当前位置: 首页 > news >正文

信息系统项目管理师教程(第4版)笔记——第 21 章 项目管理科学基础

第 21 章 项目管理科学基础

本章核心是用 “数量分析 + 科学方法” 解决项目管理中的决策、优化问题,比如投资该不该投、资源怎么分配、路径怎么选最省,避免凭经验拍板,核心分为两大块:工程经济学(聚焦项目经济评价)和运筹学(聚焦各类优化问题),都是项目管理中 “用数据说话” 的关键工具。

21.1 工程经济学

工程经济学是用经济指标衡量项目可行性,核心围绕 “资金的时间价值” 展开,解决 “项目投不投、哪个方案更划算” 的问题。

21.1.1 资金的时间价值与等值计算

  1. 核心概念:钱越放越值钱(或越不值钱),不同时间的等额资金价值不同 —— 比如现在的 100 元,存银行一年后变 105 元,这 5 元就是资金的时间价值(表现为利息 / 利润)。
  2. 利息与利率:
    • 利息:占用资金的代价(比如存 1000 元一年得 60 元利息);
    • 利率:单位本金的利息率(如年利率 6%);
    • 计算方式:
      • 单利:只算本金的利息,利息不生息(例:1000 元存 5 年,年利率 6%,总利息 = 1000×6%×5=300 元,本利和 1300 元);
      • 复利:“利滚利”,上期利息计入下期本金(例:同上条件,5 年后本利和 = 1000×(1+6%)⁵≈1338.23 元,比单利多 38.23 元);
      • 工程经济分析中默认用复利,更符合资金实际运动规律。
  3. 资金等值计算:
    • 等值:不同时间的钱,经利率折算后价值相等(如年利率 5.22% 时,现在 100 元 = 一年后 105.22 元);
    • 折现 / 贴现:未来的钱折算成现在的钱(比如一年后 105.22 元,折现到现在就是 100 元);
    • 现值(P):现在的钱;终值(F):未来的钱,核心公式(复利):F=P×(1+i)ⁿ。

21.1.2 项目经济评价

按是否考虑资金时间价值,分静态和动态两类评价方法,用于判断项目可行性或比较方案优劣。

1. 静态评价方法(不考虑时间价值,简单粗略)
  • 适用场景:初步可行性研究、方案初选。
  1. 静态投资回收期法(Pₜ):
    • 定义:项目收益抵偿全部投资的时间(年);
    • 计算公式:累计净现金流量 = 0 时的时间,或用公式:Pₜ=(累计净现金流量首次为正的年份 - 1)+ 上年累计净现金流量绝对值 / 当年净现金流量;
    • 判别准则:Pₜ≤基准回收期(P_c)→ 可行;反之不可行;
    • 优点:概念清晰、计算简单,能反映项目风险(回收期越短风险越小);
    • 缺点:忽略时间价值,舍弃回收期后的数据,不全面。
  2. 投资收益率法(ROI):
    • 定义:达产后年息税前利润(EBIT)与总投资(TI)的比率;
    • 计算公式:ROI=(EBIT/TI)×100%;
    • 判别准则:ROI≥基准收益率(R_b)→ 可行;反之不可行;
    • 优点:简单直观,适用于初期考察或生产稳定的项目;
    • 缺点:忽略时间价值,不考虑项目寿命期、建设期等数据。
2. 动态评价方法(考虑时间价值,精准全面)
  • 适用场景:详细可行性研究,项目经济评价的主要方法。
  1. 净现值法(NPV):
    • 定义:按基准折现率(i₀),将各年净现金流量折算到现在的累加值;
    • 计算公式:NPV=Σ(CI-CO)ₜ×(1+i₀)⁻ᵗ(t 从 0 到 n);
    • 判别准则:单一方案 NPV≥0→可行;多方案(寿命期相同)选 NPV 大的;
    • 优点:反映全寿命期收益,考虑追加投资,能比选方案;
    • 缺点:需预先确定基准折现率(i₀),无法反映资金利用效率。
  2. 净现值率法(NPVR):
    • 定义:NPV 与总投资现值(K_P)的比率,弥补 NPV 的不足;
    • 计算公式:NPVR=NPV/K_P;
    • 判别准则:NPVR≥0→可行;多方案选 NPVR 大的(辅助 NPV 使用)。
  3. 费用现值法(PC):
    • 适用场景:各方案产出相同或难以用货币计量(如公益项目);
    • 定义:将各年成本折算到基准年的现值总和;
    • 判别准则:PC 越小,方案越优。
  4. 动态投资回收期法(P_D):
    • 定义:考虑时间价值后,收回全部投资的时间;
    • 计算公式:累计折现值 = 0 时的时间,或类似静态回收期的推导公式;
    • 判别准则:P_D≤基准动态回收期→可行;
    • 优点:考虑时间价值;
    • 缺点:仍忽略回收期后的数据,仅辅助评价。
  5. 内部收益率法(IRR):
    • 定义:使 NPV=0 时的折现率(反映项目自身的实际收益率);
    • 计算公式:Σ(CI-CO)ₜ×(1+IRR)⁻ᵗ=0(高次方程,用线性插值法求解);
    • 判别准则:IRR≥i₀→可行;反之不可行。
3. 投资方案选择
  • 单方案:用上述任一指标判断可行性;
  • 多方案:
    • 独立方案:均可采纳(资金充足时);
    • 互斥方案:寿命期相同→选 NPV 大的;寿命期不同→用共同年限法或等额年金法,选净现值大或永续年金现值大的。

21.2 运筹学

运筹学是用数学模型解决 “资源优化配置、路径规划、决策博弈” 等问题,核心是 “在约束条件下找最优解”。

21.2.1 线性规划

  • 适用场景:有限资源(人力、物力、财力)下,求最大收益或最小成本(如工厂安排生产、项目资源分配)。
  1. 建模三要素:
    • 决策变量:要确定的未知量(如产品产量 x₁、x₂);
    • 目标函数:要最大化或最小化的指标(如利润 S_max=8x₁+20x₂);
    • 约束条件:资源限制(如原料供应量、设备产能)。
  2. 求解方法:
    • 图解法:仅适用于 2 个决策变量(如 x₁、x₂),通过画可行域(满足所有约束的区域),找目标函数的极值点(通常是可行域的顶点)。

21.2.2 运输问题

  • 适用场景:将产品从多个产地调运到多个销地,求总运输费用最低(如物流调运、项目物资分配)。
  1. 核心条件:已知各产地供应量、各销地需求量、两地间运输单价;
  2. 求解方法(表上作业法):
    • 步骤 1:确定初始解(最小元素法:优先选运价最低的路线调运);
    • 步骤 2:方案检验(位势法:计算检验数,判断是否最优);
    • 步骤 3:方案调整(闭回路法:调整调运量,直到检验数均非负,即最优)。

21.2.3 指派问题

  • 适用场景:n 项任务分配给 n 个人(或设备),求总效率最高(或总时间 / 成本最低)(如项目任务分配、人员分工)。
  1. 求解步骤:
    • 步骤 1:缩减矩阵(每行减该行最小值,每列减该列最小值),使每行每列至少有 1 个 0;
    • 步骤 2:找独立 0 元素(不同行不同列的 0),若找到 n 个,即最优解;
    • 步骤 3:若未找到,画最少直线覆盖所有 0,调整矩阵后重复步骤 2;
    • 最优解:独立 0 元素对应的分配方案(如 A₁→B₄、A₂→B₂)。

21.2.4 动态规划

  • 适用场景:多阶段决策问题(如最短路径、资源分配、项目分期决策),核心是 “逆序求解,最优子结构”(即整体最优→每个子阶段也最优)。
  1. 最短路径问题:
    • 思路:从终点反向推导,计算每个中间点到终点的最短距离(如 A 到 E 的路径,先算 D₁、D₂到 E 的距离,再算 C₁、C₂、C₃到 E 的距离,依次逆推到 A);
  2. 资源分配问题:
    • 思路:将资源分配分阶段(如投资甲、乙、丙项目分 3 个阶段),状态变量为剩余资源量,决策变量为当前阶段分配量,递推计算各阶段最大收益。

21.2.5 图与网络

  1. 最短路径问题(标号法):
    • 适用场景:求从起点到其他所有顶点的最短路径(如项目进度路线、物资运输路线);
    • 步骤:给起点标号(距离 0),依次计算已标号点到未标号点的路径长度,选最短的给未标号点标号,直到所有点标号。
  2. 最小生成树问题:
    • 适用场景:连通所有顶点(如项目节点、城市),使总边权(长度、成本)最小(如校园网络布线、项目节点联通);
    • 求解方法(破圈法):找圈→去掉圈中权最大的边→重复直到无圈,剩余边即为最小生成树。

21.2.6 博弈论(对策论)

  • 适用场景:竞争局势下的决策(如企业竞争、项目谈判、排兵布阵),核心是 “理性决策者的冲突与合作”。
  1. 基本要素:局中人(竞争双方 / 多方)、策略集(各局中人的可选方案)、赢得矩阵(各策略组合的收益);
  2. 最优纯策略:当 “max_min a_ij = min_max a_ij” 时存在(即双方都有稳妥策略,如甲选 α₁、乙选 β₂,无论对方怎么选,自身收益至少为 1)。

21.2.7 决策分析

  • 适用场景:不确定或有风险的决策(如项目投资、产品定价、进货量决策),分不确定型和风险型。
1. 不确定型决策(未知状态概率)
  • 决策准则(主观态度决定):
    • 乐观决策法(大中取大):假设状态最优,选各方案最大收益中的最大值(如进货 40 件,赌销量最大);
    • 悲观决策法(小中取大):假设状态最差,选各方案最小收益中的最大值(如进货 10 件,保最低利润);
    • 平均值决策法(等可能):假设各状态概率相等,选期望收益最大的;
    • 悔值决策法(最小最大后悔):计算各状态下的悔值(最优方案收益 - 当前方案收益),选最大悔值最小的方案。
2. 风险型决策(已知状态概率)
  • 决策准则(基于概率的期望):
    • 期望值决策法:计算各方案的期望收益,选最大的(如进货 30 件,期望利润 100 元);
    • 期望值与标准差决策法:兼顾期望收益和风险(标准差越小风险越小);
    • 最小悔值期望值法:计算各方案的期望悔值,选最小的。
http://www.cnnetsun.cn/news/3765240.html

相关文章:

  • RabbitMQ消息队列:从同步到异步的入门
  • IP地址、子网掩码与默认网关:网络通信的三大基石与实战计算
  • STM32开发环境搭建全攻略:从MDK安装到驱动配置避坑指南
  • TCN-Transformer-GRU混合模型在时序分类中的实践
  • NYFEA 徕飞新品预告|7 款全场景硅电容
  • Python游戏特效开发:从粒子系统到OpenGL着色器的性能优化实战
  • OpenCV为什么快?顺着源码扒一遍它的核心数据结构、内存布局和并行优化
  • 逃离塔科夫离线版存档修改器:告别繁琐JSON编辑的终极解决方案
  • 蒂塔AI绘画深度解析:基于GPT-Image-2的全场景视觉创作与提示词工程实战
  • ADMM算法在主从配电网分布式优化中的Matlab实现
  • 零基础快速上手:Box64终极指南让ARM64设备完美运行x86程序
  • 2026互联网大厂(Java岗)面试高频题汇总!
  • Auto.js自动化熄屏脚本:安卓设备节能与自动化入门实践
  • 【单片机毕业设计】基于气压传感器的嵌入式胎压报警系统开发 基于单片机 OLED 显示的胎压智能检测装置设计(015301)
  • 智能交通Prompt工程知识库架构与实战
  • LangGraph与Multi-Agent系统开发指南
  • SpringBoot+Vue物业管理系统开发实践
  • 如何实现云原神自动签到:MihoyoBBSTools完整配置指南
  • C++浮点数格式化输出:fixed与setprecision的精准控制
  • 下垂控制与虚拟同步机技术在新能源电网中的应用与仿真
  • 电力负荷聚类优化:改进K-means算法在电动汽车充电分析中的应用
  • 大模型架构演进:从Transformer到多模态技术解析
  • 如何打造你的专属数字伙伴:5分钟开启桌面互动新体验
  • 如何在自己的 AI 助教里加入几何画板和 AI 作图?
  • S7-1200 PLC第三方调试助手:Snap7与Python实战通信指南
  • 【AI量化实战黄金法则】:20年量化老兵亲授5大不可绕过的AI建模陷阱与避坑指南
  • Python实现B站视频下载:解锁大会员4K与充电专属内容的完整指南
  • 中国车牌生成器终极指南:快速生成合规车牌图片的完整教程
  • ChatGPT API限速重置机制解析与应对策略
  • SpringBoot项目Maven打包与跨平台部署实战指南