Projektien aikatauluriskien hallinnan kehittäminen

Abstract

Tässä diplomityössä tutkitaan toimitusprojektien aikataulumuutosten taustatekijöitä, niiden hallintakäytäntöjä sekä mahdollisuuksia ennakoida aikatauluriskejä Monte Carlo -simuloinnin avulla. Tutkimuksen taustalla on organisaation tarve kehittää ennakoivia toimintamalleja projektien aikataulunhallintaan ja parantaa projektien ohjattavuutta moniprojektiympäristössä.

Tutkimus toteutettiin kolmivaiheisena. Ensimmäisessä vaiheessa suoritettiin kyselytutkimus projektihenkilöstölle, jolla kartoitettiin aikataulumuutosten yleisimmät syyt, viestintäkäytännöt ja hallintamenetelmät. Toisessa vaiheessa analysoitiin organisaation toteumadataa, jonka avulla pyrittiin tunnistamaan, missä määrin kyselyssä esiin nousseet syyt näkyvät myös toteutuneissa pro-jekteissa. Kolmannessa vaiheessa kehitettiin Monte Carlo -simulaatiomalli, jonka avulla arvioitiin projektien aikataulun viivästymisen todennäköisyyttä.

Tulosten perusteella yleisimmät aikataulumuutosten syyt liittyivät resurssien saatavuuteen, laa-tukorjauksiin, materiaalipuutteisiin sekä suunnittelun ja teknologian haasteisiin. Kysely ja toteumadata tukivat toisiaan, mutta toivat esiin myös näkökulmaeroja: esimerkiksi laatukorjaukset korostuivat toteumadatassa enemmän kuin kyselyvastauksissa. Viestintäkäytännöissä havaittiin hajanaisuutta, ja osa vastaajista ei ollut tietoinen siitä, miten aikataulumuutoksista tiedotetaan organisaation sisällä.

Monte Carlo -malli osoittautui käyttökelpoiseksi välineeksi aikatauluriskien arviointiin. Malli mahdollisti projektien valmistumisajan todennäköisyysjakaumien tarkastelun ja tarjosi tukea riskitietoiseen päätöksentekoon. Mallin tarkkuus kuitenkin riippui vahvasti lähtötietojen laadusta, ja sen soveltuvuutta rajoitti muun muassa projektien välisten riippuvuuksien huomioimattomuus.

Tutkimuksen tuloksena esitetään konkreettisia kehitysehdotuksia, kuten yhtenäisten raportointi- ja viestintäkäytäntöjen luominen, datan laadun ja integraation parantaminen sekä Monte Carlo -mallin jatkokehitys. Näiden avulla organisaatio voi siirtyä reaktiivisesta aikataulunhallinnasta kohti ennakoivaa ja dataperusteista toimintamallia, mikä parantaa projektien hallittavuutta ja tukee strategisten tavoitteiden saavuttamista.

This thesis investigates the root causes of schedule changes in delivery projects, the current practices for managing such changes, and the potential of using Monte Carlo simulation to pro-actively assess schedule risks. The study was initiated in response to an organizational need to improve the predictability and control of project schedules in a multi-project environment.

The research was conducted in three phases. First, a survey was carried out among project per-sonnel to identify the most common reasons for schedule changes, as well as current communication and management practices. Second, historical project data was analyzed to determine whether the issues raised in the survey were also reflected in actual project outcomes. Third, a Monte Carlo simulation model was developed to estimate the probability of schedule delays based on both historical data and expert assessments.

The results revealed that the most frequent causes of schedule changes were related to resource availability, quality issues, material shortages, and challenges in design and technology. While the survey and data analysis supported each other, they also highlighted differences in perception for example, quality-related delays were more prominent in the data than in the survey responses. Communication practices were found to be inconsistent, and some respondents were unaware of how schedule changes are communicated within the organization.

The Monte Carlo model proved to be a useful tool for assessing schedule risks. It enabled the simulation of project completion times under uncertainty and supported risk-aware decision-making. However, the model’s accuracy was highly dependent on the quality of input data, and it did not account for interdependence between concurrent projects, which limits its practical applicability.

The study provides concrete development recommendations, including the standardization of reporting and communication practices, improvement of data quality and integration, and further development of the Monte Carlo model. These actions would help the organization transition from reactive to proactive, data-driven schedule management, improving project control and supporting strategic objectives.