Project systemic risk: Application examples of a network model

Abstract

General rightsThis document is made available in accordance with publisher policies. Please cite only the published version using the reference above. are identified. In the case of the latter (conflict), the effect of (sub) contractor activity -in terms of variance and activity pattern -to project systemic risk is assessed. To do so, numerical methods are developed and applied on an empirical dataset of widely-captured data (Gantt charts). In the context of the two challenges proposed, it is shown that: (a) the exposure of a project to systemic risk varies in a non-trivial manner as it evolves, at both micro and macro level; (b) (sub) contractor activity substantially impacts the emergence of locally important tasks (i.e. tasks able to disrupt the operation of a (sub) contractor). From a theoretical perspective, this work initiates a dialogue between the two domains (PM and NS), potentially opening new ways of tackling long-lasting challenges of PM.

A Privacy Preserving Approach to Collaborative Systemic Risk Identification: The Use-Case of Supply Chain Networks

“…Moreover, it reconsiders the current player (except the case where = ) on the shortest paths when current player has more than one shortest path to the target. For instance, the determinePlayersOnShortestPaths(5,7) identifies (5) 57 (6) = 1, while Table 6: Description of determinePlayersOnShortestPaths() method.…”

“…Systemic risk is not just the risk of statistically independent failure, but also the risk of failure cascading within the whole interconnected system [3]. This cascading effect impacts the whole system's performance and can lead to irrecoverable value disruptions [4,5]. 54% of firms are either extremely or very concerned about their sustainability performance [6].…”

The evolution of online ideological communities

“…Features like this are critically important for understanding leading users, as we would anticipate these users to be popular and well-regarded. However, we must note that each community has its own eco-system of roles, which will naturally have different behavioral features [32,57], therefore, the optimal metrics to identify particular subsets of users with particular behavioral patterns might differ from community to community. The key limitation here is that, despite the metrics developed for this work, meta-data can only provide a certain level of information.…”

Project as a System and its Management

“…V praxi je často uvažována pouze negativní část rizika, tedy hrozba. Nedávno vydané akademické články (Ellinas, Allan & Johansson, 2016;Nguyen, Marmier & Gourc, 2013;Muriana & Vizzini, 2017) nasvědčují tomu, že úspěch projektového řízení záleží na schopnosti projektových manažerů zvládnout tato negativní rizika. Autoři Nguyen, Marmier & Gourc (2015) navrhují, aby procesy řízení rizik probíhaly synchronně s procesy projektového řízení, což odpovídá všeobecně uznávanému požadavku, aby řízení rizik probíhalo ve všech fázích řízení projektu.…”

“…V teorii a výše zmíněných standardech lze nalézt množství cest a možností, jak může být přistoupeno k plánování a řízení projektů, které zohlední příslušná rizika. Ta mohou být kategorizována jako deterministická či pravděpodobnostní, kvalitativní či kvantitativní: (Nguyen et al, 2013), vycházející od jednoduchého kvalitativního posouzení dopadu a pravděpodobnosti výskytu (ISO, 2012), Monte Carlo simulace či přístupu metodou tří scénářů (Bodea & Purnuş, 2012) ke komplexní "agent base" metodě (Bodea & Purnuş, 2012), "genetic network" (Pfeifer et al, 2015) a "threshold" modelům (Ellinas et al, 2016). Rámec vytvořený na základě zvolené teorie anebo standardu by následně měl naplňovat dvě klíčové funkce: (1) být schopný produkovat relevantní informace při kontrole projektu v kontrolních bodech a (2) fungovat jako nástroj podpory rozhodování o preventivních/korekčních akcích pro projektové manažery (Nguyen et al, 2013).…”