Project opvolging d.m.v. Earned Value Management: een case …lib.ugent.be/fulltxt/RUG01/002/165/103/RUG01-002165103... · 2014-12-19 · en ook hen wil ik bedanken, vooral mijn kotgenoten

UNIVERSITEIT GENT

FACULTEIT ECONOMIE EN BEDRIJFSKUNDE

ACADEMIEJAAR 2013 – 2014

Project opvolging d.m.v. Earned Value Management: een case studie.

Masterproef voorgedragen tot het bekomen van de graad van

Master of Science in de

Toegepaste Economische Wetenschappen: Handelsingenieur

Livine Maerschalck

onder leiding van

Prof. Dr. Mario Vanhoucke

& Louis-Philippe Kerkhove

UNIVERSITEIT GENT

FACULTEIT ECONOMIE EN BEDRIJFSKUNDE

ACADEMIEJAAR 2013 – 2014

Project opvolging d.m.v. Earned Value Management: een case studie.

Masterproef voorgedragen tot het bekomen van de graad van

Master of Science in de

Toegepaste Economische Wetenschappen: Handelsingenieur

Livine Maerschalck

onder leiding van

Prof. Dr. Mario Vanhoucke

& Louis-Philippe Kerkhove

PERMISSION

Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of gereprodu-

ceerd worden, mits bronvermelding.

Livine Maerschalck

Woord vooraf

In de eerste plaats wil ik mijn prof Mario Vanhoucke bedanken voor de uitdagende opportuniteiten

die hij mij aangeboden heeft. Het schrijven van deze thesis en het deelnemen aan het Earned Value

Management-congres hebben me tijdens deze 2 jaar veel bijgeleerd. Ook zijn lessen hebben mij als

studente handelsingenieur verrijkt.

Ten tweede wil ik mijn begeleider Louis-Philippe Kerkhove bedanken voor het opvolgen van mijn

thesis. De vele e-mails die vrijwel onmiddellijk beantwoord werden, de vele motiverende aansporin-

gen, de inzichten die hij mij gegeven heeft, hebben ervoor gezorgd dat deze thesis een uitdagende

maar plezierige ervaring is geworden.

Ik wil de bedrijven bedanken waarbij ik mijn 16 projecten heb opgevolgd, namelijk MIVB, Spiro-

matic, Imerys en Gert Snel. Mijn dank gaat vooral uit naar alle projectleiders en andere personen

die ik gesproken heb bij het opvolgen van de projecten. De interviews, het opzoeken van data, de

daaropvolgende opzoekingen die deze mensen voor mij gedaan hebben, hebben ervoor gezorgd dat

ik 16 grote en complexe projecten heb kunnen opvolgen die elk een meerwaarde hebben gegeven

aan mijn thesis.

De contacten met al die mensen heb ik te danken aan mijn papa. Zonder mijn papa was ik er

wellicht niet in geslaagd projecten te vinden van dit niveau. Ik wil hem dan ook bedanken voor de

interesse die hij voor mijn thesis toonde.

Ik kon me geen betere ontspannende momenten voorstellen in deze thesistijd dan met mijn vrienden

en ook hen wil ik bedanken, vooral mijn kotgenoten (Kobe, Cedric, Margot, Fien, Elias, Ivo, Jan

en Nicolas) voor de ongelofelijke tijd die we hebben meegemaakt door samen te leven. De vele uren

achter mijn bureau waren steeds aangenaam door mijn kotgenoot Elias, die ik graag extra in de

verf wil zetten voor zijn luisterend oor. Steeds bereid om te luisteren naar mijn enthousiaste en

mijn minder optimistische opmerkingen over mijn thesis, alsook naar mijn persoonlijke verhalen.

Bedankt om er keer op keer voor mij te zijn!

Tot slot wil ik mijn broer, mama en papa bedanken voor alles wat ze al voor mij gedaan heb-

ben. De steun, het plezier, alles, . . . Kortom, raad maar eens hoeveel ik van jullie hou!

i

Inhoudsopgave

Woord vooraf i

Lijst van afkortingen v

Lijst van figuren vi

Lijst van tabellen viii

1 Inleiding 1

2 Earned Value Management 2

2.1 Wat is Earned Value Management (EVM)? . . . . . . . . . . . . . . . . . . . . . . . 2

2.2 De drie belangrijke parameters van EVM . . . . . . . . . . . . . . . . . . . . . . . . 2

2.3 Evaluatieparameters van EVM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

2.4 Voorspellingstechnieken . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

2.4.1 De Planned Value Method . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

2.4.2 De Earned Duration Method . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

2.4.3 De Earned Schedule Method . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

2.5 EVM en Risk Management . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

2.6 Beperkingen van de EVM-techniek in verband met de voorspelbaarheid van kosten

en tijd . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

3 Work Package Methodology 14

3.1 Workpackages . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

3.2 Work Package Methodology . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

4 Methode 17

4.1 Verzamelen gegevens van de 16 projecten. . . . . . . . . . . . . . . . . . . . . . . . 18

4.2 Berekenen van de ratio’s en voorspellingen van tijd en kosten. . . . . . . . . . . . . 18

4.3 Seriele/ Parallelle parameter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

4.4 Vergelijken van de resultaten. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

5 Projecten 25

5.1 MIVB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

5.1.1 Uitleg bedrijf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

5.1.2 PM Techniek . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

5.1.3 Assumpties en opmerkingen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

5.1.4 Project 1: M6+ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

5.1.5 Project 2: MCH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

5.1.6 Project 3: MoBIB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

5.1.7 Project 4: Gentse Steenweg . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

5.1.8 Project 5: Zenitel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

5.1.9 Project 6: Amster . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

5.1.10 Project 7: Nieuwe Bussen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

ii

5.1.11 Project 8: Phoenix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

5.1.12 Project 9: OBC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

5.1.13 Project 10: CoVo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

5.1.14 Project 11: ISIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

5.2 Spiromatic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

5.2.1 Uitleg bedrijf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

5.2.2 PM Techniek . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37


5.2.4 Project 12: Morrisons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

5.2.5 Project 13: Brouwerij . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

5.2.6 Project 14: Ecofrost . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

5.3 Imerys . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

5.3.1 Uitleg bedrijf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

5.3.2 PM-techniek . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40


5.3.4 Project 15: Imerys . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

5.4 Gert Snel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

5.4.1 Uitleg bedrijf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

5.4.2 PM Techniek . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41


5.4.4 Project 16: Eandis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

6 Resultaten 42

6.1 Resultaat project 1: M6 + . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

6.1.1 Grafieken voorspelling van kosten . . . . . . . . . . . . . . . . . . . . . . . . . 43

6.1.2 Grafieken voorspelling van tijd . . . . . . . . . . . . . . . . . . . . . . . . . . 45

6.1.3 Waarden in tabellen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

6.2 Bespreken van resultaten over de voorspelling van kosten en tijd over alle projecten . 51

6.2.1 Onderzoeksvraag 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51




6.3 Early Warning Signals . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77

6.3.1 Project 1: M6+ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79

6.3.2 Project 2: MCH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79

6.3.3 Project 3: MoBIB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79

6.3.4 Project 4: Gentse Steenweg . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79

6.3.5 Project 5: Zenitel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80

6.3.6 Project 6: Amster . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80

6.3.7 Project 7: Nieuwe Bussen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80

6.3.8 Project 8: Phoenix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80

6.3.9 Project 9: OBC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

6.3.10 Project 10: CoVo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

iii

6.3.11 Project 11: ISIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

6.3.12 Project 12: Morrisons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

6.3.13 Project 13: Brouwerij . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82

6.3.14 Project 14: Ecofrost . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82

6.3.15 Project 15: Imerys . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82

6.3.16 Project 16: Eandis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82

7 Algemeen besluit 83

Referenties 87

Bijlage i

7.1 Bijlage 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . i

7.2 Bijlage 2: Output SPSS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxiv

iv

Lijst van afkortingen

AC Actual Cost

AoN-netwerk Activity on the Note-netwerk

AT Actual time

BAC Budget at Completion

BRIC-landen Brazilie, Rusland, India, China en Zuid-Afrika

CPI Cost Performance Index

CV Cost Variance

EAC Estimated cost at Completion

EAC(t) Estimated Duration at Completion

ED Earned Duriation

ES Earned Schedule

EV Earned Value

EVM Earned Value Management

MAPE Mean Absolute Percentage Error

MIVB Maatschappij voor Intercommunaal Vervoer te Brussel

MPE Mean Percentage Error

PC Planned Cost

PCWR Planned Cost of Work Remaining

PD Planned Duration

PDWR Planned Duration of Work Remaining

PF Performance Factor

PL Progressive Level

PM-techniek Project Management techniek

PMO Project Management Office

Po’s Purchase orders

PV Planned Value

PVrate Planned Value rate

RC Real cost

RD Real duration

SAC Schedule at Completion

SCI Schedule Cost Index

SMN Sales, Marketing Network

SPI Schedule Performance Index

SPI(t) Schedule Performance Index with Earned Schedule

SV Schedule Variance

SV(t) Schedule Variance with Earned Schedule

TC Technisch Completed

TD Technisch Dossier

TV Time Variance

WBS Work Breakdown Structure

WPM Work Package Methodology

v

Lijst van figuren

1 Scenario 1 met SPI < 1, CPI < 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

2 Scenario 2 met SPI < 1, CPI > 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

3 Scenario 3 met SPI > 1, CPI < 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

4 Scenario 4 met SPI > 1, CPI > 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

5 Earned Schedule . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

6 Verschil van ratio’s SPI en SPI(t) naar gelang de vordering in het project . . . . . . 8

7 Voorbeeld van voorspelling van kosten en tijd door gebruik van EVM . . . . . . . . 10

8 Voorbeeld een algemene WBS-structuur gebaseerd op [18] . . . . . . . . . . . . . . . 15

9 Voorbeeld van verschillende activiteiten in een geanalyseerd project gebruik makend

van de WBS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

10 Voorbeeld van verschillende activiteiten in een project . . . . . . . . . . . . . . . . . 16

11 Voorbeeld van voorspelling van tijd en kost d.m.v. EVM . . . . . . . . . . . . . . . . 16

12 Voorbeeld van groepering van activiteiten in workpackages . . . . . . . . . . . . . . . 17

13 Voorbeeld van het optellen van de verschillende voorspellingen van kosten van de

verschillende workpackages om de totale kost van het project te voorspellen . . . . . 17

14 Earned Schedule per activiteit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

15 Earned Schedule op project niveau . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

16 Een voorbeeld van de SP-factor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

17 Voorspelling kost: As planned . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

18 Voorspelling kost: SPI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

19 Voorspelling kost: SCI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

20 Voorspelling kost: CPI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

21 Voorspelling tijd: Planned Value - As planned . . . . . . . . . . . . . . . . . . . . . . 45

22 Voorspelling tijd: Planned Value - SPI . . . . . . . . . . . . . . . . . . . . . . . . . . 46

23 Voorspelling tijd: Planned Value - SCI . . . . . . . . . . . . . . . . . . . . . . . . . . 46

24 Voorspelling tijd: Earned Duration - As planned . . . . . . . . . . . . . . . . . . . . 47

25 Voorspelling tijd: Earned Duration - SPI . . . . . . . . . . . . . . . . . . . . . . . . . 47

26 Voorspelling tijd: Earned Duration - SCI . . . . . . . . . . . . . . . . . . . . . . . . 48

27 Voorspelling tijd: Earned Schedule - As planned . . . . . . . . . . . . . . . . . . . . 48

28 Voorspelling tijd: Earned Schedule - SPI . . . . . . . . . . . . . . . . . . . . . . . . . 49

29 Voorspelling tijd: Earned Schedule - SCI . . . . . . . . . . . . . . . . . . . . . . . . . 49

30 Waarden van MAPE voor de voorspelling van de kosten met vervangingsparameter 1 53

31 Waarden van MAPE voor de voorspelling van kosten met vervangingsparameter

gemiddelde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

32 Waarden van MAPE oor de voorspelling van kosten met vervangingsparameter project 54

33 Waarden van MAPE voor de voorspelling van tijd met PV en vervangingsparameter 1 55

34 Waarden van MAPE voor de voorspelling van tijd met ED en vervangingsparameter 1 56

35 Waarden van MAPE voor de voorspelling van tijd met ES en vervangingsparameter 1 56

36 Waarden van MAPE voor de voorspelling van tijd met PV en vervangingsparameter

gemiddelde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

vi

37 Waarden van MAPE voor de voorspelling van tijd met ED en vervangingsparameter

gemiddelde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

38 Waarden van MAPE voor de voorspelling van tijd met ES en vervangingsparameter

gemiddelde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58

39 Waarden van MAPE voor de voorspelling van tijd met PV en vervangingsparameter

project . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58

40 Waarden van MAPE voor de voorspelling van tijd met ED en vervangingsparameter

project . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59

41 Waarden van MAPE voor de voorspelling van tijd met ES en vervangingsparameter

project . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59

42 Waarden van MAPE voor de voorspelling van kosten met AS-methode . . . . . . . . 61

43 Waarden van MAPE voor de voorspelling van kosten met SPI-methode . . . . . . . 61

44 Waarden van MAPE voor de voorspelling van kosten met SCI-methode . . . . . . . 62

45 Waarden van MAPE voor de voorspelling van kosten met CPI-methode . . . . . . . 62

46 Waarden van MAPE voor de voorspelling van tijd met AS en de verschillende ver-

vangingsparameters . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64

47 Waarden van MAPE voor de voorspelling van tijd met ED en de verschillende ver-


48 Waarden van MAPE voor de voorspelling van tijd met ES en de verschillende ver-


49 Waarden van MAPE voor de voorspelling van kosten met vervangingsparameter 1 . 67

50 Waarden van MAPE voor de voorspelling van kosten met vervangingsparameter

gemiddelde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68

51 Waarden van MAPE voor de voorspelling van kosten met vervangingsparameter project 68

52 Waarden van MAPE voor de voorspelling van tijd met vervangingsparameter 1 . . . 70

53 Waarden van MAPE voor de voorspelling van tijd met vervangingsparameter gemid-

delde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70

54 Waarden van MAPE voor de voorspelling van tijd met vervangingsparameter project 71

55 Invloed van SP op voorspelling van kost a.d.h.v. WPM en EVM met vervangings-

parameter 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73


parameter gemiddelde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73


parameter project . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74

58 Invloed van SP op voorspelling van tijd a.d.h.v. WPM en EVM met vervangingspa-

rameter 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75


rameter gemiddelde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76


rameter project . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76

vii

Lijst van tabellen

1 Voorspellingstechnieken van kost . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

2 Overzicht voorspellingstechnieken van tijd . . . . . . . . . . . . . . . . . . . . . . . . 12

3 Voorspellingstechnieken van kost . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21


5 Gegevens project M6+ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

6 Gegevens project MCH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

7 Gegevens subproject MCH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

8 Gegevens project MoBIB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

9 Gegevens subproject MoBIB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

10 Gegevens project Gentse Steenweg . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

11 Gegevens project Zenitel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

12 Gegevens project Amster . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

13 Gegevens subproject Amster . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

14 Gegevens project Nieuwe Bussen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

15 Gegevens subproject Nieuwe Bussen . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

16 Gegevens project Phoenix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

17 Gegevens project OBC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

18 Gegevens project CoVo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

19 Gegevens subproject CoVo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

20 Gegevens project ISIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

21 Gegevens subproject ISIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

22 Gegevens project Morrisons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

23 Gegevens project Brouwerij . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

24 Gegevens project Ecofrost . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

25 Gegevens project Imerys . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

27 Overzicht van de verschillende projecten . . . . . . . . . . . . . . . . . . . . . . . . . 42

26 Gegevens project Eandis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

28 Overzicht voorspellingstechnieken van kost . . . . . . . . . . . . . . . . . . . . . . . . 50


30 MAPE waarden voor voorspelling van kosten van het project M6+ . . . . . . . . . . 50

31 MAPE waarden voor voorspelling van tijd van het project M6+ . . . . . . . . . . . . 51

32 Overzicht voorspellingstechnieken kost . . . . . . . . . . . . . . . . . . . . . . . . . . 66


34 Waarschuwingen projecten M6+ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79

35 Waarschuwingen projecten MCH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79

36 Waarschuwingen projecten MoBIB . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79

37 Waarschuwingen projecten Gentse Steenweg . . . . . . . . . . . . . . . . . . . . . . . 79

38 Waarschuwingen projecten Zenitel . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80

39 Waarschuwingen projecten Amster . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80

40 Waarschuwingen projecten Nieuwe Bussen . . . . . . . . . . . . . . . . . . . . . . . . 80

41 Waarschuwingen projecten Phoenix . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80

viii

42 Waarschuwingen projecten OBC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

43 Waarschuwingen projecten CoVo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

44 Waarschuwingen projecten ISIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

45 Waarschuwingen projecten Morrisons . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

46 Waarschuwingen projecten Brouwerij . . . . . . . . . . . . . . . . . . . . . . . . . . . 82

47 Waarschuwingen projecten Ecofrost . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82

48 Waarschuwingen projecten Imerys . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82

49 Waarschuwingen projecten Eandis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82

50 MAPE waarden voor voorspelling van kosten van het project M6+ . . . . . . . . . . i

51 MAPE waarden voor voorspelling van kosten van het project MCH . . . . . . . . . . i

52 MAPE waarden voor voorspelling van kosten van het project MoBIB . . . . . . . . . ii

53 MAPE waarden voor voorspelling van kosten van het project Gentse Steenweg . . . ii

54 MAPE waarden voor voorspelling van kosten van het project Zenitel . . . . . . . . . iii

55 MAPE waarden voor voorspelling van kosten van het project Amster . . . . . . . . . iii

56 MAPE waarden voor voorspelling van kosten van het project Nieuwe Bussen . . . . iv

57 MAPE waarden voor voorspelling van kosten van het project Phoenix . . . . . . . . iv

58 MAPE waarden voor voorspelling van kosten van het project OBC . . . . . . . . . . v

59 MAPE waarden voor voorspelling van kosten van het project CoVo . . . . . . . . . . v

60 MAPE waarden voor voorspelling van kosten van het project ISIS . . . . . . . . . . vi

61 MAPE waarden voor voorspelling van kosten van het project Morrisons . . . . . . . vi

62 MAPE waarden voor voorspelling van kosten van het project Ecofrost . . . . . . . . vii

63 MAPE waarden voor voorspelling van kosten van het project Brouwerij . . . . . . . vii

64 MAPE waarden voor voorspelling van kosten van het project Imerys . . . . . . . . . viii

65 MAPE waarden voor voorspelling van kosten van het project Eandis . . . . . . . . . viii

66 MAPE waarden voor voorspelling van tijd van het project M6+ . . . . . . . . . . . . ix

67 MAPE waarden voor voorspelling van tijd van het project MCH . . . . . . . . . . . x

68 MAPE waarden voor voorspelling van tijd van het project MoBIB . . . . . . . . . . xi

69 MAPE waarden voor voorspelling van tijd van het project Gentse Steenweg . . . . . xii

70 MAPE waarden voor voorspelling van tijd van het project Zenitel . . . . . . . . . . xiii

71 MAPE waarden voor voorspelling van tijd van het project Amster . . . . . . . . . . xiv

72 MAPE waarden voor voorspelling van tijd van het project Nieuwe Bussen . . . . . . xv

73 MAPE waarden voor voorspelling van tijd van het project Phoenix . . . . . . . . . . xvi

74 MAPE waarden voor voorspelling van tijd van het project OBC . . . . . . . . . . . . xvii

75 MAPE waarden voor voorspelling van tijd van het project CoVo . . . . . . . . . . . xviii

76 MAPE waarden voor voorspelling van tijd van het project ISIS . . . . . . . . . . . . xix

77 MAPE waarden voor voorspelling van tijd van het project Morrisons . . . . . . . . . xx

78 MAPE waarden voor voorspelling van tijd van het project Ecofrost . . . . . . . . . . xxi

79 MAPE waarden voor voorspelling van tijd van het project Brouwerij . . . . . . . . . xxii

80 MAPE waarden voor voorspelling van tijd van het project Imerys . . . . . . . . . . . xxiii

81 MAPE waarden voor voorspelling van tijd van het project Eandis . . . . . . . . . . . xxiv

ix

1 Inleiding

Veel projecten lijden aan budgetsurplus en tijdoverschrijdingen. Het is belangrijk voor project-

managers om die projecten grondig te controleren en ervoor te zorgen dat projecten volgens plan

verlopen. Earned Value Management is een techniek die controleert of projecten gedurende de

uitvoering van het project binnen tijd en binnen budget blijven. De techniek maakt hierbij gebruik

van voorspellingen over eindtijd en de totale kosten van het project.

Het doel van deze thesis is om te onderzoeken of de voorspelling van de totale kosten en eindtijd

van een project verbeteren bij gebruik van de Work Package Methodology in vergelijking met de

klassieke Earned Value management-methode. De inschatting van de totale kosten en eindtijd zal

gecontroleerd worden voor 16 echte projecten. Voor elke voorspelling van tijd en kosten wordt een

vergelijking gemaakt tussen de klassieke EVM-methode en de uitbreiding van de EVM-techniek met

workpackages. De impact van deze twee voorspellingen wordt op twee manieren geanalyseerd. Ten

eerste, kijken we naar de verschillende acties die de projectmanager zal moeten ondernemen, geba-

seerd op de verschillende vroegtijdige waarschuwingssignalen waarin de twee technieken voorzien

zijn. Ten tweede gebeurt een meer theoretische analyse op basis van de MAPE- en MPE-formules.

Bij gebruik van de Work Package Methodology moeten de verschillende activiteiten opgedeeld wor-

den in verschillende workpackages. De groepering van de activiteiten is gebaseerd op de ervaring

van de verantwoordelijke projectmanagers. Door de groepering in verschillende workpackages kan

de EVM-techniek toegepast worden op iedere individuele workpackage en kunnen voorspellingen

gemaakt worden over de eindtijd en totale kosten per workpackage. De verschillende ratio’s SPI,

SPI(t), CPI van iedere workpackage kunnen berekend worden. Door de combinatie van de eindtij-

den en totale kosten van alle workpackages kan men een voorspelling maken van de eindtijd van

het project evenals van de totale kosten.

De projecten zijn zorgvuldig geselecteerd volgens omvang: 4 projecten hebben een budget van

meer dan 15 miljoen euro, 8 projecten hebben 20 of meer activiteiten waarop de kosten konden

bepaald worden, 14 van de 16 projecten lijden aan kostsurplussen en/of tijdoverschrijdingen. Als de

WPM-techniek betere voorspellingen en voortijdige waarschuwingssignalen oplevert, zal dit zeker

gedetecteerd worden.

In deze thesis wordt eerst de Earned Value Management-techniek nader toegelicht met daarop-

volgend de Work Package Methodology. Verder wordt de methode uitgelegd om de verschillende

voorspellingen met elkaar te vergelijken. In een aansluitend hoofdstuk over de gevonden resultaten

worden de te analyseren projecten uitvoerig besproken. . Deze thesis wordt afgesloten met een

algemeen besluit.

1

2 Earned Value Management

2.1 Wat is Earned Value Management (EVM)?

Projecten worden steeds groter en complexer en dit in project grootte en op vlak van kosten. De

uitvoering van een project vraagt het inzetten van schaarse middelen zoals: mensen, materialen,

geld en machines gedurende heel het project van ontwerp tot oplevering [1]. Gemiddeld, bij grote

IT-projecten bijvoorbeeld, loopt 45% van de projecten kostoverschrijdingen op en 7% tijdoverschrij-

dingen. 56% van de projecten levert minder businesswaarde op dan verwacht [4]. Om dit fenomeen

tegen te gaan kunnen bedrijven Earned Value Management gebruiken om hun projecten te contro-

leren. Definitie van EVM door het Project Management Institute, Earned Value Management is

een methode voor het integreren van scope, planning, en middelen voor prestaties van het project

te meten. Het vergelijkt de hoeveelheid werk die gepland is met wat er daadwerkelijk al verdiend

en besteed is om te bepalen of de prestaties van tijd en kosten lopen zoals gepland [35]. Earned

Value Management is een methode die controleert of projecten gedurende de uitvoering binnen

tijd en binnen budget blijven. De EVM-techniek maakt ook een voorspelling over de verwachte

eindtijd en de verwachte totale kosten van het project. De methode houdt rekening met de scope,

gepresteerde tijd en gemputeerde kosten van het project om de vooruitgang en de uitvoering van

het project via ratio’s te meten [2]. De verschillende ratio’s geven een vroegtijdige waarschuwing

wanneer prestatieproblemen optreden zodat de projectmanager correctieve acties kan ondernemen.

De EVM-techniek zorgt ervoor dat het voor projectmanagers gemakkelijker is om projecten op te

volgen. Door op regelmatige tijdstippen de vooropgestelde basisplanning (in tijd en budget) te

vergelijken met de al bestede kosten en tijd, kan een projectmanager op een betrouwbare manier

de controle uitoefenen over een project. Vergelijken van de al gespendeerde kosten met het voor-

opgestelde budget geeft de projectmanager inzicht in het verloop van de kosten. Op het vlak van

tijd kan men bepalen of het project op schema is, voorloopt op de oorspronkelijke planning of een

vertraging heeft opgelopen. Tot slot kan men, rekening houdend met de huidige status van het

project, een voorspelling doen van de verwachte eindtijd en de totale kosten van het project.

In het vervolg van dit hoofdstuk over Earned Value Management worden eerst de drie belangrijke

parameters van de techniek uitgelegd. Daarna gaan we dieper in op de verschillende evaluatiepara-

meters die deze techniek biedt met daaropvolgend de voorspellingstechnieken voor tijd en kosten.

De invloed van risicomanagement wordt daarna besproken. Tot slot spreken we over de beperkin-

gen van de EVM-techniek voor het voorspellen van de eindtijd en de totale kosten van het project.

Dit hoofdstuk is in grote lijnen gebaseerd op [42].

2.2 De drie belangrijke parameters van EVM

Aan de hand van de basisplanning, de planning die werd opgesteld aan het begin van het project,

kan men de voortgang en de uitvoering van het project controleren. De basisplanning bevat gege-

vens zoals geplande startdatum, geplande einddatum en gepland budget en dit voor iedere activiteit

van het project. De vooruitgang en de uitvoering van het project moeten op vaste tijdsintervallen

gecontroleerd worden om de controle van het project uit te voeren.

Uit de basisplanning kunnen de volgende elementen gehaald worden:

2

• Planned Duration (PD): de geplande tijd die een activiteit volgens de basisplanning zal in-

nemen;

• Planned Cost (PC): het budget dat een activiteit volgens de basisplanning nodig heeft om

uitgevoerd te worden;

• Schedule At Completion (SAC): de geplande tijd die het gehele project volgens de basisplan-

ning zou innemen;

• Budget at Completion (BAC): schatting van het totale budget van het project. Dit is de som

van alle gebudgetteerde kosten van de individuele activiteiten.

Om een gedetailleerd beeld te krijgen van de voortgang van het project kan men kijken per

activiteit en op projectniveau. Wanneer men kijkt naar de kosten, wordt de PC of Planned Cost

vergeleken met de Actual Cost (AC). Dit is de hoeveelheid geld die een activiteit al gekost heeft.

Op projectniveau wordt de Real Cost of RC, de werkelijke totale kosten van het project vergeleken

met de geplande kosten die het project nodig heeft, de Budget At Completion (BAC).

Op tijdsvlak kan de PD of Planned Duration worden vergeleken met de de Actual Time (AT), dit

is de hoeveelheid tijd die een activiteit op dit moment al vereist heeft. Op projectniveau worden

de RD of de Real Duration, de werkelijke tijd die het gehele project ingenomen heeft, vergeleken

met de geplande voorspelde tijd die het project nodig heeft, namelijk de Schedule At Completion

(SAC).

De EVM-techniek stelt drie belangrijke parameters ter beschikking om de vergelijkingen op een

eenvoudige manier te bekijken. Deze parameters zijn: de Planned Value (PV), de Actual Cost

(AC) en de Earned Value (EV). Deze parameters kunnen op verschillende momenten van het

project berekend worden. Het moment waarop de berekening gebeurt is de Actual Time (AT).

• Planned Value (PV): het budget dat volgens de basisplanning op een gegeven tijdstip al

besteed zou moeten zijn;

• Actual Cost (AC): de som van de kosten per activiteit, die gemaakt zijn op een gegeven

tijdstip;

• Earned Value (EV): de hoeveelheid budget dat al werkelijk gespendeerd zou moeten zijn. Met

andere woorden: het percentage van het al verrichte werk ten opzichte van het totaal aantal

werk en dit vermenigvuldigd met het Budget At Completion (BAC).

2.3 Evaluatieparameters van EVM

De hierboven beschreven parameters van EVM resulteren in vier belangrijke evaluatieparameters

die de status van het project evalueren. De evaluatieparameters worden hieronder opgesomd.

1. Cost Variance (CV ) = EV −ACDe Cost Variance vergelijkt de geplande kosten en de gemaakte kosten in monetaire termen.

- CV < 0: het project overschrijdt zijn budget

- CV = 0: het project verloopt volgens budget

3

- CV > 0: het project zit onder budget

2. Cost Performance Index (CPI) = EVAC Dimensieloze ratio die de efficientie van het voltooide

werk weergeeft op het vlak van kosten.

- CPI < 1: het project overschrijdt zijn budget

- CPI = 1: het project verloopt volgens budget

- CPI > 1: het project zit onder budget

3. Schedule Variance (SV ) = EV − PVSV drukt in monetaire termen het verschil uit tussen het geplande en het voltooide werk.

- SV < 0: het project heeft vertraging

- SV = 0: het project verloopt volgens planning

- SV > 0: het project is voor op planning

4. Schedule Performance Index (SPI) = EVPV

Dimensieloze ratio die de efficientie van het voltooide werk weergeeft op het vlak van planning.

- SPI < 1: het project heeft vertraging

- SPI = 1: het project verloopt volgens planning

- SPI > 1: het project is voor op planning

Er zijn vier verschillende scenarios die de status van het project omschrijven. Deze scenarios zijn

gebaseerd op de vier hierboven omschreven evaluatieparameters; SV, SPI, CV, CPI.

Scenario 1: het project heeft vertraging en overschrijdt zijn budget.

Scenario 2: het project heeft vertraging maar is onder het budget.

Scenario 3: het project is voor op planning en overschrijdt zijn budget.

Scenario 4: het project is voor op planning en is onder het budget.

Een voorbeeld van elk van deze scenarios wordt weergegeven in de grafieken hieronder.

4

Figuur 1: Scenario 1 met SPI < 1, CPI < 1

Figuur 2: Scenario 2 met SPI < 1, CPI > 1

Figuur 3: Scenario 3 met SPI > 1, CPI < 1

5

Figuur 4: Scenario 4 met SPI > 1, CPI > 1

Om de evaluatieparameters van tijd (SPI, SV) op projectniveau gemakkelijk te kunnen bere-

kenen worden ze omgezet in monetaire eenheden. Dit kan volgens de literatuur gebeuren op drie

verschillende manieren namelijk Planned Value Method (Anbari 2003), Earned Duration Method

(Jacob en Kane, 2004), Earned Schedule Method (Lipke 2003). Hoe deze berekend worden volgt

hieronder.

1 The Planned Value Method van Anbari (2003) [3]

Deze methode zet de evaluatieparameter van tijd (SV) die berekend is in monetaire eenheden

om naar tijdseenheden. De gemiddelde PV per tijdsperiode of kortweg PVrate wordt bepaald

door de BAC te delen door de PD. TV (Time Variance) kan dan berekend worden door SV

(in tijd) te delen door de PVrate .

Planned Value Rate (PV rate) = BACPD

Time Variance (TV ) = SVPV rate

2 The Earned Duration Method van Jacob (2004) [7]

Jacob en Kane introduceren een nieuwe term, Earned Duration (ED), die een product is van

de actuele tijd (AD) en de SPI-ratio.

Earned Duration (ED) = AD ∗ SPI

3 The Earned Schedule Method van Lipke (2003) [21]

Lipke wantrouwt de betrouwbaarheid van de evaluatieparameters SV en SPI. Die geven na-

melijk onbetrouwbare voorspellingen bij het naderen van het einde van het project. Daarom

introduceert Lipke twee nieuwe evaluatieparameters, namelijk SV(t), SPI(t).

6

Vind t zodat EV ≥ PVt en EV < PVt+1

Earned Schedule (ES) = t+ EV−PVtPVt+1−PVt

Bij deze laatste techniek, Earned Schedule van Lipke, is meer uitleg nodig.

De waarde van ES kan worden gevonden door te identificeren in welk tijdsinterval t van

PV, de kostprijs van EV optreedt. De Earned Schedule-methode is dan gelijk aan te tijd t

(het begin van het tijdsinterval) en een fractie EV−PVtPVt+1−PVt

De onderstaande grafiek toont een

fictief voorbeeld van de Earned Schedule Method.

Figuur 5: Earned Schedule

Wanneer men de Earned Schedule Method gebruikt, zullen SV en SPI vervangen kunnen

worden door onderstaande ratios:

Schedule Variance with Earned Schedule (SV (t)) = ES −AT

Schedule Performance Index with Earned Schedule (SPI(t)) = ESAT

Deze twee nieuwe evaluatiemethoden zijn er gekomen omdat SV en SPI op het einde van het

project niet altijd even betrouwbare resultaten opleveren. De oorspronkelijke methodes SV

en SPI toonden op het einde van het project altijd ratio’s zoals SV = 0 en SPI = 1. Hoewel

sommige projecten vertragingen en extra kosten oplopen, wordt dit niet door de evaluatie-

methodes opgenomen. Dit kan verklaard worden door de SV- en SPI-formules. Ze bevatten

beide EV en PV. Wanneer het einde van het project nadert, wordt EV altijd gelijk aan BAC

en dus gelijk aan PV. Ongeacht of het project zoals gepland, te laat of te vroeg is gelopen.

Op deze manier is het logisch dat SPI op het einde van het project gelijk is aan een en dat

SV gelijk wordt aan nul. Lipke (2003) brengt als oplossing de Earned Schedule-methode naar

7

voren om de misleidende resultaten van SPI en SV te verbeteren. De twee nieuwe evaluatie-

methodes SV(t) en SPI(t) geven een betrouwbaar signaal over de gehele tijd van het project.

Dit fenomeen wordt weergegeven in figuur 6.

Figuur 6: Verschil van ratio’s SPI en SPI(t) naar gelang de vordering in het project

Samenvattend kunnen we zeggen dat een project geevalueerd kan worden aan de hand van

deze twee bijkomende parameters, [34] namelijk:

Schedule Cost Index (door gebruik van SPI) (SCI) = SPI ∗ CPI

SCI < 1: het project loopt achter op planning en/of budget.

SCI = 1: het project loopt volgens planning en budget.

SCI > 1: het project loopt voor op planning en/of budget.

Schedule Cost Index (door gebruik van SPI(t)) (SCI) = SPI(t) ∗ CPI

SCI < 1: het project loopt achter op planning en/of budget.

SCI = 1: het project loopt volgens planning en budget.

SCI > 1: het project loopt voor op planning en/of budget.

2.4 Voorspellingstechnieken

De EVM-techniek is gemaakt om projecten op te volgen en een waarschuwingssignaal te geven

wanneer het project de voorspelde tijd of budget overschrijdt. Door deze vroege waarschuwingssig-

nalen kan de projectmanager corrigerende acties ondernemen zodat het project nog binnen tijd of

binnen budget kan eindigen. Het voorspellen van de totale projectkosten en tijd is belangrijk om

correctieve acties te ondernemen. Op die manier kan men op tijd reageren wanneer zich problemen

of opportuniteiten voordoen. De EVM-techniek maakt voorspellingen over het totale budget van

een project en de eindtijd. De voorspelling is gebaseerd op de actuele prestaties van het project en

assumpties over de toekomstige prestaties.

8

Hieronder vindt u een overzicht van de algemeen geaccepteerde voorspellingstechnieken, opge-

splitst in voorspellingstechnieken voor kosten en tijd.

De algemene formule voor de voorspelling van de finale kost van een project kan bere-

kend worden door Estimated cost At Completion (EAC).

EAC = AC + PCWR

EAC: Estimated cost at Completion

AC: Actual Cost

PCWR: Planned Cost of Work Remaining

Meer gedetailleerde informatie over de voorspellingsformules voor kosten zijn gegeven. Die zijn

gebaseerd op een algemene formule PCWR = BAC−EV , gecorrigeerd met de performancefactor.

Dit is de factor die gebruikt wordt voor het adapteren van de toekomstige uitvoering tot de voorbije

uitvoering.

EAC = AC + (BAC − EV )/PF

- PF = 1;

Resterende kosten van het werk bij verloop volgens planning.

- PF = CPI;

Toekomstig werk volgt de trend van de huidige kostenprestatie.

- PF = SPI of SPI(t);

Toekomstig werk volgt de trend van huidige tijdsprestatie.

- PF = SCI of SCI(t);

Toekomstig werk volgt de huidige trend van tijds- en kostenprestatie.

EAC1 = AC + BAC−EV1

EAC2 = AC + BAC−EVSPI

EAC3 = AC + BAC−EVSCI

EAC4 = AC + BAC−EVCPI

Tabel 1: Voorspellingstechnieken van kost

9

Figuur 7: Voorbeeld van voorspelling van kosten en tijd door gebruik van EVM

De algemene formule voor de voorspelling van de finale duur van het project is gegeven

door: Estimated duration At Completion (EAC(t)).

EAC(t) = AD + PDWR

EAC(t): Estimated duration at Completion

AD: Actual Duration

PDWR: Planned Duration of Work Remaining

The Planned Duration of Work Remaining (PDWR) is een inschatting die gemaakt wordt over

het werk dat nog gedaan moet worden. Deze inschatting hangt af van de specifieke karakteristieken

en de actuele status van het project [3]. Er zijn zes verschillende projectsituaties waarbij enkel de

drie laatste relevant zijn. De eerste drie zijn niet relevant omdat de eerste veronderstelt dat er

ideale omstandigheden zijn en er dus geen voorspelling nodig is omdat alles volgens plan verloopt.

De tweede en derde zijn irrelevant omdat ze vooropstellen dat een voorspelling via PDWR nutteloos

is door de veranderende situaties of irreversibele problemen. Vanaf de vierde situatie wordt het

interessanter: de vierde situatie voorspelt dat de PDWR zal gebeuren volgens plan, de vijfde

verwacht dat de PDWR zal lopen volgens de trend van SPI. De laatste situatie ten slotte voorspelt

dat de PDWR zal evolueren volgens de trend van SCI. Hieronder volgt de omschrijving van de drie

laatste technieken die een voorspelling zullen doen over de totale kosten en de totale tijd die nodig

zijn voor het project.

2.4.1 De Planned Value Method

Deze techniek maakt gebruik van de Planned Duration van het totale project, uitgedrukt in time

units, voor het maken van voorspellingen over de toekomst. Deze factor is aangepast door de

prestatie van het project tot op heden. Volgens de projectkarakteristieken kunnen volgende voor-

spellingstechnieken beschreven worden:

EAC(t) met PDWR: resterend werk volgens de planning

EAC(t)PV 1 = PD − TV

10

TV = SVPV rate

PV rate = BACPD

EAC(t) met PDWR: resterend werk volgens de trend van SPI

EAC(t)PV 2 = PDSPI

EAC(t) met PDWR: resterend werk volgens de trend van SCI

EAC(t)PV 3 = PDSCI

2.4.2 De Earned Duration Method

De Earned Duration Method is beschreven door Jacob (2003). The Earned Duration (ED) is het

product van de actuele tijd en de Schedule Performance Index (SPI).

EAC(t) ED = AD + PD−EDPF

PF: Performance Factor voor het adapteren van de toekomstige uitvoering tot de voorbije uitvoe-

ring.

- PF = 1

Tijd van het resterend werk volgens originele planning

EAC(t) ED1 = AD + (PD − ED) = PD +AD ∗ (1− SPI)

- PF = SPI

Tijd van het resterend werk volgens de trend van SPI

EAC(t) ED2 = AD + PD−EDSPI = PD

SPI

- PF = SCI

Tijd van het resterend werk volgens de trend van SCI

EAC(t) ED3 = AD + PD−EDSCI = PD

SCI +AD ∗ (1− 1CPI )

In situaties waar de actuele tijd van het project de geplande tijd overschrijdt en het werk is nog

niet geeindigd, zal in de bovenstaande formules de PD vervangen worden door de AD.

2.4.3 De Earned Schedule Method

De formule van de Earned Schedule Method is:

EAC(t) ES = AD + PD−EDPF

De factor PF hangt af van het de situatie van het project.

- PF = 1

Tijd van het resterende werk verloopt volgens planning

EAC(t) ES1 = AD + (PD − ES)

- PF = SPI

Tijd van het resterende werk volgens de trend van SPI

EAC(t) ES2 = AD + PD−EDSPI(t)

11

- PF = SCI

Tijd van het resterende werk volgens de trend van SCI

EAC(t)ES3 = AD + PD−ESSPI(t)∗CPI = AD + PD−ES

SCI(t)

Planned Value Method Earned Duration Earned Schedule

EAC(t)PV 1 = PD − TV EAC(t)PV 2 = PDSPI EAC(t)PV 3 = PD

SCI

EAC(t)ED1 = AD + (PD − ED) EAC(t)ED2 = AD + PD−EDSPI EAC(t)ED3 = AD + PD−ED

SCI

EAC(t)ES1 = AD + (PD − ES) EAC(t)ES2 = AD + PD−EDSPI(t) EAC(t)ES3 = AD + PD−ES

SCI(t)

Tabel 2: Overzicht voorspellingstechnieken van tijd

2.5 EVM en Risk Management

Projectverloop, risicoanalyse en projectcontrole zijn zeer belangrijke stappen tijdens het verloop

van een project. De projectmanager gebruikt deze technieken als hulp bij het plannen, uitvoeren en

controleren van de activiteiten van het project. Informatie over de gevoeligheid van de activiteiten

geeft een extra gelegenheid voor het verbeteren van de accuraatheid van de planning en kan dienen

als een bijkomende manier voor het verbeteren van de projectcontrole en tracking. Het gezamenlijk

gebruik van projectplanning, risicoanalyse en projectcontrole geven de projectmanagers een betere

kans tot het verkrijgen van real-time data met activiteitsensitiviteit, project completion-percentage,

actuele en voorspelde tijd en kosten. Dit alles om een beter inzicht te krijgen in de projectprestatie,

om betere en snellere correctieve acties de ondernemen. [44]

2.6 Beperkingen van de EVM-techniek in verband met de voorspelbaarheid

van kosten en tijd

Alle voorgaande parameters zijn berekend op het niveau van het project en niet op het niveau

van de individuele activiteiten. In de literatuur is er evenwel een duidelijk onderscheid tussen de

onderzoekers die vinden dat de EVM-technieken op het niveau van de verschillende activiteiten

moeten worden opgevolgd en niet op een hoger niveau. Anderzijds zijn er onderzoekers die vinden

dat EVM-techniek op het projectniveau al voldoende krachtige signalen geeft. [6], [5], [24], [23].

Het onderstaande voorbeeld geeft argumenten waarom EVM niet kan worden toegepast worden op

projectniveau [7]. Men wijst erop dat wanneer een vertraging opgelopen is bij een niet-kritische ac-

tiviteit er een waarschuwingssignaal gegeven wordt dat het project in gevaar is. Deze niet-kritische

activiteit spendeert echter enkel de resterende slack. De slack is de tijd die een niet-kritische

activiteit zich kan verplaatsen zonder de eindtijd van het project te beınvloeden. Wanneer men

dus de EVM-techniek toepast op projectniveau, zullen er valse waarschuwingssignalen uitgezonden

worden en dus ook verkeerde acties ondernomen worden. Een tweede argument is dat algemeen

wordt aangenomen dat effecten van vertraagde activiteiten kunnen worden geneutraliseerd door

goed presterende activiteiten op niveau van hogere WBS(Work Breakdown Structure)-levels. In

de DOD/NASA PERT Cost Guide [33] is WBS gedefinieerd als een stamboomonderverdeling van

een project: men begint met de einddoelstellingen die vervolgens in opeenvolgende kleinere eind-

producten worden onderverdeeld. De Work Breakdown Structure wordt uitgebreider omschreven

12

in het hoofdstuk Work Package Methodology. De neutralisatie op niveau van hogere WBS-levels

kan resulteren in het verbergen van problemen.

Hoewel er in de literatuur onenigheid heerst tussen de verschillende meningen van onderzoekers

, is het duidelijk dat de EVM-techniek uitsluitend op projectniveau gebruikt kan worden. [41] De

evaluatietechnieken zorgen ervoor dat er vroegtijdige waarschuwingen gegeven worden op een ef-

ficiente en gemakkelijke manier: op het niveau waarop de kosten berekend kunnen worden of zelfs

hoger. Na grondig onderzoek van de waarschuwingen kan er verder gespecificeerd worden op WBS-

niveau. Door de specificaties kan de projectmanager de nodige acties uitvoeren om de problemen

op te lossen. Lipke et al (2008) [26] wijst erop dat een gedetailleerde planningsanalyse een zeer

tijdrovende activiteit is en dat als deze analyse uitgevoerd wordt dit een negatief effect kan hebben

op de prestaties van het projectteam.

Een projectmanager is meestal geınteresseerd in de status van het totale project en heeft geen tijd

om alle ratio’s op het activiteitsniveau te berekenen. De praktische uitvoering zou immers te veel

tijd vergen. Bijgevolg worden de EVM-prestatiemaatstaven berekend op projectniveau en niet op

het niveau van elke individuele activiteit. De mogelijke vertekening van deze benadering (project-

niveau) vergeleken met de ideale benadering (op het activiteitsniveau) wordt beınvloed door de

structuur van het netwerk, meer bepaald door het aantal kritische activiteiten in de netwerken.

Zoals hierboven al omschreven zal het aantal kritische activiteiten bepalend zijn voor de be-

trouwbaarheid van de EVM-methode op project niveau. De seriele of parallelle indicator (SP)

meet de nabijheid van het project naar een seriele of parallel netwerk. Hoe dichter de SP bij 1 ligt,

hoe meer kans op potentiele kritische activiteiten in een netwerk; hoe meer kans er dus bestaat

dat de EVM-methode op projectniveau een vertekend beeld zal geven. Omgekeerd gesteld zal de

nauwkeurigheid vergroten wanneer een SP-waarde dicht bij nul wordt vastgesteld. Het aantal niet-

kritische activiteiten verlaagt, waardoor ook de kans om verkeerde conclusies te trekken zal dalen.

De combinatie van de Earned Value Management-techniek met de Risk Management-techniek zorgt

ervoor dat projectcontrole voor de projectmanager efficienter kan worden uitgevoerd. Langs de ene

kant zorgt de EVM-methode ervoor dat projectmanagers zich kunnen focussen op die activiteiten

die correctieve acties nodig hebben tijdens het beslissingsproces, anderzijds zorgt de Schedule Risk

Analysis (SRA) ervoor dat de focus van de projectmanager vanaf het begin op activiteiten gelegd

wordt die deze aandacht nodig hebben, omwille van hun risicogehalte.

Een belangrijke keuze tijdens project tracking is de graad van detail en de daarbij horende

graad van management effort dat nodig is om het project effectief te kunnen controleren. Daarbij

is het belangrijk om het juiste WBS-level te kiezen, de juiste balans te verwachten tussen het level

van detail en de snelheid van project tracking [26].

De EVM-techniek zorgt voor planning- en kostenevaluatieratio’s CPI, SPI of SPI(t) van een

project en geeft daarbij een algemeen beeld van het project. Een projectmanager kan bijvoorbeeld

beslissen om acties te ondernemen als een van de ratios onder een bepaalde waarde zakt.

13

Als voorbeeld kunnen we stellen dat indien de ratio SPI(t) onder de waarde 0,75 zakt, de project-

manager correctieve acties zal moeten ondernemen. Wanneer er dus acties moeten worden genomen

om het project opnieuw volgens plan te laten verlopen, zal de projectmanager de problemen op een

lager niveau van de WBS moeten bekijken. Op die manier kan hij correctieve acties ondernemen

om de activiteiten die in de problemen zitten te verbeteren.

3 Work Package Methodology

3.1 Workpackages

Aan het begin van een project is het belangrijk om een projectvoorstel te formuleren aan de hand

van een Work Breakdown Structure (WBS). Deze WBS-structuur zorgt ervoor dat het project in

detail gedefinieerd is en dat middelen- en tijdramingen bij het begin van het project gemaakt wor-

den. [17] Tijdens het verdere verloop van het project kan de WBS-structuur evenwel nog veranderen.

In de DOD/NASA PERT Cost Guide [33] is WBS gedefinieerd als een stamboomonderverdeling

van een project: men begint met de einddoelstellingen die vervolgens in opeenvolgende kleinere

eindproducten worden onderverdeeld.

Het workpackage concept beschreven door Sullivan en Elmore (1986) [10]: kleine, afzonderlijke

elementen van het werk met elk realistische en uitdagende doelen die toegewezen zijn aan de pro-

jectmanagers en op een relatieve korte tijd kunnen worden afgerond. De werkelijke gemaakte kosten

en de vooruitgang worden verzameld en vergeleken met het budget en het tijdschema voor iedere

kostenplaats. Volgens Ruskin (2004) [37] moet de EVM techniek toegepast worden op het niveau

van de WBS waarvoor de kosten beschikbaar zijn. Binnen de WBS worden workpackages gedefini-

eerd voor het werk dat nodig is om een specifieke job of proces af te werken. Het kan gaan om een

rapport, een design, een documentatie. . .

PMBOK (Project Management Body of Knowledge) [35] definieert WBS als een leverbare ge-

orienteerde groepering van projectelementen die de totale werkomvang van het project organiseert

en definieert. Om complexe projecten te managen verdeelt men de projecten in kleinere, makkelij-

kere hanteerbare management subprojecten. Op die manier zijn verschillende management levels

geconcentreerd op de planning, de controle en de ontwikkeling van de individuele workpackages

als samenhangende eenheden. De onderverdeling zorgt ervoor dat de inhoud van een workpackage

kan gelimiteerd worden tot het werk van een operationele afdeling [20]. Een workpackage kan be-

staan uit een of meerdere kostenactiviteiten. Workpackages kunnen gezien worden als subprojecten

en wanneer ze gecombineerd worden met andere individuele workpackages vormen ze het gehele

project [8]. Elk team volgt de verschillende stappen zoals gedefinieerd in de workpackage op en

vervolledigt de taken tegen de specifieke deadline [13]. Wanneer alle teams hun individueel work-

package afgewerkt hebben, zal ook het project zijn doelstellingen bereikt hebben. Het verdelen van

het project in verschillende groepen zorgt ervoor dat de verschillende teams gelijktijdig of sequen-

tieel kunnen werken aan de verschillende componenten van het project. In sommige gevallen is het

zelf onmogelijk een project te controleren als deze niet opgesplitst is in kleinere onderdelen [16].

14

Figuur 8: Voorbeeld een algemene WBS-structuur gebaseerd op [18]

Figuur 9: Voorbeeld van verschillende activiteiten in een geanalyseerd project gebruik makend van

de WBS

3.2 Work Package Methodology

Zoals hierboven omschreven in 3.6 Beperkingen van de EVM-techniek is er onenigheid tussen ver-

schillende onderzoekers aangaande de voorspelbaarheid en betrouwbaarheid van de EVM-methode.

Alle EVM-parameters zijn berekend op het niveau van het project en niet op het niveau van de

individuele activiteiten. In de literatuur is er evenwel een duidelijk onderscheid. Bepaalde on-

derzoekers vinden dat de EVM-technieken op het niveau van de verschillende activiteiten moeten

worden opgevolgd en dus niet op een hoger niveau of Work Breakdown Structure. Andere onder-

zoekers vinden dat EVM-techniek op het projectniveau al voldoende kracht heeft.

De Work Package Methodology kan gebruikt worden om na te gaan of de voorspelbaarheid van

de eindtijd en de totale kosten van het project nauwkeuriger worden door gebruik te maken van een

15

lager niveau dan het projectniveau, namelijk het workpackageniveau. Die techniek is een uitbrei-

ding van de Earned Value Management-methode waarbij de EVM-techniek zal worden toegepast

op de verschillende workpackages binnen hetzelfde project. [14]

De WPM-techniek wordt hierna toegelicht.

Bij een project waarop projectcontrole door middel van Earned Value Management gebeurt, worden

de verschillende parameters en evaluatieratios CPI, SPI of SPI(t) berekend op projectniveau.

Figuur 10: Voorbeeld van verschillende activiteiten in een project

Aan de hand van de evaluatieratio’s kan men een voorspelling maken voor de eindtijd van het

project en voor de totale kosten van het project.

Een voorbeeld van de voorspelling van de totale kosten wordt weergegeven in onderstaande figuur.

Figuur 11: Voorbeeld van voorspelling van tijd en kost d.m.v. EVM

Wanneer men de techniek van workpackages op het project toepast kunnen de verschillende

activiteiten van het project onderverdeeld worden in workpackages. Dit zijn dus de kleinere, mak-

kelijkere hanteerbare management subprojecten, waarin verschillende activiteiten gegroepeerd kun-

nen worden. Door gebruik van deze workpackages kan men de evaluatieparameters van de Earned

Value Management-techniek toepassen op het niveau van de workpackages.

16

Figuur 12: Voorbeeld van groepering van activiteiten in workpackages

Met de informatie van de evaluatieparameters kan men ook een voorspelling doen van de eindtijd

en de totale kosten van de verschillende workpackages. Wanneer men de totale voorspelde kosten

van het project wil berekenen, kan men de voorspellingen van de totale kosten van de verschillende

workpackages optellen.

Bij de voorspelling van de eindtijd van het project is het evenwel niet mogelijk om de voorspel-

lingen van de eindtijden van de workpackages op te tellen: men zit namelijk met de overlap tussen

de verschillende activiteiten en / of workpackages. Om het probleem van overlap op te lossen moet

het kritieke pad worden berekend om een inschatting te kunnen maken van de totale eindtijd.

Figuur 13: Voorbeeld van het optellen van de verschillende voorspellingen van kosten van de

verschillende workpackages om de totale kost van het project te voorspellen

Om na te gaan of de voorspellingen op niveau van workpackages beter zijn dan op projectniveau

moet de voorspelling van de totale kosten en eindtijd van een project door middel van de klassieke

Earned Value Management-techniek worden vergeleken met de EVM-methode met als uitbreiding

de Work Package Methodology.

4 Methode

De bedoeling van deze thesis is om te onderzoeken of de voorspelling van de totale kosten en

eindtijd van een project verbetert door gebruik te maken van de Work Package Methodology als

17

uitbreiding van de Earned Value Management-techniek in vergelijking met de klassieke Earned Va-

lue Management-techniek.

Om de mogelijke verbeteringen in kaart te brengen worden beide methodes met elkaar vergeleken

aan de hand van 16 real-life projecten in verschillende bedrijven. In het volgende hoofdstuk wor-

den de verschillende projecten en de bedrijven, met elk hun eigen manier van projectopvolging,

toegelicht. Dit hoofdstuk beschrijft hoe de gegevens worden verzameld en geanalyseerd, en welke

onderzoeksvragen op de 16 real-life projecten worden toegepast.

4.1 Verzamelen gegevens van de 16 projecten.

Om de nodige gegevens van elk project te verzamelen en de voortgang van elk project op te volgen

vonden op regelmatige tijdstippen meetings met de projectleiders plaats. De projectleiders werden

vaak bijgestaan door budgetverantwoordelijken, projectmedewerkers, werfleiders. . . om de nodige

diepgang in de analyse te garanderen.

Tijdens en na de meeting werden telkens verschillende spreadsheets opgesteld, waarin de nodige

gegevens werden verzameld.

Alle gegevens die nodig zijn om op de verschillende projecten een projectcontrole toe te passen moe-

ten worden verzameld en de activiteiten moeten in verschillende workpackages worden gegroepeerd.

Deze indeling van activiteiten in verschillende workpackages gebeurde op basis van de expertise van

de projectmanagers. De projectmanagers hebben immers een betere kennis van de correlaties en

relaties tussen de verschillende activiteiten.

4.2 Berekenen van de ratio’s en voorspellingen van tijd en kosten.

De drie belangrijke parameters van de EVM-techniek; Planned Value (PV), Actual Cost (AC)

en Earned Value (EV) kunnen zowel op de klassieke methode als op basis van de uitbreiding met

workpackages makkelijk berekend worden. Hetzelfde geldt voor de evaluatieparameters; Sche-

dule Variance (SV), Schedule Performance Indicator (SPI), Cost Variance (CV), Cost Performance

Indicator (CPI).

De evaluatieparameters van tijd (SPI, SV) kunnen verder opgesplitst worden in 3 verschillende

technieken om ze uit te drukken in monetaire eenheden. Deze technieken zijn: Planned Value

Method, Earned Duration Method, Earned Schedule Method.

Om de Earned Schedule te berekenen op WPM-niveau moet de techniek wat aangepast worden.

De formule is namelijk:

Vind t zodat EV ≥ PVt en EV < PVt+1

Earned Schedule (ES) = t+ EV−PVtPVt+1−PVt

Een eerste aanpassing is nodig omdat de verschillende trackingperiodes niet altijd gelijkmatig

verdeeld zijn in de tijd. Daardoor kan men geen gebruik maken van tijdsperiode t = 1, 2, 3, . . . , n

18

maar worden de tijdsperiodes aangeduid met het aantal dagen tussen de verschillende trackingpe-

riodes, zo spreekt men van t = 0, 30, 61, . . . Nadien, om de gepaste t te bepalen wordt er binnen

de verschillende workpackages nagegaan hoeveel keer de EV op moment t groter of gelijk is aan

PV (0) tot en met PV (t). Dit aantal x wordt dan omgezet in de representatieve waarde van t. Op

die manier kan de formule van Earned Schedule toegepast worden op workpackageniveau.

Er is nog een tweede aanpassing nodig om de duurtijd van de verschillende workpackages te

berekenen. Wanneer men de Earned Value van de verschillende workpackages apart zou berekenen,

zouden er voor iedere workpackage andere t-waarden in de Earned Schedule-techniek opgesteld

moeten worden.

Figuur 14 is een voorbeeld van Workpackage x waarbij de Earned Schedule-techniek individueel

op Workpackage x wordt toegepast. Wanneer echter over het hele project wordt gekeken, ziet de

Earned Schedule-techniek eruit zoals Figuur 15. Het enige verschil in beide figuren is dat bij Figuur

15 Workpackage x start op dag 100 in plaats van 0, want dag 100 is de dag waarop Workpackage x

start in het project. Om de Earned Schedule te berekenen, neemt men de berekende Earned Sche-

dule over het project min de start datum van de workpackage x. De techniek blijft dezelfde, maar

de berekeningsformules dienen aangepast te worden om rekening te houden met deze tijdsaspecten.

Figuur 14: Earned Schedule per activiteit

19

Figuur 15: Earned Schedule op project niveau

De techniek heeft nog extra aanpassingen nodig. De gebruikte projecten hebben vaak een

enorme tijdsspanne, wat het verzamelen van de gedetailleerde gegevens in het begin van het pro-

ject moeilijk maakte. Het kwam vaak voor dat de trackingperiodes van de verschillende projecten

in het begin maar om het half jaar waren. Hierdoor begonnen sommige workpackages tussen twee

trackingperiodes in, waardoor de Earned Schedule van de betrokken workpackage soms vroeger viel

dan de werkelijke begindatum. Dit zorgde voor negatieve Earned Schedule-waarden op workpack-

ageniveau. Om dit probleem op te lossen werd in deze thesis geopteerd om dummy trackingperiodes

op te stellen. De dummy trackingperiodes werden gecreeerd door de verschillende activiteiten li-

neair te laten verlopen tussen de verschillende trackingperiodes. Op die manier kon de Earned

Schedule toegepast worden op de verschillende workpackages die in eerste instantie tussen twee

trackingperiodes begonnen.

De evaluatieparameters konden gemakkelijk toegepast worden op workpackages die al bezig

waren. Van de workpackages die nog niet opgestart waren, stonden de evaluatieparameters op nul.

Omdat die workpackages in de berekening van de eindtijd en de eindkosten van het project inge-

bracht moeten worden, kunnen ze ingevuld worden door verschillende assumpties. Bij ieder project

worden voor de evaluatieparameters van nog niet opgestarte workpackages 3 scenarios opgesteld,

namelijk: (1) de evaluatieparameters gaan verder zoals gepland =1, (2) de evaluatieparameters

krijgen als waarde het gemiddelde van de al gestarte workpackages, (3) de evaluatieparameters ne-

men de waarden aan van de evaluatieparameter op projectniveau. Nadien wordt onderzocht welke

van de 3 technieken het meest accuraat is. Naar deze technieken zal voortaan verwezen worden als

vervangingsparameters.

De voorspelling van kosten kon op workpackageniveau op dezelfde manier toegepast worden

als op projectniveau. Zoals eerder al vermeld, kan men de voorspelde kosten van de verschillende

workpackages gewoon optellen om aan het voorspelde totale budget van het project te komen. De

totale voorspelde kosten van het project worden met onderstaande formule berekend:

20

EAC = AC + BAC−EVPF

Waarbij PF 4 verschillende waardes kan aannemen, namelijk; 1, SPI, SCI, CPI.





Tabel 3: Voorspellingstechnieken van kost

De voorspelling van tijd is moeilijker toe te passen op workpackageniveau. Door overlap

tussen verschillende activiteiten of zelfs overlap van verschillende workpackages kan men de voor-

spelde tijd van de workpackages niet gewoon optellen om aan de totale voorspelde eindtijd van

het project te komen. Om de totale voorspelde eindtijd van het project toch te berekenen werd

een beroep gedaan op de techniek van kritieke paden. Voor ieder project zal op elk evaluatiemo-

ment het kritieke pad bepaald worden. De verschillende voorspelde eindtijden van de verschillende

workpackages worden hierop toegepast, waardoor men de voorspelde eindtijd van het project kan

bepalen.

De totale voorspelde eindtijd van het project wordt met onderstaande algemene formule berekend:

EAC(t) = AD + PDWR

Deze algemene formule wordt verder opgesplitst in de Planned Value Method, Earned Duration

Method, Earned Schedule Method.

Planned Value Method

EAC(t) = PD − TV

EAC(t) = PDPF

Met PF = SPI, SCI(t)

Earned Duration

EAC(t) = AD + PD−EDPF

Met PF = 1, SPI, SCI(t)

Earned Schedule Method

EAC(t) = AD + PD−ESPF

21

Met PF = 1, SPI, SCI(t)

De onderstaande tabel bevat een overzicht van de verschillende technieken voor voorspelling

van de eindtijd van het project.

Plannev Value Method Earned Duration Earned Schedule


SCI


SCI


SCI(t)


Een belangrijke opmerking hierbij is dat sommige workpackages zich nog maar net in de opstart-

fase bevinden, terwijl ze volgens de planning al langer bezig zouden moeten zijn. De verschillende

evaluatieparameters hebben hierdoor een zeer lage waarde. Worden die waarden toegepast op de

verschillende voorspellingstechnieken, dan kan dat leiden tot een zeer lange duurtijd of enorme

kosten van de verschillende workpackages. Dit is niet het geval op projectniveau omdat de lage

waarden uitgebalanceerd worden tussen de meestal normaal verlopende evaluatieparameters. Om

dit fenomeen na te gaan werden afkappingswaarden gebruikt: wanneer de evaluatieparameters on-

der een bepaalde waarde komen, moeten ze vervangen worden door de vervangingsparameters. Die

vervangingsparameters zorgen voor drie verschillende scenarios afhankelijk van welke vervangings-

waarde ingevuld wordt. De verschillende vervangingswaarden kunnen zijn: 1, gemiddelde van de

al gestarte workpackages, ratio van project in plaats van de ratio van de workpackage. De verschil-

lende afkappingswaarden zijn afhankelijk van project tot project en kunnen varieren van 0,1 tot

0,45.

4.3 Seriele/ Parallelle parameter

De Seriele/ Parallelle parameter meet of het netwerk van een project eerder serieel of parallel van

aard is. Wanneer de SP-parameter=0 is, dan zijn alle activiteiten parallel. Wanneer SP=1, dan

is het projectnetwerk volledig serieel. De SP-parameter van een project ligt vaak tussen deze 2

extreme waarden. Hoe dichter de parameter bij 1 ligt hoe meer serieel het netwerk is. Om de

SP-parameter te berekenen houdt men rekening met het maximale aantal niveaus van het netwerk.

Dat wordt gedefinieerd als de langste keten (dit in termen van het aantal seriele activiteiten) in het

netwerk. Concreet wordt de formule hieronder gebruikt om de SP-parameter te berekenen:

|SP | =

{1 als n = 1;m−1n−1 als n > 1.

n het aantal niet-dummy activiteiten in een AoN-netwerk

m aantal activiteiten in de langste keten van het netwerk

Om m te bepalen zoekt men dus de langste keten in het netwerk. Dit gebeurt door op zoek

te gaan naar the progressive level. The progressive level van een activiteit i in een projectnetwerk

wordt gedefinieerd als:

22

|PLi| =

{1 als Pi = 0;

maxj∈Pi PLj + 1 als Pi 6= 0.

Pi de set van onmiddellijke voorgangers van activiteit i.

Gebaseerd op the progressive level is m het maximale progressive level.

Een voorbeeld van de SP- indicator is gegeven hieronder.

Figuur 16: Een voorbeeld van de SP-factor

In dit voorbeeld is de waarde van n gelijk aan 10, de waarde van m gelijk aan 4. Zo kan de

SP-factor berekend worden: SP = (4− 1)/(10− 1) = 0, 33

Hoewel de EVM-techniek goed werkt als methode voor het geven van vroegtijdige waarschu-

wingen, komt er veel kritiek op de methode. De kritiek is er omdat het een tijdsintensieve job is,

maar ook omdat men enkel rekening houdt met het totaalbeeld. De verschillende parameters van

de EVM-techniek worden berekend op projectniveau en niet op activiteitenniveau.

Het weerleggen van de EVM-methode komt er op basis van de kritieke activiteiten. Een kritieke

activiteit is een activiteit waarbij de totale projectduur verlengt indien deze activiteit minimaal uit-

loopt. In tegenstelling tot een niet-kritieke activiteit, waarbij het uitlopen van deze activiteit geen

onmiddellijke invloed heeft op de totale projectduur. Wanneer een niet-kritieke activiteit achterop

loopt, en dus een waarschuwingssignaal geeft, bestaat de kans dat dit geen invloed heeft op de totale

projectduur. Er bestaat dus een kans dat de projectmanager onterecht acties onderneemt. Ook het

omgekeerde kan gebeuren: vertragingen van de ene activiteit kunnen gecompenseerd worden door

goed presterende andere activiteiten. Hierdoor zullen er geen alarmsignalen uitgestuurd worden,

maar ze zijn wel nodig voor correctieve acties. Uit onderzoek van Vanhoucke (2011) [44] blijkt dat

de EVM-methode vrij efficient is voor seriele netwerken (SP = 1), maar dat de efficientie voor

23

parallelle netwerken (SP = 0) vrij laag is. Dat ligt in de lijn van wat hierboven werd beschreven.

Het is dus vrij belangrijk om na te gaan of de SP-factor een invloed heeft op de performantie van

de EVM-techniek en de EVM-techniek met als uitbreiding de WPM-methode.

4.4 Vergelijken van de resultaten.

Om de voorspellingen te evalueren en de nauwkeurigheid van beide technieken te bepalen, bestaan

er twee formules om dit te berekenen. [45]

De voorspelling van kosten kan met onderstaande formule berekend worden.

Mean Percentag Error (MPE)= 1T

∑Ttime=t

EAC(t)time−RDRD ∗ 100

Mean Absolute Percentage Error (MAPE)== 1T

∑Ttime=t

|EAC(t)time−RD|RD ∗ 100

De formule berekent de gemiddelde afwijking tussen de totale projectkosten die voorspeld wor-

den tijdens de uitvoering van het project (EAC) en de werkelijke kosten van het project (Real

Cost=RC); dit zijn de waargenomen eindkosten van het project. Hoe kleiner de waarde, hoe nauw-

keuriger de voorspelling.

Met T= totaal aantal trackingperiodes uitgedrukt in dagen over de gehele projecthorizon

EAC = de geschatte kost van het project in een trackingperiode (t = 0, 30, 61, . . . , T )

De voorspelling van tijd kan met onderstaande formule berekend worden:


∑Ttime=t



∑Ttime=t


De formule berekent de gemiddelde afwijking tussen de totale projectduur die voorspeld wordt

tijdens de uitvoering van het project (EAC(t)) en de werkelijke duur van het project (Real Dura-

tion=RD); dit is de waargenomen einddatum van het project. Hoe kleiner de waarde, hoe nauw-

keuriger de voorspelling uiteraard is.

Met T= totaal aantal trackingperiodes over de gehele projecthorizon EAC(t) de geschatte duur

van het project in een trackingperiode (t = 0, 30, 61, . . . , T )

De MPE wordt berekend op dezelfde manier als de MAPE-methode maar in tegenstelling tot de

MAPE-methode worden de positieve en negatieve waarden evenals de over- en/of onderschatting

van de uiteindelijke looptijd uitgebalanceerd.

In deze thesis wordt onderzocht of de voorspelling van de totale kosten en eindtijd van een pro-

ject zal verbeteren door gebruik te maken van de Work Package Methodology als uitbreiding van

de Earned Value Management-techniek in vergelijking met de klassieke Earned Value Management-

techniek. Deze 2 technieken zullen met elkaar vergeleken worden. Voor beide technieken zullen

de MPE- en MAPE-waarden berekend worden. De techniek die de kleinste waarde weergeeft voor

24

MPE, MAPE is het nauwkeurigst. De vergelijkingen zullen project per project gebeuren. Maar er

zal ook naar algemeenheden gezocht worden voor de 16 projecten.

Daarnaast zal ook worden nagegaan welke vervangwaarde voor de evaluatieparameters van on-

begonnen workpackages het beste resultaat geeft. De vervangingswaarden kunnen zijn: (1) 1, (2)

het gemiddelde van de al gestarte workpackages, (3) de waarde van de evaluatieparameter op pro-

jectniveau.

Wanneer de WPM betere voorspelling biedt dan de EVM-methode wordt nagegaan welke voor-

spellingstechniek de beste resultaten geeft op het vlak van kosten en tijd bij gebruik van de WPM-

techniek.

Bijkomend zal gecontroleerd worden of de voorspelling van kosten of tijd door middel van de

Work Package Methodology en Earned Value Management-techniek beınvloed wordt door het al

dan niet serieel zijn van de activiteiten.

Een laatste element dat gecontroleerd wordt is of de WPM-techniek betere vroegtijdige waar-

schuwingen geeft in vergelijking met de EVM-techniek.

5 Projecten

5.1 MIVB

5.1.1 Uitleg bedrijf

Van de zestien projecten zijn er elf projecten bij de MIVB gesitueerd. De MIVB is de publiekrech-

telijke vervoersmaatschappij van Brussel en exploiteert een netwerk van metros, trams en bussen

in de 19 gemeenten van het Brussels Hoofdstedelijk Gewest. De MIVB voert 375 miljoen reizen

per jaar uit en ieder jaar groeit dit aantal met een extra 10% aan. In de budgetten van de MIVB

is voor de komende jaren meer dan 4,4 miljard euro aan investeringen ingeschreven om het net en

de infrastructuur uit te breiden. Voor 2013 is 450 miljoen euro voorzien voor nieuwe projecten.

Vandaag zijn er meer dan 75 projecten parallel in uitvoering.

5.1.2 PM Techniek

Het PMO (Project Management Office) van de MIVB verplicht dat van ieder project een pro-

ject tracking-document wordt opgesteld door de verantwoordelijke projectmanager. Het document

wordt gevalideerd door de specifieke Project Board met vertegenwoordigers van de technische af-

delingen, de gebruikers, budgetverantwoordelijken etc. Iedere 20e van de maand worden de docu-

menten geactualiseerd en worden de gevalideerde documenten verzonden naar het PMO. Het PMO

verzamelt alle updates van alle projecten, rapporteert op een geaggregeerd niveau over de voort-

gang en verspreidt dit maandelijks rapport naar de verschillende belanghebbenden in de hierarchie

van de organisatie. Het maandelijkse rapport wordt ook in het Executive Committee besproken en

regelmatig wordt een projectleider opgeroepen voor meer uitleg.

De belangrijkste zaken die iedere project tracking moet bevatten, wordt hieronder beschreven :

25

• Het eerste tabblad van het Excel-bestand is een initialisatie. Hierin worden de leden van

het projectteam en de Project Board omschreven. Naast deze omschrijving worden ook de

belangrijkste gegevens van het project omschreven: titel, projectteam, opstartdatum van het

project, budget, basisplanning en de verschillende te respecteren mijlpalen.

• Een volgend tabblad bevat de werkelijke planning met eventuele wijzigingen in vergelijking

met de basisplanning.

• Vervolgens worden de werkelijke mijlpalen vergeleken met de geplande mijlpalen.

• Een samenvatting van de laatste vergadering van de Project Board , met nadruk op de

genomen beslissingen, wordt ook aan de maandelijkse project tracking toegevoegd.

• De status qua kwaliteit, budget en planning worden bekeken. De risico’s worden weergegeven

op een apart blad: deze worden onderverdeeld in laag, medium of hoog risico. Ook de

bijhorende impact per risico wordt omschreven en de daarvoor nodige actieplannen om dit

risico onder controle te houden.

• Aansluitend krijgt het project een kleurcode mee die de algemene status van het project

weergeeft en ook de nood aan aandacht, indien vereist. Wanneer de status van het project

groen is gekleurd, is er geen bijkomende aandacht nodig en bevestigt de Project Board dat

de projectleider en zijn team alles onder controle hebben. Wanneer de status oranje gekleurd

is, wordt bijkomende aandacht gevraagd van de Project Board, want zij hebben een rol en

verantwoordelijkheid op te nemen en moeten de nodige beslissingen treffen om het project

weer op de rails te krijgen. Aandacht van het Executive Committee is nodig wanneer rood

verschijnt. Het Executive Committee beslist vervolgens hoe het project verder moet worden

aangepakt: bijkomend budget, extra resources, scope aanpassing,. . .

• Om het document af te sluiten is er een tabel die weergeeft welke beslissingen genomen zijn

of welke beslissingen nodig zijn om een goede voortgang van het project te begunstigen.

5.1.3 Assumpties en opmerkingen

Binnen de MIVB worden de interne werkkrachten niet of zeer zelden in rekening gebracht bij het

berekenen van de kosten. Bij de MIVB is er voor het grootste deel van de projecten een schatting

gemaakt van de interne kosten. Vaak gaat de MIVB ervan uit dat de projecten binnen budget

blijven wanneer een project langer duurt dan gepland. Deze veronderstelling houdt geen rekening

met de interne kosten. De redenering van de MIVB is gebaseerd op het feit dat wanneer zij een

contract afsluiten met een leverancier de kosten vaststaan. Wanneer bijkomende aanpassingen

moeten gebeuren zal dit ten koste zijn van de leverancier en niet van de MIVB. Het gebeurt dus

niet vaak dat het opgelegde budget overschreden wordt tenzij de MIVB zelf een wijziging aanbrengt

aan de offerte. Concluderend uit de redenering van de MIVB blijkt dat wanneer een project een

jaar te laat is, er desondanks vaak geen budgetoverschrijding is omdat de interne kosten hierbij niet

berekend zijn. In het geval de interne kosten wel berekend zouden worden, zouden veel projecten

binnen de MIVB wel een budgetoverschrijding hebben. Een andere belangrijke opmerking is dat de

projecten binnen de MIVB zeer sterk met elkaar geıntegreerd zijn. Vaak hebben meerdere projecten

invloed op elkaar, met als gevolg dat indien wanneer het ene project vertraging oploopt, er een grote

26

kans ontstaat dat andere projecten gecontamineerd worden en dus vertraging oplopen. Het valt

meermaals voor dat de scope van een project moet bijgestuurd worden, net onder invloed van

een ander project. Typisch voor de projecten is dat derde partijen, waarop MIVB geen of weinig

impact heeft, ook activiteiten voor hun rekening nemen in het project. Bijvoorbeeld: vergunningen

moeten aangevraagd worden vooraleer tramlijnen uitgebreid kunnen worden, milieucertificaten

moeten aangevraagd worden, overeenstemming moet bereikt worden met gebruikersorganisaties,

eerst moet de riolering heraangelegd worden etc. Wanneer door de externe factoren een vertraging

optreedt, is dit buiten de macht van de MIVB. Door de afhankelijkheid van MIVB van deze externe

factoren kunnen de projecten binnen de MIVB ook vertragingen oplopen.

5.1.4 Project 1: M6+

Het doel van dit project is de vervoerscapaciteit op de metrolijn 1-5 met 20 procent te verhogen en

dit door de frequentie van de metro op te voeren tot 2.30 minuten. Er rijden reeds 15 metrostellen

op deze lijn; 6 bijkomende metrotoestellen zijn nodig en dit is precies het M6+-project.

Geplande duurtijd Van: 14-05-2009 Tot: 17-03-2013

1002 werkdagen

Werkelijke duurtijd Van: 14-05-2009 Tot:10-04-2013

1027 werkdagen

Gebudgetteerde kosten ¤57.232.891,10

Werkelijke kosten ¤57.376.767,66

# activiteiten 29

# WP 8

SP indicator m = 5, n = 8, SP = 0, 5714

Tabel 5: Gegevens project M6+

5.1.5 Project 2: MCH

Maintenance Center Haren, verkort tot MCH, is eveneens een project binnen de MIVB. Het on-

derhoud van bussen en trams gebeurt op dit ogenblik in vijf verschillende ateliers: Haren 3 is

verantwoordelijk voor het onderhoud van bussen terwijl het onderhoud van de trams gebeurt in

Belgrado. De carrosserie van de tram wordt onderhouden in Kuregem, het atelier in Birmingham

staat in voor het onderhoud van de vrachtwagens voor herstelling op de weg en het atelier in Haren

5 staat in voor de zware accidenten en is uitgerust met schilderstunnels. Deze ateliers zijn ge-

huisvest in oude gebouwen, uitgerust voor het onderhoud van trams van de oude generatie en van

sommige ateliers (Belgrado, Kuregem) loopt de exploitatievergunning ten einde. De bedoeling van

het project is om de vijf ateliers samen te brengen op een locatie te Haren. Door slechts een locatie

voor het onderhoud van trams en bussen te hebben, zal de MIVB veel economischer te werk kunnen

gaan. Deze locatie zou niet alleen beter zijn voor het milieu maar ook voor de werkomstandigheden

van de arbeiders.

Aangezien veel projecten van de MIVB verlopen volgens het Europese offertesysteem is de uitleg

hieronder nuttig voor veel projecten binnen de MIVB. Het project begint met een interne haalbaar-

27

heidsstudie. Dit is een intern onderzoek hoe het gebouw er zou kunnen uitzien om aan de normen

van de klant te voldoen. In het geval van MCH is de klant de afdeling van de voertuigen en onder-

delen: rollend materieel. Tijdens de tweede fase is er een openbare aanbesteding voor het zoeken

naar de architect en de studie van het gebouw. Wanneer de tweede fase is afgerond en een architect

is aangesteld, maakt de architect een voorontwerp. Dit is louter het bouwkundige aspect van het

project. De volgende activiteit houdt in dat men de gemengde vergunning zal aanvragen. Voor deze

bouw- en milieuvergunning moeten veel formaliteiten vervuld worden. Op het moment van indie-

nen van de vergunning moet bekend zijn hoe het gebouw er zal uitzien. Tijdens de detailstudie zal

men in samenspraak met de klant en de architect beslissen waar welke onderhoudsapparaten staan

en welk materiaal zal gebruikt worden. Aan de hand van deze detailstudie zal een aanbestedings-

dossier opgesteld kunnen worden. Hierin zit het bestek, de meetstaat, de plannen, de uitvoering in

details. Wanneer dit aanbestedingsdossier afgewerkt is, kan de aanbestedingsprocedure in werking

treden. Wanneer uiteindelijk een aannemer is gekozen, zal men onderhandelen over de uitvoering

van het project. Na deze onderhandelingen kan de werkelijke uitvoering beginnen. Wanneer de

uitvoering is afgewerkt, is er een voorlopige oplevering en nadien volgt de definitieve oplevering,

meestal twee jaar later.

Een praktisch voorbeeld van de PM-techniek van de MIVB wordt hier ook verder uitgewerkt.

Dit is zeer gelijklopend voor andere projecten van de MIVB. Voor het project wordt een project-

manager aangesteld die dagdagelijks het project opvolgt. De projectmanager rapporteert en geeft

uitleg aan de Project Board. In de Board zetelen de belangrijkste interne klanten en de leveranciers.

De interne klanten zijn in dit geval Building en Access, Rollend materieel. De projectmanager zou

om de zes weken aan de Project Board verantwoording moeten afleggen, wat in de praktijk niet

gebeurt. De verantwoording gebeurt na iedere fase of wanneer belangrijke stappen moeten onder-

nomen worden. Daarnaast wordt ook een projectteam samengesteld. Dit is een team samengesteld

uit verschillende externe projectmanagers. Dit team ADE-Arcadis bestaat uit de architect en het

studiebureau. De projectmanagers spreken voor de verschillende partijen en zorgen ervoor dat

de verschillende studies op tijd en op een manier waarbij de interne klanten tevreden zullen zijn,

worden uitgevoerd. De vergaderingen van het projectteam varieren naargelang van de fase.

MCH is een project dat niet volledig kon worden opgevolgd. Het project is nog in uitvoering. Om

het verschil tussen de accuraatheid van de voorspellingen van totale kosten en de eindtijd van het

project te onderzoeken, kunnen enkel de activiteiten gebruikt worden die al afgerond zijn. Om toch

een beeld te krijgen van de omvang van het project in zijn totaalbeeld worden ook de gegevens van

het gehele project weergegeven.


2967 werkdagen

Gebudgetteerde kosten ¤61.381.385, 00

# activiteiten 17

# WP 9

Tabel 6: Gegevens project MCH

28


1565 werkdagen

Werkelijke duurtijd Van: 01-01-2006 Tot:31-01-2014

2110 werkdagen

Gebudgetteerde kosten ¤2.350.566

Werkelijke kosten ¤2.429.456

# activiteiten 8

# WP 6


Tabel 7: Gegevens subproject MCH

5.1.6 Project 3: MoBIB

Het project MoBIB zorgt voor de aankoop van 2000 nieuwe ontwaarders voor de vervoersmaat-

schappij MIVB. De nieuwe ontwaarders zijn nodig omdat een steeds toenemend aantal reizigers het

openbaar vervoer gebruikt, er ten gevolge meer voertuigen zijn en de reizigers ook op deze nieuwe

voertuigen hun vervoersticket moeten kunnen valideren. Een tweede reden waarom de aankoop van

extra toestellen nodig was, is het gevolg van een ander project, namelijk SeSame. Dit project zorgt

ervoor dat de toegang naar de metro met poortjes wordt afgesloten. Door de beveiligde afsluiting

zijn per metrolijn meerdere ontwaardingmachines nodig. Het contract van de oude ontwaarders is

niet meer actueel; de nieuwe ontwaarders zijn veel goedkoper geworden door de learning curve van

de fabricatie. Ten tweede is de technologie van de ontwaarders erop vooruit gegaan en werd een

nieuwe techniek ontwikkeld. De aankoopprijs van de 2000 nieuwe ontwaarders bedraagt 2,8 miljoen

euro.

MoBIB is een project dat niet volledig kon worden opgevolgd. Het project is nog in uitvoering.

Om het verschil tussen de accuraatheid van de voorspellingen van totale kosten en de eindtijd van

het project te onderzoeken, kunnen enkel de activiteiten gebruikt worden die al afgerond zijn. Om

toch een beeld te krijgen van de omvang van het project in zijn totaalbeeld worden ook de gegevens

van het gehele project weergegeven.


521 werkdagen


# activiteiten 14

# WP 5

Tabel 8: Gegevens project MoBIB

29


391 werkdagen

Werkelijke duurtijd Van: 08-08-2012 Tot: 20-01-2014

379 werkdagen



# activiteiten 12

# WP 5


Tabel 9: Gegevens subproject MoBIB

5.1.7 Project 4: Gentse Steenweg

Het Project Gentse Steenweg houdt in dat er werken zijn aan het bovengrondse netwerk. De taak

van de MIVB bestaat hoofdzakelijk uit het organiseren van de werken en het uitbesteden aan an-

dere firma’s. Omdat er sprake is van een continue netexploitatie moet een zeer strakke planning

gerespecteerd worden.. Wanneer werken aan het kruispunt georganiseerd worden, moeten bijko-

mende bussen ingeschakeld worden, planning van de werkmannen opgemaakt worden Er moet een

volledig netwerk georganiseerd worden: niet enkel de werken van de MIVB maar ook de organisatie

en coordinatie van de 32 andere bedrijven op de openbare weg. Het is de bedoeling dat wanneer

de straat opengebroken wordt, deze gelegenheid ook gebruikt wordt voor alle bedrijven. Hierdoor

is er een zeer strakke planning nodig. De kosten van de werken worden gefinancierd door drie

verschillende organisaties. De eerste is het investeringsbudget van de MIVB. Een tweede is Beliris,

een samenwerking tussen het Federaal en Brussels Gewest die de infrastructuurwerken ondersteunt.

Ook het Brussels Hoofdstedelijk Gewest is betrokken partij met onder andere Vicom, Vitesse Com-

merciale.


840 werkdagen


903 werkdagen



# activiteiten 15

# WP 3


Tabel 10: Gegevens project Gentse Steenweg

5.1.8 Project 5: Zenitel

In iedere tram zitten twee zenders, een aan de voorkant en een aan de achterkant. De zender

vooraan in de tram zorgt ervoor dat via een juiste frequentie het signaal ’links’ of ’rechts’ gestuurd

30

wordt naar een ontvanger op de baan. Deze ontvanger stelt de wissel op het tramspoor juist in.

De zender achteraan in de tram ontgrendelt de wissel wanneer de tram voorbijgereden is. Omdat

Zenitel al een gelijkaardig systeem op de markt heeft gebracht, was dit bedrijf het enige dat in aan-

merking kwam. Het bestaande analoge radiofrequentiesysteem moest vervangen worden door een

digitaal systeem. De nieuwe zender werd ontwikkeld voor de veiligheid van het overdrachtssysteem

en de snelheid waarmee de trams de wissels kunnen passeren. Een goede zender en ontvanger zijn

belangrijk om het proces gegarandeerd in alle veiligheid te laten verlopen. Kwaliteit is dus een

zeer belangrijke factor in het project. De nieuwe zenders worden geınstalleerd op de nieuwe trams,

maar ook op de oude trams waar het bestaande systeem moest worden vervangen.


1262 werkdagen


1262 werkdagen



# activiteiten 27

# WP 7


Tabel 11: Gegevens project Zenitel

5.1.9 Project 6: Amster

Voor het project Amster had de MIVB verschillende telecommunicatienetwerken. De communica-

tienetwerken zijn van belang voor de werking van de metro, automaten, stations, toegangscontrole

maar ook signalisatie Het project Amster zorgt voor de implementatie van telecommunicatienet-

werken voor kritieke toepassing zoals de werking en de veiligheid van de metro. Het project Amster

bestaat uit drie verschillende subprojecten, namelijk Fibernet, Safenet en Mission Critical Network.

Bij deze drie verschillende subprojecten horen nog twee gelinkte projecten, maar die worden uitbe-

steed en vallen niet onder de controle van de MIVB. Daarom worden ze hier buiten beschouwing

gelaten. Ieder project heeft vier verschillende fases. De studiefase wordt afgesloten met een las-

tenboek, aansluitend is er de aanbestedingsfase met als afsluiting de bestelling. De derde fase met

roll-out wordt beeindigd met de installatie van de telecommunicatienetwerken. De laatste fase, de

oplevering, kan afgesloten worden wanneer het as-builtdossier en het opleveringsrapport gemaakt

en goedgekeurd zijn.

In de eerste twee fases werkt men met eigen en gehuurde resources. In de derde en ook de laatste

fase werkt men met meetstaten om de leveranciers op te volgen. Iedere maand wordt een meetstaat

opgesteld door de leverancier. De leverancier houdt bij hoeveel eenheden van een welbepaald pro-

duct gebruikt worden en wat de kostprijs ervan is. Daar wordt de som van genomen en die wordt

vergeleken met de verwachte uitgaven. Dit gebeurt op maandelijks niveau maar ook op cumulatief

niveau, telkens met het bedrag en het percentage van het verwachte bedrag ten opzichte van het

werkelijke bedrag. Het bovenstaande is een voorbeeld hoe de Earned Value Management-techniek

31

al gebruikt wordt in het project Amster.

Amster is een project dat niet volledig kon worden opgevolgd. Het project is nog in uitvoering.

Om het verschil tussen de accuraatheid van de voorspellingen van totale kosten en de eindtijd van

het project te onderzoeken, kunnen enkel de activiteiten gebruikt worden die al afgerond zijn. Om

toch een beeld te krijgen van de omvang van het project in zijn totaalbeeld worden ook de gegevens

van het gehele project weergegeven.


1521 werkdagen


# activiteiten 30

# WP 12

Tabel 12: Gegevens project Amster


284 werkdagen


451 werkdagen

Gebudgetteerde kosten ¤384.000,00

Werkelijke kosten ¤385.000,00

# activiteiten 5

# WP 4


Tabel 13: Gegevens subproject Amster

5.1.10 Project 7: Nieuwe Bussen

In 2011 is Sergio Nutti verantwoordelijk gesteld voor de aankoop van 172 bussen. Wettelijk werd

vooropgesteld dat de MIVB vanaf 1 januari 2015 geen dieselbussen meer mag aankopen. Dit project

gaat over de aankoop van 172 dieselbussen, de einddatum waarop deze bussen geleverd moeten zijn

is de laatste dag van 2014. Tijdens de voorstudie worden het budget en de bepaling van het soort

voertuig vooropgesteld, in overleg met de verschillende interne eindklanten: de verantwoordelijken

voor sales, marketing en netwerk (SMN) en de Business Unit bus die instaat voor de exploitatie

van deze voertuigen. Na de voorstudie is er een kwalificatiesysteem dat werkt met een Europese

aanbesteding. Aangezien de MIVB soms wel beınvloed wordt door de politieke strekkingen in

het Brusselse gewest, probeert de MIVB zoveel mogelijk opties zolang mogelijk open te houden.

Lengte, vervoerstechniek (diesel, gas) wordt pas in een latere fase besproken. Na de publicatie

worden acht kandidaten overgehouden. Na selectie van de acht kandidaten wordt een lastenboek

geschreven waarin alle administratieve en technische gegevens duidelijk beschreven worden. Na de

publicatie van het lastenboek worden de offertes verwacht. Na het kiezen van de leverancier wordt

een contract afgesloten en worden de bussen geleverd. De opvolging gebeurt volgens de algemene

normen van de MIVB, met iedere maand een meeting met de Project Board. Daar worden vragen

32

gesteld, de doelstelling gecontroleerd en besproken wat nog aan de verdere uitvoering ontbreekt .

Een derde opvolging gebeurt in een vergadering met de algemene directie. Wanneer beslist moet

worden over een andere timing, andere manier van denken . . .

Nieuwe bussen is een project dat niet volledig kon opgevolgd worden. Het project is nog in

uitvoering. Om het verschil tussen de accuraatheid van de voorspellingen van totale kosten en

de eindtijd van het project te onderzoeken, kunnen enkel de activiteiten gebruikt worden die al

afgerond zijn. Om toch een beeld te krijgen van de omvang van het project in zijn totaalbeeld

worden ook de gegevens van het gehele project weergegeven.


568 werkdagen


# activiteiten 32

# WP 11

Tabel 14: Gegevens project Nieuwe Bussen


347 werkdagen


500 werkdagen



# activiteiten 17

# WP 7


Tabel 15: Gegevens subproject Nieuwe Bussen

5.1.11 Project 8: Phoenix

Elke tram en bus rijdt op een te respecteren schema en timing (= regularisatie), aangestuurd

door de dispatching. Vanuit de dispatching kan op elk moment de exacte locatie van de bus

opgespoord worden. In iedere bus en tram is er ook een communicatienetwerk zodat op ieder

ogenblik gecommuniceerd kan worden met de bestuurder. De regularisatie zorgt ervoor dat vanaf

het centrale punt een overzicht voorhanden is van alle verschillende bussen en trams. Zo zorgt

men ervoor dat de bussen een goede afstand van elkaar hebben, dat er geen drie trams zeer snel

na elkaar komen en er dan nadien een half uur gewacht moet worden op een volgende tram. Ten

tweede is er communicatie nodig wanneer zich een ongeval of een geval van agressie voordoet. De

communicatie moet ervoor zorgen dat de bestuurder steeds in contact staat met mensen die de

problemen kunnen oplossen. Op tram en bus is er dus een on-board computer aanwezig die al

deze gegevensuitwisseling verzorgt. Phoenix vervangt en moderniseert de bestaande software voor

regularisatie. Voor alle types van tram en bus wordt eerst een specifiek prototype gemaakt. Pas

als dat de testen doorstaat, wordt de computer in alle voertuigen van hetzelfde type geınstalleerd.

33


1913 werkdagen


1913 werkdagen



# activiteiten 35

# WP 11


Tabel 16: Gegevens project Phoenix

5.1.12 Project 9: OBC

OBC staat voor On-board Computer. Het project zorgt voor aanschaffing van nieuwe industriele

pc’s voor de tram, bus en metro van de MIVB. Omdat het oude platform niet meer aan ver-

schillende technische en milieueisen voor voertuigen voldoet, is een vernieuwing van de hardware

noodzakelijk. De bedoeling is dat deze hardware genstalleerd wordt door de leverancier op alle

nieuwe voertuigen die de MIVB nog zal aankopen. Ook de bestaande bussen, trams en metro’s

moeten uitgerust worden met de vernieuwde apparatuur. Door de standaardisatie van de appara-

tuur op alle MIVB-voertuigen (tram, bus en metro) zullen de operationele problemen verminderen,

het onderhoud, de monitoring, de inzet van nieuwe functies, etc. vereenvoudigen. De nieuwe pc’s

zullen zorgen voor een brug tussen de communicatie van het voertuig met het MIVB-net. Daarbij

wordt ook alle communicatie tussen de verschillende subsystemen in de voertuigen gentegreerd.

Het nieuwe platform laat ook vlotter verdere evoluties toe aan hard- en software, zodat bestaande

en toekomstige toepassingen kunnen worden toegevoegd.


237 werkdagen


309 werkdagen



# activiteiten 21

# WP 8


Tabel 17: Gegevens project OBC

5.1.13 Project 10: CoVo

Het doel van het project CoVo is om het aanbod beter aan te passen aan de vraag en de daarbij-

horende beschikbare middelen. Een goede match tussen vraag en aanbod zal de kwaliteit van de

dienstverlening aan de klanten van de MIVB ten goede komen. Om de vraag beter in te schatten

34

is er een automatische passagiertelling nodig die moet zorgen voor regelmatig bijgewerkte gegevens

over het aantal vervoerde passagiers. Deze gegevens worden gegroepeerd per lijn, per halte, per

voertuig en per tijdspanne. Aan de hand van deze gegevens kan het aanbod van het vervoer van

de MIVB zo veel mogelijk op de vraag worden afgestemd. Ook zal de MIVB een nauwkeurige

voorspelling kunnen doen van het aantal passagiers in de toekomst, de opbrengsten per Business

Unit beter kunnen inschatten, het aantal validaties kunnen vergelijken met het werkelijke aantal

vervoerde reizigers, de aantrekkelijkheid van de MIVB verbeteren door het aanbod beter af te

stemmen. Kortom, het project is noodzakelijk om een nauwkeurig cijfer te hebben over het aantal

vervoerde passagiers op het MIVB-netwerk. Nu worden de tellingen van de passagiers handmatig

gemaakt.

CoVo is een project dat niet volledig kon worden opgevolgd. Het project is nog in uitvoering. Om






290 werkdagen


# activiteiten 37

# WP 7

Tabel 18: Gegevens project CoVo


269 werkdagen


450 werkdagen



# activiteiten 26

# WP 6


Tabel 19: Gegevens subproject CoVo

5.1.14 Project 11: ISIS

Het project verbetert de klantenbeleving in grote knooppunten in het MIVB-netwerk door het aan-

bieden van dynamische reizigersinformatie. Het is de bedoeling om in twintig stations dynamische

schermen te installeren die de klant real-time informatie geven over de maximale wachttijd. Men

streeft naar het ontwikkelen van een gebruiksvriendelijke interface voor alle belanghebbenden door

integratie van ook andere reisinformatie. De verwachte voordelen van dit systeem zijn: (1) vermin-

dering van de sleur van het wachten, dit door de reiziger te informeren over de werkelijke wachttijd,

35

de alternatieve reiswegen, het ontvangen van andere info. . . (2) het assisteren van de reiziger met

zijn gepland traject door informatie over de situatie over verstoringen op het net weer te geven, het

optimaliseren van de reistijd en de route, verschillende reisroutes weer te geven; (3) het aangenamer

maken van de reis van de klant, door het gebruik van allerlei infotainment-diensten, communicatie

van info over de MIVB.

ISIS is een project dat niet volledig kon worden opgevolgd. Het project is nog in uitvoering. Om






1198 werkdagen


# activiteiten 37

# WP 7

Tabel 20: Gegevens project ISIS


280 werkdagen


652 werkdagen



# activiteiten 15

# WP 5


Tabel 21: Gegevens subproject ISIS

5.2 Spiromatic


Spiromatic produceert silo’s voor de opslag van droge en vloeibare stoffen in de voedingssector

en gespecialiseerde transport- en doseringsystemen vanuit de silo’s naar de productielijnen. De

focus van Spiromatic is de deegverwerkende sector; aan deze sector bieden ze een geautomatiseerd

proces aan als een totaaloplossing. Spiromatic biedt de klanten de volledige functie van hard-

ware tot sturing. Naast enkele specifieke klanten in Belgie, zoals Vandemoortele en La Lorraine,

zijn de meeste klanten in het buitenland gesitueerd (Frankrijk, Duitsland, Engeland), met veel

afzetopportuniteiten in de BRIC-landen en het Midden-Oosten.

36

5.2.2 PM Techniek

Spiromatic heeft een minder georganiseerde projectaanpak dan de MIVB, maar wel een strikte

opvolging, in het bijzonder naar brutomarge. Er zijn drie belangrijke documenten in gebruik voor

de opvolging van elk project voor Spiromatic.

• Het eerste document is de projectplanning. Op deze planning staat een overzicht van alle

projecten van Spiromatic en worden de verschillende fases van de projecten weergegeven. De

verschillende fases die steeds terugkeren in alle projecten zijn: kick-off, engineering, productie,

verpakking en dispatching, montage. Aan de hand van deze planning bekijken de projectma-

nagers van Spiromatic wanneer een nieuw project kan worden ingepland en welke deadlines

gehaald zijn of moeten worden.

• Een tweede belangrijk document voor de opvolging van de projecten is de offerte, meer in het

bijzonder de kosteninschatting van alle kosten voor het bedrijf voor het specifieke project. De

projectmanager van het project moet proberen om zich te houden aan de kosten volgens de

planning. Voor vele projecten gelden strikte opleverdata met bijhorende boeteclausules. Ook

dient nauwlettend gewaakt te worden op first time right, anders moeten de teams te lang

ter plaatse zijn voor allerlei correcties bij de buitenlandse klanten, wat uiteraard zeer duur

is. Wanneer het niet lukt om op tijd en in kwaliteit op te leveren, dan wordt de brutomarge

aangetast met uiteraard een nadelige impact op het nettoresultaat. Vandaar dat de ratio

geschatte kosten versus werkelijke kosten nauwkeurig opgevolgd wordt.

• De werkelijke kosten en de werkelijke uren worden bijgehouden in Axapta. De uren en de

kosten moeten manueel in het programma ingevoerd worden. Na de engineeringfase voorziet

men een week de tijd om de gegevens van de basisplanning in te vullen in het programma.

Nadien wordt bijgehouden wat in werkelijkheid gepresteerd is. Alle projectmanagers, samen

met de essentiele vertegenwoordigers van de dienst aankoop en productie, komen wekelijks

samen op donderdagvoormiddag. Tijdens die meeting worden de status van het project

en de fase van de planning gecontroleerd. Hier wordt telkens nagegaan of de projecten de

verschillende deadlines halen. Wanneer de deadlines niet gehaald zijn, moet er een duidelijke

reden zijn voor de vertraging.

De verschillende statussen van een project zijn;

• G: Groen: Voorschot betaald

• O: Oranje: Order ontvangen, voorschot nog niet

• R: Negotiatie in verdere status, bevestiging klant

• Q: Quotaties: opgevraagde levertijd

• Q2: Samen gepland met een ander project

• Q3: Planning niet meer haalbaar

• TC: Technisch Completed

• TD: Technisch Dossier

37


Bij Spiromatic wordt de tijdsbesteding van de mensen van engineering en productie in de prijsofferte

gerekend. De onkosten die de projectmanagers maken worden evenwel niet in rekening gebracht.

Er is slechts een productiehal, dus wanneer een project vertraging oploopt in de engineering- of

productiefase, zal het volgende geplande project hoogstwaarschijnlijk ook vertraging oplopen. Bij

Spiromatic zijn het de klanten die wijzigingen aan het gevraagde product aanbrengen. Iedere

installatie is zeer technisch van aard en hierdoor moet de engineeringafdeling steeds opnieuw aan-

passingen maken, met wijzigingen in de planning als gevolg. Een andere zeer belangrijke factor is

de inwerkingstelling ter plaatse. Het transport en de dosering van de ingredienten moeten voor de

productie exact de juiste hoeveelheden en mix bevatten. Daarom moeten de hardware en de bestu-

ring van de Spiromatic-installatie perfect afgestemd staan op de besturing en de hardware van de

andere omringende installaties. De hypertechnische hardware van Spiromatic vereist ook fabricage-

componenten die niet courant in de handel verkrijgbaar zijn en de levertijd van deze componenten

is zeer moeilijk in te schatten.

5.2.4 Project 12: Morrisons

Morrisons is een industriele bakkerij. Dit bedrijf maakt zijn eigen brood en baat ook veel winkels

uit. De capaciteit van de industriele bakkerij moet worden uitgebreid. Voor deze uitbreiding werd

Bernir aangesteld. Dit bedrijf is verantwoordelijk voor alles wat met de capaciteitsuitbreiding te

maken heeft. Bernir moet dus bedrijven zoals Spiromatic contacteren en samenbrengen om de

uitbreiding te verwezenlijken. Spiromatic is verantwoordelijk voor de opslag en transport naar de

mixer van de grondstoffen. Morrisons is dus de eindklant, maar de klant van Spiromatic is Bernir.

Gedurende het project zijn meerdere malen wijzigingen gebeurd. Er was vaak een foute commu-

nicatie tussen de klant en eindklant. Voor Spiromatic was het aan de andere kant ook een zeer

moeilijk opgave om hun producten aan te passen aan de reeds bestaande installaties in het bedrijf

van Morrisons.


105 werkdagen


154 werkdagen



# activiteiten 7

# WP 7

SP indicator m = 7, n = 7, SP = 1

Tabel 22: Gegevens project Morrisons

38

5.2.5 Project 13: Brouwerij

Spiromatic is verantwoordelijk voor het plaatsen van opslag- en transportsystemen voor mout in

een brouwerij in Limburg. Het opslaan van mout gebeurt in een buitensilo. Via een spiraaltrans-

port wordt de mout getransporteerd van de buitensilo tot vlak boven de weegbrug. Na het afwegen

van de juiste hoeveelheid wordt de mout naar de maalmolen getransporteerd.


51 werkdagen


66 werkdagen



# activiteiten 5

# WP 5

SP indicator m = 5, n = 5, SP = 1

Tabel 23: Gegevens project Brouwerij

5.2.6 Project 14: Ecofrost

Ecofrost is een project van Spiromatic voor een bedrijf in de voedingssector. Het bedrijf is gespeci-

aliseerd in processen voor de verwerking van aardappelen. Het maakt van deze aardappelen puree,

frieten enz. Spiromatic is verantwoordelijk voor het opslaan en het doseren van drie producten

voor de verwerking van deze aardappelen.


119 werkdagen


114 werkdagen



# activiteiten 5

# WP 5


Tabel 24: Gegevens project Ecofrost

5.3 Imerys


Imerys is wereldleider op het vlak van mineraalgebaseerde specialiteiten voor de industrie. Imerys

speelt in op de vraag naar nauwkeurige en veeleisende behoeften van de verschillende klanten. Het

39

bedrijf transformeert en verrijkt het unieke aanbod van mineralen tot functies zoals hittebestendig-

heid, mechanische sterkte, geleidbaarheid . . . die essentieel zijn voor de producten en/ of processen

van haar klanten. Met 16.026 werknemers halen ze verkopen van ongeveer 4 miljoen euro, de

inkomsten zijn vaak project gerelateerd.

5.3.2 PM-techniek

De projectmanager van Imerys was verantwoordelijk voor het plannen en de budgettering van het

project. Voor de controle van het project stelde hij zelf een Excel-sheet op om te rapporteren aan

het bedrijf. Hij gebruikte daarbij verschillende tabbladen. Op een van zijn tabbladen voorspelde hij

de kosten van ieder onderdeel van het project. Zo hield hij op meerdere tijdstippen de verschillende

voorspellingen van het project bij. De kosten per onderdeel, wat dus al werkelijk per onderdeel

besteed is, worden per maand weergegeven op een ander tabblad. De verschillende aankoopbonnen

en bestelbonnen van de onderdelen worden op een ander document bijgehouden. Deze worden

ingedeeld per onderdeel, per bedrag, per datum en per categorie. De verdeling van het budget over

de verschillende po’s (purchase orders) en de verschillende maanden is weergegeven in een andere

tabblad. Hoe de exacte betaling van de verschillende onderdelen in elkaar zit wordt weergegeven in

het voorlaatste tabblad. Het belangrijkste tabblad is de samenvatting van bovenstaande gegevens.

In dit tabblad wordt per maand het budget vergeleken met hoeveel er in het begin van het project

gepland is, de huidige planning en het schema van de betalingen. Daaronder worden de cumulatieve

bedragen opgeteld en onderaan de pagina staat een samenvattende grafiek. Aan de hand van dit

tabblad kan de projectmanager nagaan of hij binnen de kosten van het project blijft. Tijd wordt

hier buiten beschouwing gelaten.


Het project liep een tweetal vertragingen op. Een eerste vertraging kwam er omdat er geen toestem-

ming verkregen werd van de overheid. De klant had namelijk nog veel andere projecten die eerst

afgerond moesten worden voor dit project kon starten. Omdat het product gefabriceerd in deze

fabriek een voldoende voorraad had, werd deze fabriek later in werking gesteld dan oorspronkelijk

gepland. Deze vertraging werd ook ingecalculeerd bij de leverancier. Die werkte het toe te leveren

product met zo weinig mogelijk middelen (arbeidskrachten) af. De projectleider hield tijdens het

project vaak rekening met wanneer hij zijn kosten zou inplannen. Een voorbeeld hiervan is dat

het RO-water besteld werd voor planning. Op die manier probeerde hij zijn budget 2010-2011

op schema te houden. Een andere belangrijke opmerking in verband met de projectmanagement-

techniek die de projectmanager gebruikt, is dat de planning de activiteiten in de fabriek weergeeft

terwijl het budget weergeeft wanneer deze kosten betaald worden. Dit komt niet altijd overeen. Een

laatste opmerking is dat de projectmanager vond dat iedere aan het project gespendeerde dollar

goed gespendeerd werd. Bij Imerys mag zonder problemen over het budget gegaan worden, met

een marge van 4 %, zodat betere oplossingen gezocht worden in plaats van goedkope.

5.3.4 Project 15: Imerys

Om de productie op de werkvloer beter te laten verlopen moeten zes nieuwe tanks, een Verti-press-

filter en bijhorende aanvoersystemen geınstalleerd worden. Een update van het RO-watersysteem

40

is nodig alsook van de Air-compressor. De bedoeling was dat het bedrijf kon beginnen fabriceren

in het eerste kwartaal van 2012. Meer informatie over het project mag niet vrijgegeven worden.


316 werkdagen


387werkdagen



# activiteiten 33

# WP 12


Tabel 25: Gegevens project Imerys

5.4 Gert Snel


G. SNEL is een familiebedrijf dat zich vooral focust op transport voor klanten met een goede

klantportfolio en prestaties. G.SNEL is een van de grootste transportbedrijven in zijn soort voor

de dagelijkse 24-uurs leveringen. Door de goede dienstverlening richt G.SNEL zich niet alleen op

kleine opdrachtgevers maar ook op internationale organisaties. Vanuit Woerden en Venlo voert

dit transport hun verschillende logistieke diensten uit. Het distributienetwerk is uitgebreid in de

Benelux van fijnmazige en stedelijke distributie naar eveneens consumentenlevering voor webshops.

5.4.2 PM Techniek

G.SNEL maakt geen gebruik van templates bij de projectopvolging. Ze zorgen ervoor dat bij hun

klanten of leveranciers een vaste contactpersoon is om problemen op te lossen. Er wordt samen een

planning opgesteld en de wijzigingen of problemen worden gecommuniceerd tussen de verschillende

partijen. Wanneer het project van grotere orde is, gaat niet alleen een planner mee bij de bespreking

maar gaat iemand mee om de besprekingen te assisteren. De planner is diegene die de activiteiten

inplant en voor het grootste deel ook laat uitvoeren. Iedere maand is er een meeting tussen de

verantwoordelijke partijen, ze overlopen de problemen, controleren het verloop.


Projecten bij Gert Snel zijn vooral onderhandeling over het al dan niet verkrijgen van een contract.

Dit soort projecten zijn voornamelijk gebaseerd op meetings en e-mailverkeer tussen de verschillende

contactpersonen. Voor dit soort projecten gebeurt geen echte opvolging.

5.4.4 Project 16: Eandis

Eandis is het project waarbij G. SNEL verantwoordelijk is voor de distributie van rolcontainers,

pallets en langgoederen in nacht- en/ of dagtransport voor Eandis. Gert Snel Logistics regelt het

41

Naam Budget Duration Toestand Activiteiten

M6+ ¤60 Mio 4 Y Kost +, Tijd + 29

MCH ¤61 Mio 11 Y Kost +, Tijd + 17

MoBIB ¤3 Mio 2 Y Kost +, Tijd - 14

Gentse Steenweg ¤3,7 Mio 3 Y Kost -, Tijd + 15

Zenitel ¤1,1 Mio 5 Y Kost + 27

Amster ¤16,8 Mio 5 Y Kost +, Tijd + 30

Nieuwe Bussen ¤1,8 Mio 2 Y Kost -, Tijd + 32

Phoenix ¤19 Mio 7 Y Tijd - 35

OBC ¤5,7 Mio 1 Y Kost +, Tijd + 21

CoVo ¤1,8 Mio 1 Y Kost +, Tijd + 37

ISIS ¤0,8 Mio 5 Y Kost +, Tijd + 37

Morrisons ¤1 Mio 4 M Kost +, Tijd + 7

Brouwerij ¤0,05 Mio 2 M Kost +, Tijd + 5

Ecofrost ¤0,2 Mio 5 M Kost -, Tijd - 5

Imerys ¤4 Mio 1 Y Kost +, Tijd + 33

Eandis ¤0,6 Mio 9 M Kost - 12

Tabel 27: Overzicht van de verschillende projecten

transport in tien infrastructuurgebieden naar 110 onbemande ophaalpunten. Dit transport komt

neer op 6 a 8 vrachtwagens die oorspronkelijk in de nacht werden ingezet, maar in het latere stadium

van het project ook overdag. De contracten zijn getekend voor twee jaar. Na deze twee jaar is er

een evaluatie en kan een bijkomend contract voor de volgende twee jaar worden afgesloten.


209 werkdagen


209 werkdagen



# activiteiten 12

# WP 3


Tabel 26: Gegevens project Eandis

6 Resultaten

6.1 Resultaat project 1: M6 +

Voor alle projecten werden de voorspellingen van eindtijd en totale kosten van het project berekend.

Deze voorspellingen gebeurden op project en op workpackage niveau. Van beide methodes werden

42

telkens de MPE en de MAPE berekend. Die formules worden hieronder nog eens herhaald;


∑Ttime=t



∑Ttime=t


Het hoofdstuk Resultaten is als volgt gestructureerd;

eerst wordt een overzicht van grafieken voor het project M6+ weergegeven. Deze grafieken tonen

het verschil aan tussen de EVM- en WPM-methode in vergelijking met wat werkelijk aan tijd en

kosten gespendeerd is. In de volgende paragraaf worden de resultaten van de MAPE’s weergegeven

voor verschillende voorspellingstechnieken van het eerste project namelijk M6+. De resultaten van

de 15 andere projecten worden weergeven in de bijlage. De algemene resultaten van de 16 projecten

kunnen gelezen worden in de daaropvolgende paragraaf.

6.1.1 Grafieken voorspelling van kosten

Onderstaande grafieken tonen de resultaten van het project M6+ bij het voorspellen van de kosten

op basis van de EVM- en WPM-techniek.

De grafieken tonen enkel de resultaten van de voorspelling van kosten bij vervangingsparameter

project.

Figuur 17: Voorspelling kost: As planned

43

Figuur 18: Voorspelling kost: SPI

Figuur 19: Voorspelling kost: SCI

44

Figuur 20: Voorspelling kost: CPI

6.1.2 Grafieken voorspelling van tijd

De grafieken hieronder tonen de resultaten van de voorspelling van tijd van het project M6+ met

daarbij de vergelijking tussen de EVM- en WPM-techniek De grafieken tonen enkel de resultaten

van de voorspelling van tijd bij vervangingsparameter 1.

Figuur 21: Voorspelling tijd: Planned Value - As planned

45

Figuur 22: Voorspelling tijd: Planned Value - SPI

Figuur 23: Voorspelling tijd: Planned Value - SCI

46

Figuur 24: Voorspelling tijd: Earned Duration - As planned

Figuur 25: Voorspelling tijd: Earned Duration - SPI

47

Figuur 26: Voorspelling tijd: Earned Duration - SCI

Figuur 27: Voorspelling tijd: Earned Schedule - As planned

48

Figuur 28: Voorspelling tijd: Earned Schedule - SPI

Figuur 29: Voorspelling tijd: Earned Schedule - SCI

6.1.3 Waarden in tabellen

De onderstaande tabellen geven de MAPE-waarden weer van het project M6+. Voor ieder project

werden de verschillende MAPE’s berekend, ze worden weergegeven in de bijlage. Van de gegevens

van alle projecten wordt nadien een algemene conclusie getrokken op basis van statistische signi-

ficantie. Maar eerst een overzicht van de MAPE-waarden van het project M6+ aan de hand van

voorspelling van tijd en kosten.

49





Tabel 28: Overzicht voorspellingstechnieken van kost



SCI


SCI


SCI(t)


Vervangparameter Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)

1 PF=1 -3,04 3,04 -3,04 3,04

PF= SPI -0,03 0,79 2,63 3,55

PF= SCI -4,55 4,69 1,45 10,29

PF= CPI -6,71 6,74 -3,76 9,16

Gemiddelde PF=1 -3,04 3,04 -3,04 3,04

PF= SPI 2,85 4,48 2,63 3,55

PF= SCI 1,96 12,91 1,45 10,29

PF= CPI -3,90 10,41 -3,76 9,16

Project PF=1 -3,04 3,04 -3,04 3,04

PF= SPI 2,68 3,64 2,63 3,55

PF= SCI 1,14 10,80 1,45 10,29

PF= CPI -4,08 9,55 -3,76 9,16

Tabel 30: MAPE waarden voor voorspelling van kosten van het project M6+

50

Vervangparameter Method Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)

1 PV PF= 1 -1,20 1,22 1,69 5,54

PF= SPI 0,21 2,09 7,28 12,22

PF= SCI 0,31 18,22 -5,36 18,25

ED PF= 1 -1,02 1,27 3,94 5,63

PF= SPI 0,64 1,91 7,42 9,06

PF= SCI 4,35 5,43 6,29 8,05

ES PF= 1 -0,11 3,32 8,44 8,73

PF= SPI 7,04 8,95 24,30 24,59

PF= SCI 12,26 14,35 25,63 26,75

Gemiddelde PV PF= 1 -1,20 1,22 1,69 5,54

PF= SPI 1,09 3,15 7,28 12,22

PF= SCI 11,70 13,71 2,88 10,01

ED PF= 1 -1,02 1,27 3,94 5,63

PF= SPI 1,52 2,97 7,42 9,06

PF= SCI 7,21 8,66 6,29 8,05

ES PF= 1 -0,11 3,32 8,44 8,73

PF= SPI 7,04 8,95 24,30 24,59

PF= SCI 12,26 14,35 25,63 26,75

Project PV PF= 1 1,20 1,22 1,69 5,54

PF= SPI 0,50 2,43 7,28 12,22

PF= SCI 9,87 11,58 2,88 10,01

ED PF= 1 -1,02 1,27 3,94 5,63

PF= SPI 0,92 2,25 7,42 9,06

PF= SCI 5,38 6,54 6,29 8,05

ES PF= 1 -0,11 3,32 8,44 8,73

PF= SPI 13,03 13,72 24,30 24,59

PF= SCI 19,88 21,56 25,11 26,23

Tabel 31: MAPE waarden voor voorspelling van tijd van het project M6+

6.2 Bespreken van resultaten over de voorspelling van kosten en tijd over alle

projecten

Van de zestien geanalyseerde projecten proberen we na te gaan welke factoren de accuraatheid van

de voorspelling van tijd en kosten verbeteren. Hierbij hebben we vier onderzoeksvragen die we

elk opsplitsen in enerzijds de voorspelling van kosten en anderzijds de voorspelling van tijd. Het

vervolg van dit hoofdstuk geeft de resultaten weer voor elk van deze vier onderzoeksvragen. De

verschillende outputs van SPSS kunt u nalezen in de bijlage.

6.2.1 Onderzoeksvraag 1

51

Onderzoeksvraag 1.A.

Is er een verbetering van de voorspelling van kosten bij gebruik van Workpackages in de

EVM-techniek?

Voor het uitvoeren van onderzoeksvraag 1 gebruiken we de paired samples t-test in SPSS. Aan-

gezien het steeds over dezelfde zestien projecten gaat waarop er twee verschillende onderzoeken

op uitgetest worden kunnen we spreken van een gepaarde test. Voor de voorspelling van kosten

onderzoeken we of WPM accurater is dan EVM. We onderzoeken ook of er een verschil is bij de

verschillende vervangingsparameters. Er werden telkens 3 scenario’s opgesteld voor iedere tracking

periode. Deze 3 scenario’s zijn gebaseerd op de drie vervangingsparameters. Het eerste scenario was

dat onbegonnen workpackages ratio’s kregen met de waarde 1. Een tweede vervangingsparameter

was het gemiddelde van de al gestarte workpackages en een derde was de ratio op project niveau

invullen voor de ongestarte workpackages.

workpackages.

Een gepaarde t-test werd uitgevoerd om het verschil in de gemiddelde voorspelling van kosten

te berekenen voor de WPM methode en EVM methode. Dit voor de resultaten met vervangings-

parameter 1, gemiddelde en project, evenals voor alle resultaten.

Voor vervangingsparameter 1, is er een significant verschil tussen de gemiddelde scores van

WPM- (µ = 9, 3138, σ = 13, 14878) en EVM-methode (µ = 14, 7105, σ = 14, 0955) met t= -5,808,

p(2-zijdig)=0,000. Deze resultaten tonen ons aan dat de methode EVM of WPM een effect heeft

op de voorspelling van kosten. De resultaten tonen meer bepaald aan dat de WPM-techniek nauw-

keuriger is dan de EVM-techniek.

Voor vervangingsparameter gemiddelde gelden volgende waarden; WPM (µ = 13, 7998, σ =

13, 3560) en EVM (µ = 15, 1093, σ = 14, 6060) met t= -1,303, p(2-zijdig)=0,197. Deze resultaten

tonen aan dat de techniek van het voorspellen van de kosten geen significant effect heeft.

Wanneer de projectratio’s gebruikt worden om de kosten te voorspellen heeft de gepaarde

t-test volgende resultaten; er is een significant verschil tussen de gemiddelde scores van WPM

(µ = 13, 3116, σ = 13, 4094) en EVM (µ = 15, 0665, σ = 14, 2861) met t= -2,899, p(2-zijdig)=0,005.

Wanneer men de WPM-techniek gebruikt om de voorspelling van kosten te berekenen zal dit nauw-

keuriger zijn dan de EVM-techniek.

Wanneer geen onderscheid meer gemaakt wordt tussen de verschillende vervangingsparameters

bij het berekenen van de WPM- en de EVM-techniek voor voorspelling van kosten is dat er een

significant verschil is tussen de voorspelling van kost van de WPM-methode in vergelijking met

de EVM-techniek. De voorspellingen van de WPM-methode zijn nauwkeuriger, dan bij de EVM-

techniek. WPM (µ = 12, 1346, σ = 13, 3999) en EVM (µ = 14, 9615, σ = 14, 2687) met t= -5,539,

p(2-tailed)=0,000.

Gezien de verdeling van de data niet normaal verdeeld is werden er ook niet-parametrische

52

testen, namelijk de Wilcoxon test, op de data uitgevoerd. Deze geven dezelfde resultaten als

hierboven omschreven.

Figuur 30: Waarden van MAPE voor de voorspelling van de kosten met vervangingsparameter 1

Figuur 31: Waarden van MAPE voor de voorspelling van kosten met vervangingsparameter gemid-

delde

53

Figuur 32: Waarden van MAPE oor de voorspelling van kosten met vervangingsparameter project

De algemene conclusie tussen de WPM- en de EVM-techniek voor voorspelling van kosten

is dat er een significant verschil is tussen de voorspelling van kost van de WPM-methode in

vergelijking met de EVM-techniek. De WPM-methode heeft nauwkeurige voorspellingen dan

de EVM-techniek. Behalve voor vervangingsparameter gemiddelde is er geen significant verschil

tussen beide technieken.

Onderzoeksvraag 1.B.

Is er een verbetering in de voorspelling van tijd bij gebruik van Workpackages in de EVM-

techniek?

Zoals bij de voorspelling van kosten maken we ook hier een onderscheid tussen de verschillende

vervangparameters; 1, gemiddelde en project. Voor elk van deze waarden gaan we na of er een

verschil is tussen de voorspelling van tijd voor beide technieken; EVM en WPM. We controleren

ook de significantie van alle waarden van de vervangingsmeters samen.

Het eerste onderzoek is of de vervangingsparameter 1 een significant verschil geeft tussen de

gemiddelde scores van WPM- (µ = 17, 7158, σ = 15, 8837) en EVM-methode (µ = 27, 4273,

σ = 20, 0940) met t= -5,390, p(2-zijdig)=0,000. Deze resultaten van de gepaarde t-test tonen aan

dat de methode EVM of WPM werkelijk een effect heeft op de voorspelling van tijd. De resultaten

tonen meer bepaald aan dat de WPM-techniek nauwkeuriger is dan de EVM-techniek.

Ten tweede worden de voorspellingen van tijd met vervangingsparameter gemiddelde onder-

zocht. Voor de MAPE’s van vervangingswaarden gemiddelde gelden volgende waarden: WPM

54

(µ = 19, 3657, σ = 16, 3326) en EVM (µ = 27, 5125, σ = 20, 1370) met t= -4,438, p(2-zijdig)=0,000.

Deze resultaten tonen aan dat de techniek van het voorspellen van de tijd een significant effect heeft,

waarbij bij met eenparige t-test aangetoond kan worden dat de waarden van MAPE bij WPM lager

liggen dan bij EVM. Met andere woorden, de voorspellingen met de WPM-techniek zijn nauwkeu-

riger.

Ten derde: wanneer de project ratio’s gebruikt worden om de tijd te voorspellen van de MAPE’s

van vervangingsparameter project geeft de gepaarde t-test volgende resultaten: er is een significant

verschil tussen de gemiddelde scores van WPM (µ = 19, 5855, σ = 16, 3858) en EVM (µ = 27, 4563,

σ = 20, 1588) met t= -4,389, p(2-zijdig)=0,000. Wanneer men de WPM-techniek gebruikt om de

voorspelling van tijd te berekenen zal dit nauwkeuriger zijn dan met de EVM-techniek.

De algemene conclusie tussen de WPM en de EVM techniek voor voorspelling van tijd is dat

er een significant verschil is tussen de voorspelling van tijd van de WPM-methode en de EVM-

techniek. De voorspellingen van de WPM-methode zijn nauwkeuriger, dan bij de EVM-techniek.

WPM (µ = 18, 8890, σ = 16, 1862) en EVM (µ = 27, 4654, σ = 20, 0832) met t= -8,219, p(2-

zijdig)=0,000.

Bij gebruik van een niet-parametrische test (Wilcoxon) behalen we dezelfde resultaten als bij

de gepaarde t-test.

Figuur 33: Waarden van MAPE voor de voorspelling van tijd met PV en vervangingsparameter 1

55

Figuur 34: Waarden van MAPE voor de voorspelling van tijd met ED en vervangingsparameter 1

Figuur 35: Waarden van MAPE voor de voorspelling van tijd met ES en vervangingsparameter 1

56

Figuur 36: Waarden van MAPE voor de voorspelling van tijd met PV en vervangingsparameter

gemiddelde

Figuur 37: Waarden van MAPE voor de voorspelling van tijd met ED en vervangingsparameter

gemiddelde

57

Figuur 38: Waarden van MAPE voor de voorspelling van tijd met ES en vervangingsparameter

gemiddelde

Figuur 39: Waarden van MAPE voor de voorspelling van tijd met PV en vervangingsparameter

project

58

Figuur 40: Waarden van MAPE voor de voorspelling van tijd met ED en vervangingsparameter

project

Figuur 41: Waarden van MAPE voor de voorspelling van tijd met ES en vervangingsparameter

project

59

Concluderen kunnen we zeggen dat bij gebruik van de WPM-methode voor het voorspellen

van de eindtijd van het project de resultaten accurater zijn in vergelijking met de methode van

EVM.



Welke vervangingsparameter (waarde 1, gemiddelde van de workpackages of ratio’s van het

project) geeft de beste voorspelling van kosten bij het invullen van onbegonnen workpacka-

ges?

Om de totale kosten van het project te voorspellen was het nodig om ook de ongestarte work-

package een waarde voor de verschillende ratio’s te geven (SPI, CPI, SPI(t),. . . ) Er werden telkens

drie scenario’s opgesteld voor iedere tracking periode. Deze drie scenario’s zijn gebaseerd op de

drie vervangingsparameters. In het eerste scenario kregen onbegonnen workpackages ratio’s kregen

met de waarde 1. Een tweede vervangingsparameter was het gemiddelde van de al gestarte work-

packages en een derde was het invullen van de ratio op project niveau invullen voor de ongestarte

workpackages. De bedoeling is om na te gaan of er een verschil is op de voorspelbaarheid bij het

gebruik van een andere vervangingsparameter.

Deze vergelijking gebeurde met One-Way Repeated measures Anova test met een Greenhouse-

Geisser correctie, de MAPE waarden voor de verschillende vervangingsparameters zijn significant

verschillend. (F(1,9; 22,576)=19,455, p=0,000). Via Pairwise Comparisons kunnen we concluderen

dat vervangingsparameter 1((µ = 8, 477, σ = 12, 3926) significant verschillend is van vervangings-

parameter gemiddelde (µ = 13, 478, σ = 12, 6142) en vervangingsparameter project (µ = 13, 250,

σ = 12, 9145). Echter, tussen vervangingsparameter gemiddelde en project zijn er geen significante

verschillen.

Gezien niet voldaan is aan de voorwaarde van normale verdeling oefen we op deze data ook

een niet-parametrische test uit, namelijk de Friedman test. Er is een significant verschil tussen de

MAPE-waarden voor de verschillende vervangingsparameters.χ2(2) = 55, 142, p = 0.000.

Om het significant effect verder te onderzoeken is de Post hoc test, Wilcoxon test gebruikt met

een Bonferonni aangepaste p-waarde van 0,05/3= 0,017. Uit deze test bleek dat de vervangingspa-

rameter 1 significant verschillend is van vervangingsparameter gemiddelde en vervangingsparameter

project. Echter, de andere vervangingsparameter project en vervangingsparameter gemiddelde heb-

ben geen significante verschillen ten opzichte van elkaar.

60

Figuur 42: Waarden van MAPE voor de voorspelling van kosten met AS-methode

Figuur 43: Waarden van MAPE voor de voorspelling van kosten met SPI-methode

61

Figuur 44: Waarden van MAPE voor de voorspelling van kosten met SCI-methode

Figuur 45: Waarden van MAPE voor de voorspelling van kosten met CPI-methode

62

Samenvattend, blijkt uit deze resultaten dat de vervangingsparameters een effect hebben

op de voorspelling van kost. Meer specifiek tonen de resultaten aan dat bij gebruik van ver-

vangingsparameter 1 de voorspelde kosten van het project dichter ligt bij de werkelijke totale

kosten in vergelijking met de vervangingsparameter gemiddelde en project.


Welke vervangingsparameter (waarde 1, gemiddelde van de workpackages of ratio’s van het

project) geeft de beste voorspelling van tijd bij het invullen van onbegonnen workpackages?

Onderzoeksvraag 2.B. onderzoekt net als onderzoeksvraag 2.A of er een verschil is bij het ge-

bruik van een andere vervangingsparameter. In 2.B gaat gaan we evenwel op zoek naar een verschil

in de voorspelling van de eindtijd van een project bij het gebruik van een andere vervangingspa-

rameter. In 2.A. werd onderzocht of er een verschil is bij de voorspelling in kosten. Er zijn 3

verschillende vervangingsparameters gebruikt, met name waarde 1, gemiddelde van de al gestarte

workpackages en de waarde van het project.

De vergelijking van de voorspelbaarheid van de eindtijd gebeurde aan de hand van een One-Way Re-

paeted measures Anova test met een Greenhouse-Geisser correctie. De MAPE waarden voor de ver-

schillende vervangingsparameters zijn significant verschillend. (F(1,129; 17,432)=4,280; p=0,035).

Via Pairwise Comparisons kunnen we concluderen dat vervangingsparameter 1 (µ = 17, 7158,

σ = 15, 8837) significant verschillend is van vervangingsparameter gemiddelde (µ = 19, 3657,

σ = 16, 3326). Er is geen significant verschil tussen vervangingsparameter project (µ = 19, 9602,

σ = 16, 7693) en de andere scenario’s

Net als in het geval van voorspelling van kosten is er niet voldaan aan de voorwaarde van een

normale verdeling. Een parametrische test Friedman wordt uitgevoerd. Er is een significant verschil

tussen de MAPE-waarden voor de verschillende vervangingsparameters.χ2(2) = 19, 923, p = 0.000.

Om dit significant effect verder te onderzoeken is de Post hoc test, Wilcoxon test gebruikt met een

Bonferonni aangepaste p-waarde van 0,05/3= 0,017. Deze test duidde aan dat de vervangingspara-

meter 1 significant verschillend is van vervangingsparameter gemiddelde en vervangingsparameter

project. Echter, de andere vervangingsparameter project en vervangingsparameter gemiddelde heb-

ben geen significante verschillen ten opzichte van elkaar. Dit resultaat is anders dan de One-Way

Repaeted measures Anova test, aangezien de normaliteitsregel niet voldaan is bij de eerste test,

nemen we conclusies aan de hand van de Friedman test.

63

Figuur 46: Waarden van MAPE voor de voorspelling van tijd met AS en de verschillende vervan-

gingsparameters

Figuur 47: Waarden van MAPE voor de voorspelling van tijd met ED en de verschillende vervan-

gingsparameters

64

Figuur 48: Waarden van MAPE voor de voorspelling van tijd met ES en de verschillende vervan-

gingsparameters

We kunnen concluderen dat voor het voorspellen van de eindtijd van een project er een

significant verschil is bij het gebruik van verschillende vervangingsparameters. Met gebruik van

vervangingsparameter 1 als meest nauwkeurige voorspeller van de eindtijd van het project.



Welke techniek geeft bij gebruik van de WPM-methode de beste voorspelling van kosten?

De derde onderzoeksvraag gaat na of er een verschil is in de accuraatheid van de voorspelling

van kosten bij gebruik van de verschillende technieken om deze voorspelling te berekenen. De bere-

keningen zijn gebaseerd op As planned, SPI, SCI of CPI. Een overzicht wordt gegeven in de tabel

hieronder:

65





Tabel 32: Overzicht voorspellingstechnieken kost

Om deze vergelijking te maken gebruiken we de One-Way Repeated measures Anova test met

een Greenhouse-Geisser correctie. Deze test splitsen we op in verschillende resultaten voor de drie

verschillende vervangingsparameters. Voor deze vervangingsparameters tellen de waarden op het

5%-significantie niveau ; vervangingsparameter 1 (F(1,569; 2,576)=2,261; p=0,135), vervangings-

parameter gemiddelde (F(2,279; 2,616)=2,199; p=0,120), vervangingsparameter project (F(2,211;

3,940)=5,684; p=0,006).

Enkel bij vervangingsparameter project is er een significant verschil, dit significant verschil moeten

we dan ook verder onderzoeken.

Via Pairwise Comparisons kunnen we concluderen dat methode AS((µ = 6, 841, σ = 14, 3325)

significant verschillend is van methode CPI (µ = 17, 5927, σ = 12, 0448). Echter, tussen de andere

methodes zijn er geen significante verschillen.

De voorwaarde van een normale verdeling is in dit geval niet voldaan. Een niet-parametrische

test, Friedman wordt uitgevoerd.

Er is een significant verschil tussen de MAPE-waarden voor de verschillende methodes bij gebruik

van vervangingsparameters 1, χ2(3) = 12, 538, p = 0.006.

De Post hoc test, Wilcoxon met een Bonferonni aangepaste p-waarde van 0,05/3= 0,017 wordt

gebruikt om dit significant effect verder te onderzoeken. De Wilcoxon test duidde aan dat er een

significant verschil is tussen de gebruikte methodes voor de eindkost te berekenen. Er is een ver-

schil gevonden tussen de AS-methode(µ = 6, 5787, σ = 14, 3950) en SPI-methode (µ = 8, 9799,

σ = 13, 4206) en de AS-methode en de SCI-methode(µ = 9, 2556, σ = 10, 3009). In alle andere

gevallen zijn er geen significante verschillen bij het gebruik van de verschillende methodes.

Bij vervangingsparameter gemiddelde is er geen significant verschil tussen de MAPE-waarden voor

de verschillende methodes, χ2(3) = 7, 026, p = 0.071.

Er is een significant verschil tussen de MAPE-waarden voor de verschillende methodes bij ge-

bruik van vervangingsparameters project, χ2(3) = 23, 846, p = 0.000.

De Post hoc test, Wilcoxon met een Bonferonni aangepaste p-waarde van 0,05/3= 0,017 wordt

gebruikt om dit significant effect verder te onderzoeken. Er is een significant verschil gevonden

tussen de verschillende methodes om de eindkost te voorspellen. De AS-methode is ten opzichte

van de methodes gebaseerd op SPI, SCI en CPI de beste methode om de eindkost te voorspellen

De andere methodes hebben ten opzichte van elkaar geen significante verschillen.

66

Wanneer we de algemene vergelijking maken tussen de verschillende methodes om de vergelijking

te maken tussen de verschillende methodes om de eindtijd te voorspellen gebruiken we evenals

bij de verschillende vervangingsparameters de One-Way Repeated measures Anova test met een

Greenhouse-Geisser correctie. Op het 5%-significantie niveau is er een significant verschil tussen

de verschillende methodes (F(2,343; 4,902)=7,802; p=0,000.

Via Pairwise Comparisons kunnen we concluderen dat methode AS (µ = 8, 5571, σ = 14, 7089)

significant verschillend is van methode CPI (µ = 14, 4512, σ = 12, 3810) en methode SCI (µ =

13, 0899, σ = 9, 8213). Er is ook een significant verschil tussen de SPI-methode(µ = 11, 1799,

σ = 13, 2811) en CPI-methode. Tussen de andere methodes zijn er geen significante verschillen.

De Kolmogorov-Smirnov test bewijst statistisch dat de voorwaarde van de normaal verdeling

niet voldaan wordt. De Friedman test wordt toegepast om de significantie te bewijzen, χ2(3) =

35, 544, p = 0.000. Deze significantie werd verder onderzocht door een post-hoc test, namelijk

Wilcoxon test met een Bonferonni aangepaste p-waarde (p=0,017). Uit deze test bleek dat de

AS-methode significant (5%-significantie niveau) beter is dan de andere methodes. Daarbij is de

SPI-methode beter dan de CPI methode.

Figuur 49: Waarden van MAPE voor de voorspelling van kosten met vervangingsparameter 1

67

Figuur 50: Waarden van MAPE voor de voorspelling van kosten met vervangingsparameter gemid-

delde

Figuur 51: Waarden van MAPE voor de voorspelling van kosten met vervangingsparameter project

68

Concluderend, zeggen deze resultaten dat het gebruik van verschillende voorspellingstech-

nieken van kosten een effect hebben op de accuraatheid van deze voorspelling. Om meer speci-

fiek te zijn: de resultaten tonen aan dat bij gebruik van voorspellingstechniek van kosten met

AS planned de voorspelde kosten van het project dichter ligt bij het werkelijke totale kosten in

vergelijking met de andere voorspellingstechnieken.


Welke techniek geeft bij gebruik van de WPM-methode de beste voorspelling van tijd?

Evenals voor de kosten gaan we op zoek naar de techniek die het beste de eindtijd van het

project kan inschatten. In dit onderzoek zijn drie verschillende soorten voorspellingstechnieken

gebruikt. Deze zijn ofwel gebaseerd op de Planned Value -methode, de Earned Duration-methode

of de Earned Schedule-methode. Via de One-way repeated measures Anova gaan we op zoek of er

een verschil is in de voorspelbaarheid van de eindtijd van de workpackage via deze drie verschillende

methodes die gebaseerd zijn op PV, ED, ES.

Hieronder worden de verschillende technieken weergegeven om de voorspelling van tijd te berekenen:



SCI


SCI


SCI(t)


Deze One-Way repeated measures Anova test is apart uitgevoerd voor de verschillende ver-

vangingsparameter 1, gemiddeld en project. Voor vervangingsparameter 1 was er geen signifi-

cant effect tussen de verschillende voorspellingsmethoden op het 5%-significantieniveau voor de

drie methodes (F(1,927; 1,722)=1,437; p=0,243). Voor vervangingsparameter gemiddeld en pro-

ject waren er evenmin significante effecten tussen de verschillende voorspellingsmethoden op het

5%-significantie niveau voor de drie methodes (F(1,834; 1,099)=0,785; p=0,449) en respectievelijk

(F(1,630; 1,555)=2,271; p=0,120). Wanneer ook de niet normale testen werden uitgevoerd werden

er geen significante verschillen ontdekt.

Wanneer alle resultaten van de drie vervangingsparameters bekeken worden is een significant

verschil te merken op het 5% significantie niveau. (F(3,735; 1,828)=3,219; p=0,046). Wanneer we

de pairwise comparision bekijken zien we geen verschil tussen de verschillende methodes.

Bij de niet-parametrische test (Wilcoxon) χ2(2) = 7, 841, p = 0.020 is er een significant verschil.

Wanneer we dieper op het significant verschil ingaan is er een significant verschil tussen de PV-

methode en ED-methode, waarbij de ED-methode nauwkeurigere voorspellingen voor de eindtijd

levert.

69

Figuur 52: Waarden van MAPE voor de voorspelling van tijd met vervangingsparameter 1

Figuur 53: Waarden van MAPE voor de voorspelling van tijd met vervangingsparameter gemiddelde

70

Figuur 54: Waarden van MAPE voor de voorspelling van tijd met vervangingsparameter project

Wanneer men alles in rekening brengt, kan men zeggen dat de verschillende voorspellings-

technieken een effect hebben op de nauwkeurigheid van de voorspelling van de totale eindtijd

van het project bij gebruik van de WPM-techniek. De ED-methode levert nauwkeurigere voor-

spellingen op dan de PV-methode.



Heeft de SP factor een invloed op de verbetering van de WPM-techniek in vergelijking met

de EVM-techniek bij het voorspellen van de kosten?

Bij deze onderzoeksvraag onderzoeken we of performantie van de voorspelling van de kosten

via de WPM- of EVM-techniek afhangt van de SP-factor. We onderzoeken deze hypothese aan de

hand van een Two Way repeated measures Anova test.

Eerst onderzoeken we de resultaten voor vervangingsparameter 1. Onze eerste hypothese is hier-

bij dat het gemiddelde van beide methoden (WPM, EVM) gelijk is. Met andere woorden; H0:

µWPM =µEVM . We kunnen deze nulhypothese op het 5%-significantie niveau verwerpen. In dit

geval is de p-waarde gelijk aan p = 0, 019, dit is kleiner dan 0,05, (F-waarde(1,000; 6,861)=6,861).

Via Pairwise Comparison vinden we voldoende bewijs dat de WPM techniek accurater is voor het

voorspellen van de eindtijd dan de EVM-methode..

De tweede hypothese die we controleren is of het gemiddelde van de voorspelling verschillend is

als men rekening houdt met de SP-factor. Een verschil is gemaakt tussen projecten kleiner of

71

gelijk aan 0,5 en hoger. De projecten kleiner of gelijk aan 0,5 beschouwen we als parallelle projec-

ten, omgekeerd beschouwen we projecten hoger dan 0,5 beschouwen we als seriele projecten. De

nulhypothese bekijkt of er een verschil is tussen gemiddelde voor de voorspelling van enerzijds pa-

rallelle projecten en anderzijds seriele projecten. Met andere woorden; H0: µparallel= µserieel. We

kunnen deze nulhypothese op het 5%-significantie niveau verwerpen. In dit geval is de p-waarde

gelijk aan p = 0, 016, dit is kleiner dan 0,05 (F-waarde(1,000; 7,407)=7,407). Op deze manier

kunnen we de nulhypothese verwerpen. Er is dus voldoende bewijs is dat het gemiddelde van de

parallelle en het gemiddelde van de seriele projecten verschillend is, meer precies - seriele projec-

ten zijn nauwkeuriger dan parallelle projecten voor het voorspellen van de eindkost van een project.

Het interactie-effect tussen de methode en de SP-factor wordt ook onderzocht. De nulhypothese is

als volgt: H0: µWPM, Parallel - µWPM, serieel = µEVM, Parallel -µWPM, Serieel De p-waarde

(p = 0, 504) is hoger dan 0,05 (F-waarde(1,000; 0,468)=0,468): de nulhypothese kan niet op het

5%-significantie niveau verworpen worden. Er is dus onvoldoende bewijs dat de SP-factor een effect

heeft op de voorspelling van de verschillende methodes.

Wanneer we deze drie hypothesen uitvoeren op de verschillende vervangingsparameters komen

we uit dat voor vervangingsparameter gemiddelde enkel de SP-factor significante verschillen geeft,

bij vervangingsparameter project zowel de methode als de SP factor significant verschillen maar dat

er geen interactie-effect is tussen beide factoren.

Wanneer men geen onderscheid meer maakt tussen de verschillende vervangingsparameters, dus

een algemene analyse uitvoert, kunnen zowel hypothese 1 (methode) als hypothese 2 (SP-factor)

verworpen worden op het 5%-significantieniveau evenals kunnen we spreken van een significant

interactie-effect. Met µWPM, Parallel= 19,883; µWPM, serieel=5,475; µEVM, Parallel=22,800 en

µWPM, Serieel= 12,363.

72

Figuur 55: Invloed van SP op voorspelling van kost a.d.h.v. WPM en EVM met vervangingspara-

meter 1


meter gemiddelde

73


meter project

Algemeen kan er gezegd worden dat er een significant verschil is tussen de EVM en de WPM-

methode, waarbij de WPM-methode nauwkeurigere resultaten geeft. Dit significant verschil

bij parallelle of seriele projecten, seriele projecten geven zoals aangetoond in de literatuur

nauwkeurigere voorspellingen. Er is evenwel een interactie-effect tussen de gebruikte methode

en de SP-factor. Het voorspellen van de totale kosten van een serieel project door gebruik van

de WPM-methode geeft de meest accurate resultaten.


Heeft de SP-factor een invloed op de verbetering van de WPM-techniek in vergelijking met

de EVM-techniek bij het voorspellen van de tijd?

Bij deze onderzoeksvraag onderzoeken we of performantie van de voorspelling van de tijd via de

WPM- of EVM-techniek afhangt van de SP-factor. We onderzoeken deze hypothese aan de hand

van een Two Way repeated measure Anova Test.

Eerst onderzoeken we de algemene resultaten. Onze eerste hypothese is hierbij dat het gemid-

delde van beide methoden (WPM, EVM) gelijk is. Met andere woorden: H0: µWPM =µEVM .

We kunnen deze nulhypothese op het 5%-significantie niveau verwerpen. In dit geval is de p-waarde

gelijk aan p = 0, 000, dit is kleiner dan 0,05 (F-waarde(1,000; 46,635)=46,635). Dat betekent dat

er voldoende bewijs is dat het gemiddelde van de EVM-methode en het gemiddelde van de WPM-

methode verschillend is. Via de Pairwaise comparision blijkt dat de WPM-methode nauwkeurigere

resultaten levert in vergelijking met de EVM-techniek.

74

De tweede hypothese die we controleren is of het gemiddelde van de voorspelling verschillend is als

men rekening houdt met de SP-factor. Een verschil is gemaakt tussen projecten kleiner of gelijk

aan 0,5 en hoger. De projecten kleiner of gelijk aan 0,5 beschouwen we als parallelle projecten,

omgekeerd beschouwen we projecten hoger dan 0,5 als seriele projecten. De nulhypothese bekijkt

of er een verschil is tussen gemiddelde voor de voorspelling van enerzijds parallelle projecten en

anderzijds seriele projecten. Met andere woorden; H0: µparallel= µserieel. We kunnen deze nul-

hypothese op het 5%-significantie niveau niet verwerpen. In dit geval is de p-waarde gelijk aan

p = 0, 889, dit is groter dan 0,05 (F-waarde(1,000; 6,845)=6,845). Dit wil zeggen dat er onvol-

doende bewijs is dat het gemiddelde van de parallele en het gemiddelde van de seriele projecten

verschillend is.

Het interactie-effect tussen de methode en de SP-factor wordt ook onderzocht. De nulhypothese is

als volgt: H0: µWPM, Parallel - µWPM, serieel = µEVM, Parallel µWPM, Serieel. De p-waarde

(p = 0, 056) is hoger dan 0,05 (F-waarde(1,000; 3,730)=3,730): de nulhypothese kan niet op het

5%-significantieniveau verworpen worden.

Deze resultaten gelden ook wanneer we de verschillende vervangingsparameters opsplitsen.

Figuur 58: Invloed van SP op voorspelling van tijd a.d.h.v. WPM en EVM met vervangingspara-

meter 1

75


meter gemiddelde


meter project

We kunnen dus algemeen zeggen dat de SP-factor geen invloed heeft op de voorspelling van

de einddatum van een project.

76

6.3 Early Warning Signals

Onderzoeksvraag 5.

Geeft de WPM-techniek betere waarschuwingssignalen dan de EVM-techniek?

In deze paragraaf onderzoeken we of de WPM-techniek betere waarschuwingssignalen geeft dan

de EVM-techniek. Met deze waarschuwingssignalen kan de projectmanager correctieve acties on-

dernemen wanneer het project dreigt in de problemen te komen. Wanneer de WPM-techniek meer

en betere waarschuwingssignalen geeft dan de EVM-techniek kan de projectleider zijn projecten

beter controleren. Het is belangrijk te weten welke vroege waarschuwingen correct zijn en welke er

dus zeker moeten bekeken worden voor eventuele correctieve acties te ondernemen. Uit onderzoek

in de literatuur zijn er verschillende voorwaarden waaraan vroege waarschuwingssignalen moeten

voldoen om te leiden tot correctieve acties. Volgens Sandino et al, [38] zijn er voorwaarden die be-

palend zijn als een waarschuwingssignaal moet worden bestudeerd, zoals; (1) liggen de ondermaats

presterende taken op het kritieke pad of in de buurt van dit kritieke pad? (2) zijn de vertraagde

taken beschouwd als een hoog risico voor het behalen van de doelstelling van het project? De

beslissing om al dan niet acties te ondernemen aan de hand van de vroegtijdige waarschuwings-

signalen hangt volgens Nikander en Eloranta [31] af van (1) de informatie die beschikbaar is van

het probleem, (2) het effect op het project, (3) de tijd beschikbaar om het probleem op te lossen.

Anderzijds, is het zeer moeilijk om de oorzaken van de problemen in een project te analyseren, deze

problemen zijn zeer afhankelijk van de situatie waarin het project zich bevindt en deze problemen

kunnen opduiken door een tal van verschillende oorzaken [30]. Bij het gebruik van de Earned Value

Method is er voor de projectmanager exacte informatieve aanwezig. Deze informatie is belangrijk

in verschillende opzichten: (1) de vroege waarschuwingssignalen geven een opportuniteit om in ac-

tie te treden voordat het te laat is, (2) nauwkeurige voorspellingen zorgen voor betere beslissingen

voor het verder verloop van het project, (3) nauwkeurige voorspellingen zorgen voor betere beslis-

singen over externe factoren die het project beınvloeden, (4) de manager kan het risico verlagen bij

beslissingen over actieplannen [28].

We gaan er vanuit dat door de ratio’s op projectniveau te nemen, sommige kritieke waarden

van achterlopende activiteiten uitgebalanceerd worden door goede waarden in het project. Bij de

WPM-techniek worden de verschillende ratio’s op workpackageniveau berekend en zullen er dus

voor iedere workpackage gegevens zijn van de verschillende ratio’s. Hierdoor kan men weten of een

workpackage in de problemen komt.

Niet alle waarschuwingssignalen van de workpackage-techniek mogen we evenwel in acht worden

genomen. Workpackages met een Percentage Competed van 100% worden genegeerd wanneer deze

vroegtijdige waarschuwingen uitsturen.Wanneer het werk van een workpackage volledig afgewerkt

is, kan de projectmanager geen correctieve acties ondernemen. Daarom worden de vroegtijdige

waarschuwingssignalen genegeerd. We brengen ook enkel de kritieke workpackage in rekening bij

het berekenen van de tijd ratio’s, dit zijn de workpackages die op het kritieke pad van de planning

liggen. Niet-kritieke activiteiten kunnen immers de slacktijd opnemen en hebben dus niet altijd

een effect hebben op de einddatum van een project.

Volgens Stallworthy [39] is het succes van de waarschuwingssignalen te danken aan de mogelijk-

77

heid om de trend te evalueren en de implicaties tot de duurtijd en de projectkost te bekijken aan

de hand van de status van het project op een gegeven tijdstip. Om deze waarschuwingssignalen te

kunnen relateren aan de werkelijke gegevens van de projecten, zeggen we dat deze waarschuwings-

signalen terecht waren als het project op het einde meer dan 5% over budget was en 5% over de

planning is gegaan. Het controleren als de waarschuwingen terecht waren op het 5%-niveau gebeurd

voor de EVM-techniek op projectniveau en voor de WPM-methode op het niveau van de verschil-

lende workpackages. Dit is natuurlijk een strenge assumptie aangezien we voor deze thesis geen

weet hebben van welke correctieve acties er zouden kunnen gebeurd zijn en dewelke er nu werkelijk

plaats gevonden hebben. Het kan dus zijn dat tijdens het project de projectmanager correctieve

acties ondernomen heeft om het project terug op pad te brengen. Waardoor er op het einde van

het project geen vertraging meer is maar op het moment wanneer de waarschuwing uitgestuurd is

wel.

Wanneer deze reflectie gemaakt wordt op project-niveau, dus in het geval van EVM, kan deze

reflectie pas gebeuren wanneer het project is afgerond. Hierdoor kan de projectmanager bij een

waarschuwingssignaal op projectniveau zeer moeilijk inschatten als deze waarschuwing terecht is of

niet. Wanneer men echter deze techniek toepast op workpackage niveau kan men al met meerdere

zaken rekening houden bij het bekijken van waarschuwingssignalen. Zo zal men pas correctieve

acties ondernemen als deze workpackages op het kritieke pad liggen, als de workpackage nog in

uitvoering is,. . . Dit zijn factoren die met de EVM-methode pas door dieper onderzoek naar welke

activiteiten nu de oorzaak zijn van de waarschuwing pas ontdekt zullen worden.

Bij het analyseren van de vroegtijdige waarschuwingen in de 16 verschillende projecten namen

we als maatstaf voor een vroegtijdige waarschuwing 0,75. Dit wil zeggen dat als de ratio’s (SPI,

CPI,SPI (t), SCI, SCI(t)) onder een waarde van 0,75 zakken, de projectmanager gealarmeerd zal

moeten worden.

In onderstaande tabellen wordt weergegeven hoeveel keer dat (1) de WPM-techniek een waar-

schuwing geeft, (2) de WPM-techniek een waarschuwing geeft dat met 5% reflectie als correct

wordt beschouwd, (3) de EVM-techniek een waarschuwing geeft, (4) de EVM techniek en waar-

schuwing geeft dat met 5% reflectie als correct wordt beschouwd, (4) de WPM techniek een ”cor-

recte”waarschuwing geeft wanneer deze niet aangekondigd is bij de EVM techniek (6) evenals het

omgekeerde, de gevallen waarbij de EVM-techniek een ”correcte”waarschuwing geeft en niet de

WPM-techniek. Deze laatste waarschuwingen gebeuren in de gevallen wanneer de workpackages

volgens de planning al bezig zouden moeten zijn, maar in werkelijkheid nog niet begonnen zijn.

Deze onbegonnen workpackages hebben ratio’s van nul en worden vervangen door de drie verschil-

lende vervangingsparameters om voorspellingen te kunnen maken, namelijk 1, gemiddelde van de

al begonnen workpackages, projectratio’s. Hierdoor geeft de EVM-techniek een waarschuwing en

de WPM-methode niet. In onderstaande tabellen worden deze gegevens voor ieder project weerge-

geven.

78

6.3.1 Project 1: M6+

Ratio WPM Correcte WPM EVM Correcte EVM WPM signaal EVM signaal

CPI 4 3 0 0 3 0

SPI 5 4 0 0 4 0

SPI(t) 7 4 5 0 5 0

SCI 5 4 1 0 3 0

SCI(t) 8 4 4 0 2 0

Tabel 34: Waarschuwingen projecten M6+

6.3.2 Project 2: MCH


CPI 0 0 0 0 0 0

SPI 1 0 4 0 0 0

SPI(t) 1 0 3 3 0 0

SCI 0 0 3 3 0 3

SCI(t) 1 0 2 2 0 1

Tabel 35: Waarschuwingen projecten MCH

6.3.3 Project 3: MoBIB


CPI 0 0 0 0 0 0

SPI 6 4 9 0 0 0

SPI(t) 1 0 2 0 0 0

SCI 5 3 9 0 0 0

SCI(t) 1 0 2 0 0 0

Tabel 36: Waarschuwingen projecten MoBIB

6.3.4 Project 4: Gentse Steenweg


CPI 1 1 0 0 1 0

SPI 8 8 11 11 1 3

SPI(t) 11 10 16 16 1 4

SCI 9 8 10 10 1 5

SCI(t) 10 9 15 15 0 2

Tabel 37: Waarschuwingen projecten Gentse Steenweg

79

6.3.5 Project 5: Zenitel


CPI 2 0 0 0 2 0

SPI 11 0 1 0 5 0

SPI(t) 3 0 4 0 0 1

SCI 12 0 1 1 5 0

SCI(t) 3 0 4 4 1 2

Tabel 38: Waarschuwingen projecten Zenitel

6.3.6 Project 6: Amster


CPI 3 0 1 0 0 0

SPI 13 4 7 7 0 1

SPI(t) 15 5 7 7 0 1

SCI 13 4 6 6 0 2

SCI(t) 16 4 7 7 0 1

Tabel 39: Waarschuwingen projecten Amster

6.3.7 Project 7: Nieuwe Bussen


CPI 4 2 0 0 2 0

SPI 6 6 11 11 0 5

SPI(t) 4 4 12 12 0 8

SCI 8 8 10 10 2 4

SCI(t) 7 7 11 11 1 4

Tabel 40: Waarschuwingen projecten Nieuwe Bussen

6.3.8 Project 8: Phoenix


CPI 16 6 1 1 7 0

SPI 46 6 6 6 6 0

SPI(t) 30 3 9 3 5 0

SCI 43 6 6 6 5 0

SCI(t) 45 7 7 6 6 0

Tabel 41: Waarschuwingen projecten Phoenix

80

6.3.9 Project 9: OBC


CPI 0 0 0 0 0 0

SPI 2 2 0 0 2 0

SPI(t) 2 2 2 2 2 2

SCI 2 2 0 0 2 0

SCI(t) 2 2 1 1 2 1

Tabel 42: Waarschuwingen projecten OBC

6.3.10 Project 10: CoVo


CPI 0 0 0 0 0 0

SPI 4 3 6 6 1 3

SPI(t) 2 2 7 7 0 5

SCI 4 3 6 6 1 3

SCI(t) 2 2 7 7 0 5

Tabel 43: Waarschuwingen projecten CoVo

6.3.11 Project 11: ISIS


CPI 0 0 0 0 0 0

SPI 4 3 0 0 43 0

SPI(t) 1 0 0 0 0 0

SCI 3 2 0 0 2 0

SCI(t) 1 0 0 0 1 0

Tabel 44: Waarschuwingen projecten ISIS

6.3.12 Project 12: Morrisons


CPI 0 0 1 0 0 1

SPI 3 3 2 1 0 1

SPI(t) 5 5 3 1 0 2

SCI 3 3 2 1 0 1

SCI(t) 5 5 3 1 0 2

Tabel 45: Waarschuwingen projecten Morrisons

81

6.3.13 Project 13: Brouwerij


CPI 0 0 0 0 0 0

SPI 1 0 0 0 0 0

SPI(t) 3 0 2 0 0 0

SCI 1 0 0 0 0 0

SCI(t) 3 0 1 1 0 0

Tabel 46: Waarschuwingen projecten Brouwerij

6.3.14 Project 14: Ecofrost


CPI 0 0 0 0 0 0

SPI 0 0 2 2 0 2

SPI(t) 1 0 2 2 0 2

SCI 1 1 2 2 1 2

SCI(t) 1 1 2 2 1 2

Tabel 47: Waarschuwingen projecten Ecofrost

6.3.15 Project 15: Imerys


CPI 5 0 2 2 0 0

SPI 15 0 8 8 0 0

SPI(t) 19 0 7 7 0 0

SCI 15 1 9 9 0 0

SCI(t) 19 1 7 7 0 1

Tabel 48: Waarschuwingen projecten Imerys

6.3.16 Project 16: Eandis


CPI 1 1 0 0 1 0

SPI 3 2 3 0 0 0

SPI(t) 5 3 2 0 0 0

SCI 2 2 2 2 1 1

SCI(t) 5 3 2 2 1 0

Tabel 49: Waarschuwingen projecten Eandis

82

De waarden uit de tabellen tonen dat veel waarschuwingen als niet ”correct”gezien worden. Dit

wil zeggen dat deze een waarschuwing genereren op een bepaald tijdstip en deze achteraf via de 5%

reflectie als incorrect beschouwd worden of niet op het kritieke pad ligt. Wanneer we kijken naar

de gevallen wanneer er door ofwel EVM ofwel WPM ”correcte”signalen worden uitgestuurd, maar

niet door beide, merken we dat bij 3 projecten enkel WPM waarschuwingen gegeven worden die

niet aangekondigd worden door de EVM-techniek en niet het omgekeerde geval. Dit zijn de pro-

jecten waarbij de kritieke waarden op projectniveau uitgebalanceerd worden door de goedlopende

activiteiten. Er zijn 4 projecten die enkel door EVM waarschuwingen gegeven worden die niet

aangekondigd zijn door de WPM-techniek en niet het omgekeerde geval. Deze zijn dus voorbeeld

projecten van het geval waarbij de workpackages nog niet bezig waren en dus enkel op projectniveau

in rekening worden gebracht. 7 projecten waar beide gevallen zich voordoen en zelfs 2 projecten

waar er geen verschil is in ”correcte”waarschuwingen tussen beide technieken.

Concluderend kunnen we zeggen dat er zowel gevallen zijn waarin de WPM-techniek betere

voorspellingen geeft als gevallen waarin de EVM-techniek betere signalen geeft. Een combinatie

van beide technieken zal voor de projectmanager de beste signalen geven wanneer hij correctieve

acties zal moeten ondernemen. Het blijft belangrijk voor de projectmanager om op zoek te gaan

naar de ”correcte”waarschuwingssignalen, het voordeel van de WPM-techniek is dat er sneller

een reflectie kan gemaakt worden.

7 Algemeen besluit

Samenvattend kunnen we het onderzoek van deze thesis opsplitsen in twee grote delen. Een eerste

deel gaat na of er een verschil is in de accuraatheid van de voorspelbaarheid van kosten en tijd,

bij gebruik van EVM en WPM. Ten tweede bekijken we of de vroegtijdige waarschuwingen van de

WPM in vergelijking met de EVM-techniek betere waarschuwingen geeft zodat de projectmana-

ger zijn project nauwkeuriger kan controleren. Deze twee grote onderzoeksvragen werden getest

op zestien grote projecten. Hieronder worden de twee elementen besproken en ten slotte volgt de

eindconclusie met enkele opmerkingen en suggesties voor verder onderzoek.

De onderzoeksvraag of de WPN-techniek een nauwkeurigere voorspelling geeft in vergelijking

met de EVM-techniek werd opgesplitst in vier kleinere onderzoeksvragen, telkens met een opsplit-

sing tussen kosten en tijd.

De eerste algemene vraag luidt of de WPM-techniek accurater is in het voorspellen van tijd en

kosten dan de EVM- techniek. Op beide vlakken (tijd en kosten) werd bewezen dat de

WPM-techniek een nauwkeurigere voorspelling geeft dan de EVM-techniek.

Ten tweede, om de totale kosten van het project te voorspellen was het nodig om ook de on-

gestarte workpackages een waarde voor de verschillende ratio’s te geven (SPI, CPI, SPI(t) . . . ).

Er werden telkens drie scenario’s opgesteld voor iedere opvolgingsperiode. De drie scenario’s zijn

gebaseerd op de drie vervangingsparameters. Het eerste scenario was dat onbegonnen workpackages

ratio’s kregen met de waarde 1. Een tweede vervangingsparameter was het gemiddelde van de al ge-

83

starte workpackages en een derde was het invullen van de ratio op projectniveau voor de ongestarte

workpackages. Wanneer een opsplitsing wordt gemaakt tussen de drie vervangingsparameters is de

accuraatheid van de voorspelling bij zowel kosten als tijd beter bij de WPM-methode dan de EVM-

methode, met een uitzondering, de voorspelling van kosten met vervangingsparameter gemiddelde

geeft geen verschil tussen beide methodes. Onderzoek heeft uitgewezen dat er een verschil

is tussen de accuraatheid van de verschillende vervangingsparameters. Op vlak van

kosten en tijd is het statistisch bewezen dat vervangingsparameter 1 nauwkeurigere

voorspellingen oplevert voor de zestien projecten dan vervangingsparameter gemid-

delde en project.

Een derde onderzoeksvraag zocht de meest nauwkeurige techniek voor de voorspelling van kos-

ten en tijd. Bij gebruik van de WPM-techniek is er een significant verschil bij voorspellen van kosten

(As planned, CPI, SPI, SCI). De AS planned-methode geeft de meest accurate voorspel-

ling van de totale kosten. Bij de voorspelling van tijd is er een significant verschil tussen enkele

van de verschillende berekeningsmethodes (Planned Value, Earned Duration, Earned Schedule), de

ED-methode levert nauwkeurigere voorspellingen dan de PV-methode.

Tot slot werd onderzocht of de Seriele/Parallelle parameter een invloed heeft op de voorspelling

van kosten en tijd. Seriele projecten geven zoals aangetoond in de literatuur nauwkeu-

rigere voorspellingen. Een interactie-effect tussen de gebruikte methode (EVM of

WPM) en de SP-factor is gevonden. Het voorspellen van de eindtijd van een serieel

project door gebruik van de WPM-methode geeft de meest accurate voorspelling van

de totale kosten van het project. Op vlak van tijd is er geen significant effect voor de

SP-factor gevonden.

De tweede grote onderzoeksvraag of WPM betere vroegtijdige waarschuwingen geeft in verge-

lijking met de EVM, gaf tegenstrijdige resultaten. Oorspronkelijk vooropgesteld werd er verwacht

dat de WPM-techniek meer vroegtijdige waarschuwingen ging uitsturen dan EVM-techniek. Deze

verwachting was er doordat lage ratio’s uitgeleveld kunnen worden door betere waarden als men

deze techniek toepast op projectniveau. Aan deze verwachting werd dan ook voldaan bij de 16

projecten, er zijn veel gevallen waarbij de WPM-techniek een vroegtijdige waarschuwing uitstuurt

terwijl de EVM-techniek dit niet doet. Maar ook het omgekeerde is waar, er zijn gevallen waarbij

de EVM-techniek waarschuwingen uitstuurt wanneer dit niet het geval is bij de WPM-techniek.

Dit komt doordat onbegonnen workpackages een waarde van een vervangingsparameter krijgen.

Wanneer deze onbegonnen workpackages volgens de planning al in uitvoering moeten zijn, zul-

len deze dus opgenomen worden op projectniveau, maar niet op workpackageniveau. Door deze

tegenstrijdige resultaten kunnen we concluderen dat de projectmanagers een betere con-

trole van het project zullen hebben wanneer beide technieken gebruikt zullen worden.

De vraag die vele onderzoekers zich wellicht zullen stellen is of de betere voorspelling van de

WPM-techniek de moeite is om meer tijd in te investeren. Ik geloof dat bij gebruik van een

84

programma zoals MS-project, Protrack . . . de extra tijd voor het gebruik van de WPM-techniek

minimaal zal zijn. Alle gegevens voor het gebruik van de WPM-techniek zijn aanwezig bij gebruik

van de EVM-methode. Enkel de opdeling in de verschillende workpackages moet nog gemaakt

worden. Het zal dus geen extra tijd vragen van de projectmanagers om deze bijkomende techniek

te gebruiken. Dit sluit aan bij de redenering van Pajares en Lopez-Paredes (2011) [34] die vinden

dat een uitbreiding van de EVM-methode simpel gehouden moet worden, zodat projectmanagers

in de praktijk deze ook zouden kunnen implementeren. Deze techniek is echter nog niet toepasbaar

met deze tools (MS-Project, Protrack ).

Het gebruik van de WPM-techniek bij projectcontrole biedt voordelen.;

Ten eerste, door het project op te splitsen in verschillende subprojecten zal men een opsplitsing

kunnen maken tussen de verschillende operationele eenheden die werken aan een project. Men zal

een aparte beoordeling kunnen maken per operationele eenheid. [9] In de toekomst zal men voor

vaak gebruikte workpackages een betere inschatting kunnen maken alsook een betere vergelijking

tussen de duurtijd en de totale kosten. Dit is het geval bij de geanalyseerde projecten van MIVB

en Spiromatic. De opdeling van verschillende workpackages in de projecten is bijna identiek voor

de verschillende projecten. Op die manier kan men gemakkelijker nagaan, over de verschillende

projecten heen, waar de meeste problemen liggen en een betere inschatting maken van kosten en

tijd. Een tweede voordeel is dat de voorspellingen op het vlak van kosten en tijd nauwkeuriger

zullen zijn bij gebruik van de WPM-techniek dan bij de EVM-techniek. Een derde voordeel is dat

bij de vroegtijdige waarschuwingen de projectmanager een snellere controle kan uitvoeren als deze

waarschuwingen de moeite waard zijn om correctieve acties te ondernemen. Door de opsplitsing

te maken op workpackageniveau kan er sneller gekeken worden als deze al dan niet op het kritieke

pad ligt, de reflectie van de prestatie van de individuele workpackage is sneller gemaakt,. . .

Hoewel deze techniek de controle over de projecten kan verbeteren, is er nog veel werk om de

techniek binnen de bedrijven te gebruiken. In geen van de vier geanalyseerde bedrijven (MIVB,

Spiromatic, Imerys en G.SNEL) wordt de volledige EVM-techniek gebruikt. MIVB en Imerys zijn

al het meest gevorderd in het gebruik van Earned Value Management. Bij de MIVB maakt een

projectmanager de reflectie tussen wat er gepland is om te leveren en wat er werkelijk al geleverd

is, uitgedrukt in een percentage. Bij de andere projecten binnen de MIVB is dit niet of zelden het

geval. Bij Imerys wordt ook de reflectie gemaakt tussen gepland en werkelijk geleverd, zelfs met

een grafiek voor de visuele weergave. Beide bedrijven doen dit onderzoek op het vlak van kosten

maar niet op het vlak van tijd. Bij de twee andere bedrijven is er zelfs bijna geen sprake van

projectopvolging of planning.

Het lijkt me dan ook zeer moeilijk om de WPM-techniek in de praktijk toe te passen als de

projectmanagers nog geen idee hebben over wat de EVM-techniek inhoudt. Hoewel veel project-

managers interesse hadden in de techniek, lijkt het voor hen een tijdrovende oefening. Wat mij

belangrijker lijkt, is de reflectie tussen wat gepland is en wat werkelijk gespendeerd werd aan kosten

en tijd. Wanneer men op vooropgestelde tijdstippen deze reflectie zal maken, zullen de projecten

al beter gecontroleerd worden dan nu het geval is. Dit lijkt mij een eerstvolgende stap die in de

verschillende bedrijven zal moeten worden uitgevoerd. De totale techniek van EVM met de voor-

85

spelling van kosten en tijd, vraagt nog meer tijd dan deze eenvoudige reflectie. De voorspelling

zullen de projectmanagers enkel gebruiken als ze de meerwaarde van de techniek zullen inzien en dit

zal pas stelselmatig kunnen gebeuren. Vooral steun van topmanagement is nodig om deze technie-

ken toe te passen [40]. De meerwaarde van de EVM techniek is vooral dat de projectmanagers de

mogelijkheid hebben om echt te verstaan wat de reden is achter het probleem [15]. Wanneer deze

techniek zal toegepast worden binnen de bedrijven zal ook op het organisatorisch vlak aanpassingen

gemaakt worden; organisatorische organisatie, trainingen, aandacht management, ondersteunende

systemen,. . . [12].

Voor verder onderzoek zal het belangrijk zijn om de verschillende onderzoeksvragen te testen via

simulaties. Ik heb gezocht naar grote, complexe projecten waarbij door veel verschillende factoren

de kosten en tijd kunnen beınvloed worden, dit zowel in grote bedrijven zoals MIVB en Imerys, als

in kleinere bedrijven zoals Spiromatic en G.SNEL. Ik geloof dan ook dat deze projecten de signifi-

cante verschillen duidelijk getoond zullen hebben. Natuurlijk moet dit onderzocht worden op een

grotere schaal dan zestien projecten. Om deze techniek in de praktijk te krijgen zal er ook moeten

onderzocht worden of deze techniek kan gebruikt worden in een tool. Doordat de analyse van de

twee technieken uitgevoerd werd in Excel was er geen mogelijkheid om risicoanalyse te betrekken

in de zoektocht naar de accuraatheid van beide voorspellingstechnieken. Om de waarschuwings-

signalen nog betrouwbaarder te maken moet bijvoorbeeld een onderscheid gemaakt worden tussen

projecten die een grote of kleine impact hebben op het project wat al reeds aangehaald is in [42], [43]

of de invloed van de parameters CI, CRI, CRIρ, SI op de accuraatheid van de voorspellingen [11].

86

Referenties

[1] H.N. Ahuja, S.P. Dozzi, and S.M. AbouRizk. Project Management: Techniques in Planning

and Controlling Construction Projects. Wiley, 1994.

[2] Carlos M. Alvarado, Robert P. Silverman, and David S. Wilson. Assessing the performance

of construction projects : Implementing earned value management at the General Services

Administration. Journal of Facilities Management, 2004.

[3] Frank T Anbari. Earned value project management method and extensions. Project Manage-

ment Journal, 2003.

[4] Michael Bloch, Sven Blumberg, and Jurgen Laartz. Delivering large-scale it projects on time,

on budget, and on value. McKinsey on Business Technology, 2012.

[5] S Book. Correction note: Earned schedule and its possible unreliability as an indicator. The

Measurable News, pages 24–30, 2006.

[6] S Book. Earned schedule and its possible unreliability as an indicator. The Measurable News,

pages 24–30, 2006.

[7] Jacob D and Kane M. Forecast schedule completion using earned value metrics. The Measurable

News Summer, 2004.

[8] RF Deckro, JE Hebert, and WA Verdini. Project Scheduling with Work Packages. Omega,

20(2):169–182, 1992.

[9] Prasanta Kumar Dey, Mario T. Tabucanon, and Stephen O. Ogunlana. Hierarchical approach

to project planning: The case of a petroleum pipeline construction. Applied Mathematical

Modelling, 20(9):683–698, September 1996.

[10] R L Elmore and D C Sullivan. Project control through work packaging concept. Proceedings

of the 4th Annual Conference of the International Group for Lean Construction, 1986.

[11] Raafat 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.

[12] Kim EunHong, Wells Jr. William G, and Duffey Michael R. A model for effective implementa-

tion of Earned Value Management methodology. International Journal of Project Management,

21(5):375–382, July 2003.

[13] Shlomo Globerson. Impact of various work-breakdown structures on project conceptualization

. International Journal of Project Management, 12(3):165–171, August 1994.

[14] Rodney Howes. Improving the performance of Earned Value Analysis as a construction project

management tool. Engineering, Construction and Architectural Management, 7(4):399–411,

2000.

[15] Howard Hunter, Richard Fitzgerald, and Dewey Barlow. Improved cost monitoring and control

through the Earned Value Management System. Acta Astronautica, pages 1–4, November 2012.

87

[16] Y.M. Ibrahim, T.C. Lukins, X. Zhang, E. Trucco, and A.P. Kaka. Towards automated pro-

gress assessment of workpackage components in construction projects using computer vision.

Advanced Engineering Informatics, 23(1):93–103, January 2009.

[17] Project Management Institute. Practice Standard for Work Breakdown Structures: Second

Edition. Global standard. Project Management Institute, 2006.

[18] H Kerzner. Project Management: A Systems Approach to Planning, Scheduling and Control.

1979.

[19] Byung-cheol Kim, A M Asce, Kenneth F Reinschmidt, and M Asce. Combination of Pro-

ject Cost Forecasts in Earned Value Management. Journal of construction engineering and

management, (November):958–967, 2011.

[20] H.W. Lanford and T.M. McCann. Effective planning and control of large projects Using work

breakdown structure. Long Range Planning, 16(2):38–50, April 1983.

[21] Walt Lipke. Scheduling is different. The Measurable News, 2, 2003.

[22] Walt Lipke. Connecting Earned Value to the Schedule. CrossTalk, (405), 2005.

[23] Walt Lipke. Applying earned schedule to critical path analysis and more. The Measurable

News, pages 26–30, 2006.

[24] Walt Lipke. Is earned schedule an unreliable indicator? The Measurable News, pages 14–21,

2006.

[25] Walt Lipke. Project duration forecasting: A comparison of earned value management method

to earned schedule. Project Management Institute, (2):24–31, 2009.

[26] Walt Lipke, Ofer Zwikael, Kym Henderson, and Frank Anbari. Prediction of project outcome:

The application of statistical methods to earned value management and earned schedule per-

formance indexes. International Journal of Project Management, 27(4):400–407, 2009.

[27] Leila Moslemi Naeni and Amir Salehipour. Evaluating fuzzy earned value indices and estimates

by applying alpha cuts. Expert Systems with Applications, 38(7):8193–8198, 2011.

[28] A. Naderpour and M. Mofid. Improving Construction Management of an Educational Center

by Applying Earned Value Technique. Procedia Engineering, 14:1945–1952, January 2011.

[29] Leila Moslemi Naeni, Shahram Shadrokh, and Amir Salehipour. A fuzzy approach for the ear-

ned value management. International Journal of Project Management, 29(6):764–772, August

2011.

[30] Ilmari O Nikander and Eero Eloranta. Preliminary signals and early warnings in industrial

investment projects. International Journal of Project Management, 15(6):371–376, December

1997.

[31] Ilmari O Nikander and Eero Eloranta. Project management by early warnings. International

Journal of Project Management, 19(7):385–399, October 2001.

88

[32] Eric S. Norman, Shelly A. Brotherton, and Robert T. Fried. Work Breakdown Structures.

John Wiley & Sons, Inc., Hoboken, NJ, USA, September 2008.

[33] Department of Defense, United States. National Aeronautics, and Space Administration.

PERT /COST Systems Design: DOD and NASA Guide. DOD / NASA, 1962.

[34] Javier Pajares and Adolfo Lopez-Paredes. An extension of the EVM analysis for project

monitoring: The Cost Control Index and the Schedule Control Index. International Journal

of Project Management, 29(5):615–621, July 2011.

[35] Pmbok. A Guide to the Project Management Body of Knowledge. 2000.

[36] W Quentin and M Joel. Using earned value management. Cost Engineering, 2002.

[37] Arnold M Ruskin and Claremont Consulting Group. Two Issues Concerning the Use of Earned

Value Measurements. Engineering Management Journal, 16(3), 2004.

[38] Hector R Sandino, Viviana I Cesanı, Puerto Rico, Mario Padron, and Gustavo Barrantes.

Project Management and Rcarlosource Constrained Scheduling Using An Integer Programming

Approach. Applied Mathematical Modelling.

[39] E.A. Stallworthy. Developments in project cost control. Engineering and Process Economics,

4:29–36, 1979.

[40] Rodney Turner, Ann Ledwith, and John Kelly. Project management in small to medium-sized

enterprises: Matching processes to the nature of the firm. International Journal of Project

Management, 28(8):744–755, December 2010.

[41] Stephan Vandevoorde and Mario Vanhoucke. A comparison of different project duration fo-

recasting methods using earned value metrics. International Journal of Project Management,

24:289–302, 2006.

[42] Mario Vanhoucke. Measuring Time: Improving Project Performance Using Earned Value

Management. 2009.

[43] Mario Vanhoucke. Using activity sensitivity and network topology information to monitor

project time performance. Omega, 38(5):359–370, October 2010.

[44] Mario Vanhoucke. On the dynamic use of project performance and schedule risk information

during project tracking. Omega, 39(4):416–426, August 2011.

[45] Mario Vanhoucke and Stephan Vandevoorde. A simulation and evaluation of earned value me-

trics to forecast the project duration. Journal of the Operational Research Society, 58(10):1361–

1374, September 2006.

89

Bijlage

7.1 Bijlage 1


1 PF=1 -3,04 3,04 -3,04 3,04

PF= SPI -0,03 0,79 2,63 3,55

PF= SCI -4,55 4,69 1,45 10,29

PF= CPI -6,71 6,74 -3,76 9,16

Gemiddelde PF=1 -3,04 3,04 -3,04 3,04

PF= SPI 2,85 4,48 2,63 3,55

PF= SCI 1,96 12,91 1,45 10,29

PF= CPI -3,90 10,41 -3,76 9,16

Project PF=1 -3,04 3,04 -3,04 3,04

PF= SPI 2,68 3,64 2,63 3,55

PF= SCI 1,14 10,80 1,45 10,29

PF= CPI -4,08 9,55 -3,76 9,16

Tabel 50: MAPE waarden voor voorspelling van kosten van het project M6+


1 PF=1 -1,52 1,56 -1,52 1,56

PF= SPI -1,54 1,60 -2,81 3,73

PF= SCI -1,39 1,69 13,54 13,54

PF= CPI -1,41 1,74 9,73 9,73

Gemiddelde PF=1 -1,52 1,56 -1,52 1,56

PF= SPI -2,12 2,80 -2,81 3,73

PF= SCI 0,84 5,55 13,54 13,54

PF= CPI 0,35 6,84 10,17 10,17

Project PF=1 0,09 0,99 -1,52 1,56

PF= SPI -2,81 3,74 -2,81 3,73

PF= SCI 13,36 13,36 13,54 13,54

PF= CPI 9,60 9,60 9,73 9,73

Tabel 51: MAPE waarden voor voorspelling van kosten van het project MCH

i


1 PF=1 -3,23 3,32 -3,23 3,32

PF= SPI 0,20 4,97 20,22 24,39

PF= SCI 0,34 5,36 14,54 19,11

PF= CPI -7,75 7,89 -5,88 6,30

Gemiddelde PF=1 -3,23 3,32 -3,23 3,32

PF= SPI -0,79 9,06 20,22 24,39

PF= SCI -9,60 12,49 14,20 19,44

PF= CPI -9,12 10,60 -5,88 6,30

Project PF=1 -3,23 3,32 -3,23 3,32

PF= SPI 14,84 19,53 20,22 24,39

PF= SCI 7,02 14,96 14,54 19,11

PF= CPI -9,01 9,47 -5,88 6,30

Tabel 52: MAPE waarden voor voorspelling van kosten van het project MoBIB


1 PF=1 -0,32 0,85 -0,32 0,85

PF= SPI -0,28 2,65 -1,85 4,12

PF= SCI 8,63 9,88 26,20 26,94

PF= CPI 8,20 8,88 23,97 25,03

Gemiddelde PF=1 -0,32 0,85 -0,32 0,85

PF= SPI -0,99 5,32 -1,85 4,12

PF= SCI 26,57 29,28 26,20 26,94

PF= CPI 26,57 29,28 26,20 26,94

Project PF=1 -5,09 5,61 -0,32 0,85

PF= SPI -6,14 9,70 -1,85 4,12

PF= SCI 15,92 27,72 26,20 26,94

PF= CPI 13,93 25,17 23,97 25,03

Tabel 53: MAPE waarden voor voorspelling van kosten van het project Gentse Steenweg

ii


1 PF=1 0,81 0,85 0,81 0,85

PF= SPI 0,43 1,46 1,91 2,12

PF= SCI 8,64 9,18 11,22 16,62

PF= CPI 6,72 7,28 12,55 18,06

Gemiddelde PF=1 0,81 0,85 0,81 0,85

PF= SPI 0,11 2,20 1,91 2,12

PF= SCI 15,01 15,55 11,22 16,62

PF= CPI 14,03 14,59 12,55 18,06

Project PF=1 0,81 0,85 0,81 0,85

PF= SPI 0,53 1,68 1,91 2,12

PF= SCI 16,27 17,37 11,22 16,62

PF= CPI 14,55 16,51 12,55 18,06

Tabel 54: MAPE waarden voor voorspelling van kosten van het project Zenitel


1 PF=1 -55,75 55,75 -55,75 55,75

PF= SPI -53,48 53,48 -52,04 52,04

PF= SCI -40,80 40,80 -14,27 29,89

PF= CPI -46,30 46,30 -42,16 43,43

Gemiddelde PF=1 -55,75 55,75 -55,75 55,75

PF= SPI -51,92 51,92 -52,04 52,04

PF= SCI -27,67 35,91 -14,27 29,89

PF= CPI -16,98 46,36 -3,52 40,92

Project PF=1 -55,75 55,75 -55,75 55,75

PF= SPI -51,82 51,82 -52,04 52,04

PF= SCI -18,60 30,61 -14,27 29,89

PF= CPI -37,52 37,52 -42,16 43,43

Tabel 55: MAPE waarden voor voorspelling van kosten van het project Amster

iii


1 PF=1 -0,09 4,41 0,55 4,54

PF= SPI 6,48 10,94 23,37 28,87

PF= SCI 1,60 10,94 26,74 32,22

PF= CPI -4,41 10,94 -0,14 18,10

Gemiddelde PF=1 -0,09 4,41 0,55 4,54

PF= SPI 6,30 11,97 23,37 28,87

PF= SCI 11,76 11,97 26,74 32,22

PF= CPI 3,06 11,97 2,52 6,49

Project PF=1 -0,09 4,41 0,55 4,54

PF= SPI 6,30 11,97 23,37 28,87

PF= SCI 11,76 11,97 26,74 32,22

PF= CPI 3,06 11,97 2,52 6,49

Tabel 56: MAPE waarden voor voorspelling van kosten van het project Nieuwe Bussen


1 PF=1 -0,96 0,96 2,46 3,52

PF= SPI 4,44 7,49 5,00 6,33

PF= SCI 7,17 7,54 21,21 21,72

PF= CPI 5,15 5,64 13,77 14,19

Gemiddelde PF=1 -0,96 0,96 2,46 3,52

PF= SPI 6,35 10,64 5,00 6,33

PF= SCI 9,52 10,78 21,21 21,72

PF= CPI 15,19 19,60 25,54 26,15

Project PF=1 -0,96 0,96 2,46 3,52

PF= SPI 5,16 8,22 5,00 6,33

PF= SCI 15,45 15,86 21,21 21,72

PF= CPI 9,06 9,48 13,77 14,19

Tabel 57: MAPE waarden voor voorspelling van kosten van het project Phoenix

iv


1 PF=1 0,28 0,28 -0,00 0,00

PF= SPI 0,28 0,30 0,00 0,93

PF= SCI 0,29 0,31 2,24 8,56

PF= CPI 0,29 0,31 2,14 7,59

Gemiddelde PF=1 0,28 0,28 -0,00 0,00

PF= SPI 0,25 0,95 0,00 0,93

PF= SCI -2,97 6,79 2,24 8,56

PF= CPI -3,04 6,12 2,14 7,59

Project PF=1 0,28 0,28 -0,00 0,00

PF= SPI 0,28 1,22 0,00 0,93

PF= SCI 2,53 8,86 2,24 8,56

PF= CPI 2,44 7,90 2,14 7,59

Tabel 58: MAPE waarden voor voorspelling van kosten van het project OBC


1 PF=1 0,14 0,33 0,14 0,33

PF= SPI 0,87 1,43 0,32 1,62

PF= SCI 0,18 1,23 11,22 14,39

PF= CPI 0,14 1,54 11,57 15,74

Gemiddelde PF=1 0,14 0,33 0,14 0,33

PF= SPI 0,87 1,43 0,32 1,62

PF= SCI 0,18 1,23 11,22 14,39

PF= CPI 0,14 1,54 11,57 15,74

Project PF=1 0,14 0,33 0,14 0,33

PF= SPI 1,02 2,31 0,32 1,62

PF= SCI 9,77 12,90 11,22 14,39

PF= CPI 10,02 14,14 11,57 15,74

Tabel 59: MAPE waarden voor voorspelling van kosten van het project CoVo

v


1 PF=1 -24,95 24,95 -24,95 24,95

PF= SPI -24,85 24,85 -24,94 24,94

PF= SCI -23,41 23,41 -28,45 28,45

PF= CPI -23,36 23,36 -28,44 28,44

Gemiddelde PF=1 -24,95 24,95 -24,95 24,95

PF= SPI -24,86 24,86 -24,94 24,94

PF= SCI -25,58 25,58 -28,45 28,45

PF= CPI -25,55 25,55 -28,44 28,44

Project PF=1 -24,95 24,95 -24,95 24,95

PF= SPI -24,85 24,85 -24,94 24,94

PF= SCI -25,64 25,64 -28,45 28,45

PF= CPI -25,60 25,60 -28,44 28,44

Tabel 60: MAPE waarden voor voorspelling van kosten van het project ISIS


1 PF=1 2,20 2,25 2,20 2,25

PF= SPI 8,27 8,29 22,97 23,02

PF= SCI 10,97 11,04 29,77 29,82

PF= CPI 3,42 4,13 4,65 7,67

Gemiddelde PF=1 2,20 2,25 2,20 2,25

PF= SPI 12,56 13,00 22,97 23,02

PF= SCI 14,29 16,96 28,29 31,30

PF= CPI 2,76 6,54 4,65 7,67

Project PF=1 2,20 2,25 2,20 2,25

PF= SPI 25,53 25,55 22,97 23,02

PF= SCI 32,66 32,73 29,77 29,82

PF= CPI 4,50 8,13 4,65 7,67

Tabel 61: MAPE waarden voor voorspelling van kosten van het project Morrisons

vi


1 PF=1 -0,88 1,12 -0,88 1,12

PF= SPI -1,28 1,67 -3,22 3,46

PF= SCI 0,59 2,70 4,03 5,85

PF= CPI 0,13 2,63 1,57 5,52

Gemiddelde PF=1 -0,88 1,12 -0,88 1,12

PF= SPI -2,20 2,59 -3,14 3,41

PF= SCI 15,91 16,28 4,03 5,85

PF= CPI 14,06 14,29 1,57 5,52

Project PF=1 -0,88 1,12 -0,88 1,12

PF= SPI -3,22 3,61 -3,14 3,41

PF= SCI 3,23 5,26 4,03 5,85

PF= CPI 0,66 4,77 1,57 5,52

Tabel 62: MAPE waarden voor voorspelling van kosten van het project Ecofrost


1 PF=1 -1,42 1,45 -1,42 1,45

PF= SPI 1,23 1,23 2,81 2,94

PF= SCI -0,14 0,23 1,72 1,85

PF= CPI -2,35 2,44 -1,84 3,31

Gemiddelde PF=1 -1,42 1,45 -1,42 1,45

PF= SPI 1,43 1,43 2,81 2,94

PF= SCI 4,55 4,76 52,12 52,25

PF= CPI -1,74 3,25 -1,84 3,31

Project PF=1 -1,42 1,45 -1,42 1,45

PF= SPI 2,19 2,19 2,81 2,94

PF= SCI 1,12 1,12 1,72 1,85

PF= CPI -1,90 3,40 -1,84 3,31

Tabel 63: MAPE waarden voor voorspelling van kosten van het project Brouwerij

vii


1 PF=1 - 0,00 0,00 10,43 10,62

PF= SPI 8,23 8,59 19,61 20,05

PF= SCI 14,89 15,08 30,92 30,92

PF= CPI 15,70 15,89 30,60 30,60

Gemiddelde PF=1 - 0,00 0,00 10,43 10,62

PF= SPI 8,81 9,38 19,61 20,05

PF= SCI 18,66 18,85 30,92 30,92

PF= CPI 24,82 25,01 45,42 45,42

Project PF=1 0,00 0,00 10,43 10,62

PF= SPI 13,12 13,62 19,61 20,05

PF= SCI 28,28 28,47 30,92 30,92

PF= CPI 29,22 29,40 30,60 30,60

Tabel 64: MAPE waarden voor voorspelling van kosten van het project Imerys


1 PF=1 3,93 3,94 13,49 13,71

PF= SPI 0,15 7,77 3,99 20,08

PF= SCI 8,38 8,38 23,11 25,93

PF= CPI 3,09 5,02 15,06 26,82

Gemiddelde PF=1 3,93 3,94 13,49 13,71

PF= SPI 4,61 12,22 3,99 20,08

PF= SCI 25,22 25,22 23,11 25,93

PF= CPI 28,28 30,21 13,34 27,15

Project PF=1 3,93 3,94 13,49 13,71

PF= SPI -5,54 9,89 3,99 20,08

PF= SCI 14,49 16,87 23,11 25,93

PF= CPI 5,85 16,19 15,06 26,82

Tabel 65: MAPE waarden voor voorspelling van kosten van het project Eandis

viii


1 PV PF= 1 -1,20 1,22 1,69 5,54

PF= SPI 0,21 2,09 7,28 12,22

PF= SCI 0,31 18,22 -5,36 18,25

ED PF= 1 -1,02 1,27 3,94 5,63

PF= SPI 0,64 1,91 7,42 9,06

PF= SCI 4,35 5,43 6,29 8,05

ES PF= 1 -0,11 3,32 8,44 8,73

PF= SPI 7,04 8,95 24,30 24,59

PF= SCI 12,26 14,35 25,63 26,75

Gemiddelde PV PF= 1 -1,20 1,22 1,69 5,54

PF= SPI 1,09 3,15 7,28 12,22

PF= SCI 11,70 13,71 2,88 10,01

ED PF= 1 -1,02 1,27 3,94 5,63

PF= SPI 1,52 2,97 7,42 9,06

PF= SCI 7,21 8,66 6,29 8,05

ES PF= 1 -0,11 3,32 8,44 8,73

PF= SPI 7,04 8,95 24,30 24,59

PF= SCI 12,26 14,35 25,63 26,75

Project PV PF= 1 1,20 1,22 1,69 5,54

PF= SPI 0,50 2,43 7,28 12,22

PF= SCI 9,87 11,58 2,88 10,01

ED PF= 1 -1,02 1,27 3,94 5,63

PF= SPI 0,92 2,25 7,42 9,06

PF= SCI 5,38 6,54 6,29 8,05

ES PF= 1 -0,11 3,32 8,44 8,73

PF= SPI 13,03 13,72 24,30 24,59

PF= SCI 19,88 21,56 25,11 26,23

Tabel 66: MAPE waarden voor voorspelling van tijd van het project M6+

ix


1 PV PF= 1 2,17 5,94 -7,43 18,21

PF= SPI -7,58 7,58 -4,87 29,47

PF= SCI -7,63 7,63 -9,52 24,81

ED PF= 1 4,22 5,74 -4,82 13,48

PF= SPI 4,72 6,05 4,74 22,64

PF= SCI 4,76 6,09 2,03 20,45

ES PF= 1 -8,74 12,95 1,17 8,16

PF= SPI -8,49 12,71 16,90 27,84

PF= SCI -8,46 13,29 28,46 38,15

Gemiddelde PV PF= 1 2,12 5,98 -7,43 18,21

PF= SPI -7,01 7,65 -4,87 29,47

PF= SCI -7,36 8,33 -9,21 24,50

ED PF= 1 4,22 5,74 -4,82 13,48

PF= SPI 5,29 6,33 4,74 22,64

PF= SCI 5,03 6,08 2,34 20,13

ES PF= 1 -8,59 12,80 1,17 8,16

PF= SPI -8,83 13,04 16,90 27,84

PF= SCI -9,18 14,37 28,46 38,15

Project PV PF= 1 2,12 5,98 -7,43 18,21

PF= SPI -1,49 9,56 -4,87 29,47

PF= SCI -2,96 7,64 -9,52 24,81

ED PF= 1 4,22 5,74 -4,82 13,48

PF= SPI 10,81 11,85 4,74 22,64

PF= SCI 9,26 10,30 2,03 20,45

ES PF= 1 -8,59 12,80 1,17 8,16

PF= SPI 6,45 17,04 16,90 27,84

PF= SCI 5,87 21,90 28,46 38,15

Tabel 67: MAPE waarden voor voorspelling van tijd van het project MCH

x


1 PV PF= 1 19,77 19,77 18,78 18,78

PF= SPI 22,02 22,02 43,99 43,50

PF= SCI 22,12 22,12 31,38 34,03

ED PF= 1 29,02 29,02 14,72 14,72

PF= SPI 28,85 28,85 42,99 43,50

PF= SCI 28,88 28,88 36,04 36,75

ES PF= 1 21,70 21,70 6,87 12,52

PF= SPI 19,91 19,91 7,99 26,52

PF= SCI 19,82 19,82 3,71 22,22

Gemiddelde PV PF= 1 19,42 19,42 18,78 18,78

PF= SPI 20,21 20,21 42,99 43,50

PF= SCI 19,35 19,35 31,20 33,88

ED PF= 1 25,84 25,84 14,72 14,72

PF= SPI 27,44 27,44 42,99 43,50

PF= SCI 26,26 26,26 35,86 36,57

ES PF= 1 21,70 21,70 6,87 12,52

PF= SPI 19,23 19,23 7,99 26,52

PF= SCI 17,12 17,12 3,74 22,22

Project PV PF= 1 19,42 19,42 18,78 18,78

PF= SPI 28,37 28,37 42,99 43,50

PF= SCI 26,57 26,57 31,38 34,03

ED PF= 1 25,84 25,84 14,72 14,72

PF= SPI 34,16 34,16 42,99 43,50

PF= SCI 32,22 32,22 36,04 36,75

ES PF= 1 21,70 21,70 6,87 12,52

PF= SPI 20,39 20,39 7,99 26,52

PF= SCI 18,39 18,39 3,74 22,22

Tabel 68: MAPE waarden voor voorspelling van tijd van het project MoBIB

xi


1 PV PF= 1 -13,70 13,70 -0,13 6,58

PF= SPI -11,69 11,84 22,80 29,78

PF= SCI -11,96 12,29 20,36 27,23

ED PF= 1 -7,53 8,15 -3,14 5,29

PF= SPI -4,37 6,35 23,41 30,15

PF= SCI -4,47 6,45 21,19 27,66

ES PF= 1 -4,83 5,46 0,76 5,59

PF= SPI -3,08 5,17 14,59 19,37

PF= SCI -2,87 4,94 13,47 17,96

Gemiddelde PV PF= 1 13,70 13,70 -0,13 6,58

PF= SPI -6,19 15,72 22,80 29,78

PF= SCI -6,82 16,16 20,19 27,39

ED PF= 1 -6,74 7,36 -3,14 5,29

PF= SPI 1,24 10,73 23,41 30,15

PF= SCI 0,66 10,98 21,03 27,82

ES PF= 1 -4,82 5,46 0,76 5,59

PF= SPI -0,06 6,49 14,59 19,37

PF= SCI -0,44 6,76 12,26 19,77

Project PV PF= 1 -0,44 6,76 -0,13 6,58

PF= SPI -6,06 15,59 22,80 29,78

PF= SCI -6,71 16,05 20,36 27,23

ED PF= 1 -6,74 7,36 -3,14 5,29

PF= SPI 1,37 10,60 23,41 30,15

PF= SCI 0,78 10,86 21,19 27,66

ES PF= 1 -4,82 5,46 0,76 5,59

PF= SPI -0,35 7,15 14,59 19,37

PF= SCI -0,43 6,78 13,47 17,96

Tabel 69: MAPE waarden voor voorspelling van tijd van het project Gentse Steenweg

xii


1 PV PF= 1 -1,30 1,78 -0,33 5,06

PF= SPI 22,31 23,33 10,08 20,84

PF= SCI 19,58 21,11 12,32 23,21

ED PF= 1 3,45 3,45 -0,30 7,31

PF= SPI 27,22 27,22 10,08 20,84

PF= SCI 23,28 23,28 11,16 22,00

ES PF= 1 17,20 17,42 11,62 11,84

PF= SPI 19,97 20,18 39,33 39,58

PF= SCI 26,25 26,46 29,69 30,08

Gemiddelde PV PF= 1 -1,30 1,78 -0,33 5,06

PF= SPI 25,26 25,77 10,08 20,84

PF= SCI 26,78 27,29 12,32 23,21

ED PF= 1 3,45 3,45 -0,30 7,31

PF= SPI 30,17 30,17 10,08 20,84

PF= SCI 31,33 31,33 11,16 22,00

ES PF= 1 16,79 17,00 11,62 11,84

PF= SPI 16,81 22,53 39,33 39,58

PF= SCI 26,25 26,46 43,07 42,46

Project PV PF= 1 -1,30 1,78 -0,33 5,06

PF= SPI 28,23 28,74 10,08 20,84

PF= SCI 25,73 26,75 12,32 23,21

ED PF= 1 3,45 3,45 -0,30 7,31

PF= SPI 33,22 33,22 10,08 20,84

PF= SCI 29,42 29,42 11,16 22,00

ES PF= 1 17,21 17,42 11,62 11,84

PF= SPI 47,90 47,90 39,33 39,58

PF= SCI 46,78 46,78 29,69 30,08

Tabel 70: MAPE waarden voor voorspelling van tijd van het project Zenitel

xiii


1 PV PF= 1 -15,85 16,05 -14,28 15,66

PF= SPI 0,11 35,40 45,42 57,74

PF= SCI 1,49 35,95 -2,36 37,37

ED PF= 1 -1,06 10,76 1,47 13,70

PF= SPI 26,88 26,88 63,31 63,38

PF= SCI 26,20 26,20 13,22 45,92

ES PF= 1 -7,81 17,23 -1,82 15,41

PF= SPI -4,60 20,42 16,27 33,50

PF= SCI -3,79 20,63 16,19 33,43

Gemiddelde PV PF= 1 -15,85 16,05 -14,28 15,66

PF= SPI 11,76 44,89 45,42 57,74

PF= SCI 13,50 46,03 -2,36 37,37

ED PF= 1 -0,57 11,25 1,47 13,70

PF= SPI 39,27 39,27 63,31 63,38

PF= SCI 39,02 39,02 13,22 45,92

ES PF= 1 -7,81 17,23 -1,82 15,41

PF= SPI -4,60 20,42 16,27 33,50

PF= SCI 1,69 18,92 22,19 31,45

Project PV PF= 1 -15,85 16,05 -14,28 15,66

PF= SPI 21,43 45,36 45,42 57,74

PF= SCI 10,18 34,44 -2,36 37,37

ED PF= 1 -0,57 11,25 1,47 13,70

PF= SPI 48,93 48,93 63,31 63,38

PF= SCI 36,18 36,18 13,22 45,92

ES PF= 1 -7,81 17,23 -1,82 15,41

PF= SPI 3,71 20,86 16,27 33,50

PF= SCI 4,86 22,01 16,19 33,43

Tabel 71: MAPE waarden voor voorspelling van tijd van het project Amster

xiv


1 PV PF= 1 -21,46 21,46 -8,65 13,71

PF= SPI -20,14 23,17 8,36 20,07

PF= SCI -22,34 22,34 13,46 24,49

ED PF= 1 -21,19 21,19 -3,90 18,04

PF= SPI -16,54 19,57 17,53 28,30

PF= SCI -19,84 19,84 20,67 30,88

ES PF= 1 -13,73 14,81 -3,93 11,20

PF= SPI -13,80 14,86 25,11 33,46

PF= SCI -13,27 15,13 27,83 36,17

Gemiddelde PV PF= 1 -21,24 21,24 -8,65 13,71

PF= SPI -21,24 21,24 -8,65 13,71

PF= SCI -20,41 23,13 8,36 20,07

ED PF= 1 -22,03 22,03 13,81 24,83

PF= SPI -20,77 20,77 -3,90 18,04

PF= SCI -16,50 19,53 17,53 28,30

ES PF= 1 -19,59 19,59 20,67 30,88

PF= SPI -13,73 14,81 -3,93 11,20

PF= SCI -6,84 10,87 25,11 33,46

Project PV PF= 1 -21,24 21,24 -8,65 13,71

PF= SPI -14,19 16,9 8,36 20,07

PF= SCI -15,31 15,31 13,81 24,83

ED PF= 1 -20,77 20,77 -3,90 18,04

PF= SPI -10,27 13,30 17,53 28,30

PF= SCI -12,89 12,94 20,68 30,88

ES PF= 1 -13,73 4,81 -3,93 11,20

PF= SPI -13,80 14,86 25,11 33,46

PF= SCI -12,84 14,70 27,83 36,17

Tabel 72: MAPE waarden voor voorspelling van tijd van het project Nieuwe Bussen

xv


1 PV PF= 1 20,52 22,32 -24,75 24,75

PF= SPI 10,78 17,36 -12,33 28,59

PF= SCI 9,48 17,26 -17,65 25,54

ED PF= 1 2,66 8,64 -21,37 21,37

PF= SPI 11,89 17,57 -8,34 24,60

PF= SCI 7,83 15,09 -16,99 25,02

ES PF= 1 21,17 22,13 -18,63 18,63

PF= SPI 24,84 25,79 -2,50 22,64

PF= SCI 36,21 37,16 -1,30 23,73

Gemiddelde PV PF= 1 20,23 22,03 -24,75 24,75

PF= SPI 10,36 17,78 -12,33 28,59

PF= SCI 20,13 26,35 -22,43 24,13

ED PF= 1 2,66 8,64 -21,37 21,37

PF= SPI 11,47 17,99 -8,34 24,60

PF= SCI 14,31 19,74 -21,76 23,58

ES PF= 1 21,17 22,13 -18,63 18,63

PF= SPI 5,04 30,50 -2,50 22,64

PF= SCI 10,05 34,51 -0,05 25,01

Project PV PF= 1 20,23 22,03 -24,75 24,75

PF= SPI 12,17 17,37 -12,33 28,59

PF= SCI 10,33 17,32 -17,65 25,54

ED PF= 1 2,66 8,64 -21,37 21,37

PF= SPI 13,89 18,19 -8,34 24,60

PF= SCI 8,79 15,35 -16,99 25,02

ES PF= 1 20,69 21,65 -18,63 18,63

PF= SPI 5,04 30,50 -2,50 22,64

PF= SCI 9,86 29,08 -1,30 23,73

Tabel 73: MAPE waarden voor voorspelling van tijd van het project Phoenix

xvi


1 PV PF= 1 -7,76 7,76 -23,51 31,34

PF= SPI -21,28 21,28 -21,79 29,06

PF= SCI -21,51 21,51 -21,87 21,87

ED PF= 1 -19,90 19,90 -20,59 20,59

PF= SPI -14,94 14,94 -19,92 19,92

PF= SCI -15,12 15,12 -19,81 19,81

ES PF= 1 -11,85 11,85 -20,29 20,29

PF= SPI -11,12 12,52 -17,41 18,95

PF= SCI -11,40 12,48 -17,40 18,73

Gemiddelde PV PF= 1 -7,76 7,76 -23,51 31,34

PF= SPI -22,10 22,10 -21,79 29,06

PF= SCI -22,27 22,27 -21,87 21,87

ED PF= 1 -19,20 19,20 -20,59 20,59

PF= SPI -15,76 15,76 -19,92 19,92

PF= SCI -15,88 15,88 -19,81 19,81

ES PF= 1 -11,85 11,85 -20,29 20,29

PF= SPI -16,05 17,47 -17,41 18,95

PF= SCI -16,31 17,41 -17,40 18,73

Project PV PF= 1 -7,76 7,76 -23,51 31,34

PF= SPI -22,69 22,69 -21,79 29,06

PF= SCI -21,18 21,18 -21,87 21,87

ED PF= 1 -19,20 19,20 -20,59 20,59

PF= SPI -16,35 16,35 -19,92 19,92

PF= SCI -14,79 14,79 -19,81 19,81

ES PF= 1 -11,85 11,85 -20,29 20,29

PF= SPI -15,69 17,11 -17,41 18,95

PF= SCI -16,08 17,18 -17,40 18,73

Tabel 74: MAPE waarden voor voorspelling van tijd van het project OBC

xvii


1 PV PF= 1 -38,85 38,85 -39,31 39,31

PF= SPI -55,57 55,57 -32,69 34,51

PF= SCI -56,49 56,49 -32,35 34,43

ED PF= 1 -55,91 55,91 -30,24 30,24

PF= SPI -38,08 38,08 -22,25 24,07

PF= SCI -39,22 39,22 -22,09 24,06

ES PF= 1 -44,69 44,69 -35,09 35,09

PF= SPI -41,69 41,69 -25,12 29,24

PF= SCI -41,41 41,41 -24,79 29,43

Gemiddelde PV PF= 1 -38,85 38,85 -39,31 39,31

PF= SPI -59,11 59,11 -32,69 34,51

PF= SCI -59,92 59,92 -32,35 34,43

ED PF= 1 -55,50 55,50 -30,24 30,24

PF= SPI -41,61 41,61 -22,25 24,07

PF= SCI -42,64 42,64 -22,09 24,06

ES PF= 1 -44,69 44,69 -35,09 35,09

PF= SPI -51,66 51,66 -25,12 29,24

PF= SCI -51,38 51,38 -24,79 29,43

Project PV PF= 1 -38,85 38,85 -39,31 39,31

PF= SPI -51,70 51,70 -32,69 34,51

PF= SCI -52,48 52,48 -32,35 34,43

ED PF= 1 -55,50 55,50 -30,24 30,24

PF= SPI -34,20 34,20 -22,25 24,07

PF= SCI -35,20 35,20 -22,09 24,06

ES PF= 1 -44,69 44,69 -35,09 35,09

PF= SPI -51,63 51,63 -25,12 29,24

PF= SCI -51,34 51,34 -24,79 29,43

Tabel 75: MAPE waarden voor voorspelling van tijd van het project CoVo

xviii


1 PV PF= 1 -59,76 59,76 -63,72 63,72

PF= SPI -58,23 58,23 -65,78 65,78

PF= SCI -58,09 58,09 -65,73 65,73

ED PF= 1 -51,07 51,07 -38,96 38,96

PF= SPI -63,60 63,60 -34,27 34,27

PF= SCI -63,60 63,60 -34,29 34,29

ES PF= 1 -63,60 63,60 -61,51 61,51

PF= SPI -63,60 63,60 -59,12 59,12

PF= SCI -63,60 63,60 -59,19 59,19

Gemiddelde PV PF= 1 -59,76 59,76 -63,72 63,72

PF= SPI -60,42 60,42 -65,78 65,78

PF= SCI -60,29 60,29 -65,73 65,73

ED PF= 1 -51,07 51,07 -38,96 38,96

PF= SPI -63,60 63,60 -34,27 34,27

PF= SCI -63,60 63,60 -34,29 34,29

ES PF= 1 -63,60 63,60 -61,51 61,51

PF= SPI -63,60 63,60 -59,12 59,12

PF= SCI -63,60 63,60 -59,19 59,19

Project PV PF= 1 -59,76 59,76 -63,72 63,72

PF= SPI -60,50 60,50 -65,78 65,78

PF= SCI -60,36 60,36 -65,73 65,73

ED PF= 1 -51,07 51,07 -38,96 38,96

PF= SPI -63,60 63,60 -34,27 34,27

PF= SCI -63,60 63,60 -34,29 34,29

ES PF= 1 -63,60 63,60 -61,51 61,51

PF= SPI -63,60 63,60 -59,12 59,12

PF= SCI -63,60 63,60 -59,19 59,19

Tabel 76: MAPE waarden voor voorspelling van tijd van het project ISIS

xix


1 PV PF= 1 -17,05 17,05 -21,10 21,10

PF= SPI -21,92 21,92 -10,11 22,03

PF= SCI -20,37 20,54 -3,12 28,88

ED PF= 1 -15,75 15,75 -13,20 13,20

PF= SPI -7,39 9,01 0,32 12,43

PF= SCI -5,44 10,63 5,43 16,59

ES PF= 1 -23,86 23,86 -14,74 14,74

PF= SPI -20,94 20,94 13,47 34,56

PF= SCI -88,05 88,05 -85,09 85,09

Gemiddelde PV PF= 1 -17,45 17,45 -21,10 21,10

PF= SPI -20,05 21,83 -10,11 22,03

PF= SCI -19,32 23,21 -4,15 29,91

ED PF= 1 -15,50 15,50 -13,20 13,20

PF= SPI -5,19 8,60 0,32 12,43

PF= SCI -4,55 12,99 4,40 17,62

ES PF= 1 -23,70 23,70 -14,74 14,74

PF= SPI -18,59 21,67 13,47 34,56

PF= SCI -18,99 20,78 20,65 40,72

Project PV PF= 1 -17,53 17,53 -21,10 21,10

PF= SPI -10,96 22,65 -10,11 22,03

PF= SCI -5,60 28,81 -3,12 28,88

ED PF= 1 -15,50 15,50 -13,20 13,20

PF= SPI 3,49 13,56 0,32 12,43

PF= SCI 9,33 18,75 5,43 16,59

ES PF= 1 -23,70 23,70 -14,74 14,74

PF= SPI -27,52 27,52 13,47 34,56

PF= SCI -27,27 27,27 -1,26 20,77

Tabel 77: MAPE waarden voor voorspelling van tijd van het project Morrisons

xx


1 PV PF= 1 4,14 4,64 1,90 6,02

PF= SPI 2,51 4,76 6,18 11,46

PF= SCI 2,01 4,01 3,10 8,17

ED PF= 1 3,63 3,63 2,65 7,67

PF= SPI 4,39 4,89 6,18 11,46

PF= SCI 4,26 4,51 4,55 9,82

ES PF= 1 9,77 9,77 14,39 14,39

PF= SPI 10,53 10,53 24,16 24,16

PF= SCI 10,53 10,53 21,88 21,88

Gemiddelde PV PF= 1 4,14 4,64 1,90 6,02

PF= SPI 13,03 15,04 6,18 11,46

PF= SCI 11,53 13,28 3,10 8,17

ED PF= 1 4,51 4,51 2,65 7,67

PF= SPI 14,91 15,41 6,18 11,46

PF= SCI 13,78 14,04 4,55 9,82

ES PF= 1 9,77 9,77 14,39 14,39

PF= SPI 11,53 11,53 24,16 24,16

PF= SCI 10,65 10,65 21,88 21,88

Project PV PF= 1 4,14 4,64 1,90 6,02

PF= SPI 4,26 7,02 6,18 11,46

PF= SCI 0,63 3,13 3,10 8,17

ED PF= 1 4,51 4,51 2,65 7,67

PF= SPI 6,14 6,64 6,18 11,46

PF= SCI 4,89 5,14 4,55 9,82

ES PF= 1 9,77 9,77 14,39 14,39

PF= SPI 17,04 17,04 24,16 24,16

PF= SCI 16,67 16,67 21,88 21,88

Tabel 78: MAPE waarden voor voorspelling van tijd van het project Ecofrost

xxi


1 PV PF= 1 4,55 8,59 -13,88 17,59

PF= SPI 0,76 4,80 -17,49 24,89

PF= SCI -0,51 3,54 -20,08 21,17

ED PF= 1 5,56 5,56 -14,61 16,50

PF= SPI 7,07 7,07 -11,54 18,93

PF= SCI 6,57 6,57 -12,20 17,28

ES PF= 1 5,87 6,63 -6,89 12,05

PF= SPI 8,33 9,34 -5,36 19,43

PF= SCI 6,82 7,83 -0,95 16,27

Gemiddelde PV PF= 1 4,55 8,59 -13,88 17,59

PF= SPI 1,01 5,05 -17,49 24,89

PF= SCI 65,83 3,79 -20,08 21,17

ED PF= 1 5,56 5,56 -14,61 16,50

PF= SPI 7,32 7,32 -11,54 18,93

PF= SCI 6,82 6,82 -12,20 17,28

ES PF= 1 5,87 6,63 -6,89 12,05

PF= SPI 13,64 14,65 -5,36 19,43

PF= SCI 11,87 12,88 21,27 37,99

Project PV PF= 1 4,55 8,59 -13,88 17,59

PF= SPI 1,52 5,56 -17,49 24,89

PF= SCI 0,25 4,29 -20,08 21,17

ED PF= 1 5,56 5,56 -14,61 16,50

PF= SPI 7,83 7,83 -11,54 18,93

PF= SCI 7,32 7,32 -12,20 17,28

ES PF= 1 3,71 3,71 -11,89 14,45

PF= SPI 13,64 14,65 -5,36 19,43

PF= SCI 11,87 12,88 21,27 37,99

Tabel 79: MAPE waarden voor voorspelling van tijd van het project Brouwerij

xxii


1 PV PF= 1 -7,94 8,01 -13,65 14,70

PF= SPI -7,38 11,63 2,70 24,44

PF= SCI -5,20 13,18 8,45 25,29

ED PF= 1 -7,27 7,38 -9,88 10,74

PF= SPI -1,81 6,94 5,75 21,39

PF= SCI -0,90 7,77 1,26 25,83

ES PF= 1 -7,46 7,64 -12,46 12,61

PF= SPI -5,19 7,77 8,72 27,13

PF= SCI -3,32 9,52 13,59 33,88

Gemiddelde PV PF= 1 -7,94 8,01 -13,65 14,70

PF= SPI -4,95 12,40 2,70 24,44

PF= SCI -1,99 14,17 8,45 25,29

ED PF= 1 -7,59 7,70 -9,88 10,74

PF= SPI 0,31 7,88 5,75 21,39

PF= SCI 6,26 12,16 1,26 25,83

ES PF= 1 -7,46 7,64 -12,46 12,61

PF= SPI 1,85 11,22 8,72 27,13

PF= SCI 2,90 15,85 16,19 35,29

Project PV PF= 1 -7,94 8,01 -13,65 14,70

PF= SPI 3,10 14,32 2,70 24,44

PF= SCI 11,33 23,03 8,45 25,29

ED PF= 1 -7,22 7,33 -9,88 10,74

PF= SPI 15,95 19,90 5,75 21,39

PF= SCI 15,28 20,01 1,26 25,83

ES PF= 1 -7,44 7,62 -12,46 12,61

PF= SPI 3,27 12,35 8,72 27,13

PF= SCI 5,35 15,10 13,59 33,88

Tabel 80: MAPE waarden voor voorspelling van tijd van het project Imerys

xxiii


1 PV PF= 1 6,91 6,91 1,31 2,31

PF= SPI 11,57 11,57 6,88 11,61

PF= SCI 5,35 5,35 9,86 22,78

ED PF= 1 6,28 6,28 0,72 3,12

PF= SPI 11,57 11,57 6,88 11,61

PF= SCI 6,80 6,80 3,61 11,63

ES PF= 1 9,09 9,09 3,31 3,34

PF= SPI 12,57 12,57 5,91 5,99

PF= SCI 11,30 11,30 1,12 4,85

Gemiddelde PV PF= 1 6,91 6,91 1,31 2,31

PF= SPI 18,92 18,92 6,88 11,61

PF= SCI 6,13 6,13 8,68 23,97

ED PF= 1 6,28 6,28 0,72 3,12

PF= SPI 18,92 18,92 6,88 11,61

PF= SCI 10,77 10,77 2,42 11,76

ES PF= 1 9,09 9,09 3,31 3,34

PF= SPI 15,49 15,49 5,91 5,99

PF= SCI 21,29 21,29 10,30 14,03

Project PV PF= 1 6,91 6,91 1,31 2,31

PF= SPI 14,24 14,73 6,88 11,61

PF= SCI 9,54 11,60 9,86 22,78

ED PF= 1 6,30 6,30 0,72 3,12

PF= SPI 14,24 14,73 6,88 11,61

PF= SCI 8,01 10,22 3,61 11,63

ES PF= 1 9,09 9,09 3,31 3,34

PF= SPI 12,57 12,57 5,91 5,99

PF= SCI 8,83 9,65 1,12 4,85

Tabel 81: MAPE waarden voor voorspelling van tijd van het project Eandis

7.2 Bijlage 2: Output SPSS

xxiv

Onderzoeksvraag 1.A. T-Test

Paired Samples Statistics

Mean N Std. Deviation Std. Error Mean

Pair 1

WPM1 9,31375751349

1717 78

13,1487361810

81867

1,48880120058

6511

EVM1 14,7105063603

99618 78

14,0954596161

30245

1,59599652090

5688

Pair 2

WPM Gemiddelde 13,7997686227

85143 77

13,3559026927

61434

1,52204637000

5924

EVM gemiddelde 15,1093305908

26960 77

14,6059771408

17993

1,66450557472

3913

Pair 3

WPM Project 13,3116188253

85617 78

13,4093676547

67550

1,51831190378

9468

EVM Project 15,0665175459

82505 78

14,2860909929

47095

1,61758127390

1396

Pair 4

WPM 12,1345988771

96940 233

13,3998589591

71327

,877853948095

858

EVM 14,9614863527

53143 233

14,2687431303

20251

,934776442758

313

Normaliteit

Tests of Normality

Mean Std. Deviation Std. Error Mean t df Sig. (2-tailed)

Pair 1 WPM1 -

EVM1

-

5,3967488469079

01

8,20622604975011

6

,929172129313

118 -5,808 77 ,000

Pair 2

WPM

Gemiddelde -

EVM

gemiddelde

-

1,3095619680418

18

8,81945656710512

3

1,00507035444

8040 -1,303 76 ,197

Pair 3 WPM Project

- EVM Project

-

1,7548987205968

88

5,34592620578327

5

,605306946904

016 -2,899 77 ,005

Pair 4 WPM - EVM

-

2,8268874755562

04

7,79020519333026

9

,510353310902

666 -5,539 232 ,000

xxv

Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

WPM1 ,266 77 ,000 ,668 77 ,000

EVM1 ,150 77 ,000 ,866 77 ,000

WPM Gemiddelde ,160 77 ,000 ,825 77 ,000

EVM gemiddelde ,167 77 ,000 ,862 77 ,000

WPM Project ,166 77 ,000 ,837 77 ,000

EVM Project ,158 77 ,000 ,867 77 ,000

WPM ,266 77 ,000 ,668 77 ,000

EVM ,150 77 ,000 ,866 77 ,000

a. Lilliefors Significance Correction

Wilcoxon Test N Mean Std. Deviation Minimum Maximum

WPM1 78 9,3137575134917

17

13,148736181081

867

,00000000000000

00

61,124417613636

3600

WPM Gemiddelde 77 13,799768622785

140

13,355902692761

433

,24950362499918

08

61,124417613636

3600

WPM Project 78 13,311618825385

615

13,409367654767

550

,00000000000000

00

61,124417613636

3600

WPM 233 12,134598877196

943

13,399858959171

326

,00000000000000

00

61,124417613636

3600

EVM1 78 14,710506360399

613

14,095459616130

245

,00356277611514

83

61,124417613636

3600

EVM gemiddelde 78 14,973834043106

477

14,560082965301

264

,00356277611514

83

61,124417613636

3600

EVM Project 78 15,066517545982

503

14,286090992947

095

,24950362499915

69

61,124417613636

3600

EVM 234 14,916952649829

529

14,254378421524

030

,00356277611514

83

61,124417613636

3600

Test Statisticsa

EVM1 - WPM1 EVM

gemiddelde -

WPM

Gemiddelde

EVM Project -

WPM Project

EVM - WPM

Z -5,794b -1,167b -2,502b -5,642b

Asymp. Sig. (2-tailed) ,000 ,243 ,012 ,000

xxvi

Onderzoeksvraag 1.B. T-Test

Paired Samples Statistics

Mean N Std. Deviation Std. Error Mean

Pair 1

WPM1 17,7157822385

25026 144

15,8837448736

60351

1,32364540613

8363

EVM1 27,4273211783

02503 144

20,0939506765

12133

1,67449588970

9344

Pair 2

WPM Gemiddelde 19,3657156593

26470 144

16,3325665142

59190

1,36104720952

1599

EVM gemiddelde 27,5124886778

27220 144

20,1369364277

02560

1,67807803564

1880

Pair 3

WPM Project 19,5855243481

40222 144

16,3857534662

23050

1,36547945551

8588

EVM Project 27,4562648154

80296 144

20,1587841931

91263

1,67989868276

5939

Pair 4

WPM 18,8890074153

30560 432

16,1861897298

86620

,778758416475

366

EVM 27,4653582238

70005 432

20,0831802170

94352

,966252458710

266

Normaliteit

Mean Std. Deviation Std. Error Mean t df Sig. (2-tailed)

Pair 1 WPM1 -

EVM1

-

9,711538939777476

21,62173791274

6870

1,80181149272890

6 -5,390 143 ,000

Pair 2

WPM

Gemiddeld

e - EVM

gemiddeld

e

-

8,146773018500753

22,02782177362

7725

1,83565181446897

7 -4,438 143 ,000

Pair 3

WPM

Project -

EVM

Project

-

7,870740467340074

21,51763319051

1766

1,79313609920931

4 -4,389 143 ,000

Pair 4 WPM -

EVM

-

8,576350808539445

21,68823907241

5566

1,04347588889234

1 -8,219 431 ,000

xxvii

Tests of Normality



WPM1 ,163 144 ,000 ,811 144 ,000

EVM1 ,173 144 ,000 ,820 144 ,000

WPM Gemiddelde ,187 144 ,000 ,824 144 ,000

EVM gemiddelde ,168 144 ,000 ,828 144 ,000

WPM Project ,184 144 ,000 ,842 144 ,000

EVM Project ,174 144 ,000 ,823 144 ,000

WPM ,163 144 ,000 ,811 144 ,000

EVM ,173 144 ,000 ,820 144 ,000


Wilcoxon Test N Mean Std. Deviation Minimum Maximum

WPM1 144 17,715782238525

023

15,883744873660

355

1,0906862745098

040

63,603755477819

7300

WPM Gemiddelde 144 19,365715659326

460

16,332566514259

190

1,0906862745098

040

63,603755477819

7300

WPM Project 144 19,585524348140

208

16,385753466223

050

1,0906862745098

040

63,603755477819

7300

WPM 432 18,889007415330

580

16,186189729886

618

1,0906862745098

040

63,603755477819

7300

EVM1 144 27,427321178302

503

20,093950676512

133

2,3100365265554

120

88,087594692115

0600

EVM gemiddelde 144 27,512488677827

225

20,136936427702

560

2,3100365265554

120

88,087594692115

0600

EVM Project 144 27,456264815480

306

20,158784193191

266

2,3100365265554

120

88,087594692115

0600

EVM 432 27,465358223870

027

20,083180217094

355

2,3100365265554

120

88,087594692115

0600

Test Statisticsa

EVM1 - WPM1 EVM

gemiddelde -

WPM

Gemiddelde

EVM Project -

WPM Project

EVM - WPM

Z -5,861b -4,511b -4,794b -8,766b

Asymp. Sig. (2-tailed) ,000 ,000 ,000 ,000

xxviii

Onderzoeksvraag2.A. 1-way Repeated measures Anova

Descriptive Statistics

Mean Std. Deviation N

MAPE 1 8,47742849309

2106

12,3926699705

11873 63

MAPE 2 13,4777959136

68640

12,6141770590

40168 63

MAPE 3 13,2498456961

38859

12,9145276980

08412 63

Source Type III Sum of

Squares

df Mean Square F Sig.

factor1

Sphericity Assumed 1004,464 2 502,232 19,455 ,000

Greenhouse-Geisser 1004,464 1,900 528,692 19,455 ,000

Huynh-Feldt 1004,464 1,958 512,927 19,455 ,000

Lower-bound 1004,464 1,000 1004,464 19,455 ,000

Error(factor1)

Sphericity Assumed 3201,010 124 25,815

Greenhouse-Geisser 3201,010 117,794 27,175

Huynh-Feldt 3201,010 121,415 26,364

Lower-bound 3201,010 62,000 51,629

Pairwise Comparisons

Measure: MEASURE_1 (I) factor1 (J) factor1 Mean

Difference (I-J)

Std. Error Sig.b 95% Confidence Interval for

Differenceb

Lower Bound Upper Bound

1 2 -5,000* ,795 ,000 -6,956 -3,044

3 -4,772* ,961 ,000 -7,138 -2,407

2 1 5,000* ,795 ,000 3,044 6,956

3 ,228 ,950 1,000 -2,109 2,565

3 1 4,772* ,961 ,000 2,407 7,138

2 -,228 ,950 1,000 -2,565 2,109

Based on estimated marginal means

*. The mean difference is significant at the ,05 level.

xxix

b. Adjustment for multiple comparisons: Bonferroni.

Shapiro-Wilk: Normale verderling Tests of Normality

Vervang Kolmogorov-Smirnova Shapiro-Wilk


MAPE

1 ,260 64 ,000 ,644 64 ,000

2 ,148 64 ,001 ,848 64 ,000

3 ,150 64 ,001 ,858 64 ,000


Geen normale verdeling Friedman


N Percentiles

25th 50th (Median) 75th

MAPE 1 63 1,45239530411

3207

3,83188382813

1455

9,18274170180

4590

MAPE 2 63 3,93570666928

9485

10,7792080482

13540

18,8530974384

88890

MAPE 3 63 3,39603321937

5954

9,60285569336

1537

24,8535611018

21900

Ranks

Mean Rank

MAPE 1 1,28

MAPE 2 2,40

MAPE 3 2,33

Test Statisticsa

N 63

Chi-Square 55,142

df 2

Asymp. Sig. ,000

a. Friedman Test

xxx

Post Hoc Test: Wilcoxon N Mean Std. Deviation Minimum Maximum

MAPE 1 63 8,477428493

092106

12,3926699705118

73

,000000000000000

0 55,7509110323048200

MAPE 2 64 13,73928907

1192180

12,6873174404411

40

,249503624999180

8 61,1244176136363600

MAPE 3 64 13,29579412

4782692

12,8168937274587

66

,000000000000000

0 55,7509110323048200

Test Statisticsa

MAPE 2 -

MAPE 1

MAPE 3 -

MAPE 1

MAPE 3 -

MAPE 2

Z -5,958b -5,247b -,385c

Asymp. Sig. (2-tailed) ,000 ,000 ,700

a. Wilcoxon Signed Ranks Test

b. Based on negative ranks.

c. Based on positive ranks.

xxxi

Onderzoeksvraag 2.B. 1-way Repeated measures Anova



MAPE 1 17,7157822385

25023

15,8837448736

60353 144

MAPE 2 19,3657156593

26460

16,3325665142

59195 144

MAPE 3 19,9602093137

47950

16,7693409138

98280 144

Source Type III

Sum of

Squares


factor1



Huynh-Feldt 389,431 1,132 343,998 4,280 ,035

Lower-bound 389,431 1,000 389,431 4,280 ,040

Error(factor1)



Huynh-Feldt 13010,572 161,887 80,368

Lower-bound 13010,572 143,000 90,983


Measure: Vervang (I) factor1 (J) factor1 Mean

Difference (I-J)


Differenceb


1 2 -1,650* ,280 ,000 -2,329 -,971

3 -2,244 ,972 ,067 -4,600 ,111

2 1 1,650* ,280 ,000 ,971 2,329

3 -,594 ,934 1,000 -2,856 1,667

3 1 2,244 ,972 ,067 -,111 4,600

2 ,594 ,934 1,000 -1,667 2,856




xxxii

Shapiro-Wilk: Normale verderling

Tests of Normality



MAPE ,177 437 ,000 ,826 437 ,000


Friedman


N Percentiles


MAPE 1 144 6,45558950324

3158

12,4974577411

28542

22,0937451497

74957

MAPE 2 144 7,65975118399

6606

14,9259398496

24058

22,2324795105

83037

MAPE 3 144 7,42621152380

9004

14,9774824658

54560

25,1400818043

36140

Ranks

Mean Rank

MAPE 1 1,75

MAPE 2 2,18

MAPE 3 2,07

Test Statisticsa

N 144

Chi-Square 19,923

df 2

Asymp. Sig. ,000

a. Friedman Test

xxxiii

Post Hoc Test: Wilcoxon


N Mean Std. Deviation Minimum Maximum

MAPE 1 144 17,7157822385

25023

15,8837448736

60355

1,09068627450

98040

63,6037554778

197300

MAPE 2 144 19,3657156593

26460

16,3325665142

59190

1,09068627450

98040

63,6037554778

197300

MAPE 3 149 19,6913000986

61873

16,5635807670

80005

1,09068627450

98040

63,6037554778

197300

Test Statisticsa

MAPE 2 -

MAPE 1

MAPE 3 -

MAPE 1

MAPE 3 -

MAPE 2

Z -5,580b -2,890b -,530c

Asymp. Sig. (2-tailed) ,000 ,004 ,596




xxxiv

Onderzoeksvraag 3.A. Vervangingsparameter 1 1-way Repeated measures Anova



As planned (WPM 1) 6,57873777363

6274

14,3949848465

17595 16

SPI (WPM 1) 8,87993335538

1736

13,4206031163

94098 16

SCI (WPM 1) 9,25560114996

0055

10,3009015996

71260 16

CPI (WPM 1) 8,97933032466

9950

11,7139966423

25187 16


Squares


factor1



Huynh-Feldt 73,805 1,720 42,898 2,261 ,131

Lower-bound 73,805 1,000 73,805 2,261 ,153

Error(factor1)



Huynh-Feldt 489,720 25,807 18,976

Lower-bound 489,720 15,000 32,648


Vervang Kolmogorov-Smirnova Shapiro-Wilk


MAPE

1 ,260 64 ,000 ,644 64 ,000

2 ,148 64 ,001 ,848 64 ,000

3 ,150 64 ,001 ,858 64 ,000


Geen normale verdeling

xxxv

Friedman


N Percentiles


As planned (WPM 1) 16 ,848053545460

048

1,50499979953

3240

3,83325270123

7569

SPI (WPM 1) 16 1,49860397861

4535

4,29055948703

2979

10,3552584594

90100

SCI (WPM 1) 16 2,50235863024

8580

7,14596271108

7503

10,6757459823

38823

CPI (WPM 1) 16 1,58806763785

0473

5,33076072160

9384

10,4256910646

91202

Ranks

Mean Rank

As planned (WPM 1) 1,56

SPI (WPM 1) 2,63

SCI (WPM 1) 3,06

CPI (WPM 1) 2,75

Test Statisticsa

N 16

Chi-Square 12,538

df 3

Asymp. Sig. ,006

a. Friedman Test

xxxvi




As planned (WPM gem) 12,2518093023

89933

15,6009888491

38760 16

SPI (WPM gem) 11,2869025574

95166

12,8034132840

94841 16

SCI (WPM gem) 14,6369731241

37452

9,97409727301

9904 16

CPI (WPM gem) 16,7814713007

46160

12,2375719341

58197 16

N Mean Std. Deviation Percentiles


As planned

(WPM 1) 16

6,578737773636

275

14,39498484651

7598

,8480535454600

48

1,504999799533

240

3,833252701237

569

SPI (WPM 1) 16 8,879933355381

738

13,42060311639

4098

1,498603978614

535

4,290559487032

979

10,35525845949

0100

SCI (WPM 1) 16 9,255601149960

057

10,30090159967

1258

2,502358630248

580

7,145962711087

503

10,67574598233

8823

CPI (WPM 1) 16 8,979330324669

950

11,71399664232

5188

1,588067637850

473

5,330760721609

384

10,42569106469

1202

Test Statisticsa

SPI (WPM 1) -

As planned

(WPM 1)

SCI (WPM 1) -

As planned

(WPM 1)

CPI (WPM 1) -

As planned

(WPM 1)

SCI (WPM 1) -

SPI (WPM 1)

CPI (WPM 1) -

SPI (WPM 1)

CPI

(WPM

1) - SCI

(WPM

1)

Z -2,379b -2,430b -1,706b -,909b -,057c -,682c

Asymp. Sig. (2-tailed) ,017 ,015 ,088 ,363 ,955 ,496



c. Based on positive ranks.`

Vervangingsparameter gemiddelde 1-way Repeated measures Anova

xxxvii


Squares


factor1



Huynh-Feldt 292,600 2,710 107,982 2,199 ,109

Lower-bound 292,600 1,000 292,600 2,199 ,159

Error(factor1)



Huynh-Feldt 1995,820 40,646 49,103

Lower-bound 1995,820 15,000 133,055


Tests of Normality



As planned (WPM gem) ,279 16 ,002 ,706 16 ,000

SPI (WPM gem) ,242 16 ,013 ,740 16 ,000

SCI (WPM gem) ,168 16 ,200* ,938 16 ,322

CPI (WPM gem) ,134 16 ,200* ,937 16 ,316

*. This is a lower bound of the true significance.


Friedman


N Percentiles


As planned (WPM gem) 16 3,64934366142

9424

6,20285263574

2421

19,6101624148

59350

SPI (WPM gem) 16 2,29427532841

5879

10,0091685876

26025

13,4024652728

52405

SCI (WPM gem) 16 6,60051385966

6202

11,4799291146

29721

23,6312591519

10182

CPI (WPM gem) 16 6,30216854087

9958

14,4395412324

90498

25,4136911282

66140

xxxviii

Ranks

Mean Rank

As planned (WPM gem) 2,19

SPI (WPM gem) 2,00

SCI (WPM gem) 2,78

CPI (WPM gem) 3,03

Test Statisticsa

N 16

Chi-Square 7,026

df 3

Asymp. Sig. ,071

a. Friedman Test

Vervangingsparameter project 1-way Repeated measures Anova



As planned (WPM p) 6,84063107390

6946

14,3324552656

20316 16

SPI (WPM p) 13,3729031839

95206

14,0660942257

29500 16

SCI (WPM p) 15,3769760272

71274

8,53383762957

1831 16

CPI (WPM p) 17,5926662139

57340

12,0448111756

69816 16


Squares


factor1



Huynh-Feldt 1031,512 2,609 395,318 5,684 ,004

Lower-bound 1031,512 1,000 1031,512 5,684 ,031

Error(factor1)



Huynh-Feldt 2722,198 39,140 69,551

Lower-bound 2722,198 15,000 181,480

xxxix


Measure: METH (I) factor1 (J) factor1 Mean

Difference (I-J)


Differenceb


1

2 -6,532 2,259 ,067 -13,393 ,328

3 -8,536 2,894 ,060 -17,325 ,252

4 -10,752* 3,294 ,031 -20,754 -,750

2

1 6,532 2,259 ,067 -,328 13,393

3 -2,004 3,188 1,000 -11,683 7,675

4 -4,220 2,258 ,488 -11,076 2,637

3

1 8,536 2,894 ,060 -,252 17,325

2 2,004 3,188 1,000 -7,675 11,683

4 -2,216 2,403 1,000 -9,512 5,081

4

1 10,752* 3,294 ,031 ,750 20,754

2 4,220 2,258 ,488 -2,637 11,076

3 2,216 2,403 1,000 -5,081 9,512





Tests of Normality



As planned (WPM p) ,409 16 ,000 ,497 16 ,000

SPI (WPM p) ,243 16 ,012 ,813 16 ,004

SCI (WPM p) ,158 16 ,200* ,917 16 ,148

CPI (WPM p) ,161 16 ,200* ,932 16 ,264

*. This is a lower bound of the true significance.


xl

Friedman Descriptive Statistics

N Percentiles


As planned (WPM p) 16 ,878726966587

214

1,84989476858

0308

4,29351120636

9755

SPI (WPM p) 16 2,63364909732

9784

9,79344406793

1118

22,0448692472

74494

SCI (WPM p) 16 9,03556356185

9533

13,1295342778

83394

23,5746134814

83972

CPI (WPM p) 16 8,29314456594

3816

15,1628594317

62179

25,5868927763

63122

Ranks

Mean Rank

As planned (WPM p) 1,31

SPI (WPM p) 2,31

SCI (WPM p) 3,31

CPI (WPM p) 3,06

Test Statisticsa

N 16

Chi-Square 23,846

df 3

Asymp. Sig. ,000

a. Friedman Test




As planned (WPM p) 16 6,8406310739069

46

14,332455265620

318

,87872696658721

4

1,8498947685803

08

4,293511206

369755

SPI (WPM p) 16 13,372903183995

206

14,066094225729

504

2,6336490973297

84

9,7934440679311

18

22,04486924

7274494

SCI (WPM p) 16 15,376976027271

274

8,5338376295718

31

9,0355635618595

33

13,129534277883

394

23,57461348

1483972

CPI (WPM p) 16 17,592666213957

340

12,044811175669

816

8,2931445659438

16

15,162859431762

179

25,58689277

6363122

Test Statisticsa

xli

SPI (WPM p) -

As planned

(WPM p)

SCI (WPM p) -

As planned

(WPM p)

CPI (WPM p) -

As planned

(WPM p)

SCI (WPM p) -

SPI (WPM p)

CPI (WPM p) -

SPI (WPM p)

CPI

(WPM p) -

SCI

(WPM p)

Z -2,947b -2,741b -2,896b -,966b -1,817b -,284c

Asymp. Sig. (2-tailed) ,003 ,006 ,004 ,334 ,069 ,776




Algemeen 1-way Repeated measures Anova



MAPE AS 8,557059383311053 14,708922381305785 48

MAPE 2 11,179913032290699 13,281080562552763 48

MAPE 3 13,089850100456260 9,821253135044664 48

MAPE 4 14,451155946457819 12,381047389190151 48


Squares


factor1



Huynh-Feldt 940,416 2,474 380,186 7,802 ,000

Lower-bound 940,416 1,000 940,416 7,802 ,008

Error(factor1)



Huynh-Feldt 5665,240 116,258 48,730

Lower-bound 5665,240 47,000 120,537

xlii


Measure: METH (I) factor1 (J) factor1 Mean Difference

(I-J)


Differenceb


1

2 -2,623 1,273 ,270 -6,130 ,885

3 -4,533* 1,424 ,015 -8,454 -,611

4 -5,894* 1,537 ,002 -10,126 -1,662

2

1 2,623 1,273 ,270 -,885 6,130

3 -1,910 1,385 1,000 -5,725 1,905

4 -3,271* 1,135 ,036 -6,398 -,145

3

1 4,533* 1,424 ,015 ,611 8,454

2 1,910 1,385 1,000 -1,905 5,725

4 -1,361 ,911 ,849 -3,869 1,147

4

1 5,894* 1,537 ,002 1,662 10,126

2 3,271* 1,135 ,036 ,145 6,398

3 1,361 ,911 ,849 -1,147 3,869





Tests of Normality



MAPE AS ,333 48 ,000 ,582 48 ,000

MAPE 2 ,240 48 ,000 ,733 48 ,000

MAPE 3 ,149 48 ,009 ,912 48 ,002

MAPE 4 ,131 48 ,037 ,891 48 ,000


xliii

Friedman Descriptive Statistics

N Percentiles


MAPE AS 48 ,965965422979

968

3,28264409389

7551

6,22260609960

9541

MAPE 2 48 1,80829680000

5088

7,99584479509

8202

12,7374117701

70635

MAPE 3 48 5,79373734142

4622

10,5927299850

70360

17,2472035697

00420

MAPE 4 48 4,55037140957

9812

11,4583604625

18048

24,5994026211

85774

Ranks

Mean Rank

MAPE AS 1,69

MAPE 2 2,31

MAPE 3 3,05

MAPE 4 2,95

Test Statisticsa

N 48

Chi-Square 35,544

df 3

Asymp. Sig. ,000

a. Friedman Test




MAPE AS 48 8,557059383311

055

14,70892238130

5785

,9659654229799

68

3,282644093897

551

6,222606099609

541

MAPE 2 48 11,17991303229

0700

13,28108056255

2765

1,808296800005

088

7,995844795098

202

12,73741177017

0635

MAPE 3 48 13,08985010045

6260

9,821253135044

666

5,793737341424

622

10,59272998507

0360

17,24720356970

0420

MAPE 4 48 14,45115594645

7819

12,38104738919

0153

4,550371409579

812

11,45836046251

8048

24,59940262118

5774

xliv

Test Statisticsa

MAPE 2 - MAPE

AS

MAPE 3 - MAPE

AS

MAPE 4 - MAPE

AS

MAPE 3 - MAPE

2

MAPE 4 - MAPE

2

MAPE 4 -

MAPE 3

Z -2,677b -3,795b -3,682b -1,992b -2,624b -,245b

Asymp. Sig. (2-tailed) ,007 ,000 ,000 ,046 ,009 ,806



xlv

Onderzoeksvraag 3.B. Vervangingsparameter 1 1-way Repeated measures Anova



MAPE 1 PV 18,3541607053

11134

16,3397294212

39223 48

MAPE 1 ED 16,7399856019

40873

16,1522732856

82910 48

MAPE 1 ES 18,0532004083

23058

15,4346474407

83100 48


Squares


factor1



Huynh-Feldt 70,731 2,000 35,365 1,437 ,243

Lower-bound 70,731 1,000 70,731 1,437 ,237

Error(factor1)



Huynh-Feldt 2313,500 94,000 24,612

Lower-bound 2313,500 47,000 49,223




MAPE 1 PV ,214 48 ,000 ,823 48 ,000

MAPE 1 ED ,213 48 ,000 ,801 48 ,000

MAPE 1 ES ,208 48 ,000 ,764 48 ,000


xlvi

Friedman


N Percentiles


MAPE 1 PV 48 6,17988017958

3764

13,4393292200

60113

22,2677998577

30793

MAPE 1 ED 48 6,06273022156

2482

8,39358079186

8082

25,4678596899

25216

MAPE 1 ES 48 7,87488859180

0357

12,6383201116

68646

20,5820648750

70245

Ranks

Mean Rank

MAPE 1 PV 2,05

MAPE 1 ED 1,78

MAPE 1 ES 2,17

Test Statisticsa

N 48

Chi-Square 3,820

df 2

Asymp. Sig. ,148

a. Friedman Test

Vervangingsparameter gemiddelde 1-way Repeated measures Anova



MAPE gem PV 20,0176450016

61734

17,1246483571

21682 48

MAPE gem ED 18,6618117155

20063

16,3404440665

18053 48

MAPE gem ES 19,4176902607

97600

15,8241219890

09116 48

xlvii


Squares


factor1

Sphericity Assumed 44,313 2 22,157 ,785 ,459

Greenhouse-Geisser 44,313 1,834 24,167 ,785 ,449

Huynh-Feldt 44,313 1,904 23,269 ,785 ,454

Lower-bound 44,313 1,000 44,313 ,785 ,380

Error(factor1)



Huynh-Feldt 2653,092 89,505 29,642

Lower-bound 2653,092 47,000 56,449




MAPE gem PV ,199 48 ,000 ,829 48 ,000

MAPE gem ED ,182 48 ,000 ,845 48 ,000

MAPE gem ES ,236 48 ,000 ,762 48 ,000


Friedman


N Percentiles


MAPE gem PV 48 7,67578499869

1416

15,8838168121

07785

22,9131475068

54950

MAPE gem ED 48 6,54829545454

5454

13,0991237784

38344

26,1562936520

25454

MAPE gem ES 48 9,99373433583

9598

14,7303751803

75180

21,3796342718

48644

Ranks

Mean Rank

MAPE gem PV 2,07

MAPE gem ED 1,84

MAPE gem ES 2,08

xlviii

Test Statisticsa

N 48

Chi-Square 1,788

df 2

Asymp. Sig. ,409

a. Friedman Test

Vervangingsparameter project 1-way Repeated measures Anova



MAPE p PV 19,2300243172

30140

16,3969290299

84570 48

MAPE p ED 18,5176533396

88270

16,4896315964

27810 48

MAPE p ES 21,0088953875

02214

16,5158704597

36536 48


Squares


factor1



Huynh-Feldt 158,050 1,680 94,052 2,271 ,118

Lower-bound 158,050 1,000 158,050 2,271 ,138

Error(factor1)



Huynh-Feldt 3270,653 78,981 41,410

Lower-bound 3270,653 47,000 69,588


Tests of Normality



MAPE p PV ,170 48 ,001 ,853 48 ,000

MAPE p ED ,180 48 ,000 ,837 48 ,000

MAPE p ES ,268 48 ,000 ,801 48 ,000


xlix

Friedman


N Percentiles


MAPE p PV 48 7,17227879198

2429

15,4524239788

34440

25,6871871900

26037

MAPE p ED 48 6,56236178681

9992

12,3980875411

35538

28,5286455675

06160

MAPE p ES 48 10,2927332756

22530

16,8522183737

42375

21,8520028295

17140

Ranks

Mean Rank

MAPE p PV 1,97

MAPE p ED 1,84

MAPE p ES 2,19

Test Statisticsa

N 48

Chi-Square 2,952

df 2

Asymp. Sig. ,229

a. Friedman Test

Algemeen 1-way Repeated measures Anova



MAPE PV 19,2006100080

67677

16,5216866973

36090 144

MAPE ED 17,9731502190

49740

16,2371512520

11930 144

MAPE ES 19,4932620188

74283

15,8657216570

94646 144

l


Squares


factor1



Huynh-Feldt 187,346 1,851 101,217 3,219 ,045

Lower-bound 187,346 1,000 187,346 3,219 ,075

Error(factor1)



Huynh-Feldt 8322,994 264,684 31,445

Lower-bound 8322,994 143,000 58,203


Measure: MET (I) factor1 (J) factor1 Mean

Difference (I-J)

Std. Error Sig.a 95% Confidence Interval for

Differencea


1 2 1,227 ,530 ,066 -,055 2,510

3 -,293 ,685 1,000 -1,953 1,368

2 1 -1,227 ,530 ,066 -2,510 ,055

3 -1,520 ,680 ,081 -3,167 ,127

3 1 ,293 ,685 1,000 -1,368 1,953

2 1,520 ,680 ,081 -,127 3,167


a. Adjustment for multiple comparisons: Bonferroni.


Tests of Normality



MAPE PV ,186 144 ,000 ,836 144 ,000

MAPE ED ,161 144 ,000 ,829 144 ,000

MAPE ES ,233 144 ,000 ,778 144 ,000


li

Friedman


N Percentiles


MAPE PV 144 7,15715976399

8482

15,4524239788

34440

22,6049411101

35258

MAPE ED 144 6,37952855560

8290

11,4081903040

01524

26,1086728925

78404

MAPE ES 144 9,38852813852

8137

14,8142857142

85713

21,6852773776

79990

Ranks

Mean Rank

MAPE PV 2,03

MAPE ED 1,82

MAPE ES 2,15

Test Statisticsa

N 144

Chi-Square 7,841

df 2

Asymp. Sig. ,020

a. Friedman Test



N Mean Std. Deviation Minimum Maximum

MAPE PV 144 19,2006100080

67674

16,5216866973

36094

1,09068627450

98040

60,4997885258

213600

MAPE ED 144 17,9731502190

49740

16,2371512520

11937

1,12745098039

21569

63,6037554778

197300

MAPE ES 144 19,4932620188

74283

15,8657216570

94648

3,31699346405

22882

63,6037554778

197300

Test Statisticsa

MAPE ED -

MAPE PV

MAPE ES -

MAPE PV

MAPE ES -

MAPE ED

Z -2,376b -,744c -2,322c

Asymp. Sig. (2-tailed) ,017 ,457 ,020

lii

Onderzoeksvraag 4.A. Vervangingsparameter 1 2-Way repeated measures Anova



WPM1/0 17,2679570746

39130

19,7398520284

28423 16

WPM1/1 3,78308662270

0599

5,82339230298

9161 16

EVM 1/0 22,2938798843

51355

17,0950560627

53734 16

EVM 1/1 6,94042672377

1028

10,6040762592

86035 16

Source df Mean Square F Sig.

Methode

Sphericity Assumed 1 267,863 6,861 ,019

Greenhouse-Geisser 1,000 267,863 6,861 ,019

Huynh-Feldt 1,000 267,863 6,861 ,019

Lower-bound 1,000 267,863 6,861 ,019

Error(Methode)

Sphericity Assumed 15 39,044 Greenhouse-Geisser 15,000 39,044 Huynh-Feldt 15,000 39,044 Lower-bound 15,000 39,044

SPfactor



Huynh-Feldt 1,000 3326,596 7,407 ,016

Lower-bound 1,000 3326,596 7,407 ,016

Error(SPfactor)


Methode * SPfactor

Sphericity Assumed 1 13,966 ,468 ,504

Greenhouse-Geisser 1,000 13,966 ,468 ,504

Huynh-Feldt 1,000 13,966 ,468 ,504

Lower-bound 1,000 13,966 ,468 ,504

Error(Methode*SPfactor)

Sphericity Assumed 15 29,842

Greenhouse-Geisser 15,000 29,842

Huynh-Feldt 15,000 29,842

Lower-bound 15,000 29,842

liii


Measure: MEASURE_1 (I) Methode (J) Methode Mean

Difference (I-J)


Differenceb


1 2 -4,092* 1,562 ,019 -7,421 -,762

2 1 4,092* 1,562 ,019 ,762 7,421





Measure: MEASURE_1 (I) SPfactor (J) SPfactor Mean

Difference (I-J)


Differenceb


1 2 14,419* 5,298 ,016 3,126 25,712

2 1 -14,419* 5,298 ,016 -25,712 -3,126




Vervangingsparameter gemiddelde 2-Way repeated measures Anova



WPM G/0 22,4979148742

83033

17,4047464211

67985 16

WPM G/1 8,21493697004

8779

8,13528105981

3400 16

EVM G/0 23,8109470852

64882

17,6300484540

06900 16

EVM G/1 7,04879882726

6806

10,9601086402

46743 16

liv


Methode

Sphericity Assumed 1 ,086 ,002 ,969

Greenhouse-Geisser 1,000 ,086 ,002 ,969

Huynh-Feldt 1,000 ,086 ,002 ,969

Lower-bound 1,000 ,086 ,002 ,969

Error(Methode)


SPfactor



Huynh-Feldt 1,000 3855,199 9,622 ,007

Lower-bound 1,000 3855,199 9,622 ,007

Error(SPfactor)


Methode * SPfactor



Huynh-Feldt 1,000 24,585 ,487 ,496

Lower-bound 1,000 24,585 ,487 ,496








Difference (I-J)


Differenceb


1 2 15,523* 5,004 ,007 4,857 26,188

2 1 -15,523* 5,004 ,007 -26,188 -4,857




lv

Vervangingsparameter project 2-Way repeated measures Anova



WPM P/0 19,8830766512

74322

17,6282514250

84382 16

WPM P/1 6,42533870576

7181

8,14968129975

7475 16

EVM P/0 22,2938798843

51355

17,0950560627

53734 16

EVM P/1 7,18903829332

5071

10,8779997622

89848 16


Methode



Huynh-Feldt 1,000 40,310 5,242 ,037

Lower-bound 1,000 40,310 5,242 ,037

Error(Methode)


SPfactor



Huynh-Feldt 1,000 3263,284 7,132 ,017

Lower-bound 1,000 3263,284 7,132 ,017

Error(SPfactor)


Methode * SPfactor



Huynh-Feldt 1,000 10,852 1,366 ,261

Lower-bound 1,000 10,852 1,366 ,261






lvi



Difference (I-J)


Differenceb


1 2 -1,587* ,693 ,037 -3,065 -,110

2 1 1,587* ,693 ,037 ,110 3,065






Difference (I-J)


Differenceb


1 2 14,281* 5,348 ,017 2,883 25,680

2 1 -14,281* 5,348 ,017 -25,680 -2,883




Algemeen 2-Way repeated measures Anova



WPM 0 19,8829828667

32164

18,0241874930

22480 48

WPM 1 5,47521517633

6296

6,55560602668

4822 48

EVM0 22,7995689513

22534

16,9191171230

70200 48

EVM 1 12,3633227729

74751

11,5950049615

47525 48

lvii


Methode



Huynh-Feldt 1,000 1153,584 38,028 ,000

Lower-bound 1,000 1153,584 38,028 ,000

Error(Methode)


SPfactor



Huynh-Feldt 1,000 7406,700 17,389 ,000

Lower-bound 1,000 7406,700 17,389 ,000

Error(SPfactor)


Methode * SPfactor



Huynh-Feldt 1,000 189,276 4,987 ,030

Lower-bound 1,000 189,276 4,987 ,030








Difference (I-J)


Differenceb


1 2 -4,902* ,795 ,000 -6,502 -3,303

2 1 4,902* ,795 ,000 3,303 6,502




lviii



Difference (I-J)


Differenceb


1 2 12,422* 2,979 ,000 6,429 18,415

2 1 -12,422* 2,979 ,000 -18,415 -6,429




3. Methode * SPfactor

Measure: MEASURE_1 Methode SPfactor Mean Std. Error 95% Confidence Interval


1 1 19,883 2,602 14,649 25,117

2 5,475 ,946 3,572 7,379

2 1 22,800 2,442 17,887 27,712

2 12,363 1,674 8,996 15,730

lix

Onderzoeksvraag 4.B. Vervangingsparameter 1 2-Way repeated measures Anova



WPM 1 0 17,6920194514

69780

9,08313969088

9354 36

WPM 1 1 18,2675107488

94637

18,0781547631

74755 36

EVM 1 0 25,2153466865

69855

12,4068722543

30835 36

EVM 1 1 30,3994312341

60026

23,2355455394

51348 36


Method



Huynh-Feldt 1,000 3476,959 21,708 ,000

Lower-bound 1,000 3476,959 21,708 ,000

Error(Method)


SPfactor



Huynh-Feldt 1,000 298,554 ,803 ,376

Lower-bound 1,000 298,554 ,803 ,376

Error(SPfactor)


Method * SPfactor



Huynh-Feldt 1,000 191,152 1,085 ,305

Lower-bound 1,000 191,152 1,085 ,305

Error(Method*SPfactor)



Huynh-Feldt 35,000 176,126

Lower-bound 35,000 176,126

lx


Measure: MEASURE_1 (I) Method (J) Method Mean

Difference (I-J)


Differenceb


1 2 -9,828* 2,109 ,000 -14,110 -5,546

2 1 9,828* 2,109 ,000 5,546 14,110



b. Adjustment for multiple comparisons: Bonferroni. Vervangingsparameter gemiddelde 2-Way repeated measures Anova



WPM g 0 20,4331010618

65877

11,2835521334

80933 36

WPM g 1 19,3967498188

85010

18,3253591641

98600 36

EVM g 0 25,4996655385

97856

12,7142347354

04967 36

EVM g 1 30,3429212298

14213

23,4498674861

25974 36

lxi


Method



Huynh-Feldt 1,000 2307,669 13,748 ,001

Lower-bound 1,000 2307,669 13,748 ,001

Error(Method)


SPfactor



Huynh-Feldt 1,000 130,433 ,331 ,569

Lower-bound 1,000 130,433 ,331 ,569

Error(SPfactor)


Method * SPfactor



Huynh-Feldt 1,000 311,128 1,745 ,195

Lower-bound 1,000 311,128 1,745 ,195




Huynh-Feldt 35,000 178,329

Lower-bound 35,000 178,329

Multivariate Tests

Value F Hypothesis df Error df Sig. Partial Eta

Squared

Pillai's trace ,282 13,748a 1,000 35,000 ,001 ,282

Wilks' lambda ,718 13,748a 1,000 35,000 ,001 ,282

Hotelling's trace ,393 13,748a 1,000 35,000 ,001 ,282

Roy's largest root ,393 13,748a 1,000 35,000 ,001 ,282

Each F tests the multivariate effect of Method. These tests are based on the linearly independent pairwise

comparisons among the estimated marginal means.

a. Exact statistic

lxii

Vervangingsparameter project 2-Way repeated measures Anova



WPM p 0 22,0990755218

25520

12,3515838826

52795 36

WPM p 1 18,5510429551

82880

17,7799397159

45204 36

EVM p 0 25,2153466865

69855

12,4068722543

30835 36

EVM p 1 30,3138610544

57600

23,4570769527

73445 36


Method



Huynh-Feldt 1,000 1992,486 16,073 ,000

Lower-bound 1,000 1992,486 16,073 ,000

Error(Method)


SPfactor



Huynh-Feldt 1,000 21,636 ,055 ,816

Lower-bound 1,000 21,636 ,055 ,816

Error(SPfactor)


Method * SPfactor



Huynh-Feldt 1,000 672,865 3,608 ,066

Lower-bound 1,000 672,865 3,608 ,066




Huynh-Feldt 35,000 186,491

Lower-bound 35,000 186,491

lxiii



Difference (I-J)


Differenceb


1 2 -7,440* 1,856 ,000 -11,207 -3,672

2 1 7,440* 1,856 ,000 3,672 11,207



b. Adjustment for multiple comparisons: Bonferroni. Algemeen 2-Way repeated measures Anova



WPM 0 20,0747320117

20396

11,0394194717

16604 108

WPM 1 17,7237031675

43434

17,6122042930

78012 108

EVM 0 25,3101196372

45855

12,3934280912

40807 108

EVM 1 28,1646460088

80066

22,0696089567

57843 108

lxiv


Method



Huynh-Feldt 1,000 6635,178 46,635 ,000

Lower-bound 1,000 6635,178 46,635 ,000

Error(Method)


SPfactor



Huynh-Feldt 1,000 6,845 ,020 ,889

Lower-bound 1,000 6,845 ,020 ,889

Error(SPfactor)


Method * SPfactor



Huynh-Feldt 1,000 731,641 3,730 ,056

Lower-bound 1,000 731,641 3,730 ,056




Huynh-Feldt 107,000 196,174

Lower-bound 107,000 196,174



Difference (I-J)


Differenceb


1 2 -7,838* 1,148 ,000 -10,114 -5,563

2 1 7,838* 1,148 ,000 5,563 10,114




lxv

Documents

Project opvolging d.m.v. Earned Value Management: een case …lib.ugent.be/fulltxt/RUG01/002/165/103/RUG01-002165103... · 2014-12-19 · en ook hen wil ik bedanken, vooral mijn kotgenoten