- PSZW

(1)

Akademia Obrony Narodowej Warszawa

Streszczenie

Symulacja komputerowa moĪliwych strategii postĊpowania w prowadzeniu zło-Īonych projektów pod kątem wielowymiarowej optymalizacji umoĪliwia Ğwiadomy, uzasadniony i ekonomiczny wybór właĞciwego postĊpowania. W poniĪszym artykule zaprezentowano system symulacji i wyniki róĪnych strategii. W przetestowanych wa-runkach brzegowych wykazano stochastyczny wpływ szczegółowej implementacji al-gorytmów decyzyjnych oprogramowania symulacyjnego. Stosowane od roku 2006 narzĊdzie jest wartoĞciową pomocą dla praktyków i cennym wsparciem dydaktycz-nym w procesie nauczania prowadzenia projektów w Szwajcarii i Polsce. DoĞwiad-czenia wskazują na celowoĞü przekształcenia stochastycznych zachowaĔ w Ğwiadome uwzglĊdnienie czynnika ludzkiego w systemie symulacji.

Słowa kluczowe: prowadzenie projektów, symulacja, strategie, TopSim, optymalizacja koszt – termin - wynik, stochastyka narzdzi symulacji

1. Znaczenie symulacji prowadzenia projektów

Zdecydowana wikszo zada w przedsibiorstwach realizowana jest w formie projektów [1]. Prowadzenie projektów jest cz ci usług, przynoszcych obecnie najwikszy produkt krajowy brutto w krajach dobrze rozwinitych i w krajach rozwijajcych si o wysokim wzro cie gospodar-czym, do których naley Polska [2,3] i wynosi do 11,5% kosztów projektu [4].

Wikszo projektów wymaga umiejtno ci wielowymiarowej optymalizacji zada. 80 % pro-jektów kosztuje powyej 250.000 zł, w 60% propro-jektów zaangaowanych jest wicej ni 20 osób (Ekstrapolacja bada [5]).

Dla wypracowania wła ciwej decyzji prowadzcy projekt musi optymalizowa wzgldem sie-bie 500 – 800 pojedynczych czynno ci [7]. No no tych decyzji w przypadku złoonych projek-tów i wielu współpracowników prowadzi do niezadowalajcych jak dotd rezultaprojek-tów.

Wieloletnie badania efektywno ci [4,8] prowadzonych projektów wskazuj, e liczba projek-tów koczcych si w planowanym terminie, dostarczajc planowane rezultaty, przy planowanych kosztach, oscyluje na przestrzeni lat około 30-40%

Kerzner wskazuje na trzy dziedziny umiejtno ci, odpowiedzialnych za sukces projektu: umie-jtno ci socjalne w zakresie czynnika ludzkiego, znajomo technologii i umieumie-jtno ci organiza-cyjne [9]. Te ostatnie s odpowiedzialne za wła ciwy wybór strategii postpowania przy uwzgld-nieniu wszystkich wyej wymienionych czynników, wpływajcych na złoono projektu.

Czynno ci organizacyjne dadz si zalgorytmizowa. Prowadzi to do moliwo ci zbudowania i wykorzystania narzdzi symulacji przebiegu projektu. Moliwe staje si przeanalizowanie rezultatów projektu przy rónych scenariuszach, rónych warunkach brzegowych, jeszcze przed

(2)

podjciem decyzji o duym znaczeniu ekonomicznym. Według Sauter efektywno uczenia si i opanowania umiejtno ci prowadzenia projektów wzrasta o 40% w porównaniu z klasycznym nauczaniem wykładem i wiczeniami [10].

Rynek praktycznie stosowanych narzdzi jest zaskakujco ograniczony. Stosowane narzdzia prawie wyłcznie oparte s na koncepcji architektury i struktur pojedynczych czynno ci [7-14].

W niniejszej publikacji przeanalizowany jest wynik symulacji optymalizacji trzech podstawo-wych parametrów projektu: czasu realizacji, kosztów i osignitych rezultatów, przy pomocy symulatora TopSim najbardziej rozpowszechnionego w rodowisku akademickim w symulacji procesów i projektów w Europie [11].

2. System Symulacji TopSim

TopSim, powstałe w latach 90tych, przeywa renesans od roku 2006, w którym mark przejł koncern TATA. Symulator zapewnia graficzn moliwo prezentacji i edycji zada i sieci zada. Pracuje na kadym komputerze PC niezalenie bdz w sieci połczonej ze stanowiskiem instrukto-ra symulacji.

Pojedyncze zadanie przedstawione jest w nastpujcej postaci rys.1:

Rys. 1. Symbole TopSim Gdzie:

1. Numer zadania

2. Bufor, który jest okre lony liczb tygodni

3. Długo w tygodniach potrzebn na wykonanie zadania

ͲͲͲͲͲͲͲͲͲͲͲ

Wysokie ryzyko (zadanie o najmniejszej liczbie tygodni z dostpnych wariantów)

ͲͲͲͲͲͲͲͲͲͲͲ

Niskie ryzyko (zadanie o najwikszej liczbie tygodni z dostpnych wariantów)

ͲͲͲͲͲͲͲͲͲͲͲ

rednie ryzyko (zadania, które nie spełniaj powyszych kryteriów)

Zadanie z buforem 2+ tygodnia Zadanie z buforem 1 tydzie Zadanie na ciece krytycznej

Dla celów niniejszego opracowania oryginalny TopSim kod kolorami wzmocniony został symbo-lami graficznymi.

(3)

3. Dobór zadania do symulacji strategii

Do symulacji wybrano typowy projekt o w miar przejrzystej strukturze. Harmonogram po-cztkowy poszczególnych zada okre laj zaleno ci wyraone liniami łczcymi poszczególne zadania (rys. 2). Krytyczna cieka zaznaczona jest kolorem czerwonym w oryginale, symbolem

na rys. 2.

Rys. 2. Harmonogram wyjĞciowy

Wstpny harmonogram został przygotowany na 73 tygodnie. Załoeniem projektu jest zako-czy projekt po 65 tygodniach. Ewentualne opónienie skutkuje kar, a wcze niejsze zakoczenie projektu nagrod, w obu przypadkach od 150 do 400 tys. Euro/tydzie. Podobnie premiowane bd karane od 50 do 200 tys. Euro s osignicia technologiczne (PT) bd jako ciowe (PQ).

(4)

4. Kryteria symulacji

Kryteria rozwaane s z dwóch punktów widzenia:

• Zleceniodawca zainteresowany jest uzyskaniem produktu o moliwie najwyszej jako- ci, za moliwie najmniejsz cen.

• Wykonawca projektu zainteresowany jest maksymalizacj przychodu przez dostarcze-nie produktu przy jak najniszych kosztach.

Dla celów analizy TopSim przyjto kryterium wykonawcy z maksymalizacja mary Project Margin (PM), PM jest to rónica pomidzy kosztami (Costs), a przychodami (Revenue) w projek-cie. Procentowy stosunek PM do przychodów nazywany jest mar – Gross Margin (GM):

GM = PM / Revenue * 100% Warunki pocztkowe symulacji przedstawia tabela na rys. 3.

LP Tygodnie PT PQ Koszty Przychód PM GM

0 73 100 100 8525 k€ 8050 k€ -475 k€ -5,9%

Rys. 3. Warunki początkowe symulacji 5. Wybrane strategie symulacji

Komputerowe wyszukanie optymalnego rozwizania prowadziłoby do analizy 1246 (czyli 4,4*1049) rozwiza:

• Mamy 46 zada.

• Kade z zada umoliwia wybranie 1 z 4 wariantów (1 domy lny + 3 alternatywy).

• Kady wariant w trakcie realizacji posiada do 3 odchyle (1 rzeczywista moliwo realiza-cji wcze niej wybranego wariantu + 2 alternatywy).

Podej cie to nie słuy celom dydaktycznym symulatora – wykształceniu umiejtno ci analizy sytuacji i wyboru rozwizania przez prowadzcego projekt. W dalszej analizie przyjto nastpuj-cy scenariusz symulacji przez uczcego si prowadzenia projektów:

1. Przygotowanie

Na pocztku okre lone zostaj wszystkie potencjalnie przydatne rozwizania. Aby mona było je okre li, naley wykona 4 przebiegi projektu, w których, dla kadego zadania, zostan wybrane wszystkie moliwe warianty. Podczas uruchamiania poszczególnych za-da, na ekranie ukazuj si dostpne odchylenia, dla kadego z wariantów. Uczcy si wybiera potencjalnie najlepsze do póniejszej analizy.

2. Najkrótszy przebieg

a. Opracowa moliwie krótk ciek krytyczn (realizacja projektu w najkrótszym cza-sie), z pominiciem skrajnie niekorzystnych rozwiza technologicznych i jako cio-wych.

b. Opracowa najwyszy moliwy zysk, przy zachowaniu cieki krytycznej. Uzyska to mona poprzez eliminacj buforu w poszczególnych zadaniach.

3. Przebieg optymalny

a. Opracowa optymalny czasu realizacji projektu. Naley tutaj uwzgldni nastpujce czynniki:

(5)

• Kady tydzie wydłuenia realizacji projektu generuje zmniejszenie bonusu z tytułu terminowo ci, a co za tym idzie przychodu.

• Z drugiej strony, kade tydzie wydłuenia realizacji projektu, to potencjalna moli-wo uzyskania kilku punktów technologicznych i jako ciowych, ale i równie obni-enie kosztów projektu.

b. Opracowa najwyszy moliwy zysk, przy zachowaniu cieki krytycznej (eliminacja buforu).

Przebieg najkrótszy

W celu znalezienia najkrótszego rozwizania, teoretycznie wystarczy „złoy” przebieg z za-da o moliwie krótkim czasie realizacji. W niektórych przypadkach, wydłuenie realizacji pojedynczego zadani o 1 tydzie, zwikszało liczb punktów za jako i technologi, o łcznie 4 lub wicej. Biorc pod uwag, e kady z tych punktów jest warty 100k€, a pojedynczy tydzie to strata maksymalnie 300k€, to bezdyskusyjnie warto wydłuy realizacj takiego zadania.

W tym przypadku wydłuone zostały realizacje zada: • Zadanie 1 (+0 tygodni, +4 punkty).

• Zadanie 16 (+1 tydzie, +5 punktów). • Zadanie 40 (+ 2 tygodnie, +8 punktów).

0 73 100 100 8525 k€ 8050 k€ -475 k€ -5,9%

1 56 110 119 14689 K€ 14320 k€ -369 k€ -2,6%

Rys. 4. Wyniki symulacji najkrótszego przebiegu

W porównaniu do przebiegu zerowego zyskali my a 17 tygodni oraz a 29 punktów technicznych i jako ciowych (rys. 4). Niestety, konsekwencj takiego posunicia, jest znaczcy wzrost kosztów. Optymalizacja mary

Aby uzyska wiksz mar na projekcie naley kosztem tygodni, tak sterowa kosztami i ja-ko ci, aby uzyska optymalny, pod wzgldem mary przebieg.

W kolejnym przebiegu wydłuona została cieka krytyczna o 1 tydzie, a dziki temu zwik-szona technologia i jako zada 39 i 41.

Zoptymalizowana równie została lewa cz projektu tak, aby zniwelowa do zera dostpny bufor (uzyska maksymalnie duo zada na ciece krytycznej). Tylko 4 zadania maj bufor wikszy ni 1 tydzie. 9 zada ma bufor równy 1 tydzie. A 33 zadania s na ciece krytycznej.

(6)

0 73 100 100 8525 k€ 8050 k€ -475 k€ -5,9%

1 56 110 119 14689 k€ 14320 k€ -369 k€ -2,6%

2 57 116 126 14030 k€ 15470 k€ 1440 k€ 9,3%

Rys. 5. Wyniki symulacji optymalizacji marĪy

Uzyskanie mary na poziomie 1440k€, przy zachowaniu 57 tygodni na realizacj projektu jest nad wyraz dobrym wynikiem (w porównaniu do innych wyników, uzyskiwanych w symulacji). Szczegółowy rozkład poszczególnych zada dla przykładu 2 przedstawia rys. 6:

LP Tygodnie PT PQ Koszt 1 7 1 1 215 k€ 2 40 2 2 450 k€ 3 5 1 1 190 k€ 4 7 3 3 100 k€ 5 6 2 2 240 k€ 6 5 1 2 100 k€ 7 1 0 0 190 k€ 8 2 0 0 400 k€ 9 4 1 1 90 k€ 10 8 2 2 450 k€ 11 4 0 0 460 k€ 12 4 0 0 140 k€ 13 8 2 2 80 k€ 14 16 1 1 460 k€ 15 6 0 -2 550 k€ 16 17 0 3 1 050 k€ 17 16 0 0 1 100 k€ 18 13 -2 -2 480 k€ 19 10 0 2 150 k€ 20 20 0 0 340 k€ 21 5 0 1 230 k€ 22 13 1 1 280 k€ 23 18 0 0 600 k€ 24 5 0 -3 580 k€ 25 3 0 0 50 k€ 26 10 1 1 650 k€ 27 10 0 1 140 k€ 28 9 0 0 350 k€ 29 8 0 0 480 k€ 30 1 0 0 50 k€ 31 9 -3 -1 350 k€ 32 8 0 4 360 k€ 33 2 -2 -2 340 k€

(7)

LP Tygodnie PT PQ Koszt 34 3 -1 -1 210 k€ 35 3 1 1 380 k€ 36 3 0 -1 150 k€ 37 1 -1 0 140 k€ 38 2 0 0 240 k€ 39 5 2 2 90 k€ 40 4 3 2 60 k€ 41 5 1 1 60 k€ 42 3 0 0 180 k€ 43 5 0 2 60 k€ 44 1 0 0 220 k€ 45 3 0 0 30 k€ 46 0 0 0 150 k€ Total 116 126 13 665 k€

Rys. 6. Szczegóły symulacji optymalizacji marĪy Przebieg optymalny

Jako baz do znalezienia optymalnego przebiegu, uyty został, wcze niej opracowany „prze-bieg najkrótszy”. Pierwszym załoeniem, które zostało przyjte, jest wydłuenie realizacji projektu do 63 tygodni. W takim okresie czasu uzyskujemy stosunkowo najwikszy bonus za termin oddania projektu. Kosztem 6 dodatkowych tygodni udało si zyska:

• +15 punktów technologicznych, • +15 punktów jako ciowych,

• -397k€ kosztów uzyskania produktu, • +700k€ przychodu.

Zestawienie uzyskanych wyników podaje rys. 7:

0 73 100 100 8525 k€ 8050 k€ -475 k€ -5,9%

1 56 110 119 14689 k€ 14320 k€ -369 k€ -2,6%

2 57 116 126 14030 k€ 15470 k€ 1440 k€ 9,3%

3 63 131 141 13597 k€ 16170 k€ 2573 k€ 15,9%

Rys. 7. Wyniki symulacji optymalizacji marĪy

Osignicie tak dobrego wyniku w 3-cim przebiegu sugeruje wyrane zblianie si do złotego rodka „magicznego trójkta równowagi”. Pytanie, które naleałoby sobie zada w tym momencie brzmi – czy to jest ju maksymalny potencjalny zysk? Czy mona osign jeszcze wicej?

Bdc w duej blisko ci ostatecznego terminu spróbujmy wydłuy termin projektu o 1 ty-dzie. Rozwamy potencjalne moliwo ci zysku, z takiego rozwizania. Najbardziej korzystnym wydaje si zmodyfikowa nastpujce zadania:

(8)

• Zadanie 30 (+3 tygodnie; +0 PT, +2 PQ) • Zadanie 10 (+1 tydzie; +1 PT, +1 PQ) • Zadanie 15 (+5 tygodni; +0PT, +2 PQ)

Łcznie uzyskujemy 8 punktów, kosztem jednego tygodnia. Teoretycznie zyskujemy 8*100k€, kosztem 300k€. Bilans wydaje si w miar oczywisty – spójrzmy na przebieg symulacji.

Uzyskane wyniki s bardzo zaskakujce. Przychód spadł o 300k€ bez korzy ci technologicz-nych czy jako ciowych. Zestawienie przebiegów projektu przedstawia rys. 8:

0 73 100 100 8525 k€ 8050 k€ -475 k€ -5,9%

1 56 110 119 14689 k€ 14320 k€ -369 k€ -2,6%

2 57 116 126 14030 k€ 15470 k€ 1440 k€ 9,3%

3 63 131 141 13597 k€ 16170 k€ 2573 k€ 15,9%

4 64 133 147 13447 k€ 15870 k€ 2423 k€ 15,3%

Rys. 8. Wyniki symulacji modyfikowanej optymalizacji marĪy 6. Wpływ warunków brzegowych i implementacji algorytmu

Analizujc raport, który mona wygenerowa z aplikacji, mona doj do nastpujcych wnio-sków:

• Przychód z tytułu PT wynosi 2720k€ • Przychód z tytułu PQ wynosi 2850k€ • Przychód z tytułu terminu oddania 300k€

• Podstawowy, lub te bazowy przychód za zrealizowanie projektu to 10000k€ • Łcznie: 15870k€

Na pierwszy rzut oka wida, e przychód z tytułu PQ i PT nie jest liczony zgodnie z wcze niej-szymi załoeniami. Gdyby bazowa na załoeniach projektu, to przychód za 80 nadmiarowych punktów wynosiłby 8000k€, a nie 5770k€ (rys. 9):

3 63 131 141 13597 k€ 17800 k€ 4203 k€ 23,6%

4 64 133 147 13447 k€ 18300 k€ 4853 k€ 26,5%

Rys. 9. Oczekiwane wyniki symulacji modyfikowanej optymalizacji marĪy

Analizujc powysz sytuacj i uruchamiajc kilka dodatkowych przebiegów udało si ustali, e algorytm symulacji przewiduje ograniczenie pod wzgldem liczby punktów PT i PQ do 130 punktów. Podobnie przeanalizowano system kar i bonusów. Załoenie zakoczenia projektu 8 tygodni przed terminem powinno da bonus 150k€ za kady tydzie – czyli 1200k€. Faktycznie TopSim daje 2*300k€ (za pierwsze 2 tygodnie) + 3*250k€ (za kolejne 3 tygodnie) + 2*200k€ (za kolejne 2 tygodnie) + 150k€, czyli 1900k€. Podobnie, lecz znacznie mniej korzystnie przedstawia si w przypadku bonusów za punkty technologiczne i jako ciowe.

Majc wiadomo algorytmu naliczania jest znacznie łatwiej dy do uzyskania optymalnego przebiegu z uwzgldnieniem wła ciwo ci symulatora TopSim:

(9)

• Minimalna liczba tygodni • 130 PT

• 130 PQ

• Minimalna warto kosztów

Opracowano przebieg, który w najwikszym stopniu zblia si, do powyszych kryteriów ideal-nych rys. 10:

0 73 100 100 8525 k€ 8050 k€ -475 k€ -5,9% 1 56 110 119 14689 k€ 14320 k€ -369 k€ -2,6% 2 57 116 126 14030 k€ 15470 k€ 1440 k€ 9,3% 3 63 131 141 13597 k€ 16170 k€ 2573 k€ 15,9% 4 64 133 147 13447 k€ 15870 k€ 2423 k€ 15,3% 5 61 127 136 13333 k€ 16370 k€ 3037 k€ 18,6%

Rys. 10. Wyniki symulacji optymalnego przebiegu z uwzglĊdnieniem specyfiki TopSim Uzyskany ostateczny wynik wydaje si by optymalnym i maksymalnym moliwym do uzyskania. 7. Podsumowanie wyników symulacji

Moliwo symulacji TopSim i przeprowadzona analiza umoliwiły:

• Wykazanie znaczcej rónicy pomidzy planowaniem, a rzeczywisto ci w projekcie. • Praktyczne wykazanie zaleno ci pomidzy terminem, kosztami, a ostatecznym produktem. • Przewiczenie dynamiki projektu w cotygodniowej modyfikacji sytuacji.

• Moliwo wykształcenia jednoczesnej wielowymiarowej optymalizacji postpowania. • Rywalizacji w zespole (w wiczeniu 3-osobowym), wraz z jednoczesn rywalizacj z 4

in-nymi zespołami.

• Ocen wpływu stochastycznych efektów załoe finansowych symulatora i rzeczywistego sposobu rozliczenia.

• Wykazanie nieprzewidywalno ci efektów ronych scenariuszy midzy wariantami bezpiecz-nym a wysoce ryzykowbezpiecz-nym, agresywbezpiecz-nym prowadzeniem projektu. Przykład zadania nr 16:

- W wariancie agresywnym:

• Planowane zakoczenie po 12 tygodniach

• Rzeczywiste zakoczenie po 16 tygodniach (-1 PT, -1 PQ) - W wariancie bezpiecznym:

• Planowane zakoczenie po 22 tygodniach

(10)

8. Wnioski

W artykule tym przeprowadzono analiz komputerowej symulacji projektu symulatorem TopSim. Przy zadanych kryteriach moliwy jest wybór ronych strategii optymalizacji prowadze-nia projektu, w zaleno ci od decyzji prowadzcego projekt w wielowymiarowej optymalizacji. Dodatkowo stochastyczny wpływ rónic implementacji algorytmów odpowiada realiom prowadze-nia projektów, uzalenionych silnie od czynnika ludzkiego, wpływajcego zarówno na efektyw-no wykonywanych prac (do dziesiciokrotnego wzrostu) jak i osigni technologicznych, a przede wszystkim jako ci. Poszukiwania odpowiednich narzdzi s przedmiotem dalszych bada naukowych autora jak i innych o rodków [10, 16, 17].

Intensywna praca z symulatorem i opracowanie wyników w ramach studiów podyplomowych prowadzenia projektów przez mgr in. Cypriana Malaka były istotnym wkładem w postpy prac zespołu – nasze najlepsze podzikowania.

Bibliografia

1. Peters T.: The Project 50: Fifty Ways to Transform Every "Task" into a Project That Matters!, Knopf, USA, 2001.

2. Kurdycka I.: Czynniki kształtujce wzrost PKB w Polsce, Wysza Szkoła Finansów i Zarzdzania w Warszawie, Warszawa 2006.

3. Zimny Z.: Wprowadzenie do raportu. wiatowy raport inwestycyjny 2004 zwrot w stron usług, United Nations Conference on Trade and Developemnt, Raport 2004.

4. Engel C., Holm C., Nienstedt D.: Ergebnisse der Projektmanagement Studie 2007 – Schwerepunkt Kosten und Nutzen von GPM, PA Consulting Group, Bern, 2007.

5. Lent B.: Analiza potrzeb i koncepcja kształcenia prowadzcych projekty, Raport wewntrzny Min. Finansów Szwajcarii, Bern 2003.

6. Lent B.: Human Factor Skills of Project Managers derived from the Analysis of the Project Management Processes, PMI AGC, Bahrain 2009.

7. Skills Transfer Intl.: ProSimula ME Workshop, PMI EMEA, Frankfurt 2009

8. Rubinstein D.: Standish Group Report: There’s Less Development Chaos Today, SD Times on The Software Development, 2008.

9. Kerzner H.: Project Management – A systems approach to planning, scheduling and controlling, Reihold, NY, 1984.

10. Sauter S.: Zu viele Projekte, zu wenig Projektmanager, PMI EMEA, Frankfurt 2009. 11. Högsdal B., Albert I.: Grundlagen des vernetzten Denkens, Materialy szkoleniowe

Unicon GmbH, Konstanz, 2007.

12. Hamp T.: Konzeption und Realisierung eines Auswertungswerkzeugs für SESAM-2, Uniwersytet Stuttgart, 2000.

13. ProModel Inc.: Process Simulation, www.promodel.com dostep 2 licpa 2009. 14. Schnitz K.: Projekt-Simulation White paper, Schnitz GmbH Monachium 2009. 15. Lent B.: Zarzdzanie procesami prowadzenia projektów, Difin, Warszawa 2005.

16. Shinji Kusumoto et al. A New Software Project Simulator Based on Generalized Stochastic Petri-net, icse, pp.293, 19th International Conference on Software Engineering (ICSE'97), 1997.

(11)

17. Bernhard Kausch B. et al.Projektsimulation als effektives und effizientes Werkzeug im Rahmen des Project Engineerings, Warsztaty PMI-IAW, RWTH Uniwersytet Aachen 2008.

AN ANALYSIS OF SELECTED STRATEGIES IN THE MULTIDIMENSIONAL OPTIMISATION OF PROJECT MANAGEMENT PROCESSES

IN COMPUTER BASED SIMULATION

Summary

Computer simulation of possible decision strategies in complex multi-criteria project management leads to cost-efficient, conscious, justified best choice strategy Paper presents simulation system TopSim and the simulation results achieved for different strategies. The border limits exercised in simulation disclose stochastic im-pact of particular implementation of simulation software. The simulation system TopSim is deployed in project management courses in Switzerland and Poland since 2006 as well as in practice of daily project management in those countries. Deploy-ment experience leads to conclusion, that conscious modification of stochastic be-haviour towards human factor impact consideration would add significantly to the usability of the tool.

Keywords: project management, simulation, strategy, TopSim, Cost-Time-Results-Relationship, stochastical simulator behaviour

Bogdan Lent

Akademia Obrony Narodowej w Warszawie, Polska

Uniwersytet Technologiczno-Przyrodniczy, Bydgoszcz, Polska Uniwersytet Nauk Stosowanych w Bernie, Szwajcaria

Uniwersytet Kasetsart, Bangkok, Tajlandia e-mail: bogdan.lent@aon.edu.pl