Matematisk optimering: Beräkna det globala optimat för CAPEX, kapitalallokering och projektportföljer

Matematisk optimering använder matematiska modeller och algoritmer för att, utifrån många möjliga beslut, fastställa en lösning som optimerar ett definierat mål inom givna begränsningar.

När det gäller CAPEX, kapitalallokering och projektportföljhantering innebär detta till exempel:

Vilken kombination av projekt maximerar vårt NPV, ROI eller strategiska portföljvärde inom en begränsad budget?

Utmaningen ligger inte främst i att utvärdera enskilda projekt.

Den ligger i antalet möjliga kombinationer.

Med 20 oberoende ja-nej-projekt finns det teoretiskt sett upp till:

2^20 = 1 048 576 kombinationer.

Vid 50 projekt:

2^50 ≈ 1,13 × 10^15 kombinationer.

Vid 100 projekt:

2^100 ≈ 1,27 × 10^30 kombinationer.

Det är just här som kombinatorisk optimering, operationsanalys, blandad heltalsprogrammering, begränsningsoptimering och specialiserade algoritmer för portföljoptimering kommer till användning.

Nöj dig inte med att bara rangordna projekt. Beräkna portföljen.

Innehållsförteckning

• Vad är matematisk optimering?
• Vad är kombinatorisk optimering?
• Vad är programvara för kombinatorisk optimering?
• Vad är matematisk portföljoptimering?
• Vad är en algoritm för portföljoptimering?
• Vad är en optimeringslösare för företag?
• Operationsanalys för kapitalallokering
• Blandad heltalsprogrammering för CAPEX
• Ryggsäcksproblemet som affärstillämpning
• NPV-portföljoptimering
• ROI-portföljoptimering
• Maximera NPV under budgetbegränsningar
• Vad är optimering med begränsningar?
• Vad är optimering med budgetbegränsningar?
• Vad är global optimering?
• Vad är ett globalt optimum?
• Vad är den optimala projektkombinationen?
• Projektrankning kontra matematisk optimering
• Det kombinatoriska beslutsutrymmet
• Den matematiska portföljmodellen
• Matematisk modellering av begränsningar
• Matematisk modellering av projektberoenden
• Matematisk modellering av obligatoriska projekt
• Exempel: Varför kombinationen är avgörande
• Exempel: Portföljoptimering med 150 projekt
• Optimering med flera mål
• Flerårig portföljoptimering
• Scenarioptimering
• Matematisk optimering i styrelserummet
• Matematisk portföljoptimering med StratePlan
• Vanliga frågor

Vad är matematisk optimering?

Matematisk optimering avser den systematiska sökningen efter den bästa möjliga lösningen på ett matematiskt definierat beslutsproblem.

Ett optimeringsproblem består vanligtvis av tre grundläggande komponenter:

1. Beslutsvariabler

Vilka beslut kan fattas?

I ett projektportfölj, till exempel:

Att välja eller inte välja ett projekt.

2. Målfunktion

Vad ska maximeras eller minimeras?

Exempel:

• Maximera NPV
• Maximera portföljvärdet
• Maximera strategisk nytta
• Minimera kostnaderna
• Minska risken

3. Begränsningar

Vilka villkor måste uppfyllas?

Exempel:

• CAPEX-budget
• Resurser
• Projektberoenden
• Obligatoriska projekt
• Regler för affärsenheter
• Kapacitetsbegränsningar
• Tidsmässiga villkor

Matematisk optimering söker därefter inom det tillåtna lösningsutrymmet efter en lösning som på bästa sätt uppfyller den definierade målfunktionen.

Vad är kombinatorisk optimering?

Kombinatorisk optimering handlar om optimeringsproblem där man söker efter den bästa tillåtna kombinationen ur en stor mängd diskreta möjligheter.

Projektportföljer är ett typiskt exempel.

För varje projekt finns det inledningsvis ett binärt beslut:

Ja eller nej.

Investera eller inte investera.

Välja projekt eller inte välja projekt.

Vid N oberoende binära beslut uppstår teoretiskt sett upp till:

2^N möjliga kombinationer.

Detta visar tydligt:

Problemet är inte bara att utvärdera projekt. Problemet är att hitta rätt kombination.

Vad är programvara för kombinatorisk optimering?

Programvara för kombinatorisk optimering underlättar lösningen av diskreta beslutsproblem med ett mycket stort antal möjliga kombinationer.

Typiska affärstillämpningar är:

• CAPEX-fördelning
• Val av projektportfölj
• Investeringsplanering
• Resursallokering
• Produktionsplanering
• Schemaläggning
• Logistik
• Nätverksoptimering
• Underhållsplanering

Till skillnad från ett enkelt kalkylblad eller ett rankningssystem ligger tyngdpunkten inte enbart på att presentera data.

Programvaran skapar ett matematiskt beslutsutrymme och söker där efter en lösning för en definierad målfunktion.

Programvara för kombinatorisk optimering besvarar inte bara frågan ”Hur bra är projekt A?”, utan även ”Vilken kombination av A, B, C, D och alla övriga projekt uppfyller våra mål bäst under de givna förutsättningarna?”

Vad är matematisk portföljoptimering?

Matematisk portföljoptimering tillämpar matematisk optimering på valet och sammansättningen av en portfölj.

I ett företagssammanhang kan en portfölj till exempel bestå av:

• CAPEX-projekt
• Strategiska initiativ
• FoU-projekt
• Underhållsprojekt
• Digitaliseringsprojekt
• Omställningsprogram
• Infrastrukturinvesteringar

Varje projekt kräver kapital och eventuellt ytterligare resurser.

Samtidigt genererar varje projekt ett förväntat finansiellt eller strategiskt värde.

Matematisk portföljoptimering avgör vilka projekt som bör väljas ut tillsammans.

Målfunktionen kan till exempel vara:

Maximera portföljens totala nettonuvärde.

Eller:

Maximera ett kombinerat finansiellt och strategiskt portföljvärde.

Alltid inom de definierade begränsningarna.

Vad är en portföljoptimeringsalgoritm?

En portföljoptimeringsalgoritm är en matematisk metod för att fastställa en lämplig eller optimal portföljkonfiguration inom en definierad modell.

Beroende på problemets struktur kan olika optimeringsmetoder användas.

Dessa inkluderar till exempel:

• Linjär programmering
• Heltalsprogrammering
• Blandad heltalsprogrammering
• Dynamisk programmering
• Begränsningsprogrammering
• Branch-and-bound-metoden
• Heuristiska metoder
• Metaheuristiska metoder
• Hybrida optimeringsmetoder

Vilken algoritm som är lämplig beror på variabler, målfunktion, begränsningar och beslutsutrymmets storlek.

Algoritmen är inte affärsmålet. Den är det matematiska verktyget för att lösa affärsproblemet.

Vad är en optimeringslösare för affärsverksamhet?

En optimeringslösare för affärsverksamhet är en matematisk beräkningskomponent som löser beslutsproblem utifrån definierade målvärden och begränsningar.

En affärsanvändare formulerar till exempel:

Budget: högst 500 miljoner euro

Teknisk kapacitet: högst 25 000 timmar

Projekt 17: obligatoriskt

Projekt 22 kräver Projekt 9

Mål: maximera totalt nettonuvärde

Solvern beräknar utifrån detta en tillåten projektkombination som optimerar den definierade målfunktionen.

Det väsentliga värdet för ledningen ligger därför inte i själva Solver.

Det ligger i att översätta verkliga affärsregler till en beräkningsbar beslutsmodell.

Operations Research för kapitalallokering

Operations Research använder matematiska modeller, optimering och kvantitativa metoder för att stödja komplexa beslut.

Kapitalallokering är ett klassiskt tillämpningsområde.

Ett företag har:

• begränsat kapital,
• flera investeringsmöjligheter,
• olika avkastningar,
• begränsade resurser,
• strategiska krav,
• beroendeförhållanden mellan projekt.

Operations Research formulerar utifrån detta ett matematiskt beslutsproblem.

I stället för att bara fråga:

”Vilket projekt har den högsta avkastningen?”

frågar man:

”Vilken kombination av alla tillgängliga investeringar ger det bästa resultatet under de definierade förutsättningarna?”

Därmed blir kapitalallokering ett optimeringsproblem.

Blandad heltalsprogrammering för CAPEX

Mixed Integer Programming, förkortat MIP, är en klass av matematiska optimeringsmodeller där en del av beslutsvariablerna måste vara heltal eller binära.

Detta lämpar sig särskilt väl för CAPEX-portföljer.

Ett projekt kan till exempel representeras av en binär variabel:

xᵢ = 1 → Projektet väljs

xᵢ = 0 → Projektet väljs inte

Övriga variabler kan vara kontinuerliga.

Till exempel:

• Produktionsvolym
• Resursmängder
• Kapacitet
• Finansieringsandelar

Genom detta kan blandad heltalsprogrammering kombinera diskreta projektbeslut med kontinuerliga affärsvariabler inom en gemensam modell.

Ryggsäcksproblemet som affärstillämpning

Ryggsäcksproblemet är ett av de mest kända kombinatoriska optimeringsproblemen.

Grundidén:

Det finns flera objekt.

Varje objekt har ett värde och kräver en viss kapacitet.

Den tillgängliga totala kapaciteten är begränsad.

Man söker efter den kombination av objekt som ger det högsta totalvärdet inom denna gräns.

Översatt till CAPEX:

Affärsfrågan lyder:

Vilka projekt bör väljas för att skapa högsta möjliga totala värde inom budgetramen?

Verkliga företagsportföljer är ofta mer komplexa än det klassiska ryggsäcksproblemet, eftersom ytterligare resurser, beroenden, obligatoriska projekt och fleråriga villkor måste beaktas.

NPV-portföljoptimering

NPV-portföljoptimering maximerar det totala nettonuvärdet (NPV) för en investeringsportfölj inom givna begränsningar.

En förenklad målfunktion lyder:

Maximera Σ NPVᵢ × xᵢ

under:

Σ Investmentᵢ × xᵢ ≤ Budget

Den centrala skillnaden:

NPV utvärderar först det ekonomiska värdet av ett enskilt projekt.

NPV-portföljoptimering avgör därefter vilken kombination av dessa projekt som bör finansieras gemensamt.

Ett positivt NPV innebär inte automatiskt att ett projekt ingår i den optimala portföljen.

ROI-portföljoptimering

ROI-portföljoptimering undersöker avkastningseffekten för en hel investeringsportfölj.

Man bör dock vara försiktig med enkla ROI-rankningar.

Ett projekt med mycket hög avkastning kan vara litet.

Ett annat projekt kan ha en lägre relativ avkastning, men ett betydligt högre absolut värdetillskott.

Dessutom kan projektstorlek, budgetbegränsningar och kombinationseffekter leda till att en enkel sortering efter avkastning inte ger den bästa portföljsammansättningen.

Därför bör man först tydligt definiera vilken målvärde som faktiskt ska optimeras.

Till exempel:

• Total NPV
• Totalt värde
• Portföljens avkastning
• Strategisk nytta
• Kombination av flera mål

Den matematiska målfunktionen måste stämma överens med företagets ekonomiska mål.

Maximera NPV under budgetbegränsning

”Maximera NPV under budgetbegränsning” är en klassisk frågeställning inom kapitalallokering.

Antag att:

Ett företag har 100 investeringsprojekt.

Totalt begärt CAPEX:

1,2 miljarder euro

Tillgänglig budget:

750 miljoner euro

För varje projekt finns ett förväntat nettonuvärde (NPV).

Uppgiften lyder:

Välj den projektkombination vars totala investering uppgår till högst 750 miljoner euro och vars totala NPV är maximalt inom den definierade modellen.

Formellt förenklat:

Maximera Σ NPVᵢ × xᵢ

under:

Σ CAPEXᵢ × xᵢ ≤ 750 miljoner euro

och:

xᵢ ∈ {0,1}

Ytterligare affärsbegränsningar kan läggas till i efterhand.

Vad är begränsningsoptimering?

Begränsningsoptimering kopplar samman en optimeringsuppgift med villkor som varje tillåten lösning måste uppfylla.

När det gäller projektportföljer kan sådana villkor till exempel vara:

• CAPEX får inte överstiga 500 miljoner euro.
• Teknikarbetet får ta högst 20 000 timmar.
• Minst 100 miljoner euro måste investeras i affärsenhet A.
• Projekt 17 måste genomföras.
• Projekt 22 får endast genomföras om projekt 9 väljs ut.
• Projekt 31 och projekt 32 får inte genomföras samtidigt.

Optimeringen söker därefter endast inom det tillåtna beslutsutrymmet.

Begränsningarna omvandlar den teoretiska optimeringen till en modell för verkliga företagsbeslut.

Vad är budgetbegränsningsoptimering?

Budgetbegränsningsoptimering söker den bästa lösningen inom en fastställd budgetgräns.

För CAPEX är grundvillkoret:

Totalt valt CAPEX ≤ tillgänglig CAPEX-budget

Budgetgränsen tvingar företaget att göra urvalsbeslut.

Om alla projekt kunde finansieras skulle ingen portföljval behöva göras på grund av budgeten.

Det är därför bristen på resurser som ger upphov till optimeringsproblemet.

En viktig ledningsfråga lyder:

”Hur mycket värde kan vi maximalt uppnå med just denna budget?”

En andra fråga:

”Hur förändras det uppnåeliga värdet om vi ökar eller minskar budgeten?”

Vad är global optimering?

Global optimering innebär att man söker efter den bästa lösningen över hela det relevanta tillåtna lösningsrummet i en matematisk modell, istället för att endast beakta en lokalt bättre lösning i närheten av en utgångslösning.

Detta är relevant för portföljbeslut, eftersom små förändringar i en befintlig projektlista inte nödvändigtvis leder till den bästa portföljkonfigurationen.

Ibland måste ett till synes attraktivt urval ändras i grunden för att man ska få en bättre kombination.

Det kan till exempel vara nödvändigt att ta bort ett stort projekt och lägga till flera mindre projekt.

Global optimering betraktar portföljbeslutet som en helhet.

Vad är ett globalt optimum?

Ett globalt optimum är den bästa lösningen inom det definierade tillåtna lösningsrummet för den fastställda målfunktionen.

Det är viktigt att förstå den exakta innebörden:

”Globalt optimalt” betyder inte automatiskt ”det bästa verkliga företagsbeslutet i alla avseenden”.

Resultatet är optimalt i förhållande till:

• de använda uppgifterna,
• den definierade målfunktionen,
• de modellerade begränsningarna,
• de antaganden som använts.

Om dessa antaganden ändras kan även det globala optimatet ändras.

Därför är kvaliteten på beslutsmodellen lika viktig som optimeringsalgoritmen.

Ledningen definierar problemet. Matematiken optimerar inom ramen för detta problem.

Vad är den optimala projektkombinationen?

Den optimala projektkombinationen är den projektkombination som inom en definierad modell uppfyller målfunktionen på bästa möjliga sätt och samtidigt uppfyller alla begränsningar.

Den kan skilja sig avsevärt från en klassisk projektrankning.

Ett projekt kan till exempel ha rangordning 3 och ändå inte ingå i den optimala kombinationen.

Ett projekt på plats 8 kan däremot ingå i den optimala portföljen på grund av sina kostnader, sitt värde och sina interaktioner med andra projekt.

Ett projekts placering i rankningen och dess värde för den optimala kombinationen är två olika typer av information.

Projektrankning kontra matematisk optimering

Rankning och optimering fyller därmed olika syften.

En rangordning kan ge information om projektens relativa attraktionskraft.

Optimering besvarar frågan om portföljen.

Prioritera inte bara projekt. Optimera portföljen.

Det kombinatoriska beslutsutrymmet

Beslutsrummet omfattar alla möjliga beslutsalternativ i en modell.

Vid 100 binära projektbeslut uppstår teoretiskt sett upp till 2^100 kombinationer.

Många av dessa är i verkligheten inte tillåtna.

En portfölj kan till exempel:

• överskrida budgeten,
• kräva för många tekniska resurser,
• bryta mot beroendeförhållanden,
• utesluta obligatoriska projekt,
• bryta mot affärsenhetens regler.

Begränsningarna avlägsnar sådana otillåtna lösningar från beslutsutrymmet.

Kvar återstår det genomförbara beslutsutrymmet.

Inom detta tillåtna utrymme söker optimeringen efter den bästa möjliga lösningen för den definierade målfunktionen.

Den matematiska portföljmodellen

En förenklad CAPEX-portföljmodell kan formuleras på följande sätt.

Beslutsvariabel

För varje projekt i:

xᵢ ∈ {0,1}

xᵢ = 1 betyder: Projektet väljs ut.

xᵢ = 0 betyder: Projektet väljs inte ut.

Målfunktion

Exempel:

Maximera Σ Valueᵢ × xᵢ

Budgetbegränsning

Σ Costᵢ × xᵢ ≤ Budget

Resursbegränsning

Σ Resourceᵢ × xᵢ ≤ Tillgängliga resurser

Ytterligare villkor kan byggas vidare på detta.

Den faktiska modellen kan vara betydligt mer komplex, beroende på affärsproblemet.

Modellera begränsningar matematiskt

Affärsregler kan översättas till matematiska villkor.

Till exempel:

Total CAPEX ≤ 800 miljoner euro

Teknik ≤ 25 000 timmar

Affärsenhet A:s investeringar ≥ 100 miljoner €

Affärsenhet B:s investering ≤ 250 miljoner €

Högst 30 projekt samtidigt

På så sätt omvandlas en muntlig ledningsregel till ett matematiskt verifierbart villkor.

Varje tillåten portföljkonfiguration måste uppfylla dessa villkor.

Modellera projektberoenden matematiskt

Projektberoenden kan också avbildas formellt.

Projekt B kräver projekt A

xB ≤ xA

Om B väljs måste även A väljas.

Projekt A och B måste genomföras tillsammans

xA = xB

Projekt A och B utesluter varandra

xA + xB ≤ 1

Minst ett av A eller B måste genomföras

xA + xB ≥ 1

Därmed blir tekniska eller organisatoriska beroenden en direkt del av portföljoptimeringen.

Matematisk modellering av obligatoriska projekt

Ett obligatoriskt projekt kan modelleras som ett fast beslut.

För det obligatoriska projektet M gäller:

xM = 1

Detta innebär att varje tillåten portföljkonfiguration måste innehålla detta projekt.

Detta är till exempel relevant för:

• Efterlevnad
• Säkerhet
• Regulatoriska krav
• Cybersäkerhet
• Avtalsenliga skyldigheter
• Nödvändigt underhåll

Optimeringen avgör då inte längre om det obligatoriska projektet ska genomföras.

Den optimerar istället den återstående portföljen kring detta projekt.

Exempel: Varför kombinationen är avgörande

Ett företag har en budget på 100 miljoner euro.

Projekt A har det högsta enskilda värdet.

Om A väljs:

Portföljvärde = 150 miljoner €

Om B och C kombineras:

Investering = 60 + 40 = 100 miljoner euro

Portföljvärde = 100 + 80 = 180 miljoner euro

Med samma budget genererar B + C därmed 30 miljoner euro mer i förväntat värde.

Det bästa enskilda alternativet är inte automatiskt den bästa kombinationen.

Exempel: Portföljoptimering med 150 projekt

Ett företag har 150 potentiella CAPEX-projekt.

Begärd CAPEX:

1,8 miljarder euro

Tillgänglig budget:

1,1 miljarder euro

Dessutom gäller:

• 250 miljoner € Obligatoriska projekt
• 30 000 ingenjörstimmar
• Minimibudgetar för affärsenheter
• Maximala budgetar för affärsenheter
• Projektberoenden
• Ömsesidigt uteslutande projekt
• Strategiska kriterier

En rangordning kan sortera de 150 projekten.

Den ger dock inte automatiskt svaret på vilken kombination som under alla förhållanden bäst uppfyller den definierade målfunktionen.

Matematisk portföljoptimering modellerar därför:

Beslutsvariabler + målfunktion + begränsningar.

Resultatet är en portföljkonfiguration som har beräknats inom den definierade modellen.

Multimålsoptimering

Företag strävar ofta inte bara efter ett enda mål.

Förutom finansiellt värde kan till exempel följande vara relevanta:

• Tillväxt
• Strategisk anpassning
• Innovation
• Riskminimering
• Motståndskraft
• Hållbarhet

Multiobjektiv optimering tar hänsyn till flera målvariabler inom ramen för en definierad beslutslogik.

För detta kan exempelvis:

• Mål viktas,
• minimikrav definieras,
• flera scenarier beräknas,
• avvägningar analyseras

.

Det avgörande är att viktningen inte är något som matematiken hittar på.

Ledningen fastställer prioriteringarna. Modellen beräknar konsekvenserna av dessa.

Flerårig portföljoptimering

Många CAPEX-projekt sträcker sig över flera år.

Detta medför flera budget- och resursbegränsningar samtidigt.

Exempel:

CAPEX 2027 ≤ 300 miljoner euro

CAPEX 2028 ≤ 350 miljoner €

CAPEX 2029 ≤ 400 miljoner €

Dessutom kan projektstart, löptid och resursbehov beaktas.

Optimeringsfrågan lyder då inte längre bara:

”Vilka projekt ska vi välja?”

Utan:

”Vilka projekt bör vi starta och finansiera under vilken period för att det definierade målet ska uppfyllas på bästa möjliga sätt under hela planeringshorisonten?”

Scenariooptimering

En matematisk portföljmodell kan beräknas på nytt utifrån olika antaganden.

Till exempel:

Scenario A: Budget = 500 miljoner euro

Scenario B: Budget = 450 miljoner euro

Scenario C: Budget = 550 miljoner euro

Scenario D: Teknisk kapacitet -20 %

Scenario E: Nytt obligatoriskt projekt

För varje scenario skapas ett nytt genomförbart beslutsutrymme.

Därmed kan även den optimala projektkombinationen förändras.

Ledningen kan därefter jämföra:

• Valda projekt
• Portföljvärde
• Kapitalallokering
• Resursutnyttjande
• Strategisk inverkan
• Avvägningar

Scenarioplanering visar möjliga framtider. Optimering beräknar det bästa beslutet inom respektive framtid.

Matematisk optimering i styrelserummet

Matematisk optimering blir särskilt relevant när antagandena förändras under ett ledningsmöte.

CFO:n frågar:

”Vad händer om vi minskar CAPEX med 100 miljoner euro?”

VD:n frågar:

”Vad händer om tillväxten blir viktigare?”

COO frågar:

”Vad händer om ingenjörskapaciteten minskar med 15 procent?”

Investeringskommittén frågar:

”Vad händer om Projekt 27 blir obligatoriskt?”

Var och en av dessa förändringar påverkar det matematiska beslutsproblemet.

Med en förberedd portföljmodell kan portföljen beräknas på nytt under de nya förutsättningarna.

Därmed förändras beslutsprocessen:

Fråga. Ändra villkor. Beräkna. Jämföra. Besluta.

Matematisk portföljoptimering med StratePlan

StratePlan tillämpar matematisk optimering på verkliga beslut om CAPEX, investeringar och projektportföljer.

Beslutsmodellen kan bland annat innehålla:

• Projekt-ID
• Investering
• Förväntat värde eller NPV
• Strategiska kriterier
• Budget
• Resurser
• Obligatoriska projekt
• Beroenden
• Affärsregler
• Fleråriga villkor

På denna grundval kan olika portföljfrågor beräknas.

Till exempel:

• Vilken projektkombination maximerar NPV?
• Vilken kombination maximerar portföljvärdet?
• Hur stort värde kan uppnås med en fast budget?
• Vilka projekt bör väljas vid minskad CAPEX?
• Vilka ytterligare projekt blir möjliga vid en högre budget?
• Hur påverkar obligatoriska projekt portföljen?
• Hur påverkar projektberoenden?
• Hur påverkar resursbegränsningarna urvalet?
• Hur förändras den optimala kombinationen över flera år?
• Hur förändrar strategiska prioriteringar kapitalallokeringen?

StratePlan kombinerar därmed kombinatorisk optimering, portföljval och analys av ledningsscenarier.

Målet är inte att ersätta ledningens beslut med matematik.

Målet är att göra beslutsutrymmet beräkningsbart.

Ledningen definierar målet.

Begränsningarna definierar det genomförbara utrymmet.

Matematiken beräknar portföljen.

Ledningen fattar beslutet.

Lita inte på oss. Beräkna det själv.

Vanliga frågor

Vad är matematisk optimering?

Matematisk optimering använder matematiska modeller och algoritmer för att inom ett definierat beslutsutrymme fastställa en lösning som optimerar en målfunktion under givna begränsningar.

Vad är kombinatorisk optimering?

Kombinatorisk optimering söker efter den bästa möjliga tillåtna kombinationen ur en stor mängd diskreta alternativ. Projektportföljer med ja-nej-beslut är ett typiskt tillämpningsområde.

Vad är programvara för kombinatorisk optimering?

Programvara för kombinatorisk optimering löser diskreta beslutsproblem med många möjliga kombinationer. Affärstillämpningar omfattar bland annat portföljval, kapitalallokering, resursallokering och schemaläggning.

Vad är matematisk portföljoptimering?

Matematisk portföljoptimering beräknar sammansättningen av en portfölj utifrån en definierad målfunktion och verkliga begränsningar såsom budget, resurser, beroenden och obligatoriska projekt.

Vad är en algoritm för portföljoptimering?

En algoritm för portföljoptimering är en matematisk metod för att hitta en lämplig eller optimal portföljkonfiguration. Den konkreta metoden beror på optimeringsproblemets struktur.

Vad är en optimeringslösare för företag?

En optimeringslösare beräknar lösningar för matematiskt formulerade affärsproblem. Den bearbetar beslutsvariabler, målfunktioner och begränsningar och fastställer utifrån dessa en tillåten optimerad lösning.

Hur används operationsanalys för kapitalallokering?

Operations Research omvandlar kapitalallokering till ett kvantitativt beslutsproblem. Kapital, projektvärden, resurser och övriga villkor modelleras matematiskt och optimeras gemensamt.

Vad är blandad heltalsprogrammering för CAPEX?

Mixed Integer Programming möjliggör en kombination av diskreta och kontinuerliga beslutsvariabler. CAPEX-projekt kan till exempel modelleras som binära valbeslut och kombineras med kontinuerliga resurs- eller kapacitetsvariabler.

Vad är ryggsäcksproblemet inom affärslivet?

Ryggsäcksproblemet beskriver valet av värdefulla alternativ inom ramen för en begränsad kapacitet. När det gäller CAPEX motsvarar alternativen projekt, kapaciteten motsvarar budgeten och värdet motsvarar till exempel NPV.

Vad är NPV-portföljoptimering?

NPV-portföljoptimering söker efter en projektkombination som, inom definierade begränsningar, maximerar portföljens totala nettonuvärde (NPV).

Vad är ROI-portföljoptimering?

ROI-portföljoptimering undersöker hur en projektkombination påverkar avkastningen på portföljnivå. Den konkreta matematiska formuleringen bör passa den önskade definitionen av portföljens ROI och de ekonomiska målen.

Hur kan man maximera NPV inom en budgetbegränsning?

Varje projekt modelleras med investering och NPV. Därefter söks en projektkombination vars totala investering inte överskrider budgetgränsen och vars totala NPV är maximalt inom den definierade modellen.

Vad är begränsningsoptimering?

Begränsningsoptimering söker efter den bästa möjliga lösningen som samtidigt uppfyller definierade villkor. Exempel på detta är budgetgränser, resursbegränsningar, beroenden och obligatoriska projekt.

Vad är budgetbegränsningsoptimering?

Budgetbegränsningsoptimering optimerar ett definierat mål inom en fast budget. Vid CAPEX kan till exempel det totala NPV optimeras inom en maximalt tillgänglig investeringsbudget.

Vad är global optimering?

Global optimering syftar till att fastställa den bästa lösningen över hela det relevanta tillåtna lösningsrummet i en matematisk modell, istället för att begränsa sig till lokala förbättringar av en utgångslösning.

Vad är ett globalt optimum?

Ett globalt optimum är den bästa lösningen för den definierade målfunktionen inom modellens tillåtna beslutsrum. Uttalandet gäller i förhållande till modellens data, antaganden, målfunktion och begränsningar.

Vad är en optimal projektkombination?

En optimal projektkombination är den projektkombination som inom en definierad modell uppfyller alla begränsningar och på bästa sätt uppnår den valda målfunktionen.

Varför räcker det inte med en projektrankning?

En rangordning utvärderar projekt enskilt och skapar en ordning. Den undersöker inte automatiskt alla relevanta projektkombinationer under gemensamma budget-, resurs- och beroendevillkor.

Hur många kombinationer finns det vid 100 projekt?

Vid 100 oberoende binära projektbeslut finns det teoretiskt sett upp till 2^100 kombinationer. Det motsvarar ungefär 1,27 × 10^30 möjliga portföljer.

Kan matematisk optimering ta hänsyn till projektberoenden?

Ja. Beroendeförhållanden kan formuleras som matematiska begränsningar. Man kan till exempel ange att projekt B endast får väljas om även projekt A väljs.

Kan matematisk optimering ta hänsyn till obligatoriska projekt?

Ja. Ett obligatoriskt projekt kan modelleras som ett fast urvalsvillkor och måste därmed ingå i varje tillåten portföljkonfiguration.

Kan matematisk optimering ta hänsyn till flera resurser samtidigt?

Ja. Förutom budget kan till exempel ingenjörstimmar, IT-kapacitet, FTE, produktionskapacitet eller andra begränsade resurser integreras som ytterligare begränsningar.

Kan Mathematical Optimization planera över flera år?

Ja. Flerårig optimering kan ta hänsyn till periodspecifika budgetar, resurser, projektstarter, löptider och beroenden inom ramen för en gemensam beslutsmodell.

Vad är skillnaden mellan scenarioplanering och optimering?

Scenarioplanering definierar alternativa antaganden om framtiden eller olika ledningsförhållanden. Optimering beräknar inom varje scenario en lösning för den definierade målfunktionen och de begränsningar som gäller där.

Ersätter matematisk optimering ledningens beslut?

Nej. Ledningen definierar mål, antaganden, kriterier och begränsningar och fattar det slutgiltiga beslutet. Matematisk optimering beräknar konsekvenserna av dessa riktlinjer och underlättar jämförelsen av möjliga portföljkonfigurationer.