Il Metodo Monte Carlo è una delle tecniche di Project Management di cui si parla di più nei circoli accademici senza che poi trovi grande applicazione nei progetti.
Per la verità l’analisi Monte Carlo trova moltissime applicazioni in ambito scientifico, ma, pur avendo molti vantaggi, non trova ancora grande diffusione tra i project managers.
Si tratta di una tecnica di analisi statistica che può essere applicata in tutte quelle situazioni in cui ci si trova in presenza di stime di progetto molto incerte, con l’obiettivo di ridurne il livello di incertezza attraverso una serie di simulazioni. In tal senso, può essere applicata nell’analisi dei tempi, dei costi e dei rischi associati ad un progetto.
Per ognuna di queste variabili, le simulazioni Monte Carlo non forniscono un’unica stima ma un range di possibili stime con associato a ciascuna stima il livello di probabilità che quella stima sia accurata (livello di confidenza).
Per esempio la tecnica può essere utilizzata per determinare la durata complessiva di un progetto attraverso una serie discreta di cicli di simulazione.
Nella fase di pianificazione di un progetto vengono individuate le attività che compongono il progetto e viene stimata la durata di ciascuna attività.
Una volta costruito il reticolo logico del progetto, attraverso la tecnica del critical path method si può determinare la durata complessiva del progetto. Poiché però ci si è basati su stime di durata, non si può essere sicuri che questa durata complessiva e la data di completamento siano certe. Si può quindi svolgere un’Analisi Monte Carlo.
Analisi Monte Carlo: esempio di applicazione
Supponiamo per semplicità che un progetto sia composto di tre task. Si procede assegnando a ciascuno dei tre task tre valori di durata: uno ritenuto il più 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 più tempo per proteggersi da eventuali imprevisti).
Il valore ritenuto più probabile non è la media tra quello ottimistico e quello pessimistico, ma è un terzo valore indipendente che può emergere ad esempio dal parere di esperti o dalla documentazione di progetti analoghi svolti precedentemente.
Ad esempio il task A può richiedere 3 giorni (col 70% di probabilità) oppure 2 giorni (col 10% di probabilità) oppure 4 giorni (20% di probabilità).
Il task B può richiedere 6 giorni (60% di probabilità) oppure 5 giorni (20% di probabilità) oppure 8 giorni (20% di probabilità).
Infine il task C può richiedere 4 giorni (80% di probabilità) oppure 3 giorni (5% di probabilità) oppure 5 giorni (15% di probabilità).
Tutto questo in base a stime preliminari di durata e probabilità associata a ciascuna durata.
A questo punto entrano in gioco i cicli di simulazione che prendono in considerazione tutte le possibili combinazioni dei tre valori per tutti e tre i task.
Ad esempio un primo ciclo può restituire come risposta 12 giorni (2+6+4), un secondo ciclo 11 giorni (3+5+3), un terzo ciclo 12 giorni (3+5+4) e così via.
Si possono ad esempio svolgere 1000 cicli di simulazione. Al termine della simulazione ci si aspetta di avere 700 cicli in cui il task A impiega 12 giorni (70%), 150 cicli in cui il task C impiega 5 giorni ( 15%).
Ma ciò che è importante è che l’Analisi Monte Carlo non produce un unico valore per la data di completamento, ma una curva in cui ad ogni valore complessivo di durata è associata una probabilità anch’essa cumulativa che misura l’accuratezza della durata così stimata.
Nel caso specifico 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 probabilità di successo. Per cui ci si posizionerà sulla curva prodotta dal metodo Monte Carlo individuando il valore di durata che ha la probabilità del 90% di essere accurato e quella sarà la data di completamento attesa.
Non tutti i software di project management contengono al loro interno un motore statistico Monte Carlo, per cui è opportuno reperirne uno basato su fogli excel. Su web è molto facile reperirne, anche gratuitamente, alcuni creati da centri di ricerca e messi a disposizione dell’utenza.
Rimane da chiedersi se questo tipo di analisi ha senso applicarla sui piccoli progetti come nell’esempio fatto. La risposta è no.
Il metodo è molto potente e realmente utile quando i progetti hanno centinaia o migliaia di task o di rischi da analizzare ed il livello di approssimazione cresce esponenzialmente all’aumentare dei valori presi in considerazione. In questi casi è praticamente impossibile arrivare a dati affidabili senza svolgere un’analisi Monte Carlo.
Su progetti più piccoli, seppur tecnicamente fattibile, l’analisi porterebbe a valori non molto lontani da quelli stimabili con tecniche più tradizionali.
Categoria: