基于Monte Carlo仿真的随机S曲线研究

PB-S曲线是随项目进展变化的累计预算成本曲线和累计工期曲线,它综合考察了成本、工期和项目进展百分比三个变量之间的关系.SS曲线提供了与各个项目进展百分比对应的累计预算成本和累计工期的概率分布.采用Monte Carlo仿真和统计分析方法,结合一个费用和时间随机分布的网络计划,详细研究了PB-S曲线和SS曲线的仿真建模和统计分析过程.进一步,基于SS曲线,考察了费用偏差和进度偏差的统计特征,为项目绩效的预测和监测提供更详细的偏差信息.同时针对均值曲线作为基准计划曲线的局限性,提出了两种新方法用于选择一定置信度要求的PB-S曲线作为项目的基准计划曲线.     

基于Monte Carlo多重仿真的费用与进度联合置信估计

采用独立估计的方法不能同时获得高置信百分位的费用估计与进度估计，实际项目执行的费用风险或进度风险很高。费用与进度的联合置信估计是指费用置信百分位点估计和进度置信百分位点估计的联合估计。采用MonteCarlo多重仿真技术、回归分析与统计方法相结合的结合方法，在费用（进度）王信百分位估计的条件下，建立进度（费用）估计与相应的估计王信百分位之间的回归模型，由此获得费用（进度）王信百分位估计条件下的进度（费用）的置信百分位估计。     

基于随机S曲线的项目绩效监测和预测研究

随机S曲线(SS曲线)充分考虑了项目费用和工期的随机性,展示了费用、工期和项目进展百分比之间的关系.基于仿真获得的SS曲线,提出新的费用偏差(CV)和工期偏差(SV)参数,实现对项目绩效的监测;考虑项目未来绩效与过去绩效之间的相关性,依据活动或项目的费用绩效指数(CPI)和工期绩效指数(SPI),对尚未完成和尚未开始活动的费用和时间参数进行调整,采用仿真方法预测项目未来绩效,获得项目完成时费用偏差(CVAC)和工期偏差(SVAC)指标,实现对项目绩效的预测.结合一个三层住宅工程案例,详细说明了基于SS曲线的项目绩效监测和预测方法在项目管理实践中的应用.