REALOPSJONER I PRAKSIS

Anvendt eksempel fra landbruket

SAMMENDRAG

Denne artikkelen gir en praktisk vinkling på hvordan en kan vurdere de muligheter for verdiskapning som teknologi gir i investeringsprosjekter. Vi tar utgangspunkt i analyseelementene som beskrevet i artikkelen "Teknologi som verdidriver" og viser hvordan disse kan anvendes i praksis. Vi gjennomgår også hvordan realopsjoner kan øke lønnsomheten. Eksempelet vi benytter er hentet fra landbrukssektoren, men gir innsikt i hvordan analyseteknikker kan bidra til at teknologi utnyttes mest mulig optimalt i investeringssammenheng uavhengig av bransje.

INNLEDNING

Artikkelen "Teknologi som verdidriver" beskriver et rammeverk for hvordan ny teknologi med ulike teknologielementer kan vurderes for å vise eller sannsynliggjøre teknologiens reelle verdiskapingspotensial. Sentrale begreper er innovasjonsgrad og modenhet som kan brukes for å gi realistiske estimater på tid, kostnader og usikkerhet knyttet til å få en ny teknologi klar for kommersiell bruk. En kan beregne risikofaktorer som gir sannsynligheten for at en teknologi er ferdigstilt innenfor en gitt tidsramme, og usikkerhet rundt det operasjonelle kan kvantifiseres i en operasjonell usikkerhetsfaktor. I denne artikkelen gjennomgår vi hvordan disse begrepene kan anvendes i praksis.

 
SITUASJONSBESKRIVELSE

La oss tenke oss en gårdbruker som i hovedsak driver med planteproduksjon. I forbindelse med planleggingen av et nytt næringsbygg bestemmer han seg for å se nærmere på ulike teknologimuligheter for å optimalisere drift og øke lønnsomheten for virksomheten.

Det nye næringsbygget skal romme potet/kornlager, verksted, og maskinlager. I tillegg vurderes det å investere i et påbygg med tørkeanlegg for korn. Bygningen blir mest fleksibel ved å ha en løsning som gir størst mulig takhøyde og åpne rom med få bæringspunkter. Videre er det et ønske å bygge mest mulig i tre av miljømessige hensyn og for å oppnå harmoni med eksisterende bygg på tunet. Gårdbrukeren har identifisert en nyutviklet bjelke, Rennebubjelken, som tåler store spenn og ser ut til å oppfylle kravene i tillegg til å kunne gi en betydelig kostnadsbesparelse sammenliknet med tradisjonelle limtrebjelker. Imidlertid representerer store næringsbygg et nytt anvendelsesområde for Rennebubjelken.

Gårdbrukeren ønsker videre et energianlegg som kan dekke behov for oppvarming av bolighus, verksted, lager og energi til korntørke. Tørking av korn er en energikrevende prosess, der det ofte benyttes fossilt brensel og elektrisitet fra nettet. Solenergi og bioenergi vurderes som alternativ varmekilde til tørken. Han vurderer også å leie et jordstykke på 1000 dekar et stykke fra gården. Dette kommer i tillegg til hans nåværende 500 dekar og vil kunne øke inntjeningen på korntørken.

Gårdbrukeren vurderer å anvende ny teknologi for å kunne tilpasse jordbehandling, sprøyting og gjødsling etter variasjon i jord og planters egenskaper og behov. På denne måten kan han øke produksjonen, senke kostnadene og skåne miljøet. Dette kalles «presisjonsjordbruk». Gårdbrukeren ønsker å se på en teknologiløsning bestående av GPS og nitrogensensor (N-sensor) som samler inn informasjon om gjødslingsbehov i kombinasjon med gjødselspreder som tilpasser gjødselmengde mens en kjører i åkeren.

Om Rennebubjelken

Rennebubjelken er en videreutvikling av den gamle metoden tannbjelke. Fordelen med denne konstruksjonen er å utnytte treverket bedre med mindre byggehøyde og høyere bæreevne. Med dagens teknologi og hjelpemidler kan forspenningen utføres i mer kontrollerte former der en kan beregne bjelkenes bæreevne. Se www.rennebu-bjelken.no for mer informasjon.

Om presisjonslandbruk

Begrepet presisjonslandbruk dekker anvendelse av visse typer teknologi som GPS, satelittbilder, droner, termiske kameraer og sensorer. Formålet er å kunne tilpasse jordbehandling, sprøyting og gjødsling etter ulike jord- og planteegenskaper og aktuelle behov og derigjennom øke produksjonen, senke kostnadene og skåne miljøet.

Figur 1: Muligheter for optimalisert drift og økt lønnsomhet

BEREGNING AV ØKONOMISK POTENSIAL

Basert på situasjonsbeskrivelsen over, er det behov for å lage en problemstruktur som kan benyttes til å beregne økonomisk potensial for de ulike alternativene. Da det er direkte sammenhenger mellom mange av elementene som må hensyntas i økonomiberegningen, kan ikke delproblemstillingene vurderes isolert. En kan ikke vurdere det nye bygget uten samtidig å tenke på korntørke med energiløsning og økt kornproduksjon gjennom utnyttelse av ny teknologi for presisjonslandbruk.

Gårdbrukeren har i utgangspunktet to alternative strategier som må vurderes opp mot hverandre: ”Intuitiv strategi” og ”Fortsett som tidligere”. ”Intuitiv strategi” representerer ulike beslutninger og alternativer knyttet til jordbrukerens ekspansive planer, mens ”Fortsett som tidligere” er den sammenliknbare sekvens av beslutninger  som opprettholder  status quo.

Gårdbrukeren har i utgangspunktet to alternative strategier som må vurderes opp mot hverandre.

LÆRING, USIKKERHET OG AVHENGIGE BESLUTNINGER

Ofte vil en beslutningstaker ha en grunnidé om hvilket investeringsløp han bør følge og fokusere på den første beslutningen – for eksempel bygget i dette eksemplet. Gårdbrukeren oppdager imidlertid underveis at det er en mulighet å ta beslutningen om å teste GPS/N-sensor først, for å oppnå læring om merverdien i driften før han tar de påfølgende beslutningene. Ved å utsette byggingen får han også tid til å jobbe tettere med firmaet som leverer Rennebubjelken og sikre at denne blir kvalifisert i god tid før byggestart. Læringen og de avhengige beslutningene er illustrert nedenfor.

Figur 2: Læring, usikkerhet og avhengige beslutninger

PROBLEMSTRUKTUR

Basert på gårdbrukerens mulighet til å oppnå læring ved å endre rekkefølgen på beslutningene, er det i realiteten tre hovedstrategier som kan følges. Dette er vist nedenfor. Den øverste strategien, "Tenk nytt", har fokus på læringen som kan oppnås ved testing av GPS/N-sensor og utsettelse av byggebeslutningen. Den midterste strategien, "Intuitiv strategi", følger gårdbrukerens opprinnelige beslutningsrekkefølge basert på intuisjon og den nederste strategien, "Fortsett som tidligere" gir status quo og er den strategien de to andre strategiene sammenliknes opp mot.  

 

En alternativ strategi ”Tenk nytt” er identifisert på bakgrunn av muligheten for å oppnå læring ved å endre beslutningsrekkefølgen.

Figur 3: Problemstruktur

DISKUSJON AV TEKNOLOGIELEMENTENE

For å beregne verdien av de tre strategiene gitt i beslutningstreet over, må de ulike teknologielementene evalueres. Det er to viktige teknologielementer i dette eksempelet; Rennebubjelken og GPS/N-sensoren.

Innovasjonsgrad

Basert på det teoretiske rammeverket, kan det antas at de to teknologielementene kan klassifiseres som gitt under. Begge teknologier antas å ligge mellom klasse 1 og 2 avhengig av anvendelsesområde.

Det er to viktige teknologielementer i dette eksempelet; Rennebubjelken og GPS/N-sensoren.

Figur 4: Innovasjonsgrad

Modenhet

GPS/N-sensor er antatt på nivå TRL9, hvor systemet er verifisert i driftsmiljø. Allikevel er det usikkerhet knyttet til teknologien i form av hvor godt den fungerer for gårdbrukeren. Dette er avhengig av lokale forhold, plantevalg med mer. Det foregår løpende videreutvikling av system og programvare som kan gi ytterligere merverdi i fremtiden.

Rennebubjelken er antatt på nivå TRL6, hvor teknologien er demonstrert i relevant miljø, men utvikling gjenstår for bruk i næringsbygg med store takspenn.

Teknologirisiko

Innovasjonsgrad og modenhet gir teknologirisikoen for teknologielementene. Teknologirisikoen er først og fremst knyttet til Rennebubjelken, der risikofaktoren avhenger av valgt strategi og tiden som er tilgjengelig før implementering. Dette er vist i Tabell 5. 

Teknologirisikoen er inkludert i beslutningstreet i Figur 4, merket (1) og (2).

Innovasjonsgrad og modenhet gir teknologirisikoene som angitt i beslutningstreet.

Figur 5: Teknologirisiko

Operasjonelle usikkerhetsfaktorer og ukjente ukjente

Operasjonelle usikkerheter (utover GPS/N-Sensor) og ”ukjente ukjente” er sett bort fra i eksemplet for å forenkle fremstillingen. I praksis vil en måtte ta disse elementene inn for optimal usikkerhetshåndtering på liknende vis som for teknologirisiko.

Kostnader og inntjening

Vi har forsøkt å kvantifisere de viktigste verdidriverne og vise hvordan dette kan inkluderes i analysen.

Kapitalkostnad og avskriving på GPS/N-Sensor er anslått til kr 50.000 per år. Dette er merket (3) i figur 4. Basert på forskning (Yara 2016) og bønders praktiske erfaring, har vi anslått lav, forventet og høy merverdi per år ved bruk av GPS/N-sensor til henholdsvis 50, 150 og 250 kr/dekar. Tallene vil variere mellom landsdeler, jorder, kornsorter og dyrkingsmåter og er kun illustrative. Gitt merverdien per dekar resulterer dette i en inntjening på kr 25.000, 75.000 og 125.000 ved et areal på 500 dekar. Dette er merket (4), (5), og (6) i figuren. For et tilleggsareal på 1000 dekar er merinntjeningen anslått til henholdsvis kr 75.000 -25.000 og -125.000. Dette er merket (7), (8) og (9) i figuren. Merverdien for tilleggsarealet er betydelig mindre enn for de første 500 dekar, da marginalkostnadene blir høyere ved økende leieareal, blant annet på grunn av transport. En vil derfor ha en maksimalstørrelse for leieareal gitt teknologiens prestasjonsevne.

Oppnådd kornpris varierer med både leveringstidspunkt, kvalitet og fuktighetsgrad. Kornet kan leveres rett fra jordet, men dette kan føre til pristrekk på grunn av fuktighet eller kvalitet. For å oppnå høyere pris for kornet kan bonden tørke kornet selv, og eventuelt lagre det for å få pristillegg knyttet til tidspunkt for levering (Schmidt 2016). Dersom en har tørke- og lagringsanlegg, vil dette føre til større fleksibilitet i treskeperioden – noe som har verdi i seg selv og fører til økt inntjening. Dette er anslått til å gi en årlig merverdi på kr 25.000 (merket (10) i figuren) for 1500 dekar i eksempelet (Thunes, Horne, Storlii, Jensen, 2016/17). Anvendelse av GPS/N-sensor vil kunne påvirke både kornkvalitet og fuktighetsgrad.

 
Realopsjoner

Realopsjonene som inngår i analysen er knyttet til læring som vist i Figur 4.

Den første beslutningsnoden representerer valg av hovedstrategi. Ved først å beslutte å teste GPS/N-sensor, kan beslutningstakeren gjøre valg på et senere tidspunkt basert på ny informasjon. Beslutningene om areal, bygg og korntørkeløsning er også koblet. Totalresultatene for disse beslutningene viser at det kun ved høy prestasjonsevne for GPS/N-sensor er lønnsomt å gå videre med leie av areal, påbygg og korntørke. Strategien om å gå i gang med å bygge og leie tilleggsareal før en har fått erfaring med presisjonsteknologien, gir ingen tilpasningsmulighet.

Usikkerhet knyttet til om Rennebubjelken medfører kostnadsbesparelser eller merkostnader er lagt inn i begge strategier. Vi har ansett sannsynligheten for å lykkes med bruk av Rennebubjelken som stor, men det er en betydelig usikkerhet knyttet til det nye anvendelsesområdet. Det potensielle økonomiske tapet ved forsinkelser og tilleggskostnader må derfor verdsettes og sannsynlighetsvektes for at en skal ha mulighet til å veie strategiene opp mot hverandre. Sannsynligheten for å lykkes i henhold til plan er størst der bygging ligger sent i tidsplanen (R-ratio blir lavere grunnet mer tilgjengelig tid), og dette er anslått til å gi en forventet årlig merverdi på kr 20.000 (merket (11) i figuren), gitt kapitalkostnad og avskriving. Merverdien der bygging ligger tidlig i tidsplanen er anslått til kr 0 (merket (12) i figuren) der eventuell kostnadsbesparelse oppveies av usikkerheten knyttet til forsinkelser og ekstrakostnader.

Figuren viser at opsjonene gir et forventet økt årlig overskudd på kr 36.000 (61.000-25.000) (merket (13) og (14) i figuren), som er differansen mellom verdien av de to strategiene. Strategien ”fortsett som tidligere” er gitt verdien kr 0 (merket (15) i figuren), da deltaverdiene regnes ut i fra denne. Opsjonene har i tillegg redusert nedsiden fra kr -162.500 til -25.000 (merket (16) og (17) i figuren).

En har lagt inn en sannsynlighetsfordeling knyttet til merverdien for bruk av GPS/N-sensor (merket (18) i figuren) for å ivareta den økonomiske virkningen av opsjonselementet.

Opsjonselementet ville bidratt til høyere inntjening dersom usikkerheten var større. Samtidig bidrar altså opsjonselementet til at beslutningstakeren kan unngå størstedelen av nedsiden, noe som kan være avgjørende for en liten virksomhet. Dette er illustrert nedenfor.

 

Opsjonselementet ville bidratt til høyere inntjening dersom usikkerheten var større. Samtidig bidrar altså opsjonselementet til at beslutningstakeren kan unngå størstedelen av nedsiden, noe som kan være avgjørende for en liten virksomhet.

Figur 6: Effekten av opsjonselementet

Verdi av informasjon

Desto lenger en venter med beslutningen om å leie tilleggsareal, desto sikrere blir en på hvor forventet inntjening ligger. Dette er illustrert i figur 8. Figuren viser at en får mer erfaring og bedre empiriske data over tid. En kan også i dette eksemplet øke læringsgraden gjennom parallelle observasjoner fra forskjellige jorder og minske læringstiden. Verdi av informasjonen må veies mot tap av utsatt inntjening. Selv om tidsmessig forskyvning i kontantstrømmen påvirker resultatene, har vi ikke tatt dette med for at leseren lettere skal kunne følge beregningene.

Strategisk verdi

Investering i GPS og N-sensor kan ha strategisk verdi da en må regne med at denne type utstyr i fremtiden kan anvendes på flere områder, og at utstyr og programvare vil bli forbedret. Investering i GPS-opplegg på traktoren representerer også en løsning som muliggjør bruk av teknologi som blir ferdig utviklet en gang i fremtiden (beskrevet i det teoretiske rammeverket for teknologiopsjoner). GPS kan blant annet gi mulighet til å foreta sprøyting etter samme prinsipp som for gjødsling gitt i eksempelet, men ved hjelp av annen type sensorer og programvare. Hvis en ser at dette kan ha betydelig verdi, bør det tas inn i analysen.

Figur 7: Læring over tid: Erfaring og statistisk grunnlag

KONKLUSJON

I eksemplet har vi belyst hvordan ny teknologi kan bidra til økt verdiskapning direkte, men også hvordan teknologiinvesteringer kan gi indirekte verdiskapning gjennom kobling til andre investeringsbeslutninger. I eksempelet er lønnsomhet og krav til dimensjonering og utforming av ny driftsbygning med korntørke og tilhørende energiløsning, direkte knyttet til utfallet av produktivitetsøkningen som følger av investering i GPS og Nitrogensensor, og beslutningen om å leie mer jord.

Ved å utsette byggebeslutningen får gårdbrukeren opparbeidet viktig driftserfaring med den nye teknologien for presisjonslandbruk, før han eventuelt beslutter å leie mer jord. Samtidig kjøper han seg tid til kvalifisering av Rennebubjelken, som reduserer usikkerhet og gir en forventet kostnadsbesparelse for bygget.

Vi har vist hvordan rekkefølgen på beslutningene, og avsløring av informasjon, kan være avgjørende for lønnsomhet og bidra til økt inntjening og reduksjon av nedside.

OPPSUMMERING

I denne artikkelen har vi forsøkt å belyse hvordan et rammeverk for beslutningsanalyse- og usikkerhetshåndtering kan anvendes for å øke lønnsomheten i prosjekter med teknologi av forskjellig modenhets- og/eller innovasjonsgrad.

Rammeverket gir mulighet til å strukturere, visualisere og beregne lønnsomhet for beslutningene en står ovenfor. Videre kan den problemstruktur og de modeller en etablerer som en del av analysen synliggjøre ytterligere mulighets- og usikkerhetsrom. Dette trygger robustheten knyttet til de respektive beslutningene.

I næringslivet er det en tendens til å forenkle for mye - med mål om raskt å få oversikt over et begrenset problem. Det kan føre til at en mister muligheten til å avdekke og modellere avhengigheter mellom beslutninger. Slike avhengigheter kan ofte endre konklusjoner om hvilken beslutning som er optimal på hvert enkelt beslutningspunkt – noe vi har forsøkt å få frem i eksemplet. Et godt konstruert beslutningstre viser verdiene (inkludert usikkerhet) av de viktigste beslutningene og gir et transparent beslutningsgrunnlag. Analysemodellene en bygger kan også egne seg til å analysere hvordan beslutninger påvirkes av variasjon i input variable.

I praksis må en ofte håndtere vesentlig flere beslutninger og usikkerheter enn det denne artikkelen og eksempelet beskriver. Da blir stringent anvendelse av et godt rammeverk enda viktigere for å kunne identifisere de mest verdiskapende beslutningene og forenkle problemstillingene til et håndterlig nivå. En må sørge for å ivareta de muligheter en har til å avdekke informasjon før viktige beslutninger fattes. Både mål om maksimal lønnsomhet, og et ønske om god usikkerhetsstyring, kan på denne måten ivaretas.

Vil du vite mer?

Ta kontakt med oss for en fagprat eller uforpliktende samtale om hvordan vi kan støtte deg i ditt arbeid.

Kontakt oss

Flere artikler

Collaborative problem solving

Olje og energi, Oil and energy, Ny teknologi, Selskapsstyrer, Privat sektor, Offentlig sektor, Porteføljestyring
Collaborative problem solving

From discovery to development

Olje og energi, Oil and energy
From discovery to development

Beslutningsprosesser

Olje og energi, Ny teknologi, Selskapsstyrer, Privat sektor, Offentlig sektor, Porteføljestyring
Beslutningsprosesser

Metodisk rammeverk for beslutningsanalyse

Olje og energi, Ny teknologi, Selskapsstyrer, Privat sektor, Offentlig sektor, Porteføljestyring
Metodisk rammeverk for beslutningsanalyse

Realopsjoner i praksis

Ny teknologi, Privat sektor, Offentlig sektor
Realopsjoner i praksis

Teknologivurderinger

Ny teknologi
Teknologivurderinger