Nel mondo del business, in particolare nei settori che operano su commesse (quali, ad esempio, le grandi opere d'ingegneria) economicamente rilevanti e poco ripetitive, nonché in presenza di margini sempre più esigui, sta assumendo importanza l’analisi quantitativa dei rischi (QPRA – Quantitative Project Risk Analysis) condotta con tecnica di simulazione Monte Carlo.
Infatti, nell'ambito di un'analisi sull'opportunità di acquisire una commessa, la QPRA permette una valutazione quantitativa del rischio complessivo di progetto, definito come l’esposizione degli stakeholders alle conseguenze di variazioni nel risultato progettuale inizialmente prefissato, combinando l’effetto dei rischi individuali,e di altre sorgenti d'incertezza sugli obiettivi del progetto stesso.

In quest'articolo, vogliamo concentrare la nostra attenzione sulla valutazione del rischio complessivo di progetto con riferimento agli obiettivi di tempo (Project Schedule Risk) e di costo (Project Cost Risk), ossia in termini di variabilità della durata e del costo complessivo.

La comprensione di tale variabilità è importante per prendere decisioni che consentano di intraprendere le opportune azioni di mitigazione dei rischi individuali includendo una riserva di contingency al budget totale del progetto o, nel peggiore dei casi, arrivando alla non approvazione del progetto.

In particolare, la QPRA condotta con la simulazione Monte Carlo consente di rispondere con buona attendibilità a domande del tipo:

  • Con che probabilità il progetto finirà entro una certa data o un determinato costo?
  • Quali sono i singoli rischi e le relative attività che più incidono sulla variabilità della durata e del costo totale del progetto e per i quali si possono rendere necessarie azioni di mitigazione?
  • Qual è il livello della riserva (contingency) da aggiungere al costo preventivato per rendere accettabile il rischio di superamento del budget totale del progetto?


Occorre però rilevare che, in apparenza, la conduzione della QPRA su di un progetto potrebbe far emergere due grandi punti di debolezza:

  1. Scarsa economicità legata ad uno sforzo non indifferente per essere realizzata e riaggiornata.
  2. Difficile realizzazione con informazione limitata in quanto normalmente è richiesto un modello costituito da molti elementi di dettaglio (attività e voci di costo), con associate informazioni probabilistiche anch’esse di dettaglio.

A fronte delle due obiezioni sopra esposte, chiediamoci però se siamo proprio sicuri che valga la pena fare uno sforzo per compiere una QPRA.

Lo scopo di quest'articolo è infatti quello di mostrare che l’utilizzo di poche informazioni aggregate e rilevanti è adatto per condurre una QPRA economica e applicabile anche in fase preliminare di progetto (QPRA semplificata), quando le informazioni di dettaglio non si conoscono o siano difficilmente reperibili.

Per raggiungere questo scopo è necessario fare uso di due leve e cioè:

  1. la costruzione di un modello semplificato del progetto da cui partire per realizzare la QPRA 
  2. la riduzione dei dati probabilistici da raccogliere e inserire nel modello.

I risultati ottenibili, a fronte di studi (*) ed esperienze reali realizzate con successo dai nostri tecnici, mostrano che esistono margini di semplificazione già dalla costruzione del modello del progetto e anche limitandosi a sole 15-25 macro-attività e 20-30 macro-costi si possono raggiungere risultati prossimi a quelli di una QPRA tradizionale.

Ad esempio: definito come quantile la probabilità di finire il progetto entro una certa data (o costo) si ha che P10 è la data (o il costo) che ci garantisce la copertura nel 10% dei casi, P50 nel 50%, P90 nel 90%.
Abbiamo confrontato la QPRA tradizionale e la sua versione semplificata e le distanze tra i quantili di ordine 0,1 (P10), 0,5 (P50) e 0,9 (P90), in genere sono:

  • Con riferimento alla durata del progetto, le distanze tra questi quantili sono tutte inferiori al 5%
  • Riguardo al costo del progetto, le distanze tra questi quantili sono risultate tutte inferiori al 3%

Da questi risultati si può dedurre che i valori emersi della QPRA semplificata si avvicinano molto a quelli di una QPRA tradizionale nonostante la riduzione rilevante di elementi del modello (attività, voci di costo, collegamenti logici) e di dati probabilistici (probabilità di accadimento, distribuzioni di probabilità, coefficienti di correlazione).

In generale, l’implementazione della semplificazione consente:

  • Maggiore economicità: si ottiene un risparmio di tempo dell’ordine del 50%, derivante in misura maggiore dalla velocizzazione nella costruzione del modello del progetto, in misura minore dalla riduzione dei dati probabilistici da raccogliere e inserire nel modello, anche in fase di aggiornamento della QPRA. Questa rapidità di realizzazione e aggiornamento della QPRA permette di applicarla a un numero maggiore di progetti senza dover investire in ulteriori risorse.
  • Alto grado di applicabilità in condizioni di informazione limitata: per eseguire la QPRA non servono più dati di dettaglio, ma dati aggregati più facilmente reperibili. Questo consente di anticipare l’applicazione della QPRA anche in fase preliminare del progetto, quando il livello di conoscenza dei dettagli è ai minimi livelli.

Inoltre, a questi due vantaggi di tipo “diretto”, l’adozione della semplificazione porterebbe ad una serie di ulteriori benefici” indiretti” sul progetto quali:

  • focus solo sugli aspetti rilevanti senza perdere di vista la visione globale del progetto.
  • limitata possibilità di obsolescenza dei dati di input. La maggiore rapidità della procedura limita la possibilità che i dati di input si modifichino tra il momento in cui vengono raccolti e il momento dell’ottenimento dei risultati, il che penalizza fortemente l’analisi.
  • Agevola l’implementazione e la gestione di un registro di dati storici, poiché si tratta di registrare solo poche incertezze importanti.

In conclusione:
la QPRA semplificata è uno strumento semplice e a basso costo che presenta il grande vantaggio di poter analizzare da subito tutte le incognite di un progetto consentendoci di decidere se acquisire una commessa con un approccio più quantitativo e al riparo da “brutte sorprese”.

(*) Il riferimento bibiliografico da cui è stato stimolata la nostra sperimentazione sui progetti è la tesi universitaria dell’ing. Gianluca Testa per la laurea in ingegneria gestionale presso il Politecnico di Milano, anno accademico 2011-2012: “L’utilizzo di poche informazioni aggregate e rilevanti per la simulazione di un progetto” un caso di studio presso l’ENI.


L'articolo è stato redatto dagli ingg. David Modica e Irene Zoia del team Project Management di NIER Ingegneria.

Per maggiori approfondimenti, Questo indirizzo email è protetto dagli spambots. E necessario abilitare JavaScript per vederlo.