项目管理工具大全

项目管理工具大全内容摘要：

对电信项目来说影响很大，因此这一指标的风险影响得分为5。 提示：不同类型项目针对同一风险指标的风险影响打分不同如“政策扶持程度”对日用消费品项目的风险影响就比较小。 3. 为每个指标的风险或机遇发生概率 (Probability)打分 A 为每个指标从 14 分的衡量标准。 B 明确规定 14 分的衡量标准。 例：风险指标“技术成熟程度”的风险概率： 见下页 技术成熟程度 风险概率 已具备必须的技术和产品水准 1 30%以下是新技术和新产品 2 30%60%为新技术和新产品 3 70%以上是新产品或尖端技术 4 4. 将每个指标的影响与概率相乘 ，例： 技术成熟程度 风险影风险概 IxP 响 (I) 率 (P) 已具备必须的技术和产品水准 3 3 3 30%以下是新技术和新产品 3 2 6 30%60%为新技术和新产品 3 3 9 70%以上是新产品或尖端技术 3 4 12 A 将所有风险指标的得分相加 B 将所有机遇指标的得分相加 C 绘制风险机遇评估矩阵 其中： I. 横坐标为项目风险评估 II. 横坐标最小单位为 1*风险指标个数 III. 最大单位为 4*5*风险指标个数 IV. 纵坐标为 项目机遇评估 V. 纵坐标最小单位为 1*机遇指标个数 VI. 最大单位为 4*5*机遇指标个数 例：具有 10 个风险指标和 5 个机遇指标的电信项目评估矩阵： (见图：风险与机遇评估 图 1) 机遇 10 风险 0 风险与机遇评估 — 图 1 应用范围 风险与机遇评估矩阵既适合于在项目前期对风险进行总体评估，又适合于项目实施过程中对具体工作步骤中的可能风险进行评估。 蒙特卡罗 模拟风险因素，评估项目风险 什么是蒙特卡罗 蒙特卡罗（ Monte Carlo）得名于摩洛哥的一个著名赌城，它实质上是利用服从某种分布的随机变量来模拟现实系统中可能出现的随机现象。 在项目管理中，可以用来模拟计算不确定性很强的项目收益、进度和成本，以及评估不确定因素对项目结果的影响。 蒙特卡罗的作用  计算在众多不确定性因素影响下，项目可能的收益、进度和成本；  分析在众多不确定性因素影响下，达到项目目标的概率；  分析各种不确定性因素对项目的影响程度；  找出关键性的影响因素。 怎么做 1. 确定要分析的不确定因素 例：三项项目活动的时间估计 T1， T2， T3。 T1 ① T2 ② T3 2. 确定目标函数 例：项目活动总时间＝ Max(T1,T2,T) 3．找出不确定因素的概率分布 例：三项项目活动的时间 T1， T2， T 符合 β 分布。 项目管理中常用的概率分布： β 分布 正态分布 泊松分布 项目活动的工期 项目活动的成本 项目总时间 项目总成本 项目总收益 机器故障问题 产品质量问题 项目运营维护费用 例：设项目活动的最短时间为 8 天，最长为 12 天，在 812 的区间内随机产生三个变量， 分别模拟三项项目活动的时间。 例：产生随 量的过程重复 300 次（或以上）。 例：分别统计项目总时间分别落在“项目开始－第 8 天”、“第 9 天－第 10 天”、“第 11 天－第 2 天”的频率。 例：分别计算 T1， T2， T3 落在关键路径上的次数，从而算出三条路径对项目总时间的影响程度。 适用范围： 1. 蒙特卡罗的特点是模拟次数越多，计算结果的可靠性越大。 特别适用于在计算机上对大型项目、新产品项目和其他含有大量不确定 因素的复杂决策系统进行风险模拟分析； 2. 蒙特卡罗模拟法不可能使计算结果发生实质性变化，但是可以给 算结果的概率分布，便于预测达到预期目标的可能性。 例：用蒙特卡罗做敏感性分析的流程图： N＝ H1=H2=H3=0 产生随机数 8≤ X1≤ 12 8≤ X2≤ 12 8≤ X3≤ 12 X1X2AND X1X3 X2＞ X1AND X2＞ X3 H1＝ H1＋ 1 H2=H2+1 X3X1ANDX3X2 H3=H3+1 H1+H2+H3≤ 300 计算 P1=H1/（ H1+H2+H3） P2=H2/（ H1+H2+H3） P3=H3/（ H1+H2+H3） 决策树 预测项目期望值，做出风险决策 什么是决策树 决策树是一种运用树状网络图形，根据期望（损益）值决策准则进行项目战略决策分析的工具。 决策树的作用  能有效地对风险型项目进行战略决策分析；  运用树状网络图直观、方便、易操作；  是一种定量的 决策分析工具，可以有效地解决多级（序贯）决策问题。 怎么做 决策树由以下四部分组成，如下图：  决策节点 方案节点 — 树枝 树梢 销路好 ()20 大批量生产 A1 一般 () 14 销路差 ()12 销路好 ()18  中批量生产 A2 一般 () 12 销路差 ()8 销路好 ()16 小批量和平 一般 () 10 销路差 ()6 决策树图 — 图 1 1. 画出决策树 A 先画一决策节点“  ”； B 从决策节点引出方案分枝，分枝上注明方案名或代号； C 方案分枝的末端画上方案节点“ ”； D 从每个方案节点引出状态分枝“ — ”，分枝上注明状态名、代号及其出现的概率； C 树梢末画上结果节点“ △ ”，旁边注明相应的损益值。 提示： 按照从左到右的顺序画决策树，画决策树的过程本身就是一个对决策问题进一步深入探索的过程。 例： 某计算机制造商为开发一种市场需要的新产品考虑筹建一个分厂。 经过调查研究取得以下有关资料： 方案 状态 收益值（万元 /年） 投资额（万元） 前 3 年情况 后 7 年情况 S1（销路好） S2（销路差） S1（销路好） S2（销路差） P（ S1） = P(S2)= P（ S1） = P(S2)= A1 （建大厂） 300 100 20 100 20 A2 （建小厂） 120 40 30 扩建 95 20 200（后 7 年扩建） 不扩建 40 30 决策树 表 1 销路好（ ） △ 100 销路好 () 建大厂 A1 投资 300 销路差 () △ 20 销路 差 () 销 路差 () △ 100 ① 销路好 ()△ 40 不扩建 销路差 ()△ 30 销路好 ()△ 95 扩建投资 200 销路差 ()△ 20 建小厂 A2 投资 120 销路差 △ 30 3年 7 年 2 4 5 3 6 8 9 7 决策树 — 图 2 2．计算各方案的期望值损益值 按从右到左的顺序计算期望损益值，并将结果标注在相应的状态节点处。 点 ⑤ ： [100*+(20)*]*7(年 )=616 点 ② ： (20)**7(年 )=140 100**3(年 )+616*+(20)**3(年 )+(140)*(建大厂投资 )= 点 ⑧ ： (40*+30*)*7(年 )=273 点 ⑨ ： [95*+(20)*]*7(年 )200(扩建投资 )= 因 273,说明扩建方案好。 划掉不扩建方案 ,并将点 9 的期望值转移到点 6 处 . 点 ⑦ ： 30**7(年 )=210 点 ③ ： 40**3(年 )+*+30**3(年 )+210*(建小厂投资 )= 带有期望损益值的决策树：（单位：万元） 见下页图 616 销路好（ ） △ 100 281． 2 销路好 () 建大厂 A1 投资 300 销路差 () △ 20 140 销路差 () 销路差 () △ 100 ① 273 销路好 ()△ 40 384． 5 不扩建 销路差 ()△ 30 384 ． 5 销路好 ()△ 95 扩建投资 200 323 ． 3 销路差 ()△ 20 建小厂 A2 投资 120 210 销路差 △ 30。