Monte Carlo Simulation là gì?

Nếu bạn đã từng làm việc liên quan đến risk management bạn sẽ nghe đến Monte Carlo Simulation. Monte Carlo Simulation là một kỹ thuật phân tích rủi ro định lượng để xác định mức đội rủi ro hoàn thành dự án, được xem là một trong những kỹ thuật hay công cụ quan trọng nhất của risk management.

---

[wc_tabgroup layout=”box”][wc_tab title=”Question”]

#PS345 – What statistical value will you look at on your Monte Carlo chart that will indicate there is, or is not a bias towards the optimistic or pessimistic values relative to the mean?

A. Kurtosis

B. Skewness

C. SD

D. Latin Hybercube value

[/wc_tab][wc_tab title=”Answer”]

B is correct: [wc_highlight color=”yellow”]Skewness is a measure of the asymmetry of data around a central point, and indicates a bias in the trending of results[/wc_highlight].  Data can be positively skewed, negatively skewed, or without skew.  In other words, skewness tells you the amount and direction of skew (departure from horizontal symmetry).

A is wrong: [wc_highlight color=”yellow”]The kurtosis is a measure of the “peakedness” of the probability distribution of a random variable[/wc_highlight].  It describes the narrowness of the distribution, or the extent to which results are tightly clustered around the mean.  Kurtosis measures the fat-tail degree of a cube value.

D is wrong:  There is no Latin Hypercube value on a Monte Carlo chart.  Latin Hypercube refers to stratified sampling simulation unlike the Monte Carlo which uses random sampling.

[/wc_tab][/wc_tabgroup]

---

PMBOK cũng không có nhiều thông tin chi tiết về Monte Carlo nhưng rất tiếc là bộ công cụ này được sử dụng rất nhiều trong đề thi lấy chứng chỉ PMP và cả trong thực tế anh em làm quản lý dự án. Rất nhiều thông tin và tài liệu nói rằng Monte carlo là một kỹ thuật rất phức tạp và nó cần có sự hỗ trợ của máy tính mới có thể thực hiện được. Sự hiểu lầm rằng Monte Carlo phức tạp rất khó không hoàn toàn đúng, mà ngược lại nó còn là một kỹ thuật rất dễ so với các Tools / Techniques khác trong PMBOK guide. Quan trọng Project Manager cần nắm ý nghĩa của Monte Carlo để vận dụng vào dự án.

Kevin tin chắc sau khi bạn đọc bài này bạn sẽ thấy Monte Carlo sẽ cực kỳ dễ hiểu và không thực sự ghê ghớm.

Monte Carlo được phát minh bởi một nhà khoa học hạt nhân nguyên tử là Stanislaw Ulam vào năm 1940, Monte Carlo được lấy tên từ một thị trấn của Monaco nổi tiếng với các sòng bài Casino. Đây là một kỹ thuật mang tính toán học các risk trong dự án để giúp make decision making. Và các risk này là identified risk, kỹ thuật này chạy simulation nhiều lần để tính toán ảnh hưởng của identified risk , tính toán những kết quả có thể xảy ra trong những ngữ cảnh khác nhau (different scenarios).

Project Manager có thể sử dụng Monte carlo để phân tích ảnh hưởng của risk nhằm forecasting về mặt chi phí, schedule dự án…

[wc_box color=”success” text_align=”left”]

Monte Carlo: compute the probability of completing project on a specific day.

[/wc_box]

Ví dụ áp dụng Monte Carlo trong việc xác định Project schedule. Để sử dụng Monte Carlo bạn cần phải có duration estimate của mỗi activity. Chúng ta hãy xem 3  công việc A, B, C được estimate như sau:

Ở ví dụ này tính PERT (Program Evaluation and Review Technique) có giá trị 17.5.

 

Tuy nhiên trong trường hợp tốt nhất (Optimistic) dự án có thể hoàn thành trong 16 ngày, và trong trường hợp tệ nhất (Pessimistic) dự án mất 21 ngày để hoàn thành, nhưng hãy xem cơ hội để hoàn thành dự án ở 16 ngày, 17 ngày…. 21 ngày là bao nhiêu?

(Kết quả này giả sử chạy 500 lần, dữ liệu này là dữ liệu mang tính mô phỏng để các bạn hiểu rõ cách hoạt động của Mote carlo, còn việc tính toán sẽ không đề cập đến, chúng ta cần biết chúng ta đang làm Monte Carlo để đạt được điều gì).

Ở bảng trên ta có thể kết luận:

• Dự án có xác suất 2% để hoàn thành trong 16 ngày.
• Dự án có xác suất 8% để hoàn thành trong 17 ngày.
• …
• Dự án có xác suất 21% để hoàn thành trong 100 ngày.

Dùng kỹ thuật Monte Carlo bạn có thể nhiều thông tin chi tiết hơn giúp Project Manager ra quyết định. Tuy nhiên thế, Monte Carlo cũng còn chưá đựng nhiều giới hạn như:

• Kết quả ước lượng chất lượng hay không bạn cần phải có dữ liệu đầu vào chất lượng, nếu ước lượng 3 điểm sai ngay từ đầu thì kết quả Monte Carlo cũng không còn chính xác.
• Monte Carlo cho bạn thấy xác suất hoàn thành công việc trong các ngữ cảnh khác nhau, nó không thể hiện thời gian thực tế hoàn thành dự án.
• Monte carlo không thể áp dụng cho từng công việc cụ thể, mà phải là tất cả các công việc và các thông tin liên quan risk của mỗi activity đó.
• Project Manager cần phải mua một phần mềm để chạy Monte Carlo simulation.

Lợi ích của Monte Carlo Simulation:

• Evaluation risk of Project
• Tiên đoán cơ hội thất bại, hay thời gian và chi phí bị vượt so với hoạch định.
• Giúp Project Manager xây dựng một ngân sách dự án và tiến độ thực tế.
• Giúp nhận được sự đồng tình về risk management của top management
• Giúp hỗ trợ decision making

Kết luận

Monte Carlo là một kỹ thuật rất quan trọng trong phân tích định lượng rủi ro dự án, giúp Project Manager ra quyết định dựa trên những dữ liệu ràng buộc dự án hay mục tiêu dự án. Giả sử ở ví dụ trên nếu top management muốn dự án kết thúc trong 18 ngày là nhanh hơn PERT (Program Evaluation and Review Technique) estimate, thì xác suất hoàn thành chỉ 55%, do đó cần phải có risk response plan kỹ càng hơn. Tuy nhiên kỹ thuật này ít được dùng cho các dự án có kích cỡ nhỏ hay vừa, nó được sử dụng để tăng cơ hội thành công dự án dựa và approved baselines.

Nếu có bất cứ chia sẻ hay góp ý bạn vui lòng chia sẻ ở dưới phần bình luận. Tôi rất vui lòng về điều đó. Cảm ơn.