[SCRÂTÂND]
[FOȘT]
[CLIC]
RICHARD DE NEUFVILLE:
Deci, în cele din urmă, atunci, ne-am
uitat la, în acest exemplu, ne-am
uitat la diferitele modele --
design fix, fără
mișcare, opțiune de mutare
și am apreciat
flexibilitatea și care
era  cel mai bun design în funcție de
diferite criterii --
valoare așteptată, risc descendent,
risc ascendent, abatere standard,
cheltuieli de capital.
Acest lucru se referă de obicei
la CapEx inițial,
ceea ce puneți în față.
Și este foarte semnificativ
pentru că, odată ce l-ai
construit și vezi
cum merg lucrurile,
ai mai multă încredere
în ceea ce este în pericol,
astfel încât, în
general,
sau investitorii sunt, în
general, mai
înclinați să investească mai mulți bani.  .
Dar de multe ori acea
lovitură inițială este importantă.
Prin urmare, reducerea acestui
CapEx inițial poate fi foarte importantă.
Deci, ceea ce am făcut
aici a fost să evidențiem
cu caractere aldine ceea ce părea a fi cea
mai bună soluție în funcție
de aceste criterii.
Și astfel, acești flexibili de aici
sunt cel mai bun, cel mai bun design.
Există o excepție.
Singura excepție
este dacă pur și simplu vă
gândiți la
abaterea standard a acesteia, că
în acest caz, așa cum
este adesea cazul,
variația mai mică
a posibilului randament
este asociată cu
un design fix,
nu atunci când este posibil să-
l extindeți.  și împingând
granițele.  Astfel încât,
dacă vă fixați
pe un design robust, care
este acea noțiune că
abaterile standard sunt mici, cel
mai prost
design economic se întâmplă
să fie și designul robust.
Ceea ce ilustrează faptul că,
deși designurile robuste pot fi
foarte importante în unele cazuri,
cum ar fi atunci când încercați
să potriviți lucrurile împreună
foarte precis -
cum ar fi axele de oțel la
roțile de oțel ale căii ferate
sau reglarea la un semnal -
că în  În general, atunci când ai
de-a face cu flexibilitate,
vrei să crești
maximul posibil, cea mai bună
posibilitate, cât mai
mult posibil.
Vrei să elimini
abaterea standard.
Doriți să creșteți
posibilitățile de rentabilitate ridicată.
Și operați exact
împotriva noțiunii de
abatere standard mai mică.
Acum, punând toate astea laolaltă,
deci, la această scară,
aveți economii
de factor de scară de la
niciun factor, cu cel mai mare alfa, până la
cea mai scăzută
economie de scară pe care am
analizat-o la diferite
rate de învățare și valoarea
flexibilității.
Și ce aș vrea
să luați,
sau să vă gândiți să luați
, pe măsură ce schimbăm
economiile de scară,
atunci când economiile de scară
scad în această direcție, acea
flexibilitate este mai valoroasă.
Sau dimpotrivă, cu
economii de scară mari,
acestea nu sunt la fel de grozave sau
pot dispărea în cazul tău.
Și pe măsură ce învățarea
crește, este mai bine,
astfel încât dacă există
economii de scară mai mici,
economie de scară mai puțin agresive
, mai multă învățare este mai bună.
Deci,
în unele privințe, concluzia este -
și aceasta este o reprezentare foarte noțională -
undeva
aici, unde există
ceva învățare și nu
prea mari economii de
scară, există un punct favorabil.
Așa că, în general,
ideea fiind
în general că, după ce ne-am
uitat la gamă,
pare foarte plauzibil ca
un design flexibil în anumite privințe să
fie o soluție foarte bună.
Așa că acolo am
vrut să las lucrurile,
cu takeaway-urile.
Cred că
cazul GNL demonstrează
că, așa cum am
început la început,
acel design flexibil poate
oferi beneficii economice clare.
Este împins de
rata de actualizare și de efectele de învățare,
bazându-se pe
proiecte modulare care atenuează
economiile de scară.
Și valoarea reală așteptată
a proiectului CapEx
în condiții de incertitudine este mai mică decât
estimarea deterministă.
Așa că asta este mâncarea la pachet.
Și aici am terminat
pentru prezentarea de astăzi,
reunind o mulțime
de caracteristici a ceea ce
am încercat să împărtășesc
de-a lungul cursului până acum.
Deci, vă rog, comentariile,
întrebările și așa mai departe.