Parametrisk estimering / Definition, eksempler, anvendelser

BY admin
|

når du har brug for at estimere omkostningerne ved et projekt eller dele af et projekt, støder du næsten uundgåeligt på teknikken til parametrisk estimering. Dette er en kvantitativ tilgang til at bestemme de forventede omkostninger baseret på historiske eller markedsdata. Det er også en metode, der bruges i ‘estimat cost’ – processen i PMI ‘ s Projektledelsesorgan af viden (se PMBOK krist, 6.udgave., ch. 7.2).

i denne artikel introducerer vi detteknik til parametrisk estimering. Vi vil også give vejledning til og et eksempel på den praktiske anvendelse af denne metode.

Hvad Er Parametrisk Estimering?

parametrisk estimering er en statistikbaseret teknik til beregning af den forventede mængde økonomiske ressourcer eller tid, der kræves for at udføre og gennemføre et projekt, en aktivitet eller en del af et projekt. Det er en etableret metode i flere projektledelsesrammer, såsom Project Management Institute ‘s PMI Project Management Body of viden (PMBOK), hvor den er opført under værktøjerne og teknikkerne i processerne’ estimate cost ‘og’ estimate activity varigheds’.

bestemmelsen af et estimat er baseret på en statistisk (eller antaget) korrelation mellem en parameter og en omkostnings-eller tidsværdi. Denne observerede korrelation skaleres derefter til størrelsen af det aktuelle projekt (kilde: PMI Practice Standard for Project Estimating, 2.udgave, ch. 4.2.2). For eksempel i motorvejskonstruktion kan omkostningerne og tiden til at bygge 1 mil i et tidligere projekt være grundlaget for beregning af ressourcerne og tidsplanen for det nuværende byggeprojekt. Dette kræver dog, at der er statistisk bevis for sammenhængen, og hvis begge projekters karakteristika er sammenlignelige).

for at beregne omkostningerne eller varigheden perparameter kræves et sæt Historiske data. Dette kunne fås fra tidligere projekter (virksomheder inden for byggeri, rådgivning, IT og andre industrier gemmer undertiden sådanne data centralt) offentligt tilgængelige markedsdata eller agenturer, der leverer statistikker til benchmarking.

mens parametrisk estimering er en almindeligteknik til at estimere omkostninger i forskellige niveauer af granularitet, varierer formen af dens gennemførelse meget.

nogle projekter bygger komplekse statistiske modeller og udfører en omfattende regressionsanalyse for forskellige parametre. De kan også udvikle algoritmer og tildele et betydeligt antal ressourcer til implementering og (tilbage)test af sådanne modeller. Dette er en tilgang, der gælder for store projekter eller såkaldte ‘megaprojekter’, hvor selv små mangler i estimaternes nøjagtighed kan medføre en væsentlig indvirkning.

PMI-Praksisstandarden for Projektestimering giver detaljeret vejledning til estimering af projektomkostninger. PMI medlemmer kan få adgang til det via PMI hjemmeside.

mindre projekter i den anden ende af området kan bruge parametrisk estimering ved at udvikle funktioner eller blot anvende ‘reglen om tre’, hvis der er bevis eller en rimelig antagelse om, at observerede parametre og værdier korrelerer. Dette kan også indebære en vis ekspertvurdering, om antagne regressioner er rimelige og gældende for projektet eller aktiviteten.

i henhold til PMI ‘ s Praksisstandard er der 2 typer resultater:

  • deterministiske og
  • probabilistiske estimater.

deterministiske estimater

den deterministiske resultattype for den parametriske estimering er et enkelt tal for den nødvendige omkostningsbeløb eller tid, beregnet ud fra parametrisk skalering. Det justeres undertiden manuelt for at tage højde for forskelle mellem de nuværende og historiske projekter (f.eks.

probabilistiske estimater

denne resultattype producerer ikke et enkelt estimat, men en række estimater baseret på sandsynligheden for forskellige omkostninger og varighed. Dette præsenteres ofte i form af en sandsynlighedstæthedskurve som vist i nedenstående diagram.

diagram over resultaterne af parametrisk estimering (sandsynlighedstæthedskurve) med pessimistisk, optimistisk og mest sandsynligt estimatpunkt
et prøvediagram, der viser sandsynlighedstæthedsfunktionen for en parametrisk estimering.

en metode til at konvertere denne funktion til en mere praktisk række estimater er identifikationen af tre punkter på den kurve:

  • det mest sandsynlige skøn, som normalt er omkostnings-eller tidsværdien med den højeste enkelt Sandsynlighed,
  • den pessimistiske og
  • det optimistiske skøn.

de optimistiske og pessimistiske omkostnings-og varighedsestimater kan bestemmes ved at definere en målsandsynlighed (f.eks. 90%, 95% eller 99%, afhængigt af kvaliteten af de underliggende data og typen af værdidistribution) og/eller en multiplikator for deres standardafvigelser. Afhængig af formen af sandsynlighedstæthedskurven kan disse 3 punkter derefter omdannes til et såkaldt endeligt skøn, en lignende tilgang som for den trekantede eller PERT beta-fordeling.

Hvordan udføres parametrisk estimering?

dette afsnit beskriver de nødvendige trin tiludfør en parametrisk estimering. Som tidligere nævnt bør omfanget og kompleksiteten af estimeringsprocessen og de anvendte værktøjer skræddersyes til et projekts behov. I nedenstående trin har vi tilføjet en note, hvor vi ville forvente forskelle mellem små og komplekse projekter.

bestem de dele af dit projekt, som du(potentielt) kan bruge parametrisk estimering

som et første skridt skal en projektleder Identificer hvilke dele af arbejdet. Udvælgelseskriterierne er hovedsageligt

  • krævet nøjagtighedsniveau, dvs.for et groft skøn kan du muligvis estimere hele projektet på en gang (f. eks.
  • korrelation af parametre og værdier, dvs. du kan kun estimere arbejde eller ressourcer ved hjælp af denne teknik, hvis du ved eller antager, at der er en sammenhæng mellem en parameter og varigheden og/eller omkostningerne (underlagt test).
  • tilgængelighed af data til parametrisk estimering (se næste trin).

arbejdsopdelingsstrukturen kan være et godt udgangspunkt for at vælge omfanget af parametrisk estimering.

Forskning historiske og markedsdata om omkostninger og/eller tid krav til lignende projekter

hvis du har identificeret områder, for hvilkeparametrisk estimering kunne være gældende, skal du samle de relevantedata. Potentielle datakilder er interne omkostninger/tid / ressourcedatabaser, der er forsynet med observerede værdier fra tidligere projekter (ofte tilgængelige i virksomheder, der regelmæssigt arbejder på bestemte typer projekter), offentligt tilgængelige data såsom offentlig statistik eller branchebenchmarks.

Identificer de parametre, du vil teste forkorrelation med omkostnings-eller Tidsværdierne

når du har oprettet et datasæt, skal duVælg de parametre, der potentielt kan korrelere med omkostnings-eller tidskravene. Disse korrelationer vil blive genstand for yderligere statistiskanalyse, hvis du bruger en model.

i mindre projekter ville du sandsynligvis anvende ekspertvurdering eller sund fornuft for at beslutte, hvilke parametre der ville være rimelige. Hvis dette er tilstrækkeligt til projektets behov, kan du springe de næste to trin over og gå videre til beregningsafsnittet.

bestem de parametre, der driver omkostninger eller varigheder (f.eks.gennem en regressionsanalyse og yderligere statistisk analyse, hvis det er nødvendigt)

Test det sæt parametre, der er identificeret i det foregående trin for korrelationer og/eller regressioner. Dette vil normalt indebære brug af statistiske programmer såsom R eller andre gratis eller kommercielle løsninger. Brugen af kunstig intelligens (maskinlæring) kan også overvejes, f.eks. til at identificere mønstre i komplekse datasæt. I slutningen af analysen skal du vælge de parametre, der passer til din estimeringsmodel.

udvikle en Model ogudfør (Back)test, hvis det er muligt

udvikle en model til at forudsige omkostningerne og varigheden af dit projekt baseret på det sæt parametre, der er identificeret i det foregående trin. Sørg for at teste resultaterne tilbage mod Historiske data.

bemærk, at dette trin kræver statistisk ekspertise og erfaring med dataanalyse. Faktisk kan disse modeller være ret komplekse, især for store projekter. Så vær opmærksom på de omkostninger, tid og ressourcer, der er nødvendige for at udvikle en sådan type model. Afvej dette mod de potentielle fordele og kravene i projektet og dets interessenter med hensyn til estimeringen.

Beregn det parametriske estimat(er)

hvis du har bygget en model, beregner du et probabilistisk eller et deterministisk estimat ved at fodre det aktuelle projektparametre i modellen.

hvis du har brugt ekspertvurdering snarere end en model til at identificere de relevante parametre, skal du først beregne mængden af omkostninger eller tid pr.parameterenhed.

du kan derefter udvikle og anvende en omkostningsordurationsfunktion, der betragter disse parametre som uafhængige variabler. Hvis du udfylder parameterværdierne for dit nuværende projekt, vil resultatet væreomkostnings-eller varighedsestimatet (deterministisk) for dette projekt.

i sin enkleste form består parametriskestimeringen af kun en parameter og et lineært forhold mellem parametrene og mængden af omkostninger eller tid. I dette tilfælde kan du bruge beregningen’ regel af tre ‘ og multiplicere omkostningerne eller varigheden pr.parameterenhed med værdien af parameteren i dit aktuelle projekt. Formlen er:

E_parametric= a_old / p_old p_curr,

hvor:
E_parametric = parametrisk estimat,
a_old = Historisk mængde af omkostninger eller tid,
p_old = historisk værdi af parameteren,
p_curr = værdien af denne parameter i dit nuværende projekt.

du finder et par eksempler i det relevante afsnit nedenfor. Disse eksempler på parametrisk estimering er også baseret på en’ regel af tre ‘ tilgang.

Hvad er fordele og ulemper ved Parametriskestimering?

fordele

  • den parametriske estimeringsteknik kan være meget nøjagtig, når det kommer til estimering af omkostninger og tid.
  • det er derfor lettere at få stakeholders støtte og godkendelse af budgetter bestemt på denne måde.
  • når modellen er etableret, kan den genbruges til andre lignende projekter, og kvaliteten af data bliver bedre med hvert yderligere projekt.
  • manuelle justeringer af de beregnede resultater for at tage højde for forskelle mellem historisk og det aktuelle projekt kan hjælpe med at tackle svagheder ved en model eller underliggende data, f.eks. hvis kvalitative og miljømæssige faktorer ikke føres fuldt ud ind i modellen.

ulemper

  • parametrisk estimering kan være tidskrævende og dyrt. At få de Historiske data og opbygge en model kræver en vis indsats og ressourcer.
  • den krævede tilgængelighed af historiske data og den forventede skalerbarhed er yderligere begrænsninger for brugen af denne teknik.
  • det kan ofte kun bruges til nogle dele af et projekt, mens andre skal estimeres med forskellige teknikker.
  • det er muligvis ikke hensigtsmæssigt at stole på dataene, hvis visse faktorer er forskellige mellem de nuværende og tidligere projekter. Aspekter som personalets erfaring, fremskridt på indlæringskurven, miljøfaktorer og andre kriterier afspejles muligvis ikke fuldt ud i en model. Således kan pålideligheden af beregnede estimater påvirkes.
  • kvaliteten af de Historiske data kan også være et problemområde i nogle tilfælde. Ordsproget ‘garbage in, garbage out’ gælder for parametrisk estimering på samme måde som det gælder for enhver anden brug af data.
  • parametrisk estimering har den iboende risiko for at give en falsk følelse af nøjagtighed, hvis modeller er unøjagtige, eller data fra andre projekter viser sig ikke at gælde for det aktuelle projekt.

eksempler

dette afsnit består af 2 enkle eksemplerder hjælper dig med at forstå principperne for parametrisk estimering. Husk dog, at modellerne og den statistiske analyse normalt er merekompleks i praksis.

eksempel 1: Bestemmelse af byggeomkostninger ved hjælp af aparametrisk estimat

et projektteam i et byggefirma bliver bedt om at estimere byggeomkostningerne for en ny kontorbygning. Virksomheden har gennemført flere lignende projekter i løbet af de sidste par år. Den bruger en intern database til at spore aktivitetsvarigheden og omkostningerne ved tidligere projekter.

for et indledende skøn, en grov størrelsesorden, har virksomheden til hensigt at bruge parametrisk estimering med bygningsomkostningerne pr.kvadratfod som den relevante inputparameter til parametrisk estimering. Estimatet beregnes derefter med reglen om tre.

for lignende typer bygninger, gennemsnittetkonstruktionsomkostninger udgjorde $200 pr.kvadratfod i fortiden (= pris pr. parameterenhed).

den nye bygning skal have et samlet areal på 3.000 kvadratfod (= parameterværdi i det nye projekt).

beregningen af størrelsesordenenaf byggekostnaden ved hjælp af et parametrisk skøn (deterministisk)bestemt med reglen om tre er som følger:

Estimeretkonstruktionsomkostninger = $200 * 3.000 kvm = $6.000.000.

i praksis er der naturligvis meget merefaktorer at overveje, og modellen ville naturligvis være meget mere kompleks. Denne enkle beregning kan dog endda være tilstrækkelig til en grov størrelsesorden i indledningsfasen af et projekt.

eksempel 2: estimering af implementeringsomkostninger for et IT-System

en programleverandør bliver bedt om at estimere implementeringsomkostningerne for sin løsning. Implementeringen består af 4 dele – installation, tilpasning, etablering af grænseflader til andre systemer og test (Datamigrering er ikke inden for rammerne af dette projekt).

mens omkostningerne ved installationen er faste, bruger sælgeren forskellige parametre til at bestemme omkostningerne og tidsestimaterne for de andre dele. Disse er baseret på Historiske data og er inkluderet i følgende prøvestimeringsark.

del Parameter Historisk gennemsnit. Pris pr.Parameterenhed Historisk gennemsnit. Tid pr. Parameterenhed parameterværdi i igangværende projekt anslåede omkostninger anslået varighed
Installation rettelse $25,000 10 dage rette op $25,000 10 dage
tilpasning antal forskellige produktlinjer kunden producerer $12,000 5 dage 15 produktlinjer $180,000 75 dage
etablering af grænseflader Antal Grænseflader med andre systemer $20,000 5 dage 5 systemgrænseflader $100,000 25 dage
test udgifter til tilpasning + omkostninger til grænseflader $300
(per $ 1.000 brugt på parameter)		 0.0089 dage pr. $1.000 brugt på parameter summen af tilpasnings-og Interfaceomkostninger= $280,000 $84,000 25 dage
SUM $389,000 135 dage

du har sikkert bemærket, at sælgeren anvendte forskellige parametre til tilpasning og etablering af grænseflader. Til test er estimatet krydshenvisning til estimeringsresultaterne for de to andre områder.

konklusion

parametrisk estimering kan være en meget nøjagtig tilgang til omkostninger, ressourcekrav og varighed, hvis der er tilstrækkelige Historiske data til rådighed, og hvis der findes en påvist sammenhæng mellem parametrene og de estimerede værdier.

i praksis anvendes parametrisk estimering i form af komplekse statistiske modeller såvel som i den enkle form for udførelse af ‘rule of three’ beregninger (som vist i eksemplerne ovenfor). Dermed afhænger skønets kompleksitet af behovet for nøjagtighed, tilgængeligheden og kvaliteten af historiske data og de ressourcer, der er til rådighed til estimering.