સમય અને સંસાધન અંદાજ: સમય અંદાજ અને ચકાસણી

નફો:

• એનાલોજિકલ, પેરામેટ્રિક અને થ્રી-પોઇન્ટ (PERT) અંદાજ પદ્ધતિઓ સમજવાની અને સમય અને સંસાધન અંદાજ ડ્રાફ્ટ્સ બનાવવા માટે કૃત્રિમ બુદ્ધિનો ઉપયોગ કરવાની ક્ષમતા.
• આગાહીની અનિશ્ચિતતા (આશાવાદી/શક્ય/નિરાશાવાદી દૃશ્યો, આત્મવિશ્વાસ અંતરાલ)નું અર્થઘટન કરવાની ક્ષમતા અને એક જ સંખ્યાને બદલે શ્રેણી પર આધાર આયોજન
• એ ઓળખવાની ક્ષમતા કે AI આગાહી ઐતિહાસિક પેટર્ન અને ધારણાઓ પર આધારિત છે, અને અંતિમ બજેટ અને સમયની પ્રતિબદ્ધતા ટીમ ડેટા અને નિષ્ણાતના ચુકાદા સાથે માન્ય હોવી જોઈએ.

પ્રોજેક્ટ મેનેજમેન્ટમાં અંદાજ એ સૌથી મુશ્કેલ અને જોખમી કાર્ય છે. "આમાં કેટલો સમય લાગશે?" અને "તે કેટલા લોકો લે છે?" આ પ્રશ્નોના જવાબો શેડ્યૂલ, બજેટ અને ગ્રાહકને આપેલા વચનનો આધાર બનાવે છે. નબળો અંદાજ સારી રીતે સંચાલિત પ્રોજેક્ટ પણ ડૂબી જશે: ખૂબ આશાવાદી સમય વિલંબ અને દંડ તરફ દોરી જશે, ખૂબ નિરાશાવાદી સમય બિડ ગુમાવવા તરફ દોરી જશે. કૃત્રિમ બુદ્ધિ આ ક્ષેત્રમાં આકર્ષક સહાયક છે; સેકન્ડમાં સમય આપે છે. આ જ કારણ છે કે જ્યાં તે સૌથી ખતરનાક છે: AI તમારી ટીમની વાસ્તવિક ગતિ જાણ્યા વિના આત્મવિશ્વાસપૂર્ણ નંબર બનાવી શકે છે. આ એકમમાં, અમે આગાહીની પદ્ધતિઓ, આગાહીમાં AIનો સુરક્ષિત રીતે ઉપયોગ કેવી રીતે કરવો અને દરેક આગાહીને કેવી રીતે માન્ય કરવી તે આવરી લઈશું.

મૂળભૂત આગાહી પદ્ધતિઓ

ચાલો કેટલીક પદ્ધતિઓ વ્યાખ્યાયિત કરીએ. અનુમાન લગાવવાનો અર્થ છે ભૂતકાળમાં સમાન કામને જોવું અને "જેને 10 દિવસ લાગ્યા, આ એક સમાન છે" એમ કહેવું; તે ઝડપી પરંતુ રફ છે. પેરામેટ્રિક અંદાજ એકમ ખર્ચ/સમયને જથ્થા દ્વારા ગુણાકાર કરે છે (દા.ત. "પૃષ્ઠ દીઠ 0.5 દિવસ × 40 પૃષ્ઠ = 20 દિવસ"); ડેટા પર આધારિત છે. બોટમ-અપ અંદાજ અંદાજો અને દરેક કાર્ય પેકેજને અલગથી એકત્રિત કરે છે; તે સૌથી સચોટ પરંતુ સૌથી ધીમું છે. થ્રી-પોઇન્ટ અંદાજ (PERT) અનિશ્ચિતતાને સ્વીકારે છે: દરેક કાર્ય માટે, આશાવાદી (O), મોટે ભાગે (M), અને નિરાશાવાદી (P) સમયગાળો અંદાજવામાં આવે છે અને ભારિત સરેરાશ લેવામાં આવે છે.

PERT સૂત્ર છે: અપેક્ષિત સમયગાળો = (O + 4M + P) / 6. ઉદાહરણ તરીકે, કોઈ કાર્ય માટે, જો આશાવાદી 4 દિવસ સૌથી વધુ સંભવિત 6 દિવસ હોય, તો નિરાશાવાદી 14 દિવસ અપેક્ષિત સમયગાળો = (4 + 24 + 14) / 6 = 7 દિવસ. પ્રમાણભૂત વિચલન છે (P − O) / 6 = (14 − 4) / 6 ≈ 1.7 દિવસ; આ અનિશ્ચિતતાના માર્જિનને દર્શાવે છે. એક "6 દિવસ" કહેવાને બદલે, "અપેક્ષિત 7 દિવસ, વિચલન ±1.7 દિવસ" કહેવાની વધુ પ્રમાણિક યોજના છે.

વધુમાં, બે ખ્યાલો મહત્વપૂર્ણ છે. પ્રયત્નો એ નોકરી માટે જરૂરી માનવ-દિવસની માત્રા છે (દા.ત. 10 માનવ-દિવસો). સમયગાળો કેલેન્ડર પર આ કામ કેટલા દિવસો લેશે તે છે. બે લોકો 5 દિવસમાં 10 માનવ-દિવસનું કામ પૂરું કરી શકે છે; પરંતુ દરેક કામને અનંત રીતે વિભાજિત કરી શકાતું નથી (નવ સ્ત્રીઓ એક મહિનામાં બાળકને જન્મ આપી શકતી નથી). AI બેને મૂંઝવી શકે છે; તમારે તેને અલગ કરવું પડશે.

પદ્ધતિ

તે ક્યારે યોગ્ય છે?

ઝડપ

ચોકસાઈ

AI ની ભૂમિકા

અનુરૂપ

પ્રારંભિક તબક્કો, થોડી માહિતી

ઉચ્ચ

નીચું

સમાન પ્રોજેક્ટ પેટર્ન સૂચવે છે

પેરામેટ્રિક

જો ત્યાં માપી શકાય તેવું એકમ છે

ઉચ્ચ

મધ્યમ

સૂત્ર અને એકમ રૂપરેખા બનાવે છે

તળિયે ઉપર

જો ત્યાં વિગતવાર WBS હોય

નીચું

ઉચ્ચ

ડ્રાફ્ટના પેકેટો એકત્રિત કરે છે

થ્રી-પોઇન્ટ (PERT)

જો અનિશ્ચિતતા વધારે છે

મધ્યમ

મધ્યમ-ઉચ્ચ

O/M/P દૃશ્યો સૂચવે છે

પગલું દ્વારા પગલું: AI સાથે સુરક્ષિત આગાહી

1. પ્રથમ ટીમ ડેટા મૂકો. AI ને તમારી પોતાની ભૂતકાળની અનુભૂતિ આપો: "સમાન કાર્યોમાં અમારી ટીમને આટલો સમય લાગ્યો." તેથી આગાહી તમારા ડેટા પર આધારિત છે, સામાન્યીકરણ પર નહીં.
2. પદ્ધતિ પસંદ કરો. જો અનિશ્ચિતતા વધારે હોય, તો PERT માટે પૂછો; જો માપી શકાય તેવું એકમ હોય તો પેરામેટ્રિક.
3. ત્રણ બિંદુઓ માટે પૂછો, એક નંબર નહીં. દરેક પેકેજ માટે O/M/P મૂલ્યો અને ધારણાઓ માટે પૂછો.
4. ધારણાઓને દૃશ્યમાન બનાવો. દરેક અંદાજ અંતર્ગત ધારણા છાપો (દા.ત. "પરીક્ષણ વાતાવરણ તૈયાર", "ગ્રાહક 2 દિવસમાં વળતર"); ખોટી ધારણા એ ખોટું અનુમાન છે.
5. સ્ત્રોત ઉમેરો અને શેર કરો. સમયથી અલગ પ્રયાસ કરો, વેકેશન અને ઉપલબ્ધતાને ધ્યાનમાં લો (દા.ત. વ્યક્તિ ખરેખર અઠવાડિયામાં 4 દિવસ ઉત્પાદક હોય છે).
6. ટીમ સાથે માપાંકિત કરો. જે લોકો કામ કરશે તેમની સાથે અંતિમ અંદાજની સમીક્ષા કરો. આગાહી ત્યારે વિશ્વાસપાત્ર બને છે જ્યારે તેને બનાવનાર વ્યક્તિ તેની માલિકી ધરાવે છે.

ધ્યાન આપો: AI ને પૂછો "આ કામમાં કેટલા દિવસ લાગશે?" પરિણામી સંખ્યાને સીધી ચાર્ટમાં પૂછવી અને લખવી એ આગાહીનું સૌથી ખતરનાક સ્વરૂપ છે. આ નંબરમાં તમારી ટીમનો ડેટા શામેલ નથી; તે માત્ર એક સામાન્ય પેટર્ન છે અને આભાસ હોઈ શકે છે.

ત્રણ નાના કેસો

કેસ 1 — PERT સાથે પ્રમાણિક યોજના. એક સોફ્ટવેર ટીમે 12-ટાસ્ક મોડ્યુલ માટે AI ને O/M/P અનુમાનો અને ધારણાઓ માટે પૂછ્યું. એઆઈએ ડ્રાફ્ટ આપ્યો; ટીમે દરેક મિશનને તેના પોતાના ઐતિહાસિક ડેટા સાથે સુધાર્યા. કુલ અપેક્ષિત સમય 38 દિવસ હતો, નિરાશાવાદી કુલ 52 દિવસ હતો. PMએ ગ્રાહકને 45 દિવસની સમયમર્યાદા આપી અને 7 દિવસનું માર્જિન છોડ્યું. પ્રોજેક્ટ 44મા દિવસે પૂરો થયો; જો કોઈ શેર ન હોત, તો વિલંબ થશે.

કેસ 2 — પ્રયત્ન/સમયની મૂંઝવણ. એક સંયોજક એઆઈને પૂછે છે, "80 માનવ-દિવસની નોકરીઓ પૂર્ણ કરવામાં કેટલા દિવસો લાગશે?" તેણે કહ્યું. AI એ "80 દિવસ" નો જવાબ આપ્યો કારણ કે તે સમયગાળા સાથે પ્રયત્નોને મૂંઝવણમાં મૂકે છે. કામ 4 લોકો દ્વારા સમાંતર રીતે થઈ શકે છે તે જાણીને, સંયોજકે સમય સુધારીને ~25 દિવસ (20 નહીં કારણ કે તે વિભાજ્ય ન હતો) કર્યો. પાઠ: માણસોએ એઆઈના પ્રયત્નો/સમયના વિભાજનને નિયંત્રિત કરવું જોઈએ.

કેસ 3 - અપ્રમાણિત સામાન્યીકરણ. એક PM એ ચાર્ટ પર લખ્યું કે AI એ જવાબ આપ્યો "એપીઆઈ એકીકરણ સામાન્ય રીતે 5 દિવસ લે છે." આ API પ્રદાતા સાથે ટીમનો ભૂતકાળનો અનુભવ નબળો હતો અને દસ્તાવેજીકરણ નબળું હતું; આ કામમાં 13 દિવસ લાગ્યા હતા. જો ટીમનો ડેટા પૂછવામાં આવે તો આ શરૂઆતથી જ જોવામાં આવશે. પાઠ: સામાન્યીકરણ ટીમ વાસ્તવિકતા માટે કોઈ વિકલ્પ નથી.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા પ્રોમ્પ્ટ:

ઈ-કોમર્સ સાઈટ સેટ કરવામાં કેટલા દિવસો લાગે છે?

આ પ્રોમ્પ્ટ એઆઈને તમારા પ્રોજેક્ટના ડેટાને જાણ્યા વિના મેડ-અપ નંબર જનરેટ કરવા દબાણ કરે છે. ત્યાં કોઈ ટીમ નથી, કોઈ અવકાશ નથી, કોઈ અનિશ્ચિતતા નથી.

શક્તિશાળી પ્રોમ્પ્ટ:

તમારી ભૂમિકા: એક અંદાજ નિષ્ણાત. સંદર્ભ: નીચે 8 વર્ક પેકેજો અને અમારી ટીમના સમાન ભૂતકાળની સોંપણીઓ છે. કાર્ય: દરેક પેકેજ માટે થ્રી-પોઇન્ટ (આશાવાદી O / મોટે ભાગે M / નિરાશાવાદી P) સમયગાળો અંદાજ બનાવો અને (O+4M+P)/6 સાથે PERT અપેક્ષિત સમયગાળાની ગણતરી કરો. નિયમો:- મેં આપેલ ઐતિહાસિક માહિતીનો સંદર્ભ લો; સામાન્ય બજાર ધારણા ઉમેરી રહ્યા છીએ.- દરેક અંદાજને અંતર્ગત ધારણાને એક જ લાઇનમાં લખો.- પ્રયાસ (માનવ-દિવસ) અને સમયગાળો (કેલેન્ડર દિવસો) એક અલગ કૉલમમાં બતાવો.- "[ટીમ પુષ્ટિ જરૂરી]" વડે તમે જે પેકેજ વિશે ચોક્કસ નથી તેને ચિહ્નિત કરો. આઉટપુટ: ટેબલ (પેકેજ | O | M | P | PERT | પ્રયત્નો | ધારણા). ઐતિહાસિક ડેટા:- ચુકવણી એકીકરણ (ઇતિહાસ: 9,11,8 દિવસ)- ઉત્પાદન સૂચિ (ઇતિહાસ: 6.5 દિવસ)- ... (અન્ય પેકેજો)

આ દાવો મજબૂત છે: પદ્ધતિ (PERT), ડેટા સ્ત્રોત મર્યાદા, ધારણા આવશ્યકતા અને પ્રયત્ન/સમયનો તફાવત સ્પષ્ટ છે.

વધારાના નમૂનાઓ:

# ધારણાઓ શિકારી તમે ચૂપચાપ સાચા તરીકે સ્વીકારેલ તમામ ધારણાઓને સૂચિબદ્ધ કરો જેથી કરીને આ આગાહી સાચી સાબિત થાય. દરેક ધારણા માટે, જો તે ખોટું નીકળે તો તે સમયને કેટલી અસર કરશે તેનો અંદાજ કાઢો.

# સંવેદનશીલતા વિશ્લેષણજો નીચેના કાર્યનો સૌથી સંભવિત સમયગાળો M છે; જો M 20% વધે તો કુલ પ્રોજેક્ટ સમયગાળો કેવી રીતે બદલાય છે? કુલ સમયગાળા માટે કયા 3 કાર્યો સૌથી વધુ સંવેદનશીલ છે? (આ કાર્યો પહેલા જોવું આવશ્યક છે.)

# આકસ્મિક ભલામણકર્તા નીચેના PERT વિચલનોના આધારે, સમગ્ર પ્રોજેક્ટ માટે વાજબી સમય ભથ્થું ટકાવારી સૂચવો અને તમે આનો આધાર શેના પર રાખો છો તે સમજાવો. આ એક સૂચન છે; અંતિમ શેર મેનેજરનો છે.

સામાન્ય ભૂલો

• એક નંબરને વળગી રહેવું: "10 દિવસ" કહેવાથી અનિશ્ચિતતા છુપાવે છે; O/M/P શ્રેણી પ્રમાણિક છે.
• સમય સાથે મૂંઝવણભર્યો પ્રયાસ: 40 માનવ-દિવસ એ 40 કેલેન્ડર દિવસો નથી.
• 100% પ્રાપ્યતા ધારી રહ્યા છીએ: કોઈ એકલા આ કાર્ય માટે અઠવાડિયામાં 5 દિવસ ફાળવી શકે નહીં; મીટીંગો, પાંદડાઓ, વિક્ષેપો છે.
• ટીમ ડેટા માટે સામાન્યીકરણની ભૂલ: AI નો "સામાન્ય સમય" એ તમારી ટીમની ગતિ નથી.
• ધારણાઓ લખતા નથી: અદ્રશ્ય ધારણા એ એક અનુમાન છે જે ફૂટે છે.
• કોઈ માર્જિન નથી: જો ત્યાં અનિશ્ચિતતા હોય, તો સમય/બજેટનો વાજબી માર્જિન ફરજિયાત છે.

ટીપ: જ્યારે તમે અનુમાન લગાવી લો, ત્યારે તમારી જાતને પૂછો: "શું આ નંબર સાચા થવાની 90 ટકા સંભાવના છે કે તે મેળવવાની 50 ટકા સંભાવના છે?" મોટાભાગના એક-બિંદુની બેટ્સ ખરેખર 50 ટકા બેટ્સ છે; ગ્રાહકને વચન આપતી વખતે આ જાણો.

સારાંશમાં

અંદાજ એ પ્રોજેક્ટનું સૌથી જોખમી કામ છે. એનાલોજિકલ, પેરામેટ્રિક, બોટમ-અપ અને થ્રી-પોઇન્ટ (PERT) પદ્ધતિઓ વિવિધ ગતિ અને ચોકસાઈ પ્રદાન કરે છે. AI ડ્રાફ્ટ આગાહી અને દૃશ્ય નિર્માણમાં ઝડપી છે, પરંતુ તે તમારી ટીમના ડેટાને જાણ્યા વિના સામાન્ય બનાવે છે અને પ્રયત્ન/સમયને ગૂંચવી શકે છે. સલામત અનુમાન; ટીમના ડેટાને પ્રથમ મૂકવો, ત્રણ બિંદુઓમાં કામ કરવું, ધારણાઓને દૃશ્યમાન બનાવવી, પ્રયત્નો અને સમયને અલગ પાડવો અને ટીમ સાથે અંતિમ સંખ્યાનું માપાંકન કરવું. પ્રતિબદ્ધ તારીખ અને બજેટ હંમેશા માનવીય ચકાસણીમાંથી પસાર થાય છે.

એપ્લિકેશન કાર્ય

તમારા પ્રોજેક્ટમાંથી 5 કાર્યો પસંદ કરો. AI ને O/M/P અંદાજ અને PERT દરેક માટે અપેક્ષિત સમય માટે પૂછો (તમારી ટીમનો ઐતિહાસિક ડેટા અનામી રૂપે આપો). પછી દરેક કાર્ય પાછળની ધારણા લખો અને ટીમના સભ્ય સાથે અંદાજની સમીક્ષા કરો જે કાર્ય કરશે. ટીમના ડેટાના આધારે ઓછામાં ઓછા બે અંદાજો ઠીક કરો અને કુલ માટે વાજબી સમય ગાળો નક્કી કરો.

ચેકલિસ્ટ

• [ ] મેં અંદાજ મારી ટીમના ઐતિહાસિક ડેટા પર આધારિત કર્યો છે, સામાન્યીકરણ પર નહીં.
• [ ] મેં એકી સંખ્યાને બદલે O/M/P (ત્રણ બિંદુઓ)નો અભ્યાસ કર્યો.
• [ ] મેં દરેક અનુમાન અંતર્ગત ધારણા લખી છે.
• [ ] મેં પ્રયત્નો (માણસ દિવસ) અને સમય (કેલેન્ડર) ને અલગ કર્યા.
• [ ] મેં ઉપલબ્ધતા/પરવાનગી જેવી વાસ્તવિક મર્યાદાઓને ધ્યાનમાં લીધી.
• [ ] મેં અનિશ્ચિતતા માટે વાજબી માર્જિન છોડી દીધું અને ટીમ સાથે અંદાજ માપાંકિત કર્યો.