參數估計（項目管理）

出自 MBA智库百科(https://wiki.mbalib.com/)

參數估計（項目管理）（Parametric Estimating In Project Management）

　　參數估計（項目管理）（Parametric Estimating In Project Management）指通過對歷史值應用數學公式或演算法來計算持續時間、成本或資源（設備、材料、設施和人力資源）的預期值。它可用於估計整個項目的價值，例如總成本預算或進度。它也可用於計算項目的某個部分（如工作包或活動）的值。^[1]

　　除了估算時間、資金和資源需求外，該技術還可用於估算其他類型的項目或操作變數，如速度、體積、重量和推力。

　　只有當項目參數之間存在統計關係、演算法模型複雜且基礎數據質量良好時，使用該技術得出的估計值才是可靠和準確的。

　　在其最簡單的形式中，可以通過使用以下公式來進行參數估計：

　　估計值=乘數 * 當前值

　　其中，

• 估計值（Estimated_Value）是使用參數估計公式為當前項目計算的數字
• 乘數（Multiplication_Factor）是從過去項目的舊曆史數據導出的參數因數，例如持續時間/單位或成本/單位。
• 當前值（Current_Value）是當前項目中要完成的工時單位數

　　例如：使用這個公式來估算圍欄項目的持續時間和成本。目前的項目包括建造一個200米的圍欄，以形成一個圍欄。

　　假設我們已經做了一個項目，其中我們已經豎立了100米的圍欄。那個項目花了10天和1000美元才完成。

　　因此，通過使用舊項目的工期和成本的乘法繫數，我們可以估計當前項目的值。

　　工期估算

　　100米的圍欄花了10天才完成。

　　因此，1米長的圍欄需要10/100天才能完成。

　　乘數= 10/100 = 1/10

　　估計值（目前項目的工期）=（1/10）*200 = 20天

　　成本估算

　　100米的圍欄花了1000美元才完成。

　　因此，1 m的圍欄將需要（1000/100）美元才能完成。

　　乘數= 1000/100 = 10

　　估計值（目前項目的成本）= 10*200 = $2000

　　有兩種方法可以應用統計方法來獲得參數估計值。

• 1.確定性方法

　　在確定性方法中，計算單個估計值。應急準備金可以添加到這個估計之上，以處理不確定性。上面的公式是確定性方法的一個很好的例子。它可以用直線表示;如下圖所示。

• 2.概率方法

　　在概率方法中，計算基於不同概率的值的範圍。通常不增加單獨的應急準備金，因為範圍考慮到了不確定性。

　　參數估計的範圍可以用鐘形曲線（概率密度曲線）表示;如下圖所示。

　　概率方法使用基於目標概率的樂觀估計和悲觀估計，如果適用，還使用乘數來估計標準差。你可以參考我的其他職位的更多信息概率三點估計。

　　如果沒有專門的參數估計軟體，很難得出估計值。

　　參數估計可在項目規劃期間的任何時間使用，即：在開始、中間或接近結束時。計算數字的準確性不取決於時間，而取決於所用的公式和基本數據的質量。在項目開始時，這種技術可用於確定整個項目的項目成本估算、持續時間和需求要求。

　　只有當你能推導出過去和當前項目的不同變數之間的統計關係時，才能進行參數建模;例如要建造平方米或平方英尺以及在特定工作單元上花費的小時數。

　　項目經理必須確保在應用此技術之前滿足以下條件：

• 很容易確定和量化用於持續時間或成本估算的參數。

• 在可用於設計統計關係的參數之間存在相關性。

• 擁有類似項目中已識別參數的歷史數據。

• 模型可以縮放，即需要完成多少個單元並不重要。

　　可以按照下麵提到的步驟進行參數估計：

• 首先創建工作分解結構（WBS）。WBS代表整個工作範圍。只要滿足上一節中描述的條件，就可以對WBS的任何組成部分（控制帳戶、計劃包和工作包）進行參數估計。

• 如果想對活動進行參數估計，請將工作包分解為活動。

• 確定可以用參數估計技術估計的任務（WBS組成部分或活動）。確保滿足上一節中所述的條件。

• 查找必須估計的參數的歷史數據。可以使用以前（內部）項目中的歷史數據，也可以使用公開市場數據或行業和貿易出版物中的數據。

• 確定當前參數和歷史參數之間的相關性。

• 創建參數化模型（演算法或公式）。可以根據項目要求使用概率模型或確定性模型。確保歷史數據可以縮放。

• 對模型進行回溯測試，以檢查是否在所有情況下都能正常工作。

• 執行參數估計。

• 優點

　　如果基礎模型和歷史數據的質量良好，則該技術產生非常準確的估計。

　　成功創建參數化模型後，可以將其重覆用於類似的項目/任務。隨著模型應用於新的項目，其準確性得到了提高。

　　可以進行手動調整，以更正歷史數據和當前項目結果之間的差異。手動調整是糾正基礎模型和歷史數據中的弱點的一種很好的方法。如果模型沒有完全納入定性和環境因素，也可以進行調整。

　　因為評估是基於數學邏輯的，所以更容易獲得利益相關者對評估的認可和認可。

• 缺點

　　與其他方法相比，該技術通常更昂貴和耗時。有時，創建一個好的模型和收集歷史數據需要花費大量的精力和資源。

　　此技術不能用於項目的每個部分。它只能用於滿足上述條件的條件。 　　如果基礎數據的質量不好或模型不完善，則會產生較差的結果。

　　這種方法沒有考慮文化、環境和政治因素。此外，它沒有考慮學習、人員技能和許多其他定性因素的改進。

• 專家判斷：它使用個人或團體的技能和專業知識，這些個人或團體對要評估的任務具有專門知識或接受過專門培訓。專家判斷也可用於通過結合其他方法確定估計值或協調它們之間的差異。

• 類比法：它使用過去類似項目的值來計算當前項目的估計值。重要的是，任務是相似的，否則估計會出錯。類比法被認為是最不准確的估算方法。

• 自下而上方法：它將工作組件分解為更小的元素，以降低評估的複雜性。然後分別估計每個單獨的元素。最後，它彙總各個要素的估算值，得出工作部分的估算值。與Analogous方法相比，該方法準確度高，耗時短。

• 三點估計：它通過取三種不同估計值（樂觀、悲觀和最有可能）的平均值來計算期望值。它減少了不確定因素中的不准確性。

　　參數估計和類比估計都使用歷史數據來得出預期值。前者使用數學模型來計算預期值，而後者使用專家對類似任務的判斷來得出估計數。

　　類比估計也是一種自上而下的方法，它依賴於歷史任務和當前任務之間的相似性和相似性。

　　參數化估計通常比類似估計更精確，但類似估計的複雜性低於參數化估計。

• 項目管理