Analyse Monte Carlo
introduction
Ayant été nommé d'après la principauté célèbre pour ses casinos, le terme Analyse Monte Carlo évoque les images d'une stratégie complexe visant à maximiser ses gains dans un jeu de casino.
Cependant, l'analyse de Monte Carlo fait référence à une technique de gestion de projet où un gestionnaire calcule et calcule le coût total du projet et le calendrier du projet plusieurs fois.
Cela se fait en utilisant un ensemble de valeurs d'entrée qui ont été sélectionnées après une délibération minutieuse des distributions de probabilité ou des coûts potentiels ou des durées potentielles.
Importance de l'analyse de Monte Carlo
L'analyse Monte Carlo est importante dans la gestion de projet car elle permet à un chef de projet de calculer un coût total probable d'un projet ainsi que de trouver une fourchette ou une date potentielle d'achèvement du projet.
Puisqu'une analyse de Monte Carlo utilise des données quantifiées, cela permet aux chefs de projet de mieux communiquer avec la haute direction, en particulier lorsque celle-ci fait pression pour des dates d'achèvement de projet peu pratiques ou des coûts de projet irréalistes.
De plus, ce type d'analyse permet aux chefs de projet de quantifier les périls et les ambiguïtés dans les calendriers de projet.
Un exemple simple de l'analyse de Monte Carlo
Un chef de projet crée trois estimations pour la durée du projet: l'une est la durée la plus probable, l'autre le pire des cas et l'autre le meilleur des cas. Pour chaque estimation, le chef de projet consigne la probabilité d'occurrence.
Le projet comprend trois tâches:
La première tâche prendra probablement trois jours (probabilité de 70%), mais elle peut également être achevée en deux ou même quatre jours. La probabilité que cela prenne deux jours pour terminer est de 10% et la probabilité que cela prenne quatre jours pour terminer est de 20%.
La deuxième tâche a une probabilité de 60% de prendre six jours pour terminer, une probabilité de 20% chacune d'être achevée en cinq ou huit jours.
La tâche finale a une probabilité de 80% d'être achevée en quatre jours, 5% de probabilité d'être achevée en trois jours et une probabilité de 15% d'être achevée en cinq jours.
En utilisant l'analyse de Monte Carlo, une série de simulations sont effectuées sur les probabilités du projet. La simulation doit s'exécuter mille fois et pour chaque simulation, une date de fin est notée.
Une fois l'analyse de Monte Carlo terminée, il n'y aurait pas de date d'achèvement de projet unique. Au lieu de cela, le chef de projet a une courbe de probabilité décrivant les dates probables d'achèvement et la probabilité d'atteindre chacune.
À l'aide de cette courbe de probabilité, le chef de projet informe la direction générale de la date prévue d'achèvement. Le chef de projet choisirait la date avec 90% de chances de l'atteindre.
Par conséquent, on pourrait dire qu'en utilisant l'analyse de Monte Carlo, le projet a 90% de chances d'être achevé en X jours.
De même, un chef de projet peut évaluer le budget estimé d'un projet en utilisant des probabilités pour simuler différents résultats finaux et à son tour utiliser les résultats dans une courbe de probabilité.
Comment l'analyse Monte Carlo est effectuée?
L'exemple ci-dessus ne contenait que trois tâches. En réalité, ces projets contiennent des centaines, voire des milliers de tâches.
En utilisant l'analyse de Monte Carlo, un chef de projet est en mesure de dériver une courbe de probabilité pour montrer l'ambiguïté entourant la durée et les coûts entourant ces centaines ou milliers de tâches.
Effectuer des simulations impliquant des centaines ou des milliers de tâches est un travail fastidieux à faire manuellement.
Aujourd'hui, il existe un logiciel de planification de gestion de projet qui peut effectuer des milliers de simulations et offrir au chef de projet différents résultats finaux sous forme de courbe de probabilité.
Les différents types de distributions / courbes de probabilité
Une analyse de Monte Carlo montre l'analyse de risque impliquée dans un projet à travers une distribution de probabilité qui est un modèle de valeurs possibles.
Certaines des distributions ou courbes de probabilité couramment utilisées pour l'analyse de Monte Carlo comprennent:
The Normal or Bell Curve - Dans ce type de courbe de probabilité, les valeurs du milieu sont les plus susceptibles de se produire.
The Lognormal Curve -Ici, les valeurs sont biaisées. Une analyse de Monte Carlo donne ce type de distribution de probabilité pour la gestion de projet dans le secteur immobilier ou l'industrie pétrolière.
The Uniform Curve -Toutes les instances ont une chance égale de se produire. Ce type de distribution de probabilité est courant avec les coûts de fabrication et les revenus futurs des ventes d'un nouveau produit.
The Triangular Curve -Le chef de projet entre les valeurs minimales, maximales ou les plus probables. La courbe de probabilité, triangulaire, affichera des valeurs autour de l'option la plus probable.
Conclusion
L'analyse de Monte Carlo est une méthode importante adoptée par les gestionnaires pour calculer les nombreuses dates d'achèvement de projet possibles et le budget le plus probable requis pour le projet.
En utilisant les informations recueillies grâce à l'analyse de Monte Carlo, les chefs de projet sont en mesure de fournir à la haute direction les preuves statistiques du temps requis pour mener à bien un projet et de proposer un budget approprié.