1. İSGForum'a Hoş Geldiniz..
    İSGForum gerçek hayatta 'İş Güvenliği ve Çevre' adına yaşadığınız her şeyi olduğu gibi burada paylaşmanızı, kişilerle iletişim kurmanızı sağlar. Fotoğraf albümü, durum güncelleme, yorum, konu, mesaj vb. şeyleri istediğiniz herkese paylaşabilirsiniz. Üniversite arkadaşlarınızı bulabilir, onları takip edebilir ve onlarla iletişim kurabilirsiniz. Duvarlarına yazarak yorum formatında sohbet edebilirsiniz. İSGForum ile ortamınızı kurabilir, kişilerle fikir - bilgi alışverişi yapabilir ve etkinlikler düzenleyebilirsiniz. İSGForum'un tüm hizmetleri kuruluşundan beri ücretsizdir ve ücretsiz olarak kalacaktır. Daha fazla bilgi için site turumuza katılmak ister misiniz? O zaman buraya tıklayınız :) Giriş yapmak ya da kayıt olmak için .

Monte carlo yöntemi ile risk değerlendirme analizi örneği olan var mı acaba?

Konusu 'Risk Değerlendirmeleri ve Yönetimi' forumundadır ve tomriseker tarafından 8 Mayıs 2013 başlatılmıştır.

  1. tomriseker İSGforum Üyesi

    Uzmanlık Sınıfı:
    Uzman Adayı
    merhaba, elinde monte carlo yöntemi ile risk değerlendirme analizi örneği olan var mı acaba?
  2. Erkan Dündar İSGforum Üyesi

    • Site Yöneticisi
    İl Temsilciliği:
    Trabzon
    Sertifika Numarası:
    47086
    Uzmanlık Sınıfı:
    B Sınıfı Uzman
    bu yöntemi gözüm tutmadı hiç başlı başına tehlike ve risk kokuyo,sarmadi baaa..:))
  3. Ersin Bozkurt Forum Yöneticisi

    • Forum Yöneticisi
    Sertifika Numarası:
    43934
    Uzmanlık Sınıfı:
    A Sınıfı Uzman
    Firma / Kurum:
    Makina mühendisi
    monte carlo similasyonu
    Monte Carlo simülasyonu nedir?
    Monte Carlo simülasyonu olduğu kantitatif analiz ve karar verme risk açıklamak için insanlar sağlayan bir bilgisayar matematiksel bir tekniktir. Bu teknik finans gibi yaygın olarak farklı alanlarda profesyoneller tarafından kullanılan, proje yönetimi, enerji, üretim, mühendislik, araştırma ve geliştirme, sigorta, petrol ve gaz, ulaşım ve çevre.
    Monte Carlo simülasyonu olası sonuçları ve eylem herhangi bir seçim için ortaya çıkar olasılıkları bir dizi karar verici vermektedir .. Bu aşırı olanakları-gidiş sonuçları kırdı ve en muhafazakar karar boyunca orta-of-the-road kararlar için mümkün olan tüm sonuçları ile. Gösterir
    Bu teknik ilk atom bombası üzerinde çalışan bilim adamları tarafından kullanılan, o Monte Carlo, kendi casinolar için ünlü Monako tatil beldesi için seçildi. Dünya Savaşı yılında tanıtılmasından bu yana, Monte Carlo simülasyonu fiziksel ve kavramsal sistemleri çeşitli modellemek için kullanılmıştır.
    [​IMG]
    Monte Carlo simülasyonu nasıl çalışır
    Monte Carlo simülasyonu bir dizi yerine göre olası sonuçları modelleri oluşturarak risk analizi yapar değerleri bir olasılık dağılımı doğasında olan belirsizliği olan herhangi bir faktör için. Daha sonra, olasılık fonksiyonları rasgele değerleri farklı bir dizi kullanarak her zaman içinde ve üzerinde sonuçları hesaplar. Tamamlanmadan önce belirsizlikler ve onlar için belirtilen aralıklarının sayısına bağlı olarak, bir Monte Carlo simülasyonu binlerce veya recalculations on binlerce içerebilir. Monte Carlo simülasyonu olası sonuç değerleri dağılımları üretir.
    Olasılık dağılımları kullanarak, değişkenleri meydana gelen farklı sonuçlar farklı olasılıkları olabilir. Olasılık dağılımları bir risk analizi değişkenleri belirsizlik açıklayan çok daha gerçekçi bir yoldur. Ortak olasılık dağılımları şunlardır:
    Normal - Ya da "çan eğrisi." Kullanıcı sadece ortalama veya beklenen değeri ve ortalama hakkında varyasyonu tanımlamak için bir standart sapma tanımlar. Ortalama yakın ortasında değerler ortaya çıkma olasılığı vardır. Bu simetrik ve bu insanların yükseklikleri gibi birçok doğal olayların açıklar. Normal dağılımlar tarafından tanımlanan değişkenlerin örnekleri enflasyon oranları ve enerji fiyatları dahil.
    Lognormal - Değerler olumlu bir normal dağılım gibi simetrik değil, eğri. Bu sıfırın altında gitmek ama sınırsız olumlu potansiyele sahip olmayan değerleri temsil etmek için kullanılır. Lognormal dağılımları tarafından tanımlanan değişkenlerin örnekleri gayrimenkul değerleri, hisse senedi fiyatları ve petrol rezervleri bulunmaktadır.
    Düzgün - Tüm değerler meydana gelen bir eşit şansa sahip ve kullanıcı sadece minimum ve maksimum tanımlar. Düzgün yayılı olabilir değişkenlerin örnekleri yeni bir ürün için üretim maliyetleri veya gelecekteki satış gelirleri dahil.
    Üçgen - Kullanıcı asgari, büyük olasılıkla, ve maksimum değerleri tanımlar. Büyük olasılıkla etrafında değerleri ortaya olasılığı daha yüksektir. Bir üçgen dağılımı ile tarif edilebilir Değişkenler zaman ve stok seviyeleri birimi başına geçmiş satış tarihi içerir.
    Pert ve kullanıcının minimum, büyük olasılıkla, ve sadece üçgen dağılımı gibi maksimum değerler, tanımlar. Büyük olasılıkla etrafında değerleri ortaya olasılığı daha yüksektir. Ancak en muhtemel ve uç arasında değerler üçgen daha ortaya olasılığı daha yüksektir,, aşırı olarak vurgulanmıştır değildir ki. Bir Pert dağılımının kullanılması bir örneği, bir proje yönetimi modelinde bir görevin süresini tanımlamaktır.
    Kesikli - kullanıcı, belirli oluşabilir değerlerini ve olasılığını belirler. Bir örnek bir dava sonuçları olabilir: olumlu kararı 20% şans, olumsuz kararın 30% değişim, yerleşim% 40 şansı ve mistrial 10% şansı.
    Bir Monte Carlo simülasyonu sırasında, değerleri giriş olasılık dağılımları rastgele örneklenir. Örneklerin her biri, bir resim grubu denir yineleme, ve bu örnekten elde edilen sonuç kaydedilir. Monte Carlo simülasyonu kez bu yüzlerce veya binlerce yapar ve sonucu olası sonuçları bir olasılık dağılımıdır. Bu şekilde, Monte Carlo simülasyonu ortaya çıkabilir ne çok daha kapsamlı bir görünümünü sağlar. Bu ne olabileceğine sadece söyler, ama nasıl muhtemelen ne olduğunu.
    Monte Carlo simülasyonu bir üzerinde avantaj sayısı sağlar deterministik, ya da "tek nokta tahmini" analizi:
    • Olasılık sonuçları. Sonuçlar neler olabileceğini sadece göstermek, ancak her sonuç nasıl muhtemeldir.
    • Grafik sonuçları. Çünkü bir Monte Carlo simülasyonu oluşturur verilerin, farklı sonuçlar ve ortaya şanslarını grafikleri oluşturmak kolaydır. Bu, diğer paydaşlara bulgular iletişim için önemlidir.
    • Duyarlılık Analizi. sadece birkaç vaka ile, deterministik analizi zor olan değişkenlerin sonucu en etki görmek için yapar.Monte Carlo simülasyonu, bu girişler alt-line sonuçlarına büyük etkisi vardı hangi görmek kolaydır.
    • Senaryo Analizi: deterministik modellerde, gerçekten farklı senaryolar etkilerini görmek için farklı giriş değerleri farklı kombinasyonları modellemek için çok zor. Monte Carlo simülasyonu kullanarak, analistler bazı sonuçlar ortaya çıktığında hangi değerlerin birlikte vardı tam olarak hangi girişleri görebilirsiniz. Bu daha fazla analiz takip için değeri ölçülemez.
    • Girişler korelasyonu. Monte Carlo simülasyonu olarak, girdi değişkenleri arasındaki birbirine bağımlı ilişkileri modellemek mümkündür. Bu, gerçekte, bazı faktörler kadar gittiğinde, diğerleri buna göre nasıl aşağı yukarı gitmek veya temsil doğruluğunu önemlidir.
    Monte Carlo simülasyonu için bir geliştirme örnekleri daha doğru dağılım fonksiyonları, tüm dizi Latin Hiperküp örnekleme, bir kullanılmasıdır.