pop up image

Monte-Carlo-Simulationen für das Lean-Projektmanagement

Monte-Carlo-Simulationen sind sehr nützlich, um den zukünftigen Durchsatz im Lean-Projektmanagement vorherzusagen. Hier erfahren Sie, wie sie funktionieren und warum Sie darauf setzen sollten.

Arbeitsschätzung war schon immer ein Problem im Projektmanagement. Das wahre Problem ist die Notwendigkeit einer präzisen und realistischen Prognose darüber wann Sie das Projekt beenden und Wert für Ihre Stakeholder schöpfen.

Die Lösung dieses Problems suchen Manager in Statistiken und datenbasierten Prognosen. Nur wenige Tools liefern Ihnen bei der Vorhersage zukünftiger Ergebnisse mehr Sicherheit als die Monte-Carlo-Simulation.

Im Bereich Lean Management, wo kontinuierliche Verbesserung die treibende Kraft ist, mag die Entwicklung realistischer Prognosen eine entmutigende Aufgabe sein. Um Ihr Team zu fordern und dennoch angemessene Fristen zu setzen, brauchen Sie die Daten genauso wie Ihre Erfahrung.

Was ist eine Monte-Carlo-Simulation?

Die Monte-Carlo-Simulation ist eine mathematische Methode, mit der Sie Risiken berücksichtigen und datenbasierte Entscheidungen treffen können. Sie basiert auf historischen Daten, die zahlreiche Zufallssimulationen durchlaufen, um das wahrscheinliche Ergebnis zukünftiger Projekte unter ähnlichen Umständen vorherzusagen.

Seit ihrer Entwicklung Mitte des 20. Jahrhunderts hat sich die Simulation als eine sehr realistische Möglichkeit erwiesen, die Wahrscheinlichkeit zukünftiger Ereignisse mit Sicherheit vorherzusagen.

Monte-Carlo-Simulationen zur Vorhersage von Zyklusdauer und Durchsatz

Logischerweise haben die Monte-Carlo-Simulationen ihren Weg in das Lean-Management gefunden. Mit ihrer Hilfe können Sie wahrscheinlichkeitsbasierte Prognosen über eine der wichtigsten Leistungskennzahlen in Lean erstellen – den Durchsatz.

Das Besondere daran ist, dass Sie den bisherigen Durchsatz Ihres Teams betrachten und eine Vorhersage aus zwei verschiedenen Blickwinkeln treffen können:

  • Wie viele Aufgaben gelangen innerhalb eines vordefinierten Zeitraums in die „Erledigt“-Spalte Ihres Kanban-Boards
  • Wann haben Sie wahrscheinlich X Aufgaben erledigt

Wie viele Aufgaben können wir in X Tagen erledigen?

Monte Carlo wie vieleWenn Sie mit Hilfe der Monte-Carlo-Simulation vorhersagen, wie viele Karten Ihr Team in einer X-Anzahl von Tagen abschließen kann, müssen Sie nur einen vergangenen Zeitraum auswählen und die Durchsatzdaten für den Zeitraum abrufen.

Die Simulation verwendet eine statistische Gleichung, die den Durchsatz eines zufälligen Tages im vordefinierten Zeitrahmen berücksichtigt, und simuliert in mehreren Optionen, wie viele Arbeitsaufgaben das Team voraussichtlich an einem beliebigen Tag in der Zukunft erledigen wird.

Sie können beispielsweise die Durchsatzdaten des Kanban-Boards Ihres Teams für den letzten Monat (z. B. April) verwenden und eine wahrscheinlichkeitsbasierte Prognose für die Anzahl der Aufgaben erstellen, die sie im Mai abschließen können. Nehmen wir an, Ihr Team hatte am 2. April einen Durchsatz von 20 Aufgaben.

Die Simulation nimmt diese Daten und geht davon aus, dass sie z. B. bis zum 15. Mai so viele Aufgaben erledigen werden. Um den wahrscheinlichen Durchsatz z. B. vom 29. Mai vorherzusagen, wird die Monte-Carlo-Simulation den Durchsatz eines weiteren zufälligen Tages im April übernehmen.

Dieser Prozess muss mindestens tausend Mal wiederholt werden, um eine statistisch stichhaltige Prognose zu erhalten. Für noch mehr Sicherheit können Sie die Simulation in den meisten Tools bis zu 100.000 Mal ausführen.

Die bequemste Art, die Ergebnisse einer Monte-Carlo-Simulation für das Lean-Management zu visualisieren, ist ein Histogramm.

Ähnlich wie beim Zyklusdauer-Streudiagramm ergibt sich die Prognose in Form von Perzentilen. Das Diagramm zeigt Ihnen die Ergebnisse der Simulation und die Wahrscheinlichkeit dafür an, dass Sie einen bestimmten Durchsatz erreichen. Logischerweise wird das Perzentil der Sicherheit mit zunehmender Aufgabenanzahl abnehmen.

Wenn die Ergebnisse beispielsweise zwischen 35 und 135 Aufgaben liegen, haben Sie eine Wahrscheinlichkeit von mehr als 99 Prozent, dass Ihr Team 35 Kanban-Karten erledigt und weniger als 1 Prozent Wahrscheinlichkeit, dass 135 Aufgaben geschafft werden.

Wann können wir X Aufgaben abschließen?

Monte Carlo wannPrognosen über den voraussichtlichen Abschluss einer bestimmten Anzahl von Aufgaben sind für das Lean-Management genauso wichtig. Wie bereits erwähnt, kann Ihnen die Simulation diese Daten präzise liefern.

Das Verfahren ist dasselbe. Statt Ihnen aber zu zeigen, wie viele Arbeitsaufgaben Sie bis zu einem bestimmten Daten in der Erledigt-Spalte erwarten können, sagt Ihnen die Simulation, wie schnell Sie eine bestimmte Anzahl von Aufgaben auf Ihrem Kanban-Board wahrscheinlich erledigen.

Dies kann besonders nützlich sein, wenn Sie Portfolio-Kanban betreiben, Ihre Arbeit bereits in eine bestimmte Anzahl von Aufgaben unterteilt haben und wissen möchten, wann Sie realistischerweise davon ausgehen können, dass Ihr Team damit fertig ist.

Zusammenfassend können Monte-Carlo-Simulationen das Radar sein, das Ihnen beim Festlegen von Fristen Sicherheit gibt. Obwohl sie zu Beginn komplex und schwierig zu verstehen sind, kann die Einführung von Monte-Carlo-Simulationen ein Schlüssel zur kontinuierlichen Verbesserung sein.

Wir bieten die flexibelste Softwareplattform 

für ergebnisorientierte Unternehmensagilität.

 

In Summary

Die Monte-Carlo-Simulation ist ein leistungsstarkes Analyse-Tool für das Lean-Projektmanagement, das historische Daten aus Ihrem Workflow extrahiert und Ihnen hilft:

  • zukünftige Ergebnisse hinsichtlich Durchsatz und Zyklusdauer vorherzusagen
  • die Menge der Arbeit vorherzusagen, die in einem vordefinierten Zeitraum abgeschlossen werden kann
  • die Kapazität Ihres Teams für zukünftige Zeiträume basierend auf genauen Vorhersagen zu organisieren

Starten Sie jetzt Ihre kostenlose Testversion und erhalten Sie Zugriff auf alle Funktionen.

Während der 14-tägigen Testperiode können Sie auch Ihr Team einladen, die App in einer produktiven Umgebung zu testen.