Projecten plannen met Monte Carlo, het is net een loting (2/3)

Projecten plannen met Monte Carlo, het is net een loting (2/3)

Door Henk van Betuw
Share on FacebookTweet about this on TwitterShare on LinkedIn

Dit is blog twee van mijn drieluik over het toepassen van Monte Carlo analyses bij projectplanning. In mijn eerste weblog, Risico beperken en geld verdienen met Monte Carlo (1/3), heb ik eerder geschreven over dit onderwerp. Ik heb toen een korte algemene inleiding gegeven over het planningsproces. Ik zal nu dieper ingaan op het reilen en zeilen van de Monte Carlo analyse.

Effecten van de Wet van Parkinson

Bij het plannen van een project worden de relevante activiteiten onderscheiden en in de tijd met hun onderlinge samenhang uitgezet. Vaak wordt dit in een Gantt-kaart gepresenteerd. De werkvoorbereider ziet het project, als het ware, voor zich ontstaan. Per bewerking wordt de bewerkingsduur bepaald. Vaak aan de hand van eerdere ervaringen met gelijksoortige projecten. Ook voor een werkvoorbereider is niets menselijks vreemd. Zolang een activiteit binnen de deadline is uitgevoerd is hij tevreden. Dit is tenslotte binnen de afspraak. Op het moment dat een activiteit de deadline overschrijdt, wordt dit vaak gewijd aan onverwachte tegenslag, pech of een verkeerd gekozen norm. Een volgende keer zal hij zich niet nog eens stoten en een extra veiligheid inbouwen door hier meer tijd voor te rekenen.

De volgende keer lijkt het dan of men het proces beter in de vingers heeft, maar dreigt het gevaar dat bij een volgende ‘tegenslag’ een neerwaartse spiraal is ingezet. Ongemerkt hebben we hier met de effecten van de Wet van Parkinson te maken. Vrij vertaald komt het er op neer dat de mens geneigd is de tijd, die men voor een taak krijgt, ook maximaal te gebruiken. Hier is een stukje winst te behalen. Om toch tot een betrouwbare planning te komen, waarin ook rekening wordt gehouden met afwijkingen van bewerkingstijden, dienen de risico’s expliciet te worden aangegeven. Met behulp van Monte Carlo simulatie kan dit in de planning worden verwerkt zodat er een betrouwbare opleverdatum kan worden afgegeven.

Vrij vertaald komt het er op neer dat de mens geneigd is de tijd, die men voor een taak krijgt, ook maximaal te gebruiken. Hier is een stukje winst te behalen

Het principe van Monte Carlo

Het principe is eenvoudig. Ik zal het uitleggen aan de hand van drie activiteiten die achtereenvolgens moeten worden uitgevoerd. Van de activiteit is ingeschat: hoe lang hier voor nodig is onder normale omstandigheden, maar ook een tijdsduur als echt alles mee of juist tegen zit.

Voorbeeld activiteitentabel Monte Carlo planning simulatie

Uit de tabel blijkt dat het project in de meest gunstige omstandigheden in 10 dagen geklaard is. Maar als alles echt tegen zit, dan zal het project pas na 16 dagen gereed zijn. Ervan uitgaande dat de pessimistische tijdsduur correct is ingeschat, dan kan dit met een betrouwbaarheid van 100% gesteld worden. Is het reëel om van het meest pessimistische scenario uit te gaan? Met name als een project uit vele activiteiten bestaat, is de kans, dat echt alles tegen zit, heel klein.

In ons project van slechts drie activiteiten zijn er al 24 verschillende tijdsduur combinaties in een interval van 7 dagen. Als men goed bekend is met de uit te voeren activiteit, dan zal de ingeschatte tijdsduur uiteindelijk dicht bij die van de werkelijkheid liggen. En als de activiteit herhaaldelijk uitgevoerd zou moeten worden, zal men 9 van de 10 keer weer in de buurt van die waarde komen.

Het is net de trekking van een loting

Wat is nu de rol van de Monte Carlo analyse in dit geheel? Vergelijk het met de trekking van een loting. Om het project beter beheersbaar en voorspelbaar te maken wordt het project net zo lang opgedeeld in activiteiten, totdat herkenbare (bijna standaard) activiteiten ontstaan.

Stel we vragen nu 1000 deskundigen om voor elke activiteit een reële tijdsduur te bepalen, dan zullen de waarden overeenkomen met een Gausskromme (vele waarden identiek, een enkele met kortere of langere duur). Per activiteit is er een glazen bol aanwezig. In ons voorbeeld zijn dat dus 3 glazen bollen met in elke bol 1000 kokertjes met daarop de geschatte tijdsduur. Om de projectduur te bepalen wordt uit elke glazen bol een koker getrokken, en deze waarden vormen samen het scenario van het project. Vervolgens wordt er weer een trekking gedaan en weer, en weer, en zo ontstaan er in totaal 1000 scenario’s. Als we nu een maximale projectduur af willen geven met een betrouwbaarheid van 95% moeten we de waarde nemen waarbinnen 950 scenario’s gereed komen. Hoe meer trekkingen er gedaan worden hoe betrouwbaarder het resultaat wordt.

De juiste software

Een Monte Carlo analyse, zoals hierboven beschreven, is een zeer mooie methode om risico’s in de projectplanning te verwerken en zo met een grotere zekerheid projecten binnen budget en gewenste opleverdatum te realiseren. Die zekerheid wordt nog groter als je werkt met de juiste software. In deel drie van deze reeks zal ik meer gaan vertellen over de rol Monte Carlo analyse in zijn geheel en praktijkbeelden geven met behulp van planningssoftware Asta Powerproject.

Share on FacebookTweet about this on TwitterShare on LinkedIn