参数估计（项目管理）

出自 MBA智库百科(https://wiki.mbalib.com/)

参数估计（项目管理）（Parametric Estimating In Project Management）

　　参数估计（项目管理）（Parametric Estimating In Project Management）指通过对历史值应用数学公式或算法来计算持续时间、成本或资源（设备、材料、设施和人力资源）的预期值。它可用于估计整个项目的价值，例如总成本预算或进度。它也可用于计算项目的某个部分（如工作包或活动）的值。^[1]

　　除了估算时间、资金和资源需求外，该技术还可用于估算其他类型的项目或操作变量，如速度、体积、重量和推力。

　　只有当项目参数之间存在统计关系、算法模型复杂且基础数据质量良好时，使用该技术得出的估计值才是可靠和准确的。

　　在其最简单的形式中，可以通过使用以下公式来进行参数估计：

　　估计值=乘数 * 当前值

　　其中，

• 估计值（Estimated_Value）是使用参数估计公式为当前项目计算的数字
• 乘数（Multiplication_Factor）是从过去项目的旧历史数据导出的参数因子，例如持续时间/单位或成本/单位。
• 当前值（Current_Value）是当前项目中要完成的工时单位数

　　例如：使用这个公式来估算围栏项目的持续时间和成本。目前的项目包括建造一个200米的围栏，以形成一个围栏。

　　假设我们已经做了一个项目，其中我们已经竖立了100米的围栏。那个项目花了10天和1000美元才完成。

　　因此，通过使用旧项目的工期和成本的乘法系数，我们可以估计当前项目的值。

　　工期估算

　　100米的围栏花了10天才完成。

　　因此，1米长的围栏需要10/100天才能完成。

　　乘数= 10/100 = 1/10

　　估计值（目前项目的工期）=（1/10）*200 = 20天

　　成本估算

　　100米的围栏花了1000美元才完成。

　　因此，1 m的围栏将需要（1000/100）美元才能完成。

　　乘数= 1000/100 = 10

　　估计值（目前项目的成本）= 10*200 = $2000

　　有两种方法可以应用统计方法来获得参数估计值。

• 1.确定性方法

　　在确定性方法中，计算单个估计值。应急准备金可以添加到这个估计之上，以处理不确定性。上面的公式是确定性方法的一个很好的例子。它可以用直线表示;如下图所示。

• 2.概率方法

　　在概率方法中，计算基于不同概率的值的范围。通常不增加单独的应急准备金，因为范围考虑到了不确定性。

　　参数估计的范围可以用钟形曲线（概率密度曲线）表示;如下图所示。

　　概率方法使用基于目标概率的乐观估计和悲观估计，如果适用，还使用乘数来估计标准差。你可以参考我的其他职位的更多信息概率三点估计。

　　如果没有专门的参数估计软件，很难得出估计值。

　　参数估计可在项目规划期间的任何时间使用，即：在开始、中间或接近结束时。计算数字的准确性不取决于时间，而取决于所用的公式和基本数据的质量。在项目开始时，这种技术可用于确定整个项目的项目成本估算、持续时间和需求要求。

　　只有当你能推导出过去和当前项目的不同变量之间的统计关系时，才能进行参数建模;例如要建造平方米或平方英尺以及在特定工作单元上花费的小时数。

　　项目经理必须确保在应用此技术之前满足以下条件：

• 很容易确定和量化用于持续时间或成本估算的参数。

• 在可用于设计统计关系的参数之间存在相关性。

• 拥有类似项目中已识别参数的历史数据。

• 模型可以缩放，即需要完成多少个单元并不重要。

　　可以按照下面提到的步骤进行参数估计：

• 首先创建工作分解结构（WBS）。WBS代表整个工作范围。只要满足上一节中描述的条件，就可以对WBS的任何组成部分（控制帐户、计划包和工作包）进行参数估计。

• 如果想对活动进行参数估计，请将工作包分解为活动。

• 确定可以用参数估计技术估计的任务（WBS组成部分或活动）。确保满足上一节中所述的条件。

• 查找必须估计的参数的历史数据。可以使用以前（内部）项目中的历史数据，也可以使用公开市场数据或行业和贸易出版物中的数据。

• 确定当前参数和历史参数之间的相关性。

• 创建参数化模型（算法或公式）。可以根据项目要求使用概率模型或确定性模型。确保历史数据可以缩放。

• 对模型进行回溯测试，以检查是否在所有情况下都能正常工作。

• 执行参数估计。

• 优点

　　如果基础模型和历史数据的质量良好，则该技术产生非常准确的估计。

　　成功创建参数化模型后，可以将其重复用于类似的项目/任务。随着模型应用于新的项目，其准确性得到了提高。

　　可以进行手动调整，以更正历史数据和当前项目结果之间的差异。手动调整是纠正基础模型和历史数据中的弱点的一种很好的方法。如果模型没有完全纳入定性和环境因素，也可以进行调整。

　　因为评估是基于数学逻辑的，所以更容易获得利益相关者对评估的认可和认可。

• 缺点

　　与其他方法相比，该技术通常更昂贵和耗时。有时，创建一个好的模型和收集历史数据需要花费大量的精力和资源。

　　此技术不能用于项目的每个部分。它只能用于满足上述条件的条件。 　　如果基础数据的质量不好或模型不完善，则会产生较差的结果。

　　这种方法没有考虑文化、环境和政治因素。此外，它没有考虑学习、人员技能和许多其他定性因素的改进。

• 专家判断：它使用个人或团体的技能和专业知识，这些个人或团体对要评估的任务具有专门知识或接受过专门培训。专家判断也可用于通过结合其他方法确定估计值或协调它们之间的差异。

• 类比法：它使用过去类似项目的值来计算当前项目的估计值。重要的是，任务是相似的，否则估计会出错。类比法被认为是最不准确的估算方法。

• 自下而上方法：它将工作组件分解为更小的元素，以降低评估的复杂性。然后分别估计每个单独的元素。最后，它汇总各个要素的估算值，得出工作部分的估算值。与Analogous方法相比，该方法准确度高，耗时短。

• 三点估计：它通过取三种不同估计值（乐观、悲观和最有可能）的平均值来计算期望值。它减少了不确定因素中的不准确性。

　　参数估计和类比估计都使用历史数据来得出预期值。前者使用数学模型来计算预期值，而后者使用专家对类似任务的判断来得出估计数。

　　类比估计也是一种自上而下的方法，它依赖于历史任务和当前任务之间的相似性和相似性。

　　参数化估计通常比类似估计更精确，但类似估计的复杂性低于参数化估计。

• 项目管理