Építési projektek ütemtervi bizonytalanságainak, kockázatainak figyelembe vétele a pénzügyi tervezésnél Balogh János gépészmérnök, műszaki menedzser MSc., vezető programkoordinációs szakértő, MVM Paks II. Zrt. Magyar Projektmenedzsment Szövetség, Építési Tagozata, ÓBUDA-ÚJLAK BERUHÁZÁSSZEVEZŐ ÉS FŐVÁLLALKOZÓ ZRT. A beruházások korszerű vezetése konferencia 2015. szeptember 17. Tartalom Bevezetés, alapfogalmak Sgörbék alapján Gyakorlati példa determinisztikus ütemterv alapján történő pénzügyi előrejelzéshez Sztochasztikus ütemtervek, Monte Carlo módszer alapfogalmak minta példa mire használjuk a sztochasztikus ütemterv elemzést? Kérdések és válaszok 2 Bevezetés, alapfogalmak Az ütemtervezést a tevékenység időtartamok definiálása szerint csoportosítva: Determinisztikusokazok, ahol a tevékenységek megvalósítási időtartamai egyértelműen meghatározhatók. a CPM (Critical Path Method) az MPM (Metra Potencial Method) (Magyarországon napjainkban a legismertebb ilyen algoritmussokkal működő szoftverek: MS Project, Primavera P6, ProJack) Sztochasztikusesetén a tevékenységek megvalósítási időtartamait valószínűségi változók formájában adjuk meg. PERT(Program Evaluation Review Technic) Monte Carlo szimulációs módszer Bevezetés, alapfogalmak Determinisztikus ütemterv korai és késői S-görbéi Ahhoz, hogy egy ütemterv használható korai és késői S- görbéit megkapjuk szükség van: - A jól elkészített hálótervre. - A tevékenységek elfogadott teljesülési súly arányaira (elfogadott értékére). (Magyarországon napjainkban a legismertebb ilyen algoritmussal működő szoftverek: Primavera Risk Analysis, ProJack, speciális Excel modulok, MS Project kiegészítő modulok) 3 4 10 9 8 7 5 3 2 Kövér-görbék A követő kapcsolatok megadása hiányos, ezért irreálisan hosszú tartalékidők keletkeznek az A és D tevékenységnek nincs követő tevékenysége, ezért a Befejezésig számítódik a tartalékidő. 5 10 9 8 7 5 3 2 Sovány-görbék Irreálisan sok a kritikus tevékenység. Ebben az esetben a tevékenységek általában fix dátummal vannak megadva, ezért a tevékenységekre tartalékidők nem keletkeznek az A és D tevékenység fix kezdődátummal van megadva, ezért a tartalékidejük nulla. 6 MSc., vezető programkoordinációs szakértő 1
10 9 8 7 5 3 2 Egymást metsző-görbék Az ütemterv negatív tartalékidőkkel rendelkezik, azaz a logikai kapcsolatok az átfutási idők és a fix dátumok ellentmondásban vannak. Hibás ütemterv. D tevékenységhez egy fix befejezési dátum lett megadva, ami korábbi dátum a logikai háló által számítottnál, ezért negatív tartalékidők keletkeznek. 7 10 9 8 7 5 3 2 Normál-görbék 8 - Nincs negatív tartalékidő. - Minden tevékenységnek van reális megelőző és követő tevékenysége. - A fix dátumkötöttségek (kezd ekkor, fejezd be ekkor) lehetőség szerint kerülve vannak az Gyakorlati példa pénzügyi tervezési problémára 10 4 3 1 Autópálya építési projektek a 2001-es és 2003-as években. A beruházási érték meghaladta a 100 milliárd Ft-ot. Az első pénzügyi tervet Excel tábla segítségével készítették. 9 10 10 4 3 1 A 10. hónapban a tényadatok már komoly problémát jeleztek A tény adatok közel. 5-os elmaradásban voltak a tervhez képest. A vállalkozót folyamatos támadások érték az elmaradások miatt. 11 10 4 3 1 Kezdeti Primavera korai terv Kezdeti Primavera Késői terv A vállalkozó a helyzet elemzéséhez a Primavera ütemtervező szoftver használatát vezette be. A tevékenységekhez hozzárendelték a költségvetési adatokat is. Ezek alapján a korai és késői készültségi előrejelzés S-görbéi megszerkeszthetőek lettek. Kiderült, hogy a kiinduló pénzügyi terv irreálisan magas előrehaladást feltételezett. 12 MSc., vezető programkoordinációs szakértő 2
10 4 3 1 Aktualizált Primavera korai terv a 10.hónapban Az ütemterv aktualizálásra került a 10. hónap aktuális adatai alapján. Ezek alapján meghatározásra kerültek az új aktualizált korai és késői készültségi előrejelzés S-görbéi. 10 4 3 1 Aktualizált Primavera korai terv a 10.hónapban Aktualizált Primavera Késői terv a 10.hónapban Az átdolgozott pénzügyi terv a korai és késői készültségi előrejelzés átlagában lett meghatározva. Az új pénzügyi terv megfelelőnek bizonyult, csupán néhány százalékos eltérést mutattak a tény adatok a projekt lefutása során. Aktualizált Primavera Késői terv a 10.hónapban Átdolgozott pézügyi terv 13 14 Sztochasztikus Monte Carlo módszer, alapfogalmak Sztochasztikus ütemtervezés, Monte Carlo módszer A Monte Carlo módszer kidolgozását az atombomba megvalósításán Los Alamosban dolgozó tudóscsapatnak tulajdonítják: o Neumann János o Stan Ulam o Enrico Fermi o Nicholas Metropolis START A modell felépítése, konfigurálása ITERÁCIÓ = ITERÁCIÓ + 1 NEM Véletlen szám generálás Számítások futtatása Az összes futtatás kész? VÉGE IGEN 15 16, alapfogalmak A tevékenység megvalósítási időtartamait valószínűségi változókkal adjuk meg, úgy hogy megadjuk a tevékenység Optimista, Normálés Pesszimista átfutási idejét. (általában szakértői munkacsoportok szubjektív becslései alapján) A becslésekhez eloszlási függvényt rendelünk., alapfogalmak Az eloszlás függvények a teljesség igénye nélkül a következők lehetnek: Bekövetkezés valószínűsége Legvalószínűbb idő Normal LogNormal Beta General Discrete Uniform Hasonlóképpen a költségeket is megbecsülhetjük. Optimista idő Pesszimista idő Triangle Trigen Rövidebb idő Hosszabb idő 17 18 MSc., vezető programkoordinációs szakértő 3
, alapfogalmak A kérdéses tevékenységek megvalósításának valószínűségét is megadhatjuk. Ebben az esetben megbecsüljük, hogy hány százalék a valószínűsége annak, hogy a tevékenységet el kell majd végezni. A tevékenységek paramétereinek megadása után megadjuk, hogy a futtatás során hány iteráció legyen. Vizuális példa egy futtatásra (avi file): B esemény bekövetkezési valószínűsége 10 % Ha a szimuláció során az esemény bekövetkezik, akkor B tevékenység figyelembe lesz véve az elemzéseknél. A B C Ha a szimuláció során az esemény nem következik be, akkor B tevékenység nulla értékkel lesz figyelembe véve az elemzéseknél. A B=0 C 19 20 A futtatás eredményeiből elemzések, statisztikák készülnek. Az előző példa eredménye a megvalósítási időre nézve: Az előző példa eredménye a költségekre nézve: 21 22 Az előző példa eredménye a P80-as költség előrejelzésre: Mire használjuk a sztochasztikus ütemterv elemzést? A projekt valószínűsíthető befejezési dátumának a meghatározására A valószínűsíthető költségek meghatározására. o Mivel a kivitelezés irányítása a determinisztikus ütemterv szerint történik, a projekt költségkeretét a determinisztikus adatokhoz rendelt tartalék kerettel és inflációval növelten célszerű meghatározni. o A Monte Carlo módszer a tartalékkeret és az infláció mértékének meghatározására nyújt segítséget a pénzügyi kollégáknak. Mire ne használjuk a sztochasztikus ütemterv elemzést? A sztochasztikus ütemterv elemzés alapján a determinisztikus ütemtervünk áttervezésére. o A tevékenységek sztochasztikus elemzése nagymértékben szubjektív becsléseken alapul, amely időről időre változik. 23 24 MSc., vezető programkoordinációs szakértő 4
Köszönet nyilvánítás Dr. Hajdu Miklósnak PhD (intézetigazgató Szent István Egyetem - Ybl Miklós Építéstudományi Kar, Építés kivitelezési és alaptárgyi intézet), aki Magyarországon az ütemtervezési technikákkal tudományos szinten foglalkozik és több mint 15 éve szakmai konzultációt, támogatást nyújtott a munkáimhoz. Nyilatkozat A jelen előadásomban bemutatottak, illetve azon elhangzottak kizárólag az MVM Paks II. Zrt.-vel létrejött munkaviszonyomat megelőző szakmai életpályámon szerzett tapasztalataimat, illetve magánvéleményemet tükrözik, azok semmilyen kapcsolatban nem állnak az MVM Paks II. Zrt.-vel és annak tevékenységével, illetve az említett társaság álláspontjával, az ilyen bármiféle esetleges kapcsolat is kizárt. 26 Kérdések és válaszok Köszönöm a megtisztelő figyelmet! 27 28 MSc., vezető programkoordinációs szakértő 5