Risikoanalyse (kvalitativt register og Monte Carlo)

ProjectLibre Cloud kombinerer et kvalitativt risikoregister med Monte Carlo-tidsplansimulering — og omdanner én deterministisk slutdato til målbar konfidens for tidsplanen, reserve og risikodrivere.

Dette emne dækker to komplementære dele:

• Kvalitativt risikoregister + tilknytning — registrér trusler og muligheder, giv dem en score, og knyt dem til CPM-opgaver.

• Monte Carlo-tidsplanrisikoanalyse — sampl usikkerheden i varighederne over tusindvis af iterationer, og aflæs konfidensen for slutdatoen (P50/P80/P95), kritikalitet, følsomhed og drivere.

Målgruppe: Projektledere, der bruger ProjectLibre Clouds CPM-tidsplaner, og som har brug for kvalitativ og kvantitativ risikoindsigt. Videoen nævner især indgåelse af kontrakter med bøder for sen levering.

Se også: Revision af projekt (DCMA-revision af tidsplanens kvalitet) · Gantt-diagram · Hovedvisninger

Se: Monte Carlo-risikoanalyse (~5:41).

Overblik

En normal projekttidsplan giver en enkelt planlagt afslutningsdato. Aktiviteter kan afsluttes tidligt, til tiden eller for sent. Monte Carlo-analysen besvarer: Hvor stor er sandsynligheden for, at dette projekt faktisk afsluttes til en bestemt dato?

Produktfunktioner:

• Tager udgangspunkt i din eksisterende tidsplan

• Ingen opgaveestimater påkrævet

• Avancerede overstyringer, hvis det er nødvendigt

Du behøver ikke at oprette tre-punkts-estimater for hver opgave, før du kører Monte Carlo. ProjectLibre starter med de deterministiske opgavevarigheder, der allerede er i planen. Hvis der ikke findes en overstyring for optimistisk/mest sandsynlig/pessimistisk, gælder Monte Carlo-forudsætningerne på projektniveau. Med Mest sandsynlig sat til 100 % er den deterministiske opgavevarighed værdien for Mest sandsynlig.

Eksempel: En deterministisk opgave på 30 dage med projektstandarder på 90 %/100 %/125 % bliver 27 dage optimistisk, 30 dage mest sandsynlig og 37,5 dage pessimistisk.

Arbejdsgang i seks trin

Seks trin fra tidsplan til risikoindsigt:

1. Start med din tidsplan — Brug den deterministiske tidsplan, der allerede findes i ProjectLibre.

2. Byg risikoregistret — Registrér sandsynlighed, konsekvens, ejerskab og eksponering.

3. Knyt risici til opgaver — Forbind hver risikobegivenhed til de aktiviteter i tidsplanen, den kan påvirke.

4. Sæt Monte Carlo-standarder — Vælg iterationer, fordelinger og projektbrede usikkerhedsforudsætninger.

5. Valgfrie overstyringer på opgaveniveau — Indtast opgavespecifikke O/ML/P-værdier, kun hvor ekstra præcision er nyttig.

6. Analysér resultater — Aflæs P50/P80/P95, udløste risici, kritikalitet, følsomhed og drivere for slutdatoen.

Trin 2-3 er kvalitative. Trin 4-6 er Monte Carlo/kvantitative. Videoens demoforløb lægger vægt på trin 1, 4, 5 og 6 uden brugergrænsefladen til register/tilknytning.

Del A — Kvalitativt risikoregister og tilknytning

Hvordan den kvalitative score fungerer

• Score = sandsynlighed × højeste konsekvens.

• Dette er en prioriteringsscore, ikke antallet af Monte Carlo-iterationer og ikke procentdelen Udløst.

• Eksempler: L × H = 12/64 · M × H = 24/64 · H × H = 36/64

• Maksimum 64/64 er den højeste mulige kvalitative score.

Byg det kvalitative risikoregister

Registrér konkrete trusler og muligheder med sandsynlighed, konsekvens, status, ansvarlig, eksponering og de opgaver, de kan påvirke. Heatmappet gør det let at se de højest prioriterede risici.

Etiketterne i det kvalitative skærmbillede omfatter underfanerne Register | Tilknytning, heatmap-titlen Aktive trusler og muligheder - sandsynlighed × højeste konsekvens, knappen + Tilføj risiko og tabelkolonner som Navn, Type, Status, S, K, Score, Eksponering, Ansvarlig, Opgaver.

Knyt risici til opgaver

Visningen Tilknytning forbinder risikoregistret med CPM-tidsplanen. En risiko kan påvirke en opgave eller flere relaterede opgaver, og en opgave kan være udsat for mere end én risiko.

Hvorfor tilknytningen er vigtig: En delt risiko udløses én gang i en iteration. Hvis den indtræffer, påvirkes alle opgaver, der er knyttet til samme begivenhed, samlet — hvilket bevarer det virkelige forhold mellem dem. Tilknytningsmatricen gør relationerne mellem risiko og opgave tydelige.

Kvalitativ risiko på opgaveniveau i tidsplanen

Tidsplanen kan vise tilknyttede risikonavne, score-mærker (for eksempel 24/64) og eksponering ved siden af Gantt-diagrammet (kvalitativ risikovisning på opgaveniveau).

Del B — Monte Carlo-tidsplanrisikoanalyse

Monte Carlo sampler opgavevarigheder over mange iterationer, genberegner CPM-tidsplanen hver gang og registrerer udfaldene for slutdatoen — og omdanner dermed tusinder af simulerede tidsplaner til beslutninger. Tilknyttede kvalitative trusler kan også udløses efter sandsynlighed, når de er konfigureret; selve gennemgangsvideoen demonstrerer usikkerhed i varighedsintervallet snarere end udløsning fra registret.

Sådan åbner du tidsplanrisikoanalyse (Monte Carlo)

Arbejdsgang:

1. Åbn et projekt, så Gantt-diagrammet er synligt.

2. På den øverste værktøjslinje over Gantt klikker du på ikonet måler/speedometer.

3. Tooltip: Tidsplanrisikoanalyse (Monte Carlo).

4. Dialogen Tidsplanrisikoanalyse åbner.

På samme værktøjslinje sidder Revision af tidsplanens kvalitet (DCMA) lige ved siden af (se Revision af projekt).

Sæt Monte Carlo-standarder (på projektniveau)

Vælg usikkerhedsforudsætninger på projektniveau og antallet af iterationer. Disse standarder gælder for hver opgave, der ikke har sine egne estimater på opgaveniveau. Den normale projektvarighed forbliver varigheden Mest sandsynlig, når Mest sandsynlig sættes til 100 %.

Iterationer:

• Hurtig (1.000)

• Standard (3.000)

• Dybdegående (10.000)

Standardusikkerhed: Optimistisk 90 % · Mest sandsynlig 100 % · Pessimistisk 125 %. Videoens tale: optimistisk omkring 10 % før den deterministiske værdi; pessimistisk omkring 25 % værre.

Fordelinger:

• Navngivet i gennemgangsvideoen: Triangulær, PERT (beta), Uniform.

• Brugergrænsefladen til kvantitativ risikosimulering viser også Lognormal og Trigen (fem i alt), med ankre P10/P90 angivet kun for Lognormal og Trigen.

Valgfrie overstyringer af O/ML/P på opgaveniveau

Enkel regel: Intet opgaveestimat → brug projektstandarder. Opgaveestimat indtastet → brug de opgavespecifikke værdier i stedet.

1. Dobbeltklik på en opgave → modal med opgavedetaljer.

2. Åbn fanen Risiko (modalens faner omfatter: Hoved, Præstation, Faktiske værdier, Kalender, Planlægning, Afhængigheder, Risiko, Noter).

3. Sæt Risikofordeling, Optimistisk varighed, Pessimistisk varighed (og mest sandsynlig/tidsplanvarighed efter behov).

4. Eksempel fra videoen: mest sandsynlig 4 dage, optimistisk 2 dage, pessimistisk 9 dage — overstyrer projektets Monte Carlo-forudsætninger for denne opgave.

En Estimater-visning giver opgavespecifikke varigheder for Optimistisk/Mest sandsynlig/Pessimistisk (kolonner kan vise Projektstandard, når der ikke er overstyret).

Læsning af resultater

Hver iteration sampler opgavevarigheder, afgør, hvilke tilknyttede risikobegivenheder der udløses (når kvalitative trusler er tilknyttet), genberegner CPM-tidsplanen og registrerer udfaldet.

Konfidens for slutdatoen og nøgletal:

Begreb	Definition
P50/P80/P95	Slutdatoer nået på eller før 50 %, 80 % og 95 % af de simulerede udfald.
Udløst	Procentdelen af Monte Carlo-iterationer, hvor den risikobegivenhed faktisk indtraf.
Kritikalitet	Procentdelen af simuleringskørsler, hvor en opgave er på den kritiske vej.
Følsomhed	Hvor stærkt variation i en opgave eller risiko er forbundet med variation i projektets slutdato.
Risikoscore	Sandsynlighed × højeste konsekvens (kvalitativ prioritering; maks. 64).
Risikoeksponering	Finansiel eksponering baseret på omkostningsgrundlag, sandsynlighed og omkostningskonsekvens.

Oversigtskort: Deterministisk slutdato; P50-slutdato; P80-slutdato; P95-slutdato; Til tiden - vs. aktuel planlagt slutdato. Dashboardkort kan også vise mærker i stil med reserve-til-P80.

Diagrammer:

• KONFIDENS FOR SLUTDATOEN (S-KURVE) — tooltip-stil P(slutdato ≤ dato)

• HVAD DRIVER RISIKOEN FOR SLUTDATOEN — korrelations-/følsomheds-tornado

Tabel: HØJESTE KRITIKALITET — kolonnerne Opgave, P80-slutdato, Kritikalitet, Følsomhed. Dashboardet viser også Registrerede risici i denne simulering (Sandsynlighed, Konsekvens, Udløst, Følsomhed).

Resultatgitter: kolonner kan omfatte Navn, Varighed, Slut, P50-slutdato, P80-slutdato, Kritikalitet, Følsomhed, Afgørendehed, SSI samt Gantt med risikolagdelte bjælker.

Eksempel fra ingeniørprojekt: Deterministisk slutdato 17. februar 2027; P50 1. april 2027; P80 29. april 2027; P95 26. maj 2027.

Brug i beslutninger:

• Vurdér, om en tilsagt afslutningsdato er realistisk

• Identificér, hvor usikkerheden i tidsplanen er koncentreret

• Beslut om ressourcer, reserve, leverandørstyring eller risikoreduktion

• Vælg en afslutningsdato ud fra et eksplicit konfidensniveau snarere end mavefornemmelse

Afsluttende kontrast: en traditionel tidsplan viser, hvornår planen afsluttes; Monte Carlo viser, hvor sikker du kan være på den dato.

Se gennemgangen

Se: Monte Carlo-risikoanalyse (~5:41) — ProjectLibre-projektstyringssoftware.

Dækker åbning af tidsplanrisikoanalyse fra Gantt-værktøjslinjen, iterationer/fordelinger på projektniveau, overstyringer på fanen Risiko for opgaver, S-kurve/tornado/kritikalitet/følsomhed og P50/P80/P95. Den gennemgår ikke det kvalitative risikoregister eller tilknytningsmatricen.