PERT 三點估算計算機

PERT 三點估算計算機

成長中 AI Skill PRO

輸入計算

數學公式

TE=樂觀值(O)+4×最可能值(M)+悲觀值(P)6TE = \frac{\text{樂觀值(O)} + 4 \times \text{最可能值(M)} + \text{悲觀值(P)}}{6}

計算範例

TE=2+4×10+306=12TE = \frac{2 + 4 \times 10 + 30}{6} = 12
顯示計算步驟 (2)
  1. 標準差(SD)

    SD=悲觀值(P)−樂觀值(O)6SD = \frac{\text{悲觀值(P)} - \text{樂觀值(O)}}{6}

    依據範圍 P 減 O 的估算離散程度

  2. 變異數

    σ2=(悲觀值(P)−樂觀值(O)6)2\sigma^{2} = \left(\frac{\text{悲觀值(P)} - \text{樂觀值(O)}}{6}\right)^{2}

    標準差的平方

使用統計

廣告

結果

預期時間(TE)
12
PERT 加權估算值
標準差(SD) 4.67
變異數 21.78

回報本頁錯誤

什麼是 PERT 三點估算計算機?

PERT(計畫評核術,Program Evaluation and Review Technique)計算機可將三組時間預估值,整合成一個經過統計加權的估算結果。你不必只憑單一數字猜測,而是分別填入樂觀(O)、最可能(M)與悲觀(P)三種工時。工具會回傳預期時間(TE)、標準差(SD)與變異數,既給你一個貼近現實的估算值,也讓你看清其中的不確定性。只要單位保持一致,無論用小時、天或週都適用。

如何使用

針對一項任務,輸入你的三組估算值。樂觀值是一切順利時的最佳情況工時,最可能值是你實際判斷下最常發生的時間,悲觀值則是最壞情況下的耗時。按下計算,就能看到加權後的預期時間,以及可能的變動幅度。

六部分加權圖,顯示 O 加四倍 M 加 P 再除以六
此公式將加權和(O + 4M + P)除以總共六個權重。

公式解析

PERT 採用 Beta 分配,並將最可能估算值的權重設為極端值的四倍:

$$TE = \frac{\text{Optimistic (O)} + 4 \times \text{Most Likely (M)} + \text{Pessimistic (P)}}{6}$$

可能結果的離散程度,則以標準差來呈現:

$$SD = \frac{\text{Pessimistic (P)} - \text{Optimistic (O)}}{6}$$

變異數就是 \(SD^{2}\) 。標準差愈大,代表任務風險愈高,值得預留一些緩衝時間。

廣告

實例演練

假設某項功能樂觀估計 4 天、最可能 7 天、悲觀則要 16 天。那麼 $$TE = \frac{4 + 4 \times 7 + 16}{6} = \frac{4 + 28 + 16}{6} = \frac{48}{6} = 8 \text{ 天}$$ SD =(16 − 4)/ 6 = 12 / 6 = 2 天,所以變異數 = 4。你會以 8 天來排程,同時知道大約有 ±2 天的不確定性。

在偏態分布曲線下方標有樂觀、最可能與悲觀點的數線
PERT 將最可能值加權四倍,以求出 O、M、P 之間的期望時間 TE。

解讀你的 PERT 結果

期望時間 \(TE = \frac{O + 4M + P}{6}\) 是 PERT 用來近似任務不確定工期的 beta 分布平均數。當許多任務加總後,總工期大致呈常態分布。在此常態近似下,TE 位於中點,因此約有 50% 的機率在 TE 之前完成,約有 50% 的機率需要更長時間。單獨一個 TE 因此不是可靠的承諾日期。

標準差近似為 \(SD = \frac{P - O}{6}\),變異數為 \(SD^2\)。在常態近似下,SD 給出以下範圍:

  • TE ± 1 SD 涵蓋約 68% 的結果。
  • TE ± 2 SD 涵蓋約 95%。
  • TE ± 3 SD 涵蓋約 99.7%。

範例:O = 4、M = 7、P = 16 天,得 \(TE = \frac{4 + 4 \times 7 + 16}{6} = \frac{48}{6} =\) 8 天,且 \(SD = \frac{16 - 4}{6} = 2\) 天。

  • 68% 範圍:8 ± 2 = 6 至 10 天。
  • 95% 範圍:8 ± 4 = 4 至 12 天。
  • 99.7% 範圍:8 ± 6 = 2 至 14 天。此處下限低於樂觀估計值 4,顯示常態近似在尾部並不精確。

P 與 O 之間的差距越大,表示 SD 越大、風險越高,因此應仔細檢視是什麼因素可能推高悲觀情境。\((P-O)/6\) 公式是經驗法則的近似,並非 beta 分布的精確性質。結果的品質也取決於輸入值:有偏誤或憑猜測得出的 O、M、P 值,會產生看似精確、實則不可靠的結果。

情境比較:估計值的分散程度如何改變結果

下表比較四組估計值(使用任何一致的時間單位)。最後一欄為簡單平均 \((O+M+P)/3\),僅供對照。

情境 O M P TE SD 變異數 簡單平均
對稱 4 6 8 6 0.67 0.44 6
右偏 4 7 16 8 2 4 9
集中 9 10 11 10 0.33 0.11 10
高度不確定 2 10 30 12 4.67 21.78 14

高度不確定情境的計算範例:\(TE = \frac{2 + 4 \times 10 + 30}{6} = \frac{72}{6} = 12\),且 \(SD = \frac{30 - 2}{6} = 4.67\)。

  • 當估計值對稱或集中時,TE 等於 M,也等於簡單平均。
  • 悲觀端的長尾會把 TE 拉到高於 M(7 變為 8,10 變為 12)。
  • SD 只取決於範圍 P − O,因此即使 M 同為 10,高度不確定情境的 SD 仍遠大於集中情境。
  • PERT 對 M 的權重高於簡單平均,因此對極端的 O 或 P 值較不敏感。
廣告

PERT 術語與定義

  • 樂觀值(O):幾乎一切順利時,最短的合理工期。
  • 最可能值(M):在正常情況下預期的工期;最可能出現的單一數值(眾數)。
  • 悲觀值(P):若發生重大問題時,最長的合理工期,但不含災難性事件。
  • 期望時間(TE):加權平均 \(\frac{O + 4M + P}{6}\)。
  • 標準差(SD):衡量不確定性的指標,近似為 \(\frac{P - O}{6}\)。
  • 變異數:標準差的平方,即 \(\left(\frac{P - O}{6}\right)^2\)。路徑上獨立任務的變異數可以相加;標準差則不能直接相加。
  • Beta 分布:定義在有界區間上的彈性機率分布,可以呈偏態。PERT 用它來模擬介於 O 與 P 之間的任務工期。
  • 三點估計法:以三個數值(O、M、P)而非單一數值估計任務,使不確定性得以明確呈現。
  • 關鍵路徑:專案網路中相依任務的最長序列。它決定專案的最短工期,路徑上任何任務的延誤都會延誤整個專案。
  • PERT 與三角平均的比較:三角分布的平均數為 \(\frac{O + M + P}{3}\),對三個值一視同仁。PERT 對 M 的權重是 O 或 P 的四倍,因此更依賴最可能值。

常見問題

為什麼 M 要乘以 4? Beta 分配假設最可能值占主導地位,因此它分得六分之四的權重,剩下的權重則由 O 與 P 平分。

該用什麼單位? 任何一致的時間單位皆可——小時、天或週都行。輸出結果會沿用你輸入時所用的單位。

多項任務該如何合併? 將各任務的 TE 相加,即為總預期工期;至於整體標準差,請先把各任務的變異數(而非標準差)相加,再開平方根。

最後更新:

數學和統計熱門計算器

查看全部數學和統計計算器