Новости

Войти ENG Поиск

Improving performance
people and projects

Вверх

Пошаговая инструкция по анализу рисков методом Монте-Карло в программном комплексе Spider Project

15 октября 2013

В первой статье мы дали общее представление о том, что собой представляет анализ рисков по методу Монте-Карло.

Данная статья будет посвящена реализации этого метода в программном комплексе Spider Project. Мы детально рассмотрим, как шаг за шагом проанализировать риски в проекте, используя метод Монте-Карло в программном комплексе Spider Project. Примером для этой статьи послужит модель проекта, которая поставляется вместе с бесплатной версией программы Spider Project Demo – SP Приобретение программы.

Напомним, что анализ рисков методом Монте-Карло — многократная симуляция проекта при различных значениях параметров (длительность и объемы операций, трудоемкость, производительность, количество и загрузка ресурсов, календари операций и ресурсов, требуемые затраты и расходы материалов). Все оценки задаются экспертно внутри проекта, а результаты по каждому параметру вычисляются статистически на основе результатов всех симуляций.

Результатом анализа рисков по методу Монте-Карло являются:

  • диаграмма распределения вероятности Монте-Карло;
  • гистограмма с накопленными частотами;
  • индекс критичности;
  • диаграммы разброса Монте-Карло.

Как работает метод Монте-Карло в Spider Project? В начале расчета Монте-Карло программа собирает установочную версию – на место плановых значений всех показателей проекта устанавливаются базовые (оценочные) значения, заданные в диалоговом окне настройки расчета Монте-Карло.

Установочная версия рассчитывается с настройками, которые ранее были заданы в диалоговом окне настройки расчета затрат) и в диалоговом окне настройки расчета расписания (либо с выравниванием ресурсов, либо без ограничения на ресурсы).

Каждый следующий расчет будет вестись с поддержкой установочной версии.

Перед каждым расчетом все значения показателей будут случайным образом сгенерированы с помощью генератора псевдослучайных значений на основе выбранного закона распределения (см. рисунок 1).

Рисунок 1. Выбор закона распределения

  • Треугольное – при этом распределении чаще встречаются ожидаемые значения показателей, но и оптимистические, и пессимистические значения параметров также могут встречаться
  • Бета – при этом распределении, также как и при треугольном распределении, часто будет встречаться ожидаемое значение показателей и значения, близкие к ожидаемой оценке, со смещением в пессимистический диапазон. Кривая распределения плотности будет достаточно плавной
  • Логнормальное – при этом распределении, также как и при бета распределении, часто будет встречаться ожидаемое значение показателей и значения, близкие к ожидаемой оценке, со смещением в пессимистический диапазон, но кривая распределения плотности будет более вытянутой по вертикали.

Если три оценки (оптимистическая, ожидаемая и пессимистическая) совпадают с плановым значением показателя в проекте, то плановое значение изменяться не будет.

Далее измененный проект пересчитывается, результаты для всех выбранных операций и фаз сохраняются, и анализ Монте-Карло переходит к следующей итерации.

В результате анализа Монте-Карло для каждой операции в проекте будет посчитан индекс критичности – процентное отношение попадания отдельной операции на критический путь Например, если моделирование было выполнено 1000 раз, и определенная операция попала на критический путь 212 раз, то индекс критичности данной операции будет равен 21,2 %.

Итак, давайте разберем шаг за шагом как провести анализ рисков в проекте методом Монте-Карло в Spider Project:

Шаг 1. Первое, что необходимо сделать - задать разброс параметров – оптимистические, ожидаемые и пессимистические значения показателя. Для этого в диалоговом окне выбора полей следует включить опцию Монте-Карло и затем выбрать те поля, для которых будут задаваться значения.

Для примера возьмем поле длительность (см. рисунок 1).

Рисунок 1. Выбор поля, для определения разброса параметров

В диаграмме Гантта или в таблице операций будут показаны три колонки одного и того же поля, перед названиями которых появятся префиксы Опт-, Ож- и Песс-. Плановое и ожидаемое значения этого поля должны быть в интервале между оптимистическим и пессимистическим значениями (см. рисунок 2).

Рисунок 2. Внесение оптимистических, ожидаемых и пессимистических значений

Если уже существуют 3 ранее смоделированные версии проекта для анализа рисков по методу трех сценариев, то значения можно импортировать из них, выбрав в меню диаграммы Гантта работ пункт Анализ рисков –> метод Монте-Карло –> Перенести значения из трех сценариев (см. рисунок 3).

Рисунок 3. Перенос значений из трех сценариев

Шаг 2. Затем необходимо выбрать операции и фазы, для которых будет возможен просмотр результатов расчета. Для этого в диалоговом окне свойств фазы или в диалоговом окне свойств операции нужно включить опцию Проводить анализ Монте-Карло. Данную опцию можно включить также в диаграмме Гантта работ. Для этого следует показать колонку Проводить анализ Монте-Карло и на строках с нужными фазами и операциями выбрать значение Да (см. рисунок 4). Если ни одной операции или фазы не будет выбрано, то анализ МК производиться не будет.

Рисунок 4. Выбор фаз и операций для которых будет производиться расчет

Шаг 3. Выбираем показатели и задаем необходимые настройки в диалоговом окне настройки расчета Монте-Карло (см. рисунок5 – 5.1.).

Рисунок 5. Настройка анализа рисков методом Монте-Карло

Рисунок 5.1. Настройка анализа рисков методом Монте-Карло

Шаг 3. Проводим расчет. Для этого выбрав в меню диаграммы Гантта работ пункт Анализ рисков –> метод Монте-Карло –> Моделирование рисков (см. рисунок 6).

Рисунок 6. Моделирование рисков по методу Монте-Карло

Шаг 4. Выводим диаграмму распределения вероятности Монте-Карло. В диаграмме Гантта работ вызываем выпадающее меню на серой области перед названием работ, выбираем Распределение вероятности –> метод Монте-Карло (см. рисунок 7).

Рисунок 7. Вывод диаграммы распределения вероятности

В результате моделирования рисков методом Монте-Карло по выбранным показателям можно будет увидеть полученное распределение (см. рисунок 8-8.2).

Рисунок 8. Диаграмма распределения вероятности окончания проекта

Рисунок 8.1. Диаграмма распределения вероятности длительности проекта

Рисунок 8.2. Диаграмма распределения вероятности общей стоимости проекта

Представленные выше диаграммы позволяют увидеть связь между значением показателя и его вероятностью. Рассмотрим для примера показатель Общая стоимость проекта. После анализа рисков методом Монте-Карло мы видим, что вероятность того, что проект будет стоить 36 406 денежных единиц составляет 82.2%. Причем, при перемещении красной линии значение показателя и вероятность будет меняться, что позволит оценить точность наших прогнозов относительно общей стоимости проекта.

Далее по этим показателям также можно:

  • просчитать вероятность достижения директивного значения (выбрав в меню диаграммы Гантта пункт Анализ рисков –> метод Монте-Карло –> Расчет вероятности успеха);
  • построить и воссоздать тренды вероятности успеха (выбрав в меню диаграммы Гантта пункт Отчет –> Тренды вероятности успеха по Монте-Карло –> Диаграмма или Табличный отчет).

Мы рассмотрели, как шаг за шагом смоделировать риски методом Монте-Карло в программном комплексе Spider Project. Как видите, данный метод дает возможность достаточно точно оценить вероятность выполнения ограничений, стоящих перед проектом. Причем, использование его не трудоемко, особенно если у Вас уже есть три версии проекта (оптимистическая, пессимистическая и ожидаемая).

В завершение, позвольте пожелать Вам, чтобы использование новых возможностей, которые появились в Spider Project с добавлением анализа рисков по методу Монте-Карло, сделали Ваши проекты еще более успешными!!!

Все новости