Estimativa paramétrica

Para estimativa-de-duracao-da-atividade
A estimativa da base das durações das atividades pode ser determinada quantitativamente multiplicando a quantidade de trabalho a ser realizado pelo valor da produtividade. Por exemplo, os valores da produtividade podem ser estimados em um projeto de design pelo número de desenhos multiplicado pelas horas de mão-de-obra de desenho ou em uma instalação de cabo em metros de cabo multiplicados pelas horas de mão-de-obra por metro. As quantidades totais de recursos são multiplicadas pelas horas de mão-de-obra por período de trabalho ou pela capacidade de produção por período de trabalho e divididas pelo número desses recursos que está sendo aplicado para determinar a duração da atividade em períodos de trabalho.

Para estimativa-de-custos
A estimativa paramétrica é uma técnica que utiliza uma relação estatística entre dados históricos e outras variáveis (por exemplo, metros quadrados em construção, linhas de código em desenvolvimento de software, horas de mão-de-obra necessárias) para calcular uma estimativa de custos para um recurso de uma atividade do cronograma. Esta técnica pode produzir níveis mais altos de exatidão dependendo da sofisticação e também da quantidade de recursos e dos dados de custos subjacentes incorporados ao modelo. Um exemplo relacionado ao custo envolve multiplicar a quantidade planejada de trabalho a ser realizado pelo custo histórico por unidade para obter o custo estimado.

Para orcamentacao
A técnica da estimativa paramétrica envolve o uso de características do projeto (parâmetros) em um modelo matemático para prever os custos totais do projeto. Os modelos podem ser simples (por exemplo, a construção de uma residência custará uma determinada quantia por metro quadrado de área útil) ou complexas (por exemplo, um modelo de custos de desenvolvimento de software usa treze fatores de ajuste separados, sendo que cada um deles possui de cinco a sete pontos). Tanto os custos quanto a exatidão dos modelos paramétricos variam amplamente. Existe maior probabilidade de que eles sejam confiáveis quando: As informações históricas usadas para desenvolver o modelo são precisas Os parâmetros usados no modelo são prontamente quantificáveis O modelo é escalável, no sentido de que funciona tanto para um projeto grande quanto para um pequeno.

Referências:

Unless otherwise stated, the content of this page is licensed under Creative Commons Attribution-ShareAlike 3.0 License