Aplicação de Processos Estocásticos para Estimar o Avanço Físico de Projetos 3º ENCONTRO ANUAL DA AACE

Transcrição

1 Aplicação de Processos Estocásticos para Estimar o Avanço Físico de Projetos 3º ENCONTRO ANUAL DA AACE

2 Bio de Rafael Monteiro Graduado em engenharia química e pós graduado em estatística, ambos pela UFMG. Aperfeiçoamento em Controladoria e Finanças. Transforming Your Leadership Strategy pelo MIT Sloan School of Management Manager Infrastructure & Capital Projects na Deloitte. PMP, PMI-RMP e PRINCE2-Practitioner

3 Bio de Vinicius Daher Graduado em engenharia de controle e automação e pós graduado em gerenciamento de projetos. Manager Infrastructure & Capital Projects na Deloitte. PMP, PMI-RMP, PMI-SP e PRINCE2-Practitioner

4 Agenda 1 Introdução Curva S Teórica Método de Estimação Estudos de Casos Conclusões Referências Bibliográficas

5 INTRODUÇÃO

6 Introdução O que é Gerenciamento de Projetos? Escopo Qualidade Custos Benefícios Riscos Tempo

7 Introdução O Gerente de Projetos é responsável por Monitorar e Controlar o progresso em acordo com o planejado. Frequentemente, os acionistas perguntam duas questões capciosas: Quando o projeto finalizará? Quanto o projeto irá custar? Portanto, como podemos melhorar previsibilidade e competitividade dos projetos?

8 Introdução A fim de responder essas perguntas, é necessário se ter um cronograma bem definido e nivelado, além de uma EAP que reflita precisamente o que se pretende alcançar. 3 2 Planos de Ação 1 Monitoramento e Controle Aplicação de Técnicas específicas Cronograma Detalhado

9 Introdução As técnicas mais comum de cronograma são: Gráficos de Gantt Gráfico de Marcos Diagramas de Rede, tais como PERT CPM PDM GERT EVM (Earned Value Management)

10 Introdução Considerando o EVA como método de previsão, o SPI apresentar algumas falhas, tais como: Um SPI maior que 1 não implica necessariamente que o projeto esteja adiantado, uma vez que as atividades do caminho crítico esteja atrasadas; Em função de ser definido por custos, qualquer projeto em atraso apresentará um SPI próximo a 1 ao se aproximar da data término prevista. 1, , SPI 0,80 0,60 0,40 0, Units Accumulated SPI PV (units) ac. EV (units) ac. 0

11 Introdução Em função dessas limitações, outras técnicas tem sido desenvolvidas, como por exemplo o gerenciamento de duração agregada, ou EDM em inglês, proposto por Khamooshi e Golafshani; Apesar destas técnicas suprirem as limitações do EVA, é necessário que se tenha informações detalhadas dos cronogramas. Entretanto, não raro, os proprietários (contratantes) não possuem dados detalhados o suficiente para realizar tais análises, principalmente quando lidamos com contratos de Aliança ou EPC. Dessa forma, este ensaio apresenta um método alternativo para estimar cenários futuros de avanço físico com base no avanço físico (em %) passado.

12 CURVA S TEÓRICA

13 Curva S

14 Curva S Monthly Progress 7% 6% 5% 4% 3% 2% 1% 0% Cumulative Progress 0% % 80% 60% 40% 20% Month Month I = 1 S = 1 I = 5 S = 2 I = 2 S = 11 I = 3 S = 6

15 MÉTODO DE ESTIMAÇÃO

16 Método de Estimação

17 Método de Estimação Geralmente, ao se tentar projetar o avanço físico dos projetos, mais de uma solução existirá. Ou seja, haverá mínimos locais que satisfarão o somatório para dadas regiões de I, S e N. Portanto, é necessário utilizar algum algoritmo que irá buscar por uma solução global. β 1 Global Minimum θ 1 Global Minimum θ 1 Local Minimum Solution: Global Minimum β 2 θ 2 θ 2 (a) (b) (c)

18 Método de Estimação Adicionalmente, a fim de se ter um problema bem equacionado, é vital que todas as condições de contorno estejam estabelecidas. Consequentemente, é necessário estabelecer como a curva S irá se comportar ao final, ou seja, no plateau. Usualmente, para grande projetos industriais, os últimos 10% de avanço físico irão consumir entre 20% a 25% da duração total do empreendimento. Cumulative Progress 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% % n = (100% -25%)*N = 0,75*24 = 18

19 Método de Estimação Example: 100% Standardized Sample Quantile Cumulative Progress 80% 60% 40% 20% 0% Month Actual Projected 2,5 1,5 0,5-0,5-1,5-2,5-2,0-1,0 0,0 1,0 2,0 Normal Quantile Right Parameter (I) 3,00 Left Parameter (S) 4,00 R 2 adjusted 90,89% Duration (month) Projected Actual Squared Error 1 0,1% 1,81% 0,03% 2 0,9% 4,18% 0,10% 3 3,2% 5,16% 0,04% 4 7,4% 7,45% 0,00% 5 14,0% 8,88% 0,26% 6 23,2% 10,57% 1,61% 7 34,9% 13,89% 4,40% 8 48,2% 25,11% 5,34% 9 62,2% 42,21% 4,01% 10 75,5% 64,10% 1,29% 11 86,5% 84,85% 0,03% 12 94,3% 97,99% 0,19% 13 98,5% 99,73% 0,01% 14 99,9% 99,92% 0,00% ,0% 100,00% 0,00% SSRes 17,31%

20 Método de Estimação Example: 100% Standardized Sample Quantile Cumulative Progress 80% 60% 40% 20% 0% Month Actual Projected 2,5 1,5 0,5-0,5-1,5-2,5-2,0-1,0 0,0 1,0 2,0 Normal Quantile Right Parameter (I) 4,77 Left Parameter (S) 6,40 R 2 adjusted 99,13% Duration (month) Projected Actual Squared Error 1 0,0% 1,81% 0,03% 2 0,0% 4,18% 0,17% 3 0,3% 5,16% 0,24% 4 1,2% 7,45% 0,40% 5 3,3% 8,88% 0,31% 6 7,8% 10,57% 0,08% 7 15,7% 13,89% 0,03% 8 27,8% 25,11% 0,07% 9 44,2% 42,21% 0,04% 10 63,1% 64,10% 0,01% 11 80,8% 84,85% 0,16% 12 93,3% 97,99% 0,11% 13 98,9% 99,73% 0,01% ,0% 99,92% 0,00% ,0% 100,00% 0,00% SSRes 1,66%

21 ESTUDOS DE CASO

22 Estudos de Caso Caso 1 Planta Petroquímica (ISBL, OSBL Utilities e Infra). Utilizou-se 20% da duração total para atingir 90% de avanço Na época do estudo, o projeto estava com 37,6% de avanço em 23 meses. I = 2.58, S = 2.68 and N = 46, with R² adjusted equal to 99.83% Monthly Progress 6% 4% 2% 0% Month Planned Replanned Actual Projected Cumulative Progress 100% 80% 60% 40% 20% 0% 96,0% 81,0% 67,4% 70,5% Month Accomplished Planned Replanned Actual Projected

23 Estudos de Caso Caso 2A Unidade ISBL de uma planta de Óleo & Gás Utilizou-se 20% da duração total para atingir 90% de avanço Para o primeiro estudo, utilizou-se os dados de 36 meses, totalizando 13,4% de avanço. I = 2.64, S = 2.84 and N = 115, with R² adjusted equal to 99.56% 5% 100% 4% 80% Monthly Progress 3% 2% 1% 0% Month Cumulative Progress 60% 40% 20% 0% Month Planned Actual Accomplished Projected Planned Actual Accomplished Projected

24 Estudos de Caso Caso 2B Unidade ISBL de uma planta de Óleo & Gás Utilizou-se 20% da duração total para atingir 90% de avanço Para o segundo estudo, utilizou-se os dados de 53 meses, totalizando 43,8% de avanço. I = 3.31, S = 3.56 and N = 94, with R² adjusted equal to 99.85% 5% 100% 4% 80% Monthly Progress 3% 2% 1% 0% Month Cumulative Progress 60% 40% 20% 0% Month Planned Actual Accomplished Projected Planned Actual Accomplished Projected

25 Estudos de Caso Simulador

26 CONCLUSÕES

27 Conclusões Cronograma é uma importante restrição em projetos. Projetar uma curva S futura com base nos dados passados, apresentou-se uma método razoável, desde que nenhuma grande mudança (distúrbio) venha a ser introduzido no projeto, como por exemplo greves. É importante estabelecer as condições de contorno do problema. Para projetos industriais, a base de dados da Deloitte tem se mostrado bem razoável em se utilizar de 20% a 25% de duração do projeto para completar os 10% restantes. Por fim, deve-se reforçar que todos os tipos de previsões devem ser usados como informações adicionais para que tomadores de decisões efetuem mudanças em um projeto com inteligência. Previsões não se destinam verdadeiramente a prever o futuro; em vez disso, elas tem por objetivo desenhar cenários, bons ou ruins, para que as decisões atuais possam ser tomadas.

28 BIBLIOGRAFIA

29 Bibliografia [1] Khamooshi, D. H.; Golafshani, H. EDM: Earned Duration Management, a new approach to schedule performance management and measurement International Journal of Project Management, n.32, v. 6, 2014 Pages Elsevier [2] Goodman, J. et al. Analyzing S-Curves AACE International Recommended Practice No. 55R-09, 2010 TCM Framework: 10.1 Project Performance Assessment [3] Mattos, A. D. S-Curve: A Relevant Planning Tool AACE International Transactions, 2013 CSC

30 OBRIGADO!