+48 512 364 075

Monte Carlo a zarządzanie ryzykiem w projekcie

Marcin Żmigrodzki

Rok 1946, trwają prace nad Projektem Manhattan dotyczącym stworzenia amerykańskiej bomby nuklearnej, laboratorium w Los Alamos w Stanach Zjednoczonych Ameryki. Pewien polski naukowiec nawet nie przypuszczał, że 60 lat później metoda o kryptonimie Monte Carlo wynaleziona w tejże tajnej bazie wojskowej okaże się przydatna w prowadzeniu projektów. A ściślej w zarządzaniu ryzykiem w projektach.

Stanisław Ulam postawił sobie problem, jak wyliczyć, czy dany układ 52 kart pozwoli ułożyć z powodzeniem pasjansa. Wyliczenia teoretyczne okazały się wyjątkowo żmudne, jednak co by się stało, gdyby wyliczyć szanse sukcesu dla rzeczywistych tysięcy ułożeń kart. Okazało się, że metoda choć zawierająca pewne elementy niepewności daje całkiem trafne wyniki. Szybko znalazła zastosowanie w pracach nad bombą wodorową w obszarze złożonych symulacji reakcji fizycznych.

Wraz z rozwojem komputerów metoda ta rozpowszechniła się w innych dziedzinach, gdzie konieczne jest wykonywanie złożonych symulacji, jak testy produktów, zachowania rynków finansowych i w końcu zarządzaniu projektami.

Wracając do zarządzania projektami, wyobraźmy sobie, że stworzyliśmy harmonogram projektu, jednak zdajemy sobie sprawę, że istnieje kilka dobrze zdefiniowanych ryzyk, które mogą wpłynąć na wydłużenie wybranych zadań. Przyjmijmy dla uproszczenia, że chodzi o wdrożenie pewnego systemu informatycznego i ryzyka, z którymi mamy do czynienia to:

  1. Brak budżetu – dotyczy zadania Planowanie i może wydłużyć je od 1 do 3 miesięcy
  2. Przedłużające się negocjacje – dotyczy zadania Negocjacje i może wydłużyć je od 2 do 5 miesięcy
  3. Brak kompetencji wdrożeniowych – dotyczy zadania Wdrożenie i może wydłużyć je od 2 do 10 miesięcy
  4. Opór przed zmianą – dotyczy zadania Szkolenie i może wydłużyć je od 1 do 10 miesięcy
  5. Brak kompetencji kierownika projektu – dotyczy zadania Wdrożenie i może wydłużyć je od 0,5 do 1 miesiąca.

Wystarczy teraz, że w Excelu wyliczymy dla każdego z tych ryzyk losową wielkość opóźnienia, np. 1000 razy. Można tu użyć funkcji LOS(), przyjmując dla uproszczenia rozkład równomierny wpływu ryzyka lub jakikolwiek inny rozkład, jeżeli mamy takie informacje. Należy pamiętać, że Excel przy każdym odświeżeniu arkusza na nowo będzie przeliczać wartości lowoe, więc warto raz wygenerowane skopiować do osobnych kolumn. Następnie przed nami najtrudniejsza operacja, trzeba stworzyć wzór łączący wpływy wszystkich tych ryzyk na cały projekt. W naszym przypadku poszliśmy na skróty i użyliśmy zwykłej sumy opóźnień R1+R2+R3+R4+R5+R6, w praktyce takie wzory wymagają dogłębnego przemyślenia rzeczywistości projektowej.

Metoda Monte Carlo przypomina równoległą realizację danego projektu w tysiącu światach i obserwację, jaka jest ich zbieżność. Dzięki temu można w kilka minut wychwycić ogólne zależności pomiędzy ryzykami. Innymi słowy, zaliczmy porażkę w tym projekcie 1000 razy, aby zobaczyć jaka jest największa szansa na sukces.

Po posortowaniu wyniku rosnąco uzyskamy wykres taki, jak poniżej.

Na osi poziomej mamy losowo wygenerowane scenariusze posortowane narastająco według sumarycznego opóźnienia projektu, na osi poziomej mamy zagregowane miesiące opóźnienia. Co można wyczytać z tego wykresu? Ano, że projekt na poziomie prawdopodobieństwa 50% zakłada opóźnienie o 17 miesięcy (pięćsetna obserwacja), a na 80% o 20 miesięcy (osiemsetna obserwacja).

Idąc dalej, można zastanowić się, jak zmniejszyć wpływ ryzyk i wówczas zmieniając ich zakres przeanalizować scenariusze WHAT-IF. Wówczas szybko się okaże najlepiej jest inwestować w redukcję ryzyka 3 i 4. O ile samo stwierdzenie tego wydaje się oczywiste (3 i 4 ryzyko mają największy rozrzut opóźnienia), to metoda Monte Carlo pozwala na konkretne wyliczenie, o ile zwiększy się prawdopodobieństwo zamknięcia projektu w określonym terminie, jeżeli ograniczymy dane ryzyko na przykład o 2 miesiące.

Monte Carlo oczywiście może służyć nie tylko do szacowania wpływu ryzyk na opóźnienie. Można ją zastosować także do analizy wpływu na przekroczenie budżetu (przez wyliczenie wszystkich pozycji budżetowych i ich ryzyk) i obniżenie jakości (przez analizę zachowania poszczególnych komponentów produktu dostarczanego w projekcie). Zatem w przypadku wpływu ryzyk na koszty, dzięki tej metodzie można precyzyjnie wyliczyć, w którym przeciwdziałaniu przysłowiowe 100 złotych zwróci się w największym stopniu w postaci redukcji zagregowanych ryzyk projektowych. A w przypadku wpływu ryzyk na jakość produktów można oszacować najbardziej wadliwy komponent generujący najwięcej defektów w zależności od różnych parametrów pracy całego produktu.

Zastosowanie symulacji Monte Carlo do zarządzania ryzykiem w projekcie ma jednak trzy główne słabości:

  1. Zakłada, że ryzyka można opisać i ilościowo pomierzyć, określając przedziały ich wpływu. W rzeczywistości często nie wiemy, jakie ryzyka mogą nas trafić, a jak je znamy, to nie potrafimy wiarygodnie oszacować ich wpływu.
  2. Zakłada, że potrafimy stworzyć wzór, który prawidłowo będzie agregować ryzyka ze sobą. W naszym przykładzie wzór był banalny – suma wpływów ryzyk. W rzeczywistości jedne ryzyka znoszą się, a drugie potęgują, więc podanie precyzyjnej formuły nie jest takie proste.
  3. Zakłada, że na podstawie takich analiz decydenci (czyt. komitet sterujący, dyrektorzy) będą podejmowali racjonalne decyzje, np. wydłużając harmonogram, dodając budżet, wdrażając przeciwdziałania. W rzeczywistości po identyfikacji ryzyk decydenci i tak zakładają, że żadne z nich nie wystąpi w życiu, więc po co cokolwiek robić.

Literatura:

4 odpowiedzi na “Monte Carlo a zarządzanie ryzykiem w projekcie”

  1. Hmm, tak sobie myślałem i przyszedł mi do głowy pomysł, aby napisać nie o tym, jak zbudować standardy zarządzania projektami w firmie, ale jak najszybciej je zdemontować: „Demontaż kultury projektowej w pół roku”.
    Stawiam hipotezę, że nie ważne jak długo budowano metodykę zarządzania projektami, da się ją zlikwidować w 6 miesięcy. 😉

  2. JL pisze:

    W nawiązaniu do „Bo kto lubi słuchać o problem, gdy nie dopuszcza ich do świadomości i nie zamierza się nimi zajmować.”

    Przypomina mi sie pewna sytuacja:
    Decydent „Pokaż mi liczby”
    PM „Proszę, to analiza”
    Decydent „Analiza mi się nie podoba, pokaż mi inne liczby”
    :))

  3. To ostatnie zdanie pewnie dotyczy wszelkich działań związanych z zarządzanie projektami. Jeżeli plany, analizy służą podejmowaniu decyzji, będą działały. Jeżeli zaś są ignorowane, to stają się zbędnym kosztem i budzą irytuację.
    Bo kto lubi słuchać o problem, gdy nie dopuszcza ich do świadomości i nie zamierza się nimi zajmować.

  4. JL pisze:

    Ostatnie zdanie jest dla mnie esencja zarzadzania projektami 🙂

Kontakt
Interesują Cię nasze szkolenia? Skontaktuj się z nami: tel.:+48 512 364 075 e-mail: szkolenia@octigo.pl Formularz kontaktowy

Biuletyn

 

Chcesz wiedzieć, o czym piszemy na blogu, co nas fascynuje, co nowego dzieje się w Octigo? Zapisz się na nasz biuletyn.

Wypełniając powyższy formularz, zgadzam się na przetwarzanie podanych danych do celów marketingowych przez firmę Octigo sp. z o.o. Twój e-mail będzie przechowywany wyłącznie w naszej bazie, w każdej chwili możesz wycofać zgodę na przetwarzanie Twoich danych, Twój e-mail nie jest udostępniany innym podmiotom, wysyłamy biuletyn e-mailowy nie częściej niż 1-2 razy w miesiącu.

 
 
Profil na Google+ PMI, PMBOK, PMP, PgMP are registered mark of the Project Management Institute, Inc.