Москва, г. Москва и Московская область, Россия
Рассматриваются научные проблемы анализа и мониторинга рисков нефтегазовых проектов. Показаны основные возможные подходы к их решению. Отталкиваясь от существующих стандартов управления рисками, а также используя собственный практический опыт анализа рисков ряда крупных нефтегазовых проектов, авторы пришли к выводу о целесообразности разработки и внедрения в нефтегазовой компании методологии анализа и мониторинга проектных рисков, основанной на экономико-математическом моделировании.
проектный риск; мониторинг; анализ и управление; нефтегазовый проект; модель.
Нефтегазовые инвестиционные проекты характеризуются следующими особенностями:
- огромные капитальные затраты (речь идет о миллиардах, а в ряде случаев и о десятках миллиардов долларов США);
- длительный жизненный цикл (с момента принятия инвестиционного решения до завершения проекта фазой ликвидации проходят десятилетия);
- высокая важность проектов, их нацеленность на достижение значимых целей компаний1;
- высокая подверженность рискам различной природы. Как следствие необходимость управления, в том числе и специфическими рисками2 с учетом зависимости интенсивности влияния и состава рисковых факторов от времени (фазы проектного цикла);
- международный характер многих нефтегазовых проектов и, как следствие, необходимость согласования их параметров различными участниками3.
Указанные особенности накладывают отпечаток на управление нефтегазовыми проектами и в том числе на анализ и управление проектными рисками. Например, результаты ранжирования рисков нефтегазовых проектов привязаны к этапам проектного цикла (на начальных этапах проектного цикла значимыми, как правило, являются организационные, технологические и геологические риски; на эксплуатационном этапе значимыми могут быть рыночные риски, в том числе риски снижения цен на энергоресурсы, а также техногенные и природно-климатические риски). Длительный жизненный цикл нефтегазовых проектов, а также их подверженность рискам различной природы делают актуальной оценку их эффективности с использованием моделей денежных потоков, аварийных процессов, а в ряде случаев и реальных опционов, с обязательным учетом временнóго и рисковых факторов [2, 22].
_____________________
1 Например, реализация проекта комплексного освоения Штокмановского газоконденсатного месторождения (ГКМ) позволит ОАО «Газпром» достичь ряда важнейших для компании стратегических целей. К одной из них относится диверсификация направлений поставок энергоносителей за счет производства и реализации сжиженного природного газа (СПГ).
2 К специфическим рискам, т.е. рискам, присущим именно нефте-газовым проектам, можно отнести, например геологические риски.
3 Например, необходимость согласований параметров 1-й фазы проекта комплексного освоения Штокмановского ГКМ объясняется различными подходами участников проекта к выбору площадки размещения объектов общей инфраструктуры (порт, хранилища СПГ).
1. Alcaraz J., Maroto C. A robust genetic algorithm for resource allocation in project scheduling // Annals of Operations Research. — 102: 83—109. — 2001.
2. Alcaraz J., Maroto C., Ruiz R. Solving the multi-mode resource-constrained project scheduling problem with genetic algorithms // Journal of Operation Research Society. — 54: 614—626. — 2003.
3. Boctor F.F. A new and efficient heuristic for scheduling projects with resource restrictions and multiple execution modes // European Journal of Operational Research. — 90 (1996): 349—361.
4. Boctor F.F. Heuristics for scheduling projects with resource restrictions and several resource-duration modes // International Journal of Production Research. — 31: 2547—2558. — 1993.
5. Boctor F.F. Resource-constrained project scheduling by simulated annealing // International Journal in Production Research. — 34: 2335—2351. — 1996.
6. Boctor F.F. Some efficient multi-heuristic procedures for resource-constrained project scheduling// European Journal of Operational Research. — 49: 3—13. — 1990.
7. Bouleimen K.H., Lecocq H. A new efficient simulated annealing algorithm for the resource-constrained project scheduling problem and its multiple mode version// European Journal of Operational Research. — 149 (2): 268—281. — 2003.
8. Brucks G.H., White C.R. An algorithm for finding optimal or near optimal solutions to the production scheduling problem//Journal of Industrial Engineering. — January-February Issue: 34—40. — 1965.
9. Chen W.-N., Zhang J., Chung H. S.-H, Huang R.-Z., Liu O. Optimizing discounted cash flows in project scheduling — an ant colony optimization approach // IEEE Transactions on Systems, Man and Cybernetics. — Part C: Applications and Reviews. — 40 (1): 64—77. — 2010.
10. Chiang C.-W., Huang Y.-Q., Wang W.-Y. Ant colony optimization with parameter adaptation for multi-mode resource-constrained project scheduling // Journal of Intelligent and Fuzzy Systems. — 19 (4-5): 345—358. — 2008.
11. Demeulemeester E.L., Herroelen W. Project Scheduling: A Research Handbook. — Kluwer Academic Publishers, 2002. — P. 710.
12. Dorigo M., Maniezzo V., Colorni A. Ant system: Optimization by a colony of cooperating agents // IEEE Transactions on Systems, Man, and Cybernetics. — Part B: Cybernetics. — 26 (1): 29—41. — 1996.
13. Goldratt E.M. Critical Chain. — Great Barrington, (USA): The North River Press, 1997.
14. Hartmann S. A competitive genetic algorithm for resourceconstrained project scheduling // Naval Research Logistics. — 45:733—750. — 1998.
15. Hartmann S. A self-adapting genetic algorithm for project scheduling under resource constraints // Naval Research Logistics. — 49 (5): 433—448 — 2002.
16. Hartmann S. Project scheduling with multiple modes: a genetic algorithm // Annals of Operations Research. — 102: 111—135. — 2001.
17. Hartmann S., Kolisch R. Experimental evaluation of stateof-the-art heuristics for the resource-constrained project scheduling problem: An update // European Journal of Operational Research. — 127 (2): 394—407. — 2000.
18. Hartmann S., Kolisch R. Experimental investigation of heuristics for resource-constrained project scheduling: An update // European Journal of Operational Research. — 174 (1): 23—37. — 2006.
19. Herroelen W., Leus R. Identification and illumination of popular misconceptions about project scheduling and time buffering in a resource-constrained environment // Journal of the Operational Research Society. — 56 (1): 102—109. — 2005.
20. Holland H.J. Adaptation in Natural and Artificial Systems. — University of Michigan Press, Ann Arbor, Ml, 1975; reprinted by MIT Press, Cambridge, MA, 1992.
21. Kelley J.E., Walker M.R. Crital Path Planning and Scheduling: An Introduction. Ambler, PA: Mauchly Associates, 1959.
22. Kelley J. E., jr. The critical-path method: resources planning and scheduling // Math., J.F. and G.L. Thompson (Eds.). — Industrial Scheduling, Prentice Hall, Englewood Cliffs: 347—365. — 1963.
23. Kirkpatrick S., Gelat C. D., Vecchi M.P. Optimization by Simulated Annealing // Science. — 220 (4598): 671—680. — 1983.
24. Kolisch R. Efficient priority rules for the resource-constrained project scheduling problem // Journal of Operations Management. — 14: 179—192. — 1996.
25. KolischR., Drexl A. Local search for nonpreemptive multimode resource-constrained project scheduling // IIE Transactions. — 29: 987—999. — 1997.
26. Lawrence S. Resource constrained project scheduling // A computational comparison of heuristic scheduling techniques :Technical report. — Graduate School of industrial administration, Carnegie-Mellon University. — Pittsburg, 1985.
27. Pham D. T., Ghanbarzadeh A., Koc E., Otri S., Rahim S., Zaidi M. The Bees Algorithm. Technical Note. — Manufacturing Engineering Centre, Cardiff University, UK, 2005.
28. Sprecherand Drexl A. Multi-mode resource-constrained project scheduling by a simple, general and powerful sequencing algorithm // European Journal of Operational Research. — 107: 431—450. — 1998.
29. Valls V., Ballestín F., Quintanilla S. A hybrid genetic algorithm for the resource-constrained project scheduling problem // European Journal of Operational Research. — 185: 495—508. — 2008.
30. Williams Т.M. The contribution of mathematical modeling to the practice of project management // IMA Journal of Management Mathematics. — 14: 3—30. — 2003.
