Управление рисками графика реализации проекта с использованием симуляций Монте-Карло

В данной статье хотел бы рассмотреть с вами один из способов применения симуляции Монте-Карло для определения наиболее вероятных и достижимых сроков реализации проекта.

Согласитесь, до обидного часто происходит так, что даже самый проработанный проект, не важно это крупный ремонт или техническая модернизация, даже выверенный сотню раз и трижды согласованный график ППР «вылетает» из сроков, все идет не так как запланировано. Тут сорвали срок поставки, там исполнители не могут уложится в отведённые им сроки. И все это ведет к сверхнормативным простоям, переработкам, перерасходам… проще говоря к потерям.

Знакома ли вам данная ситуация: вы завершаете планирование следующего крупного технического перевооружения вашей компании или капитального ремонта, и вы обеспокоены тем, что сроки слишком сжаты, вам может не хватить человеческих ресурсов или потребуется выполнить дополнительные проектные работы. Вы сообщите об этом руководству и порекомендуете увеличить размер персонала на 20 процентов, чтобы обеспечить соблюдение сроков. В ответ слышите резонный вопрос: «Но какова реальная вероятность задержки? И какова будет вероятность задержки после изменения? Если я буду инвестировать в увеличение команды, каким будет срок окупаемости?». Справедливо, не так ли? Но что вы можете ответить? Чем обосновать свое решение? А так ли уж сжаты сроки или вы хотите перестраховаться?

Давайте предположим, что место того, чтобы отвечать расплывчато «Тогда мы точно уложимся в срок», вы могли ответить: «В настоящее время вероятность увеличения срока выполнения проекта составляет 60 процентов. С предложенными рекомендациями (изложены в анализе сценариев) вероятность задержки падает до менее чем 15 процентов». На мой взгляд гораздо убедительнее, вам не кажется? Да и вам самим будет удобнее управлять проектом зная риски и управляя критическими факторами.

Давайте разберемся как же добиться такой точности и глубины анализа, а заодно и ответим на вопрос: так ли это сложно и трудозатратно? Моделирование методом Монте-Карло для управления рисками сроков реализации проекта позволяет своевременно реагировать на них, а также дает подробную информацию о своевременности и возможной задержке выполнения различных этапов проекта, что позволяет принимать оперативные решения. Вы будете действовать до наступления рискового события (предотвратить, минимизировать, найти резерв или альтернативу), следовательно, снижать потери и увеличивать выгоду.

Предлагаемая методика

Крупное техническое обслуживание (например, производственные подразделения, производственные линии, участки конвейеров и пр.) напоминают крупные проекты с выделенным персоналом и часто руководителем проекта, а также с отделом закупок, планирования и составления графиков и другим персоналом. Меньшие по объёму работы (например, плановое обслуживание линии каждые 3 месяца, выполнение диагностики и ремонта в период технологического простоя) обычно распланированы и выполняются обслуживающим персоналом. В обоих случаях хорошее управление рисками изменения сроков выполнения помогает избежать задержек.

Принимая во внимание сходство между текущими ремонтами и крупными проектами, лучшие практики управления проектами логично применить и к меньшим по объёму работам.

Итак, приступим. Согласно правилам управления проектами, управление рисками является одной из 10 областей знаний, которые составляют эффективное управление проектами. Используемые методы могут быть качественными или количественными. В качественном отношении риски описываются в терминах как очень низкий, низкий, средний, высокий и очень высокий. Количественные методы, однако, включают в себя расчет вероятностей и оценку влияния различных сценариев. Таким образом, можно «определить риски, которые требуют наибольшего внимания из-за влияния на конечные результаты проекта» и «можно определить реалистичные и достижимые цели и сроки». Основным количественным методом управления рисками проектов является метод Монте-Карло.

Методика моделирования Монте – Карло первоначально был предложен математиком Станиславом Уламом в 1940 – х и для его реализации был использован электронный цифровой интегратор (суперкомпьютер) (ENIAC). В настоящее время любой персональный компьютер имеет возможность обрабатывать метод с использованием специального программного обеспечения.

Как это работает?

Лучший способ объяснить методику Монте-Карло — это пример, показанный на рисунке 1. В таблицу внесены разделы и этапы проекта. Наиболее благоприятные оценки длительности взяты из технических возможностей и оптимизации затрат на конкретную задачу. Тут важно отметить, что наиболее благоприятный график выполнения проекта отличается от среднего значения между негативным и оптимистичным сценариями, следовательно мы будем управлять нашим проектом ориентируясь на них. Но незабываем, что риск – это влияние неопределенности на цель, наша цель – реализовать проект за 176 дней. Различные влияния неопределенностей дают нам разброс от 156 до 253 дней. 103 дня! Очень большой период, а какие потери во временных, человеческих (например: отвлечение персонала) и материальных ресурсах может понести наша организация?

Но экспертные оценки продолжительности, как следует из их определения, являются только оценками, и задача планирования вряд ли закончится на этом (кстати, проанализировав факторы которые повлияют на увеличение или сокращение сроков выполнения того или иного этапа мы определили риск-аппетит к срокам реализации задачи в целом). Более точной альтернативой является количественная оценка с использованием трех точек с минимальной, наиболее вероятной и максимальной продолжительностью. Но на этом этапе мы уже получили первый полезный результат! Мы получили сценарии развития нашего проекта, и накладывая на него фактические значения получим удобный и информативный дашборд (рисунок 2) для анализа и прогнозирования реального течения проекта.

Но вернемся к нашему главному вопросу «Как долго будет длится реальный проект?» Только с четырьмя сценариями мы не сможем однозначно ответить на этот проект. На данном этапе можно сказать «Проект будет длится от 156 до 253 дней, будем стараться уложится в 176». Согласитесь, мало информативно и слабо аргументированно.  А что, если в данном диапазоне проанализировать не 4 сценария, а 10000 или 100000? Вот с таким количеством можно уже и вероятности посчитать, и критические факторы определить. Только вручную это сделать будет уже нереально. Чтобы узнать ответ, вам нужно сделать симуляцию. С помощью чего? Все того же знакомого всем редактора Excel и метода Монте-Карло.

Кайлаш Авати, консультант и старший преподаватель факультета трансдисциплинарных инноваций в Технологическом университете Сиднея, объясняет: «Идея Монте-Карло заключается в том, чтобы моделировать весь проект (то есть все задачи) с использованием большого числа вариантов (например, 10000) и получить столько же сценариев длительности проекта». В каждом из N испытаний вероятностный математический метод устанавливает продолжительность каждой задачи в соответствии с минимальными, наиболее вероятными и максимальными оценками. Например, в случае нашей задачи метод «отсортирует» продолжительность от от 156 до 253 дней, при этом наиболее вероятными будут 176 дней. Затем «смоделированные» длительности всех задач суммируются для получения общей продолжительности проекта. В конце у вас будет N общей продолжительности проекта, начиная от минимально возможного и максимально возможного. Тоесть вы получите распределение вероятностей длительности проекта, представленное на рисунке 3 в диапазонах с шагом 5 дней.

Таким образом, вероятность завершения этого проекта или выполнения работ сроком 176 дней и ранее (сумма наиболее вероятных времен выполнения каждой задачи) составляет всего 4,4 процента. Естественно, что с ростом сроков выполнения проекта растет и вероятность уложится в эти сроки (кривая «Кумулятивно»). Что бы вы сделали, если бы знали, что ваш проект имеет 95,6-процентную вероятность опоздания? Вы, вероятно, будете действовать, чтобы предотвратить это. С другой стороны, существует вероятность 53,16% завершения проекта в диапазоне 176-200 дней, причем 57,62% вероятность, что это будет диапазон 196-200 дней.

Большим преимуществом моделирования в табличном редакторе является то, что, если оценки продолжительности этапов или задач обновляются, например, из-за изменения размера команды или других факторов, моделирование может быть легко обновлено, и новый результат можно сравнить с предыдущим.

Интересно отметить, что максимальная расчетная длительность составляет 253 дня, а, согласно моделированию, максимальная продолжительность проекта составляет 245 дней (то есть, когда вероятность достигает 100 процентов). Почему так происходит? Потому что вероятности не суммируются: вероятности консолидируются через объединение и пересечение. Таким образом, простое добавление длительностей может привести к большим ошибкам.

Очевидно, что симуляция реального проекта включает в себя гораздо большее количество задач, и сложность симуляции намного выше. Но принцип не меняется.

Вывод

В итоге наших расчетов можно теперь уверенно сказать следующее:

«Максимально возможная длительность проекта составляет 253 дня.

Наиболее вероятный диапазон завершения проекта 196-200 дней (57,62%).

Чувствительность срока реализации проекта к длительности его этапов следующая:

Влияние на длительность реализации этапов оказывают такие факторы (будут определены для каждого этапа проекта на этапе анализа и создания сценариев негативный /оптимистичный/ наиболее благоприятный в данной статье не рассматривались)»

Трудно не согласится с тем, что подобный доклад более информативен и приведенные в нем факты позволяют аргументированно указать не только наиболее реальные сроки выполнения проекта, но и обосновать объем необходимых ресурсов.

В заключении стоит добавить, что моделирование по методу Монте-Карло может применяться в абсолютно любой ситуации, которая связана с вероятностями и неопределенностями, включая:

• Управление стоимостью проекта;
• Анализ необходимости резервирования оборудования;
• Анализ надежности и доступности.

Для компаний, которые уже имеют достаточный опыт в планировании проектов технического обслуживания и реализации технических проектов, метод Монте-Карло помогает поднять производительность на еще более высокий уровень за счет более точной информации, которая ведет к лучшему принятию решений.

Ну а для того, чтобы научится управлять рисками во всех сферах деятельности организации, знать и применять различные инструменты анализа и управления рисками, ждем вас на наших курсах в TMS Academy .

Комфорта вам в принятии решений и до встречи в TMS Academy .

Сергей Фомин, эксперт по сертификации ООО “Технические и управленческие услуги”