Differenza tra Albero decisionale e metodo Monte Carlo

Differenza tra Albero decisionale e metodo Monte Carlo

Analisi quantitativa

Nel Project Risk Management, l’analisi quantitativa dei rischi di progetto è l’ambito sul quale gli sviluppatori del software si sono maggiormente concentrati, cercando di implementare un processo che non fosse focalizzato tanto sulla matematica sottostante al metodo di analisi quanto sulla facilità d’uso e sulla semplicità nell’interpretazione dei risultati.

Tuttavia, per quanto il processo proposto dal software possa essere accurato, l’efficacia di questo tipo di analisi dipende da come il progetto venga modellato a livello statistico dal project manager. Per cui, essendo comunque i rischi l’output di un’incertezza, meglio essi vengono modellati e migliore sarà il risultato e l’affidabilità dell’analisi.

Per modellazione delle variabili si intende quali di esse vengano identificate e come e con che probabilità esse influiscano sugli obiettivi di progetti, ad esempio, quale sia il loro outcome se la variabile presa in considerazione fosse un rischio ed esso si verificasse.

Ad esempio, il software RiskyProject non permette di effettuare l’analisi quantitativa in assenza dello schedule di progetto ed all’interno di esso è necessario definire i limiti e le distribuzioni statistiche per la durata delle attività.

Differenza tra Albero decisionale e metodo Monte Carlo

Albero decisionale ed Expected Monetary Value (EMV)

Un albero decisionale è uno strumento di ampia applicazione che ha il fine di documentare i possibili effetti di una decisione e gli scenari alternativi. Il suo utilizzo principale risiede quindi nel supporto alle decisioni ed al suo interno comprende le alternative possibili e le loro conseguenze, includendo inoltre le probabilità di accadimento di ogni alternativa.

Ad ogni ramo dell’albero, per cui ad ogni alternativa, corrisponde una probabilità di accadimento ed un valore che rappresenta la conseguenza dell’alternativa, in generale esso può essere come in figura un flusso di cassa, indicante un investimento od un guadagno, oppure un Expected Monetary Value o EMV (Valore monetario atteso).

Il PMBOK definisce l’EMV come:

“Un concetto statistico che calcola il risultato medio quando il futuro include scenari possono o non possono accadere.”

L’EMV in un albero decisionale si calcola quindi moltiplicando il valore monetario di ogni possibile ramo per la sua probabilità di accadimento e sommando insieme tutti i prodotti.
Calcolare il valore monetario atteso di ciascuna decisione utilizzando un albero decisionale può consentire di documentare le varie opzioni e di scegliere in modo razionale l’opzione migliore.

Ad esempio, nel software RiskyProject non è implementato né un albero decisionale per la definizione di più scenari né il calcolo delle alternative usando l’EMV.

Simulazione col metodo Monte Carlo

Il metodo Montecarlo è una simulazione stocastica, un modello in grado di replicare il comportamento di un sistema, fenomeno o processo reale utilizzando come input delle variabili aleatorie. A tali variabili viene attribuita una distribuzione di probabilità, attraverso il campionamento di numeri casuali.
Nell’ambito della gestione dei progetti, il metodo Monte Carlo si pone come scopo la determinazione della distribuzione di probabilità delle variabili che rappresentano gli obiettivi di progetto.

Una simulazione Montecarlo avviene quindi nel seguente modo: dopo aver inserito le variabili di input e la loro relativa distribuzione di probabilità, il progetto viene simulato n volte e sono registrati i valori assunti dalle variabili in ciascuna manifestazione, con l’obiettivo di identificare la distribuzione statistica di ciò che si intende osservare.
In particolare le variabili di maggiore interesse riguardano:

  1. lo schedule, che si traduce con la determinazione della data di completamento del progetto;
  2. il costo, quindi il costo totale di progetto.

Come detto in precedenza tuttavia, l’affidabilità del risultato dell’analisi dipende fortemente dalla modellazione statistica delle variabili che influenzano quella di interesse.

Ad esempio, nel software RiskyProject la simulazione di Monte Carlo è una funzione fondamentale e viene implementata efficacemente.

Pubblicato da Vito Lavecchia

Lavecchia Vito Ingegnere Informatico (Politecnico di Bari) Email: [email protected] Sito Web: https://vitolavecchia.altervista.org

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *