SOMMARIO
1.
1.1
1.2
1.3
2.
PREMESSA .................................................................................................... 5
3.
INTRODUZIONE .............................................................................................. 6
3.1
Struttura ........................................................................................................................................................ 6
3.2
Simboli .......................................................................................................................................................... 6
4.
VARIABILI ................................................................................................. 7
4.1
4.2
5.
5.1
Media ...........................................................................................................................................................10
5.2
Mediana ......................................................................................................................................................10
5.3
Moda ............................................................................................................................................................11
6.
6.1
Range ...........................................................................................................................................................14
6.2
Varianza......................................................................................................................................................14
6.3
6.4 Deviazione Standard come misura dell'incertezza sulle stime di durata e costi di
progetto ...................................................................................................................................................................16
6.4.1
6.4.2
7.
DISTRIBUZIONI DI PROBABILIT E LORO APPLICAZIONI IN PROJECT
MANAGEMENT ................................................................................................. 20
7.1
Distribuzione Uniforme........................................................................................................................20
7.2
7.3
7.4
7.5
7.6
7.7
8.
8.1
8.2
8.3
8.4
9.
10.
GLOSSARIO ............................................................................................. 48
Autore(i)
Versione
Stato
Commenti
12/05/2013
MGV
0.0
Draft
Versione iniziale
06/07/2013
MGV
0.1
Draft
Versione completa
2. PREMESSA
L'obiettivo primario per il Project Manager il successo del progetto. Essere efficaci, arrivare
all'obiettivo, non basta! Bisogna anche essere efficienti e arrivare all'obiettivo con il minore
dispendio e spreco di risorse, mantenendo alti gli standard qualitativi. Per essere efficaci, quindi,
non sufficiente "misurare", occorre anche elaborare le misurazioni effettuate e utilizzarle a scopi
previsionali sempre nell'ottica dell'efficienza e della sostenibilit del progetto.
Questo compendium ha lo scopo di spiegare i concetti base e alcuni metodi della probabilit e
della statistica che possono essere di supporto al Project Manager.
esclusa una trattazione completa e rigorosa delle discipline della Statistica e della Probabilit,
per una conoscenza approfondita delle quale si rimanda a corsi specialistici.
3. INTRODUZIONE
La conoscenza di base e la comprensione di alcuni elementi delle discipline della Statistica e della
Probabilit sono di supporto al Project Manager nello svolgere le attivit di gestione di un
progetto, tra le quali citiamo: la gestione dei rischi, la capacit di predire in maniera oggettiva
l'andamento dei costi e delle tempistiche, la misurazione degli indici di performance del progetto e
la loro analisi necessaria per capire l'andamento del progetto stesso. Inoltre, durante la fase del
Monitoring & Controlling, sono numerosi i metodi statistici che supportano una comprensione
analitica (qualitativa e quantitativa) dell'andamento del progetto. Tale comprensione permette di
avere gli strumenti necessari per intraprendere eventuali correzioni (di costo, di risorse, di budget,
di tempistiche, di qualit, di scopo) durante le varie fasi del progetto.
3.1 Struttura
La struttura del presente compendium la seguente:
3.2 Simboli
Attenzione!
Ricorda!
1 minuto di riflessione
Domande di verifica
Esempio
Definizione
Test di comprensione
Per l'esame
Riferimenti
In conclusione
4. VARIABILI
In Statistica una variabile ha due caratteristiche:
Variabili qualitative (o categoriche): il valore un testo, un aggettivo. Per esempio: il colore dei
capelli di una persona una variabile qualitativa.
Variabili quantitative (o numeriche): il valore un numero. Per esempio: l'altezza di una persona,
espressa in centimetri, una variabile quantitativa.
Esempi:
il lancio di un dado;
lesito di una estrazione del Lotto;
il risultato di una partita di calcio;
il voto di un esame.
Dato che ciascuno dei valori ha una probabilit di verificarsi, ci sar anche una funzione detta
distribuzione di probabilit P(x) della variabile aleatoria x.
Le variabili aleatorie possono essere sia discrete che continue.
Esempio di applicazione
Una piccola azienda ha deciso di investire in un progetto che prevede la ristrutturazione
e riqualificazione dei locali situati al piano terra di un edificio di 3 piani per la realizzazione di un
centro ricreativo e culturale che ha l'obiettivo di erogare corsi di: lingua, teatro, musica, arte e
doposcuola. Il Project Manager fa un elenco delle seguenti variabili qualitative e quantitative che
intende tenere sotto controllo durante le varie fasi del progetto.
Variabili qualitative:
Variabili quantitative:
I valori delle suddette variabili permetteranno di valutare il numero dei corsi da erogare e il numero dei
docenti esterni da reclutare sul territorio.
1 minuto di riflessione
Rifletti su quali possano essere le variabili quantitative principali che caratterizzano un individuo.
"Alto" una variabile qualitativa, "178 cm" una variabile quantitativa.
Domande di verifica
Tra le variabili quantitative che hai individuato nel minuto di riflessione precedente, quali sono le
variabili continue?
Test di comprensione
Quale delle seguenti affermazioni vera?
[A] Tutte le variabili possono essere classificate come numeriche o qualitative.
[B] Le variabili categoriche possono essere variabili continue.
[C] Le variabili qualitative possono essere variabili discrete.
[D] Le variabili discrete assumono qualsiasi valore tra un minimo e un massimo.
Soluzione Test di comprensione
La risposta corretta [A]. Tutte le variabili possono essere classificate come qualitative o numeriche. Le variabili
categoriche (dette anche qualitative), non possono essere numeriche e quindi non possono essere classificate come
continue. Le variabili discrete sono una categoria di variabili quantitative e assumono solo valori interi tra un minimo e
un massimo.
In conclusione
In simboli matematici:
Dove:
5.2 Mediana
La mediana di un insieme di dati il valore del dato centrale dell'insieme dopo che questi sono
stati ordinati in ordine crescente.
mediana = (n + 1) -esimo valore del set di dati
Dove: n il numero dei dati
Nota: Se il numero dei dati pari, allora la mediana calcolata come la media di due valori
centrali di un insieme di dati.
La mediana indica il numero che occupa la posizione centrale in un insieme di numeri, ovvero una
met dei numeri ha un valore superiore rispetto alla mediana, mentre l'altra met ha un valore
inferiore.
La media e la mediana sono misure usate per descrivere il valore "pi tipico" di una popolazione.
Gli Statistici li definiscono come misure della tendenza centrale.
10
5.3 Moda
La moda indica il valore pi ricorrente in un insieme di dati. In alcune distribuzioni, la moda pu
mancare, oppure essere presente per pi di un valore; in questo caso, si hanno distribuzioni
bimodali (due mode), trimodali (tre mode), plurimoldali.
Moda = valore che compare con maggior frequenza
La moda, ad esempio, di 2, 3, 3, 5, 7 e 10 3.
Esempio di applicazione
In un progetto si registra un aumento dei costi mensile. Dopo una analisi sui costi, il PM decide di
calcolare l'over-costo medio settimanale dovuto alle ore di straordinario richieste negli ultimi due
mesi (1 ora di straordinario costa all'azienda 122 euro).
1.
2.
3.
4.
5.
6.
7.
8.
Settimana 1 = 25 ore
Settimana 2 = 21 ore
Settimana 3 = 15 ore
Settimana 4 = 28 ore
Settimana 5 = 21 ore
Settimana 6 = 32 ore
Settimana 7 = 17 ore
Settimana 8 = 22 ore
Media
n
Costo medio settimanale
imputabile alle ore di
straordinario
=25+21+15+28+21+32+17+22=181 ore
8
22,625 ore
2760,25
Mediana
Ordiniamo le ore settimanali in ordine crescente: 15, 17, 21, 21, 22, 25, 28, 32
Valori centrali: 21, 22
Mediana: (21+22)/2 = 21,5 ore
11
Moda
Il valore pi ricorrente 21 ore.
1 minuto di riflessione
Nell'esempio precedente quali delle 2 misure della centralit meglio risponde alle esigenze del
Project Manager?
Domande di verifica
Quando meglio usare la media e quando la mediana?
Usiamo la media quando abbiamo un campione grande di dati. Usiamo la mediana quando
abbiamo un campione piccolo di dati e il campione presenta un valore che differisce moltissimo da
tutti gli altri dati. Tale valore si chiama outlier (dato erratico). Questo perch il dato erratico pu
falsare la media.
Test di comprensione
Il punteggio di 4 test di IQ il seguente: 96, 100, 106, 114. Quale delle seguenti affermazioni
vera?
[A] La media 103
[B] La media 104
[C] La mediana 100
[D] La mediana 106
Soluzione
La risposta corretta [B]. Infatti:
Media = x / n = (96 + 100 + 106 + 114) / 4 = 104
Dal momento che ci sono un numero pari di punteggi (4), la mediana la media dei due punteggi centrali.
Mediana = (100 + 106) / 2 = 103
12
In conclusione
13
6.2 Varianza
Nel capitolo precedente abbiamo visto come la media sia una misura della centralit del nostro
insieme di dati (popolazione). Utilizziamo ora la media come punto di riferimento per calcolare la
deviazione (o variabilit) di ciascun valore dal valore centrale (media).
Questa deviazione si chiama scarto.
Le deviazioni sono numeri positivi per tutti i valori al di sopra della media e numeri negativi per
tutti i valori al di sotto della media.
Sommando queste deviazioni il risultato 0 (i valori positivi sono elisi dai valori negativi).
Quest'approccio non ci consente quindi di ottenere una misura della variabilit dei dati. Il
problema si risolve elevando al quadrato le deviazioni dalla media (il quadrato di un numero
negativo un numero positivo).
Sommando i quadrati delle deviazioni (o scarti) dalla media e dividendo questa somma per il
numero delle osservazioni, otteniamo la deviazione quadratica media (o scarto quadratico
medio) o varianza.
Data una popolazione, la varianza una funzione che fornisce una misura di quanto i valori
assunti dalla variabile si discostano dal valore medio.
La varianza quindi definita come lo scarto quadratico medio dalla media della
popolazione, secondo la seguente formula:
=
dove
ESPM- European School of Project Management
Via Crimea, 27 - Collegno (TO) - www.espm.eu
14
2 la varianza
la media
Xi l'i-esimo elemento della popolazione
N il numero degli elementi della popolazione.
In sintesi, la varianza dice come sono distribuiti i valori attorno alla media.
Per esempio: prendiamo l'et di una popolazione di 3 gruppi di individui adulti in 3 ospedali diversi
per sperimentare un nuovo protocollo di cura.
Et gruppo 1 (anni): 20, 30, 40, 50, 60.
Et gruppo 2 (anni): 10, 25, 40, 55, 70.
Et gruppo 3 (anni): 35, 37, 40, 43, 45.
L'et media (media aritmetica) pari a 40 anni per tutti e tre i gruppi, ma nel secondo gruppo i
dati sono pi dispersi attorno alla media.
per questo che, accanto ai valori medi, vanno introdotti anche indici di misura della variabilit (o
dispersione o scarto) dei dati.
Nota: Nella formula della varianza, il denominatore pari ad N quando si calcola la varianza di
una popolazione, si usa invece (n-1) quando si calcola la varianza di un campione di dati (sample).
dove:
la deviazione standard
2 la varianza
la media
Xi l'i-esimo elemento della popolazione
N il numero degli elementi della popolazione.
La Deviazione Standard l'indice di variabilit pi "reale" e, quindi, pi utilizzato per misurare
l'incertezza di una misura.
Quanto pi elevata la deviazione standard, tanto pi i dati si discostano dal valore medio.
ESPM- European School of Project Management
Via Crimea, 27 - Collegno (TO) - www.espm.eu
15
Nel paragrafo seguente vedremo come il valore della varianza e della deviazione standard possono
dare al Project Manager una indicazione sulle stima di durata e di costo di un progetto.
La deviazione standard rappresenta l'incertezza della nostra misura centrale (media). Essendo
definita come la radice quadrata della varianza assume sia valori negativi che valori positivi.
Tali formule derivano dalla Distribuzione di Probabilit Triangolare che vedremo nel capitolo 7.2.
6.4.2 Stime con la tecnica PERT
Anche la tecnica PERT (Program Evaluation and Review Technique) una stima dell'incertezza che
usa 3 punti.
16
Per poter arrivare alla formula di PERT, osserviamo che la durata di un progetto una variabile
aleatoria (rif. 4.2). Assumiamo ancora che il tempo di completamento di un progetto sia un valore
finito.
In riferimento alla durata del progetto, chiamiamo stima Ottimistica (caso migliore, O) il minimo
valore del range della durata e stima pessimistica (caso peggiore, P) il massimo valore del range.
Queste assunzioni sono anche alla base della definizione della cos detta Distribuzione Beta ()
che una distribuzione di probabilit continua con range finito che vedremo in dettaglio nel
capitolo 7.3.
Il picco di questa distribuzione corrisponde alla moda (M), ovverosia al valore pi probabile della
distribuzione.
O, P ed M sono quindi dei parametri della distribuzione di una variabile aleatoria (quale pu essere
appunto la durata o il costo di un progetto).
La distribuzione Beta caratterizzata da 4 parametri:
un valore minimo,
un valore massimo,
due parametri di forma.
Indipendentemente dai valori di minimo e massimo, dando ai parametri di forma specifici valori, si
calcola:
Il valore medio rappresenta la stima media della durata oppure dei costi del progetto. Il valore
la varianza e il valore la deviazione standard, ossia rappresenta l'incertezza sulla stima del
valore medio .
Osserviamo che la differenza fra il valore pessimistico e il valore ottimistico 6 volte la deviazione
standard e che PERT d uno peso 4 al valore della moda (valore pi probabile).
In sintesi PERT un tipo di tecnica di stima a 3 punti e usa una stima della media "pesata" rispetto
alla stima semplice della formula a 3 punti semplice. Le stime a 3 punti sono anche usate per
l'analisi Monte Carlo (vedi xxxxxxx).
La formula PERT detta anche EAD (Expected Activity Duration).
Affineremo e completeremo le tecniche di stima della durata e dei costi di un progetto quando
esamineremo la Distribuzione Normale (Distribuzione Gaussiana) nel paragrafo 7.4 e il metodo del
cammino critico (Critical Path Method).
17
Esempio di applicazione
In seguito ad un cambiamento di un requisito software che implica l'installazione di un nuovo
plug-in, il Project Manager chiede alla risorsa interessata di stimare il tempo che gli occorre per
effettuare tale modifica. La risorsa risponde che nel caso migliore potrebbe impiegarci 6 ore, nel
caso peggiore 26 ore (problemi con l'installazione del plug-in), pi probabilmente 10 ore.
Il Project Manager decide di aggiornare la schedulazione usando la stima PERT che porta al
seguente risultato: (6 + 4*10 + 26)/6 = 72/6 = 12 ore, molto vicino alla stima pi probabile.
1 minuto di riflessione
Abbiamo visto che sia la varianza che la deviazione standard danno la misura dell'incertezza di una
variabile aleatoria intorno al valore medio: perch abbiamo bisogno di due variabili che ci dicono
la stessa cosa?
Domande di verifica
Un progetto normalmente formato da pi attivit (scomponibili per esempio utilizzando la WBS).
Una volta calcolato la durata media e la deviazione standard di ogni attivit, a cosa corrisponde la
durata totale e la deviazione standard totale del progetto?
Suggerimento: verifica la tua risposta dopo aver letto il paragrafo 7.6.
Test di comprensione
Due progetti X e Y hanno una durata prevista di 48 giorni ciascuno. La Deviazione Standard 4
giorni per il progetto X e 8 giorni per il progetto Y. Cosa possiamo affermare in riferimento ai due
progetti?
[A] Il progetto X ha una probabilit di completarsi in met del tempo del progetto Y
[B] Il progetto Y ha una probabilit di completarsi in met del tempo del progetto X
[C] Il progetto X pi rischioso del progetto Y
[D] Il progetto Y pi rischioso del progetto X.
Soluzione Test di comprensione
La risposta corretta [D]. Il progetto Y pi rischioso del progetto X. Una deviazione standard pi elevata indica
maggiore incertezza sui rischi.
18
In conclusione
19
20
21
22
Nel capitolo 6 abbiamo visto come la varianza e la deviazione standard danno una misura della
dispersione dei valori di una variabile aleatoria.
L'asse y della curva di distribuzione d la probabilit di verificarsi di ogni valore che pu assumere
una variabile aleatoria. Il rapporto dell'area sotto la curva tra due qualsiasi punti a e b e l'area
23
totale della curva, d la probabilit che un determinato valore della variabile aleatoria cada dentro
l'intervallo tra a e b. E qui entra in gioco la deviazione standard.
In accordo con la statistica il 68,2% dei valori di una variabile aleatoria cadono dentro 1 deviazione
standard dal valore della media, il 95,5% dentro 2 deviazioni standard dal valore della media e il
99,7% dentro 3 deviazioni standard.
In altre parole: c' una probabilit di 68,2% che i valori di una variabile aleatoria stiano tra
, 95,5%
e 99,7%
.
24
25
consapevolezza delle criticit che potrebbero emergere in corso dopera. La gestione dei rischi
una attivit proattiva, mentre la gestione dei problemi una attivit reattiva.
Una volta identificati i rischi e registrati nell'apposito registro, si procede alla loro analisi
qualitativa e quindi all'analisi quantitativa. Dopo di che si procede con il piano di risposta
ai rischi (cfr. PMBOK - 5 edizione, cap. 11 - "Project Risk Management").
L'analisi quantitativa dei rischi, ragionando in termini probabilistici, si serve delle
distribuzioni di probabilit.
Ma quali funzioni di probabilit usare?
Dipende dal tipo di rischio, dalla quantit di informazioni e dal livello di accuratezza che vogliamo
ottenere.
Per stime poco accurate pu essere sufficiente la Distribuzione Triangolare, per stime pi accurate
ci serviamo della Distribuzione Beta oppure della Distribuzione Normale che d ottimi risultati
soprattutto per grandi numeri.
In generale le Distribuzioni Triangolari e Beta si usano al livello di working package nella WBS, cio
quando il Project Manager ha informazioni di massima sul progetto, invece si usa la Distribuzione
Normale quando il Project Manager ha acceso ad informazioni pi dettagliate di progetto.
La Distribuzione Beta ha una forma a campana come la Distribuzione Normale ma asimmetrica.
Questa sua caratteristica la rende adatta per stimare tempi e costi. Questo perch il costo o il
tempo per completare un'attivit o un progetto hanno un limite inferiore conosciuto, mentre il
limite superiore pu essere anche molto alto.
Per esempio, se un'attivit richiede dieci giorni per essere completata, essa non pu essere
completata in meno di zero giorni (limite inferiore), ma, d'altra parte, potrebbe richiedere un
numero di giorni maggiore di dieci (limite superiore). Allo stesso modo, se un'attivit ha un budget
di 5.000 euro, potrebbe richiedere alla fine un costo superiore a 5.000 euro, ma non probabile
che sia inferiore al budget prefissato di 5.000 euro.
In conclusione, lidentificazione dei rischi e la loro probabilit di verificarsi, quindi la loro analisi
attraverso le distribuzioni di probabilit, aiutano il Project Manager a prevenirli e, laddove
possibile, a mitigarli se si tratta di minacce, a sfruttarli, se si tratta di opportunit.
Esempio di applicazione
Utilizzando la stima PERT un Project Manager stima che la durata del suo progetto di 48 giorni e
che la deviazione standard di 4 giorni. Quali considerazioni egli pu fare in riferimento alle
probabilit di completamento date dalla deviazione standard?
Il progetto ha:
26
Il committente vuole conoscere esattamente quale la probabilit che il progetto sia completato
in 44 giorni. Ora questo valore rappresenta -1 della curva di probabilit (dove il segno "-" indica
che ci troviamo a sinistra del valore medio della curva). Dalla Figura 9 possiamo dire che l'area
sotto la curva a sinistra del valore medio ( ) 50% dell'area totale e che l'area tra -1 e
34,1%. L'area a sinistra di -1 la probabilit cercata ed pari a 50% - 34,1% = 15,9% . Quindi la
probabilit di completare il progetto in 44 giorni di 15,9%.
1 minuto di riflessione
Stai gestendo un progetto e hai appena disegnato la WBS. Sapendo che la durata delle attivit di
un progetto una variabile aleatoria, di quale, tra le distribuzioni esaminate, ti servi per avere una
stima del tempo totale di un progetto?
Suggerimento: rileggi con attenzione il presente capitolo.
Domande di verifica
Prendi carta e penna e tieni sottomano la Figura 9. Sulla base dell'esempio di applicazione di
questo capitolo, calcola la probabilit di completare il progetto il 52 giorni.
Test di comprensione
27
In conclusione
28
AOA = Activity On Arch (Attivit sugli Archi) --> orientato agli eventi
AON = Activity On Node = (Attivit sui Nodi o Diagrammi di Precedenza) --> orientato alle attivit
AOA: Il primo approccio mette nei nodi gli eventi mentre impiega gli archi (collegamenti tra i
nodi) per indicare le attivit.
Evento = il punto in cui una o pi attivit devono essere completate e una o pi attivit devono
iniziare.
Significato: lattivit B pu iniziare solo quando si verifica levento 2 il quale segna anche la
conclusione dellattivit A o, anche, sinteticamente A precede B.
AON: I nodi rappresentano le attivit mentre gli archi indicano i rapporti di precedenza tra le
attivit.
29
Attivit iniziale (Start): unattivit che non subisce alcun condizionamento allinizio. Le attivit che
iniziano senza predecessori, sono rappresentate in uscita dal nodo comune Start.
Attivit finale (Finish): unattivit che non condiziona con la sua fine alcuna attivit.
Attivit fittizia (indicata con freccia tratteggiata): attivit che non richiede tempo e non necessita di
risorse, spesso serve semplicemente a collegare tra loro dei sottoreticoli.
Date due attivit A e B, abbiamo quattro tipi di legami che individuano le dipendenze tra di esse.
F-S = Finish - Start = B non pu iniziare se non finita A
S-S = Start - Start = B non pu iniziare se non iniziata A
F-F = Finish - Finish = B non pu finire se non finita A
S-F = Start - Finish = B non pu finire se non iniziata A.
Ogni legame pu avere una durata. Una durata positiva un ritardo (lag), una durata negativa un
anticipo (lead).
30
Esempio di applicazione
Vediamo ora in dettaglio il Critical Path Method lavorando su un esempio e seguendone le fasi.
Fase 1: Listiamo le attivit, la loro durata e le loro dipendenze.
Attivit
A
B
C
D
E
F
G
H
Durata
7
3
6
3
3
2
3
2
Dipendenza
A
B
D,F
B
C
E,G
31
FINISH
START
1.
2.
3.
4.
FINISH
32
START
1.
2.
3.
4.
FINISH
33
END
START
Per l'esame
Nella percorso avanti-indietro, la prima attivit inizia dal giorno 0 o dal giorno 1?
Formalmente entrambe gli approcci sono corretti, ma portano a risultati diversi. Quale
l'approccio giusto per l'esame di certificazione PMP?
Il PMBOK suggerisce di partire dal giorno 1.
34
1 minuto di riflessione
Perch il percorso critico importante?
Confronta la tua risposta con la spiegazione seguente.
Su progetti piccoli non necessario determinare il percorso. Per progetti grandi e complessi il
metodo si pu rivelare invece molto utile.
Se il progetto tende ad essere in ritardo e vogliamo accelerare l'intera schedulazione (in altre
parole cerchiamo di anticipare la fine del progetto) molto importante identificare le attivit
sul percorso critico.
Se non siamo in grado di accelerare le attivit sul percorso critico, la data finale dell'intero
progetto resta la stessa.
Aggiungendo altre risorse su attivit che sono fuori dal percorso critico consente di completare
prima quelle attivit, senza influenzare la data di ultimazione dellintero progetto.
Lunica possibilit di influenzare la data di fine progetto sta nellabilit di comprimere il
percorso critico.
Aggiungiamo che, fortunatamente, molti pacchetti software di schedulazione di project
management calcolano il percorso critico. Tutti i progetti medi e grandi hanno bisogno, in
qualche modo, di utilizzare un applicativo software per gestire la schedulazione. Il
suggerimento sfruttare questo applicativo software se disponibile per il progetto.
Per un piccolo progetto, ci pu essere soltanto una sequenza principale di attivit facilmente
identificabile anche senza un software di schedulazione.
Test di comprensione
Un'attivit ha un ES di 3 giorni, un LS di 13 giorni, un EF di giorni 9 e un LF di giorni 19. L'attivit:
[A] sul cammino critico
[B] ha un lag
[C] sta procedendo bene
[D] non sul cammino critico
Soluzione Test di comprensione:
La risposta D. Quando un'attivit sul percorso critico, il Total Float (LF-EF oppure LS-ES) zero.
35
Sindrome dello studente. Limpegno crescente man mano che ci si avvicina alle
scadenze. Spesso ci si impegna solo quando prossima la fine di un'attivit in quanto,
finch non si avverte la pressione psicologica a finire il lavoro, questo non viene ultimato.
Ci spesso la risultante di una schedulazione eccessivamente generosa.
Legge di Parkinson. Le attivit tendono ad impegnare tutto il tempo pianificato. Se si
assegna ad esempio per una attivit che pu durare 8 giorni una durata di 10 giorni,
difficilmente questa verr conclusa in 8 giorni e nella migliore delle ipotesi finir per
durarne 10.
Multitasking. illusorio pensare che se le risorse svolgono pi compiti in parallelo ci
aumenti la loro efficienza. Infatti saltare da un'attivit all'altra introduce delle inefficienze
in quanto si tende a procrastinare l'attivit pi critica a favore di attivit meno importanti.
Gestione delle attivit in anticipo. Seguendo la tecnica del Critical Path Method (CPM) e
qualora si venisse a completare un'attivit in anticipo, difficilmente si riuscirebbe a
capitalizzare il tempo risparmiato se tale attivit non appartiene al percorso critico. Infatti
gli anticipi sulle attivit non critiche con il CPM portano al pi ad un rilascio anticipato delle
risorse. Ci deriva dalla tendenza nel CPM ad una pianificazione al pi presto delle
attivit che spesso comporta anche un anticipo nel sostenerne il costo ed una gestione non
ottimizzata appunto dei possibili risparmi di tempo.
Sovrastima. Le stime di progetto implicano spesso una certa tendenza ad eccedere. Poich
noto che le stime spesso vengono tagliate e non tutte le informazioni sono note nel
momento in cui le stime vengono formulate, si tende a sovrastimare in modo da
proteggersi da eventuali ritardi, da sfondamenti di budget e dallincertezza tipica delle fasi
di avvio. Questo fatto comporta inoltre un effetto di propagazione ed amplificazione
dovuto al numero di stakeholders coinvolti sulle attivit che porta ad una sovrastima del
costo e della durata del progetto.
36
assicurarsi che il calendario di progetto rifletta leffettiva disponibilit delle risorse e non
solo le dipendenze tra attivit;
non lasciare che le risorse operino su attivit che non sono ancora pronte per essere
avviate o su cui non ci siano sufficienti informazioni;
fare in modo per quanto possibile che le risorse lavorino su una attivit alla volta in modo
da limitare i cambi continui di contesto ed il multi-tasking.
Definizione catena critica (critical chain)
Per catena critica si intende la catena pi lunga di attivit tra loro dipendenti (da non
confondere con percorso critico).
37
Viene introdotto un buffer per gestire le transizioni di una risorsa da un'attivit allaltra
(RB).
La pianificazione quindi vincolata dalle risorse effettivamente disponibili. In caso di
conflitti sulle risorse, le attivit subiranno un ritardo/anticipo, ma non verranno eseguite
simultaneamente (no multitasking), distribuendo la risorsa sulle varie attivit. Questo
significa che se due attivit fanno uso simultaneo della stessa risorsa, queste saranno poste
in sequenza anzich vedere aumentata la loro durata e condivisa la risorsa. Chiaramente
lattivit pi critica avr un maggior livello di priorit.
Ci naturalmente sposta il problema dalla contingenza inserita nelle stime di ciascuna attivit alla
determinazione dellampiezza di ciascun buffer. Infatti non ha senso reintrodurre a livello di
percorso ci che si tagliato a livello di ciascuna attivit che compone il percorso.
Numerose ricerche confermano lefficacia di tale approccio. Leffetto finale quello di un migliore
impiego delle risorse e del delivery dei progetti pi critici in anticipo rispetto a quanto pu
succedere usando i metodi tradizionali.
Per arrivare ad una determinazione ottimizzata di ciascun buffer necessario apportare una
riduzione di almeno il 50% della durata di ciascuna attivit rispetto alle stime tradizionali. Ma
esistono approcci pi sofisticati che si basano su motori statistici Monte Carlo (rif. paragrafo 8.4)
per la definizione dellampiezza di ciascun buffer.
38
Questa tecnica permette di ridurre il livello di incertezza attraverso una serie discreta di cicli di
simulazioni che forniscono, per le variabili interessate, un range di possibili stime e il livello di
probabilit che la stima sia accurata (livello di confidenza).
Alcuni software di project management contengono direttamente al loro interno un motore
statistico Monte Carlo. Diversamente si possono reperire facilmente su web (spesso sono creati
da centri di ricerca e messi a disposizione gratuitamente).
Il metodo molto potente e realmente utile quando i progetti hanno centinaia o migliaia di
attivit o di rischi da analizzare ed il livello di approssimazione cresce esponenzialmente
allaumentare dei valori presi in considerazione. In questi casi praticamente impossibile arrivare
a dati affidabili senza svolgere unanalisi Monte Carlo.
Su progetti pi piccoli, seppur tecnicamente fattibile, lanalisi porterebbe a valori non molto
lontani da quelli stimabili con tecniche pi tradizionali.
Per capirne di pi vediamo un esempio di applicazione.
Esempio di applicazione
Utilizziamo l'analisi Monte Carlo per determinare la durata complessiva del nostro progetto.
Nella fase di pianificazione individuiamo le attivit che compongono il progetto e viene stimata la
durata di ciascuna attivit.
Costruiamo quindi il reticolo logico del progetto utilizzando la tecnica del CPM che abbiamo visto
nel paragrafo 8.2 e determiniamo la durata complessiva del progetto e la data di completamento.
Poich queste stime non sono certe possiamo procedere con l'Analisi Monte Carlo.
Supponiamo che il nostro progetto sia composto di tre attivit: A, B e C. Assegniamo ad ognuna di
esse tre valori di durata: uno ritenuto il pi probabile, uno ritenuto ottimistico (in assenza quindi di
ostacoli al flusso di lavoro) ed uno pessimistico (solitamente le stime richieste alle risorse coinvolte
sono tutte pessimistiche in quanto contengono pi tempo per proteggersi da eventuali imprevisti).
Il valore ritenuto pi probabile non la media tra quello ottimistico e quello pessimistico, ma un
terzo valore indipendente che pu emergere ad esempio dal parere di esperti o dalla
documentazione di progetti analoghi svolti precedentemente.
Supponiamo che le stime preliminari di durata e probabilit associata a ciascuna durata,
forniscano per ciascuna attivit le seguenti probabilit:
Probabilit di durata per l'attivit A:
39
1 minuto di riflessione
Sulla base di quanto hai appreso nel presente capitolo relativamente tecniche di schedulazione,
identifica un progetto che hai gestito o che stai gestendo (non necessariamente in ambito
professionale) e che ha subito (sta subendo) degli slittamenti temporali enormi inizialmente non
previsti. Identifica quindi quale di queste tecniche avrebbe potuto (pu) aiutarti a contenere lo
slittamento temporale.
40
Domande di verifica
1. Per un progetto che comporta 20 attivit, quale delle tecniche apprese in questo capitolo
applicheresti?
2. In quale delle tecniche apprese, le risorse acquistano un ruolo fondamentale?
3. Perch importante affidarsi a metodi probabilistici per avere delle stime affidabili sulla durata dei
progetti?
Test di comprensione
Un Project Manager, durante l'analisi del reticolo di schedulazione, utilizza la stima della media
ponderata per le stima di durata del progetto. Che tipo di analisi matematica sta utilizzando?
[A] Critical Path Method
[B] PERT
[C] Analisi Monte Carlo
[D] Critical Chain Method.
Soluzione Test di comprensione:
La risposta corretta B. Vedi paragrafo 6.4.2 dove viene spiegato come la tecnica PERT sia appunto una media
ponderata della variabile aleatoria in analisi.
41
In conclusione
42
Loriginalit del metodo consiste nella variazione programmata e simultanea delle variabili in
ingresso (fattori).
Affinch la tecnica produca i suoi effetti, necessario seguire i seguenti otto passaggi:
1.
2.
3.
4.
5.
6.
7.
8.
43
effettuare ulteriori esperimenti fino a quando non viene raggiunto un risultato ritenuto
affidabile.
Il DOE non costituisce solo una modalit per verificare se limplementazione pratica di un nuovo
processo/prodotto risponde effettivamente agli obiettivi stabiliti durante la progettazione. Tale
metodo pu infatti generare valore aggiunto non solo se pensato come conferma di quanto
inizialmente previsto, ma anche come potenziale fonte di iniziative di miglioramento non sempre
intuibili a priori.
Per facilitare la comprensione del metodo, schematizziamo la serie di esperimenti con un
rettangolo (vedi Figura 12).
dove:
Xi sono variabili controllate (fattori), in ingresso
Zi sono le variabili di disturbo (noise) non controllate, in ingresso
Y il risultato (risposta, quality function)
Attraverso il DOE:
si valuta se e come Xi influenzano Y
quali livelli di Xi ottimizzano Y
come Zi disperdono (cio influenzano negativamente) il risultato Y
ESPM- European School of Project Management
Via Crimea, 27 - Collegno (TO) - www.espm.eu
44
In conclusione il DOE una metodologia efficace per realizzare miglioramenti progressivi nella
qualit di un prodotto e nell'efficienza di un processo. Ci conduce alla diminuzione dei costi di
produzione e quindi all'aumento dei margini di profitto.
Esempio di applicazione
Consideriamo il seguente esempio di applicazione del metodo DOE con un solo fattore: una ditta
produttrice di calcestruzzo vuole verificare se laggiunta di un componente al calcestruzzo
(emulsione di polimero) ne modifica la resistenza. Osserviamo che:
45
Media Mediana
Formula 1
17,064
16,72
Formula 2
17,922
17,93
Tuttavia i risultati di questo piccolo esperimento potrebbero essere dovuti a fattori casuali,
occorre quindi non accontentarsi e svolgere ulteriori verifiche come, per esempio aumentare il
numero di prove e/o utilizzare altri strumenti di indagine (come ad esempio i test per la verifica
delle ipotesi statistiche t di Student).
1 minuto di riflessione
Prova a schematizzare, seguendo l'esempio della Figura 12 quali e quanti potrebbero essere i
fattori (controllati e non controllati) di input e il loro livello che potrebbero influenzare il risultato
di un progetto quale ad esempio l'acquisto della tua nuova automobile.
Domande di verifica
1. Cosa si intende per "fattore" nel metodo del DOE?
2. Quali sono le variabili in ingresso nel metodo DOE?
Test di comprensione
Durante il processo di Pianificazione della Qualit, stai usando il metodo del Design of Experiment
per determinare quali siano i fattori che maggiormente influenzano specifiche variabili. Quali tra
queste variabili possono essere usate nella tua analisi?
[A] Euro
[B] Metri
[C] Peso
[D] kg
Soluzione Test di comprensione:
La risposta corretta C. Le altre risposte sono delle unit di misura in cui un fattore pu essere espresso.
46
In conclusione
47
10. GLOSSARIO
Campione (Sample):Un sottoinsieme della popolazione, costituito da osservazioni
estrattedalla popolazione secondo una procedura casuale. Il campione deve
essere rappresentativo della popolazione, per fornire informazionicorrette.
Outlier (dato errativo): valore che differisce moltissimo dagli altri valori.
Popolazione: In statistica, si riferisce ad insieme di elementi che siano oggetto di studio, ovvero
l'insieme delle unit (dette unit statistiche) sulle quali viene effettuata la rilevazione delle
modalit con le quali il fenomeno studiato si presenta. Tali unit presentano tutte almeno una
caratteristica comune, che viene accuratamente definita al fine di delimitare il loro insieme; ad
esempio, con "Italiani" si pu intendere sia le persone di nazionalit italiana, anche se residenti
all'estero, sia le persone residenti in Italia, quale sia la loro nazionalit.
Popolazione:LinsiemeditutteleosservazionidelfenomenoXoggettodistudio.
Probabilit:Si denisce esperimento casuale (probabilistico) un esperimento condotto
in situazione di incertezza, per il quale non possibile prevedere a priori il
risultato con certezza. Il campionamento un esperimento casuale.
La probabilit una frequenza relativa teorica, non osservata.
Es.: probabilit di avere testa nel lancio di una moneta
Prob(T)==0.5
Variabilealeatoria (casuale, random):
unafunzione(variabile)Xcheassumepirisultatieadognirisultatoassociatauna
probabilitdivericarsi.
48