Kantitatif Risk Değerlendirme Teknikleri

Kantitatif risk analizi tekniklerinin sağlıklı bir şekilde uygulanması temel istatistik ve olasılık kavramlarının iyi anlaşılmasını gerektirir.

Gerçek hayatta karşılaşabileceğimiz veri kesikli ve sürekli olarak karşımıza çıkabilir. Verilerin kesikli veya sürekli olmasına göre istatiksel hesaplamalar veya kullanılacak kantitatif risk teknikleri farklılıklar gösterebilmektedir.

Beklenen değer ile bir veri setinin ortalaması hesaplanırken varyansı ile yaygınlığı hakkında bilgi edinilir. Beklenen değer değişkenin bütün alabileceği değerler ile bunlara karşılık gelen olasılıklarının çarpımının toplamına eşittir. Varyans ise değişkenin aldığı değerlerin ortalamasından sapmasının karelerinin ortalaması olarak tanımlanabilir.

Ham veri setinden daha açıklayıcı bilgiler çıkarmak için histogram gibi görsel araçlardan faydalanılır. Histogram bir veri setinin dağılımı, ortalaması ve yaygınlığı hakkında bilgi sahibi olmamızı sağlar.

Fine Kinney Metodu'nda risk puanının hesaplanmasında kazanın gerçekleşme olasılığı, frekans ve şiddet değerleri kullanılır ve bu değerlerin çarpımı ile hesaplanır. Risk faktörü belirlendikten sonra riskin önem derecesine göre alınması beklenen gerekli aksiyonlar belirlenir ve uygulanır.

Hata Türleri ve Etki Analizi proaktif bir yaklaşımdır, hatalar gerçekleşmeden önlenmeye çalışılır. Hata türleri analizi ile sistem içerisinde doğabilecek potansiyel hatalar, kusurlar ve problemler analiz edilirken etki analizi ile bu problemlerin doğuracağı zararlar ve etkiler incelenir. FMEA’da riski değerlendirmek için risk öncelik değeri (RÖD) hesaplanır. RÖD değeri olası problemin etki derecesi olan şiddet (Ş), kaç kez tekrarlanacağı belirten gerçekleşme olasılığı (İ), kolayca tespit edilip edilemeyeceği gösteren farkedilebilirlik (F) puanlarının çarpımları ile hesaplanır.

Monte Carlo simülasyonu karmaşık rassal süreçlerde riskin modellenmesinde tercih edilen bir metottur. Hesaplamalar el ile yapılabileceği gibi yaygın olarak çeşitli bilgisayar programları tercih edilmektedir. Monte Carlo simülasyonunda girdi ve çıktıları açık bir şekilde belirtilmiş modelin istenilen sonuçlarını elde etmek için rassal sayılar kullanılır ve birçok kez benzetim çalıştırılarak sistem hakkında istenilen ölçütler hesaplanabilir.

Bayes ağları çizge teorisi ile olasılığın birleşiminden ortaya çıkmış bir metottur. Genel olarak ilgili tüm değişkenler arasındaki rassal ilişkiler şartlı olasılık tabloları ile tanımlanarak olayların gerçekleşme olasılıkları hakkında çıkarımda bulunur. Bayes ağları, grafik modellerinin yardımı ile birçok değişken ve bunlar arasındaki olasılık ilişkilerini modellemek için kullanılır.

Markov analizi, verilen bir sistemdeki gelecek durumların mevcut durumlara bağlı olduğu hâllerdeki stokastik süreçleri modellemede kullanılır. Markov analizinde sisteme ait bütün açıklayıcı bilgiler durum adı verilen ifadelerde tutulmaktadır. Durumlar arasındaki geçişler ise geçiş olasılık matrisleri ile yönetilmektedir.

Karar ağacı değerlendireceğimiz farklı seçenekleri sahip oldukları belirsizliklerle birlikte değerlendiren bir metottur. Karar ağacında hesaplama yapılırken işlemler son noktalardan başlangıç noktasına doğru gerçekleştirilir. Belirlenen fayda, getiri veya maliyet gibi bir performans ölçütünden beklenen değere göre en iyi performansı gösteren farklı alternatiflerin seçiminde kullanılan bir tekniktir.