Projektinhallinnan ABC: M kuin Monte Carlo -simulointi

Riskien parempi ymmärtäminen, epävarmuustekijöiden hallinta ja perusteltujen päätösten tekeminen Monte Carlo -simuloinnin avulla

Mikä on Monte Carlo -simulaatio?

Monte Carlo -simulointi on matemaattinen menetelmä, jota käytetään mallien epävarmuuksien analysointiin satunnaisotosten avulla. Menetelmässä tuotetaan toistuvasti satunnaisia arvoja tiettyjen muuttujien määriteltyjen todennäköisyysjakaumien puitteissa, jotta voidaan simuloida lukuisia mahdollisia tuloksia. Analysoimalla näitä simuloituja tuloksia voidaan sitten määrittää, kuinka todennäköisiä eri tulokset ovat, vaikka epävarmuustekijöitä olisi lukuisia. Projektinhallinnassa simuloidaan esimerkiksi mahdollisia projektituloksia muuttujien, kuten ajan, kustannusten tai riskien, avulla. Tämä menetelmä on siis erityisen hyödyllinen tilanteissa, joissa on paljon tuntemattomia tekijöitä tai muuttujia, joiden tarkkaa arvoa on vaikea ennustaa.
Monte Carlo -simulointi kehitettiin 1940-luvulla monimutkaisten ongelmien ratkaisemiseksi ydintutkimuksessa. Erityisesti unkarilais-amerikkalainen tiedemies Stanislaw Ulam ja amerikkalainen fyysikko John von Neumann vaikuttivat ratkaisevasti menetelmän kehittämiseen työskennellessään Manhattan-projektissa, joka oli atomipommin kehittämiseen tähtäävä tutkimusprojekti. Nimi ”Monte Carlo” juontuu Monacon ruhtinaskunnan kuuluisasta kasinosta, sillä menetelmä hyödyntää tulosten simuloinnissa samanlaisia satunnaisuusprosesseja kuin uhkapeleissä.

Miten Monte Carlo -simulointi toimii

Ensinnäkin epävarmoille muuttujille (esim. projektin kesto, kustannukset) määritetään realistiset vaihteluvälit tai todennäköisyydet. Tämä tarkoittaa, että jokaiselle epävarmalle muuttujalle tulisi olla vähintään yksi arvio parhaasta, huonoimmasta ja todennäköisimmästä arvosta. Esimerkiksi tehtävän kesto voi olla 5–10 päivää, jolloin todennäköisin kesto on 7 päivää. Lisäksi on määritettävä, mikä todennäköisyysjakauma sopii kullekin muuttujalle. Todennäköisyys voi esimerkiksi noudattaa Gaussin kellokäyrän normaalia jakaumaa. Tämä tarkoittaa, että suurin osa arvoista sijaitsee lähellä keskiarvoa ja että arvot muuttuvat epätodennäköisemmiksi sitä mukaa, mitä kauemmas keskiarvosta mennään. Erityisesti silloin, kun ei ole oletusta siitä, mitkä arvot ovat todennäköisempiä, voidaan kuitenkin määritellä myös tasajakauma, mikä tarkoittaa, että jokainen arvo määritellyllä alueella on yhtä todennäköinen.
Tämän jälkeen Monte Carlo -simulaatiolla luodaan satunnaislukumenetelmien avulla monia erilaisia yhdistelmiä näistä muuttujista, jotta voidaan tuottaa erilaisia skenaarioita ja saada tuloksille hyvä jakauma. Sen sijaan, että saataisiin yksi ainoa arvio, menetelmä tuottaa näin satoja tai tuhansia mahdollisia tuloksia. Toisin sanoen simulaation jälkeen saadaan jakauma mahdollisista tuloksista. Projektinhallinnassa tämä voi olla esimerkiksi luettelo projektien kestosta, joka osoittaa, kuinka kauan projekti voisi kestää eri olosuhteissa. Graafisesti esitettynä voidaan selvästi nähdä, kuinka usein tietty tulos toteutuu. Esimerkiksi edellä mainitussa esimerkissä tehtävän kesto voisi olla seitsemän päivää 30 prosentissa tapauksista. Näitä tuloksia voidaan sitten tulkita ja käyttää päätösten perustana sekä riskien välttämiseksi.

Monte Carlo -simuloinnin soveltaminen projektinhallinnassa

Projektinhallinnassa Monte Carlo -simulaatiota käytetään projektien suunnittelun ja toteutuksen epävarmuustekijöiden hallintaan. Koska moniin projekteihin liittyy ennakoimattomia tekijöitä, kuten aika, kustannukset ja resurssit, tämä menetelmä auttaa arvioimaan riskejä ja tekemään perusteltuja päätöksiä. Esimerkiksi seuraavilla aloilla:

• Aikataulutus: Projekti koostuu monista tehtävistä, joiden tarkkaa kestoa on vaikea ennustaa. Monte Carlo -simulointi auttaa ottamaan nämä epävarmuustekijät huomioon arvioimalla jokaiselle tehtävälle lyhimmän, pisimmän ja todennäköisimmän keston. Simuloimalla useita mahdollisia aikatauluja voidaan selvittää, kuinka todennäköistä on, että projekti valmistuu tietyn aikataulun puitteissa. Tämä antaa projektipäälliköille mahdollisuuden määrittää varmuusmarginaalit ja asettaa realistiset määräajat.
• Kustannusten hallinta: Aikasuunnittelun tavoin myös kustannuksia voi olla vaikea ennustaa. Monte Carlo -simulaatio auttaa simuloimaan erilaisia kustannusskenaarioita ottamalla huomioon kunkin kustannuserän (materiaalit, henkilöstö jne.) osalta erilaisia mahdollisia kustannuksia. Simuloinnin avulla saadaan parempi käsitys projektin kokonaiskustannuksista ja voidaan tehdä perusteltuja budjettipäätöksiä. Näin voidaan esimerkiksi arvioida, kuinka todennäköistä on, että tietty budjetti ylitetään.
• Riskienhallinta: Riskejä esiintyy jokaisessa projektissa, mutta Monte Carlo -simulaatiota voidaan hyödyntää niiden vaikutusten arvioimiseksi paremmin. Jos tietyt riskit toteutuvat, simulaatio voi osoittaa, miten ne saattavat vaikuttaa projektin kestoon, kustannuksiin tai laatuun. Tämä mahdollistaa riskien ja niiden mahdollisten seurausten tarkemman arvioinnin. Projektipäälliköt voivat tämän ansiosta ryhtyä toimenpiteisiin näiden riskien minimoimiseksi ja ymmärtää, mitkä riskienhallintastrategiat ovat tehokkaimpia.

Monte Carlo -simuloinnin edut

Epävarmuustekijöiden parempi ymmärtäminen: Monte Carlo -simuloinnin avulla projektien epävarmuustekijät voidaan ottaa helposti huomioon, sillä simulaatio tuottaa joukon mahdollisia tuloksia ja niiden todennäköisyydet. Tämä auttaa tunnistamaan mahdolliset ongelmat jo varhaisessa vaiheessa.

• Hyvä päätöksenteko: Skenaarioiden ja todennäköisyyksien perusteella voidaan tehdä perusteltuja päätöksiä parhaan mahdollisen projektituloksen saavuttamiseksi.
• Avoimuus ja viestintä: Myös viestintä kaikkien sidosryhmien kanssa helpottuu, erityisesti kun on kyse monimutkaisten yhteyksien havainnollistamisesta. Kaaviot ja todennäköisyysjakaumat helpottavat riskien, ennusteiden ja päätösten ymmärtämistä.
• Joustavuus erilaisissa skenaarioissa: Erilaisten skenaarioiden läpikäyminen auttaa kehittämään vaihtoehtoisia strategioita ja toimintasuunnitelmia – jo ennen projektin käynnistämistä. Näin projektipäälliköt ovat aina turvassa projektin toteuttamisen aikana.
• Parempi riskienhallinta: Simulointi auttaa lisäksi tuomaan selvästi esiin mahdollisten riskien todennäköisyydet ja vaikutukset. Näin riskejä voidaan arvioida paremmin ja ryhtyä varotoimiin.

Monte Carlo -simuloinnin haasteet

• Menetelmän monimutkaisuus: Monte Carlo -simulointi on varsin monimutkainen, eikä sen vuoksi välttämättä helppo soveltaa. Simulointi edellyttää nimittäin hyvää ymmärrystä todennäköisyyksistä ja jakaumista sekä mahdollisimman tarkkoja arvioita, mutta kaikilla projektitiimeillä ei ole käytettävissään tarvittavia asiantuntijoita.
• Tarkkojen tietojen merkitys: Simuloinnin laatu riippuu suuresti syötetyistä tiedoista. Epätarkat arviot tai virheelliset oletukset todennäköisyysjakaumista johtavat virheellisiin tuloksiin. Siksi on tärkeää käyttää realistisia ja luotettavia tietoja, mikä osoittautuu käytännössä usein vaikeaksi.
• Tulkintaan liittyvät haasteet: Vaikka simulointi tarjoaa paljon hyödyllistä tietoa, tulosten oikea tulkinta ja viestintä voi olla haastavaa. Todennäköisyyksien ja riskien esittäminen on selitettävä selkeästi, jotta kaikki osapuolet ymmärtävät ne ja voivat tehdä niiden perusteella sopivia päätöksiä.
• Aika- ja resurssitarve: Vaikka menetelmä tuottaa arvokasta tietoa, se on usein aikaa vievää. Tarvittavien tietojen kerääminen, simulaation suorittaminen ja tulosten analysointi vaativat lisäaikaa ja resursseja, mikä on haaste monissa projekteissa.

Yhteenveto

Monte Carlo -simulointi tarjoaa selkeitä etuja ja voi auttaa vähentämään epävarmuustekijöitä ja riskejä erityisesti suurissa ja monimutkaisissa projekteissa. Se mahdollistaa tarkemman ja tietopohjaisen suunnittelun sekä parantaa päätöksentekoa. Potentiaaliset hyödyt on kuitenkin punnittava suhteessa suureen työmäärään ja haasteisiin, kuten monimutkaisuuteen ja tarkan datan tarpeeseen.

Lue lisää myPARM-projektin ja -salkunhallintaohjelmistosta:

Haluatko tutustua myPARMiin demossa? Varaa sitten tapaaminen kanssamme nyt!