Pobierz artykuł PDF
Transkrypt
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]