英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料
挣值管理对时间和成本的预测准确性的实证评估
JordyBatselier1和MarioVanhoucke2
DOI:10.1061/(ASCE)CO.1943-7862.0001008.
copy;2015美国土木工程师学会。
关键词：项目管理施工管理;挣值管理；进度预测；成本预测；经验数据库；仿真研究；项目控制；费用和时间表。
摘要：准确预测项目最终期限和成本的能力对于成功进行项目管理至关重要。人们认为，挣值管理（EVM）技术可为获得此类预测提供有效的方法。但是，这尚未在经验数据上得到充分测试。因此，在由51个现实项目组成的多样化和定性的数据库中，评估了最常用的EVM时间和成本预测方法的准确性。由于大多数项目来自建筑行业，因此将重点明确放在这些建筑项目上。而且，基于实际项目进度数据的期望的实际预测结果也得到了蒙特卡洛模拟研究的支持。事实证明，通过应用EVM方法可以获得高度准确的时间和成本预测。此外，还考虑了及时性和项目网络结构的影响，确定了所考虑数据库中针对项目的最佳预测方法。
介绍
由于项目管理主要关注影响未来的决策，因此时间和成本预测对于项目的适当管理以及项目成功至关重要。此外，项目经理，尤其是在建设中，将预测完成时间和成本的能力视为项目控制技术的最重要用途（Kim等，2003）。进行此类项目预测的一种广泛接受的技术是挣值管理（EVM）。EVM方法是美国国防部（USDoD）在1960年代开发的，它是成本/进度控制系统标准（C/SCSC）不可或缺的一部分，该书和开创性文章引起了EVM方法的广泛关注。弗莱明和科佩尔曼（2003，2005）。Morin（2009）以及Kwak和Anbari（2012）对EVM方法的起源进行了更广泛的描述。此外，Christensen（1998），Kim等人明确证明了EVM对项目经理的有用性和接受程度。（2003）和Marshall（2007），后两者还专门考虑了建筑部门。此外，许多其他出版物也证实了EVM的好处（Anbari2003；Henderson2007；VanDeVelde2007；Egnot2011）。
图1所示EVM关键指标的定义
图2所示EVM时间和成本预测方法
从概念上讲，EVM技术集成了成本，进度和范围的三个关键项目管理元素。EVM的关键定义和公式的更具体的摘要包括在图1中。有关EVM更全面的方面的详细讨论，读者可以查阅几本著作[Anbari2003;项目管理学院（PMI）2008；Fleming和Koppelman，2010年；Vanhoucke2010a;Vanhoucke2014].实际上，图1中粗线下方的度量是用于指示项目执行过程中某个时刻的项目进度和成本绩效的度量。更具体地说，进度差异SV或SV（t）lt;0（gt;0）和进度绩效指标SPI或SPI（t）lt;1（gt;1）表示项目落后于进度（在进度之前）。同样，关于项目成本，成本方差CVlt;0（gt;0）和成本绩效指数CPIlt;1（gt;1）反映了超出预算（低于预算）的项目。当进度或成本差异等于零时，该项目分别在进度或预算上正确。这对应于进度表或成本绩效指数等于1。此外，请注意，此处描述的所有绩效指标都是累积指标。有关其他可能性的概述，请参阅Christensen（1993）的论文。
因此，EVM还可以用于预测最终的项目持续时间和预算。Vanhoucke（2012a）指出了基于图1的收入值度量标准进行时间和成本预测的常用方法，并在图2中进行了表示。后一图显示了九次的符号和公式，八种成本预测方法。对于时间预测，这九种方法可以分为三种总体方法，即Anbari（2003）的计划价值方法（PVM），JacobandKane（2004）的挣工期方法（EDM）以及挣税方法。Lipke（2003）制定的排程方法（ESM）。所有方法，以及用于成本预测的方法，都依赖于特定的绩效因子（PF），该因子指的是对未来工作的预期绩效的假设。图2的前两行指出了不同的假设及其相关的性能因子，并在下面列出了相应的指定方法。
评估从（图2所示）方法（选择）获得的预测的准确性，从而确定用于时间或成本预测的最明智的方法已成为文献中多项研究的目标。通常，这些论文仅关注两个预测维度之一，即时间（Vandevoorde和Vanhoucke2006，2007）或成本（Christensen1993；Zwikael等2000）。在本文中，将考虑两个预测维度。先前的研究已经对生成的和实际的项目数据进行了EVM预测评估。然而，Batselier和Vanhoucke（2015）已经指出，在实证研究的情况下，“数据集的规模通常不足，多样性总是不足”。他们还指出，许多作者认识到有必要对大量的现实项目数据进行深入的EVM（预测）研究（Zwikael等，2000；Henderson，2003，2004，2005；Lipke，2009，2013；Tzaveas等）。（2010年；Vanhoucke，2011年）。尽管如此，在本文之前还没有进行过这样的研究。因此，本文的主要目的是评估不同EVM预测的准确性基于大型和多样化的数据库（包括定性的实际项目数据），既节省时间又节省成本。
唯一适用于此类研究的数据库是由Batselier和Vanhoucke（2015）构建的数据库，可在运筹学-应用程序和解决方案（OR-AS2014）数据库中查询。在撰写本文时，不断扩展的数据库包含51个现实项目。附录中提供了所考虑项目的概述，其中包括许多项目的特定项目数据[即，多个跟踪期的计划值（PV），挣值（EV）和实际成本（AC）]。数据库中的平均项目持续时间约10个月，预算不到1.3亿欧元。但是，整个项目涵盖了广泛的期限（即大约2周至5年）和预算（即大约30,000欧元至50亿欧元）。
此外，这些项目来自不同部门的许多不同公司（附录中的表10）。例如，这与DavidChristensen博士的EVM成本绩效和预测研究中使用的国防采购执行摘要（DAES）数据库形成了鲜明对比（Christensen和Heise，1993；Christensen和Rees，2002；Christensen和Templin，2002）。尽管该数据库规模庞大，据称其中包含500多个项目，但它仅包含美国国防采购合同。此外，DAES数据库对公众不可用，因此阻止了对报告结果的验证。在Batselier和Vanhoucke（2015）中可以找到对用于EVM研究的其他现有项目数据库的大小和多样性的更详尽的比较。
请注意，Batselier和Vanhoucke（2015）的数据库确实显示了一个主导部门，正在建设51个项目中的39个。然而，由于建筑行业非常广泛，因此包含大量的建设项目并没有损害数据库的多样性，因此包括表现出互不相同的特征的各种细分。更具体地说，建筑部门可以分为民用建筑，工业建筑和建筑建筑。此外，建筑结构又可以进一步细分为商业，机构和住宅建筑。附录的表10中也对建筑行业进行了细分。此外，根据Tzaveas等。（2010年），在数据库中建设项目的普遍性可以被认为是可取的，因为对EVM（预测）的早期研究主要限于IT和高科技项目。为了填补这一研究空白，对此本文将分别对建设项目进行单独考虑。
文献中多次声称，EVM的研究和应用主要集中在成本管理方面（Anbari2003；Jacob2003；FlemingandKoppelman2004，2006；Henderson2005、2007；VandevoordeandVanhoucke2006,2007;Naeni等。2011;Vanhoucke，2011年；KwakandAnbari2012;Lipke2012a,2013).然而，按时间顺序排列的现有EVM研究似乎放弃了这些主张，因为近年来，研究人员似乎已将注意力转移到时间维度上（VandevoordeandVanhoucke2006;Hecht2007;Lipke2009;Rujirayanyong2009;Tzaveas等。2010年），而所有较早的研究都是关于成本管理的（Bright和Howard1981；Covach等1981；Riedel和Chance1989；Zwikael等2000）。因此，让本文成为第一个争论者，考虑到目前所做的研究工作，可以将EVM时间预测与成本预测置于同等地位。该断言将在本文后面的部分得到更多定量结果的进一步支持。
总结起来，本文的贡献有三点：
- 据作者所知，本文是第一个对EVM预测准确性进行充分的经验评估的论文。先前的研究是基于模拟或经验数据的，这些模拟或经验数据的规模和/或多样性太有限。
- 同样，据作者所知，本文是第一个同时考虑时间和成本预测的文章，可以比较两个预测维度。先前的研究要么关注成本，要么关注进度。
- 在EVM文献中，人们经常忽略建设这一明确的领域。评估对EVM预测准确性的一般观察是否也特别适用于建设项目。
本文的其余部分概述如下：首先，描述实现本文研究目标的方法。预测准确性评估的结果将在下一部分中介绍和讨论。不仅要考虑不同时间和成本预测方法的总体准确性和及时性，而且还要评估序列的重要项目特征对预测准确性的影响。请注意，还有其他可能影响预测准确性的因素，例如进度曲线（即PV曲线）和计划延迟模式的非线性（Kim和Kim，2014年）。但是，对这些其他影响因素的经验评估还有待进一步研究。在“结果和讨论”部分的末尾，讨论了一些扩展的主题。最后，得出结论并提出进一步研究的建议。
方法
该方法的介绍分为三个小节：首先，阐明了模拟预测与实际预测之间的重要区别。然后，提出了针对不同时间和成本预测方法的应用评估方法。更具体地说，解释了平均绝对百分比误差（MAPE）比较和准确性排名的方法，并提出了两种及时性评估方法。最后，本文以项目连续性的特征作为结尾。
模拟和真实预测
Batselier和Vanhoucke（2015）已经指出了模拟预测与实际预测之间的重要区别。在他们的论文中，他们将两种预测结果的比较确定为将来研究的有趣话题。这种比较尚未在文献中进行，主要是因为它只能在现实生活中进行，因此将成为本研究的一部分。但是，仿真结果应主要被视为对实际预测结果的支持。本节中模拟和真实预测的解释与Batselier和Vanhoucke（2015）的解释相似，但已包含在此处以确保本文的独立理解性。
模拟预测包括针对各个活动持续时间的风险分布图的定义，然后将其用作许多蒙特卡洛模拟运行的输入。在这项研究中，模拟运行是使用项目管理软件工具ProTrack进行的。应用的模拟针对活动持续时间使用三角形风险分布曲线，活动曲线可以对称，向左偏斜或向右偏斜，具体取决于特定的活动特征。假设一项活动的可变成本随相应的活动持续时间而变化。相反，固定成本图始终保持不变。此外，当数据提供者不包括有关特定活动风险分布的任何信息时，将采用标准对称配置文件。每个项目进行一百次蒙特卡洛模拟运行。因此，稍后提供的模拟预测结果就是这100次运行的平均值。此外，每一次蒙特卡洛跑步的结果都是基于20个跟踪周期内的模拟进度数据。这意味着为仿真跟踪的时间分配了PD=20的长度，其中PD是项目的计划工期。请注意，与Vanhoucke（2010b，2011，2012b）进行的模拟一样，所提出的模拟方法并未考虑到管理层可能采取的纠正措施。重要的是要意识到对于由项目网络生成器生成的项目（Kolisch等，1995；Schwindt，1995；bAgracwal等，1996；Tavares1999；Demeulemeester等，2003；Vanhoucke等，2008）和/或作为基准数据集的一部分（Boctor1993；Kolisch和Sprecher1996；VanPeteghem和Vanhoucke2014），由于固有缺乏这些项目的实际跟踪数据，因此只能执行上述模拟预测。相反，对于包含直接从实际项目所有者获得的跟踪信息的实际项目，也可以获取实际的预测结果。实时或成本预测的准确性是通过将从某种预测方法获得的预测值与实际的最终项目工期或成本进行比较，并在整个项目的预定时间（即在每个跟踪周期结束时）进行比较）。MAPE表示了这种准确性评估方法，该方法将在下一部分中定义。此外，与在项目开始之前就已经可以执行的模拟预测相反，实际的预测准确性只能在项目结束后才能计算，因为从那时起才知道计算所需的实际项目持续时间和成本。
预测精度评估方法
如上所述，MAPE构成了表达某种预测技术的真实预测准确性的基础。Vanhoucke和Vandevoorde（2007），Rujirayanyong（2009），Vanhoucke（2010a）和Elshaer（2012）进行的EVM准确性评估也使用了MAPE。度量计算如下：
映射=
在这里，A是实际的最终值，而Ft是在时间t的预测值。时间实例t1；...;n对应于为所考虑项目设置的n个跟踪周期。此外，具体化等式。（1）对于时间预测，将A和Ft分别替换为实际持续时间RD和完成时的估计时间EAC（t）。对于成本预测，这分别成为实际成本RC和完成时的估计成本EAC。显然，特定预测方法的MAPE越低，该方法的准确性就越高。MAPE是在实际预测的背景下提出的。但是，模拟的预测精度也表示为MAPE，因此基于相同的等式。（1）。唯一的区别是，对于模拟预测，RD和RC来自模拟，而对于实际预测，它们代表实际的最终项目结果。此外，可以通过软件工具ProTrack直接计算用于模拟预测的MAPE。
在本文中，还使用替代MAPE比较标准方法的替代技术来评估不同时间和成本预测方法的准确性。该方法被本研究称为准确性排名方法，类似于Lipke（2009）所使用的排名方法。对于某个项
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[254187]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
