Upload
others
View
2
Download
0
Embed Size (px)
Citation preview
UNIVERSITEIT GENT
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE
ACADEMIEJAAR 2013 – 2014
Een simulatiestudie voor de stabiliteit van forecastingmethoden bij het bepalen
van de duurtijd van een project
Masterproef voorgedragen tot het bekomen van de graad van
Master of Science in de
Toegepaste Economische Wetenschappen: Handelsingenieur
Matthias De Smet
onder leiding van
Prof. dr. M. Vanhoucke en M. Wauters
PERMISSION
Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of
gereproduceerd worden, mits bronvermelding.
Matthias De Smet
Voorwoord
Bij mijn studies voor handelsingenieur geraakte ik het eerst geınteresseerd in
projectmanagement door het volgen van het gelijknamige vak van mijn promotor prof.
dr. Vanhoucke. Ik was specifiek geboeid in Earned Value Management omdat deze
techniek heel wat aspecten van projectmanagement kwantificeert. Toen nadien zich ook
de mogelijkheid aanbood om een thesis te schrijven rond een onderwerp gerelateerd aan
EVM, aarzelde ik niet om hierop in te gaan.
Als eerste wil ik natuurlijk mijn promotor prof. dr. Vanhoucke bedanken die mij
uiteindelijk de toelating gaf om onderzoek te verrichten naar EVM. Niet elke student
heeft het geluk om te werken rond zijn initiele interessegebied.
Dit eindwerk is niet enkel het resultaat van het werk van het laatste jaar. Vele
veronderstellingen zijn gebaseerd op inzichten die ik doorheen mijn studies van de
afgelopen vijf jaren vergaard heb. Bij deze wil ik mijn ouders en mijn vriendin bedanken
die mij de laatste vijf jaren gesteund hebben. Ook wil ik hen bedanken voor het grondig
nalezen van mijn thesis.
Daarnaast wil ik ook Mathieu Wauters bedanken voor de uitstekende begeleiding van
mijn thesis. Het is niet evident om een balans te vinden in het ruime vakgebied van
de projectmanagement. Hij heeft mij snel kunnen bijsturen indien ik een verkeerde
denkpiste insloeg, maar liet mij wel genoeg vrijheid om van mijn thesis een origineel
werk te maken.
Tot slot wil ik ook Simon Donne bedanken om mij te helpen bij het leren werken met
P2 Engine en LATEX.
I
II
Inhoudsopgave
1 Introductie 1
1.1 Doelstelling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Structuur van de thesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2 EVM inleiding 5
2.1 Geschiedenis van EVM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 EVM parameters . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.3 EVM prestatiemaatstaven . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3.1 Beperkingen aan de SV en SPI indicatoren . . . . . . . . . . . . . 9
2.3.2 Earned Schedule en de aangepaste prestatiemaatstaven . . . . . . 10
2.3.3 Combinatie van maatstaven . . . . . . . . . . . . . . . . . . . . . . 13
2.4 EVM voorspellingen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.4.1 Methoden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.4.2 Formules . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.4.3 De drie voorspellingsmethoden . . . . . . . . . . . . . . . . . . . . 16
2.4.4 De drie prestatiefactoren . . . . . . . . . . . . . . . . . . . . . . . . 17
2.5 Relevante onderzoeken . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.5.1 De stabiliteit van CPI . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.5.2 Uitbreidingen van de Earned Schedule . . . . . . . . . . . . . . . . 20
2.5.3 Voorspellen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.5.4 EVM en voorspellen in de praktijk . . . . . . . . . . . . . . . . . . 23
3 Stabiliteit van de voorspellingsmethoden 26
3.1 Definities van stabiliteit . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.1.1 Eerste definitie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.1.2 Tweede definitie . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.1.3 Derde definitie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.1.4 Gebruikte definities . . . . . . . . . . . . . . . . . . . . . . . . . . 29
III
3.2 Prestatiemaatstaven voor stabiliteit . . . . . . . . . . . . . . . . . . . . . 30
3.2.1 Coefficient of Variation . . . . . . . . . . . . . . . . . . . . . . . . 30
3.2.2 Volatiliteit: Average True Range . . . . . . . . . . . . . . . . . . . 31
4 Simulatieopstelling 37
4.1 Inleiding . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.2 Projectnetwerken . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.3 Projectuitvoering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.3.1 Kansverdeling van de kosten van de activiteiten . . . . . . . . . . . 39
4.3.2 Kansverdeling van de tijdsduur van de activiteiten . . . . . . . . . 39
4.4 Prestatiemaatstaven . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.5 Projectopvolging . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.5.1 Het aantal runs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.6 Output . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
5 Resultaten 46
5.1 Onderzoeksvragen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
5.2 Evaluatie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.2.1 Onderzoeksvragen m.b.t. de eerste definitie van stabiliteit . . . . . 47
5.2.2 Onderzoeksvragen m.b.t de tweede definitie . . . . . . . . . . . . . 51
5.2.3 Onderzoeksvragen m.b.t. de vergelijking van de twee maatstaven . 56
5.3 Stabiliteit en de vier topologische indicatoren . . . . . . . . . . . . . . . . 58
5.3.1 Regressieopstelling . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
5.3.2 Resultaten regressie . . . . . . . . . . . . . . . . . . . . . . . . . . 64
5.3.3 Discussie van de regressieresultaten . . . . . . . . . . . . . . . . . . 66
5.4 Stabiliteit en nauwkeurigheid . . . . . . . . . . . . . . . . . . . . . . . . . 66
5.4.1 Opstelling van de correlatie . . . . . . . . . . . . . . . . . . . . . . 67
5.4.2 Resultaten van de regressie . . . . . . . . . . . . . . . . . . . . . . 67
5.4.3 Discussie van de correlatieresultaten . . . . . . . . . . . . . . . . . 69
6 Conclusie van de resultaten 70
6.1 Evaluatie van de resultaten m.b.t. de eerste definitie voor stabiliteit . . . 70
6.2 Evaluatie van de resultaten m.b.t. de tweede definitie voor stabiliteit . . . 73
6.3 Evaluatie van de nieuwe maatstaf, ATR . . . . . . . . . . . . . . . . . . . 74
6.4 Tekortkomingen en aanwijzingen voor aanvullend onderzoek . . . . . . . . 74
Lijst van figuren
2.1 PV, EV en AC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2 CPI en SPI van een te vroeg en een te laat afgewerkt project (Lipke, 2003) 10
2.3 Illustratie van de berekening van de Earned Schedule (Lipke, 2003) . . . . 11
2.4 Een vergelijking tussen SV(t) en SV($)(Lipke, 2003) . . . . . . . . . . . . 12
2.5 Een vergelijking tussen nauwkeurigheden van voorspellingsmethoden bij
bepaalde voltooiingsgraden (Lipke, 2009) . . . . . . . . . . . . . . . . . . . 22
2.6 Aanvaarding van EVM in de publieke en in de private sector(Kim et al.,
2003) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.1 Vergelijking van de voorspellingen tussen twee voorspellingsmethoden . . 28
3.2 Aandelenkoers van Microsoft . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.3 ATR van de aandelenkoers van Microsoft . . . . . . . . . . . . . . . . . . 33
3.4 ATR van twee projectvoorspellingen . . . . . . . . . . . . . . . . . . . . . 35
4.1 Verband tussen simulatietijd en het aantal runs . . . . . . . . . . . . . . . 43
4.2 Triangulaire verdeling van de mogelijke tijdsduren: Simulatietest . . . . . 44
5.1 CV over de opvolgingsperioden in het scenario ‘Normaal’ . . . . . . . . . . 48
5.2 Vergelijking van de CV over de opvolgingsperioden bij een verschillende
spreiding van de mogelijke tijdsduren. . . . . . . . . . . . . . . . . . . . . 49
5.3 Vergelijking van de CV en de ATR als maatstaf voor stabiliteit over de
opvolgingsperioden bij het scenario ‘Normaal’. . . . . . . . . . . . . . . . . 57
5.4 De stabiliteit in functie van de variabele SP. . . . . . . . . . . . . . . . . . 61
5.5 De stabiliteit in functie van de variabele LA. . . . . . . . . . . . . . . . . 62
5.6 De stabiliteit in functie van de variabele TF. . . . . . . . . . . . . . . . . 63
IV
Lijst van tabellen
2.1 SV, SPI, CV en CPI interpretatie . . . . . . . . . . . . . . . . . . . . . . . 8
2.2 Formules van de besproken voorspellingsmethoden . . . . . . . . . . . . . 18
4.1 Tijdsduur-scenario’s gebruikt in de simulatie . . . . . . . . . . . . . . . . 40
4.2 Definiering van de 6 triangulaire verdelingen . . . . . . . . . . . . . . . . . 40
4.3 Gebruikte maatstaven voor stabiliteit in de simulatie . . . . . . . . . . . . 41
5.1 Gemiddelde stabiliteit in het scenario ‘Vroeg’ en ‘Laat’ . . . . . . . . . . . 50
5.2 Gemiddelde stabiliteit in het scenario ‘Altijd vroeg’ en ‘Altijd laat’ . . . . 51
5.3 Evolutie van de stabiliteit (CV) van elke voorspellingsmethode over drie
voltooiingsgraden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
5.4 Gemiddelde stabiliteit in het ‘Op tijd’ scenario . . . . . . . . . . . . . . . 53
5.5 Gemiddelde stabiliteit in de scenario’s ‘Vroeg’ en ‘Laat’ in procent van de
gemiddelde stabiliteit van het scenario ‘Normaal’ . . . . . . . . . . . . . . 54
5.6 Gemiddelde stabiliteit voor de scenario’s ‘Normaal’, ‘Altijd vroeg’ en
‘Altijd laat’ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
5.7 Gemiddelde stabiliteit in de scenario’s ‘Altijd vroeg’ en ‘Altijd laat’ in
percent van de gemiddelde stabiliteit van het scenario ‘Normaal’ . . . . . 56
5.8 Correlatie tussen CV en ATR als maatstaven voor stabiliteit . . . . . . . 58
5.9 Variance Inflation Factor (VIF) van de vier verklarende variabelen . . . . 60
5.10 Variance Inflation Factor (VIF) van de vier verklarende variabelen . . . . 60
5.11 Samenvatting regressieresultaten van het CV-regressiemodel . . . . . . . . 64
5.12 SPSS-output van het CV-regressiemodel . . . . . . . . . . . . . . . . . . . 64
5.13 Samenvatting regressieresultaten van het ATR-regressiemodel . . . . . . . 65
5.14 SPSS-output van het ATR-regressiemodel . . . . . . . . . . . . . . . . . . 65
5.15 Correlatietest tussen CV en MAPE . . . . . . . . . . . . . . . . . . . . . . 68
5.16 Correlatietest tussen ATR en MAPE . . . . . . . . . . . . . . . . . . . . . 68
6.1 De gemiddelde stabiliteit volgens de CV-maatstaf, per scenario en per index 71
V
VI
6.2 De gemiddelde stabiliteit volgens de ATR-maatstaf, per scenario en per
index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
Lijst van de gebruikte afkortingen
xi Voorspelling op opvolgingsperiode i
µ Gemiddelde
σ Standaardafwijking
AC Actual Cost
AD Actual Duration (EVM), Activity Distribution (topologische
structuurindicator)
AT Actual Time
ATR Average True Range
BAC Budget At Completion
C/SCSC Cost and Schedule Control Systems Criteria
CI Criticality Index
CPI Cost Performance Index
CSI Cost Schedule Index, o.b.v. SPI
CSI(t) Cost Schedule Index, o.b.v. SPI(t)
CV Cost Variance (EVM), Coefficient of Variation (stabiliteit)
DoD Departement of Defense
EAC Estimate At Completion
EAC(t) Estimate Duration At Completion
VII
VIII
ED Earned Duration
ES Earned Schedule
ETC(t) Estimate To Complete
EV Earned Value
EVM Earned Value Management
EVMS Earned Value Management Systeem
IEAC(t) Independent Estimate At Completion
LA Length of Arcs (topologische structuurindicator)
MAPE Mean Absolute Percentage Error
PC Percentage Completed
PCWR Planned Cost of Work Remaining
PD Planned Duration
PV Planned Value
PVrate Gemiddelde PV per tijdeenheid
RD Real Duration
SP Serial/Parallel (topologische structuurindicator)
SPI Schedule Performance Index, uitgedrukt in monetaire eenheden
SPIT(t) Schedule Performance Index, uitgedrukt in tijdseenheden
SV Schedule Variance, uitgedrukt in monetaire eenheden
SV(t) Schedule Variance, uitgedrukt in tijdseenheden
TCPI To-Complete Performance Index
TF Topological Float (topologische structuurindicator)
TRi True Range op opvolgingsperiode i
TV Time Variance
IX
VIF Variance Inflation Factor
WBS Work Breakdown Structure
Hoofdstuk 1
Introductie
Het doel van deze thesis is theoretisch onderzoek toe te passen op een simulatie. Er
wordt in detail gekeken naar de voorspellingsmethoden voor de tijdsduur van een
project. Hiervoor gebruikt deze thesis de Earned Value Management-methode om
enkele variabelen te definieren die in de voorspellingen zullen gebruikt worden. De
EVM-methode is een zeer krachtige methode en wordt door veel projectmanagers
gebruikt, omdat het een kwantitatieve methode is die gemakkelijk te implementeren is.
De EVM-methode kan gebruikt worden om de tijdsduur van een project te voorspellen,
maar ook om de aanverwante kosten te schatten. Het voorspellen van de tijdsduur en
kosten laat de projectmanager toe om tijdig aanpassingen te doen aan het project om zo
de tijdsduur en kosten bij te sturen. De voorspellingen van de tijdsduur en de kosten zijn
de belangrijkste prestatiemaatstaven die de projectmanager tot zijn beschikking heeft,
wat deze methode in de praktijk heel populair maakt. Ook op academisch gebied is deze
EVM-methode vaak het onderwerk van onderzoek. Er zijn zeer recente studies gemaakt
die de EVM-methode uitdiepen om zo verbeteringen voor te stellen en het praktisch nut
ervan na te gaan.
Een van deze recente studies is een van Vanhoucke en Vandevoorde (2008b), waarin
de nauwkeurigheid van de voorspellingsmethoden in verschillende scenario’s wordt
nagegaan. De nauwkeurigheid is natuurlijk de beste prestatiemaatstaf van elke
voorspellingsmethode. Het bepaalt namelijk de mate waarin de voorspelde waarde
afwijkt van de werkelijke, uiteindelijke waarde. Complementair aan deze maatstaf kan
nog een tweede gedefinieerd worden, namelijk de stabiliteit. Zoals hierboven vermeld,
hebben de voorspellingsmethoden het grootste nut wanneer ze de projectmanager een
1
2
‘signaal’ geven om in te grijpen, omdat de tijdsduur of kosten teveel afwijken van hun
vooropgestelde en verwachte waarden. Aangezien er nog geen eenduidige definitie bestaat
voor stabiliteit in dit vakgebied, moeten eerst enkele assumpties bepaald worden. Er
kan gesteld worden dat een methode die minder vaak een ‘signaal’ geeft stabieler is
dan een methode die op elke opvolgingsperiode een ‘signaal’ genereert. Deze stabiliteit
is niet onbelangrijk, want niet elke projectmanager wil even graag ingrijpen als hij
zo’n ‘signaal’ ontvangt. Het nut van stabiliteit kan geıllustreerd worden a.d.h.v. de
volgende twee uitersten in projectopvolging. Bij projecten met een strikte deadline zal
de projectmanager liever de nauwkeurigste methode gebruiken, ongeacht de stabiliteit,
aangezien het juist schatten van de uiteindelijke tijdsduur prioriteit is. Aan de andere
kante zijn er projecten die veel moeite kosten om de baseline schedule aan te passen aan
de nieuwe voorspellingen, waardoor de projectmanagers liever opteren voor een stabiele,
niet noodzakelijk nauwkeurige, methode.
1.1 Doelstelling
In deze thesis zal in detail gekeken worden naar de stabiliteit van de EVM
voorspellingsmethoden. Er bestaan twee soorten voorspellingsmethoden: deze die de
tijdsduur voorspellen, en andere die de kosten voorspellen. Bij deze simulatiestudie zal
enkel gekeken worden naar de voorspellingsmethoden voor de tijdsduur van projecten.
Op die manier kan gedetailleerder gekeken worden naar hun stabiliteit, in tegenstelling
tot kostenvoorspellingen die extra complexiteit zou meebrengen.
De uiteindelijke doelstelling is om een geschikte definitie te vinden voor stabiliteit, met
bijhorende maatstaf. Deze definitie en maatstaf moeten praktisch veel nut hebben, net
zoals de reeds bestaande maatstaven. De andere EVM-begrippen zijn heel gemakkelijk
te implementeren (wat ook de kracht van EVM is), dus de definitie die deze thesis zal
voorstellen zal ook gemakkelijk implementeerbaar moeten zijn.
Met behulp van de definitie en maatstaf kan voor elke methode de stabiliteit bepaald
worden. Er wordt gekeken aan welke factoren en omstandigheden de stabiliteit
onderhevig is, zodat de projectmanager voor elke methode in elke situatie een goed
idee krijgt van de mogelijke stabiliteit in zijn voorspellingen.
Als laatste kan de stabiliteit van elke methode vergeleken worden met de nauwkeurigheid
die onderzocht werd door Vanhoucke en Vandevoorde (2008a). Dit kan een interessante
3
trade-off tussen nauwkeurigheid en stabiliteit aan het licht brengen, of geeft de lezer
alleszins inzicht in de maatstaven voor elke methode.
De conclusies die in deze thesis getrokken worden, hebben als doel om terug te koppelen
naar het praktijkveld waarin EVM zich bevindt, zodat het praktisch nut waarvan de
gekozen definitie vertrekt, kan aangetoond worden.
1.2 Structuur van de thesis
De thesis zal aangevangen worden met een inleiding rond de EVM-begrippen. De
terminologie rond EVM kan van onderzoek tot onderzoek verschillen, en om die reden
kan de EVM-inleiding ook dienen als referentie voor de gebruikte termen in de rest van
de thesis.
Als eerste zal een literatuurstudie gedaan worden om te kijken wat er te vinden is over
de stabiliteit in de vakliteratuur. Er is namelijk geen eenduidige definitie, maar die
moet wel bepaald worden om de stabiliteit te meten met behulp van een of meerdere
maatstaven. Ook de financiele vakliteratuur wordt nageslagen aangezien stabiliteit een
hoog verwantschap vertoont met definities die gebruikt worden om de kenmerken van
het verloop van aandelenprijzen te bepalen. Deze definities en hun eventuele maatstaven
zullen dus zowel geformuleerd worden a.d.h.v. informatie uit de EVM-literatuur, alsook
a.d.h.v. informatie uit de financiele literatuur.
Op het einde van de literatuurstudie zal bepaald worden welke definities voor stabiliteit
gebruikt worden. Opdat het grootste detail zou verkregen worden in deze thesis, zal
er gewerkt worden met meer dan een definitie. Op het einde van deze thesis kan dan
bekeken worden welke definitie het beste aanleunt bij het concept van stabiliteit, en of
dit bevestigd dan wel weerlegd wordt op basis van voorgaande literatuurstudie.
Als een definitie bekomen is zullen ook de maatstaven moeten bepaald worden.
Deze laten toe om stabiliteit voor elke methode te berekenen met behulp van een
simulatiestudie. Ze kwantificeren m.a.w. de stabiliteit voor elke definitie, wat de thesis
toelaat om een vergelijking te maken tussen de verschillende methoden en scenario’s.
Na het bepalen van de maatstaven zal de simulatiestudie plaatsvinden. Deze studie
wordt gedaan met behulp van Monte Carlo simulaties, waarbij de stabiliteit van de
voorspellingen van het project voor elke simulatierun berekend wordt. Er zal ook gebruik
4
gemaakt worden van enkele scenario’s waardoor in detail kan bekeken worden hoe de
stabiliteit wijzigt in verschillende omstandigheden.
Vervolgens worden na het voltooien van de simulatiestudie de resultaten geevalueerd.
Elk methode zal op dit punt een waarde hebben voor zijn stabiliteit, die al dan niet
afhankelijk is van de scenario’s waaronder de projecten gesimuleerd werden.
Na het maken en evalueren van de simulatie - wat het hoofddeel van de thesis uitmaakt
- worden bijkomend nog twee testen uitgevoerd. Bij een eerste test wordt gekeken van
welke topologische indicatoren van projectnetwerken de gemeten stabiliteit afhankelijk
is. Met behulp van een tweede test wordt er bekeken of er een verband is tussen de
gemeten nauwkeurigheid en de gemeten stabiliteit van een voorspellingsmethode.
Met behulp van deze laatste twee testen heeft deze thesis een goed idee van de
richting die kan uitgegaan worden met de gekozen definitie voor stabiliteit. Tenslotte
zullen dan ook de definitieve conclusies genomen worden m.b.t. de stabiliteit van de
voorspellingsmethoden, wat het hoofddoel van deze thesis uitmaakt.
Hoofdstuk 2
EVM inleiding
2.1 Geschiedenis van EVM
EVM is ontstaan in het Ministerie van Defensie (Departement of Defense, DoD) van de
Verenigde Staten van Amerika. Het Ministerie vond dat er een hoge nood was aan een
beter beheer van de grote overheidsprojecten. In 1967 werd EVM geıntroduceerd door
verschillende agentschappen van de VS, waarbij EVM werd geıntegreerd in de Cost and
Schedule Control Systems Criteria (C/SCSC). EVM werd vroeger vooral geassocieerd
met grote projecten van de Amerikaanse overheid, en werd minder geassocieerd met
projecten uit de prive-industrie. De laatste jaren is EVM wel aan een opmars bezig
binnen de prive-industrie.
De sleutelcomponenten van EVM zijn de geplande waarde, de werkelijk gerealiseerde
waarde, en de werkelijke kost. Het systeem vergelijkt de planning met de werkelijkheid
en bepaalt op basis daarvan of het project achter of voor ligt op schema en het
bepaalt of het budget van het project al dan niet wordt overschreden. De drie
componenten kunnen perfect vergeleken worden aangezien ze alle drie in monetaire
eenheden uitgedrukt worden. Dit zorgt er ook voor dat de EVM-methode gebruikt
kan worden als standaardmethode voor verschillende projecten. Door de componenten
te vergelijken kunnen ook voorspellingen gemaakt worden van de werkelijke kost en de
werkelijke tijdsduur van het project. De nadruk van deze thesis zal op dit laatste liggen.
In de volgende twee delen zullen de parameters en de maatstaven van de EVM-methode
uitgelegd worden. Beide zijn zeer belangrijk bij de berekening van de te beschouwen
5
6
voorspellingsmethoden.
2.2 EVM parameters
De EVM-methode vertrekt van een budget bij voltooiing (Budget At Completion, BAC),
een deadline, en een baseline schedule. De baseline schedule toont wat de verwachte
tijdsduren van de activiteiten zijn, en de BAC is de totale som van de geplande kosten
van die activiteiten. De baseline schedule is gebonden aan de volgtijdelijkheidsrelaties
van de activiteiten, en toont binnen die beperking wat de optimale planning is waarbij
het project een zo kort mogelijke tijdsduur heeft. Hieronder volgen de belangrijkste
parameters van EVM.
• Planned Value (PV ): Dit is de cumulatieve kost van de geplande activiteiten over
de loop van het project. Dit geeft weer wat de totale kost zal zijn indien de planning
exact gevolgd wordt.
• Earned Value (EV ): Op een bepaald tijdstip van het project, wordt de gecreeerde
waarde berekend door de BAC te vermenigvuldigen met de afwerking van het
project in procent (voltooiingspercentage, percentage completed, PC):
EV = BAC × PC
In tegenstelling tot PV duidt de EV de waarde aan die de activiteiten in
werkelijkheid gecreeerd hebben.
• Actual Cost (AC): Ten laatste is AC de som van de werkelijke kosten die door
alle activiteiten tot nu toe gemaakt zijn.
7
0
20
40
60
80
100
120
140
160
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Ko
st (
AC
) o
f w
aard
e (
PV
en
EV
) in
10
00
EU
R
Opvolgingsperiode
PV
AC
EVSV CV
Figuur 2.1: PV, EV en AC
Deze drie parameters worden dan gebruikt om de vergelijking te maken tussen het plan
en de werkelijkheid. Uit de bovenstaande figuur kan de lezer grafisch aflezen dat er
momenteel minder waarde gecreeerd is dan gepland, maar dat de werkelijke kosten wel
de geplande kosten overstijgen. Het project loopt dus achter op schema, terwijl er sprake
is van een kostenoverschrijding. De grafische methode is niet de meest handige manier
om na te gaan wat de status van het project is, aangezien de gegevens moeten uitgezet
worden in een grafiek. Als beter alternatief zijn er prestatiemaatstaven ontwikkeld die
kwantitatief bepalen of het project zich aan de planning houdt en of de kosten binnen
het budget blijven.
2.3 EVM prestatiemaatstaven
Er zijn twee soorten maatstaven. De eerste soort gaat over het tijdsaspect van het
project en bepaalt of het project voor of achter op schema ligt. De tweede gaat
8
over het kostenaspect en bepaalt of er meer kosten gemaakt worden dan gepland
(kostenoverschrijding), of minder (kostenonderschrijding).
De maatstaven m.b.t. het tijdsaspect zijn de schedule variance (SV ) en de schedule
performance index (SPI) De maatstaven m.b.t. het kostenaspect zijn de cost variance
(CV ) en de cost performance index (CPI). De formules voor deze maatstaven worden
op volgende manier berekend m.b.v. de drie parameters:
SV = EV − PV
SPI =EV
PV
CV = EV −AC
CPI =EV
AC
SV SPI
achter op schema negatief <1
op schema 0 1
voor op schema positief >1
CV CPI
kostenoverschrijding negatief <1
kosten zoals voorzien 0 1
kostenonderschrijding positief >1
Tabel 2.1: SV, SPI, CV en CPI interpretatie
Indien SV positief (negatief) is dan loopt het project voor (achter) op schema. Analoog
voor CV , is er een kostenonderschrijding (-overschrijding) indien de waarde positief
(negatief) is. Als het project loopt zoals gepland dan zullen de indices gelijk zijn aan 1.
Indien er het project voor (achter) op schema loopt dan zal de SPI groter (kleiner) zijn
dan 1, en indien er een kostenonderschrijding (-overschrijding) is dan zal de CPI groter
(kleiner) zijn dan 1. Ter illustratie zijn de maatstaven toegevoegd in figuur 2.1.
De SV en SPI maatstaf zijn gerelateerd, net als de CV en CPI maatstaf. Dit komt
omdat ze dezelfde parameters gebruiken. Of de projectmanager nu de varianties (SV ,
CV ) of de indices (SPI, CPI) gebruikt om te kijken hoe goed zijn project de planning
volgt, hij zal steeds dezelfde conclusies uitkomen.
9
2.3.1 Beperkingen aan de SV en SPI indicatoren
Er is wel een grote beperking aan de maatstaven die de performantie van het tijdsaspect
meten. De SV en SPI maatstaven worden berekend a.d.h.v. de EV en PV parameter.
Ongeacht het verloop van het project zal de EV op het einde telkens gelijk zijn aan de
PV . Als dit niet het geval is, dan is het project gewoon nog niet af. Dit wil zeggen
dat als het project langer duurt dan gepland, de indicatoren steeds naar 0 (SV ) en naar
1 (SPI) zullen gaan, net zoals wanneer het project wel op tijd klaar zou zijn geweest.
De oorzaak van dit fenomeen is te vinden in het feit dat maatstaven die het tijdsaspect
van het project meten (SV , SPI) niet uitgedrukt zijn in tijdseenheden, maar wel in
monetaire eenheden.
Aangezien de CPI index op basis van de juiste eenheden berekend wordt - namelijk
in geldeenheden om de budgettaire prestatie te meten - vertoont de CPI index niet
hetzelfde gedrag als de SPI index. De CPI index en de CV indicator zullen dus steeds
de juiste prestatie van het project meten.
Hieronder staat een grafiek van de CPI en SPI indicator van een te laat en een duurder
dan gepland project:
10
Figuur 2.2: CPI en SPI van een te vroeg en een te laat afgewerkt project (Lipke, 2003)
Men kan duidelijk zien dat de SPI index terug gaat naar 1, terwijl het project te laat
is (gepland af op januari 2002, effectief af op april 2002) en de SPI index dus zeker
kleiner dan 1 zou moeten zijn. De SV indicator heeft hetzelfde probleem. Die zal bij
late projecten op het einde naar 0 naderen, ongeacht de werkelijke achterstand.
2.3.2 Earned Schedule en de aangepaste prestatiemaatstaven
Een oplossing voor deze beperking werd bedacht door Lipke (2003) onder de vorm van
een nieuwe parameter, nl. de Earned Schedule (ES). De ES is analoog aan de EV ,
maar dit keer wordt de waarde die tot nu toe al gecreeerd is uitgedrukt in tijdseenheden.
Om de ES te berekenen is nog een extra component nodig, nl. de werkelijke tijd (Actual
Time, AT ). AT is de tijd die tot nu toe al besteed werd aan het project. ES is dat
tijdstip waarop de EV in het punt AT eigenlijk volgens het plan zou moeten gerealiseerd
zijn. Dit tijdstip wordt bekomen door de EV te vergelijken met de cumulatieve PV .
11
Figuur 2.3: Illustratie van de berekening van de Earned Schedule (Lipke, 2003)
Met behulp van deze nieuwe parameter wordt een nieuwe variant op de SV en de SPI
maatstaven bekomen. Deze waren voorheen berekend op basis van geldeenheden, terwijl
ze nu op basis van tijdseenheden kunnen berekend worden. Om verwarring te vermijden,
worden de maatstaven op basis van tijdseenheden gevolgd door een ‘t’ tussen haken (t),
terwijl de maatstaven op basis van geldeenheden door niets of door een dollarteken ($)
gevolgd worden. Hieronder nogmaals de formule voor de maatstaven:
SV ($) = EV − PV
SPI($) =EV
PV
SV (t) = ES −AT
SPI(t) =ES
AT
12
Hieronder kan men een grafiek vinden die het verschil aantoont tussen de SV maatstaven
op basis van geldeenheden ($) en die op basis van tijdseenheden (t):
Figuur 2.4: Een vergelijking tussen SV(t) en SV($)(Lipke, 2003)
De lezer kan opmerken dat de SV ($) en de SV (t) maatstaven bij een vroeg project beide
de juiste waarden geven. Maar bij een laat project lijkt volgens SV ($) de prestatie van
het project vanaf november te verbeteren, terwijl de SV (t) maatstaf eigenlijk aantoont
dat de prestatie nog verslechtert.
De SV (t) en SPI(t) maatstaven werden door Henderson (2005) bevestigd als goede
prestatiemaatstaven op basis van real-life data van tijdsgevoelige IT-projecten van kleine
schaal.
13
2.3.3 Combinatie van maatstaven
Bij bovenstaande maatstaven wordt de prestatie op het vlak van tijd en de prestatie
op het vlak van kosten afzonderlijk gemeten. Om de prestaties op beide gebieden te
bepalen, kunnen bovenstaande maatstaven gecombineerd worden om een nieuwe index
te creeren:
Cost Schedule Index (CSI) = SPI × CPI
Cost Schedule Index (CSI(t)) = SPI(t)× CPI
Deze twee indexen meten zowel de mate waarin de voltooide activiteiten binnen het
budget zijn gebleven, als de mate waarin de deadlines behaald zijn. Als deze indexen
kleiner zijn dan 1, dan presteerde het project tot nu toe ondermaats. Zijn de indexen
groter dan 1, dan is er goed gepresteerd tot nu toe. Deze indexen moeten wel met enige
voorzichtigheid geınterpreteerd worden. Aangezien er deze keer twee aspecten gemeten
worden, kunnen de prestaties op de twee aspecten elkaar opheffen. Een projectmanager
van een project dat veel voor op schema ligt (SPI >1) maar wel al meer kosten heeft
gemaakt dan gepland (CPI <1), kan door een CSI van ongeveer 1 de verkeerde conclusie
trekken dat het project de baseline schedule volgt.
2.4 EVM voorspellingen
2.4.1 Methoden
De prestatiemaatstaven die in het vorige deel besproken zijn, geven weer hoe het
projectteam tot nu toe al gepresteerd heeft. Als verondersteld wordt dat de rest van het
project op dezelfde manier en aan hetzelfde tempo zal voltooid worden als dat het tot nu
toe afgewerkt is, dan kunnen deze prestatiemaatstaven gebruikt worden om de resterende
tijdsduur tot voltooiing te voorspellen. Dit idee vormt de basis van EVM-forecasting.
De index van de voorspellingsmethoden (1, 2 of 3) staat voor de mate waarin bij de
voorspellingen rekening wordt gehouden met de nieuwe informatie, gegenereerd door het
voltooien van het project tot nu toe. Op deze manier kan in de voorspellingen rekening
worden gehouden met ofwel enkel de originele planning, ofwel met enkel de prestatie tot
14
nu toe op vlak van tijd, of als laatste kan ook rekening gehouden worden met zowel de
prestatie op het vlak van tijd als de prestatie op het vlak van kosten.
Er zijn twee categorieen van voorspellingsmethoden. Een categorie die de totale
tijdsduur van het project schat en een categorie die de totale kost van het project
voorspelt. Deze twee categorieen verlopen zeer analoog, net zoals de twee categorieen
prestatiemaatstaven (SV , SPI en CV , CPI).
2.4.2 Formules
Hieronder zullen de formules besproken worden die de basis vormen voor de
simulatiestudie. Het zijn deze formules die vergeleken worden op het vlak van stabiliteit.
Binnen dit stuk wordt niet enkel gekeken naar de gebruikte formules in de simulatie, maar
ook naar de historiek van de voorspellingsmethoden. Het is belangrijk dat de motivatie
tot ontwikkeling van deze voorspellingsmethoden goed tot uiting komt, aangezien de
definitie voor stabiliteit hierop zal gebaseerd worden. De motivatie tot ontwikkeling van
deze methoden wordt ongetwijfeld gedreven door het praktisch potentieel ervan, en dat
is net wat deze thesis ook voor de definitie van stabiliteit wil verwezenlijken. Er wordt
niet enkel bekeken wat de beste definitie is, er wordt ook gekeken welke definitie het
grootste nut heeft en dus het gemakkelijkst in het praktijkveld kan toegepast worden.
De gemakkelijkste toepassing van de EVM parameters voor het voorspellen van de
projectduur is de algemene formule. De algemene formule om de kost en tijdsduur van
een project te schatten vertrekt van het idee dat het project het resterende werk afmaakt
met diezelfde kost en tijd als aangegeven in de planning. Bij deze voorspellingsmethoden
wordt dus geen rekening gehouden met de prestaties van de reeds afgewerkte activiteiten.
Er wordt enkel gekeken naar de originele planning ongeacht of het project een grote
vertraging heeft opgelopen of voor ligt op schema. Ook met de gemaakte kosten en de
tot nu toe gecreeerde waarde, wordt geen rekening gehouden.
De formule om de totale kost van een project (Estimate at Completion, EAC) te schatten
is als volgt: De werkelijke kost tot nu toe (Actual Cost, AC) wordt opgeteld met de
geplande kost van het resterende werk (Planned Cost of Work Remaining, PCWR):
EAC = AC + PCWR
De algemene formule om de tijdsduur van een project te voorspellen is de Estimated
15
Duration at Completion (EAC(t)). Deze voorspelling wordt bekomen door de werkelijke
tijdsduur (Actual Duration, AD) te sommeren met de tijdsduur van het resterende
geplande werk (planned duration of work remaining, PDWR):
EAC(t) = AC + PDWR
Vroeger werd vooral de Independent Estimate at Completion (IEAC(t)) gebruikt om
de tijdsduur van het project te voorspellen. Dit kwam vooral omdat er in 1991 een
grote interesse op gang kwam voor die IEAC(t) formule. De reden hiervoor was
de annulatie van een contract tussen McDonnell Douglas/General Dynamics groep
en de Amerikaanse marine (Christensen, 1999). De projectteams van McDonnell
Douglas/General Dynamics hadden als taak om het A-12 Avenger gevechtsvliegtuig
te ontwikkelen en te bouwen. Het verloop van deze ontwikkeling verliep zeer chaotisch
met o.a. veel hogere kosten dan gepland. Uiteindelijk werd dit programma stopgezet in
1991. Na meer dan 20 jaar procesvoering is er pas in januari 2014 een schikking getroffen
(Shalal-Esa, 2014).
De IEAC(t) voorspellingsmethode is een variant op de algemene formule. Het verschil
zit hem in de tweede term (PDRW ), waarbij het werktempo van het resterende werk
kan aangepast worden. In de algemene formule is het werktempo van het resterende werk
gelijk aan het tempo opgelegd volgens het plan. De tweede term wordt nu Estimate to
Complete (ETC(t)) genoemd, en deze wordt gedeeltelijk bepaald door het werktempo.
De formule voor de voorspellingsmethode is als volgt:
IEAC(t) = AD + ETC(t)
Met ETC(t) =BAC − EVwerktempo
De teller van bovenstaande formule staat uitgedrukt in geldeenheden, en aangezien
ETC(t) uitgedrukt moet zijn in tijdseenheden, zal het werktempo (de noemer) deze
omzetten. Voor het werktempo kunnen verschillende indicatoren gebruikt worden. De
nauwkeurigste IEAC(t) wordt bekomen door een realistisch werktempo te gebruiken
voor het verder verloop van het project. Als werktempo worden volgende vaak gebruikt:
SPI, SPI(t), CPI, CSI, PVrate (gemiddelde geplande waarde per tijdseenheid), etc.
Na de bespreking van de vorige voorspellingsmethoden, wordt er nu overgegaan naar de
methoden die zullen gebruikt worden in de simulatie. Sinds 2003 zijn er drie nieuwe
16
tijdsvoorspellingsmethoden ontwikkeld, nl. de Planned Value methode door Anbari
(2003), the Earned Duration methode door Jacob (2003) en de Earned Schedule methode
door Lipke (2003). Dit zijn weer uitbreidingen op de algemene formule waarin op een
verschillende manier omgegaan wordt met de gegeneerde informatie. De ene formule
hecht meer belang aan de originele planning, terwijl de andere eerder kiest voor het in
rekening brengen van zoveel mogelijk nieuwe informatie. Voor elke methode moet een
prestatiefactor bepaald worden, en deze prestatiefactor heeft een gelijkaardig nut als het
werktempo in de IEAC(t) formule. Deze factor duidt aan wat het verwachte tempo is
waaraan het resterende werk voltooid wordt. Voor elke van de drie methoden bestaan
er drie prestatiefactoren, waardoor er in totaal negen voorspellingsmethoden afgeleid
kunnen worden.
2.4.3 De drie voorspellingsmethoden
Als eerste wordt de PV-methode van Anbari (2003) uitgelegd. Deze methode steunt
op de geplande tijdsduur (Planned Duration, PD) en afhankelijk van de gebruikte
prestatiefactor wordt de Planned Duration bijgestuurd. Bij deze methode zit de bekomen
informatie door het verloop van het project enkel in de prestatiefactor. Om te voorspellen
m.b.v. deze methode moet een nieuwe variabele geıntroduceerd worden. De tijdsvariantie
(Time Variance, TV ) bekomt men door de SV maatstaf te delen door de geplande waarde
ratio (Planned Value Rate, PVrate). De PVrate is de gemiddelde geplande waarde die
per periode gecreeerd zou moeten worden. PVrate kan berekend worden door de BAC
te delen door de PD, waardoor de formule voor TV door volgende vergelijking wordt
gegeven:
TV =SV × PDBAC
=(EV − PV )× PD
BAC
Om de Earned Duration methode te begrijpen moet een nieuwe parameter verklaard
worden. Deze parameter is de Earned Duration (ED). De ED is een correctie van de
werkelijke tijdsduur (Actual Duration, AD), waarbij als correctiefactor SPI gebruikt
wordt:
ED = AD × SPI
De Earned Duration methode van Jacob (2003) steunt dus op de werkelijke tijdsduur
(Actual Duration, AT ) en de Earned Duration (ED). Er wordt gekeken welke waarde
17
er nog moet gecreeerd worden (BAC − EV ), en de resterende tijdsduur wordt daaraan
aangepast.
Als laatste methode gebruikt deze thesis de Earned Schedule methode van Lipke (2003).
Deze formule is gelijkaardig aan deze van Jacob, maar deze keer wordt de resterende
tijdsduur niet bijgestuurd door de ED, maar door de ES. De ES is het tijdstip volgens
de planning, waarop de werkelijke gecreeerde waarde zou moeten bereikt worden.
2.4.4 De drie prestatiefactoren
Voor elk van bovenstaand voorspellingsmethoden bestaan er drie varianten. Die
varianten worden bepaald door de gebruikte prestatiefactor. De prestatiefactoren worden
in de naam van de voorspellingsmethode aangeduid met een index 1, index 2 of index 3.
Hoe hoger het indexgetal, hoe meer rekening gehouden werd met de prestatie van het
voltooide werk op de opvolgingsperiode, en hoe minder rekening wordt gehouden met
de tijdsduren en kosten van de activiteiten die bepaald worden door het vooropgestelde
baseline schedule.
Index 1 wil zeggen dat de gebruikte prestatiefactor gelijk is aan 1. Bij de voorspellingen
met index 1, wordt enkel en alleen rekening gehouden met een tempo dat opgelegd wordt
door de planning.
Index 2 corrigeert het resterende werk dan weer m.b.v. de maatstaf SPI. Hierbij
wordt niet enkel gekeken naar het resterende werk, maar het tempo van de afgewerkte
activiteiten van het project bepaalt hoe lang het resterende werk zal duren. Bij
voorspellingen met index 2 wordt dus de prestatie op het vlak van tijd van het voltooide
werk in rekening gebracht.
Index 3 brengt een nog sterkere correctie aan bij de geplande duur van het resterende
werk. Hierbij wordt niet enkel de prestatie op het vlak van tijd, maar ook de prestatie op
het vlak van kosten in rekening gebracht. Enkele pagina’s hierboven, bij de berekening
van de benodigde maatstaven, wordt de CSI namelijk berekend als de SPI maatstaf
(tijd) vermenigvuldigd met de CPI maatstaf (kosten).
Hieronder kan de lezer een samenvatting van de vermelde voorspellingsmethoden
terugvinden. Enkel het subscript van de gebruikte methode (bv: PV 2) wordt getoond,
aangezien de volledige afkorting zoals ze in de literatuur voorkomt (EAC(t)PV 2) enkel
maar de leesbaarheid hindert.
18
PV-methode ED-methode ES-methode
PV 1 = PD − TV ED1 = AD + (PD − ED) ES1 = AD + (PD − ES)
PV 2 =PD
SPIED2 = AD +
(PD − ED)
SPIES2 = AD +
(PD − ES)
SPI(t)
PV 3 =PD
CSIED3 = AD +
(PD − ED)
CSIES2 = AD +
(PD − ES)
CSI(t)
Tabel 2.2: Formules van de besproken voorspellingsmethoden
2.5 Relevante onderzoeken
In dit onderdeel wordt er een samenvatting gegeven van verschillende relevante studies
i.v.m. de voorspellingsmethoden. Over de nauwkeurigheid van de voorspellingsmethoden
is al veel geschreven, maar naar de stabiliteit is nog niet veel onderzoek gedaan. Zoals
in de inleiding beschreven staat, heeft ook de stabiliteit de enig nut in het praktijkveld.
Deze literatuurstudie zal helpen om een betere definitie te geven aan stabiliteit en ze zal
helpen om verschillende maatstaven voor de definitie te ontwikkelen.
2.5.1 De stabiliteit van CPI
Er werd al veel onderzoek gedaan naar de stabiliteit van de CPI index. Dit is de index
die de voorbije kostenprestatie meet van het project. Als kan aangetoond worden dat
deze index vanaf een bepaald tijdstip van het project niet meer of niet veel meer wijzigt,
dan kan de CPI index op dat bepaald tijdstip reeds een indicatie geven van de totale
kostenprestatie van het project. Dit is de reden van het veelvuldig onderzoek dat al
verricht is naar het verloop van deze CPI index. Ter herhaling, de CPI wordt berekend
op een bepaalde opvolgingsperiode met behulp van de volgende parameters:
CPI =EV
AC
De eerste keer dat de CPI stabiliteit bekeken werd, dateert al van 1990. In deze
studie werden enkel 26 aircraft procurement programs geanalyseerd (Payne, 1990). De
resultaten mochten hoe dan ook niet veralgemeend worden. Deze studie toonde aan dat
als het project 50% compleet is, de CPI index met niet meer dan 10% zal wijzigen. Bij
19
verder onderzoek (Heise, 1991) bleek zelfs dat de CPI stabiel is vanaf het moment dat
het project 20% compleet is.
Op basis van 155 contracten uit 44 verschillende programma’s werden volgende resultaten
bekomen door Christensen (1993b). De CPI index bleek stabiel te zijn vanaf het
moment dat het project 20% compleet was met een 95% betrouwbaarheidsinterval.
Deze studie is zeer nuttig voor de financiers. Als die zien dat hun projectmanagers
een kostenoverschrijding hebben als het project al 20% compleet is, dan is dit voor
hen een alarmsignaal dat er een grote kans is dat ze op het einde van het project een
budgetoverschrijding zullen hebben. De aannemer kan dan al ingrijpen op het punt dat
de kostenoverschrijding zich voordoet.
Deze studie haalt nog twee voordelen aan van CPI-stabiliteit:
Ten eerste, De CPI kan vergeleken worden met de To-Complete Performance Index
(TCPI). Deze index bepaalt het werktempo dat zal moeten behaald worden voor het
te voltooien werk, indien het project binnen het vooropgestelde budget wil blijven. Er
zijn twee varianten van de berekening van deze index. De eerste baseert zich op de BAC
die in het begin van het project bepaald wordt, en veronderstelt dus dit budget als de
maximale waarde van de kosten van het project:
TCPI =BAC − EVBAC −AC
Als de projectmanager merkt dat hij de BAC waarschijnlijk zal overschrijden, dan wordt
beter de tweede variant gebruikt. Deze tweede variant baseert zich op de EAC, die op
het moment van bepalen van de TCPI voorspeld wordt:
TCPI =EAC − EVEAC −AC
Deze twee indexen, TCPI en CPI, kunnen met elkaar vergeleken worden, en indien
TCPI significant groter is dan de CPI, dan is er een grote kans op budgetoverschrijding.
Dit komt doordat beide indexen de twee parameters EV en AC gebruiken, en er dus
een verband is tussen de twee. Als de TCPI hoger is dan 1, dan zal de CPI lager zijn
dan 1. Vandaar dat als de TCPI hoger is dan de CPI (en dus hoger is dan 1) er een
extra prestatie moet verwacht worden bij de verdere voltooiing van het project. Maar
tegelijkertijd is de CPI dan altijd lager, wat aanduidt dat er in het verleden een minder
20
dan verwachte kostenprestatie geleverd is. Indien TCPI hoger is dan CPI, is er dus
een gewenste hogere prestatie, gekoppeld aan een ondermaatse prestatie in het verleden,
waaruit de conclusie kan getrokken worden dat deze extra prestatie waarschijnlijk niet
zal kunnen gehaald worden, waardoor de projectmanager op het einde van het project
met een budgetoverschrijding zit.
Ten tweede, kostenvoorspellingen (EAC) op basis van de de CPI vormen een ondergrens
voor de totale kost van het project. De CPI is namelijk bij de meeste contracten die
bestudeerd werden stabiel en heeft enkel de neiging om slechter te worden. Er kan dus
gesteld worden dat er vanaf een voltooiingsgraad van 20%, met behulp van de berekende
CPI, een voorspelling kan gemaakt worden van de minimale kost van het hele project.
Beide conclusies van het onderzoek m.b.t. de CPI, geven een idee van wat het effect
van CPI-stabiliteit is voor het uiteindelijke budget. Deze conclusies kunnen eveneens
gebruikt worden om de stabiliteit van de geschatte projectduur te definieren.
2.5.2 Uitbreidingen van de Earned Schedule
De Earned Schedule parameter kan voor meerdere zaken gebruikt worden dan enkel
om de SV (t) en de SPI(t) maatstaven te berekenen. De parameter kan ook gebruikt
worden als basis voor de voorspellingsmethoden (zie ‘EVM voorspellingen’), en Lipke
(2004) stelde ook al enkele andere toepassingen voor van de ES-analysemethode.
De ES-analysemethode kan o.a. gebruikt worden om een plananalyse uit te voeren. De
methode kan bepaalde belemmeringen of beperkingen blootleggen, en de methode kan
ook een beter zicht geven op toekomstige herwerkingen van de activiteiten. Met behulp
van een formule voor de schedule adherence (P ), de herwerkingen (R%) en de Earned
Value (EV ), berekende Lipke de Effective Earned Value (EV (e)). Met behulp van deze
herwerkte parameter kan op zijn beurt de Effective Earned Schedule (ES(e)) berekend
worden. ES(e) houdt deze keer rekening met de kans op herwerkingen en de mate waarin
de activiteiten het vooropgestelde plan volgen.
Indien na de simulatie blijkt dat de ES-methode een goede stabiliteit vertoont, dan kan
de formule aangepast worden om de extra informatie in verband met herwerkingen te
implementeren. M.a.w de ES(e) kan gebruikt worden in de ES-methode. Die nieuwe
voorspellingen kunnen dan weer getest worden op stabiliteit in verder onderzoek, om zo
te kunnen vergelijken of het beter presteert dan de originele voorspellingsmethode.
21
2.5.3 Voorspellen
In dit deel worden de meest relevante studies besproken omtrent de
voorspellingsmethoden. Er zijn al heel wat onderzoeken gedaan naar de prestatie
van de voorspellingsmethoden, en naar de manieren om die te verbeteren. Hieronder
vindt u een overzicht.
Vanhoucke en Vandevoorde (2008b) vergeleken de drie methoden met behulp van een
fictief project. Indien het project rekening houdt met de leercurves (wat het verloop
van een project realistischer maakt dan zonder rekening te houden met leercurves) dan
vertoont de ES-methode de beste nauwkeurigheid. De studie bevestigde ook dat de
voorspellingsmethoden op basis van de PV de ED onbetrouwbaar worden naar het
einde van het project. Er werd besloten dat eender welke voorspellingsmethode gebruikt
mag worden, maar er werd wel aangeraden om naar het einde toe van het project de
ES-methode te gebruiken.
Vanhoucke en Vandevoorde (2008b) onderzochten de nauwkeurigheid van de drie
voorspellingsmethoden in vier scenario’s. Er zijn twee scenario’s voor normale
omstandigheden (geen valse signalen): een scenario die vroeger en een die later dan
gepland gedaan is. Bij de andere twee zijn er wel valse waarschuwingssignalen. De
indicatoren wijzen op een vroeg (laat) project terwijl het project in werkelijkheid te laat
(te vroeg) gedaan is. Zoals verwacht vertoont de ES-methode de beste nauwkeurigheid in
normale omstandigheden, maar ze vertoont de slechtste nauwkeurigheid in de scenario‘s
waarin er zich valse waarschuwingssignalen voordoen.
Lipke (2009) toonde met behulp van real-life data van 16 projecten aan dat de
ES-methode de beste voorspellingsmethode is. Hij vergeleek vier methoden uit EVM
en de ES-methode, waarbij hij hen rangschikte op basis van de standaardafwijking van
hun voorspellingen. Deze keer bleek de ES-methode de beste te zijn, ook in het begin
en in het midden van het project.
22
Figuur 2.5: Een vergelijking tussen nauwkeurigheden van voorspellingsmethoden bij
bepaalde voltooiingsgraden (Lipke, 2009)
In deze studie werd de standaardafwijking als indicator van de nauwkeurigheid van de
voorspellingen gebruikt. Op de x-as is te zien dat de projectduur onderverdeeld werd
in drie bereiken: het begin, het midden en het einde van een project. Nadien wordt
de nauwkeurigheid nog eens over het hele project getoond. Uit deze grafiek kan men
afleiden dat de ES-methode (zeker na het begin van het project) beter presteert dan de
andere methoden.
Vanhoucke en Vandevoorde (2009) bekeken vervolgens de topologische structuren
van projecten om na te gaan in welke mate ze de nauwkeurigheid van de
voorspellingsmethoden beınvloeden. Ze bekeken de vier kenmerken van de topologische
structuur van projecten: de serieel/parallel indicator (SP ), de activiteitsdistributie
indicator (AD), de booglengte indicator (length of arcs, LA) en de topologische float
(TF ). De conclusie is dat naarmate een project eerder serieel dan parallel is, ze een
grotere nauwkeurigheid zal hebben. Dit komt omdat er meer kritieke activiteiten bestaan
23
in een serieel project, dan in een parallel project met evenveel activiteiten.
Elshaer (2013) ging dieper in op de voorgaande studie. Hij gebruikte dezelfde
topologische structuur indicatoren, maar hij bekeek deze keer enkel de ES-methode.
Voor de ES-methode gebruikte Elshaer zes verschillende indices. De resultaten zijn als
volgt: de ES-methode op basis van de criticality index (CI) is ongeacht de topologische
structuur de meest betrouwbare en zal de nauwkeurigheid van de voorspellingen
verbeteren. De CI wijst aan elke activiteit een percentage toe (als gevolg van een Monte
Carlo simulatie), en dit percentage staat voor de kans dat de activiteit op het kritieke
pad ligt. De CI duidt dus voor elke activiteit aan wat de impact is op de projectduur
als die bepaalde activiteit te laat is. Een activiteit met een niet al te kleine tijdsduur en
een grote CI, zal een grotere impact hebben. Activiteiten met korte tijdsduren of met
een kleine CI hebben dan weer een kleinere impact indien ze vertraging oplopen.
2.5.4 EVM en voorspellen in de praktijk
In dit deel worden de meest relevante studies die te maken hebben met EVM in de
praktijk bekeken. Veelal wordt er in een studie een methode aangehaald die op een
bepaald gebied het beste presteert, maar in praktijk wordt deze methode dan weinig
gebruikt. Deze studie gaat dieper in op die problematiek, en zoekt de redenen achter
het niet gebruiken van een bepaalde methode. Deze studies kunnen dan ook helpen om
een definitie voor stabiliteit te vinden die niet alleen theoretisch de beste is, maar ook
in de praktijk het meeste nut heeft. Hieronder volgen de belangrijkste studies omtrent
het gebruik van EVM en de voorspellingsmethoden in de praktijk.
Christensen (1996) deed een studie naar de gebruikte voorspellingen van de
projectmanagers. Hij stelde vast dat sommige projectmanagers liever werken met
wat onrealistische en iets meer optimistische voorspellingen, omdat de realistische
voorspellingen het verdere verloop van het project in gevaar kunnen brengen. Als er
voor voltooiing gerapporteerd wordt dat het project hogere kosten zal meebrengen dan
verwacht, en dat de deadline vermoedelijk overschreven zal worden, dan kan het project
stopgezet worden wat de projectmanagers liever niet hebben. Christensen toonde dit
aan m.b.v. 64 real-life defensiecontracten.
Christensen (1996) onderzocht nadien de kosten en voordelen van het gebruik van EVM
in projecten. Lampkin (1992) schatte de gemiddelde kost om een EVM-systeem (EVMS)
te implementeren. Hij bekeek hiervoor vijf voorgaande studies. Hij concludeerde dat
24
de gemiddelde kost 0,4% tot 1,63% van de waarde van het contract was. Christensen
bekeek ook de onnodige kosten van een EVMS. Daarin vond hij dat er zeer veel geld
verloren ging door overimplementatie van het EVMS. Twee grote kostendrijvers zijn
hierbij de mate van detail van de Work Breakdown Structure (WBS), en de mate waarin
er een noodzaak is aan documentatie. Als het niveau van detail in de WBS en de
documentatieverplichtingen kan teruggedrongen worden, dan worden al veel onnodige
kosten geelimineerd hebben. De definitie voor stabiliteit moet dus zeker zorgen dat het
de documentatieverplichtingen niet verergert, en dat het geen gedetailleerder niveau van
het WBS vereist. De voordelen van een EVMS zijn vooral terug te vinden in de vroege
alarmsignalen die de indicatoren geven (CPI en SPI), en in de voorspellingsmethoden.
Het systeem geeft ook duidelijk aan waar het management zich op moet richten, hetgeen
de informatie-overbelasting zal reduceren.
Een recentere studie van Kim et al. (2003) ging dieper in op de problemen bij het
implementeren van EVM, en hoe die implementatie efficienter kan verlopen. De
resultaten baseren zich op de 272 responsen van een e-mailsurvey en zes on-site case
studies. Ze concludeerden dat de eerdere gerapporteerde problemen van te hoge kosten
en te veel papierwerk niet meer zo significant zijn. In de onderstaande tabel kan
u zien dat uit de e-mailsurvey bleek dat EVM al door 82% van de projectmanagers
geaccepteerd werd, en uit de case studies bleek dat 5 projectmanagers de methodologie
sterk accepteerden.
Figuur 2.6: Aanvaarding van EVM in de publieke en in de private sector(Kim et al.,
2003)
Bijkomend zit er geen significant verschil in de nuttigheid en de aanvaarding van EVM
tussen de openbare en de private sector. Oudere studies tonen aan dat EVM niet vaak
in de private sector gebruikt wordt omdat projectmanagers vinden dat die methodologie
enkel nuttige was in grote overheidsprojecten. Deze recentere studie toont aan dat de
mythe doorbroken is.
Fleming en Koppelman (2004) halen in hun artikel drie redenen aan waarom EVM niet
25
altijd gebruikt wordt. Reden 1 zegt dat de verwarrende terminologie een hinderpaal is
in het gebruik van EVM. Volgens reden 2 zou EVM niet toepasselijk zijn voor projecten
op kleinere schaal. De 32 criteria opgelegd door de DoD van de USA zouden enkel
vervuld zijn bij projecten op zeer grote schaal. Maar EVM bewijst ook al zijn nut
in kleinere projecten, ook al is niet aan alle criteria voldaan. Reden 3 zegt dan weer
dat de projectmanagers EVM niet willen gebruiken omdat ze de uiteindelijke kost niet
willen weten. Sommige projectmanagers zouden verkiezen om te werken met iets meer
optimistische en niet noodzakelijk realistische voorspellingen, zodanig dat het project
zeker niet stilgelegd wordt door de slechte prestaties. De aanvaarding van EVM in
projecten van kleine schaal blijkt dus nog steeds een probleem.
Hoofdstuk 3
Stabiliteit van de
voorspellingsmethoden
De opzet van de simulatiestudie is als volgt: een groot aantal gegenereerde projecten
wordt geselecteerd, waarbij de voorspellingen en het verloop ervan in detail bekeken
wordt. Die voorspellingen zullen daarna geevalueerd worden. Voorheen werd telkens
uitsluitend gekeken naar de nauwkeurigheid, maar de stabiliteit kan ook van groot belang
zijn. Een evaluatie van de nauwkeurigheid van de negen voorspellingsmethoden werd
al gedaan door Vanhoucke en Vandevoorde (2008b). Deze simulatiestudie zal hierop
voortbouwen en zal deze keer ook de stabiliteit in beschouwing nemen.
Om aan deze simulatie te beginnen moet eerst een geschikte indicator voor stabiliteit
gevonden worden. Deze thesis moet namelijk kwantitatief de stabiliteit van de
voorspellingmethoden kunnen bepalen. Alvorens een berekeningswijze kan worden
vastgelegd voor de stabiliteit, moet eerst bepaald worden wat stabiliteit is. Verschillende
definities kunnen een antwoord bieden op deze vraag. Deze mogelijke definities worden
beschreven in sectie 3.1, en hun mogelijke prestatiemaatstaven in sectie 3.2.
3.1 Definities van stabiliteit
Bij het bepalen van de meest passende definitie van stabiliteit moeten ten eerste enkele
praktische zaken in overweging genomen worden. Zoals meermaals werd vermeld,
26
27
moet de definitie praktisch relevant zijn opdat het bepalen van de stabiliteit van de
voorspellingsmethoden enig nut zou hebben voor projectmanagers.
Intuıtief kan men concluderen dat een projectmanager meest waarde zal hechten aan
een voorspellingsmethode die het meest accuraat is. Hoe groter de accuratesse, hoe
kleiner de onzekerheid, en hoe kleiner de kosten geassocieerd aan dit risico. Maar
uit de literatuurstudie wordt het duidelijk dat de projectmanagers niet altijd de meest
nauwkeurige methode hanteren. De verklaring die eraan gegeven wordt, is dat er een
trade-off is voor deze hogere nauwkeurigheid. De projectmanagers menen dat een meer
nauwkeurige voorspellingsmethode ook meer aanpassingen van de planning zal eisen om
de voorspelde tijdsduur bij te sturen.
Er is nog een tweede verklaring die zegt dat projectmanagers in de eerste plaats de
voorspelde waarde niet altijd willen weten. Bij sommige projecten lijkt het beter om met
niet noodzakelijk nauwkeurige voorspellingen te werken, teneinde het verdere verloop
van het project te garanderen. Indien de accurate voorspelling aantoont dat het project
zijn deadline zal overschrijden, dan kan het hele project door de financiers geannuleerd
worden. Die groep van projectmanagers gebruikt liever een voorspellingsmethode die
weinig aanpassingen vraagt, en waarbij de voorspelde tijdsduur minder accuraat zal
zijn. Dit doet zich vooral voor in projecten waarbij de tijdsduur van het project niet
van prioritair is.
Volgens de eerste verklaring kan de instabiliteit voorgesteld worden als de moeite die
moet gedaan worden om met behulp van aanpassingen het project bij te sturen. Dit
levert een interessante opportuniteit op voor deze thesis om met de stabiliteit ook een
extra kostenaspect van de projectopvolging in kaart te brengen.
3.1.1 Eerste definitie
Een eerste definitie kan dus als volgt bepaald worden: de stabiliteit duidt de hoeveelheid
aanpassingen aan die in de planning nodig zijn om de voorspelde waarden te volgen.
Hoe stabieler een voorspellingsmethode, hoe minder aanpassingen er nodig zijn. En
aangezien aanpassingen kosten met zich meebrengen, zullen er met behulp van een
stabielere methode minder aanpassingen gemaakt moeten worden, wat minder kosten
en moeite zal opleveren voor de projectopvolging.
Deze definitie komt het best overeen met de definitie die al door Covach et al. (1981)
gebruikt werd. Zij bepaalden stabiliteit als de mate waarin de voorspellingen over
28
verschillende opvolgingsperioden van elkaar afwijken. Volgens hen zijn stabiele methoden
deze waarbij de voorspellingen van periode op periode niet zoveel verschillen. Deze
definitie wordt a.d.h.v onderstaande voorspellingen geıllustreerd, door een vergelijking
te maken van twee voorspellingsmethoden:
0
5
10
15
20
25
30
35
1 2 3 4 5 6 7 8 9 10 11 12 13 14
EAC
(in
wek
en
)
Opvolgingsperiode
Methode 1
Methode 2
Figuur 3.1: Vergelijking van de voorspellingen tussen twee voorspellingsmethoden
Grafisch kan gemakkelijk gezien worden dat er een veel grotere fluctuatie optreedt binnen
de voorspellingen op basis van methode 1 dan binnen de voorspellingen op basis van
methode 2. Volgens de aangereikte definitie van stabiliteit is methode 2 dus de meest
stabiele van de twee.
3.1.2 Tweede definitie
Een tweede definitie die kan afgeleid worden, is die waarbij het praktisch nut van
stabiliteit ook tot uiting komt. Bij een gegeven projectplanning, kan de stabiliteit
een indicatie geven van de spreiding van de mogelijke voorspellingswaarden op een
bepaalde opvolgingsperiode. Deze spreiding kan de projectmanager een idee geven van
29
welke waarden zijn voorspellingen kunnen aannemen. Zoals ook bij de vorige definitie
werd vermeld, heeft niet elke projectmanager een even grote wens om zo nauwkeurig
mogelijk te voorspellen. Het is aangetoond dat er projectmanagers zijn die liever
met relatief vaste en vaak optimistische voorspellingen werken omdat ze bang zijn
dat de realistische voorspellingen het voortbestaan van het project kunnen bedreigen.
Een stabiele methode volgens deze definitie, zal door het hierboven beschreven type
projectmanager geprefereerd worden, wat deze definitie in de praktijk meer relevant
maakt. Met behulp van deze definitie kan ook het verband bekeken worden tussen
de stabiliteit van de voorspellingen en de CPI-stabiliteit die besproken werd in de
literatuurstudie.
3.1.3 Derde definitie
Uit de literatuurstudie kan nog een derde definitie afgeleid worden. Elshaer (2013)
bepaalt stabiliteit als de mate waarin de voorspellingen nauwkeurig blijven in
verschillende netwerken met verschillende topologische structuren. In tegenstelling tot
de vorige twee definities wordt stabiliteit volgens Elshaer wel direct gekoppeld aan
de onderliggende kenmerken van het project. Toch zit er een groot verschil tussen
deze definitie en de twee voorgaande. De studie van Elshaer kijkt eigenlijk niet naar
stabiliteit van de voorspellingen, maar naar de stabiliteit van de nauwkeurigheid van de
voorspellingen. Om die reden zal deze thesis de definitie van Elshaer niet beschouwen als
definitie voor stabiliteit, aangezien de definitie van Elshaer eigenlijk meer in detail kijkt
naar de accuratesse van voorspellingsmethoden. Om verwarring te vermijden tussen deze
definitie en de twee voorgaande, wordt in deze thesis bepaald dat Elshaer het eerder heeft
over robuustheid van de nauwkeurigheid, dan over de stabiliteit van de voorspellingen.
3.1.4 Gebruikte definities
Ter verduidelijking zullen volgende twee definities gebruikt worden in de simulatie:
Definitie 1: Stabiliteit is de mate waarin er fluctuaties optreden tussen de opeenvolgende
voorspellingen over de opvolgingsperioden.
Definitie 2: Stabiliteit bepaalt de grootte van de mogelijke spreiding van de
voorspellingen op eenzelfde voltooiingsgraad, over verschillende runs van een project.
30
In de verdere tekst in deze thesis zal verkort naar bovenstaande definities gerefereerd
worden:
Definitie 1: Stabiliteit over de opvolgingsperioden.
Definitie 2: Stabiliteit over de runs.
3.2 Prestatiemaatstaven voor stabiliteit
Voor deze twee definities moeten nu de prestatiemaatstaven bepaald worden zodat de
stabiliteit voor elk project kan gekwantificeerd worden.
3.2.1 Coefficient of Variation
De eerste maatstaf die zal gebruikt worden is deze die in de meeste vakgebieden gebruikt
wordt als indicator van stabiliteit en variatie, nl. de standaardafwijking. Deze maatstaf
zal de voorspellingen vergelijken met het gemiddelde van de gemaakte voorspellingen.
Hoe groter de spreiding van de voorspellingen, hoe groter de standaardafwijking. Een
kleinere standaardafwijking impliceert dus een grotere stabiliteit van de voorspellingen.
Aangezien de standaardafwijking een indicatie geeft van de spreiding zal deze maatstaf
perfect passen bij de tweede definitie waarbij stabiliteit bepaald werd als een
spreiding van de voorspellingen. De standaardafwijking van de voorspellingen xi op
opvolgingsperiode i wordt op de volgende manier berekend:
σ =
√1
N
∑Ni=1(xi − µ)2
waarbij µ =1
N
∑Ni=1(xi)
met N = het aantal voorspellingen
Deze maatstaf zal wel minder nut hebben voor projectmanagers dan voor onderzoekers of
voor financiers. Bij de standaardafwijking worden de voorspellingen namelijk vergeleken
met het gemiddelde van alle voorspellingen. Met behulp van de standaardafwijking kan
dus geen schatting gemaakt worden van de globale stabiliteit als het project nog niet
31
afgewerkt is. Daarom zal deze maatstaf vooral nuttig zijn voor onderzoekers of financiers
als die afgewerkte projecten willen evalueren.
Een tweede probleem is dat de standaardafwijking de absolute spreiding meet. Bij
projecten die langer duren zal de standaardafwijking groter zijn dan bij projecten van
een kortere duur, terwijl de stabiliteit niet noodzakelijk kleiner is. Er is dus nood aan
standaardisatie om projecten met verschillende tijdsduur te vergelijken met betrekking
tot hun stabiliteit. De standaardafwijking kan om die reden voor elk project gedeeld
worden door de gemiddelde voorspelling over de hele tijdsduur van het project. Hierdoor
wordt het variatiecoefficient bekomen (coefficient of variation, CV):
CV =σ
µ
3.2.2 Volatiliteit: Average True Range
Bij de maatstaf die gezocht wordt voor stabiliteit is er al onmiddellijk een analogie met
de financiele wereld op te merken. De mate waarin de aandelenprijzen bij opeenvolgende
periodes op en neer bewegen, wordt de volatiliteit genoemd. Om die reden kunnen er
uit de financiele vakliteratuur enkele ideeen gehaald worden om tot een goede maatstaf
te komen.
Er zit wel een fundamenteel verschil tussen de projectomgeving en de financiele
omgeving. In deze studie wordt er gewerkt met voorspellingen, terwijl de financiele
wereld werkt met aandelenkoersen. In tegenstelling tot de aandelenkoersen, zullen
de voorspellingen op een bepaald moment stoppen, en zal de voorspelde waarde (de
werkelijke tijdsduur van het project) met zekerheid gekend zijn.
Voor volatiliteit bestaat er geen eenduidige maatstaf. Er zijn verschillende gemakkelijke
en complexe maatstaven die al dan niet rekening houden met externe indicatoren (bv.
het verhandelde volume, de volatiliteit van andere financiele producten, etc. ) Deze
externe indicatoren zorgen ervoor dat de maatstaven niet kunnen gebruikt worden
in een projectomgeving en enkel op financieel vlak relevant zijn. De gemakkelijkste
definitie voor volatiliteit is de standaardafwijking. Dit bevestigt de analogie tussen de
projectomgeving en de financiele markt aangezien dit de maatstaf is die hiervoor al voor
stabiliteit is gekozen.
De beste maatstaf voor volatiliteit die kan vertaald worden naar het vakgebied van de
projectmanagers blijkt de Average True Range (ATR) te zijn. Deze indicator werd
32
bedacht door Wilder (1978) om te gebruiken in de technische analyse van commodities.
Hieronder kan u de berekeningsprocedure vinden om de ATR te verkrijgen.
ATR = Het gemiddelde van de True Range over een bepaalde periode (bv. 14 dagen).
Afhankelijk van de tijdshorizon waarover de volatiliteit bepaald wordt, wordt voor elke
dag, week of maand de hoogste prijs (high), laagste prijs (low) en slotkoers van de vorige
periode (closeprev) gebruikt.
Met behulp van deze drie prijzen kan voor elke periode de True Range als volgt bepaald
worden:
true range = max[(high− low), abs(high− closeprev), abs(low − closeprev)]
Om de ATR te berekenen mag niet gewoon het ongewogen gemiddelde voor elke periode
berekend worden. De berekeningswijze is als volgt: de eerste ATR is wel het gewone
gemiddelde van de TR’s over de vastgelegde periode:
ATR =1
N
∑Ni=1 TRi
met N = het aantal voorspellingen
De ATR van de volgende perioden wordt op basis van de voorgaande ATR op de volgende
manier berekend:
ATR =ATRi−1 × (N − 1) + TRi
N
met N = het aantal voorspellingen
In de onderstaande grafiek kan de lezer een toepassing van de formule terugvinden.
Hiervoor werden de aandelenkoersen van Microsoft gebruikt (Yahoo Finance, 2014).
33
27
28
29
30
31
32
33
34
35
36
1/03/2013 1/04/2013 1/05/2013 1/06/2013
Pri
js p
er a
and
ee
l
Datum
Figuur 3.2: Aandelenkoers van Microsoft
0,25
0,35
0,45
0,55
0,65
0,75
0,85
0,95
1/03/2013 1/04/2013 1/05/2013 1/06/2013
ATR
Datum
Figuur 3.3: ATR van de aandelenkoers van Microsoft
De bovenste grafiek bevat de aandelenkoers, en de onderste bevat de ATR berekend
34
op basis van de prijs van de afgelopen 14 dagen. Wat de lezer niet mag vergeten bij de
interpretatie van de ATR, is dat er een time-lag is. De koersen worden tot 14 beursdagen
na datum in rekening genomen bij de ATR. Er zit dus een vertragend effect op, waardoor
grote fluctuaties pas iets later in de ATR tot uiting zullen komen.
Met bovenstaande informatie kan de ATR grafisch geınterpreteerd worden. Het is
duidelijk dat de koers in maart 2013 niet echt volatiel is, aangezien het verschil tussen
de dagelijks hoogste en laagste koers relatief klein is. Dit komt tot uiting in de
onderste grafiek, waarbij de ATR relatief laag is. Vanaf april 2013 zijn er enkele grotere
fluctuaties. Hierdoor klimt de ATR naar de 0,85. Vanaf midden mei 2013 stoppen de
grote fluctuaties, en zet de grafiek een stabiele koersklim in. Deze stabiliteit uit zich in
de daling van de ATR tot 0,55. Op het einde van juni 2013 zijn er weer enkele dagen
waarbij er een groot verschil is tussen de hoogste en laagste dagkoers. Hierdoor klimt
de ATR weer tot bijna aan 0,75.
Via bovenstaande illustratie is aangetoond dat de ATR een goede indicator is voor de
stabiliteit van aandelenkoersen. Er moeten wel enkele aanpassingen gemaakt worden
aan de berekeningsprocedure om de ATR toe te passen in een projectomgeving. Deze
modificaties zijn nodig om twee redenen. Ten eerste zijn projecten niet eeuwigdurend in
tegenstelling tot aandelenprijzen. Ten tweede is er geen hoogste en laagste voorspelling
per opvolgingsperiode. Er is maar een voorspelling per opvolgingsperiode, waardoor we
niet exact dezelfde ATR-formule kunnen gebruiken als bij de aandelenkoersen.
Om bovenstaande redenen zal de True Range (TRi) van de voorspellingen xi voor de
opvolgingsperiode i, berekend worden op de volgende manier:
TRi = abs(xi − xi−1)
waarbij i ∈ 1, ..., n
Deze berekening leunt trouwens het dichtste aan bij de eerste definitie van stabiliteit.
Daarin wordt stabiliteit namelijk gerelateerd aan de fluctuaties van de voorspellingen
van opvolgingsperiode tot opvolgingsperiode. Dit is nog een reden waarom ATR een
geschikte maatstaf is voor deze definitie.
Om de uiteindelijke ATR te berekenen moet enkel nog bepaald worden over
hoeveel opvolgingsperioden het gemiddelde berekend wordt. Ter illustratie wordt
hieronder een voorbeeld gegeven van de ATR over drie opvolgingsperioden van twee
projectvoorspellingen. Dezelfde projectvoorspellingen worden gebruikt als in figuur 3.1:
35
0
0,5
1
1,5
2
2,5
3
3,5
4
4,5
5
1 2 3 4 5 6 7 8 9 10 11 12 13 14
ATR
Opvolgingsperiode
Methode 1
Methode 2
Figuur 3.4: ATR van twee projectvoorspellingen
Door een vergelijking te maken van de twee ATRs is het duidelijk dat methode 1 de meest
onstabiele is. De ATR stijgt indien de fluctuaties - zowel de positieve als de negatieve -
groter worden.
Maar net zoals bij de CV-maatstaf moet de ATR zodanig berekend worden dat er met
maar een getal vergeleken moet worden om te kijken welke methode en/of welk project
het meest stabiel is. Om die reden wordt de ATR van elk project over de hele tijdsduur
berekend.
Als laatste vindt een finale correctie plaats, waarbij de ATR gedeeld wordt door de
gemiddelde voorspelde waarde. Langere projecten met eenzelfde stabiliteit als kortere
projecten zullen grotere absolute fluctuaties vertonen. Het zijn deze absolute fluctuaties
die opgenomen worden in de formule, en indien er geen correctie zou plaatsvinden zouden
langere projecten een lagere stabiliteit vertonen t.o.v. kortere projecten. Deze laatste
correctie zorgt ervoor dat deze absolute fluctuaties gecorrigeerd worden voor de tijdsduur
van het project, waardoor projecten van verschillende tijdsduren toch vergeleken kunnen
worden. De formule voor ATR zoals ze in de simulatie zal gebruikt worden, kan de lezer
36
hieronder terugvinden:
TRi = abs(xi − xi−1)
ATR =
∑Ni=1 TRi
N× 1
µ
Met µ =
∑Ni=1 xiN
Wat nog de meest logische maatstaf zou zijn voor stabiliteit, is deze die de afwijking meet
t.o.v. de werkelijke duurtijd van het project. Maar deze maatstaf is zeer onpraktisch voor
de projectmanagers, waardoor ze in deze thesis niet in beschouwing genomen wordt. Zo’n
maatstaf kan namelijk enkel op het einde van een project berekend worden waardoor de
projectmanagers er in de loop van het project geen gebruik van kunnen maken.
Hoofdstuk 4
Simulatieopstelling
4.1 Inleiding
In deze thesis wordt de stabiliteit van de negen voorspellingsmethoden onderzocht
a.d.h.v. een Monte Carlo simulatie. Hierbij wordt gekeken in welke mate de stabiliteit
van de voorspellingsmethoden varieert, en onder invloed van welke factoren deze variatie
het sterkst is. Deze Monte Carlo simulatie wordt gebruikt om sneller en correcter
bepaalde veronderstellingen te testen. Met behulp van een Monte Carlo simulatie kan er
gemakkelijk een bepaalde variatie opgelegd worden aan de assumpties (inputvariabelen),
waarvan dan ook het effect op de stabiliteit (de outputvariabele) opgeslagen kan worden.
Het aanbrengen van deze variaties en de datacollectie zou manueel zeer tijdrovend zijn,
waardoor de Monte Carlo simulatie in deze thesis zeker zijn waarde zal kunnen tonen.
In dit onderdeel wordt de hele opzet van de simulatie verder beschreven. Sectie
4.2 beschrijft kort welke projectnetwerken gebruikt werden. In sectie 4.3 wordt een
beschrijving gegeven van hoe de projectuitvoering in zijn werk gaat en welke de gebruikte
kansverdelingen zijn van de inputvariabelen. Nadien wordt in sectie 4.4 bepaald welke
maatstaven de stabiliteit zullen meten. Ook wordt een kort stuk geschreven over de
keuze van het aantal simulatie-runs, wat bekeken wordt in sectie 4.5. Tenslotte wordt in
sectie 4.6 een overzicht gegeven van de output die de simulatie heeft gegenereerd. Deze
thesis wordt bijgestaan door een tool voor Monte Carlo simulaties, nl. P2 Engine. Deze
tool zal samen met de Lua-coderingstaal enkele functies aanbieden die het programmeer
werk gemakkelijker maken voor de eindgebruiker.
37
38
4.2 Projectnetwerken
Binnen de P2 Engine tool worden er 4 indicatoren van de topologische structuur van de
projectnetwerken gebruikt. Deze indicatoren worden doorheen de simulatie opgevolgd
om later conclusies te trekken rond de resultaten m.b.t. deze indicatoren. Hieronder
volgt een bespreking van die 4 indicatoren van de structuur van een projectnetwerk:
• De eerste indicator, SP (Serial Parallel), meet de mate waarin een projectnetwerk
eerder serieel of eerder parallel is. Hoe hoger (lager) deze SP, hoe meer serieel
(parallel) de activiteiten in het netwerk zijn. Binnen het projectnetwerk wordt
gekeken naar de activiteitenketen met het meeste aantal activiteiten. Die keten
is de langste keten van seriele activiteiten en bepaalt de SP. Hoe meer serieel een
project is, hoe langer de langste keten is. En aangezien de langste keten de kritische
activiteiten bevat, is de SP ook een indicator van de verhouding tussen de kritische
en de niet-kritische activiteiten.
• AD (Activity Distribution) is de tweede indicator. AD duidt de verdeling aan van
de activiteiten over de levels van het project. Het aantal levels binnen een project
wordt bepaald door het aantal activiteiten in zijn langste keten. Hoe kleiner AD,
hoe beter de activiteiten verdeeld zijn, en hoe beter de werklast van het project
gespreid is over zijn duurtijd.
• De derde indicator is LA (Length of Arcs). Deze bepaalt de mate waarin de
activiteiten elkaar direct opvolgen als het project aanvangt aan (een) activiteit(en)
op het volgende level. Hoe kleiner LA, hoe vaker er een opvolger is op het
volgende level. Als het vaak voorkomt dat er opvolgers zijn voor veel activiteiten
op het volgende level, dan zijn de opties om activiteiten te verschuiven over de
duurtijd van het project zeer gelimiteerd. LA kan dus ook geınterpreteerd worden
als de mate waarin er vrijheid is om de activiteiten te verschuiven (zonder de
volgtijdelijkheidsrelaties te schenden natuurlijk).
• TF (Topological Float) is de laatste indicator en is een maatstaf voor de
bewegingsvrijheid van alle activiteiten. De bewegingsvrijheid, en dus TF, wordt
gedefinieerd als de mate waarin de activiteiten kunnen verschuiven zonder het
maximale level van het project te overschrijden. Dit maximale level werd bepaald
door de SP indicator. Hoe hoger TF, hoe meer mogelijkheden er zijn om de
activiteiten te verschuiven zonder het maximale level te overschrijden.
39
Deze thesis maakt gebruikt van een set van 900 projecten gegenereerd door prof. dr.
Vanhoucke (2009). Deze 900 projecten vertonen een grote variatie in de 4 topologische
indicatoren, waardoor met een grote significantie kan gekeken worden naar de verschillen
in de resultaten van deze simulatie.
4.3 Projectuitvoering
De resultaten worden verkregen door het uit voeren van een Monte Carlo simulatie. De
projecten hebben twee variabele aspecten: een tijdsaspect en een kostenaspect. Beide
aspecten zijn onderhevig aan een bepaalde kansverdeling, en dit geeft de variatie in de
eindresultaten. Opdat de eindresultaten betrouwbaar zouden zijn, worden de duurtijden
en kosten natuurlijk meermaals gesimuleerd.
4.3.1 Kansverdeling van de kosten van de activiteiten
De kosten van een bepaalde activiteit worden bepaald door een uniforme verdeling. Dit
wil zeggen dat er willekeurig uit een vooropgesteld interval kosten worden toegewezen
aan de activiteiten. Binnen deze simulatie wordt gewerkt met een interval van 10 tot
100. Deze getallen zijn de kost in euro van het werken aan een activiteit gedurende 1
tijdseenheid. Om dus tot de totale kost per activiteit te komen moet het willekeurig
getal vermenigvuldigd worden met de tijdsduur van de activiteit. Deze kansverdeling
zal een grote invloed hebben op de parameters die berekend worden op basis van de PV.
4.3.2 Kansverdeling van de tijdsduur van de activiteiten
Deze simulatie maakt gebruik van 6 scenario’s die elk een vooropgestelde verdeling van
de tijdsduren van de activiteiten bepalen. Deze verdelingen zijn triangulair en worden
bepaald door 3 tijdsduren en hun bijhorende kansen. De 3 tijdsduren zijn de minimale, de
maximale en de meest waarschijnlijke tijdsduur van de activiteit. Van deze 6 verdelingen
zijn er 2 symmetrisch, 2 links-scheef en 2 rechts-scheef. Binnen deze 3 groepen zijn er
telkens 2 verdelingen: 1 met een kleine spreiding en 1 met een grote of extreme spreiding.
40
Scenario Beschrijving
1 Op tijd (kleine spreiding)
2 Normaal (grote spreiding)
3 Vroeg
4 Altijd vroeg
5 Laat
6 Altijd laat
Tabel 4.1: Tijdsduur-scenario’s gebruikt in de simulatie
Elke triangulaire verdeling bevat zoals vermeld 3 punten. Een van deze punten bevat
de meest waarschijnlijke tijdsduur, en deze tijdsduur is terug te vinden in de baseline
schedule van het project. Dit punt wordt gedefinieerd als de modus m. De twee andere
punten tonen de twee uitersten van de mogelijke tijdsduren. Punt a geeft weer wat de
kleinst mogelijk tijdsduur is, terwijl punt b toont wat de grootst mogelijke tijdsduur is.
Deze drie punten worden in onderstaande tabel weergegeven met hun corresponderende
scenario.
Scenario a m b
Op tijd 0,8 1 1,2
Normaal 0,5 1 1,5
Vroeg 0,5 1 1,2
Altijd vroeg 0,5 1 1
Laat 0,8 1 1,5
Altijd laat 1 1 1,5
Tabel 4.2: Definiering van de 6 triangulaire verdelingen
Binnen de simulatie wordt voor elke activiteit voor elke run een nieuwe tijdsduur bepaald.
Hierdoor zullen de tijdsduren optimaal de vooropgestelde verdelingen volgen, en zal
de simulatie een betrouwbaar eindresultaat opleveren. De kosten worden eenmalig
toegewezen aan de activiteiten aan de start van de simulatie, en zullen dus niet varieren
over het aantal runs.
41
4.4 Prestatiemaatstaven
In deze sectie wordt nog kort samengevat welke maatstaven gebruikt worden voor welke
definitie van stabiliteit, en wat nu precies die verschillen zijn tussen de twee maatstaven.
De CV-maatstaf zal gebruikt worden voor beide definities van stabiliteit. Voor
definitie 1 wordt het gemiddelde berekend over de opvolgingsperioden binnen een
run, en voor definitie 2 wordt het gemiddelde genomen over de runs bij eenzelfde
projectvoltooiingsgraad. De ATR wordt dan weer enkel gebruikt voor definitie 1. De
maatstaf heeft namelijk geen nut als die niet binnen eenzelfde run berekend wordt.
De twee maatstaven verschillen uiteindelijk op twee vlakken. Ten eerste is er een verschil
in de basis waartegenover de afwijkingen berekend worden. Bij de CV is de basis
de gemiddelde voorspelling, terwijl dit bij de ATR de voorspelling van de voorgaande
periode is. Dit maakt ook dat de CV-maatstaf niet echt praktisch is.
Ten tweede worden de afwijkingen bij de CV gekwadrateerd, terwijl dit bij de ATR niet
gebeurt. Deze twee verschillen zijn interessant om te weten wanneer we overgaan tot de
interpretatie van de simulatieresultaten.
De maatstaven kunnen bij de interpretatie wel wat verwarring scheppen. Hoe hoger de
waarde van deze maatstaven, hoe lager de stabiliteit. De lezer is dus enige voorzichtigheid
geboden als de resultaten in het volgende hoofdstuk geınterpreteerd worden.
In de tabel hieronder kan de lezer een samenvatting terugvinden van de gebruikte
maatstaven, die als referentie kan dienen in de volgende delen van de thesis:
Maatstaf Beschrijving
1 De CV over de opvolgingsperioden, binnen eenzelfde run
2 De CV over de runs van eenzelfde project, op een vaste voltooiingsgraad
3 De ATR over de opvolgingsperioden, binnen eenzelfde run
Tabel 4.3: Gebruikte maatstaven voor stabiliteit in de simulatie
4.5 Projectopvolging
In deze sectie wordt bekeken hoe de resultaten van de simulatie bekomen worden. Zoals
vermeld wordt gewerkt met de 900 projectnetwerken uit de dataset van Vanhoucke
42
(2009) die een grote verscheidenheid heeft m.b.t. de topologische indicatoren. Er wordt
besproken wat de keuze is van het aantal runs, en hoe de output gegenereerd wordt die
ons de maatstaven zal geven.
4.5.1 Het aantal runs
Bij het bepalen van de runs is er natuurlijk een trade-off. Bij een laag aantal runs zal de
simulatie snel output kunnen genereren, maar zal de vooropgestelde distributie van de
tijdsduren minder benaderd worden. Bij een zeer hoog aantal runs zal de vooropgestelde
distributie met een grote precisie benaderd worden, maar daardoor kan de simulatie heel
lang duren.
In essentie moet er dus een afweging plaatsvinden van tijd en accuratesse. Elke extra run
zal bijdragen tot de precisie van de resultaten, maar die extra precisie zal kleiner worden
hoe hoger het aantal runs. Hoe dan ook zullen meer runs voor meer nauwkeurigheid
zorgen.
Het aantal runs werd op de volgende manier bekomen: voordat de simulatie-parameters
definitief vastgelegd waren, werden er enkele simulaties uitgevoerd maar telkens met
een andere waarde voor het aantal runs. Er werd vertrokken van 100 runs, wat het
minimum is om de triangulaire verdeling te benaderen, en er werd voorlopig enkel een
scenario gebruikt. Dit aantal runs werd telkens verhoogd, en de tijduur groeide lineair
mee. In de onderstaande grafiek kan de lezer het lineaire verband duidelijk opmerken.
43
0,0
2,0
4,0
6,0
8,0
10,0
12,0
0 200 400 600 800 1000 1200
Tijd
sdu
ur
van
de
sim
ula
tie
(in
ure
n)
Aantal runs
Figuur 4.1: Verband tussen simulatietijd en het aantal runs
Uiteindelijk werd voor 1000 runs gekozen omdat de totale tijdsduur om te simuleren nog
binnen een redelijk termijn bleef (132 uren voor alle scenario’s en maatstaven), en omdat
er met 1000 runs een hoge precisie bekomen werd. Hieronder kan de lezer zien dat de
triangulaire verdeling met een redelijke nauwkeurigheid bereikt werd bij het simuleren
van 1000 runs:
44
0
5
10
15
20
25
30
35
40
30
34
38
42
46
50
54
58
62
66
70
74
78
82
86
90
94
98
102
106
110
114
118
122
126
130
Frequentie
Verzamelbereik
Figuur 4.2: Triangulaire verdeling van de mogelijke tijdsduren: Simulatietest
4.6 Output
In deze sectie wordt de vorm en inhoud van de output beschreven. Zoals
hierboven vermeld, worden er drie maatstaven geregistreerd, en dit telkens voor de 6
vooropgestelde distributieverdelingen van de tijdsduren. Elke soort maatstaf voor elke
distributieverdeling wordt naar een apart bestand geschreven bij het simuleren. De
output van de simulatie zal in het totaal dus bestaan uit 18 verschillende bestanden.
Het grote aantal bestanden kan verwarring scheppen, maar dit heeft wel degelijk
zijn nut. Er wordt in deze thesis niet enkel gekeken naar wat de meest stabiele
voorspellingsmethode is, maar er wordt ook bekeken hoe de stabiliteit wijzigt bij een
andere kansverdeling en bij een andere maatstaf. Om ook die vergelijking te maken,
moet zoveel mogelijk informatie uit de simulatie opgeslagen worden.
De vorm van de bestanden is voor alle zes de distributieverdelingen dezelfde. Er zit enkel
verschil in afhankelijk van de gebruikte maatstaf, wat ervoor zorgt dat de bestanden dus
45
in drie groepen in te delen zijn. De waarden voor de maatstaven zijn in de drie gevallen
kleine getallen, en ze worden met vier cijfers na de komma naar het bestand geschreven.
Hoofdstuk 5
Resultaten
Zoals hiervoor beschreven staat, geeft de simulatie na voltooiing 18 bestanden met
daarin de waarden voor de maatstaven van stabiliteit. In sectie 5.1 wordt bekeken
hoe die resultaten geınterpreteerd zullen worden, en met behulp van welke analyses
dit zal gebeuren. Vervolgens wordt in sectie 5.2 een rapportering van de resultaten
gegeven. Sectie 5.3 gaat dieper in op het verband tussen stabiliteit en de vier topologische
indicatoren, terwijl in sectie 5.4 een vergelijking wordt gemaakt tussen de stabiliteit en
de nauwkeurigheid.
5.1 Onderzoeksvragen
De conclusies van de gemaakte analyses moeten een antwoord bieden op de volgende
onderzoeksvragen die onderverdeeld zijn in drie groepen:
De onderzoeksvragen in groep 1 evalueren de stabiliteit volgens de eerste definitie m.b.v.
de CV-maatstaf:
• OV1: Welke voorspellingsmethode is het meest stabiel over de opvolgingsperioden?
• OV2: In welke mate verschilt de stabiliteit bij een kleinere spreiding van de
tijdsduur van de activiteiten?
• OV3: In welke mate verschilt de stabiliteit bij een andere verdeling (vroeg of laat)
van de tijdsduur van de activiteiten?
46
47
• OV4: Wat is het effect op de stabiliteit over de opvolgingsperiodes van een extreme
verschuiving van de mogelijke tijdsduren van de activiteiten?
De onderzoeksvragen in groep 2 evalueren de stabiliteit volgens de eerste definitie m.b.v.
de CV-maatstaf:
• OV5: Hoe verloopt de stabiliteit van de voorspellingsmethoden bij een stijgende
projectvoltooiing?
• OV6: Hoe verloopt de stabiliteit bij een stijgende projectvoltooiing indien er een
kleinere spreiding van de tijdsduur van de activiteiten mogelijk is?
• OV7: Hoe verloopt de stabiliteit bij een stijgende projectvoltooiing indien er een
vroege of late spreiding van de tijdsduur van de activiteiten mogelijk is?
• OV8: Wat is het effect op de stabiliteit bij een stijgende projectvoltooiing van een
extreme verschuiving van de mogelijke tijdsduren van de activiteiten?
De onderzoeksvraag in groep 3 bekijkt de gelijkenissen of verschillen tussen de
CV-maatstaf en de ATR-maatstaf:
• OV9: Is ATR ook een goede stabiliteitsmaatstaf, net zoals CV?
5.2 Evaluatie
In dit deel worden de analyses gemaakt die als doel hebben de onderzoeksvragen te
beantwoorden. Omdat de verkregen waarden voor CV en ATR zeer klein zijn, worden
deze met 1000 vermenigvuldigd. Dit maakt de resultaten overzichtelijker voor de lezer.
5.2.1 Onderzoeksvragen m.b.t. de eerste definitie van stabiliteit
Onderzoeksvraag 1: Welke voorspellingsmethode is het meest stabiel over
de opvolgingsperioden?
Uit onderstaande grafiek blijkt dat de meest stabiele methoden de PV1, de ED1 en de
ES1 zijn. Dit was te verwachten aangezien de methoden met index 1 het minst gebruik
48
maken van de informatie die in de loop van het project verschaft wordt (werkelijke
kosten, AC en werkelijke tijdsduren, AD). Deze methoden steunen dus meer op de initieel
bekomen waarden volgens de baseline schedule, en wijzigen niet of minder in de loop van
het project. Voor de drie groepen van voorspellingsmethoden (PV, ED en ES) valt er op
te merken dat er bij een stijgende index - ongeveer in dezelfde mate voor elke groep - een
daling is van de stabiliteit. Dit geeft het vermoeden dat de stabiliteit niet zozeer afhangt
van de gebruikte methode (PV, ED of ES) maar eerder van de gebruikte index (1, 2 of
3). De methode die uiteindelijk het meest stabiel is, is de ED1 voorspellingsmethode.
23
58
90
22
58
88
26
73
103
0
20
40
60
80
100
120
PV1 PV2 PV3 ED1 ED2 ED3 ES1 ES2 ES3
CV
(in
du
ize
nd
ste
n)
Voorspellingsmethode
Figuur 5.1: CV over de opvolgingsperioden in het scenario ‘Normaal’
Onderzoeksvraag 2: In welke mate verschilt de stabiliteit bij een kleinere
spreiding van de tijdsduur van de activiteiten?
Hiervoor bekijken we het verschil in stabiliteit tussen de verkregen waarden van de
simulatie met de normale spreiding (het ‘Normaal’ scenario) en de verkregen waarden
van de simulatie met de kleine spreiding (het ‘Op Tijd’ scenario). De lezer kan het
effect van een kleinere spreiding van de tijdsduren op de stabiliteit het beste aflezen uit
onderstaande grafiek.
49
0
20
40
60
80
100
120
PV1 PV2 PV3 ED1 ED2 ED3 ES1 ES2 ES3
CV
(in
du
ize
nd
ste
n)
Voorspellingsmethode
'Normaal' scenario
'Op tijd' scenario
Figuur 5.2: Vergelijking van de CV over de opvolgingsperioden bij een verschillende
spreiding van de mogelijke tijdsduren.
De lezer kan gemakkelijk opmerken dat de stabiliteit in alle methoden groter zal zijn, als
de tijdsduren van de activiteiten een nauwer interval hebben van waarden die ze kunnen
aannemen. Maar in vergelijking met de voorgaande analyse zit er nu wel degelijk een
verschil tussen de voorspellingsmethoden. De Earned Schedule-methode vertoont een
kleinere stijging in stabiliteit in het ‘Op Tijd’ scenario t.o.v. het ‘Normaal’ scenario. Deze
stijging van stabiliteit (en dus daling van de maatstaf) is bij de Planned Value-methode
en Earned Duration-methode veel groter. De Earned Duration-methode in het bijzonder
is sterk gevoelig voor de mogelijke spreiding van de tijdsduur van de activiteiten. Deze
methode toont dan ook de sterkste stijging in stabiliteit als gevolg van het laten simuleren
van de tijdsduren in een kleiner interval.
Onderzoeksvraag 3: In welke mate verschilt de stabiliteit bij een andere
verdeling (vroeg of laat) van de tijdsduur van de activiteiten?
Vervolgens werd bekeken hoe de gemiddelde stabiliteit wijzigt als er niet enkel
een kleinere variatie, maar ook een verschuiving van de gemiddelde tijdsduur
50
optreedt. Hiervoor worden de scenario’s ‘Vroeg’, ‘Normaal’ en ‘Laat’ vergeleken per
voorspellingsmethode.
Deze keer worden de stabiliteiten niet uitgezet op een grafiek aangezien ze dan visueel
overbelast wordt. Er wordt nu namelijk niet naar een scenario gekeken, maar drie
scenario’s. De gemiddelde stabiliteiten worden per scenario uitgedrukt als percentage
van de gemiddelde stabiliteit in het ‘Normaal’ scenario. Op die manier kan de lezer
optimaal zien hoe de verwachte stabiliteit wijzigt wanneer er wordt uitgegaan van een
ander scenario. Een percentage hoger (lager) dan 100% wil zeggen dat de stabiliteit in
dat scenario lager (hoger) is dan in het ‘Normaal’ scenario.
CV over opvolgingsperioden
Methode PV1 PV2 PV3 ED1 ED2 ED3 ES1 ES2 ES3
Vroeg 159% 105% 92% 158% 105% 101% 150% 79% 86%
Laat 104% 83% 72% 116% 80% 78% 110% 79% 77%
Tabel 5.1: Gemiddelde stabiliteit in het scenario ‘Vroeg’ en ‘Laat’
Uit de bovenstaande resultaten kunnen twee zaken afgeleid worden. Ten eerste, de
mate waarin de gemiddelde stabiliteit voor de scenario’s ‘Vroeg’ en ‘Laat’ verschilt
van de gemiddelde stabiliteit in het ‘Normaal’ scenario hangt af van de index van de
voorspellingsmethode. Bij de methoden met index 1 is de gemiddelde stabiliteit veel
lager dan bij de methoden met een andere index. Wanneer er dus gebruik wordt gemaakt
van een hogere index, zal er bij de stabiliteit ook een verhoging optreden.
Ten tweede is er niet alleen een verschil tussen de gebruikte index, maar ook tussen
het gebruikte scenario. Een voorspellingsmethode zal gemiddeld een hogere stabiliteit
vertonen in een ‘Laat’ scenario dan in een ‘Vroeg’ scenario. Enkel de ES2- en
ES3-methode doorbreken deze trend. Bij deze twee voorspellingsmethoden zit er weinig
verschil in welke mate hun gemiddelde stabiliteit wijzigt.
Onderzoeksvraag 4: Wat is het effect op de stabiliteit over de
opvolgingsperiodes van een extreme verschuiving van de mogelijke tijdsduren
van de activiteiten?
Deze keer worden aan de projecten extreme omstandigheden opgelegd. Hierbij is het
bijna onmogelijk voor de projecten om hun baseline schedule te volgen aangezien de
51
projecten nooit te vroeg zullen zijn in het ene scenario en nooit te laat in het andere. Net
als bij de voorgaande onderzoeksvraag worden de gemiddelde stabiliteiten in de extreme
scenario’s uitgedrukt als percentage van de gemiddelde stabiliteit in het ‘Normaal’
scenario. Dit geeft de volgende resultaten m.b.t. de stabiliteit:
CV over opvolgingsperioden
Methode PV1 PV2 PV3 ED1 ED2 ED3 ES1 ES2 ES3
Altijd vroeg 221% 122% 96% 223% 121% 114% 214% 67% 85%
Altijd laat 160% 111% 79% 190% 98% 98% 177% 62% 73%
Tabel 5.2: Gemiddelde stabiliteit in het scenario ‘Altijd vroeg’ en ‘Altijd laat’
Hierbij is het duidelijk dat we tot dezelfde conclusie komen al bij de vorige
onderzoeksvraag. De stabiliteit zal gemiddeld meer dalen in het ‘Altijd vroeg’ scenario
dan dat dit in het ‘Altijd laat’ scenario zal gebeuren. Ook de keuze van de index heeft
nog steeds een grote invloed op hoe de stabiliteit wijzigt bij het veronderstellen van een
extreem scenario. Deze percentages zijn wel vaak hoger dan in de voorgaande resultaten,
wat te wijten is aan de verschuiving van het duurtijdsinterval van de activiteiten. In de
scenario’s ‘Altijd vroeg’ en ‘Altijd laat’ is deze verschuiving namelijk veel groter dan bij
de scenario’s ‘Vroeg’ en ‘Laat’.
5.2.2 Onderzoeksvragen m.b.t de tweede definitie
Onderzoeksvraag 5: Hoe verloopt de stabiliteit van de
voorspellingsmethoden bij een stijgende projectvoltooiing?
Bij deze analyse bekijken we niet de stabiliteit van de voorspellingen over de tijdsduur
van het project, maar bekijken we de spreiding van de voorspellingen over de runs. Op
die manier krijgen we een idee van de evolutie van de stabiliteit doorheen het verloop van
het project, en krijgt de projectmanager een indicatie in welke mate zijn voorspellingen
kunnen wijzigen. Als eerste bekijken we opnieuw welke de meest stabiele methoden zijn.
52
‘Normaal’ scenario
Methode PV1 PV2 PV3 EV1 EV2 EV3 ES1 ES2 ES3
25 PC 26 106 181 22 106 166 20 108 167
50 PC 42 84 139 35 84 115 34 87 117
75 PC 52 69 114 46 69 83 47 75 89
Tabel 5.3: Evolutie van de stabiliteit (CV) van elke voorspellingsmethode over drie
voltooiingsgraden
Het is duidelijk dat voor de 3 verschillende tijdstippen (bepaald door de Percentage
Completed, PC), de ED1 en ES1 methode telkens het meeste stabiel zijn t.o.v. de 7
andere voorspellingsmethoden.
Maar hetgeen het meeste opvalt is opnieuw de mate waarin de stabiliteit afhangt van
de gebruikte index. De stabiliteit bij de methoden met index 1 zullen gemiddeld kleiner
worden naarmate de projecten voltooid geraken. De CV-maatstaf wordt namelijk groter
bij een stijgende voltooiingsgraad. Bij de methoden op basis van index 2 en 3 valt net
het omgekeerde op te merken. De stabiliteit verhoogt naarmate het project afgewerkt
geraakt. Deze resultaten zijn in overeenstemming met de studie van de CPI-stabiliteit
van Christensen (1993b), die reeds in de literatuurstudie besproken werd. Daarin werd
aangetoond dat de CPI nauwelijks fluctueert eens het project voor 20% afgewerkt is.
En aangezien de CPI gebruikt wordt bij de voorspellingsmethoden met index 3, uit deze
toenemende stabiliteit zich ook in de voorspellingen.
Onderzoeksvraag 6: Hoe verloopt de stabiliteit bij een stijgende
projectvoltooiing indien er een kleinere spreiding van de tijdsduur van de
activiteiten mogelijk is?
Analoog aan onderzoeksvraag 2 wordt nu bekeken wat het effect is op de stabiliteit als
er een kleinere spreiding van de tijdsduren van de activiteiten mogelijk is. Hiervoor
wordt de data gebruikt die gegenereerd is bij de simulatie met het ‘Normaal’ scenario
en met het ‘Op Tijd’ scenario. Om opnieuw overbelasting van de grafiek te voorkomen
wordt de gemiddelde stabiliteit in het ‘Op Tijd’ scenario uitgedrukt als percentage van
de gemiddelde stabiliteit in het ‘Normaal’ scenario.
53
% wijziging tussen ‘Op tijd’ en ‘Normaal’
Methode PV1 PV2 PV3 EV1 EV2 EV3 ES1 ES2 ES3
25 PC 41% 41% 40% 42% 41% 40% 43% 43% 42%
50 PC 42% 42% 41% 42% 42% 41% 42% 42% 41%
75 PC 43% 43% 42% 43% 43% 43% 41% 42% 41%
Tabel 5.4: Gemiddelde stabiliteit in het ‘Op tijd’ scenario
Men kan zien dat de grootte van de spreiding van de mogelijk tijdsduren van de
activiteiten, voor zowel iedere methode als voltooiingsgraad, een even groot effect heeft.
De CV-maatstaf in het ‘Op Tijd’ scenario is overal gemiddeld maar 42% t.o.v. de
CV-maatstaf in het ‘Normaal’ scenario. Deze resultaten tonen aan dat de grootte van de
spreiding van het tijdsduurinterval van de activiteiten een consistente invloed uitoefent
over de hele projectduur en over alle methoden.
Onderzoeksvraag 7: Hoe verloopt de stabiliteit bij een stijgende
projectvoltooiing indien er een vroege of late spreiding van de tijdsduur van
de activiteiten mogelijk is?
Vervolgens gaan we weer op zoek naar verschillen tussen de scenario’s ‘Normaal’, ‘Vroeg’
en ‘Laat’. Er wordt telkens opnieuw gekeken wat er met de stabiliteit gebeurt, en in welke
mate er een wijziging optreedt. Om alles overzichtelijk te houden, wordt de gemiddelde
stabiliteit in de twee scenario’s ‘Vroeg’ en ‘Laat’ opnieuw uitgedrukt als percentage van
de gemiddelde stabiliteit in het scenario ‘Normaal’. In de laatste kolom bevindt zich
de gemiddelde stabiliteit over de negen voorspellingsmethoden. Op die manier krijgt de
lezer een globaal zicht van de stabiliteit over de drie voltooiingsgraden. De percentages
zijn terug te vinden in onderstaande tabel:
54
PV1 PV2 PV3 ED1 ED2 ED3 ES1 ES2 ES3 Globaal
CV over runs (25%)
Vroeg 71% 78% 79% 73% 78% 78% 72% 77% 78% 76%
Laat 70% 64% 64% 67% 64% 65% 69% 64% 64% 66%
CV over runs (50%)
Vroeg 72% 76% 78% 73% 76% 76% 74% 79% 78% 76%
Laat 67% 64% 64% 66% 64% 65% 68% 65% 65% 65%
CV over runs (75%)
Vroeg 74% 77% 78% 74% 77% 77% 76% 79% 78% 77%
Laat 60% 58% 61% 60% 58% 60% 68% 65% 66% 62%
Tabel 5.5: Gemiddelde stabiliteit in de scenario’s ‘Vroeg’ en ‘Laat’ in procent van de
gemiddelde stabiliteit van het scenario ‘Normaal’
Het valt op dat de percentages per scenario quasi gelijk zijn, op een afwijking van
maximaal 5% na. Met het scenario ‘Vroeg’ zal de gemiddelde stabiliteit ongeveer 76%
van de gemiddelde stabiliteit bij het scenario ‘Normaal’ zijn. Ook voor het scenario ‘Laat’
is de stabiliteit gemiddeld ongeveer 64% van de stabiliteit in het ‘Normaal’ scenario. De
gemiddelden van de negen voorspellingsmethoden (kolom ‘Globaal’) zijn bijna exact
gelijk over de drie voltooiingsgraden. Dit wil zeggen dat het tijdstip van het project
geen rol speelt bij hoeveel gemiddelde stabiliteit opgemeten wordt, als vergeleken wordt
met het ‘Normaal’ scenario.
Zoals in analyse 6 is aangetoond heeft de grootte van de opgelegde spreiding van de
tijdsduren een groot effect op de gemiddelde stabiliteit. Maar voor deze vergelijking is
er bij de scenario’s ‘Vroeg’ en ‘Laat’ gebruik gemaakt van een even grote spreiding.
Aangezien de stijging in stabiliteit toch verschilt tussen de twee scenario’s kan er
geconcludeerd worden dat er nog andere factoren zijn dan de grootte van de spreiding
van de mogelijke tijdsduren die deze stabiliteit beınvloeden.
Onderzoeksvraag 8: Wat is het effect op de stabiliteit bij een stijgende
projectvoltooiing van een extreme verschuiving van de mogelijke tijdsduren
van de activiteiten?
Zoals hiervoor besproken, worden aan de projecten extreme omstandigheden opgelegd.
Deze omstandigheden zitten vervat in de twee scenario’s ‘Altijd laat’ en ‘Altijd vroeg’.
55
Bij deze scenario’s zullen de projecten nooit hun baseline schedule kunnen volgen, wat
interessante resultaten kan opleveren. Deze resultaten van de drie scenario’s worden
hieronder besproken. Volgende gegevens worden gebruikt voor de analyse :
PV1 PV2 PV3 ED1 ED2 ED3 ES1 ES2 ES3
CV over runs (25%)
Altijd vroeg 15 70 123 13 70 110 12 73 113
Normaal 26 106 181 22 106 166 20 108 167
Altijd laat 13 46 81 10 46 75 10 48 76
CV over runs (50%)
Altijd vroeg 25 54 93 21 54 75 21 60 79
Normaal 42 84 139 35 84 115 34 87 117
Altijd laat 20 36 62 16 36 51 17 40 55
CV over runs (75%)
Altijd vroeg 32 45 76 28 45 55 30 52 60
Normaal 52 69 114 46 69 83 47 75 89
Altijd laat 20 25 46 18 25 32 23 35 43
Tabel 5.6: Gemiddelde stabiliteit voor de scenario’s ‘Normaal’, ‘Altijd vroeg’ en ‘Altijd
laat’
Uit bovenstaande tabel kan al een zaak opgemerkt worden. Het is duidelijk dat voor
iedere projectvoltooiingsgraad van elk scenario, de voorspellingsmethoden met index 1
voor de hoogste stabiliteit zorgen (in het bijzonder ED1 en ES1). Deze conclusie hangt
echter niet af van het gebruikte scenario. Conclusie twee is dus dat de methode met
de beste gemiddelde stabiliteit onafhankelijk is van het scenario waarin het project zich
bevindt.
Verder valt op te merken dat de gemiddelde stabiliteit van alle methoden per scenario
sterk verschilt. Zonder twijfel komt dit ondermeer door de kleinere spreiding van de
tijdsduren die gebruikt wordt bij de twee extreme scenario’s. In de tabel hieronder wordt
telkens de gemiddelde stabiliteit weergegeven van elk van de twee extreme scenario’s, als
percentage van de gemiddelde stabiliteit in het ‘Normaal’ scenario.
56
PV1 PV2 PV3 ED1 ED2 ED3 ES1 ES2 ES3 Globaal
CV over runs (25%)
Altijd Vroeg 57% 66% 68% 59% 66% 66% 60% 67% 67% 64%
Altijd Laat 51% 44% 45% 48% 44% 45% 52% 45% 46% 46%
CV over runs (50%)
Altijd Vroeg 59% 65% 67% 60% 65% 65% 62% 69% 68% 64%
Altijd Laat 47% 43% 44% 46% 43% 45% 51% 46% 47% 46%
CV over runs (75%)
Altijd Vroeg 62% 65% 67% 61% 65% 65% 65% 69% 68% 65%
Altijd Laat 38% 36% 41% 39% 36% 38% 50% 47% 48% 42%
Tabel 5.7: Gemiddelde stabiliteit in de scenario’s ‘Altijd vroeg’ en ‘Altijd laat’ in percent
van de gemiddelde stabiliteit van het scenario ‘Normaal’
De conclusies van deze vergelijking zijn geheel in lijn met de voorgaande vergelijking
met minder extreme scenario’s. De gemiddelde stabiliteit in een ‘Altijd vroeg’ scenario
zal veel lager zijn dan de gemiddelde stabiliteit in een ‘Altijd laat’ scenario, ook al
wordt er een gelijke spreiding van de tijdsduren gebruikt. Net zoals bij de minder
extreme scenario’s ‘Vroeg’ en ‘Laat’, is de gemiddelde stabiliteit weinig varierend over
de negen voorspellingsmethoden en over de drie voltooiingsgraden. T.o.v. de gemiddelde
stabiliteit in het scenario ‘Normaal’ is de gemiddelde stabiliteit in een ‘Altijd vroeg’
scenario ongeveer 64%, en in een ‘Altijd laat’ scenario ongeveer 45%.
5.2.3 Onderzoeksvragen m.b.t. de vergelijking van de twee maatstaven
Onderzoeksvraag 9: Is ATR ook een goede stabiliteitsmaatstaf, net zoals
CV?
Bij de bovenstaande acht vergelijkingen werd telkens CV gebruikt als maatstaf voor
de stabiliteit. In vergelijking 9 wordt in deze thesis nagegaan in welke mate we tot
gelijkaardige conclusies komen als we ATR als maatstaf gebruiken i.p.v. CV. Ten eerste
wordt opnieuw het scenario ‘Normaal’ gebruikt om de twee maatstaven te vergelijken:
57
23
58
90
22
58
88
26
73
103
19
44
69
18
44
66
22
51
74
0
20
40
60
80
100
120
PV1 PV2 PV3 ED1 ED2 ED3 ES1 ES2 ES3
CV
of
AT
R (
in d
uiz
en
dst
en
)
Voorspellingsmethode
CV ATR
Figuur 5.3: Vergelijking van de CV en de ATR als maatstaf voor stabiliteit over de
opvolgingsperioden bij het scenario ‘Normaal’.
Er valt alvast op te merken dat de rangschikking van de methoden volgens ATR dezelfde
rangschikking geeft als wanneer CV wordt gebruikt. Ten tweede is het ook duidelijk dat
de waarden die ATR aangeeft voor stabiliteit, systematisch een stuk lager zijn dan de
waarden die CV geeft voor stabiliteit. Dit was te verwachten aangezien de afwijkingen
binnen de CV-formule gekwadrateerd worden en dit bij de ATR-formule niet gebeurt.
Om na te gaan of ATR een hogere (lagere) stabiliteit vertoont wanneer CV een
hogere (lagere) stabiliteit vertoont, wordt voor elk scenario de correlatie tussen beide
maatstaven gemeten. De correlaties worden per methode berekend en die resultaten kan
de lezer hieronder terugvinden:
58
PV1 PV2 PV3 EV1 EV2 EV3 ES1 ES2 ES3
Normaal 0,99 0,96 0,96 0,99 0,96 0,96 0,99 0,92 0,93
Op tijd 0,99 0,98 0,98 0,96 0,98 0,98 0,98 0,7 0,73
Vroeg 0,99 0,98 0,97 0,99 0,98 0,97 0,99 0,93 0,95
Laat 0,99 0,96 0,97 0,98 0,96 0,96 0,99 0,83 0,92
Altijd vroeg 0,99 0,98 0,97 0,99 0,98 0,98 0,99 0,95 0,98
Altijd laat 0,99 0,96 0,96 0,97 0,95 0,96 0,99 0,82 0,94
Tabel 5.8: Correlatie tussen CV en ATR als maatstaven voor stabiliteit
Uit bovenstaande tabel is gemakkelijk af te leiden dat er duidelijk een verband is tussen
de voorspellingen die gedaan worden volgens de Planned Value-, Earned Duration- en de
ES1-methode. De correlatie is daar systematisch heel hoog, ongeacht het scenario. Voor
de ES2 en ES3 methoden blijft de correlatie hoog, maar er treden duidelijk verschillen
op. Dit verschil is het grootst bij het scenario ‘Op Tijd’ dewelke een kleinere spreiding
van de mogelijke tijdsduren oplegt aan de activiteiten van de projecten. De correlatie is
daar amper 0,7 (ES2) en 0,73 (ES3), wat niet zo hoog is als bij de andere correlaties.
De hoge correlatie toont aan dat ATR ook een goede maatstaf kan zijn om de stabiliteit in
voorspellingen te meten. Uit figuur 5.3 blijkt ook dat de rangschikking van de stabiliteit
van de methoden volgens ATR identiek is aan de rangschikking volgens CV. Ook dit
bevestigt dat ATR een goede stabiliteitmaatstaf is.
5.3 Stabiliteit en de vier topologische indicatoren
In dit onderdeel worden de resultaten gegeven van een bijkomende test. Voor deze test
werd de simulatie licht aangepast. Er wordt nu een gemiddelde stabiliteit berekend per
projectnetwerk, en die gemiddelde stabiliteit wordt vergeleken met de vier topologische
indicatoren (SP, AD, LA en TF). Net zoals Elshaer (2013) de robuustheid van de
nauwkeurigheid bekeek, zal er in deze thesis ook gekeken worden naar de robuustheid
van stabiliteit. Deze test is bijkomstig en wordt niet zo gedetailleerd uitgevoerd als de
voorgaande testen. In dit onderdeel is het enkel de bedoeling om een idee te krijgen van
de mate van robuustheid van de gemiddelde stabiliteit die in de simulatie is verkregen.
De vraag die we ons stellen waarop volgende test een antwoord wil bieden is de volgende:
onder invloed van welke indicator(en) zal de stabiliteit gemiddeld hoger of lager zijn?
Deze test heeft een groot praktisch nut. Een projectmanager kent bij de start van het
59
project de waarden voor de topologische indicatoren, en indien de stabiliteit afhankelijk
is van een of meerdere indicatoren, krijgt hij een idee van de mate waarin de stabiliteit
en dus eventueel verwante kosten kunnen fluctueren.
In het volgende onderdeel wordt een beschrijving gegeven van hoe de output van de
aangepaste simulatie verwerkt werd. Er bestaan twee methoden om na te gaan in welke
mate een variabele afhankelijk is van een of meerdere andere variabelen. De eerste
methode is door de twee variabelen te correleren, en de tweede methode is het maken
van een regressie. De resultaten zijn het betrouwbaarst als er een regressie gedaan wordt
van de stabiliteit over alle indicatoren. Zo worden de interacties tussen de indicatoren
ook in rekening gebracht, wat niet het geval zou zijn bij een bivariate correlatietest.
Om conclusies te nemen m.b.t. de regressie, wordt eerst gekeken of de significantie groot
genoeg is (p-waarde <0,05) en nadien kan gekeken worden hoe relevant het verband
tussen de variabelen is. M.a.w. is de mate waarin er een verband is groot genoeg, zodat
de indicator een merkbare invloed uitoefent op de stabiliteit?
5.3.1 Regressieopstelling
Voordat de regressie kan gedaan worden zijn er nog twee belangrijke zaken die moeten
bekeken worden.
Als eerste moet getest worden of er zich geen multicollineariteit voordoet tussen de vier
verklarende variabelen. De vier variabelen geven elk een indicatie van de structuur
van hetzelfde projectnetwerk. Er is dus een reele kans dat er een verband is tussen de
variabelen. Om te testen of er zich multicollineariteit voordoet, wordt van elk van de vier
variabelen een regressie gedaan op de andere drie variabelen. De determinatiecoefficient
R2 bepaalt de mate waarin de variabiliteit in de afhankelijke variabele verklaard wordt
door de variatie in de andere drie variabelen. Deze R2 wordt dan gebruikt om voor
de vier regressies de variance inflation factor (VIF) te berekenen. Als de VIF van een
variabele hoger is dan 5, dan is er sprake van multicollineariteit tussen een of meerdere
variabelen. De resultaten kan men hieronder vinden:
60
R2 VIF
SP 0,965 14,54
AD 0,981 26,57
LA 0,506 1,34
TF 0,903 5,42
Tabel 5.9: Variance Inflation Factor (VIF) van de vier verklarende variabelen
Enkel de SP-indicator, de AD-indicator en de TF-indicator vertonen een VIF groter
dan 5. Een van deze indicatoren moet vervolgens uit de regressie geschrapt worden.
Aangezien de waarden van de SP-indicator in de dataset een grotere variantie vertonen,
wordt de AD-indicator geschrapt uit de regressie. Hieronder kan men de VIF’s
terugvinden van de overige drie indicatoren. Men zal opmerken dat deze nu niet meer
de afkappingswaarde overschrijden.
R2 VIF
SP 0,786 2,62
LA 0,468 1,28
TF 0,741 2,22
Tabel 5.10: Variance Inflation Factor (VIF) van de vier verklarende variabelen
Als tweede moet ook bepaald worden welk regressiemodel het beste gebruikt wordt.
Er mag niet zomaar aangenomen worden dat de stabiliteit lineair afhankelijk is van de
variabelen, en om die reden wordt de variatie in de stabiliteit eerst visueel bekeken. De
stabiliteit wordt grafisch uiteengezet in functie van elk van de resterende drie topologische
indicatoren (SP, LA en TF). Vervolgens wordt gekeken of er een patroon te vinden
is in de stabiliteit. Omdat de grafiek overbelast zou worden indien de maatstaven
van alle negen methoden opgenomen zouden worden, zal maar een maatstaf van een
voorspellingsmethode gekozen worden die het meeste variatie in zijn waarden toont. De
voorspellingsmethode waarvan zijn stabiliteit het meeste variatie vertoont over de 900
projecten, is de PV3-methode. Deze stabiliteit wordt hieronder drie maal uiteengezet in
functie van de resterende drie indicatoren:
61
Figuur 5.4: De stabiliteit in functie van de variabele SP.
Bij deze grafiek valt op dat de variatie in de stabiliteit zeer willekeurig optreedt over de
SP-waarden. Zoals de lezer kan zien is er geen patroon op te merken. Om die reden zal
die SP-factor lineair opgenomen worden in het model, waarbij de willekeurigheid van de
stabiliteit getest zal worden.
62
Figuur 5.5: De stabiliteit in functie van de variabele LA.
Wat hier opvalt is de mate van heteroscedasticiteit. De variantie van de stabiliteit
verkleint bij een toenemende waarde voor de LA-indicator. In deze test wordt de
heteroscedasticiteit genegeerd, aangezien we niet op zoek zijn naar een groep variabelen
die op de best mogelijke manier de variantie van de stabiliteit verklaart. Bij deze regressie
gaan we uit van de drie indicatoren, en we testen enkel in welke mate zij de variatie in
de stabiliteit verklaren. De mate van heteroscedasticiteit geeft ons al een indicatie dat
de stabiliteit sterk gerelateerd is aan andere factoren, los van de structuur van het
projectnetwerk).
Ook bij het nemen van de conclusies na het maken van de regressie, zal men met
enige voorzichtigheid te werk moeten gaan. Door het klein aantal projecten met een
LA-waarde groter dan 80% zal het moeilijk zijn om de significantie te testen, ook al is
er wel degelijk een verband aanwezig.
Ondanks de vermindering in stabiliteit over de waarden van de LA-indicator, is er geen
63
ander patroon op te merken. Ook de LA-indicator zal lineair opgenomen worden in de
regressie.
Figuur 5.6: De stabiliteit in functie van de variabele TF.
Net als bij de voorgaande grafiek is ook hier sprake van heteroscedasticiteit, hoewel dit
niet in dezelfde mate is als bij de LA-indicator. Naast de veranderende variantie valt
ons hier ook al duidelijk een negatief lineair verband op. Daarom wordt ook deze laatste
indicator gewoon lineair opgenomen in de regressie.
De afhankelijke variabele is de stabiliteitsmaatstaf van alle negen methoden. Aangezien
er in deze thesis gebruik is gemaakt van twee maatstaven, namelijk CV en ATR, zullen
er twee regressies gemaakt worden. De twee regressiemodellen met een constante zijn
dus:
CV = α+ β1 × SP + β2 × LA+ β3 × TF
ATR = α+ β1 × SP + β2 × LA+ β3 × TF
64
5.3.2 Resultaten regressie
Als eerste werd een regressie gemaakt van de CV-maatstaf op de drie indicatoren. De
resultaten zijn als volgt:
Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
1 ,201a ,040 ,040 3,2692
a. Predictors: (Constant), TF, SP, LA
Tabel 5.11: Samenvatting regressieresultaten van het CV-regressiemodel
Coefficientsa
Model Unstandardized
Coefficients
Standardized
Coefficients
t Sig.
B Std. Error Beta
1 (Constant) 6,485 ,132 48,964 ,000
SP ,012 ,001 ,093 8,364 ,000
LA -,001 ,004 -,005 -,393 ,694
TF -,024 ,002 -,171 -12,798 ,000
a. Dependent Variable: CV
Tabel 5.12: SPSS-output van het CV-regressiemodel
Als eerste analyseren we de significantie. Uit de test blijkt dat enkel de SP-indicator
en de TF-indicator een significant verband hebben met de stabiliteit. De significantie
van de LA-indicator is enorm klein (p-waarde = 0,694), maar dit kan deels verklaard
worden door het kleine aantal projecten met een hoge waarde voor de LA-indicator zoals
hiervoor al beschreven werd.
Vervolgens bekijken we de relevantie van de indicatoren. Hiervoor wordt er gekeken naar
de verkregen coefficienten. Het is duidelijk dat zelfs al moest de LA-indicator significant
verband houden met de stabiliteit, dit verband niet relevant zou zijn door de lage waarde
van de coefficient (-0,001). Bij de SP-indicator en de TF-indicator is de significantie veel
hoger, doch de relevantie van die indicatoren blijft ook eerder beperkt. De coefficienten
zijn respectievelijk 0,012 en -0,024, terwijl de gemiddelde waarde voor de stabiliteit 6,01
is. Dit wil zeggen dat bij projecten die een SP-indicator hebben die 10% hoger is dan
65
andere projecten, de maatstaf voor stabiliteit gemiddeld ongeveer 0,2% zal stijgen. De
stabiliteit en de TF-indicator zijn omgekeerd gecorreleerd. Bij een TF-indicator die 10%
hoger is, zal de CV-maatstaf gemiddeld met 0,4% dalen.
Hierna gaan we over naar de resultaten van het regressiemodel met als verklarende
variabele de ATR-maatstaf:
Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
1 ,185a ,034 ,034 2,3354
a. Predictors: (Constant), TF, SP, LA
Tabel 5.13: Samenvatting regressieresultaten van het ATR-regressiemodel
Coefficientsa
Model Unstandardized
Coefficients
Standardized
Coefficients
t Sig.
B Std. Error Beta
1 (Constant) 5,153 ,095 54,464 ,000
SP ,003 ,001 ,037 3,294 ,000
LA -,002 ,003 -,010 -,768 ,442
TF -,018 ,001 -,183 -13,617 ,000
a. Dependent Variable: ATR
Tabel 5.14: SPSS-output van het ATR-regressiemodel
De lezer zal ook opmerken dat we tot gelijkaardige conclusies komen als bij het
regressiemodel met de CV-maatstaf. Opnieuw zijn enkel de SP-indicator en de
TF-indicator significant, maar de waarde van de coefficient is opnieuw verwaarloosbaar
klein. Deze zijn respectievelijk 0,003 en -0,018, terwijl de gemiddelde waarde van de
maatstaf 4,53 is. Projecten met een SP-indicator die 10% hoger is dan bij andere
projecte, zullen een ATR-maatstaf hebben die gemiddeld 0,06% hoger is. Indien de
TF-indicator 10% hoger is, dan zal de ATR-maatstaf gemiddeld 0,4% lager zijn. Net
zoals bij het vorige regressiemodel zijn de verbanden verwaarloosbaar klein.
66
5.3.3 Discussie van de regressieresultaten
Het is duidelijk dat de stabiliteit gemiddeld kleiner zal zijn bij een toenemende waarde
voor de SP-indicator. Bij de TF-indicator is dit verband omgekeerd en zal de stabiliteit
gemiddeld hoger zijn bij grotere waarden voor de TF-indicatoren. Deze verbanden zijn
wel enorm klein, maar zoals bij de test voor multicollineariteit duidelijk werd, is er een
niet te verwaarlozen interactie tussen de variabelen. Deze interactie kan ervoor zorgen
dat de structuur van een projectnetwerk wel een grote impact heeft op de stabiliteit.
Er valt ook op te merken dat er tussen de twee maatstaven (CV en ATR) geen verschil
zit in de mate waarin ze onderhevig zijn aan de onderliggende topologische indicatoren
van het project.
De stabiliteit is dus afhankelijk van de structuur van het projectnetwerk, maar in een
bijna te verwaarlozen mate. De R2 van de twee modellen is dan ook niet heel hoog:
0,201 voor het CV-regressiemodel en 0,185 voor het ATR-regressiemodel. Voorlopig kan
geconcludeerd worden dat de keuze van de voorspellingsmethode, en dan vooral de keuze
van de gebruikte index, de grootste impact zal hebben op de geobserveerde stabiliteit
van de voorspellingen.
5.4 Stabiliteit en nauwkeurigheid
Als tweede bijkomende test wordt gekeken of er een verband is tussen de nauwkeurigheid
en de gedefinieerde stabiliteit van de voorspellingsmethoden. De eerste simulatie wordt
aangepast waarbij niet enkel de stabiliteit (CV en ATR) van elke run geregistreerd werd,
maar ook de nauwkeurigheid (MAPE). Die nauwkeurigheid kan m.b.v. de werkelijke
projectduur RD en de voorspellingen xi op de volgende manier berekend worden:
MAPE =∑N
i=1
|xi −RD|RD
met N het aantal opvolgingsperioden
Bij deze laatste test wordt de correlatie gemeten tussen de stabiliteit en de
nauwkeurigheid van de verschillende projectnetwerken. De resultaten zullen kunnen
aantonen of een definitie voor stabiliteit al dan niet relevant is. Indien de correlatie
ongeveer 0 is, dan wil dit zeggen dat de nauwkeurigheid en de stabiliteit compleet
67
andere aspecten van de projectuitvoering meten. In dit geval heeft de stabiliteit een
groot praktisch nut. Er wordt namelijk een aspect gemeten die door de nauwkeurigheid
altijd genegeerd werd. Het is ook mogelijk dat de correlatie eerder positief is, wat wil
zeggen dat de nauwkeurigheid en de stabiliteit, al dan niet in een sterke mate, hetzelfde
aspect van de projectuitvoering meten. Hoe groter deze positieve correlatie, hoe kleiner
het nut van het registreren van de stabiliteit. De nauwkeurigheid meet trouwens al
dezelfde aspecten. In een laatste scenario is de correlatie negatief, en kan er gesproken
worden van een trade-off. De stabiliteit zal dan typisch lager zijn in vergelijking met een
voorspellingsmethode die een hogere nauwkeurigheid heeft. In dit laatste geval heeft de
stabiliteit ook een beperkt nut. Er kan namelijk een uitspraak gedaan worden over de
verwachte stabiliteit a.d.h.v. de nauwkeurigheid van een voorspellingsmethode.
Alvorens er naar de relevantie van de correlaties gekeken wordt, zal eerst de significantie
bepaald worden. Er kan namelijk pas definitief een conclusie getrokken worden m.b.t.
de correlatie, indien de resultaten significant zijn. Net als bij de vorige test moet de
p-waarde van de resultaten kleiner zijn dan 0,05, opdat er naar de relevantie van de
resultaten zou kunnen gekeken worden.
5.4.1 Opstelling van de correlatie
Voor het bepalen van de correlatie tussen stabiliteit (CV of ATR) en de nauwkeurigheid
(MAPE) van de voorspellingsmethoden, wordt een bivariate correlatietest gemaakt in
SPSS. Deze bepaalt de Pearson teststatistiek, waarbij een hoge correlatie naar -1 of +1
neigt en waarbij een lage correlatie eerder naar 0 zal gaan.
Aangezien er in deze studie gebruik gemaakt wordt van twee maatstaven voor stabiliteit,
zullen deze twee maatstaven ook apart gecorreleerd worden met de nauwkeurigheid. Er
werd gewerkt met 900 projecten, 100 runs, en met de 9 voorspellingsmethoden wat
810 000 observaties oplevert voor deze test. Elke observatie bevat de CV-, ATR- en
MAPE-maatstaf.
5.4.2 Resultaten van de regressie
Hieronder kan de lezer de SPSS-output terugvinden van de correlatie tussen de
CV-maatstaf voor stabiliteit en de MAPE-maatstaf voor nauwkeurigheid:
68
Correlations
CV MAPE
CV Pearson Correlation 1 0,648
Sig. (2-tailed) 0,000
N 8100 8100
MAPE Pearson Correlation 0,648 1
Sig. (2-tailed) 0,000
N 8100 8100
Tabel 5.15: Correlatietest tussen CV en MAPE
Deze correlatietest is zeker significant want de p-waarde is 0,000. De berekende correlatie
is 0,648. Dit wil zeggen dat er zeker een positief verband is tussen stabiliteit en
nauwkeurigheid, maar deze correlatie is niet hoger dan 0,8. Hieruit kunnen we afleiden
dat beide maatstaven toch ook deels verschillende elementen van de projectuitvoering
meten.
De SPSS-output gegenereerd bij de correlatietest tussen ATR en MAPE kan de lezer
hieronder terugvinden:
Correlations
ATR MAPE
ATR Pearson Correlation 1 0,692
Sig. (2-tailed) 0,000
N 8100 8100
MAPE Pearson Correlation 0,692 1
Sig. (2-tailed) 0,000
N 8100 8100
Tabel 5.16: Correlatietest tussen ATR en MAPE
De resultaten van de test m.b.v. de ATR-maatstaf i.p.v. met de CV-maatstaf zijn
nagenoeg identiek. Er is opnieuw een zeer grote significantie, en de correlatie is opnieuw
positief (0,692). Aan de ene kant meet de ATR-maatstaf dus net zoals de CV-maatstaf
voor een deel dezelfde elementen als MAPE, maar neemt het aan de andere kant toch
ook nog andere elementen in rekening.
69
5.4.3 Discussie van de correlatieresultaten
Uit bovenstaande test blijkt dat er een verband bestaat tussen de nauwkeurigheid van
de voorspellingen en de stabiliteit van de voorspellingen. Er is dus allerminst sprake
van een trade-off tussen stabiliteit en nauwkeurigheid. Met bovenstaande simulatie is
aangetoond dat de projectmanager geen afweging zal moeten doen tussen de stabiliteit
van zijn voorspellingen, of de nauwkeurigheid van zijn voorspellingen. Beide gaan in
een bepaalde mate hand in hand, waarbij er nog steeds aspecten zijn die door beide
maatstaven apart gemeten worden.
Hoofdstuk 6
Conclusie van de resultaten
Deze thesis analyseerde kwantitatief twee definities voor stabiliteit door middel van twee
maatstaven. In dit laatste hoofdstuk worden de belangrijkste inzichten en hun implicaties
samengevat, wat de lezer een compleet bewijs geeft van het nut van de opvolging van
de stabiliteit in de voorspellingen. In onderdeel 6.1 worden de besluiten overlopen die
betrekking hebben op de eerste definitie van stabiliteit. Vervolgens worden in 6.2 ook
besluiten genomen m.b.t. de tweede definitie van stabiliteit. In sectie 6.3 worden enkele
conclusies overlopen m.b.t. de nieuwe maatstaf voor stabiliteit, nl. ATR. Als laatste
zullen in 6.4 enkele tekortkomingen in deze thesis worden aangeduid, en worden enkele
mogelijkheden voor verder onderzoek overlopen.
6.1 Evaluatie van de resultaten m.b.t. de eerste definitie
voor stabiliteit
Het voornaamste inzicht dat deze thesis verschaft, is dat de geobserveerde stabiliteit
vooral afhankelijk is van de volgende twee zaken. Enerzijds de gebruikte index, en
anderzijds het scenario waarin het project zich bevindt.
In de onderstaande tabellen kan de lezer zien hoe de gemiddelde stabiliteit per scenario en
per index varieert. Projectmanagers kunnen hun keuze voor een voorspellingsmethoden
laten bepalen op basis van deze tabellen, tenminste als ze rekening willen houden met de
verwachte stabiliteit. Op de eerste rij (‘Normaal’) wordt de gemiddelde waarde voor de
CV-maatstaf weergegeven. De waarden in de rijen onder de eerste stellen een percentage
70
71
voor van de waarden uit deze eerste rij. Er zijn twee tabellen, een voor de CV-maatstaf
en een voor de ATR-maatstaf:
CV over opvolgingsperioden
Methode met Index 1 Index 2 Index 3
Normal 24 63 93
Op tijd 48% 49% 40%
Vroeg 156% 96% 93%
Laat 110% 81% 76%
Altijd vroeg 220% 103% 98%
Altijd laat 176% 90% 83%
Tabel 6.1: De gemiddelde stabiliteit volgens de CV-maatstaf, per scenario en per index
ATR over opvolgingsperioden
Methode met Index 1 Index 2 Index 3
Normal 20 46 70
Op tijd 43% 44% 42%
Vroeg 159% 100% 97%
Laat 111% 78% 74%
Altijd vroeg 227% 110% 105%
Altijd laat 180% 89% 85%
Tabel 6.2: De gemiddelde stabiliteit volgens de ATR-maatstaf, per scenario en per index
Zoals de lezer kan zien, is de stabiliteit sterk afhankelijk van het scenario waarin
gesimuleerd werd. Het valt vooral op dat er een grote stabiliteitswinst is, indien
er een kleinere spreiding van de mogelijke tijdsduren van de activiteiten wordt
verondersteld. Dit toont aan dat de projectmanager het meeste tijd en energie
moet steken in het wegwerken van de onzekerheid, en het bepalen van een meest
waarschijnlijke en realistische tijdsduur, om uiteindelijk de spreiding van die tijdsduren
te verkleinen. Indien er aan het mogelijke scenario genoeg aanacht is besteed, kan
de projectmanager overgaan tot het beschouwen van de index bij het kiezen van een
geschikte voorspellingsmethode.
De tweede conclusie die uit de simulatieresultaten voortvloeit, is dat de methoden met
index 1 de hoogste stabiliteit vertonen. Dit is echter uitsluitend het geval in het scenario
‘Normaal’. Bij de andere scenario’s kan de stabiliteit in de voorspellingen volgens de
72
methoden met index 1 maar half zo groot zijn als in het ‘Normaal’ scenario. Dus naast de
keuze van de index is het ook belangrijk voor de projectmanager om een grote zekerheid
te hebben omtrent de veronderstelling van het scenario. Dit bevestigd dan ook de eerste
conclusie. Indien uiteindelijk blijkt dat er een verkeerde veronderstelling gemaakt werd
m.b.t. de verwachte tijdsduren van de activiteiten, dan is het goed mogelijk dat de
voorspellingen zeer onstabiel zullen zijn, terwijl er juist een stabiele methode voor de
voorspellingen werd gekozen.
Een derde conclusie m.b.t de eerste definitie voor stabiliteit stelt dat de stabiliteit hoger
zal zijn als de activiteiten later dan gepland voltooid zijn, dan wanneer ze vroeger dan
gepland gedaan zijn. Dit is zeer interessante informatie. Hierin wordt namelijk duidelijk
dat activiteiten die vroeger dan gepland afgewerkt zijn - wat vaak gewenst wordt - toch
voor een verlaging van de stabiliteit kunnen zorgen, wat niet gewenst wordt. Dit toont
aan dat bij de bepaling van de tijdsduren het beter is van met optimistische (en dus
kleine) verwachte tijdsduren te werken, aangezien die werkelijke tijdsduur dan vaker
langer zal zijn dan de optimistische tijdsduur uit de baseline schedule. Dit geeft de
voorspellingen een grotere stabiliteit dan wanneer de activiteiten vroeger dan gepland
voltooid zouden zijn, wat bij een pessimistische initiele tijdsduur het geval zou zijn.
Dit bevestigt ook dat het nog geheel niet slecht is dat projectmanagers vertrekken van
een optimistische baseline schedule dan van een realistische of pessimistische baseline
schedule.
Een vierde besluit vloeide voort uit de regressietest in sectie 5.3. Daar werd duidelijk
dat er bijna geen verband is tussen de geobserveerde stabiliteit van een project en de
structuurkenmerken van zijn projectnetwerk. Als een projectmanager een keuze wil
maken uit de voorspellingsmethoden - rekening houdend met de stabiliteit - dan is hij
nog steeds het beste af om niet naar de structuurkenmerken te kijken maar om zoveel
mogelijk moeite te steken in het bepalen van de index, en in het bepalen van de spreiding
van de mogelijke tijdsduren van de activiteiten.
Als laatste kan besloten worden dat de stabiliteit voldoende verschillend is van de
nauwkeurigheid. In sectie 5.4 werd duidelijk dat deze twee maatstaven verband houden,
maar dat ze beide ook afzonderlijke elementen van de projectuitvoering meten. De
correlatie tussen deze twee aspecten ligt tussen de 0,65 en 0,7, en dit afhankelijk van
de gebruikte maatstaf. Het was wel verwacht dat er een verband was tussen beide
maatstaven. Een project dat redelijk goed de planning volgt, zal van nature uit meer
nauwkeurig zijn. Zo’n project zal ook minder aanpassingen aan zijn planning vragen,
waardoor naast de nauwkeurigheid ook de stabiliteit redelijk hoog zal zijn. Dit verklaart
73
voor een deel waarom er een positief verband is tussen nauwkeurigheid en stabiliteit.
Uit deze test is het nogmaals duidelijk geworden dat het wel degelijk nuttig is om met
de stabiliteit rekening te houden tijdens de projectuitvoering.
6.2 Evaluatie van de resultaten m.b.t. de tweede definitie
voor stabiliteit
In deze sectie worden de conclusies samengevat van alle testen die gedaan werden m.b.t.
de tweede definitie van stabiliteit, nl. stabiliteit over de runs.
De belangrijkste conclusie is dat de voorspellingsmethoden met index 1 onstabieler
worden naarmate het project afgewerkt geraakt. Bij de methoden met index 2 of 3
valt net het omgekeerde op te merken. Hoe verder in het project, hoe lager de spreiding
is van de mogelijke voorspellingswaarde. Dit is een zeer belangrijk inzicht waarmee een
projectmanager moet rekening houden bij het kiezen van zijn voorspellingsmethode.
Uit onderzoeksvraag 2 komt het tweede besluit voort. Een kleinere spreiding van
de mogelijke tijdsduren van de activiteiten, heeft als gevolg dat er een zeer grote
stabiliteitswinst is voor elke methode, en dit ongeacht de index. Dit bevestigt ook weer
dat de projectmanager zoveel mogelijk tijd en middelen moet investeren in het wegwerken
van onzekerheid m.b.t. het interval van de mogelijke tijdsduren van de activiteiten.
Het wegwerken van de onzekerheid heeft als gevolg dat de mogelijke spreiding kleiner
wordt, indien dit dan ook gekoppeld wordt aan realistische voorspellingen m.b.t. de
meest waarschijnlijke tijdsduur van de activiteiten. Dit heeft namelijk een veel groter
effect op de geobserveerde stabiliteit, dan louter en alleen het kiezen van een ‘stabiele’
voorspellingsmethode.
In tegenstelling tot de conclusies m.b.t. de stabiliteit volgens de eerste definitie, kan
deze keer wel gesteld worden dat de ED1- en ES1-methoden systematisch de hoogste
stabiliteit vertonen, ongeacht het scenario waarin het project zich bevindt.
Zoals vermeld in de inleiding, stelt de index de correctiefactor voor die gebruikt wordt
om de geschatte tijdsduur voor de voltooiing van de rest van het project bij te sturen.
Bij index 1 is er geen correctie, bij index 2 wordt tijdsinformatie (SPI of SPI(t))
gebruikt en bij index 3 wordt zowel tijdsinformatie als kosteninformatie gebruikt (CSI
of CSI(t)). Dit wil dus zeggen dat indien een projectmanager een methode met
en grotere index effectief wil gebruiken, hij de afgelopen tijds- en kostenprestatie zal
74
moeten documenteren. M.a.w. bij het gebruiken van een grotere index, zullen de
documentatieverplichtingen (Lampkin, 1992) stijgen. Ook dit zal kosten meebrengen
waarmee de projectmanager rekening moet houden.
6.3 Evaluatie van de nieuwe maatstaf, ATR
Uit de resultaten is gebleken dat de ATR-maatstaf consistent is met de CV-maatstaf.
Aangezien de CV-maatstaf de meest gebruikte maatstaf voor stabiliteit is, is dit dus
goed nieuws voor de ATR-maatstaf. Het praktisch nut van deze nieuwe maatstaf is wel
groter om twee belangrijke redenen.
Ten eerste kunnen de kosten van de instabiliteit van de voorspellingen direct gelinked
worden aan de ATR-maatstaf. Bij de CV-maatstaf is dit niet het geval. Dit
komt allemaal door de basis waartegenover de afwijkingen bepaald worden. Bij de
ATR-maatstaf wordt de voorgaande voorspelling gebruikt, bij de CV-maatstaf is dit
de gemiddelde voorspelling.
Ten tweede is er ook geen indicatie dat de kosten van de aanpassingen die gemaakt
moeten worden als gevolg van een nieuwe voorspelling, kwadratisch stijgen met de
grootte van de aanpassing. Het is logischer om eerst uit te gaan van een evenredige
stijging van de kosten als de aanpassing groter wordt. Om die reden past de
ATR-maatstaf beter bij de praktische definitie van stabiliteit dan de CV-maatstaf.
6.4 Tekortkomingen en aanwijzingen voor aanvullend
onderzoek
Als eerste worden enkele tekortkomingen in deze thesis besproken, wat de lezer inzicht
kan verschaffen in de gegrondheid van de voorgaande conclusies. Nadien worden de
richtingen aangeduid die toekomstig onderzoek kan uitgaan bij het verder testen van de
definities en maatstaven voor stabiliteit.
Een eerste tekortkoming is het beperkte aantal runs door een gelimiteerd tijdsbestek
en gelimiteerde rekenkracht. Veel van de gemaakte testen zijn significant en geven
vermoedelijk een goed beeld van de resultaten, maar het is altijd mogelijk dat er nog
75
enkele vaststellingen aan het licht komen indien er meer runs in de simulatie zouden
gemaakt worden.
Een tweede tekortkoming zijn natuurlijk de assumpties die moeten gemaakt worden
bij een simulatiestudie. Elke veronderstelling wordt zoveel mogelijk onderbouwd
door de literatuur, de praktijk of het gezond verstand. Maar het blijven natuurlijk
veronderstellingen en geen feiten. Er is dus aan de lezer enige voorzichtigheid geboden
dat de conclusies niet zomaar als evident mogen beschouwd worden. Om deze
tekortkoming weg te werken kunnen dezelfde testen gemaakt worden, maar deze keer
op basis van real-life projecten i.p.v. op basis van een simulatie.
Ongeacht bovenstaande tekortkomingen is het praktisch nut van het registreren van
de stabiliteit duidelijk aangetoond. De voorgestelde stabiliteitsdefinities meten in en
bepaalde mate toch een ander aspect van prestatie van de voorspellingen dan dat de
nauwkeurigheid doet. Verder onderzoek dat de stabiliteit van voorspellingen meer in
detail wil analyseren, zal in elk geval zijn praktisch nut hebben.
Toekomstig onderzoek dat een gevallenstudie voert rond stabiliteit, kan de meest
interessante resultaten opleveren. De werkelijke kost van de aanpassingen, als gevolg van
nieuwe voorspellingen die bv. aanduiden dat het project zijn deadline zal overschrijden,
kan daarin onderzocht worden. Deze werkelijke waarden kunnen dan vergeleken worden
met de maatstaven, om zo te kijken dewelke deze kosten op de beste manier beschrijft.
Zoals vermeld in de literatuurstudie kan het ook interessant zijn om bij de
ES-voorspellingsmethode te werken met de Effective Earned Schedule (ES(e)) i.p.v.
met de gewone Earned Schedule (ES) (Lipke, 2004). Deze parameter levert nog meer
informatie op over het verloop van het project in rekening, waardoor de voorspellingen
nog nauwkeuriger en/of stabieler kunnen worden.
Bibliografie
F.T. Anbari. Earned value project management method and extensions. Project
management journal, 34(4):12–23, 2003.
Z. Chen en Y. Yang. Assessing forecast accuracy measures. Preprint Series, (2004-2010):
2004–10, 2004.
D.S. Christensen. The estimate at complete problem: a review of three studies.
International Journal of Project Management, 24(1):37–42, 1993a.
D.S. Christensen. Project advocacy and the estimate at completion problem. The
Journal of Cost Analysis, 13(1):35–60, 1996.
D.S. Christensen. The costs and benefits of the earned value management process.
Journal of Parametrics, 18(2):1–16, 1998.
D.S. Christensen. Using the earned value cost management report to evaluate the
contractor’s estimate at completion. Technical report, DTIC Document, 1999.
D.S. Christensen en D.V. Ferens. Using earned value for performance measurement on
software development projects. Technical report, DTIC Document, 1995.
S.R. Christensen, D.S .and Heise. Cost performance index stability. National Contract
Management Journal, 25(1):7–15, 1993b.
J. Covach, J.J. Haydon, en R.O. Reither. A study to determine indicators and methods to
compute estimate at completion (eac). ManTech International Corporation: Virginia,
1981.
K. Custer. The Seven Deadly Myths of Earned Value Methods in Project Management.
pages 1–6.
i
ii
L.H. Ederington en W. Guan. Measuring historical volatility. Journal of Applied Finance,
16(1), 2006.
R. Elshaer. Impact of sensitivity information on the prediction of project’s duration
using earned schedule method. International Journal of Project Management, 31(4):
579–588, 2013.
Q.W. Fleming en J.M. Koppelman. Earned value project management. Project
Mangement Institute, 2000.
Q.W. Fleming en J.M. Koppelman. Earned value management. Cost Engineering, 44
(9):32–36, 2002.
Q.W. Fleming en J.M. Koppelman. If evm is so good why isn’t it used on all projects?
The Measurable News, pages 1–5, 2004.
L. Hecht. A case study of earned schedule to do predictions. The Measurable News,
pages 16–18, 2007.
S.R. Heise. A review of cost performance index stability. Technical report, DTIC
Document, 1991.
K. Henderson. Further developments in earned schedule. The measurable news, 1(1):
15–22, 2004.
K. Henderson. Earned schedule in action. The Measurable News, 8:23–30, 2005.
K. Henderson. Earned schedule a breakthrough, extension to earned value management.
In Proceedings of PMI Global Congress Asia Pacific, 2007.
K. Henderson en O. Zwikael. Does project performance stability exist a re-examination
of cpi and evaluation of spi (t) stability. Cross Talk, 21:04–07, 2008.
D. Jacob. Forecasting project schedule completion with earned value metrics. The
Measurable News, 1(1):7–9, 2003.
E. Kim, W.G. Wells Jr, en M.R. Duffey. A model for effective implementation of earned
value management methodology. International Journal of Project Management, 21
(5):375–382, 2003.
E.D. Lampkin. The marginal cost and practicality of cost/schedule control systems
criteria implementation. Comptroller Research Project, SAF/FM, Washington DC,
1992.
iii
W. Lipke. Schedule is different. The Measurable News, 31(4):31–34, 2003.
W. Lipke. Connecting earned value to the schedule. The Measurable News, 1:6–16, 2004.
W. Lipke. Project duration forecasting a comparison of earned value management
methods to earned schedule. The Measurable News, (2):24–31, 2009.
W. Lipke. Speculations on project duration forecasting. The Measurable News, (3):1–7,
2012.
W. Lipke, O. Zwikael, K. Henderson, en F.T. Anbari. Prediction of project outcome: The
application of statistical methods to earned value management and earned schedule
performance indexes. International journal of project management, 27(4):400–407,
2009.
J.R. Meredith en S.J. Mantel Jr. Project management: a managerial approach. John
Wiley & Sons, 2011.
K.I Payne. An investigation of the stability of the cost performance index. Technical
report, DTIC Document, 1990.
A. Shalal-Esa. Update 1-boeing, general dynamics reach $400 mln a-12 settlement
with u.s. navy. January 2014. URL http://www.reuters.com/article/2014/01/
24/boeing-generaldynamics-settlement-idUSL2N0KX2M720140124.
R. Stratton. Not Your Father’s Earned Value. pages 1–5, 2005.
S. Vandevoorde en M. Vanhoucke. A comparison of different project duration forecasting
methods using earned value metrics. International journal of project management, 24
(4):289–302, 2006.
M. Vanhoucke. Measuring time: improving project performance using earned value
management, volume 136. Springer, 2009.
M. Vanhoucke. Using activity sensitivity and network topology information to monitor
project time performance. Omega, 38(5):359–370, 2010.
M. Vanhoucke en S. Vandevoorde. Earned value forecast accuracy and activity criticality.
The Measurable News, (3):13–16, 2008a.
M. Vanhoucke en S. Vandevoorde. Measuring the accuracy of earned value/ earned
schedule forecasting predictors. The Measurable News, 2008(1):26–30, 2008b.
iv
M. Vanhoucke en S. Vandevoorde. Forecasting a projects duration under various
topological structures. The Measurable News Spring, pages 26–30, 2009.
R.V. Vargas. Earned value analysis in the control of projects: Success or failure? AACE
International Transactions, 21(4):211–214, 2003.
J.W. Wilder. New concepts in technical trading systems. 1978.
Yahoo Finance. Historical prices of microsoft (nasdaq-gs), April 2014. URL https:
//finance.yahoo.com/q/hp?s=MSFT+Historical+Prices.
S. Zhong en X. Wang. Improvement and application of earned value analysis in coal
project management. Procedia Engineering, 26:1983–1989, 2011.