Guida al project management · Rischio, qualità e controllo
Simulazione Monte Carlo nel project management: un esempio svolto
La simulazione Monte Carlo è una tecnica di analisi quantitativa dei rischi che esegue un modello di progetto migliaia di volte, scegliendo ogni volta valori casuali all'interno dell'intervallo di durate o costi possibili. I risultati mostrano quanto è probabile che il progetto termini entro una certa data o entro un certo budget.
Punti chiave
- La simulazione Monte Carlo trasforma gli intervalli di stima in probabilità per date e costi.
- I piani basati sui valori più probabili hanno spesso una bassa probabilità di essere rispettati.
- Usate i risultati P50 e P80 per definire impegni e riserve di contingenza.
- Input validi e una logica di schedulazione solida contano più del software.
Perché usare la simulazione Monte Carlo
Una stima puntuale nasconde l'incertezza. Se ogni attività ha un intervallo di durate possibili, sommare i valori 'più probabili' produce di solito una data che il progetto ha solo una piccola probabilità di rispettare, perché gli sforamenti tendono a essere maggiori dei risparmi. La simulazione mostra invece l'intera gamma dei risultati.
- Risponde a domande come 'quanto siamo sicuri di finire entro il 30 settembre?'
- Aiuta a dimensionare le riserve di contingenza su tempi e costi; vedi piano di contingenza.
- Mostra quali attività o rischi generano la maggior parte dell'incertezza.
- È una delle principali tecniche di analisi quantitativa nella gestione dei rischi di progetto.
Come funziona
- Costruite un modello: una rete di schedulazione o una scomposizione dei costi. Vedi metodo del percorso critico per la logica del cronoprogramma.
- Sostituite le stime puntuali con intervalli, spesso una stima a tre punti (ottimistica, più probabile, pessimistica), e scegliete una distribuzione come la triangolare o la PERT (beta).
- Facoltativamente, aggiungete rischi discreti con una probabilità e un impatto, ad esempio una probabilità del 30% di un ritardo di 10 giorni.
- Eseguite il modello molte volte, in genere migliaia di iterazioni. Ogni esecuzione campiona un valore per ogni attività e rischio.
- Raccogliete i risultati in un istogramma e in una curva cumulativa (una curva a S).
- Leggete i livelli di confidenza, come P50 e P80, ed esaminate quali input determinano il risultato.
Esempio svolto
Un piccolo progetto ha tre attività in sequenza. Le stime sono in giorni lavorativi:
| Attività | Ottimismo nelle | Più probabile | Pessimistica |
|---|---|---|---|
| A: Progettazione | 8 | 10 | 16 |
| B: Realizzazione | 15 | 20 | 30 |
| C: Test | 4 | 5 | 9 |
| Totale | 27 | 35 | 55 |
Sommando i valori più probabili si ottengono 35 giorni. Eseguendo 100.000 iterazioni con distribuzioni triangolari si sono ottenuti i seguenti risultati (i vostri valori varieranno leggermente da un'esecuzione all'altra):
| Misura | Risultato |
|---|---|
| Probabilità di finire in 35 giorni o meno | Circa il 14% |
| P50 (mediana) | Circa 39 giorni |
| P80 | Circa 42 giorni |
| P90 | Circa 44 giorni |
Quindi un piano basato su 35 giorni ha circa una probabilità su sette di essere rispettato. Se lo sponsor vuole una confidenza dell'80%, il team dovrebbe impegnarsi su circa 42 giorni e mantenere la differenza come riserva di contingenza sui tempi.
Leggere i risultati
| Termine | Significato |
|---|---|
| P50 | Probabilità del 50% di finire entro questo valore |
| P80 | Probabilità dell'80%; spesso usato per gli impegni e per dimensionare le riserve |
| curva a S | Probabilità cumulativa riportata rispetto a data o costo |
| Tornado chart | Classifica gli input in base a quanto influenzano il risultato |
| Indice di criticità | Frequenza con cui un'attività compare sul percorso critico in tutte le esecuzioni |
Errori comuni
- Usare intervalli troppo stretti; le persone tendono a essere troppo sicure di sé.
- Ignorare la correlazione, ad esempio quando la stessa causa rallenterebbe più attività contemporaneamente.
- Modellare un cronoprogramma con una logica carente o dipendenze mancanti.
- Presentare i risultati come fatti precisi anziché come stime basate sugli input.
- Eseguire l'analisi una sola volta e non aggiornarla mai.
Strumenti
La simulazione può essere eseguita in un foglio di calcolo con formule di numeri casuali, con componenti aggiuntivi per fogli di calcolo o con software dedicati all'analisi dei rischi di schedulazione. Alcuni strumenti di project management e gli strumenti di previsione Agile applicano la stessa idea ai dati di throughput per prevedere quando sarà completato un backlog; vedi throughput.
Modelli gratuiti per questo argomento
Domande frequenti
Che cos'è la simulazione Monte Carlo nel project management?
Una tecnica che esegue un modello di progetto molte volte con valori casuali estratti dagli intervalli di stima, per mostrare la probabilità di rispettare date o budget.
Che cos'è una stima P80 nella simulazione Monte Carlo?
Un valore che, secondo la simulazione, ha l'80% di probabilità di non essere superato. È comunemente usato per gli impegni e per dimensionare le riserve.
Quante iterazioni richiede una simulazione Monte Carlo?
Di solito migliaia. I risultati si stabilizzano al crescere del numero di esecuzioni; verificate che esecuzioni ripetute diano risposte simili.
Quale distribuzione usare per la simulazione Monte Carlo?
Le distribuzioni triangolare e PERT (beta) sono comuni per le stime a tre punti perché semplici e intuitive. Usate i dati storici quando li avete.
La simulazione Monte Carlo è qualitativa o quantitativa?
Quantitativa. Produce probabilità numeriche per risultati come la data di fine e il costo totale.
Si può fare una simulazione Monte Carlo in Excel?
Sì. Potete campionare dalle distribuzioni con le formule e ripetere il calcolo con una tabella dati, oppure usare un componente aggiuntivo.
Perché la simulazione Monte Carlo restituisce una data successiva a quella del piano?
Perché gli intervalli di stima sono di solito sbilanciati verso gli sforamenti e i percorsi paralleli convergono, quindi il totale più probabile raramente è la somma delle durate più probabili delle attività.
Che cos'è un tornado chart nell'analisi Monte Carlo?
Un grafico a barre che classifica gli input in base alla loro influenza sul risultato, usato per capire quali attività o rischi contano di più. È una forma di analisi di sensitività.
In che modo Monte Carlo aiuta con le riserve di contingenza?
La differenza tra il valore pianificato e un livello di confidenza scelto, come P80, fornisce una dimensione difendibile per la riserva di contingenza di tempi o costi.
I team Agile usano la simulazione Monte Carlo?
Sì. Molti team Kanban e Scrum campionano il throughput storico per prevedere quanti elementi possono completare entro una data o quando sarà terminato un insieme di elementi.
Quali sono i limiti della simulazione Monte Carlo?
I risultati sono validi solo quanto il modello e le stime. Logica carente, intervalli stretti o correlazioni ignorate producono risultati falsamente ottimistici.