FMA’da geleneksel risk analiz yaklaşımları

Risk analiz tekniklerinin sağladığı birincil yarar, risklerin proje üzerindeki etkileri konusundaki görüşlerin, ileriye dönük tahminlere yansıtılabilmesi ve tek değerli yaklaşımlar yerine, olası pek çok sonuç üzerinde durulabilmesidir. Bu amaçla kullanılması önerilen pek çok kuramsal ve sayısal teknik bulunmaktadır. İnşaat projelerinde risk konusunda yapılan çalışmalar, doğrudan proje hedeflerine özellikle de süre ve maliyet etkileri üzerinde yoğunlaşmaktadır. Projenin tipine, büyüklüğüne,

verilerin yeterliliğine, analizin tahmini maliyetine ve kişilerin analiz konusundaki deneyimlerine bağlı olarak risk analiz teknikleri çeşitlilik göstermektedir. Bu tür çalışmalarda, çok sayıda karar alma, istatistik ve yöneylem araştırması teknikleri kullanılmaktadır. Bunlardan; beyin fırtınası, karar analizi, duyarlılık analizi, Monte Carlo Simülasyonu gibi tekniklerden inşaat ve ulaştırma mühendisliği uygulamalarında etkin biçimde yararlanılabilmektedir [57].

Karayolu projeleri FMA uygulamalarında dünyada yaygın olarak kullanılan risk analiz teknikleri; duyarlılık analizi ve bir olasılık analizi yöntemi olan Monte Carlo simülasyonudur [59].

3.2.3.1. Duyarlılık analizi

Duyarlılık analizinin amacı, bir değişken için pozitif değişim aralığını belirlemek ve projenin karlılığının bu değişkendeki değişimlere ne kadar duyarlı olduğunu bulmaktır. Duyarlılık analizi, değişkenlerdeki anlık değişimlerin analizine imkân vermemekte ve her bireysel değişkenin olası değişim aralığını göstermemektedir. Bununla birlikte, gelecekteki gerçekleştirilecek çalışma adımlarındaki önem bölgelerini bulduğu için faydalıdır.

Karar vericiler, değişkenlerin makul kombinasyonlarının proje üzerindeki etkisini inceleyerek karar vermeye çalışmaktadırlar. Diğer bir deyişle, duyarlılık analizi yardımıyla farklı senaryolar altında projenin performans ölçüsünü tahmin ederek temel durum ile bu tahmini karşılaştırmaktadırlar.

Duyarlılık analizi, bilinmeyen değişkenlere odaklı olarak değişkenlerin nakit akışlarını açıklığa kavuşturur. Bu da karar vericiyi önemli değişkenleri belirlemesi için zorlar, en faydalı olma ihtimali olan katkıyı gösterir ve karmaşık veya uygun olmayan tahminleri ortaya çıkarmak için yardım eder [60].

Duyarlılık analizinin bir dezavantajı, daima belli bir miktar belirsiz sonuçlar vermesidir. Bunun sonucu olarak karar aşamasında, karar vericiden iyimser ve

kötümser tahminler içeren cevaplar beklemektedir. Subjektif yaklaşım gerektiren bu gereksinim karar verici için zor bir durumdur.

Duyarlılık analizinde değişkenlerin daha çok kombinasyonları denenerek, projenin basit bir resmi oluşturulabilir. Projenin etkili bir şekilde risk analizine tabi tutulmasının önemli bir yolu olasılık analizi yaklaşımlarını kullanmaktır.

3.2.3.2. Olasılık analizi

Karar verme süreci içinde, gelecek olaylar hakkında belirsizliği görebilmek için, olasılık teorisinden yararlanmak faydalıdır. Olasılık teorisi, belirsizliğin kantitatif uygulaması olarak değerlendirilebilir. Olasılık teorisinin kullanılmasıyla olayların tek bir şekilde belirlenmesi mümkün olmaktadır. Böylece belirsizlik ortadan kalkmakta her durum belirgin ve açık bir şekilde anlaşılmaktadır. Olasılık teorisi belirsizliğin bir rakam ile gösterilmesine izin vermektedir. Böylece farklı olayların belirsizliği karşılaştırılabilmektedir.

Duyarlılık analizinin aksine, olasılık analizi projenin tam bir resmini verir ve proje riskinin belirlenmesine imkan sağlamaktadır [60]. Duyarlılık ve olasılık analizi birbirinin alternatifi olarak düşünülmemelidir. Birbirinin tamamlayıcısı olarak değerlendirmek risk analizini güçlendirmektedir. Analiz içinde yer alan her bir bireysel değişken için olasılık dağılımının oluşturulması ayrıntılı ve zaman alıcı olduğundan, olasılık analizi için duyarlılık analizi kritik olan değişkenleri belirlemektedir. İki analizin bu şekilde birbirini destekleyerek kullanılması etkili risk analizi uygulamasını sağlamaktadır.

Monte Carlo simülasyonu, değişkenlerin olasılık dağılımlarıyla modellenebileceği varsayımına dayalı bir rassal simülasyon tekniğidir. Sonuç ürünün bir veya birkaç olaydan değil de, çok sayıda farklı olaydan ve onların kombinasyonundan etkilendiği durumda Monte Carlo simülasyonu aranılan bir yöntem olmaktadır. Bu yöntemin diğerlerinden farkı, olayların olasılık dağılımlarının değil, daha da derine inerek bu olayları oluşturan etkenlerin olasılık dağılımlarından işe başlamasıdır. Bu etkenlerin

olasılık dağılımlarına uygun olarak yapılan değişken seçme işlemi birçok kez tekrarlanır ve her hesaplanan gösterge için bir olasılık dağılımının şekillendiği görülmektedir.

Monte Carlo simülasyonunun bir dezavantajı şudur ki: genellikle karar verme konumunda bulunan yöneticiler, değişkenleri tek bir değerle tanımlama alışkanlığına sahip olduklarından, Monte Carlo simülasyonunda olasılık dağılımlarının tanımlanması zor bir aşama olarak değerlendirilmektedir. Eski projelere ait kayıtların çoğunlukla bulunmaması ve istatistiksel verinin azlığı, analizi yapacak kişilerin en uygun olasılık dağılımını bulmakta zorlanmasına neden olmaktadır.

BÖLÜM 4. METODOLOJİ

Bu çalışma kapsamında karayolları için FMA modellenmesinde Bulanık Bilişsel Harita (BBH) metodu kullanılmıştır. Söz konusu yöntemin kullanılmasına ilişkin gereksinimler ve nedenler aşağıda sıralanmıştır. Gereksinimler kısaca şöyle özetlenebilir:

- Yatırım projelerinin ekonomik yapılabilirlik analizleri belirsizlik taşıyan, kesin olmayan ve eksiklik barındıran veriler içerebilmektedir. Kimi zaman yeterli verinin temin edilememesi de önemli bir sorun olmaktadır. Söz konusu verilerdeki bu boşluğu doldurabilecek bir yaklaşımın model içerisinde bulunması gerekmektedir.

- Ekonomik değerlendirme yöntemi olan FMA kendi içerisinde bir karar verme mekanizmasına ihtiyaç duymaktadır. Geliştirilecek modelde karar verme yetisini temin edecek bir yapının ortaya konulması gerekmektedir.

- Altyapı projelerinin ekonomik değerlendirmelerinde karar verme, uzman görüşü ve mühendislik bakış açısını gerektiren bir olgudur. Geliştirilecek modelde karar verme mekanizmasını bu bakış açısıyla yönlendirmeye zemin hazırlayacak bir yaklaşımın model içerisinde bulunması gerekmektedir.

Bu çalışma kapsamında uygulanacak yöntemin kullanılma nedenleri kısaca şöyledir:

- Doğrusal olmayan, belirsizlikler içeren ve eksik verilerin bulunduğu problemler bulanık yaklaşımlarla kolayca modellenebilmektedir. Böyle bir yapıya sahip olması nedeniyle karar verme, kontrol ve tahmin modelleri gibi pek çok alanda bulanık tabanlı yaklaşım etkin bir şekilde kullanılabilmektedir. Ayrıca çok fazla veriye gereksinim olmadan kolayca model geliştirmek mümkündür [61].

- BBH, yapısı itibariyle bulanık mantık, yapay sinir ağları, uzman sistemler ve doğrusal olmayan dinamik sistemler gibi pek çok yaklaşımı içerisinde barındırmaktadır. Bu zengin yapısıyla BBH pek çok karmaşık ve büyük çaplı mühendislik problemlerinin çözümlenmesini ve karar verme analizlerini etkili bir şekilde yerine getirebilmektedir [62].

- Bulanık mantık ve BBH uzman görüşüne dayalı karar verme süreçlerinde etkili bir değerlendirme aracıdır [63]. BBH’nın bu yapısı, geliştirilecek modelde karar verme mekanizması için önemli bir özellik olacaktır.

Yukarıda bahsi geçen gereksinimler ve nedenler göz önüne alındığında çalışmada kullanılmak üzere BBH yaklaşımının uygun bir yöntem olacağı düşünülmektedir.