تحليل اجتماعي ريسك هاي سرمايه گذاري در پروژه هاي نفت و گاز ايران با استفاده از تصميم گيري كارآمد

Social analysis of investment risks in Iranian oil and gas projects using efficient decision making

با در نظر گرفتن پژوهش هاي پيشين، پروژه هاي صنعت نفت و گاز ايران داراي عدم قطعيت هاي فراواني بوده است. لذا تصميم گيري در اين پروژه ها همواره با ريسك هايي از جمله ريسك هاي سياسي و اجتماعي مواجه مي باشد. با ظهور تكنيك هاي مديريت ريسك ، ارايه ديد كاملي از ريسك هاي سرمايه گذاري در پروژه هاي نفت و گاز در ايران ضروري است. بنابراين شركت ها نفتي ايران در كنار ارزيابي هاي اقتصادي، ناگزير به شناسايي عوامل عدم اطمينان و تحليل ريسك ها در پروژها جهت سرمايه گذاري مي باشد. لذا اين پژوهش به دنبال ارايه چارچوبي جهت ارزيابي ريسك هاي سرمايه گذاري در پروژه هاي نفت و گاز مي باشد. به اين منظور نخست، با مطالعه پيشينه پژوهش و مشورت با خبرگان، 21 ريسك دسته بندي گرديد. با بكارگيري رويكرد دلفي فازي ريسك هاي شناسايي شده، پالايش و نهايي گرديد. در اين تحقيق، روش بهترين- بدترين، به منظور وزن دهي ريسك ها، به كار گرفته شد. از ميان ريسك هاي تعيين شده، با استفاده از روش مالتي مورا بحراني ترين ريسك ها مشخص گرديد.

Considering previous researches shows that Iranian oil and gas industry projects have had many uncertainties. Therefore, decision-making in these projects is constantly faced with risks such as political and social risks. With the advent of risk management techniques, it is necessary to provide a complete view of the investment risks in oil and gas projects in Iran. Therefore, in addition to economic assessments, Iranian oil companies are forced to identify factors of uncertainty and analyze risks in investment projects. Therefore, this study seeks to provide a framework for assessing investment risks in oil and gas projects. For this purpose, first, by studying the research background and consulting with experts, 21 risks were categorized. Using the fuzzy Delphi approach, the identified risks were refined and finalized. In this study, the best-worst method was used to weigh the risks. Among the identified risks, the most critical risks were identified using the MULTIMOORA method.