【项目管理知识】挣值管理的概念与计算

【项目管理知识】挣值管理的概念与计算

  • 四个基础概念:BAC、AC、PV、EV
  • 四个绩效概念:CV、CPI、SV、SPI
  • 四个延伸概念:ETC、EAC、非典型偏差、典型偏差
    • 挣值管理-非典型偏差
    • 挣值管理-典型偏差
  • 完工尚需绩效指数:TCPI

四个基础概念:BAC、AC、PV、EV

BAC = 完工预算(Budget cost At Completion):当前完成这个项目任务的总预算。
重点关注“预算”中的“预”,代表项目开始之前做出的预算。

PV = 计划价值(Plan Value):原计划中要完成多少预算的工作。
在某一时间点中,计划完成多少工作(所产生的价值)。

AC = 实际成本(Actual Cost):完成当前工作的成本是多少。
在某一时间点中,实际产生了多少花费。

EV = 挣值(Earned Value):现在完成的任务在原计划中的价值是多少。
在某一时间点中,实际完成多少工作(所产生的价值)。

四个绩效概念:CV、CPI、SV、SPI

成本偏差(Cost Variance):CV = EV - AC
表示了实际完成的工作价值和实际消耗成本之间的偏差关系。
在PMI“刚刚好”的理念下,CV=0是最理想的状态,CV >= 0 是好的状态。

成本绩效指数(Cost Performance Index):CPI = EV / AC
解释基本同上。在PMI“刚刚好”的理念下,CPI=1是最理想的状态。

进度偏差(Schedule Variance):SV = EV - PV
表示了实际完成的工作价值和计划完成的工作价值之间的偏差情况。
在PMI“刚刚好”的理念下,SV=0是最理想的状态。SV >= 0 是好的状态。

进度绩效指数(Schedule Performance Index):SPI = EV / PV
解释基本同上。在PMI“刚刚好”的理念下,SPI=1是最理想的状态。

分析决策思路:

  • CV>0, SV<0:任务未开始、资源不到位 → \rightarrow 开始任务;催交、安排资源。
  • CV<0, SV>0:已经通过追加资源、赶工追进度 → \rightarrow 进一步监控成本和进度;适度优化。
  • CV>0, SV>0:进度快,成本省 → \rightarrow 注意范围、质量是否可能存在问题。
  • CV<0, SV<0:成本超支、进度延迟 → \rightarrow 考虑补救措施。

四个延伸概念:ETC、EAC、非典型偏差、典型偏差

ETC = 完工尚需预算(Estimate To Complete):从该时间点开始到完成项目,还有多少工作要做,这些工作所代表的价值,称之为完工尚需预算。

EAC = 完工预算(Estimate At Complete)
公式:EAC = ETC + AC

要想计算这两个数据,需要掌握两种偏差方式。

  • 非典型偏差(洗心革面,重新做人):偏差在项目结束前得到纠正。
  • 典型偏差(一错到底,不知悔改):偏差一直持续到项目完工。

挣值管理-非典型偏差

在做后期估算的时候,成本的使用最终回归了原计划,可以视为项目最终使用的预算是按照已做好的完工预算进行,因此有:

ETC = BAC - EV

代入完工估算公式后得到:

EAC = ETC + AC = AC + (BAC - EV)

代入成本偏差定义得到:

EAC = BAC - (EV - AC) = BAC - CV

挣值管理-典型偏差

成本的使用产生了新的趋势,则需要在公式中带入成本绩效指数CPI来计算。此时有:

ETC = (BAC - EV) / CPI

代入完工估算公式后得到:

EAC = ETC + AC = AC + (BAC - EV) / CPI

代入成本绩效偏差定义得到:

EAC = AC + (BAC - EV) / CPI = EV / CPI + (BAC - EV) / CPI = BAC / CPI

完工尚需绩效指数:TCPI

TCPI = To Complete Performance Index
TCPI的含义:用剩下的工作除以剩下的资源(单位统一),用来确定后续工作如何开展。

基于BAC:到项目结束BAC不变。
公式:TCPI = (BAC - EV) / (BAC - AC)

基于EAC:在项目中调整了项目估算。
公式:TCPI = (BAC - EV) / (EAC - AC)

结果值分析:

  • TCPI结果值大于1,不易完成;
  • TCPI结果值小于1,容易完成。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/27851.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

探索交互的本质:从指令到界面的演进与Linux基础指令的深入剖析

目录 1.指令 vs 界面//选读 1.1交互的需求 满足需求的第一阶段-指令 满足需求的第二阶段-界面 1.2 指令 和 界面交互 区别 2.操作系统介绍 2.1 举例说明 驱动软件层 2.2 为什么要有操作系统&#xff1f; 0x03 为什么要进行指令操作&#xff1f; 3.Linux基本指令 l…

模型量化 剪枝bevfusion

量化 剪枝 shared mem 只在block内共享&#xff0c;device glob mem能够所有线程共享

从多线程设计模式到对 CompletableFuture 的应用

大家好&#xff0c;我是 方圆。最近在开发 延保服务 频道页时&#xff0c;为了提高查询效率&#xff0c;使用到了多线程技术。为了对多线程方案设计有更加充分的了解&#xff0c;在业余时间读完了《图解 Java 多线程设计模式》这本书&#xff0c;觉得收获良多。本篇文章将介绍其…

重塑IT审计的未来:数智化审计赋能平台的创新与实践

重塑IT审计的未来&#xff1a;数智化审计赋能平台的创新与实践 一、当前企业开展IT审计面临的挑战 随着信息技术的快速发展、企业数字化转型的持续深入&#xff0c;以及网络安全合规要求的不断增强&#xff0c;企业开展新型IT审计重要性越来越突出&#xff0c;但实施难度却越来…

859.亲密字符串

给你两个字符串 s 和 goal &#xff0c;只要我们可以通过交换 s 中的两个字母得到与 goal 相等的结果&#xff0c;就返回 true &#xff1b;否则返回 false 。 交换字母的定义是&#xff1a;取两个下标 i 和 j &#xff08;下标从 0 开始&#xff09;且满足 i ! j &#xff0c…

【数据融合】基于卡尔曼滤波实现GPS-IMU数据融合附matlab代码

下面是一个简单的示例代码&#xff0c;用于基于卡尔曼滤波实现GPS-IMU数据融合的MATLAB实现&#xff1a; matlab % 初始化卡尔曼滤波器参数 dt 0.1; % 时间步长 A [1 dt; 0 1]; % 状态转移矩阵 B [0.5*dt^2; dt]; % 输入控制矩阵 H [1 0]; % 观测矩阵 Q eye(2); % 状态噪…

Python闯LeetCode--第2题:两数相加

Problem: 2. 两数相加 文章目录 思路解题方法复杂度Code 思路 看到这一题&#xff0c;第一反应是分别遍历两个链表&#xff0c;用列表来存储数&#xff0c;先把两个数的值拿到&#xff0c;转为具体数之后进行相加&#xff0c;再把两数相加值转为列表&#xff0c;再转为链表返回…

统计信号处理基础 习题解答10-16

题目&#xff1a; 对于例10.1&#xff0c;证明由观察数据得到的信息是&#xff1a; 解答&#xff1a; 基于习题10-15的结论&#xff0c;&#xff0c;那么&#xff1a; 而根据习题10-15的结论&#xff1a; 此条件概率也是高斯分布&#xff0c;即&#xff1a; 根据相同的计算&a…

国密SM2JS加密后端解密

1.前端加密 前端加密开源库 sm-crypto 1.1 传统web,下载 sm-crypto 进行打包为 dist/sm2.js 相关打包命令 npm install --save sm-crypto npm install npm run prepublish在web页面引用打包后的文件 <script type"text/javascript" src"<%path %>…

一文带你搞清楚AI领域的高频术语!RAG、Agent、知识库、向量数据库、知识图谱、Prompt...都是在讲啥?

随着AI人工智能技术的不断发展&#xff0c;一些领域有关的概念和缩写总是出现在各种文章里&#xff0c;像是Prompt Engineering、Agent 智能体、知识库、向量数据库、RAG 以及知识图谱等等&#xff0c;但是这些技术和概念也的的确确在AI大模型的发展中扮演着至关重要的角色。这…

使用 3D 图形 API 在 C# 中将 PLY 转换为 OBJ

OBJ和PLY是一些广泛使用的 3D 文件格式&#xff0c;易于编写和读取。这篇博文演示了如何以编程方式在 C# 中将 PLY 转换为 OBJ。此外&#xff0c;它还介绍了一种用于 3D 文件格式转换的在线3D 转换器。是的&#xff0c;Aspose.3D for .NET为程序员和非程序员提供了此功能来执行…

Day52 代码随想录打卡|二叉树篇---二叉搜索树中的众数

题目&#xff08;leecode T501&#xff09;&#xff1a; 给你一个含重复值的二叉搜索树&#xff08;BST&#xff09;的根节点 root &#xff0c;找出并返回 BST 中的所有 众数&#xff08;即&#xff0c;出现频率最高的元素&#xff09;。 如果树中有不止一个众数&#xff0c…

【深度学习】基于EANet模型的图像识别和分类技术

1.引言 1.1.EANet模型简介 EANet&#xff08;External Attention Transformer&#xff09;是一种深度学习模型&#xff0c;它结合了Transformer架构和外部注意力机制&#xff0c;特别适用于图像分类等计算机视觉任务。以下是关于EANet的详细解释&#xff1a; 1.1.1 定义与背…

微信小程序写一个录音机

微信小程序写一个录音机 代码&#xff1a; wxml: <view class"container"><view class"duration">{{duration}}</view><button bindtap"startRecord" class"btn">开始录音</button><button bindta…

Node.js版本管理工具-NVM

在开发 Node.js 项目时&#xff0c;经常会遇到需要切换不同版本的 Node.js 的情况。为了方便管理和切换各个版本&#xff0c;我们可以使用一些 Node.js 版本管理工具。 Node Version Manager&#xff1a;简称NVM&#xff0c;最流行的 Node.js 版本管理工具之一。它允许我们在同…

计算机体系结构重点学习(一)

从外部I/O与上层应用交互的整体软硬件过程 上层应用发出I/O请求&#xff1a;上层应用程序&#xff0c;如一个文本编辑器、网络浏览器或者任何软件应用&#xff0c;需要读取或写入数据时&#xff0c;会通过调用操作系统提供的API&#xff08;如文件操作API、网络操作API等&…

Python学习打卡:day04

day4 笔记来源于&#xff1a;黑马程序员python教程&#xff0c;8天python从入门到精通&#xff0c;学python看这套就够了 目录 day428、while 循环的嵌套应用29、while 循环案例 — 九九乘法表补充知识示例&#xff1a;九九乘法表 30、for 循环基本语法while 和 for 循环对比f…

基于多头注意力机制卷积神经网络结合双向门控单元CNN-BIGRU-Mutilhead-Attention实现柴油机故障诊断附matlab代码

在使用这些深度学习库时&#xff0c;你可以按照以下步骤构建CNN-BIGRU-Multihead-Attention模型&#xff1a; 导入所需的库和模块。例如&#xff0c;在使用TensorFlow时&#xff0c;你可以导入tensorflow库和其他需要的模块。 定义输入层。根据你的数据&#xff0c;定义适当的…

Android屏幕旋转流程(1)

&#xff08;1&#xff09;Gsensor的注册和监听 App -->I2C过程&#xff1a;App通过SensorManager.getSystemServer调用到SystemSensorManager&#xff0c;SystemSensorManager通过jni调用到SensorManager.cpp&#xff0c;后通过binder调用到SensorService。SensorService通…

SpringBoot+Maven笔记

文章目录 1、启动类2、mapper 接口3、控制类4、补充&#xff1a;返回数据时的封装5、补充a、mybatisplus 1、启动类 在启动类上加入MapperScan扫描自己所写的mapper接口 package com.example.bilili_springboot_study;import org.mybatis.spring.annotation.MapperScan; impo…