PERT Tahmin Hesaplama Aracı Nedir?
PERT (Program Değerlendirme ve İnceleme Tekniği) hesaplayıcısı, üç ayrı süre tahminini istatistiksel olarak ağırlıklandırılmış tek bir değere dönüştürür. Tek bir sayıya güvenmek yerine İyimser (O), En Olası (M) ve Kötümser (P) süreleri girersiniz. Araç size Beklenen Süre (TE), Standart Sapma (SD) ve Varyans değerlerini sunar; böylece hem gerçekçi bir tahmin hem de bu tahminin belirsizlik ölçüsünü elde edersiniz. Tutarlı kaldığınız sürece her zaman birimiyle (saat, gün, hafta) çalışır.
Nasıl Kullanılır?
Bir görev için üç tahmininizi girin. İyimser değer, her şey yolunda giderse oluşacak en iyi durum süresidir; En Olası değer gerçekçi öngörünüzdür; Kötümser değer ise en kötü senaryodur. Hesapla düğmesine bastığınızda ağırlıklı beklenen süreyi ve bunun ne kadar değişebileceğini görürsünüz.
Formülün Açıklaması
PERT, beta dağılımını kullanır ve en olası tahmini uç değerlere göre dört kat daha ağırlıklı sayar:
$$TE = \frac{\text{Optimistic (O)} + 4 \times \text{Most Likely (M)} + \text{Pessimistic (P)}}{6}$$
Olası sonuçların yayılımı ise standart sapmayla ifade edilir:
$$SD = \frac{\text{Pessimistic (P)} - \text{Optimistic (O)}}{6}$$
Varyans, basitçe SD²'dir. Büyük bir standart sapma, riskli ve ek bir zaman payı (tampon) gerektiren bir göreve işaret eder.
Örnek Hesaplama
Diyelim ki bir özellik iyimser durumda 4 gün, en olası durumda 7 gün ve kötümser durumda 16 gün sürüyor. Bu durumda $$TE = \frac{4 + 4 \times 7 + 16}{6} = \frac{4 + 28 + 16}{6} = \frac{48}{6} = 8 \text{ gün}$$ olur. \(SD = \frac{16 - 4}{6} = \frac{12}{6} = 2\) gün, dolayısıyla varyans = 4'tür. Planınızı yaklaşık ±2 günlük bir belirsizlik payıyla 8 gün üzerinden yaparsınız.
PERT Sonucunuzu Yorumlama
Beklenen süre \(TE = \frac{O + 4M + P}{6}\), PERT'in bir görevin belirsiz süresini yaklaşık olarak modellemek için kullandığı beta dağılımının ortalamasıdır. Birçok görev toplandığında toplam süre yaklaşık olarak normal dağılır. Bu normal yaklaşıma göre TE tam ortadadır; yani TE'de bitirme olasılığı yaklaşık %50, daha uzun sürme olasılığı ise yaklaşık %50'dir. Bu nedenle tek başına TE güvenli bir teslim tarihi değildir.
Standart sapma \(SD = \frac{P - O}{6}\) ile yaklaşık olarak hesaplanır ve varyans \(SD^2\)'dir. Normal yaklaşım altında SD şu aralıkları verir:
- TE ± 1 SD, sonuçların yaklaşık %68'ini kapsar.
- TE ± 2 SD, yaklaşık %95'ini kapsar.
- TE ± 3 SD, yaklaşık %99,7'sini kapsar.
Örnek: O = 4, M = 7, P = 16 gün için \(TE = \frac{4 + 4 \times 7 + 16}{6} = \frac{48}{6} =\) 8 gün ve \(SD = \frac{16 - 4}{6} = 2\) gün.
- %68 aralığı: 8 ± 2 = 6 ila 10 gün.
- %95 aralığı: 8 ± 4 = 4 ila 12 gün.
- %99,7 aralığı: 8 ± 6 = 2 ila 14 gün. Burada alt sınır, 4 olan iyimser tahminin altındadır; bu da normal yaklaşımın uç değerlerde mükemmel olmadığını gösterir.
P ile O arasındaki geniş fark, daha büyük bir SD ve daha yüksek risk anlamına gelir; bu nedenle kötümser senaryoyu neyin yönlendirebileceğine dikkatle bakın. \((P-O)/6\) formülü pratik bir kural yaklaşımıdır, beta dağılımının kesin bir özelliği değildir. Sonuç ancak girdileri kadar iyidir: önyargılı ya da tahmine dayalı O, M ve P değerleri, kesin görünen ama güvenilmez bir sonuç üretir.
Senaryo Karşılaştırması: Tahmin Yayılımı Sonucu Nasıl Değiştirir
Tablo, dört tahmin kümesini karşılaştırır (herhangi bir tutarlı zaman biriminde). Son sütun, karşılaştırma amacıyla gösterilen basit ortalamadır \((O+M+P)/3\).
| Senaryo | O | M | P | TE | SD | Varyans | Basit ortalama |
|---|---|---|---|---|---|---|---|
| Simetrik | 4 | 6 | 8 | 6 | 0,67 | 0,44 | 6 |
| Sağa çarpık | 4 | 7 | 16 | 8 | 2 | 4 | 9 |
| Dar | 9 | 10 | 11 | 10 | 0,33 | 0,11 | 10 |
| Çok belirsiz | 2 | 10 | 30 | 12 | 4,67 | 21,78 | 14 |
Çok belirsiz durum için örnek hesaplama: \(TE = \frac{2 + 4 \times 10 + 30}{6} = \frac{72}{6} = 12\) ve \(SD = \frac{30 - 2}{6} = 4,67\).
- Tahminler simetrik ya da dar olduğunda TE, M'ye ve basit ortalamaya eşittir.
- Uzun bir kötümser kuyruk, TE'yi M'nin üzerine çeker (7 değeri 8'e, 10 değeri 12'ye yükselir).
- SD yalnızca P − O yayılımına bağlıdır; bu nedenle M'nin her iki durumda da 10 olmasına rağmen, çok belirsiz durumun SD'si dar durumdan çok daha büyüktür.
- PERT, M'ye basit ortalamanın verdiğinden daha fazla ağırlık verir; bu nedenle uç O ya da P değerlerine daha az duyarlıdır.
PERT Terimleri ve Tanımları
- İyimser (O): neredeyse her şey yolunda giderse ulaşılabilecek en kısa gerçekçi süre.
- En Olası (M): normal koşullarda beklediğiniz süre; en olası tek değer (mod).
- Kötümser (P): önemli sorunlar ortaya çıkarsa, felaket niteliğindeki olaylar hariç, en uzun gerçekçi süre.
- Beklenen Süre (TE): ağırlıklı ortalama \(\frac{O + 4M + P}{6}\).
- Standart Sapma (SD): belirsizliğin ölçüsü; \(\frac{P - O}{6}\) ile yaklaşık olarak hesaplanır.
- Varyans: standart sapmanın karesi, \(\left(\frac{P - O}{6}\right)^2\). Bir yol üzerindeki bağımsız görevlerin varyansları toplanabilir; standart sapmalar toplanamaz.
- Beta dağılımı: sınırlı bir aralıkta tanımlanan, çarpık olabilen esnek bir olasılık dağılımı. PERT, görev sürelerini O ile P arasında modellemek için bunu kullanır.
- Üç noktalı tahmin: bir görevi tek bir değer yerine üç değerle (O, M, P) tahmin ederek belirsizliği açıkça yakalama yöntemi.
- Kritik yol: bir proje ağındaki bağımlı görevlerin en uzun dizisi. Minimum proje süresini belirler; üzerindeki herhangi bir görevdeki gecikme projeyi geciktirir.
- PERT ile üçgen ortalama karşılaştırması: üçgen dağılımın ortalaması \(\frac{O + M + P}{3}\)'tür ve üç değere de eşit ağırlık verir. PERT ise M'ye O ya da P'den dört kat fazla ağırlık verir; bu nedenle en olası değere daha fazla dayanır.
Sıkça Sorulan Sorular
M neden 4 ile çarpılıyor? Beta dağılımı, en olası değerin baskın olduğunu varsayar; bu nedenle bu değer ağırlığın altıda dördünü taşır, O ve P ise geri kalanı paylaşır.
Hangi birimi kullanmalıyım? Tutarlı olduğu sürece herhangi bir zaman birimi: saat, gün veya hafta. Sonuç, girdilerinizle aynı birimde verilir.
Birden fazla görevi nasıl birleştiririm? Toplam beklenen süre için TE değerlerini toplayın; genel SD için ise her görevin varyansını (standart sapmaları değil) toplayıp toplamın karekökünü alın.