Estimer le volume de travail a toujours été problématique lorsque l’on doit gérer un projet. Pour être plus précis encore, la vraie difficulté réside en l’établissement d’une prévision précise et réaliste s’agissant de la date de fin du projet et d’apport de valeur ajoutée à vos partenaires.
Pour régler ce souci, les managers ont tourné leurs regards en direction des statistiques afin de structurer leurs prévisions à partir de données solides. Très peu d’outils peuvent se targuer d’offrir des prédictions plus justes et plus pertinentes que celles de Monte Carlo.
Dans le domaine du Lean management, dont la philosophie tient en l’amélioration perpétuelle, faire des prévisions réalistes peut s’avérer un véritable sacerdoce. Afin de motiver votre équipe tout en donnant des dates limites raisonnables, il vous faut vous reposer autant sur les données que sur l’expérience.
Qu’est-ce qu’une Simulation Monte Carlo ?
La simulation Monte Carlo est une technique mathématique permettant de tenir compte des risques tout en vous aidant à prendre des décisions en fonction des données récoltées. Elle se base sur l’historique des données et de multiples simulations aléatoires afin de projeter le résultat probable de futurs projets, dans des conditions similaires.
Étant donné que la simulation a été utilisée à partir du début du 20ème siècle, le recul permet désormais de savoir qu’elle s’est montrée très réaliste.
Anticiper le Temps de Cycle et la Cadence Grâce aux Simulations Monte Carlo
En toute logique, les simulations ont fait leur trou dans le domaine du Lean/Agile management. Elles sont désormais devenues nécessaires dans les solutions logicielles professionnelles afin d’appliquer la méthodologie. Grâce à leur aide, vous pourrez faire des prévisions basées sur les probabilités s’agissant des indicateurs de performances clefs de l’optimisation, à savoir, la Cadence.
Le point crucial est de pouvoir connaître la cadence passée de votre équipe et donc d’extrapoler selon deux angles différents :
- Combien de tâches vous êtes à même de déplacer dans la colonne Terminé(e) de votre tableau Kanban dans un nombre de jour(s) défini
- Date à laquelle vous aurez bouclé X tâches
Combien de Tâches Sommes-Nous Capables de Terminer en X Jours ?
Lorsque vous utilisez la simulation Monte Carlo pour prévoir combien de cartes votre équipe peut traiter en un nombre de jours donné, il suffit de choisir une période de temps passée et de noter la donnée correspondante.
La simulation utilisera ensuite une équation statistique utilisant la cadence d’un jour au hasard de la période de temps passée, puis elle extrapolera plusieurs options s’agissant du nombre d’éléments de travail que l’équipe est susceptible de compléter dans un jour futur choisi au hasard.
Par exemple, vous pouvez prendre la cadence du tableau Kanban de votre équipe sur le mois écoulé (par exemple avril) puis lancer une prédiction probabiliste sur le nombre de tâches que votre équipe pourra boucler en mai. Disons que le 2 avril, votre équipe a une cadence de 20 tâches.
La simulation va prendre cette donnée et considérer que ce sera effectivement la cadence tenue jusqu’au 15 mai. Pour effectuer une projection au 29 mai, la simulation Monte Carlo choisira aléatoirement une cadence sur le mois d’avril.
Ce process doit être répété un bon millier de fois pour que les données statistiques obtenues possèdent une quelconque portée et/ou pertinence. Afin de rendre la projection plus plausible encore, la plupart des outils vous permettront de lancer la simulation plus de 100 000 fois.
La manière la plus pratique de visualiser les résultats d’une simulation Monte Carlo pour gérer l’optimisation, c’est d’utiliser un histogramme.
De la même manière que pour le diagramme de dispersion de temps de cycle, la prévision se fait sous forme de pourcentage. Le graphique vous montrera les résultats de la simulation et les chances que vous avez d’atteindre un certain niveau de cadence. En toute logique, lorsqu’un grand nombre de tâches sont terminées, alors le pourcentage de certitude baissera.
Par exemple, si le résultat se situe entre 35 et 135 tâches, vous aurez 99 pourcent de chance que votre équipe déplace 35 cartes Kanban dans Terminé(e) et moins de 1 pourcent de chance de voir 135 tâches complétées.
Quand Pouvons-Nous Terminer un Nombre X de Tâches ?
Prévoir à quelle date vous pouvez espérer avoir terminé un nombre de tâches donné n’est pas d’une moindre importance dans le Lean management. Comme nous l’avons dit plus tôt, la simulation peut être lancée en vue de vous donner ce type d’information.
Le mécanisme est le même, mais plutôt que de vous montrer combien d’éléments de travail vous pouvez espérer compléter pour telle date, dans ce cas présent, la simulation vous dira à quelle vitesse vous êtes susceptible de boucler un nombre de tâches spécifiques de votre tableau Kanban.
Cela est particulièrement utile lorsque vous utilisez un Portfolio Kanban, que vous avez déjà fragmenté votre travail en un nombre de tâches précis, et que vous souhaitez savoir de manière réaliste, quand votre équipe en aura terminé avec elles.
Pour conclure, les simulations Monte Carlo pourraient très bien être ce phare dont vous avez besoin pour cesser de vous hasarder dans le noir lorsque vous fixez une date limite. Bien que complexes et parfois difficiles à comprendre d’emblée, les adopter pourrait être une clef pour parvenir à vous améliorer de manière continue.
Nous proposons la plateforme logicielle
la plus flexible pour l'agilité des entreprises axée sur les résultats.
In Summary
La simulation Monte Carlo est un puissant outil informatique pour ce qui est de la gestion d’optimisation de projet (Lean Project Management). Elle extrait les données historiques de votre workflow afin de vous permettre de :
- Prédire des résultats à venir s’agissant de votre cadence et des temps de cycle
- Prévoir la quantité de travail pouvant être traitée sur une période de temps prédéfinie
- Organiser les capacités de votre équipe pour les périodes futures, en fonctions de prédictions précises
