Inhaltsverzeichnis
Risk Management in Projekten mit Oracle Primavera Risk
Den Zufall zur Hilfe nehmen – Mit einer Monte-Carlo-Simulation Projektpläne überprüfen
Fragestellung:
- Wie lange dauert mein Projekt?
- Wie viel wird es am Ende kosten?
- Mit welcher Wahrscheinlichkeit ist meine Planung am Ende auch wirklich richtig?
Ein Lösungsansatz für diese Fragen:
Bei der klassischen Netzplan Technik von Projektplänen wird mit einer definierten Dauer pro Aktivität/Task/Aufgabe der kritische Pfad und damit die Dauer des Projektes berechnet.
Die Dauer bzw. die Kosten einer Aktivität kann aber, in Abhängigkeit diverse Randparametern (den Risiken) erheblich schwankten und an sich unkritische Aktivitäten können ein Projekt erheblich verzögern/verteuern.
Bei der Monte Carlo Simulation wird mit nun mit einer großen Anzahl von eher zufällige Werten einer zuvor definierten Wertemenge, zum Beispiel für die Dauer einer Aktivität, ein komplexes System wie ein Projekt Plan immer wieder neu errechnet.
Aus den Ergebnissen diese Berechnung lässt sich die Elastizität des Planes beurteilen, zum Beispiel wird die Anzahl der Testläufen bestimmt, bei denen das ursprünglich geplant Projektende / Projekt Budget zu meist erreicht wird, gegenüber der Anzahl der Testläufe bei denen das Ziel nicht erreicht wurde.
Das Prinzip der Monte-Carlo-Simulation
Bei einer Monte-Carlo-Simulation (einer stochastischen Szenario Analyse) werden mit einer mehr oder weniger zufälligen Auswahl aus einer Menge von Eingangsparametern komplexe Aufgabestellungen gerechnet, um Zusammenhänge (Ursache-Wirkungsgeflecht) für die zugehörigen Ergebnis- oder Zielgrößen darzustellen.
Bei Durchlauf wird ein unterschiedliches Einzelschicksal errechnet, die Ergebnisse werden dann nach dem Abschluss der Simulation statistisch analysiert.
Wird nun eine genügend große Anzahl an Eingangsparameter durch gerechnet, kann abgeschätzt werden in welchen Bereichen die meisten Lösungen für das Problem liegen.
Ein Ziel von dieser Art der Simulation ist es die Auswirkungen von Ausreißern bei der Abschätzung des mittleren Ergebniswertes zu minimieren. Je mehr Durchläufe gerechnet werden können, umso weniger Auswirkung hat ein Ausreißer auf den Mittelwert. Man spricht in dem Kontext auch von asymptotischer Stabilität. Die Monte-Carlo-Methode ist damit ein Stichprobenverfahren.
Die praktische Umsetzung mit Oracle Primavera Risk v8.7
Mit Hilfe des Zufalls die Plausibilität Ihre Projektpläne zu überprüfen.
Mit Oracle Primavera Risk können Projektpläne mit der Monte Carlo Simulation auf Ihre Plausibilität und Zuverlässigkeit geprüft werden.
Installation
Die Software kann, ein entsprechender Vertrag mit Oracle vorausgesetzt, über das Oracle Edelivery Portal heruntergeladen werden.
Da es sich um eine Standalone Software handelt, ist bei der Installation bis auf den Speicherort wie zum Beispiel „D:\oracle\products\PrimaveraP6\Risk“ nichts groß zu beachten.
Nach der Installation kann die Software über „<Software_Version>\PrimaveraRiskAnalysis.exe“ aufgerufen werden
Java Versions Fehler mit Java 8 Runtime Error 9 - Subscript out of Range
Um einen Primavera Projektplan direkt aus dem Primavera System (aus der Datenbank) einlesen zu können muss als erstes ein Java JRE Home angeben werden.
Ein Test mit Java 8 war nicht erfolgreich und führte zu einem Script Fehler. Leider ließen sich aber eine 64bit Variante von Java 7 nicht angeben, hier ist wohl der 32 bit JRE Java Client notwendig!
Import von Primavera Projektplänen
Export/Import
Projektpläne können von Primavera per XER File (Projekt Export muss in der Primavera Version 8 erfolgen) exportiert und dann in Primavera Risk importiert werden.
DB Anbindung
Die Primavera Datenbank kann auch direkt angebunden werden, dazu muss aber Primavera P6 auf den gleichen Rechner wie Primavera Risk installiert sein.
Übersicht
Nach dem Import eines Projektplans muss die minimale, die wahrscheinlichste, und die längste Dauer eines Tasks im Plan hinterlegt werden.
Übersicht:
Über das „Würfel“ Icon in der Task Bar wird die Analyse gestartet
Erste Analyse der zu erwartenden Gesamtkosten:
Wann könnte das Projekt frühestes / spätestens fertig gestellt werden?
Ein Scatter Plot der Ergebnisse:
Diskussion: Hilft das in der Praxis?
Die mit dieser Analyse erhaltenen Werte könnten in der Praxis wertvolle Hinweise auf zukünftige Problem mit Projekten geben.
Allerdings müssen die Ergebnisse vorsichtig analysiert werden, die genauen Ergebnisse können dann am Ende doch täuschen, da es sich im Endeffekt um reine Abschätzungen handelt.
Quellen
Allgemein
Projekt Management
- Potential der Monte-Carlo-Simulation für Risikoanalyse im Projektmanagement ⇒ http://www.bbb-kongress.de/images/Tagungsband_Beitrag15_Medgenberg.pdf
Oracle Primavera Risk
Alternativen