Titelaufnahme

Titel
Einbeziehung von probabilistischen Prognosemodellen in der Earned Value Analysis im Projektmanagement / Thomas Willach
VerfasserWillach, Thomas
Begutachter / BegutachterinSchwaiger, Walter
Erschienen2014
UmfangIV, IV, 131 Bl.
HochschulschriftWien, Techn. Univ., Dipl.-Arb., 2014
Anmerkung
Zsfassung in engl. Sprache
SpracheDeutsch
DokumenttypDiplomarbeit
Schlagwörter (DE)Projektmanagement / Earned Value Management / probabilistische Prognosemodelle
Schlagwörter (EN)Project management / Earned Value Management / probabilistic forcasting models
URNurn:nbn:at:at-ubtuw:1-70332 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Einbeziehung von probabilistischen Prognosemodellen in der Earned Value Analysis im Projektmanagement [2.19 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Die Einbeziehung der Unsicherheiten in Projekten ist erforderlich bei Planungs- und Prognosemethoden, um rechtzeitig herauszufinden ob die Erreichung der Projektziele sichergestellt werden kann und entsprechende Entscheidungen unter Risiko treffen zu können. Die Projektmanagement-Technik der Earned Value Analysis wurde mit der Norm DIN 69901-3:2009-01 standardisiert und als Methode des Projektcontrollings zur integrierten Betrachtung von Kosten, Zeit und Leistung beschrieben. Bei der Earned Value Analysis können Prognosen für die erwarteten Gesamtkosten und den Fertigstellungszeitpunkt berechnet werden. Die Prognose-Unsicherheit kann in der traditionellen Earned Value Analysis aber nicht einbezogen werden. Unsicherheiten und Risiken können in der traditionellen Projektplanung nicht nachvollziehbar berücksichtigt werden, da die Ergebnisse punktuelle Werte liefern, welche eine Sicherheit der Aussagen vortäuschen, aber trotzdem unsicher sind. Als Lösungsansatz wird ein probabilistischer Modellansatz mit Entscheidungsbaummodellen vorgeschlagen, dabei soll die Zeit-Dimension als stochastischer Prozess "Dauer" modelliert werden. Die Kosten werden über einen ressourcenbasierten Ansatz als Kostenfunktion aus der Dauer abgeleitet. Die probabilistischen Prognosemodelle für Dauer und Kosten zur Fertigstellung liefern Werteverteilungen, welche in die Kenngrößen der Earned Value Analyse übergeleitet werden können. Dann werden Risikomaße für die probabilistischen Modellerweiterung zur Earned Value Analysis abgeleitet und hinsichtlich ihres Nutzens für das Projektcontrolling diskutiert. Im fünften Kapitel wird ein Ausblick auf Erweiterungsmöglichkeiten zur Modellverfeinerung des probabilistischen Prognosemodells angegeben.

Zusammenfassung (Englisch)

The inclusion of uncertainties in projects is required in planning and forecasting methods to timely find out whether the achievement of project objectives can be ensured and to be able to make appropriate decisions under risk. The earned value analysis as a project management technique has been standardized with the standard DIN 69901-3:2009-01 and described as a method of project control for the integrated consideration of cost, time and performance. In the Earned Value Analysis forecasts for the expected total cost and the completion time can be calculated. The uncertainty in forecasts cannot be included in the traditional Earned Value Analysis. In the traditional project planning the uncertainties and risks cannot be considered understandable, as the results provide localized values, which simulate a security of the statements, but they are still uncertain. As solution a probabilistic model approach with decision tree models is proposed, while the time dimension will be modeled as stochastic process "duration". The costs are derived through a resource-based approach as a cost function from the duration. The probabilistic forecast models for duration and costs to complete deliver value distributions, which can be transferred to the characteristics of the earned value analysis. Then risk measures for the probabilistic model extension to Earned Value Analysis are derived and discussed in terms of its usefulness for project controlling. In the fifth chapter, an outlook is given on possibilities for extending the model refinement of the probabilistic forecast model.