Pobierz artykuł PDF

ANALIZA WYBRANYCH STRATEGII KOMPUTEROWEJ SYMULACJI
WIELOWYMIAROWEJ OPTYMALIZACJI PROWADZENIA PROJEKTÓW
BOGDAN LENT
Akademia Obrony Narodowej Warszawa
Streszczenie
Symulacja komputerowa moĪliwych strategii postĊpowania w prowadzeniu złoĪonych projektów pod kątem wielowymiarowej optymalizacji umoĪliwia Ğwiadomy,
uzasadniony i ekonomiczny wybór właĞciwego postĊpowania. W poniĪszym artykule
zaprezentowano system symulacji i wyniki róĪnych strategii. W przetestowanych warunkach brzegowych wykazano stochastyczny wpływ szczegółowej implementacji algorytmów decyzyjnych oprogramowania symulacyjnego. Stosowane od roku 2006
narzĊdzie jest wartoĞciową pomocą dla praktyków i cennym wsparciem dydaktycznym w procesie nauczania prowadzenia projektów w Szwajcarii i Polsce. DoĞwiadczenia wskazują na celowoĞü przekształcenia stochastycznych zachowaĔ w Ğwiadome
uwzglĊdnienie czynnika ludzkiego w systemie symulacji.
Słowa kluczowe: prowadzenie projektów, symulacja, strategie, TopSim, optymalizacja koszt –
termin - wynik, stochastyka narzdzi symulacji
1. Znaczenie symulacji prowadzenia projektów
Zdecydowana wikszo zada w przedsibiorstwach realizowana jest w formie projektów [1].
Prowadzenie projektów jest czci usług, przynoszcych obecnie najwikszy produkt krajowy
brutto w krajach dobrze rozwinitych i w krajach rozwijajcych si o wysokim wzrocie gospodarczym, do których naley Polska [2,3] i wynosi do 11,5% kosztów projektu [4].
Wikszo projektów wymaga umiejtnoci wielowymiarowej optymalizacji zada. 80 % projektów kosztuje powyej 250.000 zł, w 60% projektów zaangaowanych jest wicej ni 20 osób
(Ekstrapolacja bada [5]).
Dla wypracowania właciwej decyzji prowadzcy projekt musi optymalizowa wzgldem siebie 500 – 800 pojedynczych czynnoci [7]. Nono tych decyzji w przypadku złoonych projektów i wielu współpracowników prowadzi do niezadowalajcych jak dotd rezultatów.
Wieloletnie badania efektywnoci [4,8] prowadzonych projektów wskazuj, e liczba projektów koczcych si w planowanym terminie, dostarczajc planowane rezultaty, przy planowanych
kosztach, oscyluje na przestrzeni lat około 30-40%
Kerzner wskazuje na trzy dziedziny umiejtnoci, odpowiedzialnych za sukces projektu: umiejtnoci socjalne w zakresie czynnika ludzkiego, znajomo technologii i umiejtnoci organizacyjne [9]. Te ostatnie s odpowiedzialne za właciwy wybór strategii postpowania przy uwzgldnieniu wszystkich wyej wymienionych czynników, wpływajcych na złoono projektu.
Czynnoci organizacyjne dadz si zalgorytmizowa. Prowadzi to do moliwoci zbudowania
i wykorzystania narzdzi symulacji przebiegu projektu. Moliwe staje si przeanalizowanie
rezultatów projektu przy rónych scenariuszach, rónych warunkach brzegowych, jeszcze przed
POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ
Seria: Studia i Materiały, nr 22, 2009
97
podjciem decyzji o duym znaczeniu ekonomicznym. Według Sauter efektywno uczenia si i
opanowania umiejtnoci prowadzenia projektów wzrasta o 40% w porównaniu z klasycznym
nauczaniem wykładem i wiczeniami [10].
Rynek praktycznie stosowanych narzdzi jest zaskakujco ograniczony. Stosowane narzdzia
prawie wyłcznie oparte s na koncepcji architektury i struktur pojedynczych czynnoci [7-14].
W niniejszej publikacji przeanalizowany jest wynik symulacji optymalizacji trzech podstawowych parametrów projektu: czasu realizacji, kosztów i osignitych rezultatów, przy pomocy
symulatora TopSim najbardziej rozpowszechnionego w rodowisku akademickim w symulacji
procesów i projektów w Europie [11].
2. System Symulacji TopSim
TopSim, powstałe w latach 90tych, przeywa renesans od roku 2006, w którym mark przejł
koncern TATA. Symulator zapewnia graficzn moliwo prezentacji i edycji zada i sieci zada.
Pracuje na kadym komputerze PC niezalenie bdz w sieci połczonej ze stanowiskiem instruktora symulacji.
Pojedyncze zadanie przedstawione jest w nastpujcej postaci rys.1:
Rys. 1. Symbole TopSim
Gdzie:
1. Numer zadania
2. Bufor, który jest okrelony liczb tygodni
3. Długo w tygodniach potrzebn na wykonanie zadania
ͲͲͲͲͲͲͲͲͲͲͲWysokie ryzyko (zadanie o najmniejszej liczbie tygodni z dostpnych wariantów)
ͲͲͲͲͲͲͲͲͲͲͲNiskie ryzyko (zadanie o najwikszej liczbie tygodni z dostpnych wariantów)
ͲͲͲͲͲͲͲͲͲͲͲrednie ryzyko (zadania, które nie spełniaj powyszych kryteriów)
Zadanie z buforem 2+ tygodnia
Zadanie z buforem 1 tydzie
Zadanie na ciece krytycznej
Dla celów niniejszego opracowania oryginalny TopSim kod kolorami wzmocniony został symbolami graficznymi.
98
Bogdan Lent
Analiza wybranych strategii komputerowej symulacji wielowymiarowej
optymalizacji prowadzenia projektow
3. Dobór zadania do symulacji strategii
Do symulacji wybrano typowy projekt o w miar przejrzystej strukturze. Harmonogram pocztkowy poszczególnych zada okrelaj zalenoci wyraone liniami łczcymi poszczególne
zadania (rys. 2). Krytyczna cieka zaznaczona jest kolorem czerwonym w oryginale, symbolem
na rys. 2.
Rys. 2. Harmonogram wyjĞciowy
Wstpny harmonogram został przygotowany na 73 tygodnie. Załoeniem projektu jest zakoczy projekt po 65 tygodniach. Ewentualne opónienie skutkuje kar, a wczeniejsze zakoczenie
projektu nagrod, w obu przypadkach od 150 do 400 tys. Euro/tydzie. Podobnie premiowane
bd karane od 50 do 200 tys. Euro s osignicia technologiczne (PT) bd jakociowe (PQ).
POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ
Seria: Studia i Materiały, nr 22, 2009
99
4. Kryteria symulacji
Kryteria rozwaane s z dwóch punktów widzenia:
• Zleceniodawca zainteresowany jest uzyskaniem produktu o moliwie najwyszej jakoci, za moliwie najmniejsz cen.
• Wykonawca projektu zainteresowany jest maksymalizacj przychodu przez dostarczenie produktu przy jak najniszych kosztach.
Dla celów analizy TopSim przyjto kryterium wykonawcy z maksymalizacja mary Project
Margin (PM), PM jest to rónica pomidzy kosztami (Costs), a przychodami (Revenue) w projekcie. Procentowy stosunek PM do przychodów nazywany jest mar – Gross Margin (GM):
GM = PM / Revenue * 100%
Warunki pocztkowe symulacji przedstawia tabela na rys. 3.
LP
0
Tygodnie
73
PT
100
PQ
100
Koszty
8525 k€
Przychód
8050 k€
PM
-475 k€
GM
-5,9%
Rys. 3. Warunki początkowe symulacji
5. Wybrane strategie symulacji
Komputerowe wyszukanie optymalnego rozwizania prowadziłoby do analizy 1246 (czyli
4,4*1049) rozwiza:
• Mamy 46 zada.
• Kade z zada umoliwia wybranie 1 z 4 wariantów (1 domylny + 3 alternatywy).
• Kady wariant w trakcie realizacji posiada do 3 odchyle (1 rzeczywista moliwo realizacji wczeniej wybranego wariantu + 2 alternatywy).
Podejcie to nie słuy celom dydaktycznym symulatora – wykształceniu umiejtnoci analizy
sytuacji i wyboru rozwizania przez prowadzcego projekt. W dalszej analizie przyjto nastpujcy scenariusz symulacji przez uczcego si prowadzenia projektów:
1. Przygotowanie
Na pocztku okrelone zostaj wszystkie potencjalnie przydatne rozwizania. Aby mona
było je okreli, naley wykona 4 przebiegi projektu, w których, dla kadego zadania,
zostan wybrane wszystkie moliwe warianty. Podczas uruchamiania poszczególnych zada, na ekranie ukazuj si dostpne odchylenia, dla kadego z wariantów. Uczcy si
wybiera potencjalnie najlepsze do póniejszej analizy.
2. Najkrótszy przebieg
a. Opracowa moliwie krótk ciek krytyczn (realizacja projektu w najkrótszym czasie), z pominiciem skrajnie niekorzystnych rozwiza technologicznych i jakociowych.
b. Opracowa najwyszy moliwy zysk, przy zachowaniu cieki krytycznej. Uzyska to
mona poprzez eliminacj buforu w poszczególnych zadaniach.
3. Przebieg optymalny
a. Opracowa optymalny czasu realizacji projektu. Naley tutaj uwzgldni nastpujce
czynniki:
100
Bogdan Lent
Analiza wybranych strategii komputerowej symulacji wielowymiarowej
optymalizacji prowadzenia projektow
• Kady tydzie wydłuenia realizacji projektu generuje zmniejszenie bonusu z tytułu
terminowoci, a co za tym idzie przychodu.
• Z drugiej strony, kade tydzie wydłuenia realizacji projektu, to potencjalna moliwo uzyskania kilku punktów technologicznych i jakociowych, ale i równie obnienie kosztów projektu.
b. Opracowa najwyszy moliwy zysk, przy zachowaniu cieki krytycznej (eliminacja
buforu).
Przebieg najkrótszy
W celu znalezienia najkrótszego rozwizania, teoretycznie wystarczy „złoy” przebieg z zada o moliwie krótkim czasie realizacji. W niektórych przypadkach, wydłuenie realizacji
pojedynczego zadani o 1 tydzie, zwikszało liczb punktów za jako i technologi, o łcznie 4
lub wicej. Biorc pod uwag, e kady z tych punktów jest warty 100k€, a pojedynczy tydzie to
strata maksymalnie 300k€, to bezdyskusyjnie warto wydłuy realizacj takiego zadania.
W tym przypadku wydłuone zostały realizacje zada:
• Zadanie 1 (+0 tygodni, +4 punkty).
• Zadanie 16 (+1 tydzie, +5 punktów).
• Zadanie 40 (+ 2 tygodnie, +8 punktów).
LP
0
1
Tygodnie
73
56
PT
100
110
PQ
100
119
Koszty
8525 k€
14689 K€
Przychód
8050 k€
14320 k€
PM
-475 k€
-369 k€
GM
-5,9%
-2,6%
Rys. 4. Wyniki symulacji najkrótszego przebiegu
W porównaniu do przebiegu zerowego zyskalimy a 17 tygodni oraz a 29 punktów technicznych
i jakociowych (rys. 4). Niestety, konsekwencj takiego posunicia, jest znaczcy wzrost kosztów.
Optymalizacja mar
y
Aby uzyska wiksz mar na projekcie naley kosztem tygodni, tak sterowa kosztami i jakoci, aby uzyska optymalny, pod wzgldem mary przebieg.
W kolejnym przebiegu wydłuona została cieka krytyczna o 1 tydzie, a dziki temu zwikszona technologia i jako zada 39 i 41.
Zoptymalizowana równie została lewa cz projektu tak, aby zniwelowa do zera dostpny
bufor (uzyska maksymalnie duo zada na ciece krytycznej). Tylko 4 zadania maj bufor
wikszy ni 1 tydzie. 9 zada ma bufor równy 1 tydzie. A 33 zadania s na ciece krytycznej.
Dziki takim zmianom udało si uzyska pozytywny wynik projektu, przedstawiony na rys. 5:
POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ
Seria: Studia i Materiały, nr 22, 2009
LP
0
1
2
Tygodnie
73
56
57
PT
100
110
116
PQ
100
119
126
Koszty
8525 k€
14689 k€
14030 k€
Przychód
8050 k€
14320 k€
15470 k€
PM
-475 k€
-369 k€
1440 k€
101
GM
-5,9%
-2,6%
9,3%
Rys. 5. Wyniki symulacji optymalizacji marĪy
Uzyskanie mary na poziomie 1440k€, przy zachowaniu 57 tygodni na realizacj projektu jest
nad wyraz dobrym wynikiem (w porównaniu do innych wyników, uzyskiwanych w symulacji).
Szczegółowy rozkład poszczególnych zada dla przykładu 2 przedstawia rys. 6:
LP
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
Tygodnie
7
40
5
7
6
5
1
2
4
8
4
4
8
16
6
17
16
13
10
20
5
13
18
5
3
10
10
9
8
1
9
8
2
PT
1
2
1
3
2
1
0
0
1
2
0
0
2
1
0
0
0
-2
0
0
0
1
0
0
0
1
0
0
0
0
-3
0
-2
PQ
1
2
1
3
2
2
0
0
1
2
0
0
2
1
-2
3
0
-2
2
0
1
1
0
-3
0
1
1
0
0
0
-1
4
-2
Koszt
215 k€
450 k€
190 k€
100 k€
240 k€
100 k€
190 k€
400 k€
90 k€
450 k€
460 k€
140 k€
80 k€
460 k€
550 k€
1 050 k€
1 100 k€
480 k€
150 k€
340 k€
230 k€
280 k€
600 k€
580 k€
50 k€
650 k€
140 k€
350 k€
480 k€
50 k€
350 k€
360 k€
340 k€
102
Bogdan Lent
Analiza wybranych strategii komputerowej symulacji wielowymiarowej
optymalizacji prowadzenia projektow
LP
Tygodnie
3
3
3
1
2
5
4
5
3
5
1
3
0
34
35
36
37
38
39
40
41
42
43
44
45
46
Total
PT
-1
1
0
-1
0
2
3
1
0
0
0
0
0
116
PQ
-1
1
-1
0
0
2
2
1
0
2
0
0
0
126
Koszt
210 k€
380 k€
150 k€
140 k€
240 k€
90 k€
60 k€
60 k€
180 k€
60 k€
220 k€
30 k€
150 k€
13 665 k€
Rys. 6. Szczegóły symulacji optymalizacji marĪy
Przebieg optymalny
Jako baz do znalezienia optymalnego przebiegu, uyty został, wczeniej opracowany „przebieg najkrótszy”. Pierwszym załoeniem, które zostało przyjte, jest wydłuenie realizacji projektu
do 63 tygodni. W takim okresie czasu uzyskujemy stosunkowo najwikszy bonus za termin
oddania projektu. Kosztem 6 dodatkowych tygodni udało si zyska:
• +15 punktów technologicznych,
• +15 punktów jakociowych,
• -397k€ kosztów uzyskania produktu,
• +700k€ przychodu.
Zestawienie uzyskanych wyników podaje rys. 7:
LP
0
1
2
3
Tygodnie
73
56
57
63
PT
100
110
116
131
PQ
100
119
126
141
Koszty
8525 k€
14689 k€
14030 k€
13597 k€
Przychód
8050 k€
14320 k€
15470 k€
16170 k€
PM
-475 k€
-369 k€
1440 k€
2573 k€
GM
-5,9%
-2,6%
9,3%
15,9%
Rys. 7. Wyniki symulacji optymalizacji marĪy
Osignicie tak dobrego wyniku w 3-cim przebiegu sugeruje wyrane zblianie si do złotego
rodka „magicznego trójkta równowagi”. Pytanie, które naleałoby sobie zada w tym momencie
brzmi – czy to jest ju maksymalny potencjalny zysk? Czy mona osign jeszcze wicej?
Bdc w duej bliskoci ostatecznego terminu spróbujmy wydłuy termin projektu o 1 tydzie. Rozwamy potencjalne moliwoci zysku, z takiego rozwizania. Najbardziej korzystnym
wydaje si zmodyfikowa nastpujce zadania:
• Zadanie 12 (+4 tygodnie; +1 PT, +1 PQ)
POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ
Seria: Studia i Materiały, nr 22, 2009
103
• Zadanie 30 (+3 tygodnie; +0 PT, +2 PQ)
• Zadanie 10 (+1 tydzie; +1 PT, +1 PQ)
• Zadanie 15 (+5 tygodni; +0PT, +2 PQ)
Łcznie uzyskujemy 8 punktów, kosztem jednego tygodnia. Teoretycznie zyskujemy 8*100k€,
kosztem 300k€. Bilans wydaje si w miar oczywisty – spójrzmy na przebieg symulacji.
Uzyskane wyniki s bardzo zaskakujce. Przychód spadł o 300k€ bez korzyci technologicznych czy jakociowych. Zestawienie przebiegów projektu przedstawia rys. 8:
LP
0
1
2
3
4
Tygodnie
73
56
57
63
64
PT
100
110
116
131
133
PQ
100
119
126
141
147
Koszty
8525 k€
14689 k€
14030 k€
13597 k€
13447 k€
Przychód
8050 k€
14320 k€
15470 k€
16170 k€
15870 k€
PM
-475 k€
-369 k€
1440 k€
2573 k€
2423 k€
GM
-5,9%
-2,6%
9,3%
15,9%
15,3%
Rys. 8. Wyniki symulacji modyfikowanej optymalizacji marĪy
6. Wpływ warunków brzegowych i implementacji algorytmu
Analizujc raport, który mona wygenerowa z aplikacji, mona doj do nastpujcych wniosków:
• Przychód z tytułu PT wynosi 2720k€
• Przychód z tytułu PQ wynosi 2850k€
• Przychód z tytułu terminu oddania 300k€
• Podstawowy, lub te bazowy przychód za zrealizowanie projektu to 10000k€
• Łcznie: 15870k€
Na pierwszy rzut oka wida, e przychód z tytułu PQ i PT nie jest liczony zgodnie z wczeniejszymi załoeniami. Gdyby bazowa na załoeniach projektu, to przychód za 80 nadmiarowych
punktów wynosiłby 8000k€, a nie 5770k€ (rys. 9):
LP
3
4
Tygodnie
63
64
PT
131
133
PQ
141
147
Koszty
13597 k€
13447 k€
Przychód
17800 k€
18300 k€
PM
4203 k€
4853 k€
GM
23,6%
26,5%
Rys. 9. Oczekiwane wyniki symulacji modyfikowanej optymalizacji marĪy
Analizujc powysz sytuacj i uruchamiajc kilka dodatkowych przebiegów udało si ustali,
e algorytm symulacji przewiduje ograniczenie pod wzgldem liczby punktów PT i PQ do 130
punktów. Podobnie przeanalizowano system kar i bonusów. Załoenie zakoczenia projektu 8
tygodni przed terminem powinno da bonus 150k€ za kady tydzie – czyli 1200k€. Faktycznie
TopSim daje 2*300k€ (za pierwsze 2 tygodnie) + 3*250k€ (za kolejne 3 tygodnie) + 2*200k€ (za
kolejne 2 tygodnie) + 150k€, czyli 1900k€. Podobnie, lecz znacznie mniej korzystnie przedstawia
si w przypadku bonusów za punkty technologiczne i jakociowe.
Majc wiadomo algorytmu naliczania jest znacznie łatwiej dy do uzyskania optymalnego
przebiegu z uwzgldnieniem właciwoci symulatora TopSim:
104
Bogdan Lent
Analiza wybranych strategii komputerowej symulacji wielowymiarowej
optymalizacji prowadzenia projektow
• Minimalna liczba tygodni
• 130 PT
• 130 PQ
• Minimalna warto kosztów
Opracowano przebieg, który w najwikszym stopniu zblia si, do powyszych kryteriów idealnych rys. 10:
LP
0
1
2
3
4
5
Tygodnie
73
56
57
63
64
61
PT
100
110
116
131
133
127
PQ
100
119
126
141
147
136
Koszty
8525 k€
14689 k€
14030 k€
13597 k€
13447 k€
13333 k€
Przychód
8050 k€
14320 k€
15470 k€
16170 k€
15870 k€
16370 k€
PM
-475 k€
-369 k€
1440 k€
2573 k€
2423 k€
3037 k€
GM
-5,9%
-2,6%
9,3%
15,9%
15,3%
18,6%
Rys. 10. Wyniki symulacji optymalnego przebiegu z uwzglĊdnieniem specyfiki TopSim
Uzyskany ostateczny wynik wydaje si by optymalnym i maksymalnym moliwym do uzyskania.
7. Podsumowanie wyników symulacji
Moliwo symulacji TopSim i przeprowadzona analiza umoliwiły:
• Wykazanie znaczcej rónicy pomidzy planowaniem, a rzeczywistoci w projekcie.
• Praktyczne wykazanie zalenoci pomidzy terminem, kosztami, a ostatecznym produktem.
• Przewiczenie dynamiki projektu w cotygodniowej modyfikacji sytuacji.
• Moliwo wykształcenia jednoczesnej wielowymiarowej optymalizacji postpowania.
• Rywalizacji w zespole (w wiczeniu 3-osobowym), wraz z jednoczesn rywalizacj z 4 innymi zespołami.
• Ocen wpływu stochastycznych efektów załoe finansowych symulatora i rzeczywistego
sposobu rozliczenia.
• Wykazanie nieprzewidywalnoci efektów ronych scenariuszy midzy wariantami bezpiecznym a wysoce ryzykownym, agresywnym prowadzeniem projektu. Przykład zadania nr 16:
- W wariancie agresywnym:
• Planowane zakoczenie po 12 tygodniach
• Rzeczywiste zakoczenie po 16 tygodniach (-1 PT, -1 PQ)
- W wariancie bezpiecznym:
• Planowane zakoczenie po 22 tygodniach
• Rzeczywiste zakoczenie po 17 tygodniach (0 PT, +3 PQ)
POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ
Seria: Studia i Materiały, nr 22, 2009
105
8. Wnioski
W artykule tym przeprowadzono analiz komputerowej symulacji projektu symulatorem
TopSim. Przy zadanych kryteriach moliwy jest wybór ronych strategii optymalizacji prowadzenia projektu, w zalenoci od decyzji prowadzcego projekt w wielowymiarowej optymalizacji.
Dodatkowo stochastyczny wpływ rónic implementacji algorytmów odpowiada realiom prowadzenia projektów, uzalenionych silnie od czynnika ludzkiego, wpływajcego zarówno na efektywno wykonywanych prac (do dziesiciokrotnego wzrostu) jak i osigni technologicznych,
a przede wszystkim jakoci. Poszukiwania odpowiednich narzdzi s przedmiotem dalszych bada
naukowych autora jak i innych orodków [10, 16, 17].
Intensywna praca z symulatorem i opracowanie wyników w ramach studiów podyplomowych
prowadzenia projektów przez mgr in. Cypriana Malaka były istotnym wkładem w postpy prac
zespołu – nasze najlepsze podzikowania.
Bibliografia
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
Peters T.: The Project 50: Fifty Ways to Transform Every "Task" into a Project That
Matters!, Knopf, USA, 2001.
Kurdycka I.: Czynniki kształtujce wzrost PKB w Polsce, Wysza Szkoła Finansów
i Zarzdzania w Warszawie, Warszawa 2006.
Zimny Z.: Wprowadzenie do raportu. wiatowy raport inwestycyjny 2004 zwrot w stron
usług, United Nations Conference on Trade and Developemnt, Raport 2004.
Engel C., Holm C., Nienstedt D.: Ergebnisse der Projektmanagement Studie 2007 –
Schwerepunkt Kosten und Nutzen von GPM, PA Consulting Group, Bern, 2007.
Lent B.: Analiza potrzeb i koncepcja kształcenia prowadzcych projekty, Raport
wewntrzny Min. Finansów Szwajcarii, Bern 2003.
Lent B.: Human Factor Skills of Project Managers derived from the Analysis of the
Project Management Processes, PMI AGC, Bahrain 2009.
Skills Transfer Intl.: ProSimula ME Workshop, PMI EMEA, Frankfurt 2009
Rubinstein D.: Standish Group Report: There’s Less Development Chaos Today, SD
Times on The Software Development, 2008.
Kerzner H.: Project Management – A systems approach to planning, scheduling and
controlling, Reihold, NY, 1984.
Sauter S.: Zu viele Projekte, zu wenig Projektmanager, PMI EMEA, Frankfurt 2009.
Högsdal B., Albert I.: Grundlagen des vernetzten Denkens, Materialy szkoleniowe
Unicon GmbH, Konstanz, 2007.
Hamp T.: Konzeption und Realisierung eines Auswertungswerkzeugs für SESAM-2,
Uniwersytet Stuttgart, 2000.
ProModel Inc.: Process Simulation, www.promodel.com dostep 2 licpa 2009.
Schnitz K.: Projekt-Simulation White paper, Schnitz GmbH Monachium 2009.
Lent B.: Zarzdzanie procesami prowadzenia projektów, Difin, Warszawa 2005.
Shinji Kusumoto et al. A New Software Project Simulator Based on Generalized
Stochastic Petri-net, icse, pp.293, 19th International Conference on Software Engineering
(ICSE'97), 1997.
106
Bogdan Lent
Analiza wybranych strategii komputerowej symulacji wielowymiarowej
optymalizacji prowadzenia projektow
17. Bernhard Kausch B. et al.Projektsimulation als effektives und effizientes Werkzeug im
Rahmen des Project Engineerings, Warsztaty PMI-IAW, RWTH Uniwersytet Aachen
2008.
AN ANALYSIS OF SELECTED STRATEGIES IN THE MULTIDIMENSIONAL
OPTIMISATION OF PROJECT MANAGEMENT PROCESSES
IN COMPUTER BASED SIMULATION
Summary
Computer simulation of possible decision strategies in complex multi-criteria
project management leads to cost-efficient, conscious, justified best choice strategy
Paper presents simulation system TopSim and the simulation results achieved for
different strategies. The border limits exercised in simulation disclose stochastic impact of particular implementation of simulation software. The simulation system
TopSim is deployed in project management courses in Switzerland and Poland since
2006 as well as in practice of daily project management in those countries. Deployment experience leads to conclusion, that conscious modification of stochastic behaviour towards human factor impact consideration would add significantly to the
usability of the tool.
Keywords: project management, simulation, strategy, TopSim, Cost-Time-Results-Relationship,
stochastical simulator behaviour
Bogdan Lent
Akademia Obrony Narodowej w Warszawie, Polska
Uniwersytet Technologiczno-Przyrodniczy, Bydgoszcz, Polska
Uniwersytet Nauk Stosowanych w Bernie, Szwajcaria
Uniwersytet Kasetsart, Bangkok, Tajlandia
e-mail: [email protected]