پروفایل برنامه ریزی و کنترل پروژه

نادر خرمی راد

راهنمای تحلیل زمان کسب شده

دقت پیش‌بینی تاریخ پایان بستگی به مسایل مختلفی داره و در هر حال باید این مسایل رو بشناسین. کمی کردن این ماجرا هم راحت نیست، به همین خاطر مسئله رو کیفی بررسی می‌کنیم. اگه دوست دارین مقادیر کمی رو هم بدونین می‌تونین به کتاب ارزیابی عملکرد زمانی پروژه با مدیریت ارزش کسب شده مراجعه کنین.

دقت پیش‌بینی‌ها به این موارد بستگی داره:

 

  1. این که چه مدت از پروژه گذشته و به عبارت دیگه چقدر پیشرفت کردیم. هرچقدر پیشرفت بیشتر باشه، دقت پیش‌بینی هم بیشتر می‌شه، چون نوسان‌های تصادفی اثر کمتری می‌ذارن. معمولا پیش‌بینی‌ها در زمانی که پیشرفت کمتر از 10٪ باشه جالب نیستن و بعد از این‌که پیشرفت از حدود 20٪ بیشتر شده باشه به دقت خیلی خوبی می‌رسن.
  2. انحراف پروژه هم تو دقت پیش‌بینی تاثیر داره. هرچقدر انحراف کمتر باشه، دقت بالاتر خواهد بود. مثلا اگه SPI پروژه 90٪ باشه پیش‌بینی‌ها خیلی دقیق می‌شن، ولی اگه SPI پروژه مثلا 20٪ باشه دقت پیش‌بینی‌ها نسبتا کمتر خواهد بود. البته تو این حالت هم پیش‌بینی‌ها رو می‌شه استفاده کرد و جواب‌ها نامربوط نمی‌شن.
  3. شبکه پروژه هم مسئله مهمیه. هرچقدر فعالیت‌ها موازی‌تر باشن، دقت کمتر می‌شه. شبکه‌ای که همه فعالیت‌هاش سری باشن دقت ایده‌آل داره. این مسئله رو با شاخصی به اسم SP (مخفف Serial/Paralell Index) می‌سنجن و مقداری بین صفر و یک داره. محاسبه این شاخص هم زیاد راحت نیست. در عوض می‌تونین به جاش تعداد فعالیت‌های بحرانی رو در نظر بگیرین. هرچقدر شبکه به حالت سری نزدیک‌تر باشه، تعداد فعالیت‌های بحرانیش هم (معمولا) بیشتر می‌شه. پس می‌شه گفت که هرچقدر تعداد فعالیت‌های بحرانی پروژه بیشتر باشه، دقت پیش‌بینی‌ها هم بیشتر می‌شه.
  4. آخرین نکته‌ای که تاثیر قابل توجهی روی پیش‌بینی‌ها می‌ذاره، چیزیه که بهش می‌گیم تبعیتِ زمان‌بندی (Schedule Adherence) و با مشخصه‌ای به اسم p-factor مشخص می‌شه. تو ادامه همین قسمت درباره این شاخص هم توضیح کوتاهی می‌دم. نکته‌ای که باید بدونین اینه که هرچقدر p-factor بالاتر باشه، یعنی توالی اجرا هماهنگی بیشتری با توالی زمان‌بندی اولیه داشته باشه، دقت پیش‌بینی‌ها هم بالاتر خواهد بود.

 

بین تمام مواردی که گفتم، مهم‌ترینش همون اولیه و همیشه باید اون رو در نظر داشته باشین. اگه دو هفته از شروع پروژه گذشته سریع تاریخ پایان تخمینی ارائه نکنین، چون دقتش خیلی پایینه. صبر کنین چند دوره بگذره و حداقل 5٪ پیشرفت کنین و بعد از اون پیش‌بینی‌ها رو ارائه کنین. قبل از این‌که پیشرفت به 15٪ یا 20٪ برسه هم بهتره که جایی تو گزارش‌هاتون تاکید کنین که “تاریخ پایان پیش‌بینی شده در حال حاضر دقت کافی ندارد”.

 

p-factor یا تبعیت زمان‌بندی

مفهوم تبعیت زمان‌بندی خیلی جدیده و پیشرفته هم محسوب می‌شه، برای همین قصد نداشتم توضیحش بدم، ولی چون اون بالا ازش صحبت شد مجبورم که بهش اشاره کنم.

یه پروژه‌ای رو در نظر بگیرین که پیشرفت واقعیش به اندازه پیشرفت برنامه‌ریزی شده هست. الان همه چیز خوبه؟ می‌ریم برنامه رو نگاه می‌کنیم و می‌بینیم که خیلی از فعالیت‌هایی که قرار بوده تا الان انجام شده باشن انجام نشدن و در عوض یه سری از فعالیت‌هایی که قرار بوده بعدا اجرا بشن زودتر اجرا شدن و به همین خاطر پیشرفت عقب نیست. تو این حالت اجرا از زمان‌بندی اولیه تبعیت نکرده.

مشکل تبعیت نکردن از سلسله مراتب زمان‌بندی اولیه اینه که همیشه پیش‌نیازی‌های ضمنی و ضعیفی بین فعالیت‌ها وجود داره که وقتی تبعیت کم می‌شه، عملا اون پیش‌نیازها برای فعالیت‌هایی که زودتر از موعد اجرا شدن فراهم نشدن. این مسئله باعث می‌شه که احتمال دوباره‌کاری زیاد بشه. به این خاطر مهمه که شاخص تبعیت زمان‌بندی رو هم حساب کنیم تا بدونیم سلامت پروژه در چه حده.

 

فرمول محاسبه p-factor به نظر سخت میاد، ولی حقیقت اینه که حساب کردنش خیلی ساده‌س. هر ارزش کسب شده‌ای که قبل از ES باشه رو به کل ارزش‌های کسب شده تقسیم می‌کنیم و این می‌شه p-factor؛ به همین راحتی. اگه p-factor یک باشه، یعنی توالی اجرا دقیقا مشابه برنامه بوده و این خیلی خوبه. هرچی p-factor کمتر باشه به این معنیه که توالی‌ها کمتر رعایت شدن و احتمال دوباره‌کاری بیشتر خواهد بود، به عبارت دیگه کمتر می‌شه به پیشرفت واقعی اطمینان کرد و ممکنه قسمتی از ارزش کسب شده رو واقعا کسب نکرده باشیم.

یکی از کاربردهای p-factor اینه که به ما نشون می‌ده دقت پیش‌بینی‌هامون در چه حده. هرچقدر p-factor بالاتر باشه، دقت پیش‌بینی‌ها هم بالاتر خواهد بود.