 0,061 0,9 0,03 0,3 0,18 30 81 38 0,15686 1 2,7 1,25 0,14706 P2 0,192 0,3 0,141 0,35 0,091 0,45 0,091 0,35 0,141 0,25 0,01 0,6 0,101 0,2 0,141 0,3 0,061 0,8 0,03 0,2 0,52 25 72 29 0,08511 0,5 1,8 1 0,38462 P3 0,192 0,7 0,141 0,55 0,091 0,5 0,091 0,7 0,141 0,55 0,01 0,65 0,101 0,7 0,141 0,6 0,061 0,9 0,03 0,3 0,285 35 81 45 0,21739 1,2 2,7 1,6 0,26667 P4 0,192 0,75 0,141 0,55 0,091 0,5 0,091 0,75 0,141 0,55 0,01 0,65 0,101 0,7 0,141 0,65 0,061 0,9 0,03 0,3 0,27 40 99 53 0,22034 1,5 4,5 2,25 0,25 P5 0,192 0,6 0,141 0,4 0,091 0,85 0,091 0,5 0,141 0,5 0,01 0,4 0,101 0,55 0,141 0,7 0,061 0,7 0,03 0,9 0,29 60 162 85 0,2451 10 23,4 13,5 0,26119 P6 0,192 0,65 0,141 0,45 0,091 0,7 0,091 0,45 0,141 0,45 0,01 0,35 0,101 0,5 0,141 0,65 0,061 0,65 0,03 0,9 0,325 45 108 62 0,26984 8 21,6 9 0,07353 P7 0,192 0,6 0,141 0,35 0,091 0,75 0,091 0,4 0,141 0,4 0,01 0,3 0,101 0,5 0,141 0,6 0,061 0,6 0,03 0,85 0,365 28 54 30 0,07692 20 54 27 0,20588 P8 0,192 0,4 0,141 0,25 0,091 0,75 0,091 0,3 0,141 0,45 0,01 0,25 0,101 0,3 0,141 0,95 0,061 0,5 0,03 0,95 0,39 90 216 95 0,03968 50 126 61 0,14474 P9 0,192 0,8 0,141 0,4 0,091 0,6 0,091 0,85 0,141 0,5 0,01 0,85 0,101 0,6 0,141 0,6 0,061 0,75 0,03 0,3 0,275 20 54 21 0,02941 1 2,7 1,1 0,05882 P10 0,192 0,7 0,141 0,3 0,091 0,55 0,091 0,35 0,141 0,7 0,01 0,55 0,101 0,45 0,141 0,55 0,061 0,3 0,03 0,85 0,37 15 36 15 0 1 2,7 1 0 P11 0,192 0,5 0,141 0,4 0,091 0,45 0,091 0,45 0,141 0,65 0,01 0,45 0,101 0,5 0,141 0,6 0,061 0,55 0,03 0,8 0,365 45 108 51 0,09524 5 10,8 5,2 0,03448 P12 0,192 0,4 0,141 0,35 0,091 0,7 0,091 0,5 0,141 0,55 0,01 0,5 0,101 0,6 0,141 0,65 0,061 0,6 0,03 0,9 0,325 15 54 18 0,07692 3 7,2 3,25 0,05952 P13 0,192 0,7 0,141 0,4 0,091 0,3 0,091 0,7 0,141 0,5 0,01 0,8 0,101 0,45 0,141 0,6 0,061 0,75 0,03 0,3 0,35 15 36 16 0,04762 1,5 3,6 1,64 0,06667 P14 0,192 0,4 0,141 0,35 0,091 0,3 0,091 0,6 0,141 0,7 0,01 0,6 0,101 0,7 0,141 0,4 0,061 0,4 0,03 0,9 0,365 7 18 8 0,09091 1 2,16 1,04 0,03448 P15 0,192 0,5 0,141 0,35 0,091 0,3 0,091 0,55 0,141 0,75 0,01 0,5 0,101 0,4 0,141 0,45 0,061 0,45 0,03 0,8 0,395 20 54 24 0,11765 1,5 3,6 1,65 0,07143 P16 0,192 0,6 0,141 0,4 0,091 0,8 0,091 0,45 0,141 0,5 0,01 0,45 0,101 0,5 0,141 0,75 0,061 0,7 0,03 0,9 0,295 10 27 13 0,17647 2,3 5,04 2,68 0,13869 P17 0,192 0,65 0,141 0,3 0,091 0,85 0,091 0,5 0,141 0,45 0,01 0,4 0,101 0,55 0,141 0,8 0,061 0,65 0,03 0,8 0,305 60 162 86 0,2549 30 72 33,5 0,08333 P18 0,192 0,5 0,141 0,35 0,091 0,75 0,091 0,3 0,141 0,6 0,01 0,4 0,101 0,2 0,141 0,9 0,061 0,35 0,03 0,8 0,385 30 72 39 0,21429 15 36 18,6 0,17143 P19 0,192 0,4 0,141 0,3 0,091 0,65 0,091 0,55 0,141 0,65 0,01 0,55 0,101 0,6 0,141 0,75 0,061 0,7 0,03 0,9 0,295 7 18 8 0,09091 2 4,5 2,12 0,048 P20 0,192 0,3 0,141 0,25 0,091 0,65 0,091 0,45 0,141 0,7 0,01 0,45 0,101 0,65 0,141 0,45 0,061 0,55 0,03 0,9 0,365 60 162 86 0,2549 30 72 34,5 0,10714 P21 0,192 0,45 0,141 0,65 0,091 0,75 0,091 0,5 0,141 0,8 0,01 0,5 0,101 0,7 0,141 0,6 0,061 0,65 0,03 0,8 0,26 20 54 23 0,08824 6 14,4 6,6 0,07143 P22 0,192 0,7 0,141 0,3 0,091 0,65 0,091 0,55 0,141 0,85 0,01 0,65 0,101 0,6 0,141 0,7 0,061 0,7 0,03 0,8 0,25 7 18 8 0,09091 2,5 5,4 2,85 0,12069 P23 0,192 0,6 0,141 0,3 0,091 0,8 0,091 0,6 0,141 0,5 0,01 0,9 0,101 0,65 0,141 0,55 0,061 0,6 0,03 0,9 0,26 5 13 6 0,13158 2,2 4,5 2,55 0,15217 P24 0,192 0,5 0,141 0,6 0,091 0,55 0,091 0,75 0,141 0,8 0,01 0,7 0,101 0,65 0,141 0,65 0,061 0,75 0,03 0,85 0,22 10 36 16 0,23077 7 16,2 8,35 0,14674 P25 0,192 0,55 0,141 0,35 0,091 0,8 0,091 0,6 0,141 0,45 0,01 0,9 0,101 0,7 0,141 0,6 0,061 0,65 0,03 0,9 0,25 10 27 12 0,11765 2,5 5,4 2,86 0,12414 P26 0,192 0,7 0,141 0,65 0,091 0,7 0,091 0,7 0,141 0,75 0,01 0,75 0,101 0,75 0,141 0,65 0,061 0,7 0,03 0,8 0,185 15 36 19 0,19048 10 21,6 11,32 0,11379 P27 0,192 0,6 0,141 0,75 0,091 0,65 0,091 0,85 0,141 0,7 0,01 0,8 0,101 0,85 0,141 0,7 0,061 0,75 0,03 0,75 0,16 7 27 12 0,25 20 45 22,8 0,112 P28 0,192 0,75 0,141 0,8 0,091 0,85 0,091 0,75 0,141 0,85 0,01 0,7 0,101 0,75 0,141 0,75 0,061 0,65 0,03 0,8 0,135 15 54 24 0,23077 15 36 18,2 0,15238 P29 0,192 0,7 0,141 0,85 0,091 0,6 0,091 0,8 0,141 0,85 0,01 0,75 0,101 0,85 0,141 0,75 0,061 0,7 0,03 0,85 0,13 30 108 48 0,23077 30 72 39,6 0,22857 P30 0,192 0,65 0,141 0,75 0,091 0,7 0,091 0,65 0,141 0,6 0,01 0,85 0,101 0,7 0,141 0,65 0,061 0,65 0,03 0,8 0,2 20 54 24 0,11765 15 36 16,94 0,09238 P31 0,192 0,75 0,141 0,3 0,091 0,85 0,091 0,6 0,141 0,5 0,01 0,5 0,101 0,55 0,141 0,85 0,061 0,6 0,03 0,8 0,27 30 81 38 0,15686 12 27 14,35 0,15667 P32 0,192 0,4 0,141 0,45 0,091 0,6 0,091 0,45 0,141 0,45 0,01 0,45 0,101 0,45 0,141 0,5 0,061 0,45 0,03 0,9 0,39 3 9 5 0,33333 5 13,5 6,32 0,15529 P33 0,192 0,45 0,141 0,6 0,091 0,5 0,091 0,75 0,141 0,75 0,01 0,6 0,101 0,7 0,141 0,65 0,061 0,65 0,03 0,8 0,255 15 54 22 0,17949 16 36 16,5 0,025 P34 0,192 0,6 0,141 0,65 0,091 0,65 0,091 0,5 0,141 0,8 0,01 0,65 0,101 0,6 0,141 0,7 0,061 0,5 0,03 0,8 0,255 20 54 28 0,23529 13,5 27 14,6 0,08148 P35 0,192 0,5 0,141 0,5 0,091 0,45 0,091 0,8 0,141 0,7 0,01 0,7 0,101 0,75 0,141 0,65 0,061 0,8 0,03 0,85 0,23 10 54 15 0,11364 7 14,4 7 0 P36 0,192 0,65 0,141 0,4 0,091 0,85 0,091 0,65 0,141 0,5 0,01 0,45 0,101 0,55 0,141 0,7 0,061 0,75 0,03 0,8 0,27 15 54 17 0,05128 8 18 8,75 0,075 P37 0,192 0,4 0,141 0,3 0,091 0,65 0,091 0,6 0,141 0,65 0,01 0,95 0,101 0,65 0,141 0,65 0,061 0,65 0,03 0,9 0,26 7 27 8 0,05 7 14,4 7,2 0,02703 P38 0,192 0,6 0,141 0,65 0,091 0,7 0,091 0,55 0,141 0,6 0,01 0,55 0,101 0,7 0,141 0,65 0,061 0,6 0,03 0,9 0,25 30 72 36 0,14286 8 15,3 8,2 0,0274 P39 0,192 0,65 0,141 0,6 0,091 0,75 0,091 0,5 0,141 0,7 0,01 0,45 0,101 0,7 0,141 0,7 0,061 0,7 0,03 0,9 0,235 30 81 42 0,23529 10 21,6 10,9 0,07759 P40 0,192 0,6 0,141 0,65 0,091 0,7 0,091 0,55 0,141 0,65 0,01 0,5 0,101 0,65 0,141 0,75 0,061 0,65 0,03 0,8 0,25 20 54 23 0,08824 6 11,7 6,25 0,04386 P41 0,192 0,65 0,141 0,7 0,091 0,8 0,091 0,75 0,141 0,7 0,01 0,7 0,101 0,8 0,141 0,7 0,061 0,75 0,03 0,75 0,17 15 36 18 0,14286 4 9 4,21 0,042 P42 0,192 0,4 0,141 0,4 0,091 0,8 0,091 0,5 0,141 0,55 0,01 0,4 0,101 0,6 0,141 0,6 0,061 0,65 0,03 0,85 0,325 45 108 48 0,04762 15 45 17,8 0,09333 P43 0,192 0,85 0,141 0,85 0,091 0,8 0,091 0,85 0,141 0,85 0,01 0,8 0,101 0,95 0,141 0,9 0,061 0,9 0,03 0,9 0,035 60 216 96 0,23077 30 90 44,5 0,24167 P44 0,192 0,85 0,141 0,85 0,091 0,85 0,091 0,9 0,141 0,9 0,01 0,9 0,101 0,95 0,141 0,95 0,061 0,85 0,03 0,9 0,01 60 162 72 0,11765 25 72 32,2 0,15319 P45 0,192 0,8 0,141 0,9 0,091 0,8 0,091 0,8 0,141 0,9 0,01 0,9 0,101 0,95 0,141 0,9 0,061 0,85 0,03 0,9 0,03 45 144 63 0,18182 20 54 26,7 0,19706 P46 0,192 0,3 0,141 0,35 0,091 0,45 0,091 0,35 0,141 0,25 0,01 0,6 0,101 0,2 0,141 0,3 0,061 0,8 0,03 0,2 0,52 25 72 29 0,08511 0,5 1,8 1 0,38462 P47 0,192 0,65 0,141 0,45 0,091 0,7 0,091 0,45 0,141 0,45 0,01 0,35 0,101 0,5 0,141 0,65 0,061 0,65 0,03 0,9 0,325 45 108 62 0,26984 8 21,6 9 0,07353 P48 0,192 0,8 0,141 0,4 0,091 0,6 0,091 0,85 0,141 0,5 0,01 0,85 0,101 0,6 0,141 0,6 0,061 0,75 0,03 0,3 0,275 20 54 21 0,02941 1 2,7 1,1 0,05882 P49 0,192 0,45 0,141 0,65 0,091 0,75 0,091 0,5 0,141 0,8 0,01 0,5 0,101 0,7 0,141 0,6 0,061 0,65 0,03 0,8 0,26 20 54 23 0,08824 6 14,4 6,6 0,07143 P50 0,192 0,6 0,141 0,75 0,091 0,65 0,091 0,85 0,141 0,7 0,01 0,8 0,101 0,85 0,141 0,7 0,061 0,75 0,03 0,75 0,16 7 27 12 0,25 20 45 22,8 0,112 Р.БР. b1 M1 b2 M2 b3 M3 b4 M4 b5 M5 b6 M6 b7 M7 b8 M8 b9 M9 b10 M10 CT VS0 VSG VS CS VB0 VBG VB CB Т еж ин ск и ко еф . п ре м а ка те го ри ји п ро це не Б ез бе дн ос т Т еж ин ск и ко еф . п ре м а ка те го ри ји п ро це не Е рг он ом ск е ка ра кт ер ис ти ке Т еж ин ск и ко еф . п ре м а ка те го ри ји п ро це не Е ст ет ск е од ли ке Т еж ин ск и ко еф . п ре м а ка те го ри ји п ро це не П ро из во дн ос т Т еж ин ск и ко еф . п ре м а ка те го ри ји п ро це не М ог ућ но ст к он тр ол е кв ал ит ет а Т еж ин ск и ко еф . п ре м а ка те го ри ји п ро це не С кл ад иш те њ е и тр ан сп ор т Т еж ин ск и ко еф . п ре м а ка те го ри ји п ро це не Зх те ви о др ж ав ањ а Т еж ин ск и ко еф . п ре м а ка те го ри ји п ро це не П оу зд ан ос т у ек сп ло ат ац иј Т еж ин ск и ко еф . п ре м а ка те го ри ји п ро це не К ом пл ек сн ос т м он та ж е и ин ст ал ац иј е Т еж ин ск и ко еф . п ре м а ка те го ри ји п ро це не М ог ућ но ст ре ци кл ир ањ а Т еж ин а гр еш ке те хн ич ки х ка ра кт ер ис ти ка О пт им ал но в ре м е Г ра ни чн о вр ем е Р еа лн о в ре м е Т еж ин а гр еш ке пр ој ек тн ог п ла на О че ки ва ни б уџ ет Г ра ни чн и бу џе т Р еа лн и бу џе т Т еж ин а гр еш ке пр ој ек тн ог б уџ ет а P51 0,192 0,6 0,141 0,65 0,091 0,7 0,091 0,55 0,141 0,6 0,01 0,55 0,101 0,7 0,141 0,65 0,061 0,6 0,03 0,9 0,25 30 72 36 0,14286 8 15,3 8,2 0,0274 P52 0,192 0,65 0,141 0,6 0,091 0,75 0,091 0,5 0,141 0,7 0,01 0,45 0,101 0,7 0,141 0,7 0,061 0,7 0,03 0,9 0,235 30 81 42 0,23529 10 21,6 10,9 0,07759 Очекивана вредност 0,26971 Очекивана вредност 0,14992 0,11777 0,10142 0,0797 0,08136 Очекивана вредност Стандардна девијација Стандардна девојација Стандардна девијација 208 Прилог Д Нове променљиве величинe Табела Д.1. Преглед нових променљивих величина које утичу на техничке карактеристике пројекта Табела Д.2. Преглед нових променљивих величина које утичу на техничке карактеристике пројекта по фазама откривања Табела Д.3. Преглед нових променљивих величина које утичу на пројектни план Табела Д.4. Преглед нових променљивих величина које утичу на пројектни план по фазама откривања Табела Д.5. Преглед нових променљивих величина које утичу на пројектни буџет Табела Д.6. Преглед нових променљивих величина које утичу на пројектни буџет по фазама откривања Табела Д.1. Преглед нових променљивих величина које утичу на техничке карактеристике пројекта Rt1 Rt2 Rt3 Rt4 Št1 Št2 У зо ра к Н Е И С П У Њ Е Н О С Т Т Е Х Н И Ч К И Х Н О Р М И П Р О Б Л Е М И С А Д О Б А В Љ А Ч И М А У В Е ЗИ С А К В А Л И Т Е Т О М И С П О Р У К Е Љ У Д С К И Ф А К Т О Р Н Е А Д Е К В А Т Н О О Д А Б Р А Н И И Л И И ЗР А Ђ Е Н И А Л А Т И У Н А П Р Е Ђ Е Њ Е Т Е Х Н И Ч К И Х П Р О Ц Е С А К О Р И Ш Ћ Е Њ Е П О ЗН А Т И Х Т Е Х Н О Л О Г И ЈА P1 0 1 0 1 0 0 P2 0 0 0 0 0 1 P3 0 0 0 0 0 1 P4 0 1 0 0 0 1 P5 0 0 0 0 0 1 P6 0 0 0 1 0 1 P7 0 1 1 0 0 0 P8 0 1 1 0 0 0 P9 0 1 0 0 0 1 P10 0 0 1 1 0 1 P11 0 0 0 0 0 1 P12 1 0 0 1 0 1 P13 0 1 0 1 0 1 P14 0 0 0 1 0 1 P15 1 0 0 0 0 1 P16 0 1 0 1 0 1 P17 0 1 1 1 0 1 P18 0 1 0 1 0 1 P19 0 0 1 0 0 0 P20 1 0 1 0 0 0 P21 0 1 0 1 0 1 P22 0 0 0 1 0 1 P23 1 1 0 0 0 1 P24 0 0 0 0 0 1 P25 0 1 0 0 0 1 P26 0 0 1 0 0 0 P27 1 1 0 0 0 0 P28 1 1 1 1 1 1 P29 1 1 0 0 1 1 P30 0 1 1 0 1 1 P31 0 1 0 0 1 0 P32 0 1 0 0 0 1 P33 0 0 0 0 1 0 P34 0 1 1 0 0 1 P35 0 0 0 1 0 1 P36 0 1 0 0 0 1 P37 0 1 0 0 0 1 P38 0 1 1 0 0 0 P39 1 0 1 1 0 1 P40 0 1 1 1 0 1 P41 1 0 0 0 1 1 P42 0 0 0 0 1 1 P43 1 1 0 0 1 0 P44 0 0 0 0 1 0 P45 1 0 1 0 1 0 P46 0 0 0 0 0 1 P47 0 0 0 1 0 1 P48 0 1 0 0 0 1 P49 0 1 0 1 0 1 P50 1 1 0 0 0 0 P51 0 1 1 0 0 0 P52 1 0 0 0 1 1 Табела Д.2. Преглед нових променљивих величина које утичу на техничке карактеристике пројекта по фазама откривања Rt1 Rt2 Rt3 Rt4 Št1 Št2 У зо ра к Н Е И С П У Њ Е Н О С Т Т Е Х Н И Ч К И Х Н О Р М И П Р О Б Л Е М И С А Д О Б А В Љ А Ч И М А У В Е ЗИ С А К В А Л И Т Е Т О М И С П О Р У К Е Љ У Д С К И Ф А К Т О Р Н Е А Д Е К В А Т Н О О Д А Б Р А Н И И Л И И ЗР А Ђ Е Н И А Л А Т И У Н А П Р Е Ђ Е Њ Е Т Е Х Н И Ч К И Х П Р О Ц Е С А К О Р И Ш Ћ Е Њ Е П О ЗН А Т И Х Т Е Х Н О Л О Г И ЈА P1 0,89 0,37 P2 0,05 P3 0,14 P4 0,37 0,23 P5 0,23 P6 0,72 0,05 P7 0,37 0,14 P8 0,37 0,14 P9 0,37 0,05 P10 0,37 0,53 0,05 P11 0,05 P12 0,53 0,37 0,05 P13 0,37 0,37 0,14 P14 0,37 0,05 P15 0,37 0,14 P16 0,37 0,53 0,05 P17 0,37 0,23 0,37 0,14 P18 0,37 0,37 0,14 P19 0,14 P20 0,37 0,14 P21 0,37 0,37 0,05 P22 0,37 0,14 P23 0,53 0,37 0,14 P24 0,05 P25 0,37 0,05 P26 0,23 P27 0,72 0,72 P28 0,37 0,14 0,14 0,89 0,37 0,05 P29 1 0,37 0,53 0,23 P30 0,23 0,05 0,37 0,23 P31 0,37 0,37 P32 0,37 0,05 P33 0,53 P34 0,53 0,05 0,05 P35 0,53 0,05 P36 0,53 0,05 P37 0,14 0,14 P38 0,37 0,23 P39 0,53 0,37 0,14 0,05 P40 0,37 0,14 0,14 0,14 P41 0,37 0,23 0,05 P42 0,53 0,05 P43 0,53 0,72 0,37 P44 0,37 P45 0,37 0,37 0,05 P46 0,05 P47 0,72 0,05 P48 0,37 0,05 P49 0,37 0,37 0,05 P50 0,72 0,72 P51 0,37 0,23 P52 0,37 0,23 0,05 Табела Д.3. Преглед нових променљивих величина које утичу на пројектни план Rs1 Rs2 Rs3 Rs4 Rs5 Rs6 Rs7 Rs8 Šs1 Šs2 Šs3 Šs4 У зо ра к Е Л Е М Е Н Т А Р Н Е Н Е П О Г О Д Е Н Е ЗА Д О В О Љ С Т В О И Н В Е С Т И Т О Р А И ЗВ Е Д Е Н И М Р Е Ш Е Њ Е М А Д М И Н И С Т Р А Т И В Н О - О Р Г А Н И ЗА Ц И О Н И Р И ЗИ Ц И П Р О Б Л Е М И С А К О О П Е Р А Н Т И М А У В Е ЗИ С А Р О К О В И М А И ЗР А Д Е Н Е Д О В О Љ Н А М А Р К Е Т И Н Ш К А П О Д Р Ш К А П Р О Б Л Е М И С А Д О Б А В Љ А Ч И М А У В Е ЗИ С А Р О К О В И М А И С П О Р У К Е Н Е С Т А Б И Л Н О С Т Т Р Ж И Ш Т А Е Н Е Р Г Е Н А Т А Р И ЗИ Ц И У В Е ЗИ С А ЗА Х Т Е В И М А И Н В Е С Т И Т О Р А А Д А П Т И В Н О С Т Д И ЗА ЈН А М О Г У Ћ Н О С Т П Р Е Г О В А Р А Њ А Н Е ЗА В И С Н О С Т С О П С Т В Е Н Е П Р О И ЗВ О Д Њ Е У Н А П Р Е Ђ Е Н П Р О Ц Е С К О Н Т Р О Л Е К В А Л И Т Е Т А P1 0 0 0 0 0 0 1 0 0 0 0 0 P2 0 1 0 0 1 0 0 1 1 0 0 0 P3 0 0 0 1 1 0 0 0 1 0 0 0 P4 0 1 0 1 0 1 1 0 0 1 0 0 P5 0 0 1 0 0 1 1 0 0 1 0 0 P6 0 0 0 0 1 1 0 0 0 1 0 0 P7 0 0 0 1 0 1 0 1 0 1 0 0 P8 0 0 1 1 0 1 1 1 0 1 0 0 P9 1 0 0 0 0 1 1 0 1 0 0 0 P10 0 0 0 1 1 0 0 0 0 1 0 0 P11 0 0 1 0 0 0 0 0 0 1 0 0 P12 0 0 0 1 0 1 0 0 0 0 0 0 P13 0 1 0 0 0 0 0 0 1 0 0 0 P14 0 0 0 0 0 0 0 0 1 0 1 0 P15 0 1 0 0 1 0 0 0 1 0 0 0 P16 0 0 0 0 1 1 0 0 0 1 0 0 P17 0 0 0 1 0 1 1 0 0 1 0 0 P18 0 0 0 0 0 0 0 1 1 1 0 0 P19 0 1 0 1 0 0 0 1 0 0 0 0 P20 0 1 1 0 0 1 0 1 0 1 0 0 P21 0 0 0 1 1 0 1 0 0 0 0 0 P22 0 0 0 0 0 0 0 0 1 0 1 0 P23 0 1 0 0 0 1 0 0 1 0 0 0 P24 0 0 0 0 1 1 0 0 0 0 0 0 P25 0 0 0 0 1 1 0 0 0 0 0 0 P26 0 0 0 0 1 1 1 0 0 0 1 0 P27 0 0 0 0 0 1 0 0 0 1 0 0 P28 0 1 1 0 0 1 1 0 1 1 1 1 P29 0 1 0 1 1 1 0 0 0 1 0 1 P30 0 0 0 0 1 1 0 0 0 1 0 1 P31 0 0 1 0 1 1 1 0 0 0 0 1 P32 0 0 0 0 1 1 0 1 1 0 0 0 P33 0 0 0 0 1 1 1 0 0 1 0 0 P34 0 0 1 1 1 1 0 0 1 1 1 0 P35 0 0 0 0 1 1 0 0 1 0 1 0 P36 0 0 1 0 0 1 1 1 0 0 0 0 P37 0 0 0 0 1 1 0 0 1 0 0 0 P38 1 0 1 1 1 1 0 1 0 0 0 0 P39 0 1 0 1 0 1 1 1 1 1 1 0 P40 0 0 0 0 1 1 0 0 1 0 1 0 P41 0 0 0 0 1 0 1 0 0 1 0 1 P42 0 0 0 0 0 0 0 0 1 1 1 1 Rs1 Rs2 Rs3 Rs4 Rs5 Rs6 Rs7 Rs8 Šs1 Šs2 Šs3 Šs4 У зо ра к Е Л Е М Е Н Т А Р Н Е Н Е П О Г О Д Е Н Е ЗА Д О В О Љ С Т В О И Н В Е С Т И Т О Р А И ЗВ Е Д Е Н И М Р Е Ш Е Њ Е М А Д М И Н И С Т Р А Т И В Н О - О Р Г А Н И ЗА Ц И О Н И Р И ЗИ Ц И П Р О Б Л Е М И С А К О О П Е Р А Н Т И М А У В Е ЗИ С А Р О К О В И М А И ЗР А Д Е Н Е Д О В О Љ Н А М А Р К Е Т И Н Ш К А П О Д Р Ш К А П Р О Б Л Е М И С А Д О Б А В Љ А Ч И М А У В Е ЗИ С А Р О К О В И М А И С П О Р У К Е Н Е С Т А Б И Л Н О С Т Т Р Ж И Ш Т А Е Н Е Р Г Е Н А Т А Р И ЗИ Ц И У В Е ЗИ С А ЗА Х Т Е В И М А И Н В Е С Т И Т О Р А А Д А П Т И В Н О С Т Д И ЗА ЈН А М О Г У Ћ Н О С Т П Р Е Г О В А Р А Њ А Н Е ЗА В И С Н О С Т С О П С Т В Е Н Е П Р О И ЗВ О Д Њ Е У Н А П Р Е Ђ Е Н П Р О Ц Е С К О Н Т Р О Л Е К В А Л И Т Е Т А P43 0 0 0 0 0 1 1 1 0 0 0 1 P44 0 0 0 0 0 1 1 0 0 0 0 1 P45 0 0 0 0 0 1 1 0 0 0 0 0 P46 0 1 0 0 1 0 0 1 1 0 0 0 P47 0 0 0 0 1 1 0 0 0 1 0 0 P48 1 0 0 0 0 1 1 0 1 0 0 0 P49 0 0 0 1 1 0 1 0 0 0 0 0 P50 0 0 0 0 0 1 0 0 0 1 0 0 P51 1 0 1 1 1 1 0 1 0 0 0 0 P52 0 0 0 0 1 0 1 0 0 1 0 1 Табела Д.4. Преглед нових променљивих величина које утичу на пројектни план по фазама откривања Rs1 Rs2 Rs3 Rs4 Rs5 Rs6 Rs7 Rs8 Šs1 Šs2 Šs3 Šs4 У зо ра к Е Л Е М Е Н Т А Р Н Е Н Е П О Г О Д Е Н Е ЗА Д О В О Љ С Т В О И Н В Е С Т И Т О Р А И ЗВ Е Д Е Н И М Р Е Ш Е Њ Е М А Д М И Н И С Т Р А Т И В Н О -О Р Г А Н И ЗА Ц И О Н И Р И ЗИ Ц И П Р О Б Л Е М И С А К О О П Е Р А Н Т И М А У В Е ЗИ С А Р О К О В И М А И ЗР А Д Е Н Е Д О В О Љ Н А М А Р К Е Т И Н Ш К А П О Д Р Ш К А П Р О Б Л Е М И С А Д О Б А В Љ А Ч И М А У В Е ЗИ С А Р О К О В И М А И С П О Р У К Е Н Е С Т А Б И Л Н О С Т Т Р Ж И Ш Т А Е Н Е Р Г Е Н А Т А Р И ЗИ Ц И У В Е ЗИ С А ЗА Х Т Е В И М А И Н В Е С Т И Т О Р А А Д А П Т И В Н О С Т Д И ЗА ЈН А М О Г У Ћ Н О С Т П Р Е Г О В А Р А Њ А Н Е ЗА В И С Н О С Т С О П С Т В Е Н Е П Р О И ЗВ О Д Њ Е У Н А П Р Е Ђ Е Н П Р О Ц Е С К О Н Т Р О Л Е К В А Л И Т Е Т А P1 0,05 P2 0,53 0,53 0,53 0,14 P3 0,37 0,89 0,23 P4 1 0,37 0,37 0,37 0,14 P5 0,37 0,37 0,05 0,37 P6 1 0,53 0,05 P7 0,37 0,37 0,37 0,37 P8 0,14 0,37 0,14 0,89 0,37 0,37 P9 0,89 0,37 0,05 0,05 P10 0,37 0,89 0,14 P11 0,37 0,05 P12 0,37 0,37 P13 0,53 0,23 P14 0,05 0,05 P15 0,72 0,05 0,14 P16 1 0,53 0,05 P17 0,37 0,37 0,89 0,23 P18 0,37 0,14 0,05 P19 1 0,37 0,53 P20 1 0,89 0,53 0,37 0,14 P21 0,53 1 0,05 P22 0,23 0,14 P23 0,72 0,37 0,14 P24 1 0,37 P25 1 0,37 P26 0,89 0,37 0,05 0,89 P27 0,05 0,89 P28 1 1 0,05 0,14 0,23 1 0,05 0,37 P29 1 0,37 0,05 0,14 0,05 0,53 P30 1 0,53 0,89 0,37 P31 0,89 0,53 0,05 0,37 0,37 P32 0,05 0,37 0,53 0,14 P33 0,53 0,05 0,05 0,53 P34 0,37 0,37 0,05 0,53 0,05 0,05 0,05 P35 0,14 0,05 0,05 0,05 P36 1 0,53 0,14 0,23 P37 0,37 0,14 0,14 P38 0,89 0,37 0,37 0,89 0,37 P39 0,37 0,37 0,89 0,05 0,53 0,53 0,53 0,05 P40 0,72 0,05 0,23 0,05 P41 0,53 0,05 0,72 0,23 P42 0,05 0,05 0,14 0,53 Rs1 Rs2 Rs3 Rs4 Rs5 Rs6 Rs7 Rs8 Šs1 Šs2 Šs3 Šs4 У зо ра к Е Л Е М Е Н Т А Р Н Е Н Е П О Г О Д Е Н Е ЗА Д О В О Љ С Т В О И Н В Е С Т И Т О Р А И ЗВ Е Д Е Н И М Р Е Ш Е Њ Е М А Д М И Н И С Т Р А Т И В Н О -О Р Г А Н И ЗА Ц И О Н И Р И ЗИ Ц И П Р О Б Л Е М И С А К О О П Е Р А Н Т И М А У В Е ЗИ С А Р О К О В И М А И ЗР А Д Е Н Е Д О В О Љ Н А М А Р К Е Т И Н Ш К А П О Д Р Ш К А П Р О Б Л Е М И С А Д О Б А В Љ А Ч И М А У В Е ЗИ С А Р О К О В И М А И С П О Р У К Е Н Е С Т А Б И Л Н О С Т Т Р Ж И Ш Т А Е Н Е Р Г Е Н А Т А Р И ЗИ Ц И У В Е ЗИ С А ЗА Х Т Е В И М А И Н В Е С Т И Т О Р А А Д А П Т И В Н О С Т Д И ЗА ЈН А М О Г У Ћ Н О С Т П Р Е Г О В А Р А Њ А Н Е ЗА В И С Н О С Т С О П С Т В Е Н Е П Р О И ЗВ О Д Њ Е У Н А П Р Е Ђ Е Н П Р О Ц Е С К О Н Т Р О Л Е К В А Л И Т Е Т А P43 0,05 0,53 0,14 0,37 P44 0,05 0,05 0,37 P45 0,05 0,05 P46 0,53 0,53 0,53 0,14 P47 1 0,53 0,05 P48 0,89 0,37 0,05 0,05 P49 0,53 1 0,05 P50 0,05 0,89 P51 0,89 0,37 0,37 0,89 0,37 0,05 P52 0,53 0,05 0,72 0,23 Табела Д.5. Преглед нових променљивих величина које утичу на пројектни буџет Rb1 Rb2 Rb3 Rb4 Rb5 Šb1 Šb2 Šb3 У зо ра к О Д У С Т А ЈА Њ Е О Д П Р О ЈЕ К Т А Н Е ЈА С А Н (Н Е П О Т П У Н ) ЗА Х Т Е В И Н В Е С Т И Т О Р А П Р О Б Л Е М И С А С К Л А Д И Ш Т Е Њ Е М И Т Р А Н С П О Р Т О М О Г Р А Н И Ч Е Њ Е И Н В Е С Т И Ц И О Н О Г Б У Џ Е Т А О П О Р Т У Н И Т Р О Ш К О В И О П Т И М И ЗА Ц И ЈА Т Е Х Н О Л О Ш К О Г П О С Т У П К А М О Г У Ћ Н О С Т П Р Е Г О В А Р А Њ А К О Р И Ш Ћ Е Њ Е П О С Т О ЈЕ Ћ И Х А Л А Т А P1 0 0 0 0 0 0 0 0 P2 1 1 0 0 0 0 0 1 P3 0 0 0 0 0 0 0 1 P4 0 0 0 0 0 0 1 0 P5 0 0 1 0 0 1 1 0 P6 0 0 1 0 0 0 1 0 P7 0 1 0 0 0 0 1 0 P8 0 1 1 0 1 1 1 0 P9 0 0 0 0 0 0 0 1 P10 0 0 0 0 0 0 1 0 P11 0 0 0 0 0 0 1 0 P12 0 0 0 0 0 0 0 0 P13 1 0 0 0 0 0 0 1 P14 0 0 0 0 0 0 0 1 P15 1 0 0 0 0 0 0 1 P16 0 0 0 1 0 0 1 0 P17 0 0 0 0 0 0 1 0 P18 0 0 0 0 0 0 1 1 P19 1 1 0 0 0 0 0 0 P20 1 1 1 0 0 1 1 0 P21 0 0 0 1 0 1 0 0 P22 0 0 0 0 0 0 0 1 P23 1 0 0 0 0 0 0 0 P24 0 0 0 0 0 0 0 0 P25 0 0 0 0 0 0 0 0 P26 0 0 1 1 0 1 0 0 P27 0 0 1 0 0 0 1 0 P28 0 0 0 1 1 1 1 0 P29 0 0 0 0 0 1 1 0 P30 0 0 1 1 0 1 1 0 P31 0 0 1 0 1 0 0 0 P32 0 1 0 0 1 0 0 0 P33 0 0 1 1 0 0 1 0 P34 0 0 0 1 0 1 1 0 P35 0 0 0 1 1 1 0 0 P36 0 1 0 1 0 0 0 0 P37 1 0 0 0 0 0 0 0 P38 1 1 0 1 0 1 0 0 P39 0 1 0 1 1 1 1 1 P40 0 0 0 1 0 1 0 0 P41 1 0 1 1 0 1 1 0 P42 0 0 1 1 1 1 1 0 P43 1 1 1 1 0 0 0 0 P44 0 0 1 1 0 0 0 0 P45 0 0 1 1 0 0 0 0 P46 1 1 0 0 0 0 0 1 P47 0 0 1 0 0 0 1 0 P48 0 0 0 0 0 0 0 1 P49 0 0 0 1 0 1 0 0 P50 0 0 1 0 0 0 1 0 P51 1 1 0 1 0 1 0 0 P52 1 0 1 1 0 1 1 0 Табела Д.6. Преглед нових променљивих величина које утичу на пројектни буџет по фазама откривања Rb1 Rb2 Rb3 Rb4 Rb5 Šb1 Šb2 Šb3 У зо ра к О Д У С Т А ЈА Њ Е О Д П Р О ЈЕ К Т А Н Е ЈА С А Н (Н Е П О Т П У Н ) ЗА Х Т Е В И Н В Е С Т И Т О Р А П Р О Б Л Е М И С А С К Л А Д И Ш Т Е Њ Е М И Т Р А Н С П О Р Т О М О Г Р А Н И Ч Е Њ Е И Н В Е С Т И Ц И О Н О Г Б У Џ Е Т А О П О Р Т У Н И Т Р О Ш К О В И О П Т И М И ЗА Ц И Ј А Т Е Х Н О Л О Ш К О Г П О С Т У П К А М О Г У Ћ Н О С Т П Р Е Г О В А Р А Њ А К О Р И Ш Ћ Е Њ Е П О С Т О ЈЕ Ћ И Х А Л А Т А P1 P2 0,53 0,53 0,14 P3 0,23 P4 0,14 P5 0,37 0,89 0,37 P6 0,72 0,05 P7 0,05 0,37 P8 0,37 0,37 0,89 0,89 0,37 P9 0,05 P10 0,14 P11 0,05 P12 P13 0,53 0,14 P14 0,05 P15 0,72 0,14 P16 0,05 0,05 P17 0,23 P18 0,05 0,14 P19 1 0,14 P20 0,37 0,37 0,89 0,72 0,14 P21 0,53 0,37 P22 0,23 P23 0,72 P24 P25 P26 0,05 1 0,89 P27 0,05 0,89 P28 0,53 0,05 0,37 1 P29 0,23 0,05 P30 0,89 0,05 0,23 0,89 P31 0,89 0,05 P32 0,53 0,53 P33 0,05 0,05 0,53 P34 0,05 0,23 0,05 P35 0,05 0,37 0,37 P36 0,14 0,05 P37 0,72 P38 0,89 0,05 0,05 0,23 P39 0,53 0,89 0,14 0,53 0,53 0,53 P40 0,05 0,53 P41 0,37 0,05 0,37 0,37 0,72 P42 0,53 0,05 0,05 0,37 0,05 P43 0,37 0,14 0,05 0,05 P44 0,05 0,05 P45 0,05 0,05 P46 0,53 0,53 0,14 P47 0,72 0,05 P48 0,05 P49 0,53 0,37 P50 0,05 0,89 P51 0,89 0,05 0,05 0,23 P52 0,37 0,05 0,37 0,37 0,72 217 Прилог Ђ Извештај о статистичкој анализи променљивих Прилог Ђ.1 Статистичка анализа променљивих величина вероватноће настанка ризика који утичу на техничке карактеристике пројекта (Crystal Ball) Прилог Ђ.2 Статистичка анализа променљивих величина вероватноће откривања ризика који утичу на техничке карактеристике пројекта (Crystal Ball) Прилог Ђ.3 Статистичка анализа променљивих величина тежине грешке техничких карактеристика пројекта (Crystal Ball) Прилог Ђ.4 Статистичка анализа променљивих величина вероватноће настанка ризика који утичу на који утичу на пројектни план (Crystal Ball) Прилог Ђ.5 Статистичка анализа променљивих величина вероватноће откривања ризика који утичу на пројектни план (Crystal Ball) Прилог Ђ.6. Статистичка анализа променљиве величине тежине грешке пројектног плана (Crystal Ball) Прилог Ђ.7 Статистичка анализа променљивих величина вероватноће настанка ризика који утичу на који утичу на пројектни буџет (Crystal Ball) Прилог Ђ.8 Статистичка анализа променљивих величина вероватноће откривања ризика који утичу на пројектни буџет (Crystal Ball) Прилог Ђ.9 Статистичка анализа променљиве величине тежине грешке пројектног буџета (Crystal Ball) Прилог Ђ.1 Статистичка анализа променљивих величина вероватноће настанка ризика који утичу на техничке карактеристике пројекта (Crystal Ball) Crystal Ball Report - Assumptions Worksheet: [Book6]Raspodele_Tehničke_Pe Assumption: NEISPUNJENOST TEHNIČKIH NORMI: Best Fit Cell: B2 Beta distribution with parameters: Minimum -0,49 Maximum 1,21 Alpha 1,203160552 Beta 1,559178696 Statistics: Assumption values Distribution Trials --- Base Case 0,25 Mean 0,25 Median 0,22 Mode -0,04 Standard Deviation 0,43 Variance 0,19 Skewness 0,2117 Kurtosis 2,01 Coeff. of Variability 1,73 Minimum -0,49 Maximum 1,21 Range Width 1,69 Mean Std. Error --- Percentiles: Assumption values Distribution 0% -0,49 10% -0,32 20% -0,18 30% -0,05 40% 0,09 50% 0,22 60% 0,36 70% 0,51 80% 0,68 90% 0,87 100% 1,21 Assumption: PROBLEMI SA DOBAVLJAČIMA U VEZI SA KVALITETOM ISPORUKE: Best FitCell: B3 Beta distribution with parameters: Minimum -0,09 Maximum 1,17 Alpha 0,3 Beta 0,3 Statistics: Assumption values Distribution Trials --- Base Case 0,54 Mean 0,54 Median 0,54 Mode --- Standard Deviation 0,5 Variance 0,25 Skewness 0,00 Kurtosis 1,33 Coeff. of Variability 0,9258 Minimum -0,09 Maximum 1,17 Range Width 1,26 Mean Std. Error --- Percentiles: Assumption values Distribution 0% -0,09 10% -0,09 20% -0,05 30% 0,06 40% 0,26 50% 0,54 60% 0,81 70% 1,02 80% 1,13 90% 1,16 100% 1,17 Assumption: KORIŠĆENJE POZNATIH TEHNOLOGIJA: Best Fit Cell: B7 Logistic distribution with parameters: Mean 0,79 Scale 0,29 Assumption: KORIŠĆENJE POZNATIH TEHNOLOGIJA: Best Fit (cont'd) Cell: B7 Statistics: Assumption values Distribution Trials --- Base Case 0,79 Mean 0,79 Median 0,79 Mode 0,79 Standard Deviation 0,52 Variance 0,27 Skewness 0,00 Kurtosis 4,20 Coeff. of Variability 0,6550 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,16 20% 0,4 30% 0,55 40% 0,68 50% 0,79 60% 0,91 70% 1,04 80% 1,19 90% 1,42 100% Infinity Assumption: LJUDSKI FAKTOR: Best Fit Cell: B4 Logistic distribution with parameters: Mean 0,21 Scale 0,29 Assumption: LJUDSKI FAKTOR: Best Fit (cont'd) Cell: B4 Statistics: Assumption values Distribution Trials --- Base Case 0,21 Mean 0,21 Median 0,21 Mode 0,21 Standard Deviation 0,52 Variance 0,27 Skewness 0,00 Kurtosis 4,20 Coeff. of Variability 2,52 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% -0,42 20% -0,19 30% -0,04 40% 0,09 50% 0,21 60% 0,32 70% 0,45 80% 0,6 90% 0,84 100% Infinity Assumption: NEADEKVATNO ODABRANI ILI IZRAĐENI ALATI: Best Fit Cell: B5 Beta distribution with parameters: Minimum -0,21 Maximum 1,16 Alpha 0,415440572 Beta 0,642959108 Assumption: NEADEKVATNO ODABRANI ILI IZRAĐENI ALATI: Best Fit (cont'd) Cell: B5 Statistics: Assumption values Distribution Trials --- Base Case 0,33 Mean 0,33 Median 0,22 Mode --- Standard Deviation 0,47 Variance 0,22 Skewness 0,4130 Kurtosis 1,71 Coeff. of Variability 1,43 Minimum -0,21 Maximum 1,16 Range Width 1,38 Mean Std. Error --- Percentiles: Assumption values Distribution 0% -0,21 10% -0,2 20% -0,16 30% -0,08 40% 0,05 50% 0,22 60% 0,42 70% 0,64 80% 0,86 90% 1,06 100% 1,16 Assumption: UNAPREĐENJE TEHNIČKIH PROCESA: Best Fit Cell: B6 Minimum Extreme distribution with parameters: Likeliest 0,44 Scale 0,48 Assumption: UNAPREĐENJE TEHNIČKIH PROCESA: Best Fit (cont'd) Cell: B6 Statistics: Assumption values Distribution Trials --- Base Case 0,17 Mean 0,17 Median 0,27 Mode 0,44 Standard Deviation 0,61 Variance 0,37 Skewness -1,14 Kurtosis 5,40 Coeff. of Variability 3,69 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% -0,63 20% -0,27 30% -0,05 40% 0,12 50% 0,27 60% 0,4 70% 0,53 80% 0,67 90% 0,84 100% Infinity End of Assumptions Табела Ђ.1. Поклапање расподела вероватноћа настанка ризика који утичу на техничке карактеристике пројекта са тероијским расподелама (Crystal Ball) Data Series: Best Fit: Anderson-Darling P-Value: НЕИСПУЊЕНОСТ ТЕХНИЧКИХ НОРМИ Beta 10,8920 --- ПРОБЛЕМИ СА ДОБАВЉАЧИМА У ВЕЗИ СА КВАЛИТЕТОМ ИСПОРУКЕ Beta 6,8614 --- ЉУДСКИ ФАКТОР Logistic 10,1100 0,000 НЕАДЕКВАТНО ОДАБРАНИ ИЛИ ИЗРАЂЕНИ АЛАТИ Beta 8,1287 --- УНАПРЕЂЕЊЕ ТЕХНИЧКИХ ПРОЦЕСА Min Extreme 12,1316 0,000 КОРИШЋЕЊЕ ПОЗНАТИХ ТЕХНОЛОГИЈА Logistic 10,1100 0,000 Прилог Ђ.2 Статистичка анализа променљивих величина вероватноће откривања ризика који утичу на техничке карактеристике пројекта (Crystal Ball) Crystal Ball Report - Assumptions Worksheet: [Book7]Raspodele_Tehničke_Pd Assumption: ADAPTIVNOST DIZAJNA: Best Fit Cell: B10 Logistic distribution with parameters: Mean 0,15 Scale 0,03 Statistics: Assumption values Distribution Trials --- Base Case 0,15 Mean 0,15 Median 0,15 Mode 0,15 Standard Deviation 0,05 Variance 0, Skewness 0,00 Kurtosis 4,20 Coeff. of Variability 0,3385 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,09 20% 0,11 30% 0,13 40% 0,14 50% 0,15 60% 0,16 70% 0,18 80% 0,19 90% 0,22 100% Infinity Assumption: ADMINISTRATIVNO-ORGANIZACIONI RIZICI: Best Fit Cell: B4 Maximum Extreme distribution with parameters: Likeliest 0,51 Scale 0,15 Statistics: Assumption values Distribution Trials --- Base Case 0,6 Mean 0,6 Median 0,57 Mode 0,51 Standard Deviation 0,19 Variance 0,04 Skewness 1,14 Kurtosis 5,40 Coeff. of Variability 0,3214 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,39 20% 0,44 30% 0,48 40% 0,52 50% 0,57 60% 0,61 70% 0,67 80% 0,74 90% 0,85 100% Infinity Assumption: ELEMENTARNE NEPOGODE: Best Fit Cell: B2 BetaPERT distribution with parameters: Minimum 0,87 Likeliest 0,89 Maximum 0,91 Statistics: Assumption values Distribution Trials --- Base Case 0,89 Mean 0,89 Median 0,89 Mode 0,89 Standard Deviation 0,01 Variance 0, Skewness 0,00 Kurtosis 2,33 Coeff. of Variability 0,0083 Minimum 0,87 Maximum 0,91 Range Width 0,04 Mean Std. Error --- Percentiles: Assumption values Distribution 0% 0,87 10% 0,88 20% 0,88 30% 0,89 40% 0,89 50% 0,89 60% 0,89 70% 0,89 80% 0,9 90% 0,9 100% 0,91 Assumption: MOGUĆNOST PREGOVARANJA: Best Fit Cell: B11 Logistic distribution with parameters: Mean 0,35 Scale 0,12 Assumption: MOGUĆNOST PREGOVARANJA: Best Fit (cont'd) Cell: B11 Statistics: Assumption values Distribution Trials --- Base Case 0,35 Mean 0,35 Median 0,35 Mode 0,35 Standard Deviation 0,21 Variance 0,04 Skewness 0,00 Kurtosis 4,20 Coeff. of Variability 0,6033 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,09 20% 0,19 30% 0,25 40% 0,3 50% 0,35 60% 0,4 70% 0,45 80% 0,51 90% 0,61 100% Infinity Assumption: NEDOVOLJNA MARKETINŠKA PODRŠKA: Best Fit Cell: B6 Logistic distribution with parameters: Mean 0,67 Scale 0,13 Assumption: NEDOVOLJNA MARKETINŠKA PODRŠKA: Best Fit (cont'd) Cell: B6 Statistics: Assumption values Distribution Trials --- Base Case 0,67 Mean 0,67 Median 0,67 Mode 0,67 Standard Deviation 0,24 Variance 0,06 Skewness 0,00 Kurtosis 4,20 Coeff. of Variability 0,3622 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,38 20% 0,48 30% 0,56 40% 0,62 50% 0,67 60% 0,72 70% 0,78 80% 0,86 90% 0,96 100% Infinity Assumption: NESTABILNOST TRŽIŠTA ENERGENATA: Best Fit Cell: B8 Maximum Extreme distribution with parameters: Likeliest 0,14 Scale 0,1 Assumption: NESTABILNOST TRŽIŠTA ENERGENATA: Best Fit (cont'd) Cell: B8 Statistics: Assumption values Distribution Trials --- Base Case 0,19 Mean 0,19 Median 0,17 Mode 0,14 Standard Deviation 0,12 Variance 0,02 Skewness 1,14 Kurtosis 5,40 Coeff. of Variability 0,6329 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,06 20% 0,09 30% 0,12 40% 0,15 50% 0,17 60% 0,2 70% 0,24 80% 0,28 90% 0,35 100% Infinity Assumption: NEZADOVOLJSTVO INVESTITORA IZVEDENIM REŠENJEM: Best Fit Cell: B3 Student's t distribution with parameters: Midpoint 0,76 Scale 0,09 Deg. Freedom 5,619112013 Assumption: NEZADOVOLJSTVO INVESTITORA IZVEDENIM REŠENJEM: Best Fit (cont'd) Cell: B3 Statistics: Assumption values Distribution Trials --- Base Case 0,76 Mean 0,76 Median 0,76 Mode 0,76 Standard Deviation 0,11 Variance 0,01 Skewness 0,00 Kurtosis 6,71 Coeff. of Variability 0,1423 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,64 20% 0,68 30% 0,72 40% 0,74 50% 0,76 60% 0,79 70% 0,81 80% 0,84 90% 0,89 100% Infinity Assumption: NEZAVISNOST SOPSTVENE PROIZVODNJE: Best Fit Cell: B12 Logistic distribution with parameters: Mean 0,16 Scale 0,03 Assumption: NEZAVISNOST SOPSTVENE PROIZVODNJE: Best Fit (cont'd) Cell: B12 Statistics: Assumption values Distribution Trials --- Base Case 0,16 Mean 0,16 Median 0,16 Mode 0,16 Standard Deviation 0,06 Variance 0, Skewness 0,00 Kurtosis 4,20 Coeff. of Variability 0,3971 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,08 20% 0,11 30% 0,13 40% 0,15 50% 0,16 60% 0,17 70% 0,19 80% 0,21 90% 0,24 100% Infinity Assumption: PROBLEMI SA DOBAVLJAČIMA U VEZI SA ROKOVIMA ISPORUKE: Best Fit Cell: B7 Logistic distribution with parameters: Mean 0,31 Scale 0,1 Assumption: PROBLEMI SA DOBAVLJAČIMA U VEZI SA ROKOVIMA ISPORUKE: Best Fit (cont'd)Cell: B7 Statistics: Assumption values Distribution Trials --- Base Case 0,31 Mean 0,31 Median 0,31 Mode 0,31 Standard Deviation 0,17 Variance 0,03 Skewness 0,00 Kurtosis 4,20 Coeff. of Variability 0,5630 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,1 20% 0,17 30% 0,23 40% 0,27 50% 0,31 60% 0,35 70% 0,39 80% 0,44 90% 0,52 100% Infinity Assumption: PROBLEMI SA KOOPERANTIMA U VEZI SA ROKOVIMA IZRADE: Best Fit Cell: B5 Maximum Extreme distribution with parameters: Likeliest 0,38 Scale 0,01 Assumption: PROBLEMI SA KOOPERANTIMA U VEZI SA ROKOVIMA IZRADE: Best Fit (cont'd)Cell: B5 Statistics: Assumption values Distribution Trials --- Base Case 0,39 Mean 0,39 Median 0,39 Mode 0,38 Standard Deviation 0,02 Variance 0, Skewness 1,14 Kurtosis 5,40 Coeff. of Variability 0,0443 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,37 20% 0,38 30% 0,38 40% 0,38 50% 0,39 60% 0,39 70% 0,4 80% 0,4 90% 0,41 100% Infinity Assumption: RIZICI U VEZI SA ZAHTEVIMA INVESTITORA: Best Fit Cell: B9 Student's t distribution with parameters: Midpoint 0,38 Scale 0,04 Deg. Freedom 3 Assumption: RIZICI U VEZI SA ZAHTEVIMA INVESTITORA: Best Fit (cont'd) Cell: B9 Statistics: Assumption values Distribution Trials --- Base Case 0,38 Mean 0,38 Median 0,38 Mode 0,38 Standard Deviation 0,08 Variance 0,01 Skewness --- Kurtosis --- Coeff. of Variability 0,2029 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,31 20% 0,34 30% 0,35 40% 0,37 50% 0,38 60% 0,39 70% 0,41 80% 0,42 90% 0,45 100% Infinity Assumption: UNAPREĐEN PROCES KONTROLE KVALITETA : Best Fit Cell: B13 Student's t distribution with parameters: Midpoint 0,37 Scale 0,02 Deg. Freedom 3 Assumption: UNAPREĐEN PROCES KONTROLE KVALITETA : Best Fit (cont'd) Cell: B13 Statistics: Assumption values Distribution Trials --- Base Case 0,37 Mean 0,37 Median 0,37 Mode 0,37 Standard Deviation 0,04 Variance 0, Skewness --- Kurtosis --- Coeff. of Variability 0,1123 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,33 20% 0,35 30% 0,36 40% 0,37 50% 0,37 60% 0,38 70% 0,39 80% 0,4 90% 0,41 100% Infinity End of Assumptions Табела Ђ.2. Поклапање расподела вероватноћа откривања ризика који утичу на техничке карактеристике пројекта са тероијским расподелама (Crystal Ball) Data Series: Best Fit: Anderson-Darling P-Value: ЕЛЕМЕНТАРНЕ НЕПОГОДЕ BetaPERT 18,9383 --- НЕЗАДОВОЉСТВО ИНВЕСТИТОРА ИЗВЕДЕНИМ РЕШЕЊЕМStudent's t 10,1235 --- АДМИНИСТРАТИВНО-ОРГАНИЗАЦИОНИ РИЗИЦИ Max Extreme 10,1666 0,000 ПРОБЛЕМИ СА КООПЕРАНТИМА У ВЕЗИ СА РОКОВИМА ИЗРАДЕMax Extreme 8,5881 0,000 НЕДОВОЉНА МАРКЕТИНШКА ПОДРШКА Logistic 3,3651 0,000 ПРОБЛЕМИ СА ДОБАВЉАЧИМА У ВЕЗИ СА РОКОВИМА ИСПОРУКЕLogistic 2,5481 0,000 НЕСТАБИЛНОСТ ТРЖИШТА ЕНЕРГЕНАТА Max Extreme 5,8311 0,000 РИЗИЦИ У ВЕЗИ СА ЗАХТЕВИМА ИНВЕСТИТОРА Student's t 10,9997 --- АДАПТИВНОСТ ДИЗАЈНА Logistic 6,9762 0,000 МОГУЋНОСТ ПРЕГОВАРАЊА Logistic 4,8807 0,000 НЕЗАВИСНОСТ СОПСТВЕНЕ ПРОИЗВОДЊЕ Logistic 12,3024 0,000 УНАПРЕЂЕН ПРОЦЕС КОНТРОЛЕ КВАЛИТЕТА Student's t 14,3940 --- Прилог Ђ.3 Статистичка анализа променљивих величина тежине грешке техничких карактеристика пројекта (Crystal Ball) Crystal Ball Report - Assumptions Worksheet: [Book8]Raspodele_Kriterijumi Assumption: Kriterijum investitora: Best Fit Cell: B3 Uniform distribution with parameters: Minimum 0,75 Maximum 0,95 Statistics: Assumption values Distribution Trials --- Base Case 0,85 Mean 0,85 Median 0,85 Mode --- Standard Deviation 0,06 Variance 0, Skewness 0,00 Kurtosis 1,80 Coeff. of Variability 0,0705 Minimum 0,75 Maximum 0,95 Range Width 0,21 Mean Std. Error --- Percentiles: Assumption values Distribution 0% 0,75 10% 0,77 20% 0,79 30% 0,81 40% 0,83 50% 0,85 60% 0,87 70% 0,89 80% 0,91 90% 0,93 100% 0,95 Assumption: Kriterijum korisnika: Best Fit Cell: B4 Weibull distribution with parameters: Location 0,03 Scale 0,74 Shape 6,305528652 Statistics: Assumption values Distribution Trials --- Base Case 0,72 Mean 0,72 Median 0,73 Mode 0,75 Standard Deviation 0,13 Variance 0,02 Skewness -0,4033 Kurtosis 3,08 Coeff. of Variability 0,1767 Minimum 0,03 Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% 0,03 10% 0,55 20% 0,62 30% 0,66 40% 0,7 50% 0,73 60% 0,76 70% 0,79 80% 0,83 90% 0,88 100% Infinity Assumption: Tehnički kriterijum: Best Fit Cell: B2 Weibull distribution with parameters: Location 0,09 Scale 0,64 Shape 4,622933313 Statistics: Assumption values Distribution Trials --- Base Case 0,68 Mean 0,68 Median 0,68 Mode 0,7 Standard Deviation 0,14 Variance 0,02 Skewness -0,1983 Kurtosis 2,83 Coeff. of Variability 0,2137 Minimum 0,09 Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% 0,09 10% 0,48 20% 0,55 30% 0,6 40% 0,65 50% 0,68 60% 0,72 70% 0,76 80% 0,8 90% 0,86 100% Infinity End of Assumptions Табела Ђ.3. Поклапање расподела променљивих грешке техничких карактеристика пројекта са тероијским расподелама (Crystal Ball) Data Series: Best Fit: Anderson-Darling P-Value: Технички критеријум Weibull 0,3979 0,208 Критеријум инвеститора Uniform 3,4335 0,000 Критеријум корисника Weibull 0,7574 0,178 Прилог Ђ.4. Статистичка анализа променљивих величина вероватноће настанка ризика који утичу на пројектни план (Crystal Ball) Crystal Ball Report - Assumptions Worksheet: [Book9]Raspodele_Plan_Pe Assumption: ADAPTIVNOST DIZAJNA: Best Fit Cell: B10 Beta distribution with parameters: Minimum -0,2 Maximum 1,05 Alpha 0,3 Beta 0,364877903 Statistics: Assumption values Distribution Trials --- Base Case 0,37 Mean 0,37 Median 0,29 Mode --- Standard Deviation 0,48 Variance 0,23 Skewness 0,1899 Kurtosis 1,40 Coeff. of Variability 1,32 Minimum -0,2 Maximum 1,05 Range Width 1,25 Mean Std. Error --- Percentiles: Assumption values Distribution 0% -0,2 10% -0,2 20% -0,17 30% -0,09 40% 0,06 50% 0,29 60% 0,55 70% 0,79 80% 0,96 90% 1,04 100% 1,05 Assumption: ADMINISTRATIVNO-ORGANIZACIONI RIZICI: Best Fit Cell: B4 Minimum Extreme distribution with parameters: Likeliest 0,41 Scale 0,47 Statistics: Assumption values Distribution Trials --- Base Case 0,14 Mean 0,14 Median 0,24 Mode 0,41 Standard Deviation 0,61 Variance 0,37 Skewness -1,14 Kurtosis 5,40 Coeff. of Variability 4,26 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% -0,65 20% -0,29 30% -0,07 40% 0,1 50% 0,24 60% 0,37 70% 0,5 80% 0,64 90% 0,81 100% Infinity Assumption: ELEMENTARNE NEPOGODE: Best Fit Cell: B2 Minimum Extreme distribution with parameters: Likeliest 0,24 Scale 0,41 Assumption: ELEMENTARNE NEPOGODE: Best Fit (cont'd) Cell: B2 Statistics: Assumption values Distribution Trials --- Base Case 0, Mean 0, Median 0,09 Mode 0,24 Standard Deviation 0,53 Variance 0,28 Skewness -1,14 Kurtosis 5,40 Coeff. of Variability 113,16 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% -0,68 20% -0,37 30% -0,18 40% -0,03 50% 0,09 60% 0,21 70% 0,32 80% 0,44 90% 0,58 100% Infinity Assumption: MOGUĆNOST PREGOVARANJA: Best Fit Cell: B11 Beta distribution with parameters: Minimum -0,19 Maximum 1,07 Alpha 0,3 Beta 0,3 Assumption: MOGUĆNOST PREGOVARANJA: Best Fit (cont'd) Cell: B11 Statistics: Assumption values Distribution Trials --- Base Case 0,44 Mean 0,44 Median 0,44 Mode --- Standard Deviation 0,5 Variance 0,25 Skewness 0,00 Kurtosis 1,33 Coeff. of Variability 1,12 Minimum -0,19 Maximum 1,07 Range Width 1,26 Mean Std. Error --- Percentiles: Assumption values Distribution 0% -0,19 10% -0,18 20% -0,14 30% -0,03 40% 0,17 50% 0,44 60% 0,72 70% 0,92 80% 1,03 90% 1,07 100% 1,07 Assumption: NEDOVOLJNA MARKETINŠKA PODRŠKA: Best Fit Cell: B6 Beta distribution with parameters: Minimum -0,13 Maximum 1,13 Alpha 0,3 Beta 0,3 Assumption: NEDOVOLJNA MARKETINŠKA PODRŠKA: Best Fit (cont'd) Cell: B6 Statistics: Assumption values Distribution Trials --- Base Case 0,5 Mean 0,5 Median 0,5 Mode --- Standard Deviation 0,5 Variance 0,25 Skewness 0,00 Kurtosis 1,33 Coeff. of Variability 1,00 Minimum -0,13 Maximum 1,13 Range Width 1,26 Mean Std. Error --- Percentiles: Assumption values Distribution 0% -0,13 10% -0,13 20% -0,09 30% 0,02 40% 0,23 50% 0,5 60% 0,77 70% 0,98 80% 1,09 90% 1,13 100% 1,13 Assumption: NESTABILNOST TRŽIŠTA ENERGENATA: Best Fit Cell: B8 Logistic distribution with parameters: Mean 0,33 Scale 0,33 Assumption: NESTABILNOST TRŽIŠTA ENERGENATA: Best Fit (cont'd) Cell: B8 Statistics: Assumption values Distribution Trials --- Base Case 0,33 Mean 0,33 Median 0,33 Mode 0,33 Standard Deviation 0,59 Variance 0,35 Skewness 0,00 Kurtosis 4,20 Coeff. of Variability 1,78 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% -0,38 20% -0,12 30% 0,06 40% 0,2 50% 0,33 60% 0,47 70% 0,61 80% 0,79 90% 1,05 100% Infinity Assumption: NEZADOVOLJSTVO INVESTITORA IZVEDENIM REŠENJEM: Best Fit Cell: B3 Minimum Extreme distribution with parameters: Likeliest 0,44 Scale 0,48 Assumption: NEZADOVOLJSTVO INVESTITORA IZVEDENIM REŠENJEM: Best Fit (cont'd) Cell: B3 Statistics: Assumption values Distribution Trials --- Base Case 0,17 Mean 0,17 Median 0,27 Mode 0,44 Standard Deviation 0,61 Variance 0,37 Skewness -1,14 Kurtosis 5,40 Coeff. of Variability 3,69 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% -0,63 20% -0,27 30% -0,05 40% 0,12 50% 0,27 60% 0,4 70% 0,53 80% 0,67 90% 0,84 100% Infinity Assumption: NEZAVISNOST SOPSTVENE PROIZVODNJE: Best Fit Cell: B12 Minimum Extreme distribution with parameters: Likeliest 0,39 Scale 0,47 Assumption: NEZAVISNOST SOPSTVENE PROIZVODNJE: Best Fit (cont'd) Cell: B12 Statistics: Assumption values Distribution Trials --- Base Case 0,12 Mean 0,12 Median 0,22 Mode 0,39 Standard Deviation 0,6 Variance 0,36 Skewness -1,14 Kurtosis 5,40 Coeff. of Variability 5,03 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% -0,66 20% -0,31 30% -0,09 40% 0,08 50% 0,22 60% 0,35 70% 0,48 80% 0,61 90% 0,78 100% Infinity Assumption: PROBLEMI SA DOBAVLJAČIMA U VEZI SA ROKOVIMA ISPORUKE: Best Fit Cell: B7 Beta distribution with parameters: Minimum -0,16 Maximum 1,21 Alpha 0,642959108 Beta 0,415440572 Assumption: PROBLEMI SA DOBAVLJAČIMA U VEZI SA ROKOVIMA ISPORUKE: Best Fit (cont'd)Cell: B7 Statistics: Assumption values Distribution Trials --- Base Case 0,67 Mean 0,67 Median 0,78 Mode --- Standard Deviation 0,47 Variance 0,22 Skewness -0,4130 Kurtosis 1,71 Coeff. of Variability 0,6969 Minimum -0,16 Maximum 1,21 Range Width 1,38 Mean Std. Error --- Percentiles: Assumption values Distribution 0% -0,16 10% -0,06 20% 0,14 30% 0,36 40% 0,58 50% 0,78 60% 0,95 70% 1,08 80% 1,16 90% 1,2 100% 1,21 Assumption: PROBLEMI SA KOOPERANTIMA U VEZI SA ROKOVIMA IZRADE: Best Fit Cell: B5 Logistic distribution with parameters: Mean 0,21 Scale 0,29 Assumption: PROBLEMI SA KOOPERANTIMA U VEZI SA ROKOVIMA IZRADE: Best Fit (cont'd)Cell: B5 Statistics: Assumption values Distribution Trials --- Base Case 0,21 Mean 0,21 Median 0,21 Mode 0,21 Standard Deviation 0,52 Variance 0,27 Skewness 0,00 Kurtosis 4,20 Coeff. of Variability 2,52 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% -0,42 20% -0,19 30% -0,04 40% 0,09 50% 0,21 60% 0,32 70% 0,45 80% 0,6 90% 0,84 100% Infinity Assumption: RIZICI U VEZI SA ZAHTEVIMA INVESTITORA: Best Fit Cell: B9 Beta distribution with parameters: Minimum -0,49 Maximum 1,21 Alpha 1,203160552 Beta 1,559178696 Assumption: RIZICI U VEZI SA ZAHTEVIMA INVESTITORA: Best Fit (cont'd) Cell: B9 Statistics: Assumption values Distribution Trials --- Base Case 0,25 Mean 0,25 Median 0,22 Mode -0,04 Standard Deviation 0,43 Variance 0,19 Skewness 0,2117 Kurtosis 2,01 Coeff. of Variability 1,73 Minimum -0,49 Maximum 1,21 Range Width 1,69 Mean Std. Error --- Percentiles: Assumption values Distribution 0% -0,49 10% -0,32 20% -0,18 30% -0,05 40% 0,09 50% 0,22 60% 0,36 70% 0,51 80% 0,68 90% 0,87 100% 1,21 Assumption: UNAPREĐEN PROCES KONTROLE KVALITETA : Best Fit Cell: B13 Minimum Extreme distribution with parameters: Likeliest 0,39 Scale 0,47 Assumption: UNAPREĐEN PROCES KONTROLE KVALITETA : Best Fit (cont'd) Cell: B13 Statistics: Assumption values Distribution Trials --- Base Case 0,12 Mean 0,12 Median 0,22 Mode 0,39 Standard Deviation 0,6 Variance 0,36 Skewness -1,14 Kurtosis 5,40 Coeff. of Variability 5,03 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% -0,66 20% -0,31 30% -0,09 40% 0,08 50% 0,22 60% 0,35 70% 0,48 80% 0,61 90% 0,78 100% Infinity End of Assumptions Табела Ђ.4. Поклапање расподела вероватноћа настанка ризика који утичу на пројектни план са тероијским расподелама (Crystal Ball) Data Series: Best Fit: Anderson-Darling P-Value: ЕЛЕМЕНТАРНЕ НЕПОГОДЕ Min Extreme 16,4680 0,000 НЕЗАДОВОЉСТВО ИНВЕСТИТОРА ИЗВЕДЕНИМ РЕШЕЊЕМ Min Extreme 12,1316 0,000 АДМИНИСТРАТИВНО-ОРГАНИЗАЦИОНИ РИЗИЦИ Min Extreme 12,6291 0,000 ПРОБЛЕМИ СА КООПЕРАНТИМА У ВЕЗИ СА РОКОВИМА ИЗРАДЕ Logistic 10,1100 0,000 НЕДОВОЉНА МАРКЕТИНШКА ПОДРШКА Beta 6,8383 --- ПРОБЛЕМИ СА ДОБАВЉАЧИМА У ВЕЗИ СА РОКОВИМА ИСПОРУКЕ Beta 8,1287 --- НЕСТАБИЛНОСТ ТРЖИШТА ЕНЕРГЕНАТА Logistic 8,3941 0,000 РИЗИЦИ У ВЕЗИ СА ЗАХТЕВИМА ИНВЕСТИТОРА Beta 10,8920 --- АДАПТИВНОСТ ДИЗАЈНА Beta 7,7220 --- МОГУЋНОСТ ПРЕГОВАРАЊА Beta 6,9005 --- НЕЗАВИСНОСТ СОПСТВЕНЕ ПРОИЗВОДЊЕ Min Extreme 13,1686 0,000 УНАПРЕЂЕН ПРОЦЕС КОНТРОЛЕ КВАЛИТЕТА Min Extreme 13,1686 0,000 Прилог Ђ.5 Статистичка анализа променљивих величина вероватноће откривања ризика који утичу на пројектни план (Crystal Ball) Crystal Ball Report - Assumptions Worksheet: [Book10]Raspodele_Plan_Pd Assumption: ADAPTIVNOST DIZAJNA: Best Fit Cell: B10 Logistic distribution with parameters: Mean 0,15 Scale 0,03 Statistics: Assumption values Distribution Trials --- Base Case 0,15 Mean 0,15 Median 0,15 Mode 0,15 Standard Deviation 0,05 Variance 0, Skewness 0,00 Kurtosis 4,20 Coeff. of Variability 0,3385 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,09 20% 0,11 30% 0,13 40% 0,14 50% 0,15 60% 0,16 70% 0,18 80% 0,19 90% 0,22 100% Infinity Assumption: ADMINISTRATIVNO-ORGANIZACIONI RIZICI: Best Fit Cell: B4 Maximum Extreme distribution with parameters: Likeliest 0,51 Scale 0,15 Statistics: Assumption values Distribution Trials --- Base Case 0,6 Mean 0,6 Median 0,57 Mode 0,51 Standard Deviation 0,19 Variance 0,04 Skewness 1,14 Kurtosis 5,40 Coeff. of Variability 0,3214 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,39 20% 0,44 30% 0,48 40% 0,52 50% 0,57 60% 0,61 70% 0,67 80% 0,74 90% 0,85 100% Infinity Assumption: ELEMENTARNE NEPOGODE: Best Fit Cell: B2 BetaPERT distribution with parameters: Minimum 0,87 Likeliest 0,89 Maximum 0,91 Statistics: Assumption values Distribution Trials --- Base Case 0,89 Mean 0,89 Median 0,89 Mode 0,89 Standard Deviation 0,01 Variance 0, Skewness 0,00 Kurtosis 2,33 Coeff. of Variability 0,0083 Minimum 0,87 Maximum 0,91 Range Width 0,04 Mean Std. Error --- Percentiles: Assumption values Distribution 0% 0,87 10% 0,88 20% 0,88 30% 0,89 40% 0,89 50% 0,89 60% 0,89 70% 0,89 80% 0,9 90% 0,9 100% 0,91 Assumption: MOGUĆNOST PREGOVARANJA: Best Fit Cell: B11 Logistic distribution with parameters: Mean 0,35 Scale 0,12 Assumption: MOGUĆNOST PREGOVARANJA: Best Fit (cont'd) Cell: B11 Statistics: Assumption values Distribution Trials --- Base Case 0,35 Mean 0,35 Median 0,35 Mode 0,35 Standard Deviation 0,21 Variance 0,04 Skewness 0,00 Kurtosis 4,20 Coeff. of Variability 0,6033 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,09 20% 0,19 30% 0,25 40% 0,3 50% 0,35 60% 0,4 70% 0,45 80% 0,51 90% 0,61 100% Infinity Assumption: NEDOVOLJNA MARKETINŠKA PODRŠKA: Best Fit Cell: B6 Logistic distribution with parameters: Mean 0,67 Scale 0,13 Assumption: NEDOVOLJNA MARKETINŠKA PODRŠKA: Best Fit (cont'd) Cell: B6 Statistics: Assumption values Distribution Trials --- Base Case 0,67 Mean 0,67 Median 0,67 Mode 0,67 Standard Deviation 0,24 Variance 0,06 Skewness 0,00 Kurtosis 4,20 Coeff. of Variability 0,3622 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,38 20% 0,48 30% 0,56 40% 0,62 50% 0,67 60% 0,72 70% 0,78 80% 0,86 90% 0,96 100% Infinity Assumption: NESTABILNOST TRŽIŠTA ENERGENATA: Best Fit Cell: B8 Maximum Extreme distribution with parameters: Likeliest 0,14 Scale 0,1 Assumption: NESTABILNOST TRŽIŠTA ENERGENATA: Best Fit (cont'd) Cell: B8 Statistics: Assumption values Distribution Trials --- Base Case 0,19 Mean 0,19 Median 0,17 Mode 0,14 Standard Deviation 0,12 Variance 0,02 Skewness 1,14 Kurtosis 5,40 Coeff. of Variability 0,6329 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,06 20% 0,09 30% 0,12 40% 0,15 50% 0,17 60% 0,2 70% 0,24 80% 0,28 90% 0,35 100% Infinity Assumption: NEZADOVOLJSTVO INVESTITORA IZVEDENIM REŠENJEM: Best Fit Cell: B3 Student's t distribution with parameters: Midpoint 0,76 Scale 0,09 Deg. Freedom 5,619112013 Assumption: NEZADOVOLJSTVO INVESTITORA IZVEDENIM REŠENJEM: Best Fit (cont'd) Cell: B3 Statistics: Assumption values Distribution Trials --- Base Case 0,76 Mean 0,76 Median 0,76 Mode 0,76 Standard Deviation 0,11 Variance 0,01 Skewness 0,00 Kurtosis 6,71 Coeff. of Variability 0,1423 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,64 20% 0,68 30% 0,72 40% 0,74 50% 0,76 60% 0,79 70% 0,81 80% 0,84 90% 0,89 100% Infinity Assumption: NEZAVISNOST SOPSTVENE PROIZVODNJE: Best Fit Cell: B12 Logistic distribution with parameters: Mean 0,16 Scale 0,03 Assumption: NEZAVISNOST SOPSTVENE PROIZVODNJE: Best Fit (cont'd) Cell: B12 Statistics: Assumption values Distribution Trials --- Base Case 0,16 Mean 0,16 Median 0,16 Mode 0,16 Standard Deviation 0,06 Variance 0, Skewness 0,00 Kurtosis 4,20 Coeff. of Variability 0,3971 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,08 20% 0,11 30% 0,13 40% 0,15 50% 0,16 60% 0,17 70% 0,19 80% 0,21 90% 0,24 100% Infinity Assumption: PROBLEMI SA DOBAVLJAČIMA U VEZI SA ROKOVIMA ISPORUKE: Best Fit Cell: B7 Logistic distribution with parameters: Mean 0,31 Scale 0,1 Assumption: PROBLEMI SA DOBAVLJAČIMA U VEZI SA ROKOVIMA ISPORUKE: Best Fit (cont'd)Cell: B7 Statistics: Assumption values Distribution Trials --- Base Case 0,31 Mean 0,31 Median 0,31 Mode 0,31 Standard Deviation 0,17 Variance 0,03 Skewness 0,00 Kurtosis 4,20 Coeff. of Variability 0,5630 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,1 20% 0,17 30% 0,23 40% 0,27 50% 0,31 60% 0,35 70% 0,39 80% 0,44 90% 0,52 100% Infinity Assumption: PROBLEMI SA KOOPERANTIMA U VEZI SA ROKOVIMA IZRADE: Best Fit Cell: B5 Maximum Extreme distribution with parameters: Likeliest 0,38 Scale 0,01 Assumption: PROBLEMI SA KOOPERANTIMA U VEZI SA ROKOVIMA IZRADE: Best Fit (cont'd)Cell: B5 Statistics: Assumption values Distribution Trials --- Base Case 0,39 Mean 0,39 Median 0,39 Mode 0,38 Standard Deviation 0,02 Variance 0, Skewness 1,14 Kurtosis 5,40 Coeff. of Variability 0,0443 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,37 20% 0,38 30% 0,38 40% 0,38 50% 0,39 60% 0,39 70% 0,4 80% 0,4 90% 0,41 100% Infinity Assumption: RIZICI U VEZI SA ZAHTEVIMA INVESTITORA: Best Fit Cell: B9 Student's t distribution with parameters: Midpoint 0,38 Scale 0,04 Deg. Freedom 3 Assumption: RIZICI U VEZI SA ZAHTEVIMA INVESTITORA: Best Fit (cont'd) Cell: B9 Statistics: Assumption values Distribution Trials --- Base Case 0,38 Mean 0,38 Median 0,38 Mode 0,38 Standard Deviation 0,08 Variance 0,01 Skewness --- Kurtosis --- Coeff. of Variability 0,2029 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,31 20% 0,34 30% 0,35 40% 0,37 50% 0,38 60% 0,39 70% 0,41 80% 0,42 90% 0,45 100% Infinity Assumption: UNAPREĐEN PROCES KONTROLE KVALITETA : Best Fit Cell: B13 Student's t distribution with parameters: Midpoint 0,37 Scale 0,02 Deg. Freedom 3 Assumption: UNAPREĐEN PROCES KONTROLE KVALITETA : Best Fit (cont'd) Cell: B13 Statistics: Assumption values Distribution Trials --- Base Case 0,37 Mean 0,37 Median 0,37 Mode 0,37 Standard Deviation 0,04 Variance 0, Skewness --- Kurtosis --- Coeff. of Variability 0,1123 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,33 20% 0,35 30% 0,36 40% 0,37 50% 0,37 60% 0,38 70% 0,39 80% 0,4 90% 0,41 100% Infinity End of Assumptions Табела Ђ.5. Поклапање расподела вероватноћа откривања ризика који утичу напројектни план са тероијским расподелама (Crystal Ball) Data Series: Best Fit: Anderson-Darling P-Value: ЕЛЕМЕНТАРНЕ НЕПОГОДЕ BetaPERT 18,9383 --- НЕЗАДОВОЉСТВО ИНВЕСТИТОРА ИЗВЕДЕНИМ РЕШЕЊЕМ Student's t 10,1235 --- АДМИНИСТРАТИВНО-ОРГАНИЗАЦИОНИ РИЗИЦИ Max Extreme 10,1666 0,000 ПРОБЛЕМИ СА КООПЕРАНТИМА У ВЕЗИ СА РОКОВИМА ИЗРАДЕ Max Extreme 8,5881 0,000 НЕДОВОЉНА МАРКЕТИНШКА ПОДРШКА Logistic 3,3651 0,000 ПРОБЛЕМИ СА ДОБАВЉАЧИМА У ВЕЗИ СА РОКОВИМА ИСПОРУКЕ Logistic 2,5481 0,000 НЕСТАБИЛНОСТ ТРЖИШТА ЕНЕРГЕНАТА Max Extreme 5,8311 0,000 РИЗИЦИ У ВЕЗИ СА ЗАХТЕВИМА ИНВЕСТИТОРА Student's t 10,9997 --- АДАПТИВНОСТ ДИЗАЈНА Logistic 6,9762 0,000 МОГУЋНОСТ ПРЕГОВАРАЊА Logistic 4,8807 0,000 НЕЗАВИСНОСТ СОПСТВЕНЕ ПРОИЗВОДЊЕ Logistic 12,3024 0,000 УНАПРЕЂЕН ПРОЦЕС КОНТРОЛЕ КВАЛИТЕТА Student's t 14,3940 --- Табела Ђ.6. Поклапање расподелe тежине грешке пројектног плана са тероијским расподелама (Crystal Ball) Data Series: Best Fit: Anderson-Darling P-Value: Тежина грешке Triangular 0,7056 --- Прилог Ђ.6 Статистичка анализа променљиве величине тежине грешке пројектног плана (Crystal Ball) Crystal Ball Report - Assumptions Worksheet: [Book11]Raspodele_Plan_C Assumption: Cs: Best Fit Cell: B2 Triangular distribution with parameters: Minimum -0,03 Likeliest 0,09 Maximum 0,38 Statistics: Assumption values Distribution Trials --- Base Case 0,15 Mean 0,15 Median 0,14 Mode 0,09 Standard Deviation 0,08 Variance 0,01 Skewness 0,3693 Kurtosis 5,40 Coeff. of Variability 0,5732 Minimum -0,03 Maximum 0,38 Range Width 0,4 Mean Std. Error --- Percentiles: Assumption values Distribution 0% -0,03 10% 0,04 20% 0,07 30% 0,09 40% 0,11 50% 0,14 60% 0,16 70% 0,19 80% 0,22 90% 0,27 100% 0,38 End of Assumptions Прилог Ђ.7 Статистичка анализа променљивих величина вероватноће настанка ризика који утичу на који утичу на пројектни буџет (Crystal Ball) Crystal Ball Report - Assumptions Worksheet: [Book12]Raspodele_Budžet_Pe Assumption: KORIŠĆENJE POSTOJEĆIH ALATA: Best Fit Cell: B9 Minimum Extreme distribution with parameters: Likeliest 0,44 Scale 0,48 Statistics: Assumption values Distribution Trials --- Base Case 0,17 Mean 0,17 Median 0,27 Mode 0,44 Standard Deviation 0,61 Variance 0,37 Skewness -1,14 Kurtosis 5,40 Coeff. of Variability 3,69 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% -0,63 20% -0,27 30% -0,05 40% 0,12 50% 0,27 60% 0,4 70% 0,53 80% 0,67 90% 0,84 100% Infinity Assumption: MOGUĆNOST PREGOVARANJA: Best Fit Cell: B8 Beta distribution with parameters: Minimum -0,19 Maximum 1,07 Alpha 0,3 Beta 0,3 Statistics: Assumption values Distribution Trials --- Base Case 0,44 Mean 0,44 Median 0,44 Mode --- Standard Deviation 0,5 Variance 0,25 Skewness 0,00 Kurtosis 1,33 Coeff. of Variability 1,12 Minimum -0,19 Maximum 1,07 Range Width 1,26 Mean Std. Error --- Percentiles: Assumption values Distribution 0% -0,19 10% -0,18 20% -0,14 30% -0,03 40% 0,17 50% 0,44 60% 0,72 70% 0,92 80% 1,03 90% 1,07 100% 1,07 Assumption: NEJASAN (NEPOTPUN) ZAHTEV INVESTITORA : Best Fit Cell: B3 Logistic distribution with parameters: Mean 0,14 Scale 0,25 Assumption: NEJASAN (NEPOTPUN) ZAHTEV INVESTITORA : Best Fit (cont'd) Cell: B3 Statistics: Assumption values Distribution Trials --- Base Case 0,14 Mean 0,14 Median 0,14 Mode 0,14 Standard Deviation 0,46 Variance 0,21 Skewness 0,00 Kurtosis 4,20 Coeff. of Variability 3,25 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% -0,41 20% -0,21 30% -0,07 40% 0,04 50% 0,14 60% 0,24 70% 0,35 80% 0,49 90% 0,69 100% Infinity Assumption: ODUSTAJANJE OD PROJEKTA: Best Fit Cell: B2 Beta distribution with parameters: Minimum -0,49 Maximum 1,21 Alpha 1,203160552 Beta 1,559178696 Assumption: ODUSTAJANJE OD PROJEKTA: Best Fit (cont'd) Cell: B2 Statistics: Assumption values Distribution Trials --- Base Case 0,25 Mean 0,25 Median 0,22 Mode -0,04 Standard Deviation 0,43 Variance 0,19 Skewness 0,2117 Kurtosis 2,01 Coeff. of Variability 1,73 Minimum -0,49 Maximum 1,21 Range Width 1,69 Mean Std. Error --- Percentiles: Assumption values Distribution 0% -0,49 10% -0,32 20% -0,18 30% -0,05 40% 0,09 50% 0,22 60% 0,36 70% 0,51 80% 0,68 90% 0,87 100% 1,21 Assumption: OGRANIČENJE INVESTICIONOG BUDŽETA: Best Fit Cell: B5 Logistic distribution with parameters: Mean 0,33 Scale 0,33 Assumption: OGRANIČENJE INVESTICIONOG BUDŽETA: Best Fit (cont'd) Cell: B5 Statistics: Assumption values Distribution Trials --- Base Case 0,33 Mean 0,33 Median 0,33 Mode 0,33 Standard Deviation 0,59 Variance 0,35 Skewness 0,00 Kurtosis 4,20 Coeff. of Variability 1,78 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% -0,38 20% -0,12 30% 0,06 40% 0,2 50% 0,33 60% 0,47 70% 0,61 80% 0,79 90% 1,05 100% Infinity Assumption: OPORTUNI TROŠKOVI: Best Fit Cell: B6 Minimum Extreme distribution with parameters: Likeliest 0,33 Scale 0,45 Assumption: OPORTUNI TROŠKOVI: Best Fit (cont'd) Cell: B6 Statistics: Assumption values Distribution Trials --- Base Case 0,07 Mean 0,07 Median 0,17 Mode 0,33 Standard Deviation 0,58 Variance 0,34 Skewness -1,14 Kurtosis 5,40 Coeff. of Variability 7,92 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% -0,68 20% -0,34 30% -0,13 40% 0,03 50% 0,17 60% 0,29 70% 0,42 80% 0,55 90% 0,71 100% Infinity Assumption: OPTIMIZACIJA TEHNOLOŠKOG POSTUPKA: Best Fit Cell: B7 Beta distribution with parameters: Minimum -0,15 Maximum 1,16 Alpha 0,3 Beta 0,492557426 Assumption: OPTIMIZACIJA TEHNOLOŠKOG POSTUPKA: Best Fit (cont'd) Cell: B7 Statistics: Assumption values Distribution Trials --- Base Case 0,35 Mean 0,35 Median 0,19 Mode --- Standard Deviation 0,48 Variance 0,23 Skewness 0,4803 Kurtosis 1,67 Coeff. of Variability 1,37 Minimum -0,15 Maximum 1,16 Range Width 1,31 Mean Std. Error --- Percentiles: Assumption values Distribution 0% -0,15 10% -0,15 20% -0,13 30% -0,08 40% 0,02 50% 0,19 60% 0,42 70% 0,68 80% 0,92 90% 1,1 100% 1,16 Assumption: PROBLEMI SA SKLADIŠTENJEM I TRANSPORTOM: Best Fit Cell: B4 Beta distribution with parameters: Minimum -0,21 Maximum 1,16 Alpha 0,415440572 Beta 0,642959108 Assumption: PROBLEMI SA SKLADIŠTENJEM I TRANSPORTOM: Best Fit (cont'd) Cell: B4 Statistics: Assumption values Distribution Trials --- Base Case 0,33 Mean 0,33 Median 0,22 Mode --- Standard Deviation 0,47 Variance 0,22 Skewness 0,4130 Kurtosis 1,71 Coeff. of Variability 1,43 Minimum -0,21 Maximum 1,16 Range Width 1,38 Mean Std. Error --- Percentiles: Assumption values Distribution 0% -0,21 10% -0,2 20% -0,16 30% -0,08 40% 0,05 50% 0,22 60% 0,42 70% 0,64 80% 0,86 90% 1,06 100% 1,16 End of Assumptions Табела Ђ.7. Поклапање расподела вероватноћа настанка ризика који утичу на пројектни буџет са тероијским расподелама (Crystal Ball) Data Series: Best Fit: Anderson-Darling P-Value: ОДУСТАЈАЊЕ ОД ПРОЈЕКТА Beta 10,8920 --- НЕЈАСАН (НЕПОТПУН) ЗАХТЕВ ИНВЕСТИТОРА Logistic 11,6197 0,000 ПРОБЛЕМИ СА СКЛАДИШТЕЊЕМ И ТРАНСПОРТОМ Beta 8,1287 --- ОГРАНИЧЕЊЕ ИНВЕСТИЦИОНОГ БУЏЕТА Logistic 8,3941 0,000 ОПОРТУНИ ТРОШКОВИ Min Extreme 14,3700 0,000 ОПТИМИЗАЦИЈА ТЕХНОЛОШКОГ ПОСТУПКА Beta 8,0691 --- МОГУЋНОСТ ПРЕГОВАРАЊА Beta 6,9005 --- КОРИШЋЕЊЕ ПОСТОЈЕЋИХ АЛАТА Min Extreme 12,1316 0,000 Прилог Ђ.8 Статистичка анализа променљивих величина вероватноће откривања ризика који утичу на пројектни буџет (Crystal Ball) Crystal Ball Report - Assumptions Worksheet: [Book13]Raspodele_Budžet_Pd Assumption: KORIŠĆENJE POSTOJEĆIH ALATA: Best Fit Cell: B9 Logistic distribution with parameters: Mean 0,17 Scale 0,02 Statistics: Assumption values Distribution Trials --- Base Case 0,17 Mean 0,17 Median 0,17 Mode 0,17 Standard Deviation 0,04 Variance 0, Skewness 0,00 Kurtosis 4,20 Coeff. of Variability 0,2329 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,12 20% 0,14 30% 0,15 40% 0,16 50% 0,17 60% 0,17 70% 0,18 80% 0,2 90% 0,21 100% Infinity Assumption: MOGUĆNOST PREGOVARANJA: Best Fit Cell: B8 Logistic distribution with parameters: Mean 0,35 Scale 0,12 Statistics: Assumption values Distribution Trials --- Base Case 0,35 Mean 0,35 Median 0,35 Mode 0,35 Standard Deviation 0,21 Variance 0,04 Skewness 0,00 Kurtosis 4,20 Coeff. of Variability 0,6033 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,09 20% 0,19 30% 0,25 40% 0,3 50% 0,35 60% 0,4 70% 0,45 80% 0,51 90% 0,61 100% Infinity Assumption: NEJASAN (NEPOTPUN) ZAHTEV INVESTITORA : Best Fit Cell: B3 Student's t distribution with parameters: Midpoint 0,29 Scale 0,08 Deg. Freedom 6,559818776 Statistics: Assumption values Distribution Trials --- Base Case 0,29 Mean 0,29 Median 0,29 Mode 0,29 Standard Deviation 0,1 Variance 0,01 Skewness 0,00 Kurtosis 5,34 Coeff. of Variability 0,3406 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,17 20% 0,21 30% 0,24 40% 0,26 50% 0,29 60% 0,31 70% 0,33 80% 0,36 90% 0,4 100% Infinity Assumption: ODUSTAJANJE OD PROJEKTA: Best Fit Cell: B2 Student's t distribution with parameters: Midpoint 0,62 Scale 0,09 Deg. Freedom 5,570833671 Statistics: Assumption values Distribution Trials --- Base Case 0,62 Mean 0,62 Median 0,62 Mode 0,62 Standard Deviation 0,11 Variance 0,01 Skewness 0,00 Kurtosis 6,82 Coeff. of Variability 0,1752 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,49 20% 0,54 30% 0,57 40% 0,59 50% 0,62 60% 0,64 70% 0,66 80% 0,69 90% 0,74 100% Infinity Assumption: OGRANIČENJE INVESTICIONOG BUDŽETA: Best Fit Cell: B5 Logistic distribution with parameters: Mean 0,23 Scale 0,09 Assumption: OGRANIČENJE INVESTICIONOG BUDŽETA: Best Fit (cont'd) Cell: B5 Statistics: Assumption values Distribution Trials --- Base Case 0,23 Mean 0,23 Median 0,23 Mode 0,23 Standard Deviation 0,16 Variance 0,03 Skewness 0,00 Kurtosis 4,20 Coeff. of Variability 0,7173 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,03 20% 0,1 30% 0,15 40% 0,19 50% 0,23 60% 0,26 70% 0,3 80% 0,35 90% 0,42 100% Infinity Assumption: OPORTUNI TROŠKOVI: Best Fit Cell: B6 Student's t distribution with parameters: Midpoint 0,3 Scale 0,06 Deg. Freedom 3 Assumption: OPORTUNI TROŠKOVI: Best Fit (cont'd) Cell: B6 Statistics: Assumption values Distribution Trials --- Base Case 0,3 Mean 0,3 Median 0,3 Mode 0,3 Standard Deviation 0,11 Variance 0,01 Skewness --- Kurtosis --- Coeff. of Variability 0,3707 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,19 20% 0,23 30% 0,26 40% 0,28 50% 0,3 60% 0,31 70% 0,33 80% 0,36 90% 0,4 100% Infinity Assumption: OPTIMIZACIJA TEHNOLOŠKOG POSTUPKA: Best Fit Cell: B7 Logistic distribution with parameters: Mean 0,45 Scale 0,06 Assumption: OPTIMIZACIJA TEHNOLOŠKOG POSTUPKA: Best Fit (cont'd) Cell: B7 Statistics: Assumption values Distribution Trials --- Base Case 0,45 Mean 0,45 Median 0,45 Mode 0,45 Standard Deviation 0,12 Variance 0,01 Skewness 0,00 Kurtosis 4,20 Coeff. of Variability 0,2610 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,31 20% 0,36 30% 0,39 40% 0,42 50% 0,45 60% 0,47 70% 0,5 80% 0,54 90% 0,59 100% Infinity Assumption: PROBLEMI SA SKLADIŠTENJEM I TRANSPORTOM: Best Fit Cell: B4 Student's t distribution with parameters: Midpoint 0,34 Scale 0,17 Deg. Freedom 7,423691103 Assumption: PROBLEMI SA SKLADIŠTENJEM I TRANSPORTOM: Best Fit (cont'd) Cell: B4 Statistics: Assumption values Distribution Trials --- Base Case 0,34 Mean 0,34 Median 0,34 Mode 0,34 Standard Deviation 0,2 Variance 0,04 Skewness 0,00 Kurtosis 4,75 Coeff. of Variability 0,5761 Minimum -Infinity Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -Infinity 10% 0,11 20% 0,19 30% 0,25 40% 0,3 50% 0,34 60% 0,39 70% 0,44 80% 0,49 90% 0,58 100% Infinity End of Assumptions Табела Ђ.8. Поклапање расподела вероватноћа откривања ризика који утичу на пројектни буџет са тероијским расподелама (Crystal Ball) Data Series: Best Fit: Anderson-Darling P-Value: ОДУСТАЈАЊЕ ОД ПРОЈЕКТА Student's t 8,3204 --- НЕЈАСАН (НЕПОТПУН) ЗАХТЕВ ИНВЕСТИТОРА Student's t 8,9193 --- ПРОБЛЕМИ СА СКЛАДИШТЕЊЕМ И ТРАНСПОРТОМ Student's t 7,1428 --- ОГРАНИЧЕЊЕ ИНВЕСТИЦИОНОГ БУЏЕТА Logistic 5,3811 0,000 ОПОРТУНИ ТРОШКОВИ Student's t 12,6197 --- ОПТИМИЗАЦИЈА ТЕХНОЛОШКОГ ПОСТУПКА Logistic 6,4561 0,000 МОГУЋНОСТ ПРЕГОВАРАЊА Logistic 4,8807 0,000 КОРИШЋЕЊЕ ПОСТОЈЕЋИХ АЛАТА Logistic 10,4461 0,000 Прилог Ђ.9 Статистичка анализа променљиве величине тежине грешке пројектног буџета (Crystal Ball) Crystal Ball Report - Assumptions Worksheet: [Book14]Raspodele_Budžet_C Assumption: Težina greške: Best Fit Cell: B2 Lognormal distribution with parameters: Location -0,04 Mean 0,12 Std. Dev. 0,09 Statistics: Assumption values Distribution Trials --- Base Case 0,12 Mean 0,12 Median 0,1 Mode 0,06 Standard Deviation 0,09 Variance 0,01 Skewness 1,83 Kurtosis 9,46 Coeff. of Variability 0,7572 Minimum -0,04 Maximum Infinity Range Width --- Mean Std. Error --- Percentiles: Assumption values Distribution 0% -0,04 10% 0,03 20% 0,05 30% 0,06 40% 0,08 50% 0,1 60% 0,12 70% 0,14 80% 0,18 90% 0,23 100% Infinity End of Assumptions Табела Ђ.9. Поклапање расподела вероватноћгрешке пројектног буџета са тероијским расподелама (Crystal Ball) Data Series: Best Fit: Anderson-Darling P-Value: Тежина грешке Lognormal 0,2345 0,683