决策者：大多数战略决策都是在没有看到完整决策空间的情况下做出的
资本分配很少因为缺乏分析而失败。
如果有 20 个项目，就会有超过 100 万种可能的投资组合。
执行委员会审查项目。委员会确定措施的优先次序。
但几乎没有一个组织会在实际约束条件下计算数学上的最优组合。
全局最优仍然是隐形的。
如果不计算完整的决策空间，复杂性就会被管理而非优化。
在下文中，我们将分析组织如何对其投资组合进行正式建模，并在实际约束条件下事先确定全局最优{{ ： }}
Starting point：
这种新计算方法的决定性区别在于应用时间： ，而是在实际决策之前，根据公司完整的投资和项目清单进行计算。
通常情况下，会有一份潜在的 CAPEX 项目清单，如工厂现代化、工厂升级、新建厂房等。例如，工厂现代化、信息技术改造、产品开发、 基础设施措施或效率计划。同时，还有一些固定的限制，如有限的总预算、有限的工程能力、 生产窗口、风险预算和战略框架条件。
这就是真正的决策问题：并非所有项目都能实现。因此，问题不在于 哪些项目单独看来是合理的，而在于在给定的限制条件下，这些项目的哪种组合构成了全局最优的整体组合。
因此，新的计算方法并不孤立地评估单个项目，而是从这些项目中计算出最优的组合、而是从完整的项目清单 中计算出最佳项目组合，同时考虑到所有预算、能力、风险和战略限制。其结果是，在作出实际投资决策之前，从数学上合理地 选择那些能够共同产生最大总体价值贡献的项目。
这将 CAPEX 规划从一个连续的选择过程转变为一个持续的组合优化过程、 其中充分考虑了机会成本、限制瓶颈和组合效应。
为什么大多数投资组合在结构上都是次优的 - 90 秒内
- 投资组合决策根据逻辑 2^N生成组合决策空间。
- 从大约 20 个项目开始，几乎不可能进行完整的人工评估。
- 经验主义（如 "NPV 前 5 名"、"IRR > WACC"、"Payback < 3 年"）造成系统性扭曲。
- 组织将局部最优与整个决策空间中的最佳解决方案相混淆。
- 机会成本因此在结构上仍然不可见。
- 算法优化计算实际约束条件（预算、能力、风险、环境、社会和治理等）下的最佳项目组合。
结论{{ ： }}
那些不计算完整求解空间的人默认了次优资本分配。
博客主要文章 :
最小施泰纳鲍姆--通过精打细算的结构而不是厉行节约来降低基础设施成本
如何以最低的基础设施成本优化系统连接
分类
连接多个工厂、地点或网络节点是工业、能源、物流和电信行业中最昂贵、同时也是战略上最敏感的基础设施决策之一。 在工业、能源、物流和电信领域，基础设施建设是最昂贵的决策之一。线路、路线、管道系统、电缆、 输送线或数据连接都会造成高昂的投资和后续成本，通常会持续数十年。
在实践中，基础设施通常是成对或线性规划的： 系统 A 连接到 B，B 连接到 C，C 连接到 D。 过大的网络和不必要的基础设施成本。
这正是一个典型的优化问题，但在实际应用中却很少被有意识地使用： 最小斯坦纳树。
1. 什么是最小斯坦纳树？
最小斯坦纳树是著名的最小生成树问题的延伸。在最小生成树中 中只有现有的节点可以连接，而斯坦纳树则允许引入所谓的 斯坦纳点。
这些额外的连接点并不是真实的系统，而是空间中的最优节点、 这些节点可用于合并多个连接点。这样可以最大限度地减少基础设施的总长度。
简而言之
并非每个系统都需要与其他系统直接连接--有时，一个额外的、战略性的节点 比许多直接线路更有利。
2. 为什么传统的基础设施规划会失败
在现实中，基础设施决策往往基于以下因素
- 地理距离
- 现有线路
- 组织责任
- 单个设施的项目边界
然而，这种逻辑忽略了基础设施是一个全球性系统这一事实。每增加一条线路都会影响成本、 维护、可靠性和整个网络的可扩展性。其结果是，网络可以运行，但 并非最佳。
3. 直接连接与斯坦纳解决方案的区别
对于分布在不同地点的多个系统，有两种基本方法：
-
直接连接：
每个系统通过各自的线路连接。
→ 易于规划，但昂贵且冗余。 -
斯坦纳结构：
在最佳点捆绑连接。
→ 缩短总长度，减少材料，降低成本。
在许多实际应用中，斯坦纳点可节省 10-30% 的基础设施，有时甚至更多，而不受功能限制。 不受功能限制。
4. 基础设施成本不是线性的
一个关键的思维误区在于认为基础设施成本会随着线路长度的增加而线性增加。 实际上，随着附加效应的增加，成本会不成比例地增加：
- 授权
- 土方工程
- 交叉口和保护措施
- 维护和保养
- 故障风险
因此，所避免的每一米基础设施都会产生多重影响，而不仅仅是一次性投资。
5. 作为战略规划工具的斯坦纳树
最小斯坦纳树不是一个理论概念，而是一个与以下方面高度相关的决策模型：
- 工厂连接
- 能源和介质供应
- 输送技术
- 管道和电缆线路
- 数据网络和光纤
它回答了一个核心管理问题： 如何在不损失功能的情况下，以最小的总投入连接多个系统？
6. 为什么仅有经验和 Excel 是不够的？
确定最小斯坦纳树是一个NP 难问题。这意味着
- 可能的配置数量呈指数增长
- 没有简单的线性解决方案
- 直觉往往只能提供局部的好结果，但全局的结果却很差
Excel 模型可以计算距离，但无法确定最佳节点位置和全局最小结构。 确定全局最小结构。经验有助于估算，而非优化。
7. 实践中典型的错误决定
如果不进行系统优化，经常会出现以下情况
- 直达线路过多
- 多余的线路
- 不必要的交叉
- 网络扩展性差
这些错误只能在施工后花费巨资加以纠正，而且往往不再经济。
8. 与实际限制因素相结合
在现实中，斯坦纳方案还必须考虑以下因素
- 禁建区
- 安全距离
- 现有基础设施
- 未来的扩展
- 每种线路类型的不同成本
因此，最小斯坦纳树不是一个静态结果，而是基于限制的 限制优化问题的一部分。
9. 经济和战略影响
斯坦纳结构的使用在多个层面上都有影响：
- 降低资本支出
- 降低运营成本
- 更坚固
- 更好的可扩展性
- 透明的决策逻辑
特别相关：节约是在投资之前实现的，而不是在投资之后提高运行效率。
结论
将系统与基础设施成本最小化结合起来不是一个详细的规划问题，而是一个战略优化问题。 战略优化问题。最小施泰纳树清楚地表明，增加连接点可以减少而不是增加基础设施。 而不是更多。
那些继续以线性和特定工厂为基础来规划基础设施的公司，必然会接受不必要的成本。 而将基础设施视为一个整体优化问题的公司，则可以在实现更高的系统质量的同时，节省大量成本。 更高的系统质量。
因此，决定性的问题不是：如何连接我们的系统？
而是在实际边界条件下，哪种结构能将基础设施成本降至最低？