Metodi Statistici Applicati Al Project Management

PMP Compendium
PROBABILIT E STATISTICA A SUPPORTO

DEL PROJECT MANAGEMENT
ESPM- European School of Project Management

Via Crimea, 27 - Collegno (TO) - www.espm.eu
SOMMARIO
1.
GESTIONE DEL DOCUMENTO............................................................................. 4
1.1
Storia del documento ................................................................................................................................ 4
1.2
Gestione delle modifiche ......................................................................................................................... 4
1.3
Confidenzialit e propriet ...................................................................................................................... 4
2.
PREMESSA .................................................................................................... 5
3.
INTRODUZIONE .............................................................................................. 6
3.1
Struttura ........................................................................................................................................................ 6
3.2
Simboli .......................................................................................................................................................... 6
4.
VARIABILI ................................................................................................. 7
4.1
Variabili qualitative e variabili quantitative ........................................................................................ 7
4.2
Variabili aleatorie ....................................................................................................................................... 7
5.
MEDIA, MEDIANA, MODA .............................................................................. 10
5.1
Media ...........................................................................................................................................................10
5.2
Mediana ......................................................................................................................................................10
5.3
Moda ............................................................................................................................................................11
6.
MISURE DI VARIABILIT A SUPPORTO DEL PROJECT MANAGEMENT... 14
6.1
Range ...........................................................................................................................................................14
6.2
Varianza......................................................................................................................................................14
6.3
Deviazione Standard .............................................................................................................................15
6.4 Deviazione Standard come misura dell'incertezza sulle stime di durata e costi di
progetto ...................................................................................................................................................................16
6.4.1
Stime con la tecnica a 3 punti ....................................................................................................16
6.4.2
Stime con la tecnica PERT...........................................................................................................16
7.
DISTRIBUZIONI DI PROBABILIT E LORO APPLICAZIONI IN PROJECT
MANAGEMENT ................................................................................................. 20
7.1
Distribuzione Uniforme........................................................................................................................20
7.2
Distribuzione Triangolare ...................................................................................................................21
7.3
Distribuzione Beta ..................................................................................................................................22
7.4
Distribuzione Normale .........................................................................................................................23
7.5
La Distribuzione Lognormale (Lognormal) ..................................................................................24
7.6
Teorema del limite centrale ...............................................................................................................25
7.7
Il ruolo delle distribuzioni di probabilit nella gestione dei rischi .....................................25
8.
TECNICHE DI SCHEDULING DEL PROGETTO........................................... 29

8.1
Reticolo logico di schedulazione (scheduling network) ..........................................................29
8.2
Critical Path Method (CPM) ................................................................................................................30
8.3
Critical Chain Method (CCM) ..............................................................................................................36
8.4
Analisi Monte Carlo applicata ai progetti ......................................................................................38
9.
DESIGN OF EXPERIMENT (DOE) IN PROJECT MANAGEMENT .................................. 43
10.
GLOSSARIO ............................................................................................. 48
INDICE DELLE FIGURE

Figura 1: Schema riassuntivo variabili .............................................................................................................. 9
Figura 2: Schema riassuntivo Media, Mediana, Moda ................................................................................13
Figura 3: Range di un insieme di dati ...............................................................................................................14
Figura 4: Distribuzione Uniforme discreta.....................................................................................................20
Figura 5: Distribuzione Uniforme continua ...................................................................................................21
Figura 6: Distribuzione Triangolare .................................................................................................................21
Figura 7: Distribuzione Beta ................................................................................................................................22
Figura 8: Distribuzione Normale (Gaussiana) ..............................................................................................23
Figura 9: Deviazioni Standards dalla media ..................................................................................................24
Figura 10: Distribuzione lognormale ...............................................................................................................25
Figura 11: Metodo CPM e CCPM a confronto.................................................................................................38
Figura 12: Schema Design of Experiment .......................................................................................................44

1. GESTIONE DEL DOCUMENTO

1.1 Storia del documento
Data
Autore(i)
Versione
Stato
Commenti
12/05/2013
MGV
0.0
Draft
Versione iniziale
06/07/2013
MGV
0.1
Draft
Versione completa
1.2 Gestione delle modifiche

Il presente documento gestito dal processo di gestione dei cambiamenti. I cambiamenti
apportati devono essere approvati da ESPM (European School of Project Management) via il
processo di gestione dei cambiamenti.
1.3 Confidenzialit e propriet

Questo documento e tutti gli allegati associati sono di propriet di ESPM spa, delle societ sue
consociate e affiliate (Projectize srl, YLUM srl).

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:
Breve spiegazione teorica

Esempi di applicazione
1 minuto di riflessione
Verifica
Test di comprensione
In conclusione
3.2 Simboli
Attenzione!
Ricorda!
Domande di verifica
Esempio
Definizione
Per l'esame
Riferimenti
In conclusione

4. VARIABILI
In Statistica una variabile ha due caratteristiche:
un attributo che descrive una persona, un posto, un oggetto o un idea;

ha un valore che dipende dal tipo di entit cui si riferisce.
4.1 Variabili qualitative e variabili quantitative

Le variabili sono classificate in due modi: qualitative e quantitative.
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.
Le variabili quantitative sono a loro volta classificate come discrete o continue.
Discrete: le variabile discrete assumono solo numeri interi.

Esempio: la popolazione del pianeta Terra un numero discreto.
Continue: le variabili continue assumono qualsiasi valore tra un minimo e un massimo.
Esempio: Il budget previsto per l'acquisto di una nuova automobile della famiglia Bianchi, pu
assumere qualsiasi valore tra il minimo di 15.000 e il massimo di 20.000 .
4.2 Variabili aleatorie

Una variabile aleatoria (casuale, random) una variabile che assume determinati valori in
modo casuale (non deterministico).
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.

Riprenderemo il concetto di variabili aleatorie nel capitolo 7 quando approfondiremo le

Distribuzioni di Probabilit.
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:
risposta della popolazione alla proposta dei corsi;

tempi di realizzazione struttura.
Variabili quantitative:
popolazione potenziale interessata ai corsi

tra 4 e 6 anni
tra 7 e 11 anni
tra 12 e 14 anni
tra 14 e 25 anni
tra 25 e 55 anni
tra 55 e 65 anni
> 65 anni
percentuale di persone che hanno espresso interesse per i corsi di lingua
percentuale di persone che hanno espresso interesse per i corsi di teatro
percentuale di persone che hanno espresso interesse per il servizio di doposcuola e tutoraggio
I valori delle suddette variabili permetteranno di valutare il numero dei corsi da erogare e il numero dei
docenti esterni da reclutare sul territorio.
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?
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
Figura 1: Schema riassuntivo variabili

5. MEDIA, MEDIANA, MODA

5.1 Media
La media aritmetica di un set di dati la somma numerica di tutti i valori dei dati diviso il numero
dei dati.
In simboli matematici:
Dove:
la media del set di x valori

la somma di tutti gli x valori facenti parte del set
n il numero di x valori del set
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.
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
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.
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.
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
Figura 2: Schema riassuntivo Media, Mediana, Moda

13
6. MISURE DI VARIABILIT A SUPPORTO DEL PROJECT MANAGEMENT

6.1 Range
Il Range la differenza tra valore massimo e valore minimo di un insieme di dati.
Nell'intervallo di Figura 3 i valori sono {4, 6, 9, 3, 7}. Il valore minimo 3, il valore massimo
9, il range = 9 - 3 = 6.
Figura 3: Range di un insieme di dati
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
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).
6.3 Deviazione Standard

Il limite della varianza come misura di dispersione quella di avere una unit di misura espressa al
quadrato rispetto all'unit di misura originale.
Essa indica quanto, in media, ciascun elemento si discosta dalla media aritmetica.
La radice quadrata della varianza, chiamata deviazione standard, ci riporta i valori nell'unit di
misura di partenza:
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.
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.
6.4 Deviazione Standard come misura dell'incertezza sulle stime di

durata e costi di progetto
6.4.1 Stime con la tecnica a 3 punti
Ogni attivit di un progetto presenta un margine di incertezza o rischio relativamente ai parametri

come la durata e i costi del progetto stesso.
Nella pratica di tutti i giorni sono molti i rischi di non terminare un progetto in una determinata
data ed entro un determinato budget. Valutare questi rischi permette di pianificare meglio una
risposta agli stessi, aumentando cos la probabilit di successo del progetto.
Le stime a 3 punti sono di supporto al Project Manager per valutare i rischi di alcuni parametri
fondamentali di progetto come la durata e i costi.
Le stime a 3 punti usano 3 stime differenti: valore Ottimistico (caso migliore, O), valore
Pessimistico (caso peggiore, P) e valore pi probabile (M dall'inglese Most Likely) per stimare sia la
durata che i costi di un progetto.
Il modo pi semplice quello di calcolare la media semplice del parametro in esame:
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
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.
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.
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.
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
7. DISTRIBUZIONI DI PROBABILIT E LORO APPLICAZIONI IN PROJECT

MANAGEMENT
Nel capitolo 4 abbiamo definito le variabili aleatorie. Se disegniamo un grafico con i valori di tali
variabili lungo l'asse x e disegniamo la probabilit che ciascun di esse si verifichi lungo l'asse y,
otteniamo una distribuzione di probabilit.
La funzione matematica che descrive la forma della distribuzione di probabilit si chiama funzione
di distribuzione della probabilit.
In questo capitolo vediamo alcune tra le distribuzioni pi usate nella disciplina del Project
Management e le loro applicazioni.
7.1 Distribuzione Uniforme

Nella distribuzione uniforme ogni valore della variabile aleatoria ha una uguale probabilit di
verificarsi. Per esempio, nel lancio di un dado (facce numerate da 1 a 6), ciascuna faccia ha una
uguale probabilit di occorrenza. Quindi ogni faccia del dado ha una probabilit di 1/6 di
verificarsi.
La distribuzione uniforme pu essere discreta o continua. Il lancio di un dado un esempio di
distribuzione discreta perch il risultato pu assumere solo valori discreti (1, 2, 3, 4, 5, e 6). Le
variabili aleatorie continue, invece, sono quelle che possono assumere un insieme continuo di
valori tra un intervallo dato [a, b].
La distribuzione uniforme di un insieme definito di valori la distribuzione di probabilit
che attribuisce a tutti gli elementi dell'insieme la stessa probabilit di verificarsi.
Figura 4: Distribuzione Uniforme discreta

20
Figura 5: Distribuzione Uniforme continua
Utilit in Project Management

Tale distribuzione usata in Project Management quando si hanno poche informazioni sui dati di
progetto e si vogliono determinare delle stime grossolane. inoltre usata nel processo di Gestione
dei Rischi quando un certo numero di rischi ha una uguale probabilit di verificarsi.
7.2 Distribuzione Triangolare

La Distribuzione Triangolare una distribuzione di probabilit continua con un valore minimo, una
moda (valore pi probabile) e un valore massimo. Differentemente dalla Distribuzione Uniforme i
valori di una variabile aleatoria in questo caso NON hanno la stessa probabilit di verificarsi. La
probabilit del valore minimo (a) 0, come pure la probabilit del valore massimo (b), la
probabilit della moda (c) invece il valore pi alto della distribuzione.
Figura 6: Distribuzione Triangolare

21

Tale distribuzione usata spesso come approssimazione della Distribuzione Beta che vedremo nel
prossimo paragrafo per stimare la durata delle attivit di un progetto come abbiamo visto nel
paragrafo 6.4.1 (stima a 3 punti semplice). Assumendo infatti una Distribuzione Triangolare, la
durata aspettata di una attivit (media della distribuzione) pu essere calcolata usando il metodo
della media semplice.
7.3 Distribuzione Beta

La distribuzione Beta determinata da 4 parametri:
a - valore minimo
b - valore massimo
- parametro di forma
- parametro di forma
dove a e b sono numeri finiti. Anche se gli eventi naturali raramente hanno numeri finiti, la
distribuzione Beta li approssima abbastanza bene.
La forma della Distribuzione Beta assomiglia a quella della Distribuzione Triangolare ma con la
punta del triangolo arrotondata.
I parametri di forma e permettono di variare la forma della distribuzione (vedi Figura 7). Per
valori di piccoli e di grandi, il picco della distribuzione spostato a sinistra del grafico.
Viceversa, per valori di grandi e di piccoli, il picco della distribuzione spostato a destra del
grafico. Infine, quando i valori di e sono paragonabili, il picco della distribuzione si situa al
centro del grafico.
Figura 7: Distribuzione Beta

22

Come abbiamo visto nel paragrafo 6.4.2 in occasione della tecnica PERT, interpretando come
pessimistico (P) il valore minimo, Ottimistico (O) il valore massimo e pi probabile (M) il valore di
moda della distribuzione Beta, possiamo ottenere delle buone stime sia per la durata delle attivit
di un progetto, sia per i costi.
7.4 Distribuzione Normale

Una variabile aleatoria che pu assumere qualsiasi valore tra - e
segue una distribuzione
Normale (detta anche Gaussiana). Molti fenomeni naturali si distribuiscono secondo la
Distribuzione Normale. La particolarit di questa distribuzione che simmetrica rispetto al
valore medio (valore aspettato). Inoltre il valore medio coincide con la mediana e con al moda
(valore pi probabile).
La distribuzione normale presenta la caratteristica forma a campana.
La forma pi semplice di distribuzione normale si chiama Distribuzione Normale Standard ed ha
come media il valore 0 e come varianza il valore 1.
Grazie alla sua capacit di modellare bene moltissimi eventi naturali, tale distribuzione presenta
molte applicazioni pratiche in ogni disciplina di studio.
Figura 8: Distribuzione Normale (Gaussiana)
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%
.
Figura 9: Deviazioni Standards dalla media

Qualsiasi variabile aleatoria di un progetto pu essere gestita con i livelli di confidenza dati dalle
stime di deviazione standard. Questo perch molte variabili di progetto seguono la tipica forma a
campana della Distribuzione Normale.
Molti Project Manager sono confidenti con stime di 2 , alcuni preferiscono avere livelli di
confidenza sulle loro stime fino a 3 . Una tecnica, nota come Six-Sigma (rif. xxx), termine coniato
da Motorola nel 1985 per ridurre al minimo gli errori sul prodotto e aumentare la qualit dello
stesso minimizzando la variabilit nei processi di produzione e di business, considera livelli di
confidenza fino 6 . In realt sono sufficienti 4,5 per raggiungere un livello tale di controllo del
processo da avere soltanto 3,4 parti difettose per milione (valore standard), il che porta a limiti
molto restrittivi sulla variabilit del processo produttivo.
7.5 La Distribuzione Lognormale (Lognormal)

In teoria delle probabilit la Distribuzione Lognormale, o Lognormal, la distribuzione di
probabilit di una variabile aleatoria X il cui logaritmo
segue una distribuzione normale.
Questa distribuzione pu approssimare il prodotto di molte variabili aleatorie positive
indipendenti.

24
Figura 10: Distribuzione lognormale
7.6 Teorema del limite centrale

Il Teorema del limite centrale dice che, preso un grande campione di variabili aleatorie
indipendenti (pi di 30), ognuna delle quali presenta lo stesso tipo di distribuzione (come per
esempio la distribuzione Beta) con una media finita e una varianza, esso si distribuisce secondo la
Distribuzione Normale.
Pi grande il campione, pi il risultato si avvicina alla Distribuzione Normale.
Abbiamo visto nel paragrafo 6.4.2 che l'assunzione di base della tecnica PERT che ogni singola
attivit di un progetto sia una variabile aleatoria che segue la Distribuzione Beta. La durata totale
del progetto ha una incertezza che vogliamo valutare. Consideriamo le durate delle singole attivit
come variabili aleatorie e le durate delle attivit sul percorso critico (vedi paragrafo Errore.
L'origine riferimento non stata trovata.) come campione. Per calcolare la durata totale del
progetto sommiamo le stime PERT delle attivit sul percorso critico. Il Teorema del limite centrale
ci assicura che il risultato, cio la durata totale del progetto (somma delle attivit sul cammino
critico), sia ancora una variabile aleatoria avente distribuzione normale con media pari alla somma
delle medie e varianza pari alla somma delle varianze. Il teorema del limite centrale risponde
quindi alla domanda di verifica del capitolo 6.
7.7 Il ruolo delle distribuzioni di probabilit nella gestione dei rischi

Nei paragrafi precedenti abbiamo visto il ruolo delle distribuzioni di probabilit per fare delle
stime anche accurate di variabili aleatorie fondamentali per il progetto quali tempi e costi.
Tempi e costi possono rappresentare elementi di rischio di un progetto e quindi vanno gestiti con
molta attenzione.
Altri parametri concorrono ad allungare la lista dei rischi di un progetto. Essi dipendono
essenzialmente dal tipo di progetto e dal contesto in cui il progetto si svolge.
Tutti i tipi di rischi, siano essi minacce (rischi negativi) od opportunit (rischi positivi), a differenza
dei problemi che sono certi e sono quindi da risolvere, sono delle variabili aleatorie che hanno
come attributo una probabilit associata. Quantificare questa probabilit permette una maggiore
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.
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:
il 50% delle probabilit che sia completato in 48 giorni (valore medio)

il 68,2% di probabilit che sia completato tra 44 e 52 giorni (1 deviazione standard)
il 95,5% di probabilit che sia completato tra 40 e 56 giorni (2 deviazioni stardard)
il 99,7% di probabilit che sia completato tra 36 e 60 giorni (3 deviazioni standard).

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%.
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.
Quale la percentuale corrispondente a 3 dalla media di una Distribuzione Normale?

[A] 68,2%
[B] 99.9%
[C] 95.5%
[D] 99,7%

La risposta D. Vedi Figura 9.

27
In conclusione

28
8. TECNICHE DI SCHEDULING DEL PROGETTO

Nei precedenti capitoli abbiamo visto come alcuni concetti di probabilit e statistica si applicano al
Project Management per risolvere problemi di incertezza sui tempi e i costi del progetto.
In questo capitolo vedremo come, oltre alla tecnica del PERT (gi analizzata nel paragrafo 6.4.2), il
metodo del percorso critico (CPM dall'inglese Critical Path Method) e il metodo CCM (dall'inglese
Critical Chain Method), possono concorrere insieme per dare delle stime molto precise sulla
durata di progetti anche complessi.
Prima per bisogna introdurre i "reticoli logici di schedulazione (o programmazione)" su cui si
applicano le tecniche suddette.
8.1 Reticolo logico di schedulazione (scheduling network)

La rappresentazione grafica dellinsieme di attivit fra loro correlate e sequenziate prende il nome
di reticolo logico di schedulazione temporale (scheduling network".
Abbiamo due tipi di reticoli:
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.
Significato: lattivit C pu iniziare solo dopo la fine dellattivit B. Questultima pu essere

svolta solo dopo la conclusione dellattivit A o, anche, A precede B che precede C.

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.
Percorso o Cammino (Path): sequenza di tutte le attivit-legami da unattivit iniziale ad

una attivit finale.
Percorso critico: la sequenza di attivit che condiziona in modo determinante il conseguimento

degli obiettivi del progetto (normalmente il cammino pi lungo in termini di tempo). Un ritardo o
anticipo di tempi, un extracosto o un risparmio in un'attivit del cammino critico non possono
essere compensati da variazioni di segno opposto di altre attivit e inevitabilmente comportano
una variazione di analoga entit per l'intero progetto.
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).
8.2 Critical Path Method (CPM)

Osserviamo che PERT un metodo probabilistico che stima la durata delle attivit sulla base di
probabilit, mentre CPM un metodo deterministico che assume che le durate delle attivit siano
fisse.
Abbiamo visto che le attivit sono variabili aleatorie e la loro probabilit segue una funzione di
distribuzione che NON fissa. Per calcolare il percorso critico usando il metodo CPM, dobbiamo
trattare le stime di durata delle attivit come se fossero fisse.
La tecnica CPM usata per individuare, nell'ambito di un diagramma a rete (o reticolo logico), la
sequenza di attivit pi critica (massima durata) ai fini della realizzazione di un progetto.
Individuato il percorso critico, si tengono sotto stretto controllo le attivit che lo compongono, in
quanto un ritardo (maggiore durata del previsto) di una qualsiasi di queste attivit comporta
inevitabilmente un ritardo dell'intero progetto.

30
Per ogni attivit definiamo quanto segue:
Early Start (ES) = primo inizio possibile (al pi presto pu iniziare)

Late Start (LS) = ultimo inizio possibile (al pi tardi pu iniziare)
Duration = durata
Early Finish (EF) = prima fine possibile (al pi presto pu finire)
Late Finish (LF) = ultima fine possibile (al pi tardi pu finire)
Activity Name = Nome attivit
Float (detta anche slack time) = ammontare di tempo di cui pu essere ritardata una attivit senza
causare ritardo rispetto:
all'attivit successiva (Free Float) -->ES dell'attivit successiva - EF dell'attivit attuale
al progetto totale (Total Float) --> LF - EF (oppure LS - ES).
La flessibilit tra il primo momento in cui un'attivit PU terminare e il momento pi remoto in

cui DEVE terminare si chiama float (oppure slack time).
Per definizione, se lattivit ha flessibilit, o float, associata alla sua data di inizio e data di
fine, allora NON sul percorso critico. Il percorso critico consiste nella sequenza pi lunga
di attivit che deve essere avviata e terminata rigidamente come schedulato.
In altre parole, la sequenza pi lunga di attivit con ZERO float.
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
Fase 2: Costruiamo il reticolo.
FINISH
Fase 3: Programmazione in avanti (Forward)
START
1.
2.
3.
4.
FINISH
Si inizia da 0 con le attivit A e B perch queste due attivit iniziano simultaneamente.

Ricordando che "EF = ES+Duration" si procede in avanti per tutte le attivit.
ES del successore = EF del predecessore.
Quando ad una attivit si arriva da due predecessori, come EF si prende il predecessore
con valore pi alto (esempio: attivit E e attivit H).

32
Fase 4: Programmazione all'indietro (Backward).
START
1.
2.
3.
4.
FINISH
Si inizia dall'ultima attivit (H nel nostro esempio) e si torna indietro.

LF dell'attivit precedente (predecessore) = LS dell'attivit seguente (successore).
Ricordando che "LS = LF-Duration" si procede indietro per tutte le attivit.
Quando ad una attivit si arriva da due attivit seguenti, come LS si prende il seguente con
valore pi basso (esempio: attivit B).

33
Fase 5: Identificazione del cammino critico.
END
START
Total Float = LF - EF (oppure LS - ES).

Le attivit sul Cammino Critico, sono le attivit con Total Float = 0, quindi nel nostro esempio: A, C,
G, H. Ma vediamo perch!
Se una qualsiasi attivit del Percorso Critico finisce in ritardo, l'intero progetto finir in ritardo
(a meno che non venga recuperato successivamente con qualche iniziativa a favore delle
attivit sul percorso critico).
La fine del progetto corrisponde alla fine delle attivit sul percorso critico. Se non c' un
percorso critico, allora c flessibilit (float) in tutte le sequenze di attivit dall'inizio alla fine.
Se c' float ovunque, possiamo ridurlo e completare il progetto in anticipo.
Per anticipare la data di ultimazione del progetto, dobbiamo rimuovere parte del float. Ma,
quando ad un certo punto scomparir tutto il float, avremo trovato il punto dove ogni attivit
sul percorso ha data di inizio e data di fine contigue su tutte le attivit. Quando non c pi
flessibilit sulla sequenza di attivit pi lunga, vuol dire che quello il percorso critico.
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
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.
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
8.3 Critical Chain Method (CCM)

Il Critical Chain Method (CCM) o Critical Chain Project Management (CCPM) una tecnica di
schedulazione (E. M. Goldratt), derivata dalla Teoria dei Constraints (rif. "The Goal" E. M.
Goldratt), che utilizza l'analisi reticolare come il Critical Path Method, ma, anzich focalizzarsi
sulle attivit, si focalizza sulla disponibilit delle risorse.
Il CCM comporta in genere una schedulazione pi lunga ma, sicuramente, raggiungibile. Inoltre,
allieva lo stress del Project Manager che, normalmente, deve sempre negoziare con la
disponibilit delle risorse!
Di solito, quando si chiede ad una risorsa di stimare il tempo necessario a completare una
determinata attivit di sua competenza, la risorsa aggiunge istintivamente un margine
temporale di sicurezza al tempo effettivo (buffer implicito) necessario al completamento
dell'attivit richiesta. Il Project Manager pu quindi decidere di tener conto di questo margine
attivit per attivit. Questo procedimento presenta per dei rischi.
In effetti stato visto che, quanto pi grande il margine di sicurezza temporale dell'attivit,
tanto pi si ha la tendenza a comportarsi nei seguenti modi:
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
Come risultato, il tempo di sicurezza aggiunto in fase di pianificazione viene perso

completamente.
Gli strumenti tradizionali utilizzati per la gestione dei progetti: CPM, PERT, Gantt, etc, non sono
efficienti nell'utilizzo del margine di sicurezza temporale.
La tecnica CCM, invece, fa un uso ottimale del buffer, ovverosia della quantit di tempo di
sicurezza che si pu aggiungere ad ogni attivit per prevenire/evitare lo slittamento in avanti
delle tempistiche.
In particolare, il CCM si pone i seguenti obiettivi:
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).
Si definiscono i seguenti tipi di buffer:

Project Buffer (PB): quantit di tempo che si aggiunge tra l'ultima attivit e la fine del
progetto per tener conto dell'incertezza globale delle tempistiche di progetto. Eventuali
ritardi sulla catena pi lunga di attivit tra loro dipendenti consumer un po' di tempo di
buffer, ma lasceranno la data di completamento invariata e quindi proteggono il
progetto.
Feeding Buffer (FB): quantit di tempo di buffer che si aggiunge alla fine di una
sequenza di attivit che non stanno sul cammino critico ma che convergono ad esso. I
Feeding Buffer proteggono la catena critica dallo slittamento in avanti delle tempistiche
relative alle attivit che conducono al buffer.
Resource Buffer (RB): si tratta di una segnalazione di risorsa necessaria allo svolgimento
dell'attivit che viene messa vicino alla catena critica per garantire che la suddetta
risorsa sia disponibile. Questa segnalazione pu essere impostata qualche giorno prima
che la suddetta risorsa sia effettivamente necessaria.
Gli elementi caratteristici dellapproccio della Critical Chain sono:
Le attivit vengono schedulate al pi tardi diversamente dal CPM in cui vengono

schedulate al pi presto.
La stima della durata delle singole attivit ridotta rispetto a quanto indicato dalle singole
risorse del team di progetto in modo da ridurre la contingenza presente in ogni stima.
Vengono introdotti dei buffer per proteggere ciascun cammino di progetto (FB) ed il
cammino critico di progetto (PB).

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.
Figura 11: Metodo CPM e CCPM a confronto
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.
8.4 Analisi Monte Carlo applicata ai progetti

L'analisi Monte Carlo una tecnica di analisi statistica molto usata in ambito scientifico. In Project
Management si pu applicare in presenza di stime di progetto molto incerte come per esempio
nellanalisi dei tempi, dei costi e dei rischi associati ad un progetto e per progetti molto grandi.

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.
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
3 giorni - 70% di probabilit

4 giorni - 20% di probabilit.
Probabilit di durata per l'attivit B:
Probabilit di durata per l'attivit C:
A questo punto entrano in gioco i cicli di simulazione che prendono in considerazione tutte le
possibili combinazioni dei tre valori per le nostre tre attivit A, B e C. Ogni ciclo di simulazione
produce una risposta (nel nostro caso, durata) per ogni attivit. Ad esempio il primo ciclo pu
restituire come risposta 12 giorni (3+5+4), il secondo ciclo 11 giorni (3+5+3), il terzo ciclo 12 giorni
(2+6+4) e cos via per il numero di cicli che abbiamo impostato nel software di simulazione.
L'Analisi Monte Carlo produce una curva di valori ad ognuno dei quali associata una probabilit
cumulativa che misura laccuratezza della durata cos stimata.
Nel nostro esempio iterando su 1000 cicli, si ottiene che le durate sono tutte comprese tra il
valore ottimistico totale (10 = 2+5+3) ed il valore pessimistico totale (17 = 4+8+5).
Se si chiede ai principali stakeholders del progetto di definire la durata del progetto, solitamente
propongono un valore che comporti almeno il 90% di probabilit di successo. Per cui ci si
posizioner sulla curva prodotta dal metodo Monte Carlo individuando il valore di durata che ha la
probabilit del 90% di essere accurato e quella sar la data di completamento attesa.
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?
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.
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
9. DESIGN OF EXPERIMENT (DOE) IN PROJECT MANAGEMENT

Il DOE (Design Of Experiment) un metodo statistico che permette di identificare le variabili
(chiamate fattori) di input che hanno maggiore influenza sugli output di progetto durante le fasi di
sviluppo o in produzione. I fattori, in quanto variabili, possono essere sia di natura qualitativa che
di natura quantitativa.
Il DOE aiuta il Project Manager ad ottimizzare i processi/prodotti. Il suo vantaggio principale che
permette di cambiare sistematicamente tutti i fattori importanti associati ad un progetto
simultaneamente e il loro setting (livello, ovverosia il valore assunto dal rispettivo fattore),
anzich cambiarne una alla volta, come nei metodi tradizionali di sperimentazione. Analizzando i
dati ottenuti, il Project Manager pu trovare le condizioni ottimali per il prodotto / processo, con
un focus sui fattori che influenzano i risultati ed evidenziando l'esistenza di correlazioni e
interazioni all'interno dei fattori. Questa analisi molto utile in termini di qualit dei prodotti
realizzati.
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.
Identificare e definire i problemi.

Determinare chiaramente gli obiettivi dell'esperimento.
Attivit di brainstorming per identificare i fattori critici e i loro livelli (setting).
Progettare gli esperimenti.
Condurre una serie sequenziale di esperimenti e collezionare i dati.
Analizzare e valutare i dati.
Interpretare i risultati.
Verificare sempre i ottenuti dal complesso degli esperimenti effettuati.
importante eseguire le prove dell'esperimento in maniera tale da distribuire aleatoriamente i

fattori di disturbo (es.: eseguire le prove di un esperimento in ordine casuale). Inoltre le misure
vanno ripetute in condizioni diverse.
Alla fine di una sequenza facile ritenere che i risultati raggiunti siano accurati. Occorre per non
accontentarsi e svolgere ulteriori verifiche anche utilizzando altri strumenti di indagine.
In particolare, il DOE si applica nella gestione della qualit di un progetto quando occorre:
formulare ipotesi sulle motivazioni retrostanti landamento di alcune variabili critiche;

effettuare alcuni test per verificare tali ipotesi;
analizzare i risultati degli esperimenti;
individuare le correzioni da applicare;

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).
Figura 12: Schema Design of Experiment
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
44
se e come Xi possono ridurre gli effetti di Zi su Y.

Vantaggi del metodo DOE:
Riduzione dei tempi di sviluppo di un prodotto.

Riduzione dei costi di sviluppo e di produzione.
Miglioramento della produttivit di un processo.
Riduzione della variabilit del prodotto associata ad una maggiore conformit ai valori nominali.
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.
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:
Vi un solo fattore in gioco(composizione del calcestruzzo);

Il fattore di tipo qualitativo;
Il fattore ha due livelli: polimero assente / polimero presente.
Supponiamo che lo sperimentatore abbia avuto a disposizione 10 provini di calcestruzzo normale e

10 di calcestruzzo modificato; Le prove sperimentali hanno fornito i seguenti risultati:
Osservazione
1
2
3
4
5
6
7
8
9
10
Valore di resistenza del calcestruzzo

modificato (formula 1) - y1
16,85
16,40
17,21
16,35
16,52
17,04
19,96
17,15
16,59
16,57
Valore di resistenza del calcestruzzo

non modificato (formula 2) - y2
17,50
17,63
18,25
18,00
17,86
17,75
18,22
17,90
17,96
18,15
Visualizziamo i dati dellesperimento in un diagramma a punti. Ciascun punto rappresenta un dato

sperimentale.
Una primissima analisi ci porta a dire che la presenza del polimero influisce sul calcestruzzo (Media
e Mediana superiori per Formula 2 senza polimero) abbassando la resistenza.

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).
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?
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
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

Metodi Statistici Applicati Al Project Management

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Metodi Statistici Applicati Al Project Management

Diunggah oleh

Hak Cipta:

Format Tersedia

PMP Compendium

PROBABILIT E STATISTICA A SUPPORTO

ESPM- European School of Project Management

GESTIONE DEL DOCUMENTO............................................................................. 4

Storia del documento ................................................................................................................................ 4

Gestione delle modifiche ......................................................................................................................... 4

Confidenzialit e propriet ...................................................................................................................... 4

Variabili qualitative e variabili quantitative ........................................................................................ 7

Variabili aleatorie ....................................................................................................................................... 7

MEDIA, MEDIANA, MODA .............................................................................. 10

MISURE DI VARIABILIT A SUPPORTO DEL PROJECT MANAGEMENT... 14

Deviazione Standard .............................................................................................................................15

Stime con la tecnica a 3 punti ....................................................................................................16

Stime con la tecnica PERT...........................................................................................................16

Distribuzione Triangolare ...................................................................................................................21

Distribuzione Beta ..................................................................................................................................22

Distribuzione Normale .........................................................................................................................23

La Distribuzione Lognormale (Lognormal) ..................................................................................24

Teorema del limite centrale ...............................................................................................................25

Il ruolo delle distribuzioni di probabilit nella gestione dei rischi .....................................25

TECNICHE DI SCHEDULING DEL PROGETTO........................................... 29

ESPM- European School of Project Management

Reticolo logico di schedulazione (scheduling network) ..........................................................29

Critical Path Method (CPM) ................................................................................................................30

Critical Chain Method (CCM) ..............................................................................................................36

Analisi Monte Carlo applicata ai progetti ......................................................................................38

DESIGN OF EXPERIMENT (DOE) IN PROJECT MANAGEMENT .................................. 43

INDICE DELLE FIGURE

ESPM- European School of Project Management

1. GESTIONE DEL DOCUMENTO

1.2 Gestione delle modifiche

1.3 Confidenzialit e propriet

ESPM- European School of Project Management

ESPM- European School of Project Management

Breve spiegazione teorica

ESPM- European School of Project Management

un attributo che descrive una persona, un posto, un oggetto o un idea;

4.1 Variabili qualitative e variabili quantitative

Le variabili quantitative sono a loro volta classificate come discrete o continue.

Discrete: le variabile discrete assumono solo numeri interi.

4.2 Variabili aleatorie

ESPM- European School of Project Management

Riprenderemo il concetto di variabili aleatorie nel capitolo 7 quando approfondiremo le

risposta della popolazione alla proposta dei corsi;

popolazione potenziale interessata ai corsi

ESPM- European School of Project Management

Figura 1: Schema riassuntivo variabili

ESPM- European School of Project Management

5. MEDIA, MEDIANA, MODA

la media del set di x valori

ESPM- European School of Project Management

ESPM- European School of Project Management

ESPM- European School of Project Management

Figura 2: Schema riassuntivo Media, Mediana, Moda

ESPM- European School of Project Management

6. MISURE DI VARIABILIT A SUPPORTO DEL PROJECT MANAGEMENT

Figura 3: Range di un insieme di dati

6.3 Deviazione Standard

6.4 Deviazione Standard come misura dell'incertezza sulle stime di

Ogni attivit di un progetto presenta un margine di incertezza o rischio relativamente ai parametri

ESPM- European School of Project Management

ESPM- European School of Project Management

ESPM- European School of Project Management

ESPM- European School of Project Management