Upload
others
View
1
Download
0
Embed Size (px)
Citation preview
UNIVERSITEIT GENT
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE
ACADEMIEJAAR 2013 – 2014
Project opvolging d.m.v. Earned Value Management: een case studie.
Masterproef voorgedragen tot het bekomen van de graad van
Master of Science in de
Toegepaste Economische Wetenschappen: Handelsingenieur
Livine Maerschalck
onder leiding van
Prof. Dr. Mario Vanhoucke
& Louis-Philippe Kerkhove
UNIVERSITEIT GENT
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE
ACADEMIEJAAR 2013 – 2014
Project opvolging d.m.v. Earned Value Management: een case studie.
Masterproef voorgedragen tot het bekomen van de graad van
Master of Science in de
Toegepaste Economische Wetenschappen: Handelsingenieur
Livine Maerschalck
onder leiding van
Prof. Dr. Mario Vanhoucke
& Louis-Philippe Kerkhove
PERMISSION
Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of gereprodu-
ceerd worden, mits bronvermelding.
Livine Maerschalck
Woord vooraf
In de eerste plaats wil ik mijn prof Mario Vanhoucke bedanken voor de uitdagende opportuniteiten
die hij mij aangeboden heeft. Het schrijven van deze thesis en het deelnemen aan het Earned Value
Management-congres hebben me tijdens deze 2 jaar veel bijgeleerd. Ook zijn lessen hebben mij als
studente handelsingenieur verrijkt.
Ten tweede wil ik mijn begeleider Louis-Philippe Kerkhove bedanken voor het opvolgen van mijn
thesis. De vele e-mails die vrijwel onmiddellijk beantwoord werden, de vele motiverende aansporin-
gen, de inzichten die hij mij gegeven heeft, hebben ervoor gezorgd dat deze thesis een uitdagende
maar plezierige ervaring is geworden.
Ik wil de bedrijven bedanken waarbij ik mijn 16 projecten heb opgevolgd, namelijk MIVB, Spiro-
matic, Imerys en Gert Snel. Mijn dank gaat vooral uit naar alle projectleiders en andere personen
die ik gesproken heb bij het opvolgen van de projecten. De interviews, het opzoeken van data, de
daaropvolgende opzoekingen die deze mensen voor mij gedaan hebben, hebben ervoor gezorgd dat
ik 16 grote en complexe projecten heb kunnen opvolgen die elk een meerwaarde hebben gegeven
aan mijn thesis.
De contacten met al die mensen heb ik te danken aan mijn papa. Zonder mijn papa was ik er
wellicht niet in geslaagd projecten te vinden van dit niveau. Ik wil hem dan ook bedanken voor de
interesse die hij voor mijn thesis toonde.
Ik kon me geen betere ontspannende momenten voorstellen in deze thesistijd dan met mijn vrienden
en ook hen wil ik bedanken, vooral mijn kotgenoten (Kobe, Cedric, Margot, Fien, Elias, Ivo, Jan
en Nicolas) voor de ongelofelijke tijd die we hebben meegemaakt door samen te leven. De vele uren
achter mijn bureau waren steeds aangenaam door mijn kotgenoot Elias, die ik graag extra in de
verf wil zetten voor zijn luisterend oor. Steeds bereid om te luisteren naar mijn enthousiaste en
mijn minder optimistische opmerkingen over mijn thesis, alsook naar mijn persoonlijke verhalen.
Bedankt om er keer op keer voor mij te zijn!
Tot slot wil ik mijn broer, mama en papa bedanken voor alles wat ze al voor mij gedaan heb-
ben. De steun, het plezier, alles, . . . Kortom, raad maar eens hoeveel ik van jullie hou!
i
Inhoudsopgave
Woord vooraf i
Lijst van afkortingen v
Lijst van figuren vi
Lijst van tabellen viii
1 Inleiding 1
2 Earned Value Management 2
2.1 Wat is Earned Value Management (EVM)? . . . . . . . . . . . . . . . . . . . . . . . 2
2.2 De drie belangrijke parameters van EVM . . . . . . . . . . . . . . . . . . . . . . . . 2
2.3 Evaluatieparameters van EVM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.4 Voorspellingstechnieken . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.4.1 De Planned Value Method . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.4.2 De Earned Duration Method . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.4.3 De Earned Schedule Method . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.5 EVM en Risk Management . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.6 Beperkingen van de EVM-techniek in verband met de voorspelbaarheid van kosten
en tijd . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3 Work Package Methodology 14
3.1 Workpackages . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.2 Work Package Methodology . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4 Methode 17
4.1 Verzamelen gegevens van de 16 projecten. . . . . . . . . . . . . . . . . . . . . . . . 18
4.2 Berekenen van de ratio’s en voorspellingen van tijd en kosten. . . . . . . . . . . . . 18
4.3 Seriele/ Parallelle parameter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.4 Vergelijken van de resultaten. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
5 Projecten 25
5.1 MIVB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
5.1.1 Uitleg bedrijf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
5.1.2 PM Techniek . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
5.1.3 Assumpties en opmerkingen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
5.1.4 Project 1: M6+ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
5.1.5 Project 2: MCH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
5.1.6 Project 3: MoBIB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
5.1.7 Project 4: Gentse Steenweg . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
5.1.8 Project 5: Zenitel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
5.1.9 Project 6: Amster . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
5.1.10 Project 7: Nieuwe Bussen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
ii
5.1.11 Project 8: Phoenix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
5.1.12 Project 9: OBC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
5.1.13 Project 10: CoVo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
5.1.14 Project 11: ISIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5.2 Spiromatic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.2.1 Uitleg bedrijf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.2.2 PM Techniek . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
5.2.3 Assumpties en opmerkingen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
5.2.4 Project 12: Morrisons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
5.2.5 Project 13: Brouwerij . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5.2.6 Project 14: Ecofrost . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5.3 Imerys . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5.3.1 Uitleg bedrijf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5.3.2 PM-techniek . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
5.3.3 Assumpties en opmerkingen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
5.3.4 Project 15: Imerys . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
5.4 Gert Snel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.4.1 Uitleg bedrijf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.4.2 PM Techniek . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.4.3 Assumpties en opmerkingen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.4.4 Project 16: Eandis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
6 Resultaten 42
6.1 Resultaat project 1: M6 + . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
6.1.1 Grafieken voorspelling van kosten . . . . . . . . . . . . . . . . . . . . . . . . . 43
6.1.2 Grafieken voorspelling van tijd . . . . . . . . . . . . . . . . . . . . . . . . . . 45
6.1.3 Waarden in tabellen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
6.2 Bespreken van resultaten over de voorspelling van kosten en tijd over alle projecten . 51
6.2.1 Onderzoeksvraag 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
6.2.2 Onderzoeksvraag 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
6.2.3 Onderzoeksvraag 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
6.2.4 Onderzoeksvraag 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
6.3 Early Warning Signals . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
6.3.1 Project 1: M6+ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
6.3.2 Project 2: MCH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
6.3.3 Project 3: MoBIB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
6.3.4 Project 4: Gentse Steenweg . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
6.3.5 Project 5: Zenitel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
6.3.6 Project 6: Amster . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
6.3.7 Project 7: Nieuwe Bussen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
6.3.8 Project 8: Phoenix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
6.3.9 Project 9: OBC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
6.3.10 Project 10: CoVo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
iii
6.3.11 Project 11: ISIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
6.3.12 Project 12: Morrisons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
6.3.13 Project 13: Brouwerij . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
6.3.14 Project 14: Ecofrost . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
6.3.15 Project 15: Imerys . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
6.3.16 Project 16: Eandis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
7 Algemeen besluit 83
Referenties 87
Bijlage i
7.1 Bijlage 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . i
7.2 Bijlage 2: Output SPSS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxiv
iv
Lijst van afkortingen
AC Actual Cost
AoN-netwerk Activity on the Note-netwerk
AT Actual time
BAC Budget at Completion
BRIC-landen Brazilie, Rusland, India, China en Zuid-Afrika
CPI Cost Performance Index
CV Cost Variance
EAC Estimated cost at Completion
EAC(t) Estimated Duration at Completion
ED Earned Duriation
ES Earned Schedule
EV Earned Value
EVM Earned Value Management
MAPE Mean Absolute Percentage Error
MIVB Maatschappij voor Intercommunaal Vervoer te Brussel
MPE Mean Percentage Error
PC Planned Cost
PCWR Planned Cost of Work Remaining
PD Planned Duration
PDWR Planned Duration of Work Remaining
PF Performance Factor
PL Progressive Level
PM-techniek Project Management techniek
PMO Project Management Office
Po’s Purchase orders
PV Planned Value
PVrate Planned Value rate
RC Real cost
RD Real duration
SAC Schedule at Completion
SCI Schedule Cost Index
SMN Sales, Marketing Network
SPI Schedule Performance Index
SPI(t) Schedule Performance Index with Earned Schedule
SV Schedule Variance
SV(t) Schedule Variance with Earned Schedule
TC Technisch Completed
TD Technisch Dossier
TV Time Variance
WBS Work Breakdown Structure
WPM Work Package Methodology
v
Lijst van figuren
1 Scenario 1 met SPI < 1, CPI < 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2 Scenario 2 met SPI < 1, CPI > 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3 Scenario 3 met SPI > 1, CPI < 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
4 Scenario 4 met SPI > 1, CPI > 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
5 Earned Schedule . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
6 Verschil van ratio’s SPI en SPI(t) naar gelang de vordering in het project . . . . . . 8
7 Voorbeeld van voorspelling van kosten en tijd door gebruik van EVM . . . . . . . . 10
8 Voorbeeld een algemene WBS-structuur gebaseerd op [18] . . . . . . . . . . . . . . . 15
9 Voorbeeld van verschillende activiteiten in een geanalyseerd project gebruik makend
van de WBS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
10 Voorbeeld van verschillende activiteiten in een project . . . . . . . . . . . . . . . . . 16
11 Voorbeeld van voorspelling van tijd en kost d.m.v. EVM . . . . . . . . . . . . . . . . 16
12 Voorbeeld van groepering van activiteiten in workpackages . . . . . . . . . . . . . . . 17
13 Voorbeeld van het optellen van de verschillende voorspellingen van kosten van de
verschillende workpackages om de totale kost van het project te voorspellen . . . . . 17
14 Earned Schedule per activiteit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
15 Earned Schedule op project niveau . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
16 Een voorbeeld van de SP-factor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
17 Voorspelling kost: As planned . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
18 Voorspelling kost: SPI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
19 Voorspelling kost: SCI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
20 Voorspelling kost: CPI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
21 Voorspelling tijd: Planned Value - As planned . . . . . . . . . . . . . . . . . . . . . . 45
22 Voorspelling tijd: Planned Value - SPI . . . . . . . . . . . . . . . . . . . . . . . . . . 46
23 Voorspelling tijd: Planned Value - SCI . . . . . . . . . . . . . . . . . . . . . . . . . . 46
24 Voorspelling tijd: Earned Duration - As planned . . . . . . . . . . . . . . . . . . . . 47
25 Voorspelling tijd: Earned Duration - SPI . . . . . . . . . . . . . . . . . . . . . . . . . 47
26 Voorspelling tijd: Earned Duration - SCI . . . . . . . . . . . . . . . . . . . . . . . . 48
27 Voorspelling tijd: Earned Schedule - As planned . . . . . . . . . . . . . . . . . . . . 48
28 Voorspelling tijd: Earned Schedule - SPI . . . . . . . . . . . . . . . . . . . . . . . . . 49
29 Voorspelling tijd: Earned Schedule - SCI . . . . . . . . . . . . . . . . . . . . . . . . . 49
30 Waarden van MAPE voor de voorspelling van de kosten met vervangingsparameter 1 53
31 Waarden van MAPE voor de voorspelling van kosten met vervangingsparameter
gemiddelde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
32 Waarden van MAPE oor de voorspelling van kosten met vervangingsparameter project 54
33 Waarden van MAPE voor de voorspelling van tijd met PV en vervangingsparameter 1 55
34 Waarden van MAPE voor de voorspelling van tijd met ED en vervangingsparameter 1 56
35 Waarden van MAPE voor de voorspelling van tijd met ES en vervangingsparameter 1 56
36 Waarden van MAPE voor de voorspelling van tijd met PV en vervangingsparameter
gemiddelde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
vi
37 Waarden van MAPE voor de voorspelling van tijd met ED en vervangingsparameter
gemiddelde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
38 Waarden van MAPE voor de voorspelling van tijd met ES en vervangingsparameter
gemiddelde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
39 Waarden van MAPE voor de voorspelling van tijd met PV en vervangingsparameter
project . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
40 Waarden van MAPE voor de voorspelling van tijd met ED en vervangingsparameter
project . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
41 Waarden van MAPE voor de voorspelling van tijd met ES en vervangingsparameter
project . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
42 Waarden van MAPE voor de voorspelling van kosten met AS-methode . . . . . . . . 61
43 Waarden van MAPE voor de voorspelling van kosten met SPI-methode . . . . . . . 61
44 Waarden van MAPE voor de voorspelling van kosten met SCI-methode . . . . . . . 62
45 Waarden van MAPE voor de voorspelling van kosten met CPI-methode . . . . . . . 62
46 Waarden van MAPE voor de voorspelling van tijd met AS en de verschillende ver-
vangingsparameters . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
47 Waarden van MAPE voor de voorspelling van tijd met ED en de verschillende ver-
vangingsparameters . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
48 Waarden van MAPE voor de voorspelling van tijd met ES en de verschillende ver-
vangingsparameters . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
49 Waarden van MAPE voor de voorspelling van kosten met vervangingsparameter 1 . 67
50 Waarden van MAPE voor de voorspelling van kosten met vervangingsparameter
gemiddelde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
51 Waarden van MAPE voor de voorspelling van kosten met vervangingsparameter project 68
52 Waarden van MAPE voor de voorspelling van tijd met vervangingsparameter 1 . . . 70
53 Waarden van MAPE voor de voorspelling van tijd met vervangingsparameter gemid-
delde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
54 Waarden van MAPE voor de voorspelling van tijd met vervangingsparameter project 71
55 Invloed van SP op voorspelling van kost a.d.h.v. WPM en EVM met vervangings-
parameter 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
56 Invloed van SP op voorspelling van kost a.d.h.v. WPM en EVM met vervangings-
parameter gemiddelde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
57 Invloed van SP op voorspelling van kost a.d.h.v. WPM en EVM met vervangings-
parameter project . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
58 Invloed van SP op voorspelling van tijd a.d.h.v. WPM en EVM met vervangingspa-
rameter 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
59 Invloed van SP op voorspelling van tijd a.d.h.v. WPM en EVM met vervangingspa-
rameter gemiddelde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
60 Invloed van SP op voorspelling van tijd a.d.h.v. WPM en EVM met vervangingspa-
rameter project . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
vii
Lijst van tabellen
1 Voorspellingstechnieken van kost . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2 Overzicht voorspellingstechnieken van tijd . . . . . . . . . . . . . . . . . . . . . . . . 12
3 Voorspellingstechnieken van kost . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4 Overzicht voorspellingstechnieken van tijd . . . . . . . . . . . . . . . . . . . . . . . . 22
5 Gegevens project M6+ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
6 Gegevens project MCH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
7 Gegevens subproject MCH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
8 Gegevens project MoBIB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
9 Gegevens subproject MoBIB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
10 Gegevens project Gentse Steenweg . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
11 Gegevens project Zenitel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
12 Gegevens project Amster . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
13 Gegevens subproject Amster . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
14 Gegevens project Nieuwe Bussen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
15 Gegevens subproject Nieuwe Bussen . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
16 Gegevens project Phoenix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
17 Gegevens project OBC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
18 Gegevens project CoVo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
19 Gegevens subproject CoVo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
20 Gegevens project ISIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
21 Gegevens subproject ISIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
22 Gegevens project Morrisons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
23 Gegevens project Brouwerij . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
24 Gegevens project Ecofrost . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
25 Gegevens project Imerys . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
27 Overzicht van de verschillende projecten . . . . . . . . . . . . . . . . . . . . . . . . . 42
26 Gegevens project Eandis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
28 Overzicht voorspellingstechnieken van kost . . . . . . . . . . . . . . . . . . . . . . . . 50
29 Overzicht voorspellingstechnieken van tijd . . . . . . . . . . . . . . . . . . . . . . . . 50
30 MAPE waarden voor voorspelling van kosten van het project M6+ . . . . . . . . . . 50
31 MAPE waarden voor voorspelling van tijd van het project M6+ . . . . . . . . . . . . 51
32 Overzicht voorspellingstechnieken kost . . . . . . . . . . . . . . . . . . . . . . . . . . 66
33 Overzicht voorspellingstechnieken van tijd . . . . . . . . . . . . . . . . . . . . . . . . 69
34 Waarschuwingen projecten M6+ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
35 Waarschuwingen projecten MCH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
36 Waarschuwingen projecten MoBIB . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
37 Waarschuwingen projecten Gentse Steenweg . . . . . . . . . . . . . . . . . . . . . . . 79
38 Waarschuwingen projecten Zenitel . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
39 Waarschuwingen projecten Amster . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
40 Waarschuwingen projecten Nieuwe Bussen . . . . . . . . . . . . . . . . . . . . . . . . 80
41 Waarschuwingen projecten Phoenix . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
viii
42 Waarschuwingen projecten OBC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
43 Waarschuwingen projecten CoVo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
44 Waarschuwingen projecten ISIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
45 Waarschuwingen projecten Morrisons . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
46 Waarschuwingen projecten Brouwerij . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
47 Waarschuwingen projecten Ecofrost . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
48 Waarschuwingen projecten Imerys . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
49 Waarschuwingen projecten Eandis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
50 MAPE waarden voor voorspelling van kosten van het project M6+ . . . . . . . . . . i
51 MAPE waarden voor voorspelling van kosten van het project MCH . . . . . . . . . . i
52 MAPE waarden voor voorspelling van kosten van het project MoBIB . . . . . . . . . ii
53 MAPE waarden voor voorspelling van kosten van het project Gentse Steenweg . . . ii
54 MAPE waarden voor voorspelling van kosten van het project Zenitel . . . . . . . . . iii
55 MAPE waarden voor voorspelling van kosten van het project Amster . . . . . . . . . iii
56 MAPE waarden voor voorspelling van kosten van het project Nieuwe Bussen . . . . iv
57 MAPE waarden voor voorspelling van kosten van het project Phoenix . . . . . . . . iv
58 MAPE waarden voor voorspelling van kosten van het project OBC . . . . . . . . . . v
59 MAPE waarden voor voorspelling van kosten van het project CoVo . . . . . . . . . . v
60 MAPE waarden voor voorspelling van kosten van het project ISIS . . . . . . . . . . vi
61 MAPE waarden voor voorspelling van kosten van het project Morrisons . . . . . . . vi
62 MAPE waarden voor voorspelling van kosten van het project Ecofrost . . . . . . . . vii
63 MAPE waarden voor voorspelling van kosten van het project Brouwerij . . . . . . . vii
64 MAPE waarden voor voorspelling van kosten van het project Imerys . . . . . . . . . viii
65 MAPE waarden voor voorspelling van kosten van het project Eandis . . . . . . . . . viii
66 MAPE waarden voor voorspelling van tijd van het project M6+ . . . . . . . . . . . . ix
67 MAPE waarden voor voorspelling van tijd van het project MCH . . . . . . . . . . . x
68 MAPE waarden voor voorspelling van tijd van het project MoBIB . . . . . . . . . . xi
69 MAPE waarden voor voorspelling van tijd van het project Gentse Steenweg . . . . . xii
70 MAPE waarden voor voorspelling van tijd van het project Zenitel . . . . . . . . . . xiii
71 MAPE waarden voor voorspelling van tijd van het project Amster . . . . . . . . . . xiv
72 MAPE waarden voor voorspelling van tijd van het project Nieuwe Bussen . . . . . . xv
73 MAPE waarden voor voorspelling van tijd van het project Phoenix . . . . . . . . . . xvi
74 MAPE waarden voor voorspelling van tijd van het project OBC . . . . . . . . . . . . xvii
75 MAPE waarden voor voorspelling van tijd van het project CoVo . . . . . . . . . . . xviii
76 MAPE waarden voor voorspelling van tijd van het project ISIS . . . . . . . . . . . . xix
77 MAPE waarden voor voorspelling van tijd van het project Morrisons . . . . . . . . . xx
78 MAPE waarden voor voorspelling van tijd van het project Ecofrost . . . . . . . . . . xxi
79 MAPE waarden voor voorspelling van tijd van het project Brouwerij . . . . . . . . . xxii
80 MAPE waarden voor voorspelling van tijd van het project Imerys . . . . . . . . . . . xxiii
81 MAPE waarden voor voorspelling van tijd van het project Eandis . . . . . . . . . . . xxiv
ix
1 Inleiding
Veel projecten lijden aan budgetsurplus en tijdoverschrijdingen. Het is belangrijk voor project-
managers om die projecten grondig te controleren en ervoor te zorgen dat projecten volgens plan
verlopen. Earned Value Management is een techniek die controleert of projecten gedurende de
uitvoering van het project binnen tijd en binnen budget blijven. De techniek maakt hierbij gebruik
van voorspellingen over eindtijd en de totale kosten van het project.
Het doel van deze thesis is om te onderzoeken of de voorspelling van de totale kosten en eindtijd
van een project verbeteren bij gebruik van de Work Package Methodology in vergelijking met de
klassieke Earned Value management-methode. De inschatting van de totale kosten en eindtijd zal
gecontroleerd worden voor 16 echte projecten. Voor elke voorspelling van tijd en kosten wordt een
vergelijking gemaakt tussen de klassieke EVM-methode en de uitbreiding van de EVM-techniek met
workpackages. De impact van deze twee voorspellingen wordt op twee manieren geanalyseerd. Ten
eerste, kijken we naar de verschillende acties die de projectmanager zal moeten ondernemen, geba-
seerd op de verschillende vroegtijdige waarschuwingssignalen waarin de twee technieken voorzien
zijn. Ten tweede gebeurt een meer theoretische analyse op basis van de MAPE- en MPE-formules.
Bij gebruik van de Work Package Methodology moeten de verschillende activiteiten opgedeeld wor-
den in verschillende workpackages. De groepering van de activiteiten is gebaseerd op de ervaring
van de verantwoordelijke projectmanagers. Door de groepering in verschillende workpackages kan
de EVM-techniek toegepast worden op iedere individuele workpackage en kunnen voorspellingen
gemaakt worden over de eindtijd en totale kosten per workpackage. De verschillende ratio’s SPI,
SPI(t), CPI van iedere workpackage kunnen berekend worden. Door de combinatie van de eindtij-
den en totale kosten van alle workpackages kan men een voorspelling maken van de eindtijd van
het project evenals van de totale kosten.
De projecten zijn zorgvuldig geselecteerd volgens omvang: 4 projecten hebben een budget van
meer dan 15 miljoen euro, 8 projecten hebben 20 of meer activiteiten waarop de kosten konden
bepaald worden, 14 van de 16 projecten lijden aan kostsurplussen en/of tijdoverschrijdingen. Als de
WPM-techniek betere voorspellingen en voortijdige waarschuwingssignalen oplevert, zal dit zeker
gedetecteerd worden.
In deze thesis wordt eerst de Earned Value Management-techniek nader toegelicht met daarop-
volgend de Work Package Methodology. Verder wordt de methode uitgelegd om de verschillende
voorspellingen met elkaar te vergelijken. In een aansluitend hoofdstuk over de gevonden resultaten
worden de te analyseren projecten uitvoerig besproken. . Deze thesis wordt afgesloten met een
algemeen besluit.
1
2 Earned Value Management
2.1 Wat is Earned Value Management (EVM)?
Projecten worden steeds groter en complexer en dit in project grootte en op vlak van kosten. De
uitvoering van een project vraagt het inzetten van schaarse middelen zoals: mensen, materialen,
geld en machines gedurende heel het project van ontwerp tot oplevering [1]. Gemiddeld, bij grote
IT-projecten bijvoorbeeld, loopt 45% van de projecten kostoverschrijdingen op en 7% tijdoverschrij-
dingen. 56% van de projecten levert minder businesswaarde op dan verwacht [4]. Om dit fenomeen
tegen te gaan kunnen bedrijven Earned Value Management gebruiken om hun projecten te contro-
leren. Definitie van EVM door het Project Management Institute, Earned Value Management is
een methode voor het integreren van scope, planning, en middelen voor prestaties van het project
te meten. Het vergelijkt de hoeveelheid werk die gepland is met wat er daadwerkelijk al verdiend
en besteed is om te bepalen of de prestaties van tijd en kosten lopen zoals gepland [35]. Earned
Value Management is een methode die controleert of projecten gedurende de uitvoering binnen
tijd en binnen budget blijven. De EVM-techniek maakt ook een voorspelling over de verwachte
eindtijd en de verwachte totale kosten van het project. De methode houdt rekening met de scope,
gepresteerde tijd en gemputeerde kosten van het project om de vooruitgang en de uitvoering van
het project via ratio’s te meten [2]. De verschillende ratio’s geven een vroegtijdige waarschuwing
wanneer prestatieproblemen optreden zodat de projectmanager correctieve acties kan ondernemen.
De EVM-techniek zorgt ervoor dat het voor projectmanagers gemakkelijker is om projecten op te
volgen. Door op regelmatige tijdstippen de vooropgestelde basisplanning (in tijd en budget) te
vergelijken met de al bestede kosten en tijd, kan een projectmanager op een betrouwbare manier
de controle uitoefenen over een project. Vergelijken van de al gespendeerde kosten met het voor-
opgestelde budget geeft de projectmanager inzicht in het verloop van de kosten. Op het vlak van
tijd kan men bepalen of het project op schema is, voorloopt op de oorspronkelijke planning of een
vertraging heeft opgelopen. Tot slot kan men, rekening houdend met de huidige status van het
project, een voorspelling doen van de verwachte eindtijd en de totale kosten van het project.
In het vervolg van dit hoofdstuk over Earned Value Management worden eerst de drie belangrijke
parameters van de techniek uitgelegd. Daarna gaan we dieper in op de verschillende evaluatiepara-
meters die deze techniek biedt met daaropvolgend de voorspellingstechnieken voor tijd en kosten.
De invloed van risicomanagement wordt daarna besproken. Tot slot spreken we over de beperkin-
gen van de EVM-techniek voor het voorspellen van de eindtijd en de totale kosten van het project.
Dit hoofdstuk is in grote lijnen gebaseerd op [42].
2.2 De drie belangrijke parameters van EVM
Aan de hand van de basisplanning, de planning die werd opgesteld aan het begin van het project,
kan men de voortgang en de uitvoering van het project controleren. De basisplanning bevat gege-
vens zoals geplande startdatum, geplande einddatum en gepland budget en dit voor iedere activiteit
van het project. De vooruitgang en de uitvoering van het project moeten op vaste tijdsintervallen
gecontroleerd worden om de controle van het project uit te voeren.
Uit de basisplanning kunnen de volgende elementen gehaald worden:
2
• Planned Duration (PD): de geplande tijd die een activiteit volgens de basisplanning zal in-
nemen;
• Planned Cost (PC): het budget dat een activiteit volgens de basisplanning nodig heeft om
uitgevoerd te worden;
• Schedule At Completion (SAC): de geplande tijd die het gehele project volgens de basisplan-
ning zou innemen;
• Budget at Completion (BAC): schatting van het totale budget van het project. Dit is de som
van alle gebudgetteerde kosten van de individuele activiteiten.
Om een gedetailleerd beeld te krijgen van de voortgang van het project kan men kijken per
activiteit en op projectniveau. Wanneer men kijkt naar de kosten, wordt de PC of Planned Cost
vergeleken met de Actual Cost (AC). Dit is de hoeveelheid geld die een activiteit al gekost heeft.
Op projectniveau wordt de Real Cost of RC, de werkelijke totale kosten van het project vergeleken
met de geplande kosten die het project nodig heeft, de Budget At Completion (BAC).
Op tijdsvlak kan de PD of Planned Duration worden vergeleken met de de Actual Time (AT), dit
is de hoeveelheid tijd die een activiteit op dit moment al vereist heeft. Op projectniveau worden
de RD of de Real Duration, de werkelijke tijd die het gehele project ingenomen heeft, vergeleken
met de geplande voorspelde tijd die het project nodig heeft, namelijk de Schedule At Completion
(SAC).
De EVM-techniek stelt drie belangrijke parameters ter beschikking om de vergelijkingen op een
eenvoudige manier te bekijken. Deze parameters zijn: de Planned Value (PV), de Actual Cost
(AC) en de Earned Value (EV). Deze parameters kunnen op verschillende momenten van het
project berekend worden. Het moment waarop de berekening gebeurt is de Actual Time (AT).
• Planned Value (PV): het budget dat volgens de basisplanning op een gegeven tijdstip al
besteed zou moeten zijn;
• Actual Cost (AC): de som van de kosten per activiteit, die gemaakt zijn op een gegeven
tijdstip;
• Earned Value (EV): de hoeveelheid budget dat al werkelijk gespendeerd zou moeten zijn. Met
andere woorden: het percentage van het al verrichte werk ten opzichte van het totaal aantal
werk en dit vermenigvuldigd met het Budget At Completion (BAC).
2.3 Evaluatieparameters van EVM
De hierboven beschreven parameters van EVM resulteren in vier belangrijke evaluatieparameters
die de status van het project evalueren. De evaluatieparameters worden hieronder opgesomd.
1. Cost Variance (CV ) = EV −ACDe Cost Variance vergelijkt de geplande kosten en de gemaakte kosten in monetaire termen.
- CV < 0: het project overschrijdt zijn budget
- CV = 0: het project verloopt volgens budget
3
- CV > 0: het project zit onder budget
2. Cost Performance Index (CPI) = EVAC Dimensieloze ratio die de efficientie van het voltooide
werk weergeeft op het vlak van kosten.
- CPI < 1: het project overschrijdt zijn budget
- CPI = 1: het project verloopt volgens budget
- CPI > 1: het project zit onder budget
3. Schedule Variance (SV ) = EV − PVSV drukt in monetaire termen het verschil uit tussen het geplande en het voltooide werk.
- SV < 0: het project heeft vertraging
- SV = 0: het project verloopt volgens planning
- SV > 0: het project is voor op planning
4. Schedule Performance Index (SPI) = EVPV
Dimensieloze ratio die de efficientie van het voltooide werk weergeeft op het vlak van planning.
- SPI < 1: het project heeft vertraging
- SPI = 1: het project verloopt volgens planning
- SPI > 1: het project is voor op planning
Er zijn vier verschillende scenarios die de status van het project omschrijven. Deze scenarios zijn
gebaseerd op de vier hierboven omschreven evaluatieparameters; SV, SPI, CV, CPI.
Scenario 1: het project heeft vertraging en overschrijdt zijn budget.
Scenario 2: het project heeft vertraging maar is onder het budget.
Scenario 3: het project is voor op planning en overschrijdt zijn budget.
Scenario 4: het project is voor op planning en is onder het budget.
Een voorbeeld van elk van deze scenarios wordt weergegeven in de grafieken hieronder.
4
Figuur 1: Scenario 1 met SPI < 1, CPI < 1
Figuur 2: Scenario 2 met SPI < 1, CPI > 1
Figuur 3: Scenario 3 met SPI > 1, CPI < 1
5
Figuur 4: Scenario 4 met SPI > 1, CPI > 1
Om de evaluatieparameters van tijd (SPI, SV) op projectniveau gemakkelijk te kunnen bere-
kenen worden ze omgezet in monetaire eenheden. Dit kan volgens de literatuur gebeuren op drie
verschillende manieren namelijk Planned Value Method (Anbari 2003), Earned Duration Method
(Jacob en Kane, 2004), Earned Schedule Method (Lipke 2003). Hoe deze berekend worden volgt
hieronder.
1 The Planned Value Method van Anbari (2003) [3]
Deze methode zet de evaluatieparameter van tijd (SV) die berekend is in monetaire eenheden
om naar tijdseenheden. De gemiddelde PV per tijdsperiode of kortweg PVrate wordt bepaald
door de BAC te delen door de PD. TV (Time Variance) kan dan berekend worden door SV
(in tijd) te delen door de PVrate .
Planned Value Rate (PV rate) = BACPD
Time Variance (TV ) = SVPV rate
2 The Earned Duration Method van Jacob (2004) [7]
Jacob en Kane introduceren een nieuwe term, Earned Duration (ED), die een product is van
de actuele tijd (AD) en de SPI-ratio.
Earned Duration (ED) = AD ∗ SPI
3 The Earned Schedule Method van Lipke (2003) [21]
Lipke wantrouwt de betrouwbaarheid van de evaluatieparameters SV en SPI. Die geven na-
melijk onbetrouwbare voorspellingen bij het naderen van het einde van het project. Daarom
introduceert Lipke twee nieuwe evaluatieparameters, namelijk SV(t), SPI(t).
6
Vind t zodat EV ≥ PVt en EV < PVt+1
Earned Schedule (ES) = t+ EV−PVtPVt+1−PVt
Bij deze laatste techniek, Earned Schedule van Lipke, is meer uitleg nodig.
De waarde van ES kan worden gevonden door te identificeren in welk tijdsinterval t van
PV, de kostprijs van EV optreedt. De Earned Schedule-methode is dan gelijk aan te tijd t
(het begin van het tijdsinterval) en een fractie EV−PVtPVt+1−PVt
De onderstaande grafiek toont een
fictief voorbeeld van de Earned Schedule Method.
Figuur 5: Earned Schedule
Wanneer men de Earned Schedule Method gebruikt, zullen SV en SPI vervangen kunnen
worden door onderstaande ratios:
Schedule Variance with Earned Schedule (SV (t)) = ES −AT
Schedule Performance Index with Earned Schedule (SPI(t)) = ESAT
Deze twee nieuwe evaluatiemethoden zijn er gekomen omdat SV en SPI op het einde van het
project niet altijd even betrouwbare resultaten opleveren. De oorspronkelijke methodes SV
en SPI toonden op het einde van het project altijd ratio’s zoals SV = 0 en SPI = 1. Hoewel
sommige projecten vertragingen en extra kosten oplopen, wordt dit niet door de evaluatie-
methodes opgenomen. Dit kan verklaard worden door de SV- en SPI-formules. Ze bevatten
beide EV en PV. Wanneer het einde van het project nadert, wordt EV altijd gelijk aan BAC
en dus gelijk aan PV. Ongeacht of het project zoals gepland, te laat of te vroeg is gelopen.
Op deze manier is het logisch dat SPI op het einde van het project gelijk is aan een en dat
SV gelijk wordt aan nul. Lipke (2003) brengt als oplossing de Earned Schedule-methode naar
7
voren om de misleidende resultaten van SPI en SV te verbeteren. De twee nieuwe evaluatie-
methodes SV(t) en SPI(t) geven een betrouwbaar signaal over de gehele tijd van het project.
Dit fenomeen wordt weergegeven in figuur 6.
Figuur 6: Verschil van ratio’s SPI en SPI(t) naar gelang de vordering in het project
Samenvattend kunnen we zeggen dat een project geevalueerd kan worden aan de hand van
deze twee bijkomende parameters, [34] namelijk:
Schedule Cost Index (door gebruik van SPI) (SCI) = SPI ∗ CPI
SCI < 1: het project loopt achter op planning en/of budget.
SCI = 1: het project loopt volgens planning en budget.
SCI > 1: het project loopt voor op planning en/of budget.
Schedule Cost Index (door gebruik van SPI(t)) (SCI) = SPI(t) ∗ CPI
SCI < 1: het project loopt achter op planning en/of budget.
SCI = 1: het project loopt volgens planning en budget.
SCI > 1: het project loopt voor op planning en/of budget.
2.4 Voorspellingstechnieken
De EVM-techniek is gemaakt om projecten op te volgen en een waarschuwingssignaal te geven
wanneer het project de voorspelde tijd of budget overschrijdt. Door deze vroege waarschuwingssig-
nalen kan de projectmanager corrigerende acties ondernemen zodat het project nog binnen tijd of
binnen budget kan eindigen. Het voorspellen van de totale projectkosten en tijd is belangrijk om
correctieve acties te ondernemen. Op die manier kan men op tijd reageren wanneer zich problemen
of opportuniteiten voordoen. De EVM-techniek maakt voorspellingen over het totale budget van
een project en de eindtijd. De voorspelling is gebaseerd op de actuele prestaties van het project en
assumpties over de toekomstige prestaties.
8
Hieronder vindt u een overzicht van de algemeen geaccepteerde voorspellingstechnieken, opge-
splitst in voorspellingstechnieken voor kosten en tijd.
De algemene formule voor de voorspelling van de finale kost van een project kan bere-
kend worden door Estimated cost At Completion (EAC).
EAC = AC + PCWR
EAC: Estimated cost at Completion
AC: Actual Cost
PCWR: Planned Cost of Work Remaining
Meer gedetailleerde informatie over de voorspellingsformules voor kosten zijn gegeven. Die zijn
gebaseerd op een algemene formule PCWR = BAC−EV , gecorrigeerd met de performancefactor.
Dit is de factor die gebruikt wordt voor het adapteren van de toekomstige uitvoering tot de voorbije
uitvoering.
EAC = AC + (BAC − EV )/PF
- PF = 1;
Resterende kosten van het werk bij verloop volgens planning.
- PF = CPI;
Toekomstig werk volgt de trend van de huidige kostenprestatie.
- PF = SPI of SPI(t);
Toekomstig werk volgt de trend van huidige tijdsprestatie.
- PF = SCI of SCI(t);
Toekomstig werk volgt de huidige trend van tijds- en kostenprestatie.
EAC1 = AC + BAC−EV1
EAC2 = AC + BAC−EVSPI
EAC3 = AC + BAC−EVSCI
EAC4 = AC + BAC−EVCPI
Tabel 1: Voorspellingstechnieken van kost
9
Figuur 7: Voorbeeld van voorspelling van kosten en tijd door gebruik van EVM
De algemene formule voor de voorspelling van de finale duur van het project is gegeven
door: Estimated duration At Completion (EAC(t)).
EAC(t) = AD + PDWR
EAC(t): Estimated duration at Completion
AD: Actual Duration
PDWR: Planned Duration of Work Remaining
The Planned Duration of Work Remaining (PDWR) is een inschatting die gemaakt wordt over
het werk dat nog gedaan moet worden. Deze inschatting hangt af van de specifieke karakteristieken
en de actuele status van het project [3]. Er zijn zes verschillende projectsituaties waarbij enkel de
drie laatste relevant zijn. De eerste drie zijn niet relevant omdat de eerste veronderstelt dat er
ideale omstandigheden zijn en er dus geen voorspelling nodig is omdat alles volgens plan verloopt.
De tweede en derde zijn irrelevant omdat ze vooropstellen dat een voorspelling via PDWR nutteloos
is door de veranderende situaties of irreversibele problemen. Vanaf de vierde situatie wordt het
interessanter: de vierde situatie voorspelt dat de PDWR zal gebeuren volgens plan, de vijfde
verwacht dat de PDWR zal lopen volgens de trend van SPI. De laatste situatie ten slotte voorspelt
dat de PDWR zal evolueren volgens de trend van SCI. Hieronder volgt de omschrijving van de drie
laatste technieken die een voorspelling zullen doen over de totale kosten en de totale tijd die nodig
zijn voor het project.
2.4.1 De Planned Value Method
Deze techniek maakt gebruik van de Planned Duration van het totale project, uitgedrukt in time
units, voor het maken van voorspellingen over de toekomst. Deze factor is aangepast door de
prestatie van het project tot op heden. Volgens de projectkarakteristieken kunnen volgende voor-
spellingstechnieken beschreven worden:
EAC(t) met PDWR: resterend werk volgens de planning
EAC(t)PV 1 = PD − TV
10
TV = SVPV rate
PV rate = BACPD
EAC(t) met PDWR: resterend werk volgens de trend van SPI
EAC(t)PV 2 = PDSPI
EAC(t) met PDWR: resterend werk volgens de trend van SCI
EAC(t)PV 3 = PDSCI
2.4.2 De Earned Duration Method
De Earned Duration Method is beschreven door Jacob (2003). The Earned Duration (ED) is het
product van de actuele tijd en de Schedule Performance Index (SPI).
EAC(t) ED = AD + PD−EDPF
PF: Performance Factor voor het adapteren van de toekomstige uitvoering tot de voorbije uitvoe-
ring.
- PF = 1
Tijd van het resterend werk volgens originele planning
EAC(t) ED1 = AD + (PD − ED) = PD +AD ∗ (1− SPI)
- PF = SPI
Tijd van het resterend werk volgens de trend van SPI
EAC(t) ED2 = AD + PD−EDSPI = PD
SPI
- PF = SCI
Tijd van het resterend werk volgens de trend van SCI
EAC(t) ED3 = AD + PD−EDSCI = PD
SCI +AD ∗ (1− 1CPI )
In situaties waar de actuele tijd van het project de geplande tijd overschrijdt en het werk is nog
niet geeindigd, zal in de bovenstaande formules de PD vervangen worden door de AD.
2.4.3 De Earned Schedule Method
De formule van de Earned Schedule Method is:
EAC(t) ES = AD + PD−EDPF
De factor PF hangt af van het de situatie van het project.
- PF = 1
Tijd van het resterende werk verloopt volgens planning
EAC(t) ES1 = AD + (PD − ES)
- PF = SPI
Tijd van het resterende werk volgens de trend van SPI
EAC(t) ES2 = AD + PD−EDSPI(t)
11
- PF = SCI
Tijd van het resterende werk volgens de trend van SCI
EAC(t)ES3 = AD + PD−ESSPI(t)∗CPI = AD + PD−ES
SCI(t)
Planned Value Method Earned Duration Earned Schedule
EAC(t)PV 1 = PD − TV EAC(t)PV 2 = PDSPI EAC(t)PV 3 = PD
SCI
EAC(t)ED1 = AD + (PD − ED) EAC(t)ED2 = AD + PD−EDSPI EAC(t)ED3 = AD + PD−ED
SCI
EAC(t)ES1 = AD + (PD − ES) EAC(t)ES2 = AD + PD−EDSPI(t) EAC(t)ES3 = AD + PD−ES
SCI(t)
Tabel 2: Overzicht voorspellingstechnieken van tijd
2.5 EVM en Risk Management
Projectverloop, risicoanalyse en projectcontrole zijn zeer belangrijke stappen tijdens het verloop
van een project. De projectmanager gebruikt deze technieken als hulp bij het plannen, uitvoeren en
controleren van de activiteiten van het project. Informatie over de gevoeligheid van de activiteiten
geeft een extra gelegenheid voor het verbeteren van de accuraatheid van de planning en kan dienen
als een bijkomende manier voor het verbeteren van de projectcontrole en tracking. Het gezamenlijk
gebruik van projectplanning, risicoanalyse en projectcontrole geven de projectmanagers een betere
kans tot het verkrijgen van real-time data met activiteitsensitiviteit, project completion-percentage,
actuele en voorspelde tijd en kosten. Dit alles om een beter inzicht te krijgen in de projectprestatie,
om betere en snellere correctieve acties de ondernemen. [44]
2.6 Beperkingen van de EVM-techniek in verband met de voorspelbaarheid
van kosten en tijd
Alle voorgaande parameters zijn berekend op het niveau van het project en niet op het niveau
van de individuele activiteiten. In de literatuur is er evenwel een duidelijk onderscheid tussen de
onderzoekers die vinden dat de EVM-technieken op het niveau van de verschillende activiteiten
moeten worden opgevolgd en niet op een hoger niveau. Anderzijds zijn er onderzoekers die vinden
dat EVM-techniek op het projectniveau al voldoende krachtige signalen geeft. [6], [5], [24], [23].
Het onderstaande voorbeeld geeft argumenten waarom EVM niet kan worden toegepast worden op
projectniveau [7]. Men wijst erop dat wanneer een vertraging opgelopen is bij een niet-kritische ac-
tiviteit er een waarschuwingssignaal gegeven wordt dat het project in gevaar is. Deze niet-kritische
activiteit spendeert echter enkel de resterende slack. De slack is de tijd die een niet-kritische
activiteit zich kan verplaatsen zonder de eindtijd van het project te beınvloeden. Wanneer men
dus de EVM-techniek toepast op projectniveau, zullen er valse waarschuwingssignalen uitgezonden
worden en dus ook verkeerde acties ondernomen worden. Een tweede argument is dat algemeen
wordt aangenomen dat effecten van vertraagde activiteiten kunnen worden geneutraliseerd door
goed presterende activiteiten op niveau van hogere WBS(Work Breakdown Structure)-levels. In
de DOD/NASA PERT Cost Guide [33] is WBS gedefinieerd als een stamboomonderverdeling van
een project: men begint met de einddoelstellingen die vervolgens in opeenvolgende kleinere eind-
producten worden onderverdeeld. De Work Breakdown Structure wordt uitgebreider omschreven
12
in het hoofdstuk Work Package Methodology. De neutralisatie op niveau van hogere WBS-levels
kan resulteren in het verbergen van problemen.
Hoewel er in de literatuur onenigheid heerst tussen de verschillende meningen van onderzoekers
, is het duidelijk dat de EVM-techniek uitsluitend op projectniveau gebruikt kan worden. [41] De
evaluatietechnieken zorgen ervoor dat er vroegtijdige waarschuwingen gegeven worden op een ef-
ficiente en gemakkelijke manier: op het niveau waarop de kosten berekend kunnen worden of zelfs
hoger. Na grondig onderzoek van de waarschuwingen kan er verder gespecificeerd worden op WBS-
niveau. Door de specificaties kan de projectmanager de nodige acties uitvoeren om de problemen
op te lossen. Lipke et al (2008) [26] wijst erop dat een gedetailleerde planningsanalyse een zeer
tijdrovende activiteit is en dat als deze analyse uitgevoerd wordt dit een negatief effect kan hebben
op de prestaties van het projectteam.
Een projectmanager is meestal geınteresseerd in de status van het totale project en heeft geen tijd
om alle ratio’s op het activiteitsniveau te berekenen. De praktische uitvoering zou immers te veel
tijd vergen. Bijgevolg worden de EVM-prestatiemaatstaven berekend op projectniveau en niet op
het niveau van elke individuele activiteit. De mogelijke vertekening van deze benadering (project-
niveau) vergeleken met de ideale benadering (op het activiteitsniveau) wordt beınvloed door de
structuur van het netwerk, meer bepaald door het aantal kritische activiteiten in de netwerken.
Zoals hierboven al omschreven zal het aantal kritische activiteiten bepalend zijn voor de be-
trouwbaarheid van de EVM-methode op project niveau. De seriele of parallelle indicator (SP)
meet de nabijheid van het project naar een seriele of parallel netwerk. Hoe dichter de SP bij 1 ligt,
hoe meer kans op potentiele kritische activiteiten in een netwerk; hoe meer kans er dus bestaat
dat de EVM-methode op projectniveau een vertekend beeld zal geven. Omgekeerd gesteld zal de
nauwkeurigheid vergroten wanneer een SP-waarde dicht bij nul wordt vastgesteld. Het aantal niet-
kritische activiteiten verlaagt, waardoor ook de kans om verkeerde conclusies te trekken zal dalen.
De combinatie van de Earned Value Management-techniek met de Risk Management-techniek zorgt
ervoor dat projectcontrole voor de projectmanager efficienter kan worden uitgevoerd. Langs de ene
kant zorgt de EVM-methode ervoor dat projectmanagers zich kunnen focussen op die activiteiten
die correctieve acties nodig hebben tijdens het beslissingsproces, anderzijds zorgt de Schedule Risk
Analysis (SRA) ervoor dat de focus van de projectmanager vanaf het begin op activiteiten gelegd
wordt die deze aandacht nodig hebben, omwille van hun risicogehalte.
Een belangrijke keuze tijdens project tracking is de graad van detail en de daarbij horende
graad van management effort dat nodig is om het project effectief te kunnen controleren. Daarbij
is het belangrijk om het juiste WBS-level te kiezen, de juiste balans te verwachten tussen het level
van detail en de snelheid van project tracking [26].
De EVM-techniek zorgt voor planning- en kostenevaluatieratio’s CPI, SPI of SPI(t) van een
project en geeft daarbij een algemeen beeld van het project. Een projectmanager kan bijvoorbeeld
beslissen om acties te ondernemen als een van de ratios onder een bepaalde waarde zakt.
13
Als voorbeeld kunnen we stellen dat indien de ratio SPI(t) onder de waarde 0,75 zakt, de project-
manager correctieve acties zal moeten ondernemen. Wanneer er dus acties moeten worden genomen
om het project opnieuw volgens plan te laten verlopen, zal de projectmanager de problemen op een
lager niveau van de WBS moeten bekijken. Op die manier kan hij correctieve acties ondernemen
om de activiteiten die in de problemen zitten te verbeteren.
3 Work Package Methodology
3.1 Workpackages
Aan het begin van een project is het belangrijk om een projectvoorstel te formuleren aan de hand
van een Work Breakdown Structure (WBS). Deze WBS-structuur zorgt ervoor dat het project in
detail gedefinieerd is en dat middelen- en tijdramingen bij het begin van het project gemaakt wor-
den. [17] Tijdens het verdere verloop van het project kan de WBS-structuur evenwel nog veranderen.
In de DOD/NASA PERT Cost Guide [33] is WBS gedefinieerd als een stamboomonderverdeling
van een project: men begint met de einddoelstellingen die vervolgens in opeenvolgende kleinere
eindproducten worden onderverdeeld.
Het workpackage concept beschreven door Sullivan en Elmore (1986) [10]: kleine, afzonderlijke
elementen van het werk met elk realistische en uitdagende doelen die toegewezen zijn aan de pro-
jectmanagers en op een relatieve korte tijd kunnen worden afgerond. De werkelijke gemaakte kosten
en de vooruitgang worden verzameld en vergeleken met het budget en het tijdschema voor iedere
kostenplaats. Volgens Ruskin (2004) [37] moet de EVM techniek toegepast worden op het niveau
van de WBS waarvoor de kosten beschikbaar zijn. Binnen de WBS worden workpackages gedefini-
eerd voor het werk dat nodig is om een specifieke job of proces af te werken. Het kan gaan om een
rapport, een design, een documentatie. . .
PMBOK (Project Management Body of Knowledge) [35] definieert WBS als een leverbare ge-
orienteerde groepering van projectelementen die de totale werkomvang van het project organiseert
en definieert. Om complexe projecten te managen verdeelt men de projecten in kleinere, makkelij-
kere hanteerbare management subprojecten. Op die manier zijn verschillende management levels
geconcentreerd op de planning, de controle en de ontwikkeling van de individuele workpackages
als samenhangende eenheden. De onderverdeling zorgt ervoor dat de inhoud van een workpackage
kan gelimiteerd worden tot het werk van een operationele afdeling [20]. Een workpackage kan be-
staan uit een of meerdere kostenactiviteiten. Workpackages kunnen gezien worden als subprojecten
en wanneer ze gecombineerd worden met andere individuele workpackages vormen ze het gehele
project [8]. Elk team volgt de verschillende stappen zoals gedefinieerd in de workpackage op en
vervolledigt de taken tegen de specifieke deadline [13]. Wanneer alle teams hun individueel work-
package afgewerkt hebben, zal ook het project zijn doelstellingen bereikt hebben. Het verdelen van
het project in verschillende groepen zorgt ervoor dat de verschillende teams gelijktijdig of sequen-
tieel kunnen werken aan de verschillende componenten van het project. In sommige gevallen is het
zelf onmogelijk een project te controleren als deze niet opgesplitst is in kleinere onderdelen [16].
14
Figuur 8: Voorbeeld een algemene WBS-structuur gebaseerd op [18]
Figuur 9: Voorbeeld van verschillende activiteiten in een geanalyseerd project gebruik makend van
de WBS
3.2 Work Package Methodology
Zoals hierboven omschreven in 3.6 Beperkingen van de EVM-techniek is er onenigheid tussen ver-
schillende onderzoekers aangaande de voorspelbaarheid en betrouwbaarheid van de EVM-methode.
Alle EVM-parameters zijn berekend op het niveau van het project en niet op het niveau van de
individuele activiteiten. In de literatuur is er evenwel een duidelijk onderscheid. Bepaalde on-
derzoekers vinden dat de EVM-technieken op het niveau van de verschillende activiteiten moeten
worden opgevolgd en dus niet op een hoger niveau of Work Breakdown Structure. Andere onder-
zoekers vinden dat EVM-techniek op het projectniveau al voldoende kracht heeft.
De Work Package Methodology kan gebruikt worden om na te gaan of de voorspelbaarheid van
de eindtijd en de totale kosten van het project nauwkeuriger worden door gebruik te maken van een
15
lager niveau dan het projectniveau, namelijk het workpackageniveau. Die techniek is een uitbrei-
ding van de Earned Value Management-methode waarbij de EVM-techniek zal worden toegepast
op de verschillende workpackages binnen hetzelfde project. [14]
De WPM-techniek wordt hierna toegelicht.
Bij een project waarop projectcontrole door middel van Earned Value Management gebeurt, worden
de verschillende parameters en evaluatieratios CPI, SPI of SPI(t) berekend op projectniveau.
Figuur 10: Voorbeeld van verschillende activiteiten in een project
Aan de hand van de evaluatieratio’s kan men een voorspelling maken voor de eindtijd van het
project en voor de totale kosten van het project.
Een voorbeeld van de voorspelling van de totale kosten wordt weergegeven in onderstaande figuur.
Figuur 11: Voorbeeld van voorspelling van tijd en kost d.m.v. EVM
Wanneer men de techniek van workpackages op het project toepast kunnen de verschillende
activiteiten van het project onderverdeeld worden in workpackages. Dit zijn dus de kleinere, mak-
kelijkere hanteerbare management subprojecten, waarin verschillende activiteiten gegroepeerd kun-
nen worden. Door gebruik van deze workpackages kan men de evaluatieparameters van de Earned
Value Management-techniek toepassen op het niveau van de workpackages.
16
Figuur 12: Voorbeeld van groepering van activiteiten in workpackages
Met de informatie van de evaluatieparameters kan men ook een voorspelling doen van de eindtijd
en de totale kosten van de verschillende workpackages. Wanneer men de totale voorspelde kosten
van het project wil berekenen, kan men de voorspellingen van de totale kosten van de verschillende
workpackages optellen.
Bij de voorspelling van de eindtijd van het project is het evenwel niet mogelijk om de voorspel-
lingen van de eindtijden van de workpackages op te tellen: men zit namelijk met de overlap tussen
de verschillende activiteiten en / of workpackages. Om het probleem van overlap op te lossen moet
het kritieke pad worden berekend om een inschatting te kunnen maken van de totale eindtijd.
Figuur 13: Voorbeeld van het optellen van de verschillende voorspellingen van kosten van de
verschillende workpackages om de totale kost van het project te voorspellen
Om na te gaan of de voorspellingen op niveau van workpackages beter zijn dan op projectniveau
moet de voorspelling van de totale kosten en eindtijd van een project door middel van de klassieke
Earned Value Management-techniek worden vergeleken met de EVM-methode met als uitbreiding
de Work Package Methodology.
4 Methode
De bedoeling van deze thesis is om te onderzoeken of de voorspelling van de totale kosten en
eindtijd van een project verbetert door gebruik te maken van de Work Package Methodology als
17
uitbreiding van de Earned Value Management-techniek in vergelijking met de klassieke Earned Va-
lue Management-techniek.
Om de mogelijke verbeteringen in kaart te brengen worden beide methodes met elkaar vergeleken
aan de hand van 16 real-life projecten in verschillende bedrijven. In het volgende hoofdstuk wor-
den de verschillende projecten en de bedrijven, met elk hun eigen manier van projectopvolging,
toegelicht. Dit hoofdstuk beschrijft hoe de gegevens worden verzameld en geanalyseerd, en welke
onderzoeksvragen op de 16 real-life projecten worden toegepast.
4.1 Verzamelen gegevens van de 16 projecten.
Om de nodige gegevens van elk project te verzamelen en de voortgang van elk project op te volgen
vonden op regelmatige tijdstippen meetings met de projectleiders plaats. De projectleiders werden
vaak bijgestaan door budgetverantwoordelijken, projectmedewerkers, werfleiders. . . om de nodige
diepgang in de analyse te garanderen.
Tijdens en na de meeting werden telkens verschillende spreadsheets opgesteld, waarin de nodige
gegevens werden verzameld.
Alle gegevens die nodig zijn om op de verschillende projecten een projectcontrole toe te passen moe-
ten worden verzameld en de activiteiten moeten in verschillende workpackages worden gegroepeerd.
Deze indeling van activiteiten in verschillende workpackages gebeurde op basis van de expertise van
de projectmanagers. De projectmanagers hebben immers een betere kennis van de correlaties en
relaties tussen de verschillende activiteiten.
4.2 Berekenen van de ratio’s en voorspellingen van tijd en kosten.
De drie belangrijke parameters van de EVM-techniek; Planned Value (PV), Actual Cost (AC)
en Earned Value (EV) kunnen zowel op de klassieke methode als op basis van de uitbreiding met
workpackages makkelijk berekend worden. Hetzelfde geldt voor de evaluatieparameters; Sche-
dule Variance (SV), Schedule Performance Indicator (SPI), Cost Variance (CV), Cost Performance
Indicator (CPI).
De evaluatieparameters van tijd (SPI, SV) kunnen verder opgesplitst worden in 3 verschillende
technieken om ze uit te drukken in monetaire eenheden. Deze technieken zijn: Planned Value
Method, Earned Duration Method, Earned Schedule Method.
Om de Earned Schedule te berekenen op WPM-niveau moet de techniek wat aangepast worden.
De formule is namelijk:
Vind t zodat EV ≥ PVt en EV < PVt+1
Earned Schedule (ES) = t+ EV−PVtPVt+1−PVt
Een eerste aanpassing is nodig omdat de verschillende trackingperiodes niet altijd gelijkmatig
verdeeld zijn in de tijd. Daardoor kan men geen gebruik maken van tijdsperiode t = 1, 2, 3, . . . , n
18
maar worden de tijdsperiodes aangeduid met het aantal dagen tussen de verschillende trackingpe-
riodes, zo spreekt men van t = 0, 30, 61, . . . Nadien, om de gepaste t te bepalen wordt er binnen
de verschillende workpackages nagegaan hoeveel keer de EV op moment t groter of gelijk is aan
PV (0) tot en met PV (t). Dit aantal x wordt dan omgezet in de representatieve waarde van t. Op
die manier kan de formule van Earned Schedule toegepast worden op workpackageniveau.
Er is nog een tweede aanpassing nodig om de duurtijd van de verschillende workpackages te
berekenen. Wanneer men de Earned Value van de verschillende workpackages apart zou berekenen,
zouden er voor iedere workpackage andere t-waarden in de Earned Schedule-techniek opgesteld
moeten worden.
Figuur 14 is een voorbeeld van Workpackage x waarbij de Earned Schedule-techniek individueel
op Workpackage x wordt toegepast. Wanneer echter over het hele project wordt gekeken, ziet de
Earned Schedule-techniek eruit zoals Figuur 15. Het enige verschil in beide figuren is dat bij Figuur
15 Workpackage x start op dag 100 in plaats van 0, want dag 100 is de dag waarop Workpackage x
start in het project. Om de Earned Schedule te berekenen, neemt men de berekende Earned Sche-
dule over het project min de start datum van de workpackage x. De techniek blijft dezelfde, maar
de berekeningsformules dienen aangepast te worden om rekening te houden met deze tijdsaspecten.
Figuur 14: Earned Schedule per activiteit
19
Figuur 15: Earned Schedule op project niveau
De techniek heeft nog extra aanpassingen nodig. De gebruikte projecten hebben vaak een
enorme tijdsspanne, wat het verzamelen van de gedetailleerde gegevens in het begin van het pro-
ject moeilijk maakte. Het kwam vaak voor dat de trackingperiodes van de verschillende projecten
in het begin maar om het half jaar waren. Hierdoor begonnen sommige workpackages tussen twee
trackingperiodes in, waardoor de Earned Schedule van de betrokken workpackage soms vroeger viel
dan de werkelijke begindatum. Dit zorgde voor negatieve Earned Schedule-waarden op workpack-
ageniveau. Om dit probleem op te lossen werd in deze thesis geopteerd om dummy trackingperiodes
op te stellen. De dummy trackingperiodes werden gecreeerd door de verschillende activiteiten li-
neair te laten verlopen tussen de verschillende trackingperiodes. Op die manier kon de Earned
Schedule toegepast worden op de verschillende workpackages die in eerste instantie tussen twee
trackingperiodes begonnen.
De evaluatieparameters konden gemakkelijk toegepast worden op workpackages die al bezig
waren. Van de workpackages die nog niet opgestart waren, stonden de evaluatieparameters op nul.
Omdat die workpackages in de berekening van de eindtijd en de eindkosten van het project inge-
bracht moeten worden, kunnen ze ingevuld worden door verschillende assumpties. Bij ieder project
worden voor de evaluatieparameters van nog niet opgestarte workpackages 3 scenarios opgesteld,
namelijk: (1) de evaluatieparameters gaan verder zoals gepland =1, (2) de evaluatieparameters
krijgen als waarde het gemiddelde van de al gestarte workpackages, (3) de evaluatieparameters ne-
men de waarden aan van de evaluatieparameter op projectniveau. Nadien wordt onderzocht welke
van de 3 technieken het meest accuraat is. Naar deze technieken zal voortaan verwezen worden als
vervangingsparameters.
De voorspelling van kosten kon op workpackageniveau op dezelfde manier toegepast worden
als op projectniveau. Zoals eerder al vermeld, kan men de voorspelde kosten van de verschillende
workpackages gewoon optellen om aan het voorspelde totale budget van het project te komen. De
totale voorspelde kosten van het project worden met onderstaande formule berekend:
20
EAC = AC + BAC−EVPF
Waarbij PF 4 verschillende waardes kan aannemen, namelijk; 1, SPI, SCI, CPI.
EAC1 = AC + BAC−EV1
EAC2 = AC + BAC−EVSPI
EAC3 = AC + BAC−EVSCI
EAC4 = AC + BAC−EVCPI
Tabel 3: Voorspellingstechnieken van kost
De voorspelling van tijd is moeilijker toe te passen op workpackageniveau. Door overlap
tussen verschillende activiteiten of zelfs overlap van verschillende workpackages kan men de voor-
spelde tijd van de workpackages niet gewoon optellen om aan de totale voorspelde eindtijd van
het project te komen. Om de totale voorspelde eindtijd van het project toch te berekenen werd
een beroep gedaan op de techniek van kritieke paden. Voor ieder project zal op elk evaluatiemo-
ment het kritieke pad bepaald worden. De verschillende voorspelde eindtijden van de verschillende
workpackages worden hierop toegepast, waardoor men de voorspelde eindtijd van het project kan
bepalen.
De totale voorspelde eindtijd van het project wordt met onderstaande algemene formule berekend:
EAC(t) = AD + PDWR
Deze algemene formule wordt verder opgesplitst in de Planned Value Method, Earned Duration
Method, Earned Schedule Method.
Planned Value Method
EAC(t) = PD − TV
EAC(t) = PDPF
Met PF = SPI, SCI(t)
Earned Duration
EAC(t) = AD + PD−EDPF
Met PF = 1, SPI, SCI(t)
Earned Schedule Method
EAC(t) = AD + PD−ESPF
21
Met PF = 1, SPI, SCI(t)
De onderstaande tabel bevat een overzicht van de verschillende technieken voor voorspelling
van de eindtijd van het project.
Plannev Value Method Earned Duration Earned Schedule
EAC(t)PV 1 = PD − TV EAC(t)PV 2 = PDSPI EAC(t)PV 3 = PD
SCI
EAC(t)ED1 = AD + (PD − ED) EAC(t)ED2 = AD + PD−EDSPI EAC(t)ED3 = AD + PD−ED
SCI
EAC(t)ES1 = AD + (PD − ES) EAC(t)ES2 = AD + PD−EDSPI(t) EAC(t)ES3 = AD + PD−ES
SCI(t)
Tabel 4: Overzicht voorspellingstechnieken van tijd
Een belangrijke opmerking hierbij is dat sommige workpackages zich nog maar net in de opstart-
fase bevinden, terwijl ze volgens de planning al langer bezig zouden moeten zijn. De verschillende
evaluatieparameters hebben hierdoor een zeer lage waarde. Worden die waarden toegepast op de
verschillende voorspellingstechnieken, dan kan dat leiden tot een zeer lange duurtijd of enorme
kosten van de verschillende workpackages. Dit is niet het geval op projectniveau omdat de lage
waarden uitgebalanceerd worden tussen de meestal normaal verlopende evaluatieparameters. Om
dit fenomeen na te gaan werden afkappingswaarden gebruikt: wanneer de evaluatieparameters on-
der een bepaalde waarde komen, moeten ze vervangen worden door de vervangingsparameters. Die
vervangingsparameters zorgen voor drie verschillende scenarios afhankelijk van welke vervangings-
waarde ingevuld wordt. De verschillende vervangingswaarden kunnen zijn: 1, gemiddelde van de
al gestarte workpackages, ratio van project in plaats van de ratio van de workpackage. De verschil-
lende afkappingswaarden zijn afhankelijk van project tot project en kunnen varieren van 0,1 tot
0,45.
4.3 Seriele/ Parallelle parameter
De Seriele/ Parallelle parameter meet of het netwerk van een project eerder serieel of parallel van
aard is. Wanneer de SP-parameter=0 is, dan zijn alle activiteiten parallel. Wanneer SP=1, dan
is het projectnetwerk volledig serieel. De SP-parameter van een project ligt vaak tussen deze 2
extreme waarden. Hoe dichter de parameter bij 1 ligt hoe meer serieel het netwerk is. Om de
SP-parameter te berekenen houdt men rekening met het maximale aantal niveaus van het netwerk.
Dat wordt gedefinieerd als de langste keten (dit in termen van het aantal seriele activiteiten) in het
netwerk. Concreet wordt de formule hieronder gebruikt om de SP-parameter te berekenen:
|SP | =
{1 als n = 1;m−1n−1 als n > 1.
n het aantal niet-dummy activiteiten in een AoN-netwerk
m aantal activiteiten in de langste keten van het netwerk
Om m te bepalen zoekt men dus de langste keten in het netwerk. Dit gebeurt door op zoek
te gaan naar the progressive level. The progressive level van een activiteit i in een projectnetwerk
wordt gedefinieerd als:
22
|PLi| =
{1 als Pi = 0;
maxj∈Pi PLj + 1 als Pi 6= 0.
Pi de set van onmiddellijke voorgangers van activiteit i.
Gebaseerd op the progressive level is m het maximale progressive level.
Een voorbeeld van de SP- indicator is gegeven hieronder.
Figuur 16: Een voorbeeld van de SP-factor
In dit voorbeeld is de waarde van n gelijk aan 10, de waarde van m gelijk aan 4. Zo kan de
SP-factor berekend worden: SP = (4− 1)/(10− 1) = 0, 33
Hoewel de EVM-techniek goed werkt als methode voor het geven van vroegtijdige waarschu-
wingen, komt er veel kritiek op de methode. De kritiek is er omdat het een tijdsintensieve job is,
maar ook omdat men enkel rekening houdt met het totaalbeeld. De verschillende parameters van
de EVM-techniek worden berekend op projectniveau en niet op activiteitenniveau.
Het weerleggen van de EVM-methode komt er op basis van de kritieke activiteiten. Een kritieke
activiteit is een activiteit waarbij de totale projectduur verlengt indien deze activiteit minimaal uit-
loopt. In tegenstelling tot een niet-kritieke activiteit, waarbij het uitlopen van deze activiteit geen
onmiddellijke invloed heeft op de totale projectduur. Wanneer een niet-kritieke activiteit achterop
loopt, en dus een waarschuwingssignaal geeft, bestaat de kans dat dit geen invloed heeft op de totale
projectduur. Er bestaat dus een kans dat de projectmanager onterecht acties onderneemt. Ook het
omgekeerde kan gebeuren: vertragingen van de ene activiteit kunnen gecompenseerd worden door
goed presterende andere activiteiten. Hierdoor zullen er geen alarmsignalen uitgestuurd worden,
maar ze zijn wel nodig voor correctieve acties. Uit onderzoek van Vanhoucke (2011) [44] blijkt dat
de EVM-methode vrij efficient is voor seriele netwerken (SP = 1), maar dat de efficientie voor
23
parallelle netwerken (SP = 0) vrij laag is. Dat ligt in de lijn van wat hierboven werd beschreven.
Het is dus vrij belangrijk om na te gaan of de SP-factor een invloed heeft op de performantie van
de EVM-techniek en de EVM-techniek met als uitbreiding de WPM-methode.
4.4 Vergelijken van de resultaten.
Om de voorspellingen te evalueren en de nauwkeurigheid van beide technieken te bepalen, bestaan
er twee formules om dit te berekenen. [45]
De voorspelling van kosten kan met onderstaande formule berekend worden.
Mean Percentag Error (MPE)= 1T
∑Ttime=t
EAC(t)time−RDRD ∗ 100
Mean Absolute Percentage Error (MAPE)== 1T
∑Ttime=t
|EAC(t)time−RD|RD ∗ 100
De formule berekent de gemiddelde afwijking tussen de totale projectkosten die voorspeld wor-
den tijdens de uitvoering van het project (EAC) en de werkelijke kosten van het project (Real
Cost=RC); dit zijn de waargenomen eindkosten van het project. Hoe kleiner de waarde, hoe nauw-
keuriger de voorspelling.
Met T= totaal aantal trackingperiodes uitgedrukt in dagen over de gehele projecthorizon
EAC = de geschatte kost van het project in een trackingperiode (t = 0, 30, 61, . . . , T )
De voorspelling van tijd kan met onderstaande formule berekend worden:
Mean Percentag Error (MPE)= 1T
∑Ttime=t
EAC(t)time−RDRD ∗ 100
Mean Absolute Percentage Error (MAPE)== 1T
∑Ttime=t
|EAC(t)time−RD|RD ∗ 100
De formule berekent de gemiddelde afwijking tussen de totale projectduur die voorspeld wordt
tijdens de uitvoering van het project (EAC(t)) en de werkelijke duur van het project (Real Dura-
tion=RD); dit is de waargenomen einddatum van het project. Hoe kleiner de waarde, hoe nauw-
keuriger de voorspelling uiteraard is.
Met T= totaal aantal trackingperiodes over de gehele projecthorizon EAC(t) de geschatte duur
van het project in een trackingperiode (t = 0, 30, 61, . . . , T )
De MPE wordt berekend op dezelfde manier als de MAPE-methode maar in tegenstelling tot de
MAPE-methode worden de positieve en negatieve waarden evenals de over- en/of onderschatting
van de uiteindelijke looptijd uitgebalanceerd.
In deze thesis wordt onderzocht of de voorspelling van de totale kosten en eindtijd van een pro-
ject zal verbeteren door gebruik te maken van de Work Package Methodology als uitbreiding van
de Earned Value Management-techniek in vergelijking met de klassieke Earned Value Management-
techniek. Deze 2 technieken zullen met elkaar vergeleken worden. Voor beide technieken zullen
de MPE- en MAPE-waarden berekend worden. De techniek die de kleinste waarde weergeeft voor
24
MPE, MAPE is het nauwkeurigst. De vergelijkingen zullen project per project gebeuren. Maar er
zal ook naar algemeenheden gezocht worden voor de 16 projecten.
Daarnaast zal ook worden nagegaan welke vervangwaarde voor de evaluatieparameters van on-
begonnen workpackages het beste resultaat geeft. De vervangingswaarden kunnen zijn: (1) 1, (2)
het gemiddelde van de al gestarte workpackages, (3) de waarde van de evaluatieparameter op pro-
jectniveau.
Wanneer de WPM betere voorspelling biedt dan de EVM-methode wordt nagegaan welke voor-
spellingstechniek de beste resultaten geeft op het vlak van kosten en tijd bij gebruik van de WPM-
techniek.
Bijkomend zal gecontroleerd worden of de voorspelling van kosten of tijd door middel van de
Work Package Methodology en Earned Value Management-techniek beınvloed wordt door het al
dan niet serieel zijn van de activiteiten.
Een laatste element dat gecontroleerd wordt is of de WPM-techniek betere vroegtijdige waar-
schuwingen geeft in vergelijking met de EVM-techniek.
5 Projecten
5.1 MIVB
5.1.1 Uitleg bedrijf
Van de zestien projecten zijn er elf projecten bij de MIVB gesitueerd. De MIVB is de publiekrech-
telijke vervoersmaatschappij van Brussel en exploiteert een netwerk van metros, trams en bussen
in de 19 gemeenten van het Brussels Hoofdstedelijk Gewest. De MIVB voert 375 miljoen reizen
per jaar uit en ieder jaar groeit dit aantal met een extra 10% aan. In de budgetten van de MIVB
is voor de komende jaren meer dan 4,4 miljard euro aan investeringen ingeschreven om het net en
de infrastructuur uit te breiden. Voor 2013 is 450 miljoen euro voorzien voor nieuwe projecten.
Vandaag zijn er meer dan 75 projecten parallel in uitvoering.
5.1.2 PM Techniek
Het PMO (Project Management Office) van de MIVB verplicht dat van ieder project een pro-
ject tracking-document wordt opgesteld door de verantwoordelijke projectmanager. Het document
wordt gevalideerd door de specifieke Project Board met vertegenwoordigers van de technische af-
delingen, de gebruikers, budgetverantwoordelijken etc. Iedere 20e van de maand worden de docu-
menten geactualiseerd en worden de gevalideerde documenten verzonden naar het PMO. Het PMO
verzamelt alle updates van alle projecten, rapporteert op een geaggregeerd niveau over de voort-
gang en verspreidt dit maandelijks rapport naar de verschillende belanghebbenden in de hierarchie
van de organisatie. Het maandelijkse rapport wordt ook in het Executive Committee besproken en
regelmatig wordt een projectleider opgeroepen voor meer uitleg.
De belangrijkste zaken die iedere project tracking moet bevatten, wordt hieronder beschreven :
25
• Het eerste tabblad van het Excel-bestand is een initialisatie. Hierin worden de leden van
het projectteam en de Project Board omschreven. Naast deze omschrijving worden ook de
belangrijkste gegevens van het project omschreven: titel, projectteam, opstartdatum van het
project, budget, basisplanning en de verschillende te respecteren mijlpalen.
• Een volgend tabblad bevat de werkelijke planning met eventuele wijzigingen in vergelijking
met de basisplanning.
• Vervolgens worden de werkelijke mijlpalen vergeleken met de geplande mijlpalen.
• Een samenvatting van de laatste vergadering van de Project Board , met nadruk op de
genomen beslissingen, wordt ook aan de maandelijkse project tracking toegevoegd.
• De status qua kwaliteit, budget en planning worden bekeken. De risico’s worden weergegeven
op een apart blad: deze worden onderverdeeld in laag, medium of hoog risico. Ook de
bijhorende impact per risico wordt omschreven en de daarvoor nodige actieplannen om dit
risico onder controle te houden.
• Aansluitend krijgt het project een kleurcode mee die de algemene status van het project
weergeeft en ook de nood aan aandacht, indien vereist. Wanneer de status van het project
groen is gekleurd, is er geen bijkomende aandacht nodig en bevestigt de Project Board dat
de projectleider en zijn team alles onder controle hebben. Wanneer de status oranje gekleurd
is, wordt bijkomende aandacht gevraagd van de Project Board, want zij hebben een rol en
verantwoordelijkheid op te nemen en moeten de nodige beslissingen treffen om het project
weer op de rails te krijgen. Aandacht van het Executive Committee is nodig wanneer rood
verschijnt. Het Executive Committee beslist vervolgens hoe het project verder moet worden
aangepakt: bijkomend budget, extra resources, scope aanpassing,. . .
• Om het document af te sluiten is er een tabel die weergeeft welke beslissingen genomen zijn
of welke beslissingen nodig zijn om een goede voortgang van het project te begunstigen.
5.1.3 Assumpties en opmerkingen
Binnen de MIVB worden de interne werkkrachten niet of zeer zelden in rekening gebracht bij het
berekenen van de kosten. Bij de MIVB is er voor het grootste deel van de projecten een schatting
gemaakt van de interne kosten. Vaak gaat de MIVB ervan uit dat de projecten binnen budget
blijven wanneer een project langer duurt dan gepland. Deze veronderstelling houdt geen rekening
met de interne kosten. De redenering van de MIVB is gebaseerd op het feit dat wanneer zij een
contract afsluiten met een leverancier de kosten vaststaan. Wanneer bijkomende aanpassingen
moeten gebeuren zal dit ten koste zijn van de leverancier en niet van de MIVB. Het gebeurt dus
niet vaak dat het opgelegde budget overschreden wordt tenzij de MIVB zelf een wijziging aanbrengt
aan de offerte. Concluderend uit de redenering van de MIVB blijkt dat wanneer een project een
jaar te laat is, er desondanks vaak geen budgetoverschrijding is omdat de interne kosten hierbij niet
berekend zijn. In het geval de interne kosten wel berekend zouden worden, zouden veel projecten
binnen de MIVB wel een budgetoverschrijding hebben. Een andere belangrijke opmerking is dat de
projecten binnen de MIVB zeer sterk met elkaar geıntegreerd zijn. Vaak hebben meerdere projecten
invloed op elkaar, met als gevolg dat indien wanneer het ene project vertraging oploopt, er een grote
26
kans ontstaat dat andere projecten gecontamineerd worden en dus vertraging oplopen. Het valt
meermaals voor dat de scope van een project moet bijgestuurd worden, net onder invloed van
een ander project. Typisch voor de projecten is dat derde partijen, waarop MIVB geen of weinig
impact heeft, ook activiteiten voor hun rekening nemen in het project. Bijvoorbeeld: vergunningen
moeten aangevraagd worden vooraleer tramlijnen uitgebreid kunnen worden, milieucertificaten
moeten aangevraagd worden, overeenstemming moet bereikt worden met gebruikersorganisaties,
eerst moet de riolering heraangelegd worden etc. Wanneer door de externe factoren een vertraging
optreedt, is dit buiten de macht van de MIVB. Door de afhankelijkheid van MIVB van deze externe
factoren kunnen de projecten binnen de MIVB ook vertragingen oplopen.
5.1.4 Project 1: M6+
Het doel van dit project is de vervoerscapaciteit op de metrolijn 1-5 met 20 procent te verhogen en
dit door de frequentie van de metro op te voeren tot 2.30 minuten. Er rijden reeds 15 metrostellen
op deze lijn; 6 bijkomende metrotoestellen zijn nodig en dit is precies het M6+-project.
Geplande duurtijd Van: 14-05-2009 Tot: 17-03-2013
1002 werkdagen
Werkelijke duurtijd Van: 14-05-2009 Tot:10-04-2013
1027 werkdagen
Gebudgetteerde kosten ¤57.232.891,10
Werkelijke kosten ¤57.376.767,66
# activiteiten 29
# WP 8
SP indicator m = 5, n = 8, SP = 0, 5714
Tabel 5: Gegevens project M6+
5.1.5 Project 2: MCH
Maintenance Center Haren, verkort tot MCH, is eveneens een project binnen de MIVB. Het on-
derhoud van bussen en trams gebeurt op dit ogenblik in vijf verschillende ateliers: Haren 3 is
verantwoordelijk voor het onderhoud van bussen terwijl het onderhoud van de trams gebeurt in
Belgrado. De carrosserie van de tram wordt onderhouden in Kuregem, het atelier in Birmingham
staat in voor het onderhoud van de vrachtwagens voor herstelling op de weg en het atelier in Haren
5 staat in voor de zware accidenten en is uitgerust met schilderstunnels. Deze ateliers zijn ge-
huisvest in oude gebouwen, uitgerust voor het onderhoud van trams van de oude generatie en van
sommige ateliers (Belgrado, Kuregem) loopt de exploitatievergunning ten einde. De bedoeling van
het project is om de vijf ateliers samen te brengen op een locatie te Haren. Door slechts een locatie
voor het onderhoud van trams en bussen te hebben, zal de MIVB veel economischer te werk kunnen
gaan. Deze locatie zou niet alleen beter zijn voor het milieu maar ook voor de werkomstandigheden
van de arbeiders.
Aangezien veel projecten van de MIVB verlopen volgens het Europese offertesysteem is de uitleg
hieronder nuttig voor veel projecten binnen de MIVB. Het project begint met een interne haalbaar-
27
heidsstudie. Dit is een intern onderzoek hoe het gebouw er zou kunnen uitzien om aan de normen
van de klant te voldoen. In het geval van MCH is de klant de afdeling van de voertuigen en onder-
delen: rollend materieel. Tijdens de tweede fase is er een openbare aanbesteding voor het zoeken
naar de architect en de studie van het gebouw. Wanneer de tweede fase is afgerond en een architect
is aangesteld, maakt de architect een voorontwerp. Dit is louter het bouwkundige aspect van het
project. De volgende activiteit houdt in dat men de gemengde vergunning zal aanvragen. Voor deze
bouw- en milieuvergunning moeten veel formaliteiten vervuld worden. Op het moment van indie-
nen van de vergunning moet bekend zijn hoe het gebouw er zal uitzien. Tijdens de detailstudie zal
men in samenspraak met de klant en de architect beslissen waar welke onderhoudsapparaten staan
en welk materiaal zal gebruikt worden. Aan de hand van deze detailstudie zal een aanbestedings-
dossier opgesteld kunnen worden. Hierin zit het bestek, de meetstaat, de plannen, de uitvoering in
details. Wanneer dit aanbestedingsdossier afgewerkt is, kan de aanbestedingsprocedure in werking
treden. Wanneer uiteindelijk een aannemer is gekozen, zal men onderhandelen over de uitvoering
van het project. Na deze onderhandelingen kan de werkelijke uitvoering beginnen. Wanneer de
uitvoering is afgewerkt, is er een voorlopige oplevering en nadien volgt de definitieve oplevering,
meestal twee jaar later.
Een praktisch voorbeeld van de PM-techniek van de MIVB wordt hier ook verder uitgewerkt.
Dit is zeer gelijklopend voor andere projecten van de MIVB. Voor het project wordt een project-
manager aangesteld die dagdagelijks het project opvolgt. De projectmanager rapporteert en geeft
uitleg aan de Project Board. In de Board zetelen de belangrijkste interne klanten en de leveranciers.
De interne klanten zijn in dit geval Building en Access, Rollend materieel. De projectmanager zou
om de zes weken aan de Project Board verantwoording moeten afleggen, wat in de praktijk niet
gebeurt. De verantwoording gebeurt na iedere fase of wanneer belangrijke stappen moeten onder-
nomen worden. Daarnaast wordt ook een projectteam samengesteld. Dit is een team samengesteld
uit verschillende externe projectmanagers. Dit team ADE-Arcadis bestaat uit de architect en het
studiebureau. De projectmanagers spreken voor de verschillende partijen en zorgen ervoor dat
de verschillende studies op tijd en op een manier waarbij de interne klanten tevreden zullen zijn,
worden uitgevoerd. De vergaderingen van het projectteam varieren naargelang van de fase.
MCH is een project dat niet volledig kon worden opgevolgd. Het project is nog in uitvoering. Om
het verschil tussen de accuraatheid van de voorspellingen van totale kosten en de eindtijd van het
project te onderzoeken, kunnen enkel de activiteiten gebruikt worden die al afgerond zijn. Om toch
een beeld te krijgen van de omvang van het project in zijn totaalbeeld worden ook de gegevens van
het gehele project weergegeven.
Geplande duurtijd Van: 01-01-2006 Tot: 16-05-2017
2967 werkdagen
Gebudgetteerde kosten ¤61.381.385, 00
# activiteiten 17
# WP 9
Tabel 6: Gegevens project MCH
28
Geplande duurtijd Van: 01-01-2006 Tot: 31-12-2011
1565 werkdagen
Werkelijke duurtijd Van: 01-01-2006 Tot:31-01-2014
2110 werkdagen
Gebudgetteerde kosten ¤2.350.566
Werkelijke kosten ¤2.429.456
# activiteiten 8
# WP 6
SP indicator m = 23, n = 26, SP = 0, 7857
Tabel 7: Gegevens subproject MCH
5.1.6 Project 3: MoBIB
Het project MoBIB zorgt voor de aankoop van 2000 nieuwe ontwaarders voor de vervoersmaat-
schappij MIVB. De nieuwe ontwaarders zijn nodig omdat een steeds toenemend aantal reizigers het
openbaar vervoer gebruikt, er ten gevolge meer voertuigen zijn en de reizigers ook op deze nieuwe
voertuigen hun vervoersticket moeten kunnen valideren. Een tweede reden waarom de aankoop van
extra toestellen nodig was, is het gevolg van een ander project, namelijk SeSame. Dit project zorgt
ervoor dat de toegang naar de metro met poortjes wordt afgesloten. Door de beveiligde afsluiting
zijn per metrolijn meerdere ontwaardingmachines nodig. Het contract van de oude ontwaarders is
niet meer actueel; de nieuwe ontwaarders zijn veel goedkoper geworden door de learning curve van
de fabricatie. Ten tweede is de technologie van de ontwaarders erop vooruit gegaan en werd een
nieuwe techniek ontwikkeld. De aankoopprijs van de 2000 nieuwe ontwaarders bedraagt 2,8 miljoen
euro.
MoBIB is een project dat niet volledig kon worden opgevolgd. Het project is nog in uitvoering.
Om het verschil tussen de accuraatheid van de voorspellingen van totale kosten en de eindtijd van
het project te onderzoeken, kunnen enkel de activiteiten gebruikt worden die al afgerond zijn. Om
toch een beeld te krijgen van de omvang van het project in zijn totaalbeeld worden ook de gegevens
van het gehele project weergegeven.
Geplande duurtijd Van: 02-04-2012 Tot: 31-03-2014
521 werkdagen
Gebudgetteerde kosten ¤3.219.307,50
# activiteiten 14
# WP 5
Tabel 8: Gegevens project MoBIB
29
Geplande duurtijd Van: 02-04-2012 Tot: 30-09-2013
391 werkdagen
Werkelijke duurtijd Van: 08-08-2012 Tot: 20-01-2014
379 werkdagen
Gebudgetteerde kosten ¤1.066.197,50
Werkelijke kosten ¤1.070.530,00
# activiteiten 12
# WP 5
SP indicator m = 8, n = 12, SP = 0, 6364
Tabel 9: Gegevens subproject MoBIB
5.1.7 Project 4: Gentse Steenweg
Het Project Gentse Steenweg houdt in dat er werken zijn aan het bovengrondse netwerk. De taak
van de MIVB bestaat hoofdzakelijk uit het organiseren van de werken en het uitbesteden aan an-
dere firma’s. Omdat er sprake is van een continue netexploitatie moet een zeer strakke planning
gerespecteerd worden.. Wanneer werken aan het kruispunt georganiseerd worden, moeten bijko-
mende bussen ingeschakeld worden, planning van de werkmannen opgemaakt worden Er moet een
volledig netwerk georganiseerd worden: niet enkel de werken van de MIVB maar ook de organisatie
en coordinatie van de 32 andere bedrijven op de openbare weg. Het is de bedoeling dat wanneer
de straat opengebroken wordt, deze gelegenheid ook gebruikt wordt voor alle bedrijven. Hierdoor
is er een zeer strakke planning nodig. De kosten van de werken worden gefinancierd door drie
verschillende organisaties. De eerste is het investeringsbudget van de MIVB. Een tweede is Beliris,
een samenwerking tussen het Federaal en Brussels Gewest die de infrastructuurwerken ondersteunt.
Ook het Brussels Hoofdstedelijk Gewest is betrokken partij met onder andere Vicom, Vitesse Com-
merciale.
Geplande duurtijd Van: 30-08-2010 Tot: 15-11-2013
840 werkdagen
Werkelijke duurtijd Van: 15-09-2010 Tot: 28-02-2014
903 werkdagen
Gebudgetteerde kosten ¤3.716.210,00
Werkelijke kosten ¤3.546.639,93
# activiteiten 15
# WP 3
SP indicator m = 14, n = 15, SP = 0, 9286
Tabel 10: Gegevens project Gentse Steenweg
5.1.8 Project 5: Zenitel
In iedere tram zitten twee zenders, een aan de voorkant en een aan de achterkant. De zender
vooraan in de tram zorgt ervoor dat via een juiste frequentie het signaal ’links’ of ’rechts’ gestuurd
30
wordt naar een ontvanger op de baan. Deze ontvanger stelt de wissel op het tramspoor juist in.
De zender achteraan in de tram ontgrendelt de wissel wanneer de tram voorbijgereden is. Omdat
Zenitel al een gelijkaardig systeem op de markt heeft gebracht, was dit bedrijf het enige dat in aan-
merking kwam. Het bestaande analoge radiofrequentiesysteem moest vervangen worden door een
digitaal systeem. De nieuwe zender werd ontwikkeld voor de veiligheid van het overdrachtssysteem
en de snelheid waarmee de trams de wissels kunnen passeren. Een goede zender en ontvanger zijn
belangrijk om het proces gegarandeerd in alle veiligheid te laten verlopen. Kwaliteit is dus een
zeer belangrijke factor in het project. De nieuwe zenders worden geınstalleerd op de nieuwe trams,
maar ook op de oude trams waar het bestaande systeem moest worden vervangen.
Geplande duurtijd Van: 15-07-2008 Tot: 15-05-2013
1262 werkdagen
Werkelijke duurtijd Van: 15-07-2008 Tot: 15-05-2013
1262 werkdagen
Gebudgetteerde kosten ¤1.072.668,54
Werkelijke kosten ¤1.318.460,00
# activiteiten 27
# WP 7
SP indicator m = 8, n = 26, SP = 0, 2800
Tabel 11: Gegevens project Zenitel
5.1.9 Project 6: Amster
Voor het project Amster had de MIVB verschillende telecommunicatienetwerken. De communica-
tienetwerken zijn van belang voor de werking van de metro, automaten, stations, toegangscontrole
maar ook signalisatie Het project Amster zorgt voor de implementatie van telecommunicatienet-
werken voor kritieke toepassing zoals de werking en de veiligheid van de metro. Het project Amster
bestaat uit drie verschillende subprojecten, namelijk Fibernet, Safenet en Mission Critical Network.
Bij deze drie verschillende subprojecten horen nog twee gelinkte projecten, maar die worden uitbe-
steed en vallen niet onder de controle van de MIVB. Daarom worden ze hier buiten beschouwing
gelaten. Ieder project heeft vier verschillende fases. De studiefase wordt afgesloten met een las-
tenboek, aansluitend is er de aanbestedingsfase met als afsluiting de bestelling. De derde fase met
roll-out wordt beeindigd met de installatie van de telecommunicatienetwerken. De laatste fase, de
oplevering, kan afgesloten worden wanneer het as-builtdossier en het opleveringsrapport gemaakt
en goedgekeurd zijn.
In de eerste twee fases werkt men met eigen en gehuurde resources. In de derde en ook de laatste
fase werkt men met meetstaten om de leveranciers op te volgen. Iedere maand wordt een meetstaat
opgesteld door de leverancier. De leverancier houdt bij hoeveel eenheden van een welbepaald pro-
duct gebruikt worden en wat de kostprijs ervan is. Daar wordt de som van genomen en die wordt
vergeleken met de verwachte uitgaven. Dit gebeurt op maandelijks niveau maar ook op cumulatief
niveau, telkens met het bedrag en het percentage van het verwachte bedrag ten opzichte van het
werkelijke bedrag. Het bovenstaande is een voorbeeld hoe de Earned Value Management-techniek
31
al gebruikt wordt in het project Amster.
Amster is een project dat niet volledig kon worden opgevolgd. Het project is nog in uitvoering.
Om het verschil tussen de accuraatheid van de voorspellingen van totale kosten en de eindtijd van
het project te onderzoeken, kunnen enkel de activiteiten gebruikt worden die al afgerond zijn. Om
toch een beeld te krijgen van de omvang van het project in zijn totaalbeeld worden ook de gegevens
van het gehele project weergegeven.
Geplande duurtijd Van: 01-01-2012 Tot: 30-10-2017
1521 werkdagen
Gebudgetteerde kosten ¤16.840.000,00
# activiteiten 30
# WP 12
Tabel 12: Gegevens project Amster
Geplande duurtijd Van: 01-01-2012 Tot: 31-01-2013
284 werkdagen
Werkelijke duurtijd Van: 10-01-2012 Tot: 01-10-2013
451 werkdagen
Gebudgetteerde kosten ¤384.000,00
Werkelijke kosten ¤385.000,00
# activiteiten 5
# WP 4
SP indicator m = 3, n = 5, SP = 0, 5000
Tabel 13: Gegevens subproject Amster
5.1.10 Project 7: Nieuwe Bussen
In 2011 is Sergio Nutti verantwoordelijk gesteld voor de aankoop van 172 bussen. Wettelijk werd
vooropgesteld dat de MIVB vanaf 1 januari 2015 geen dieselbussen meer mag aankopen. Dit project
gaat over de aankoop van 172 dieselbussen, de einddatum waarop deze bussen geleverd moeten zijn
is de laatste dag van 2014. Tijdens de voorstudie worden het budget en de bepaling van het soort
voertuig vooropgesteld, in overleg met de verschillende interne eindklanten: de verantwoordelijken
voor sales, marketing en netwerk (SMN) en de Business Unit bus die instaat voor de exploitatie
van deze voertuigen. Na de voorstudie is er een kwalificatiesysteem dat werkt met een Europese
aanbesteding. Aangezien de MIVB soms wel beınvloed wordt door de politieke strekkingen in
het Brusselse gewest, probeert de MIVB zoveel mogelijk opties zolang mogelijk open te houden.
Lengte, vervoerstechniek (diesel, gas) wordt pas in een latere fase besproken. Na de publicatie
worden acht kandidaten overgehouden. Na selectie van de acht kandidaten wordt een lastenboek
geschreven waarin alle administratieve en technische gegevens duidelijk beschreven worden. Na de
publicatie van het lastenboek worden de offertes verwacht. Na het kiezen van de leverancier wordt
een contract afgesloten en worden de bussen geleverd. De opvolging gebeurt volgens de algemene
normen van de MIVB, met iedere maand een meeting met de Project Board. Daar worden vragen
32
gesteld, de doelstelling gecontroleerd en besproken wat nog aan de verdere uitvoering ontbreekt .
Een derde opvolging gebeurt in een vergadering met de algemene directie. Wanneer beslist moet
worden over een andere timing, andere manier van denken . . .
Nieuwe bussen is een project dat niet volledig kon opgevolgd worden. Het project is nog in
uitvoering. Om het verschil tussen de accuraatheid van de voorspellingen van totale kosten en
de eindtijd van het project te onderzoeken, kunnen enkel de activiteiten gebruikt worden die al
afgerond zijn. Om toch een beeld te krijgen van de omvang van het project in zijn totaalbeeld
worden ook de gegevens van het gehele project weergegeven.
Geplande duurtijd Van: 01-12-2011 Tot: 03-02-2014
568 werkdagen
Gebudgetteerde kosten ¤1.817.928,00
# activiteiten 32
# WP 11
Tabel 14: Gegevens project Nieuwe Bussen
Geplande duurtijd Van: 01-12-2011 Tot: 31-03-2013
347 werkdagen
Werkelijke duurtijd Van: 01-12-2011 Tot: 30-10-2013
500 werkdagen
Gebudgetteerde kosten ¤606.816,00
Werkelijke kosten ¤450.632,00
# activiteiten 17
# WP 7
SP indicator m = 12, n = 17, SP = 0, 6875
Tabel 15: Gegevens subproject Nieuwe Bussen
5.1.11 Project 8: Phoenix
Elke tram en bus rijdt op een te respecteren schema en timing (= regularisatie), aangestuurd
door de dispatching. Vanuit de dispatching kan op elk moment de exacte locatie van de bus
opgespoord worden. In iedere bus en tram is er ook een communicatienetwerk zodat op ieder
ogenblik gecommuniceerd kan worden met de bestuurder. De regularisatie zorgt ervoor dat vanaf
het centrale punt een overzicht voorhanden is van alle verschillende bussen en trams. Zo zorgt
men ervoor dat de bussen een goede afstand van elkaar hebben, dat er geen drie trams zeer snel
na elkaar komen en er dan nadien een half uur gewacht moet worden op een volgende tram. Ten
tweede is er communicatie nodig wanneer zich een ongeval of een geval van agressie voordoet. De
communicatie moet ervoor zorgen dat de bestuurder steeds in contact staat met mensen die de
problemen kunnen oplossen. Op tram en bus is er dus een on-board computer aanwezig die al
deze gegevensuitwisseling verzorgt. Phoenix vervangt en moderniseert de bestaande software voor
regularisatie. Voor alle types van tram en bus wordt eerst een specifiek prototype gemaakt. Pas
als dat de testen doorstaat, wordt de computer in alle voertuigen van hetzelfde type geınstalleerd.
33
Geplande duurtijd Van: 01-11-2006 Tot: 01-03-2014
1913 werkdagen
Werkelijke duurtijd Van: 01-11-2006 Tot: 01-03-2014
1913 werkdagen
Gebudgetteerde kosten ¤18.974.706,88
Werkelijke kosten ¤18.495.559,74
# activiteiten 35
# WP 11
SP indicator m = 10, n = 35, SP = 0, 2647
Tabel 16: Gegevens project Phoenix
5.1.12 Project 9: OBC
OBC staat voor On-board Computer. Het project zorgt voor aanschaffing van nieuwe industriele
pc’s voor de tram, bus en metro van de MIVB. Omdat het oude platform niet meer aan ver-
schillende technische en milieueisen voor voertuigen voldoet, is een vernieuwing van de hardware
noodzakelijk. De bedoeling is dat deze hardware genstalleerd wordt door de leverancier op alle
nieuwe voertuigen die de MIVB nog zal aankopen. Ook de bestaande bussen, trams en metro’s
moeten uitgerust worden met de vernieuwde apparatuur. Door de standaardisatie van de appara-
tuur op alle MIVB-voertuigen (tram, bus en metro) zullen de operationele problemen verminderen,
het onderhoud, de monitoring, de inzet van nieuwe functies, etc. vereenvoudigen. De nieuwe pc’s
zullen zorgen voor een brug tussen de communicatie van het voertuig met het MIVB-net. Daarbij
wordt ook alle communicatie tussen de verschillende subsystemen in de voertuigen gentegreerd.
Het nieuwe platform laat ook vlotter verdere evoluties toe aan hard- en software, zodat bestaande
en toekomstige toepassingen kunnen worden toegevoegd.
Geplande duurtijd Van: 30-11-2012 Tot: 28-10-2013
237 werkdagen
Werkelijke duurtijd Van: 30-11-2012 Tot: 05-02-2014
309 werkdagen
Gebudgetteerde kosten ¤5.749.355,00
Werkelijke kosten ¤5.953.818,00
# activiteiten 21
# WP 8
SP indicator m = 20, n = 21, SP = 0, 9500
Tabel 17: Gegevens project OBC
5.1.13 Project 10: CoVo
Het doel van het project CoVo is om het aanbod beter aan te passen aan de vraag en de daarbij-
horende beschikbare middelen. Een goede match tussen vraag en aanbod zal de kwaliteit van de
dienstverlening aan de klanten van de MIVB ten goede komen. Om de vraag beter in te schatten
34
is er een automatische passagiertelling nodig die moet zorgen voor regelmatig bijgewerkte gegevens
over het aantal vervoerde passagiers. Deze gegevens worden gegroepeerd per lijn, per halte, per
voertuig en per tijdspanne. Aan de hand van deze gegevens kan het aanbod van het vervoer van
de MIVB zo veel mogelijk op de vraag worden afgestemd. Ook zal de MIVB een nauwkeurige
voorspelling kunnen doen van het aantal passagiers in de toekomst, de opbrengsten per Business
Unit beter kunnen inschatten, het aantal validaties kunnen vergelijken met het werkelijke aantal
vervoerde reizigers, de aantrekkelijkheid van de MIVB verbeteren door het aanbod beter af te
stemmen. Kortom, het project is noodzakelijk om een nauwkeurig cijfer te hebben over het aantal
vervoerde passagiers op het MIVB-netwerk. Nu worden de tellingen van de passagiers handmatig
gemaakt.
CoVo is een project dat niet volledig kon worden opgevolgd. Het project is nog in uitvoering. Om
het verschil tussen de accuraatheid van de voorspellingen van totale kosten en de eindtijd van het
project te onderzoeken, kunnen enkel de activiteiten gebruikt worden die al afgerond zijn. Om toch
een beeld te krijgen van de omvang van het project in zijn totaalbeeld worden ook de gegevens van
het gehele project weergegeven.
Geplande duurtijd Van: 02-04-2012 Tot: 10-05-2013
290 werkdagen
Gebudgetteerde kosten ¤1.810.110,00
# activiteiten 37
# WP 7
Tabel 18: Gegevens project CoVo
Geplande duurtijd Van: 02-04-2012 Tot: 11-04-2013
269 werkdagen
Werkelijke duurtijd Van: 02-04-2012 Tot: 20-12-2013
450 werkdagen
Gebudgetteerde kosten ¤199.296,00
Werkelijke kosten ¤263.160,00
# activiteiten 26
# WP 6
SP indicator m = 22, n = 26, SP = 0, 8400
Tabel 19: Gegevens subproject CoVo
5.1.14 Project 11: ISIS
Het project verbetert de klantenbeleving in grote knooppunten in het MIVB-netwerk door het aan-
bieden van dynamische reizigersinformatie. Het is de bedoeling om in twintig stations dynamische
schermen te installeren die de klant real-time informatie geven over de maximale wachttijd. Men
streeft naar het ontwikkelen van een gebruiksvriendelijke interface voor alle belanghebbenden door
integratie van ook andere reisinformatie. De verwachte voordelen van dit systeem zijn: (1) vermin-
dering van de sleur van het wachten, dit door de reiziger te informeren over de werkelijke wachttijd,
35
de alternatieve reiswegen, het ontvangen van andere info. . . (2) het assisteren van de reiziger met
zijn gepland traject door informatie over de situatie over verstoringen op het net weer te geven, het
optimaliseren van de reistijd en de route, verschillende reisroutes weer te geven; (3) het aangenamer
maken van de reis van de klant, door het gebruik van allerlei infotainment-diensten, communicatie
van info over de MIVB.
ISIS is een project dat niet volledig kon worden opgevolgd. Het project is nog in uitvoering. Om
het verschil tussen de accuraatheid van de voorspellingen van totale kosten en de eindtijd van het
project te onderzoeken, kunnen enkel de activiteiten gebruikt worden die al afgerond zijn. Om toch
een beeld te krijgen van de omvang van het project in zijn totaalbeeld worden ook de gegevens van
het gehele project weergegeven.
Geplande duurtijd Van: 01-06-2011 Tot: 02-01-2016
1198 werkdagen
Gebudgetteerde kosten ¤864.220,00
# activiteiten 37
# WP 7
Tabel 20: Gegevens project ISIS
Geplande duurtijd Van: 01-06-2011 Tot: 26-06-2012
280 werkdagen
Werkelijke duurtijd Van: 01-09-2011 Tot: 28-02-2014
652 werkdagen
Gebudgetteerde kosten ¤330.720,00
Werkelijke kosten ¤363.229,09
# activiteiten 15
# WP 5
SP indicator m = 11, n = 15, SP = 0, 7143
Tabel 21: Gegevens subproject ISIS
5.2 Spiromatic
5.2.1 Uitleg bedrijf
Spiromatic produceert silo’s voor de opslag van droge en vloeibare stoffen in de voedingssector
en gespecialiseerde transport- en doseringsystemen vanuit de silo’s naar de productielijnen. De
focus van Spiromatic is de deegverwerkende sector; aan deze sector bieden ze een geautomatiseerd
proces aan als een totaaloplossing. Spiromatic biedt de klanten de volledige functie van hard-
ware tot sturing. Naast enkele specifieke klanten in Belgie, zoals Vandemoortele en La Lorraine,
zijn de meeste klanten in het buitenland gesitueerd (Frankrijk, Duitsland, Engeland), met veel
afzetopportuniteiten in de BRIC-landen en het Midden-Oosten.
36
5.2.2 PM Techniek
Spiromatic heeft een minder georganiseerde projectaanpak dan de MIVB, maar wel een strikte
opvolging, in het bijzonder naar brutomarge. Er zijn drie belangrijke documenten in gebruik voor
de opvolging van elk project voor Spiromatic.
• Het eerste document is de projectplanning. Op deze planning staat een overzicht van alle
projecten van Spiromatic en worden de verschillende fases van de projecten weergegeven. De
verschillende fases die steeds terugkeren in alle projecten zijn: kick-off, engineering, productie,
verpakking en dispatching, montage. Aan de hand van deze planning bekijken de projectma-
nagers van Spiromatic wanneer een nieuw project kan worden ingepland en welke deadlines
gehaald zijn of moeten worden.
• Een tweede belangrijk document voor de opvolging van de projecten is de offerte, meer in het
bijzonder de kosteninschatting van alle kosten voor het bedrijf voor het specifieke project. De
projectmanager van het project moet proberen om zich te houden aan de kosten volgens de
planning. Voor vele projecten gelden strikte opleverdata met bijhorende boeteclausules. Ook
dient nauwlettend gewaakt te worden op first time right, anders moeten de teams te lang
ter plaatse zijn voor allerlei correcties bij de buitenlandse klanten, wat uiteraard zeer duur
is. Wanneer het niet lukt om op tijd en in kwaliteit op te leveren, dan wordt de brutomarge
aangetast met uiteraard een nadelige impact op het nettoresultaat. Vandaar dat de ratio
geschatte kosten versus werkelijke kosten nauwkeurig opgevolgd wordt.
• De werkelijke kosten en de werkelijke uren worden bijgehouden in Axapta. De uren en de
kosten moeten manueel in het programma ingevoerd worden. Na de engineeringfase voorziet
men een week de tijd om de gegevens van de basisplanning in te vullen in het programma.
Nadien wordt bijgehouden wat in werkelijkheid gepresteerd is. Alle projectmanagers, samen
met de essentiele vertegenwoordigers van de dienst aankoop en productie, komen wekelijks
samen op donderdagvoormiddag. Tijdens die meeting worden de status van het project
en de fase van de planning gecontroleerd. Hier wordt telkens nagegaan of de projecten de
verschillende deadlines halen. Wanneer de deadlines niet gehaald zijn, moet er een duidelijke
reden zijn voor de vertraging.
De verschillende statussen van een project zijn;
• G: Groen: Voorschot betaald
• O: Oranje: Order ontvangen, voorschot nog niet
• R: Negotiatie in verdere status, bevestiging klant
• Q: Quotaties: opgevraagde levertijd
• Q2: Samen gepland met een ander project
• Q3: Planning niet meer haalbaar
• TC: Technisch Completed
• TD: Technisch Dossier
37
5.2.3 Assumpties en opmerkingen
Bij Spiromatic wordt de tijdsbesteding van de mensen van engineering en productie in de prijsofferte
gerekend. De onkosten die de projectmanagers maken worden evenwel niet in rekening gebracht.
Er is slechts een productiehal, dus wanneer een project vertraging oploopt in de engineering- of
productiefase, zal het volgende geplande project hoogstwaarschijnlijk ook vertraging oplopen. Bij
Spiromatic zijn het de klanten die wijzigingen aan het gevraagde product aanbrengen. Iedere
installatie is zeer technisch van aard en hierdoor moet de engineeringafdeling steeds opnieuw aan-
passingen maken, met wijzigingen in de planning als gevolg. Een andere zeer belangrijke factor is
de inwerkingstelling ter plaatse. Het transport en de dosering van de ingredienten moeten voor de
productie exact de juiste hoeveelheden en mix bevatten. Daarom moeten de hardware en de bestu-
ring van de Spiromatic-installatie perfect afgestemd staan op de besturing en de hardware van de
andere omringende installaties. De hypertechnische hardware van Spiromatic vereist ook fabricage-
componenten die niet courant in de handel verkrijgbaar zijn en de levertijd van deze componenten
is zeer moeilijk in te schatten.
5.2.4 Project 12: Morrisons
Morrisons is een industriele bakkerij. Dit bedrijf maakt zijn eigen brood en baat ook veel winkels
uit. De capaciteit van de industriele bakkerij moet worden uitgebreid. Voor deze uitbreiding werd
Bernir aangesteld. Dit bedrijf is verantwoordelijk voor alles wat met de capaciteitsuitbreiding te
maken heeft. Bernir moet dus bedrijven zoals Spiromatic contacteren en samenbrengen om de
uitbreiding te verwezenlijken. Spiromatic is verantwoordelijk voor de opslag en transport naar de
mixer van de grondstoffen. Morrisons is dus de eindklant, maar de klant van Spiromatic is Bernir.
Gedurende het project zijn meerdere malen wijzigingen gebeurd. Er was vaak een foute commu-
nicatie tussen de klant en eindklant. Voor Spiromatic was het aan de andere kant ook een zeer
moeilijk opgave om hun producten aan te passen aan de reeds bestaande installaties in het bedrijf
van Morrisons.
Geplande duurtijd Van: 27-08-2012 Tot: 28-01-2013
105 werkdagen
Werkelijke duurtijd Van: 27-08-2012 Tot: 28-03-2013
154 werkdagen
Gebudgetteerde kosten ¤1.039.969,00
Werkelijke kosten ¤1.059.381,09
# activiteiten 7
# WP 7
SP indicator m = 7, n = 7, SP = 1
Tabel 22: Gegevens project Morrisons
38
5.2.5 Project 13: Brouwerij
Spiromatic is verantwoordelijk voor het plaatsen van opslag- en transportsystemen voor mout in
een brouwerij in Limburg. Het opslaan van mout gebeurt in een buitensilo. Via een spiraaltrans-
port wordt de mout getransporteerd van de buitensilo tot vlak boven de weegbrug. Na het afwegen
van de juiste hoeveelheid wordt de mout naar de maalmolen getransporteerd.
Geplande duurtijd Van: 08-03-2012 Tot: 17-05-2013
51 werkdagen
Werkelijke duurtijd Van: 08-03-2012 Tot: 07-06-2013
66 werkdagen
Gebudgetteerde kosten ¤51.100,00
Werkelijke kosten ¤58.065,00
# activiteiten 5
# WP 5
SP indicator m = 5, n = 5, SP = 1
Tabel 23: Gegevens project Brouwerij
5.2.6 Project 14: Ecofrost
Ecofrost is een project van Spiromatic voor een bedrijf in de voedingssector. Het bedrijf is gespeci-
aliseerd in processen voor de verwerking van aardappelen. Het maakt van deze aardappelen puree,
frieten enz. Spiromatic is verantwoordelijk voor het opslaan en het doseren van drie producten
voor de verwerking van deze aardappelen.
Geplande duurtijd Van: 11-12-2012 Tot: 24-05-2013
119 werkdagen
Werkelijke duurtijd Van: 11-12-2012 Tot: 19-05-2013
114 werkdagen
Gebudgetteerde kosten ¤228.937,00
Werkelijke kosten ¤237.582,00
# activiteiten 5
# WP 5
SP indicator m = 4, n = 5, SP = 0, 7500
Tabel 24: Gegevens project Ecofrost
5.3 Imerys
5.3.1 Uitleg bedrijf
Imerys is wereldleider op het vlak van mineraalgebaseerde specialiteiten voor de industrie. Imerys
speelt in op de vraag naar nauwkeurige en veeleisende behoeften van de verschillende klanten. Het
39
bedrijf transformeert en verrijkt het unieke aanbod van mineralen tot functies zoals hittebestendig-
heid, mechanische sterkte, geleidbaarheid . . . die essentieel zijn voor de producten en/ of processen
van haar klanten. Met 16.026 werknemers halen ze verkopen van ongeveer 4 miljoen euro, de
inkomsten zijn vaak project gerelateerd.
5.3.2 PM-techniek
De projectmanager van Imerys was verantwoordelijk voor het plannen en de budgettering van het
project. Voor de controle van het project stelde hij zelf een Excel-sheet op om te rapporteren aan
het bedrijf. Hij gebruikte daarbij verschillende tabbladen. Op een van zijn tabbladen voorspelde hij
de kosten van ieder onderdeel van het project. Zo hield hij op meerdere tijdstippen de verschillende
voorspellingen van het project bij. De kosten per onderdeel, wat dus al werkelijk per onderdeel
besteed is, worden per maand weergegeven op een ander tabblad. De verschillende aankoopbonnen
en bestelbonnen van de onderdelen worden op een ander document bijgehouden. Deze worden
ingedeeld per onderdeel, per bedrag, per datum en per categorie. De verdeling van het budget over
de verschillende po’s (purchase orders) en de verschillende maanden is weergegeven in een andere
tabblad. Hoe de exacte betaling van de verschillende onderdelen in elkaar zit wordt weergegeven in
het voorlaatste tabblad. Het belangrijkste tabblad is de samenvatting van bovenstaande gegevens.
In dit tabblad wordt per maand het budget vergeleken met hoeveel er in het begin van het project
gepland is, de huidige planning en het schema van de betalingen. Daaronder worden de cumulatieve
bedragen opgeteld en onderaan de pagina staat een samenvattende grafiek. Aan de hand van dit
tabblad kan de projectmanager nagaan of hij binnen de kosten van het project blijft. Tijd wordt
hier buiten beschouwing gelaten.
5.3.3 Assumpties en opmerkingen
Het project liep een tweetal vertragingen op. Een eerste vertraging kwam er omdat er geen toestem-
ming verkregen werd van de overheid. De klant had namelijk nog veel andere projecten die eerst
afgerond moesten worden voor dit project kon starten. Omdat het product gefabriceerd in deze
fabriek een voldoende voorraad had, werd deze fabriek later in werking gesteld dan oorspronkelijk
gepland. Deze vertraging werd ook ingecalculeerd bij de leverancier. Die werkte het toe te leveren
product met zo weinig mogelijk middelen (arbeidskrachten) af. De projectleider hield tijdens het
project vaak rekening met wanneer hij zijn kosten zou inplannen. Een voorbeeld hiervan is dat
het RO-water besteld werd voor planning. Op die manier probeerde hij zijn budget 2010-2011
op schema te houden. Een andere belangrijke opmerking in verband met de projectmanagement-
techniek die de projectmanager gebruikt, is dat de planning de activiteiten in de fabriek weergeeft
terwijl het budget weergeeft wanneer deze kosten betaald worden. Dit komt niet altijd overeen. Een
laatste opmerking is dat de projectmanager vond dat iedere aan het project gespendeerde dollar
goed gespendeerd werd. Bij Imerys mag zonder problemen over het budget gegaan worden, met
een marge van 4 %, zodat betere oplossingen gezocht worden in plaats van goedkope.
5.3.4 Project 15: Imerys
Om de productie op de werkvloer beter te laten verlopen moeten zes nieuwe tanks, een Verti-press-
filter en bijhorende aanvoersystemen geınstalleerd worden. Een update van het RO-watersysteem
40
is nodig alsook van de Air-compressor. De bedoeling was dat het bedrijf kon beginnen fabriceren
in het eerste kwartaal van 2012. Meer informatie over het project mag niet vrijgegeven worden.
Geplande duurtijd Van: 01-09-2010 Tot: 16-11-2011
316 werkdagen
Werkelijke duurtijd Van: 03-09-2010 Tot: 27-02-2012
387werkdagen
Gebudgetteerde kosten ¤4.881.011,00
Werkelijke kosten ¤7.722.160,82
# activiteiten 33
# WP 12
SP indicator m = 11, n = 33, SP = 0, 3125
Tabel 25: Gegevens project Imerys
5.4 Gert Snel
5.4.1 Uitleg bedrijf
G. SNEL is een familiebedrijf dat zich vooral focust op transport voor klanten met een goede
klantportfolio en prestaties. G.SNEL is een van de grootste transportbedrijven in zijn soort voor
de dagelijkse 24-uurs leveringen. Door de goede dienstverlening richt G.SNEL zich niet alleen op
kleine opdrachtgevers maar ook op internationale organisaties. Vanuit Woerden en Venlo voert
dit transport hun verschillende logistieke diensten uit. Het distributienetwerk is uitgebreid in de
Benelux van fijnmazige en stedelijke distributie naar eveneens consumentenlevering voor webshops.
5.4.2 PM Techniek
G.SNEL maakt geen gebruik van templates bij de projectopvolging. Ze zorgen ervoor dat bij hun
klanten of leveranciers een vaste contactpersoon is om problemen op te lossen. Er wordt samen een
planning opgesteld en de wijzigingen of problemen worden gecommuniceerd tussen de verschillende
partijen. Wanneer het project van grotere orde is, gaat niet alleen een planner mee bij de bespreking
maar gaat iemand mee om de besprekingen te assisteren. De planner is diegene die de activiteiten
inplant en voor het grootste deel ook laat uitvoeren. Iedere maand is er een meeting tussen de
verantwoordelijke partijen, ze overlopen de problemen, controleren het verloop.
5.4.3 Assumpties en opmerkingen
Projecten bij Gert Snel zijn vooral onderhandeling over het al dan niet verkrijgen van een contract.
Dit soort projecten zijn voornamelijk gebaseerd op meetings en e-mailverkeer tussen de verschillende
contactpersonen. Voor dit soort projecten gebeurt geen echte opvolging.
5.4.4 Project 16: Eandis
Eandis is het project waarbij G. SNEL verantwoordelijk is voor de distributie van rolcontainers,
pallets en langgoederen in nacht- en/ of dagtransport voor Eandis. Gert Snel Logistics regelt het
41
Naam Budget Duration Toestand Activiteiten
M6+ ¤60 Mio 4 Y Kost +, Tijd + 29
MCH ¤61 Mio 11 Y Kost +, Tijd + 17
MoBIB ¤3 Mio 2 Y Kost +, Tijd - 14
Gentse Steenweg ¤3,7 Mio 3 Y Kost -, Tijd + 15
Zenitel ¤1,1 Mio 5 Y Kost + 27
Amster ¤16,8 Mio 5 Y Kost +, Tijd + 30
Nieuwe Bussen ¤1,8 Mio 2 Y Kost -, Tijd + 32
Phoenix ¤19 Mio 7 Y Tijd - 35
OBC ¤5,7 Mio 1 Y Kost +, Tijd + 21
CoVo ¤1,8 Mio 1 Y Kost +, Tijd + 37
ISIS ¤0,8 Mio 5 Y Kost +, Tijd + 37
Morrisons ¤1 Mio 4 M Kost +, Tijd + 7
Brouwerij ¤0,05 Mio 2 M Kost +, Tijd + 5
Ecofrost ¤0,2 Mio 5 M Kost -, Tijd - 5
Imerys ¤4 Mio 1 Y Kost +, Tijd + 33
Eandis ¤0,6 Mio 9 M Kost - 12
Tabel 27: Overzicht van de verschillende projecten
transport in tien infrastructuurgebieden naar 110 onbemande ophaalpunten. Dit transport komt
neer op 6 a 8 vrachtwagens die oorspronkelijk in de nacht werden ingezet, maar in het latere stadium
van het project ook overdag. De contracten zijn getekend voor twee jaar. Na deze twee jaar is er
een evaluatie en kan een bijkomend contract voor de volgende twee jaar worden afgesloten.
Geplande duurtijd Van: 14-03-2013 Tot: 31-12-2013
209 werkdagen
Werkelijke duurtijd Van: 14-03-2013 Tot: 31-12-2013
209 werkdagen
Gebudgetteerde kosten ¤678.120,00
Werkelijke kosten ¤646.938,33
# activiteiten 12
# WP 3
SP indicator m = 8, n = 12, SP = 0, 6364
Tabel 26: Gegevens project Eandis
6 Resultaten
6.1 Resultaat project 1: M6 +
Voor alle projecten werden de voorspellingen van eindtijd en totale kosten van het project berekend.
Deze voorspellingen gebeurden op project en op workpackage niveau. Van beide methodes werden
42
telkens de MPE en de MAPE berekend. Die formules worden hieronder nog eens herhaald;
Mean Percentag Error (MPE)= 1T
∑Ttime=t
EAC(t)time−RDRD ∗ 100
Mean Absolute Percentage Error (MAPE)== 1T
∑Ttime=t
|EAC(t)time−RD|RD ∗ 100
Het hoofdstuk Resultaten is als volgt gestructureerd;
eerst wordt een overzicht van grafieken voor het project M6+ weergegeven. Deze grafieken tonen
het verschil aan tussen de EVM- en WPM-methode in vergelijking met wat werkelijk aan tijd en
kosten gespendeerd is. In de volgende paragraaf worden de resultaten van de MAPE’s weergegeven
voor verschillende voorspellingstechnieken van het eerste project namelijk M6+. De resultaten van
de 15 andere projecten worden weergeven in de bijlage. De algemene resultaten van de 16 projecten
kunnen gelezen worden in de daaropvolgende paragraaf.
6.1.1 Grafieken voorspelling van kosten
Onderstaande grafieken tonen de resultaten van het project M6+ bij het voorspellen van de kosten
op basis van de EVM- en WPM-techniek.
De grafieken tonen enkel de resultaten van de voorspelling van kosten bij vervangingsparameter
project.
Figuur 17: Voorspelling kost: As planned
43
Figuur 18: Voorspelling kost: SPI
Figuur 19: Voorspelling kost: SCI
44
Figuur 20: Voorspelling kost: CPI
6.1.2 Grafieken voorspelling van tijd
De grafieken hieronder tonen de resultaten van de voorspelling van tijd van het project M6+ met
daarbij de vergelijking tussen de EVM- en WPM-techniek De grafieken tonen enkel de resultaten
van de voorspelling van tijd bij vervangingsparameter 1.
Figuur 21: Voorspelling tijd: Planned Value - As planned
45
Figuur 22: Voorspelling tijd: Planned Value - SPI
Figuur 23: Voorspelling tijd: Planned Value - SCI
46
Figuur 24: Voorspelling tijd: Earned Duration - As planned
Figuur 25: Voorspelling tijd: Earned Duration - SPI
47
Figuur 26: Voorspelling tijd: Earned Duration - SCI
Figuur 27: Voorspelling tijd: Earned Schedule - As planned
48
Figuur 28: Voorspelling tijd: Earned Schedule - SPI
Figuur 29: Voorspelling tijd: Earned Schedule - SCI
6.1.3 Waarden in tabellen
De onderstaande tabellen geven de MAPE-waarden weer van het project M6+. Voor ieder project
werden de verschillende MAPE’s berekend, ze worden weergegeven in de bijlage. Van de gegevens
van alle projecten wordt nadien een algemene conclusie getrokken op basis van statistische signi-
ficantie. Maar eerst een overzicht van de MAPE-waarden van het project M6+ aan de hand van
voorspelling van tijd en kosten.
49
EAC1 = AC + BAC−EV1
EAC2 = AC + BAC−EVSPI
EAC3 = AC + BAC−EVSCI
EAC4 = AC + BAC−EVCPI
Tabel 28: Overzicht voorspellingstechnieken van kost
Planned Value Method Earned Duration Earned Schedule
EAC(t)PV 1 = PD − TV EAC(t)PV 2 = PDSPI EAC(t)PV 3 = PD
SCI
EAC(t)ED1 = AD + (PD − ED) EAC(t)ED2 = AD + PD−EDSPI EAC(t)ED3 = AD + PD−ED
SCI
EAC(t)ES1 = AD + (PD − ES) EAC(t)ES2 = AD + PD−EDSPI(t) EAC(t)ES3 = AD + PD−ES
SCI(t)
Tabel 29: Overzicht voorspellingstechnieken van tijd
Vervangparameter Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PF=1 -3,04 3,04 -3,04 3,04
PF= SPI -0,03 0,79 2,63 3,55
PF= SCI -4,55 4,69 1,45 10,29
PF= CPI -6,71 6,74 -3,76 9,16
Gemiddelde PF=1 -3,04 3,04 -3,04 3,04
PF= SPI 2,85 4,48 2,63 3,55
PF= SCI 1,96 12,91 1,45 10,29
PF= CPI -3,90 10,41 -3,76 9,16
Project PF=1 -3,04 3,04 -3,04 3,04
PF= SPI 2,68 3,64 2,63 3,55
PF= SCI 1,14 10,80 1,45 10,29
PF= CPI -4,08 9,55 -3,76 9,16
Tabel 30: MAPE waarden voor voorspelling van kosten van het project M6+
50
Vervangparameter Method Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PV PF= 1 -1,20 1,22 1,69 5,54
PF= SPI 0,21 2,09 7,28 12,22
PF= SCI 0,31 18,22 -5,36 18,25
ED PF= 1 -1,02 1,27 3,94 5,63
PF= SPI 0,64 1,91 7,42 9,06
PF= SCI 4,35 5,43 6,29 8,05
ES PF= 1 -0,11 3,32 8,44 8,73
PF= SPI 7,04 8,95 24,30 24,59
PF= SCI 12,26 14,35 25,63 26,75
Gemiddelde PV PF= 1 -1,20 1,22 1,69 5,54
PF= SPI 1,09 3,15 7,28 12,22
PF= SCI 11,70 13,71 2,88 10,01
ED PF= 1 -1,02 1,27 3,94 5,63
PF= SPI 1,52 2,97 7,42 9,06
PF= SCI 7,21 8,66 6,29 8,05
ES PF= 1 -0,11 3,32 8,44 8,73
PF= SPI 7,04 8,95 24,30 24,59
PF= SCI 12,26 14,35 25,63 26,75
Project PV PF= 1 1,20 1,22 1,69 5,54
PF= SPI 0,50 2,43 7,28 12,22
PF= SCI 9,87 11,58 2,88 10,01
ED PF= 1 -1,02 1,27 3,94 5,63
PF= SPI 0,92 2,25 7,42 9,06
PF= SCI 5,38 6,54 6,29 8,05
ES PF= 1 -0,11 3,32 8,44 8,73
PF= SPI 13,03 13,72 24,30 24,59
PF= SCI 19,88 21,56 25,11 26,23
Tabel 31: MAPE waarden voor voorspelling van tijd van het project M6+
6.2 Bespreken van resultaten over de voorspelling van kosten en tijd over alle
projecten
Van de zestien geanalyseerde projecten proberen we na te gaan welke factoren de accuraatheid van
de voorspelling van tijd en kosten verbeteren. Hierbij hebben we vier onderzoeksvragen die we
elk opsplitsen in enerzijds de voorspelling van kosten en anderzijds de voorspelling van tijd. Het
vervolg van dit hoofdstuk geeft de resultaten weer voor elk van deze vier onderzoeksvragen. De
verschillende outputs van SPSS kunt u nalezen in de bijlage.
6.2.1 Onderzoeksvraag 1
51
Onderzoeksvraag 1.A.
Is er een verbetering van de voorspelling van kosten bij gebruik van Workpackages in de
EVM-techniek?
Voor het uitvoeren van onderzoeksvraag 1 gebruiken we de paired samples t-test in SPSS. Aan-
gezien het steeds over dezelfde zestien projecten gaat waarop er twee verschillende onderzoeken
op uitgetest worden kunnen we spreken van een gepaarde test. Voor de voorspelling van kosten
onderzoeken we of WPM accurater is dan EVM. We onderzoeken ook of er een verschil is bij de
verschillende vervangingsparameters. Er werden telkens 3 scenario’s opgesteld voor iedere tracking
periode. Deze 3 scenario’s zijn gebaseerd op de drie vervangingsparameters. Het eerste scenario was
dat onbegonnen workpackages ratio’s kregen met de waarde 1. Een tweede vervangingsparameter
was het gemiddelde van de al gestarte workpackages en een derde was de ratio op project niveau
invullen voor de ongestarte workpackages.
workpackages.
Een gepaarde t-test werd uitgevoerd om het verschil in de gemiddelde voorspelling van kosten
te berekenen voor de WPM methode en EVM methode. Dit voor de resultaten met vervangings-
parameter 1, gemiddelde en project, evenals voor alle resultaten.
Voor vervangingsparameter 1, is er een significant verschil tussen de gemiddelde scores van
WPM- (µ = 9, 3138, σ = 13, 14878) en EVM-methode (µ = 14, 7105, σ = 14, 0955) met t= -5,808,
p(2-zijdig)=0,000. Deze resultaten tonen ons aan dat de methode EVM of WPM een effect heeft
op de voorspelling van kosten. De resultaten tonen meer bepaald aan dat de WPM-techniek nauw-
keuriger is dan de EVM-techniek.
Voor vervangingsparameter gemiddelde gelden volgende waarden; WPM (µ = 13, 7998, σ =
13, 3560) en EVM (µ = 15, 1093, σ = 14, 6060) met t= -1,303, p(2-zijdig)=0,197. Deze resultaten
tonen aan dat de techniek van het voorspellen van de kosten geen significant effect heeft.
Wanneer de projectratio’s gebruikt worden om de kosten te voorspellen heeft de gepaarde
t-test volgende resultaten; er is een significant verschil tussen de gemiddelde scores van WPM
(µ = 13, 3116, σ = 13, 4094) en EVM (µ = 15, 0665, σ = 14, 2861) met t= -2,899, p(2-zijdig)=0,005.
Wanneer men de WPM-techniek gebruikt om de voorspelling van kosten te berekenen zal dit nauw-
keuriger zijn dan de EVM-techniek.
Wanneer geen onderscheid meer gemaakt wordt tussen de verschillende vervangingsparameters
bij het berekenen van de WPM- en de EVM-techniek voor voorspelling van kosten is dat er een
significant verschil is tussen de voorspelling van kost van de WPM-methode in vergelijking met
de EVM-techniek. De voorspellingen van de WPM-methode zijn nauwkeuriger, dan bij de EVM-
techniek. WPM (µ = 12, 1346, σ = 13, 3999) en EVM (µ = 14, 9615, σ = 14, 2687) met t= -5,539,
p(2-tailed)=0,000.
Gezien de verdeling van de data niet normaal verdeeld is werden er ook niet-parametrische
52
testen, namelijk de Wilcoxon test, op de data uitgevoerd. Deze geven dezelfde resultaten als
hierboven omschreven.
Figuur 30: Waarden van MAPE voor de voorspelling van de kosten met vervangingsparameter 1
Figuur 31: Waarden van MAPE voor de voorspelling van kosten met vervangingsparameter gemid-
delde
53
Figuur 32: Waarden van MAPE oor de voorspelling van kosten met vervangingsparameter project
De algemene conclusie tussen de WPM- en de EVM-techniek voor voorspelling van kosten
is dat er een significant verschil is tussen de voorspelling van kost van de WPM-methode in
vergelijking met de EVM-techniek. De WPM-methode heeft nauwkeurige voorspellingen dan
de EVM-techniek. Behalve voor vervangingsparameter gemiddelde is er geen significant verschil
tussen beide technieken.
Onderzoeksvraag 1.B.
Is er een verbetering in de voorspelling van tijd bij gebruik van Workpackages in de EVM-
techniek?
Zoals bij de voorspelling van kosten maken we ook hier een onderscheid tussen de verschillende
vervangparameters; 1, gemiddelde en project. Voor elk van deze waarden gaan we na of er een
verschil is tussen de voorspelling van tijd voor beide technieken; EVM en WPM. We controleren
ook de significantie van alle waarden van de vervangingsmeters samen.
Het eerste onderzoek is of de vervangingsparameter 1 een significant verschil geeft tussen de
gemiddelde scores van WPM- (µ = 17, 7158, σ = 15, 8837) en EVM-methode (µ = 27, 4273,
σ = 20, 0940) met t= -5,390, p(2-zijdig)=0,000. Deze resultaten van de gepaarde t-test tonen aan
dat de methode EVM of WPM werkelijk een effect heeft op de voorspelling van tijd. De resultaten
tonen meer bepaald aan dat de WPM-techniek nauwkeuriger is dan de EVM-techniek.
Ten tweede worden de voorspellingen van tijd met vervangingsparameter gemiddelde onder-
zocht. Voor de MAPE’s van vervangingswaarden gemiddelde gelden volgende waarden: WPM
54
(µ = 19, 3657, σ = 16, 3326) en EVM (µ = 27, 5125, σ = 20, 1370) met t= -4,438, p(2-zijdig)=0,000.
Deze resultaten tonen aan dat de techniek van het voorspellen van de tijd een significant effect heeft,
waarbij bij met eenparige t-test aangetoond kan worden dat de waarden van MAPE bij WPM lager
liggen dan bij EVM. Met andere woorden, de voorspellingen met de WPM-techniek zijn nauwkeu-
riger.
Ten derde: wanneer de project ratio’s gebruikt worden om de tijd te voorspellen van de MAPE’s
van vervangingsparameter project geeft de gepaarde t-test volgende resultaten: er is een significant
verschil tussen de gemiddelde scores van WPM (µ = 19, 5855, σ = 16, 3858) en EVM (µ = 27, 4563,
σ = 20, 1588) met t= -4,389, p(2-zijdig)=0,000. Wanneer men de WPM-techniek gebruikt om de
voorspelling van tijd te berekenen zal dit nauwkeuriger zijn dan met de EVM-techniek.
De algemene conclusie tussen de WPM en de EVM techniek voor voorspelling van tijd is dat
er een significant verschil is tussen de voorspelling van tijd van de WPM-methode en de EVM-
techniek. De voorspellingen van de WPM-methode zijn nauwkeuriger, dan bij de EVM-techniek.
WPM (µ = 18, 8890, σ = 16, 1862) en EVM (µ = 27, 4654, σ = 20, 0832) met t= -8,219, p(2-
zijdig)=0,000.
Bij gebruik van een niet-parametrische test (Wilcoxon) behalen we dezelfde resultaten als bij
de gepaarde t-test.
Figuur 33: Waarden van MAPE voor de voorspelling van tijd met PV en vervangingsparameter 1
55
Figuur 34: Waarden van MAPE voor de voorspelling van tijd met ED en vervangingsparameter 1
Figuur 35: Waarden van MAPE voor de voorspelling van tijd met ES en vervangingsparameter 1
56
Figuur 36: Waarden van MAPE voor de voorspelling van tijd met PV en vervangingsparameter
gemiddelde
Figuur 37: Waarden van MAPE voor de voorspelling van tijd met ED en vervangingsparameter
gemiddelde
57
Figuur 38: Waarden van MAPE voor de voorspelling van tijd met ES en vervangingsparameter
gemiddelde
Figuur 39: Waarden van MAPE voor de voorspelling van tijd met PV en vervangingsparameter
project
58
Figuur 40: Waarden van MAPE voor de voorspelling van tijd met ED en vervangingsparameter
project
Figuur 41: Waarden van MAPE voor de voorspelling van tijd met ES en vervangingsparameter
project
59
Concluderen kunnen we zeggen dat bij gebruik van de WPM-methode voor het voorspellen
van de eindtijd van het project de resultaten accurater zijn in vergelijking met de methode van
EVM.
6.2.2 Onderzoeksvraag 2
Onderzoeksvraag 2.A.
Welke vervangingsparameter (waarde 1, gemiddelde van de workpackages of ratio’s van het
project) geeft de beste voorspelling van kosten bij het invullen van onbegonnen workpacka-
ges?
Om de totale kosten van het project te voorspellen was het nodig om ook de ongestarte work-
package een waarde voor de verschillende ratio’s te geven (SPI, CPI, SPI(t),. . . ) Er werden telkens
drie scenario’s opgesteld voor iedere tracking periode. Deze drie scenario’s zijn gebaseerd op de
drie vervangingsparameters. In het eerste scenario kregen onbegonnen workpackages ratio’s kregen
met de waarde 1. Een tweede vervangingsparameter was het gemiddelde van de al gestarte work-
packages en een derde was het invullen van de ratio op project niveau invullen voor de ongestarte
workpackages. De bedoeling is om na te gaan of er een verschil is op de voorspelbaarheid bij het
gebruik van een andere vervangingsparameter.
Deze vergelijking gebeurde met One-Way Repeated measures Anova test met een Greenhouse-
Geisser correctie, de MAPE waarden voor de verschillende vervangingsparameters zijn significant
verschillend. (F(1,9; 22,576)=19,455, p=0,000). Via Pairwise Comparisons kunnen we concluderen
dat vervangingsparameter 1((µ = 8, 477, σ = 12, 3926) significant verschillend is van vervangings-
parameter gemiddelde (µ = 13, 478, σ = 12, 6142) en vervangingsparameter project (µ = 13, 250,
σ = 12, 9145). Echter, tussen vervangingsparameter gemiddelde en project zijn er geen significante
verschillen.
Gezien niet voldaan is aan de voorwaarde van normale verdeling oefen we op deze data ook
een niet-parametrische test uit, namelijk de Friedman test. Er is een significant verschil tussen de
MAPE-waarden voor de verschillende vervangingsparameters.χ2(2) = 55, 142, p = 0.000.
Om het significant effect verder te onderzoeken is de Post hoc test, Wilcoxon test gebruikt met
een Bonferonni aangepaste p-waarde van 0,05/3= 0,017. Uit deze test bleek dat de vervangingspa-
rameter 1 significant verschillend is van vervangingsparameter gemiddelde en vervangingsparameter
project. Echter, de andere vervangingsparameter project en vervangingsparameter gemiddelde heb-
ben geen significante verschillen ten opzichte van elkaar.
60
Figuur 42: Waarden van MAPE voor de voorspelling van kosten met AS-methode
Figuur 43: Waarden van MAPE voor de voorspelling van kosten met SPI-methode
61
Figuur 44: Waarden van MAPE voor de voorspelling van kosten met SCI-methode
Figuur 45: Waarden van MAPE voor de voorspelling van kosten met CPI-methode
62
Samenvattend, blijkt uit deze resultaten dat de vervangingsparameters een effect hebben
op de voorspelling van kost. Meer specifiek tonen de resultaten aan dat bij gebruik van ver-
vangingsparameter 1 de voorspelde kosten van het project dichter ligt bij de werkelijke totale
kosten in vergelijking met de vervangingsparameter gemiddelde en project.
Onderzoeksvraag 2.B.
Welke vervangingsparameter (waarde 1, gemiddelde van de workpackages of ratio’s van het
project) geeft de beste voorspelling van tijd bij het invullen van onbegonnen workpackages?
Onderzoeksvraag 2.B. onderzoekt net als onderzoeksvraag 2.A of er een verschil is bij het ge-
bruik van een andere vervangingsparameter. In 2.B gaat gaan we evenwel op zoek naar een verschil
in de voorspelling van de eindtijd van een project bij het gebruik van een andere vervangingspa-
rameter. In 2.A. werd onderzocht of er een verschil is bij de voorspelling in kosten. Er zijn 3
verschillende vervangingsparameters gebruikt, met name waarde 1, gemiddelde van de al gestarte
workpackages en de waarde van het project.
De vergelijking van de voorspelbaarheid van de eindtijd gebeurde aan de hand van een One-Way Re-
paeted measures Anova test met een Greenhouse-Geisser correctie. De MAPE waarden voor de ver-
schillende vervangingsparameters zijn significant verschillend. (F(1,129; 17,432)=4,280; p=0,035).
Via Pairwise Comparisons kunnen we concluderen dat vervangingsparameter 1 (µ = 17, 7158,
σ = 15, 8837) significant verschillend is van vervangingsparameter gemiddelde (µ = 19, 3657,
σ = 16, 3326). Er is geen significant verschil tussen vervangingsparameter project (µ = 19, 9602,
σ = 16, 7693) en de andere scenario’s
Net als in het geval van voorspelling van kosten is er niet voldaan aan de voorwaarde van een
normale verdeling. Een parametrische test Friedman wordt uitgevoerd. Er is een significant verschil
tussen de MAPE-waarden voor de verschillende vervangingsparameters.χ2(2) = 19, 923, p = 0.000.
Om dit significant effect verder te onderzoeken is de Post hoc test, Wilcoxon test gebruikt met een
Bonferonni aangepaste p-waarde van 0,05/3= 0,017. Deze test duidde aan dat de vervangingspara-
meter 1 significant verschillend is van vervangingsparameter gemiddelde en vervangingsparameter
project. Echter, de andere vervangingsparameter project en vervangingsparameter gemiddelde heb-
ben geen significante verschillen ten opzichte van elkaar. Dit resultaat is anders dan de One-Way
Repaeted measures Anova test, aangezien de normaliteitsregel niet voldaan is bij de eerste test,
nemen we conclusies aan de hand van de Friedman test.
63
Figuur 46: Waarden van MAPE voor de voorspelling van tijd met AS en de verschillende vervan-
gingsparameters
Figuur 47: Waarden van MAPE voor de voorspelling van tijd met ED en de verschillende vervan-
gingsparameters
64
Figuur 48: Waarden van MAPE voor de voorspelling van tijd met ES en de verschillende vervan-
gingsparameters
We kunnen concluderen dat voor het voorspellen van de eindtijd van een project er een
significant verschil is bij het gebruik van verschillende vervangingsparameters. Met gebruik van
vervangingsparameter 1 als meest nauwkeurige voorspeller van de eindtijd van het project.
6.2.3 Onderzoeksvraag 3
Onderzoeksvraag 3.A.
Welke techniek geeft bij gebruik van de WPM-methode de beste voorspelling van kosten?
De derde onderzoeksvraag gaat na of er een verschil is in de accuraatheid van de voorspelling
van kosten bij gebruik van de verschillende technieken om deze voorspelling te berekenen. De bere-
keningen zijn gebaseerd op As planned, SPI, SCI of CPI. Een overzicht wordt gegeven in de tabel
hieronder:
65
EAC1 = AC + BAC−EV1
EAC2 = AC + BAC−EVSPI
EAC3 = AC + BAC−EVSCI
EAC4 = AC + BAC−EVCPI
Tabel 32: Overzicht voorspellingstechnieken kost
Om deze vergelijking te maken gebruiken we de One-Way Repeated measures Anova test met
een Greenhouse-Geisser correctie. Deze test splitsen we op in verschillende resultaten voor de drie
verschillende vervangingsparameters. Voor deze vervangingsparameters tellen de waarden op het
5%-significantie niveau ; vervangingsparameter 1 (F(1,569; 2,576)=2,261; p=0,135), vervangings-
parameter gemiddelde (F(2,279; 2,616)=2,199; p=0,120), vervangingsparameter project (F(2,211;
3,940)=5,684; p=0,006).
Enkel bij vervangingsparameter project is er een significant verschil, dit significant verschil moeten
we dan ook verder onderzoeken.
Via Pairwise Comparisons kunnen we concluderen dat methode AS((µ = 6, 841, σ = 14, 3325)
significant verschillend is van methode CPI (µ = 17, 5927, σ = 12, 0448). Echter, tussen de andere
methodes zijn er geen significante verschillen.
De voorwaarde van een normale verdeling is in dit geval niet voldaan. Een niet-parametrische
test, Friedman wordt uitgevoerd.
Er is een significant verschil tussen de MAPE-waarden voor de verschillende methodes bij gebruik
van vervangingsparameters 1, χ2(3) = 12, 538, p = 0.006.
De Post hoc test, Wilcoxon met een Bonferonni aangepaste p-waarde van 0,05/3= 0,017 wordt
gebruikt om dit significant effect verder te onderzoeken. De Wilcoxon test duidde aan dat er een
significant verschil is tussen de gebruikte methodes voor de eindkost te berekenen. Er is een ver-
schil gevonden tussen de AS-methode(µ = 6, 5787, σ = 14, 3950) en SPI-methode (µ = 8, 9799,
σ = 13, 4206) en de AS-methode en de SCI-methode(µ = 9, 2556, σ = 10, 3009). In alle andere
gevallen zijn er geen significante verschillen bij het gebruik van de verschillende methodes.
Bij vervangingsparameter gemiddelde is er geen significant verschil tussen de MAPE-waarden voor
de verschillende methodes, χ2(3) = 7, 026, p = 0.071.
Er is een significant verschil tussen de MAPE-waarden voor de verschillende methodes bij ge-
bruik van vervangingsparameters project, χ2(3) = 23, 846, p = 0.000.
De Post hoc test, Wilcoxon met een Bonferonni aangepaste p-waarde van 0,05/3= 0,017 wordt
gebruikt om dit significant effect verder te onderzoeken. Er is een significant verschil gevonden
tussen de verschillende methodes om de eindkost te voorspellen. De AS-methode is ten opzichte
van de methodes gebaseerd op SPI, SCI en CPI de beste methode om de eindkost te voorspellen
De andere methodes hebben ten opzichte van elkaar geen significante verschillen.
66
Wanneer we de algemene vergelijking maken tussen de verschillende methodes om de vergelijking
te maken tussen de verschillende methodes om de eindtijd te voorspellen gebruiken we evenals
bij de verschillende vervangingsparameters de One-Way Repeated measures Anova test met een
Greenhouse-Geisser correctie. Op het 5%-significantie niveau is er een significant verschil tussen
de verschillende methodes (F(2,343; 4,902)=7,802; p=0,000.
Via Pairwise Comparisons kunnen we concluderen dat methode AS (µ = 8, 5571, σ = 14, 7089)
significant verschillend is van methode CPI (µ = 14, 4512, σ = 12, 3810) en methode SCI (µ =
13, 0899, σ = 9, 8213). Er is ook een significant verschil tussen de SPI-methode(µ = 11, 1799,
σ = 13, 2811) en CPI-methode. Tussen de andere methodes zijn er geen significante verschillen.
De Kolmogorov-Smirnov test bewijst statistisch dat de voorwaarde van de normaal verdeling
niet voldaan wordt. De Friedman test wordt toegepast om de significantie te bewijzen, χ2(3) =
35, 544, p = 0.000. Deze significantie werd verder onderzocht door een post-hoc test, namelijk
Wilcoxon test met een Bonferonni aangepaste p-waarde (p=0,017). Uit deze test bleek dat de
AS-methode significant (5%-significantie niveau) beter is dan de andere methodes. Daarbij is de
SPI-methode beter dan de CPI methode.
Figuur 49: Waarden van MAPE voor de voorspelling van kosten met vervangingsparameter 1
67
Figuur 50: Waarden van MAPE voor de voorspelling van kosten met vervangingsparameter gemid-
delde
Figuur 51: Waarden van MAPE voor de voorspelling van kosten met vervangingsparameter project
68
Concluderend, zeggen deze resultaten dat het gebruik van verschillende voorspellingstech-
nieken van kosten een effect hebben op de accuraatheid van deze voorspelling. Om meer speci-
fiek te zijn: de resultaten tonen aan dat bij gebruik van voorspellingstechniek van kosten met
AS planned de voorspelde kosten van het project dichter ligt bij het werkelijke totale kosten in
vergelijking met de andere voorspellingstechnieken.
Onderzoeksvraag 3.B.
Welke techniek geeft bij gebruik van de WPM-methode de beste voorspelling van tijd?
Evenals voor de kosten gaan we op zoek naar de techniek die het beste de eindtijd van het
project kan inschatten. In dit onderzoek zijn drie verschillende soorten voorspellingstechnieken
gebruikt. Deze zijn ofwel gebaseerd op de Planned Value -methode, de Earned Duration-methode
of de Earned Schedule-methode. Via de One-way repeated measures Anova gaan we op zoek of er
een verschil is in de voorspelbaarheid van de eindtijd van de workpackage via deze drie verschillende
methodes die gebaseerd zijn op PV, ED, ES.
Hieronder worden de verschillende technieken weergegeven om de voorspelling van tijd te berekenen:
Planned Value Method Earned Duration Earned Schedule
EAC(t)PV 1 = PD − TV EAC(t)PV 2 = PDSPI EAC(t)PV 3 = PD
SCI
EAC(t)ED1 = AD + (PD − ED) EAC(t)ED2 = AD + PD−EDSPI EAC(t)ED3 = AD + PD−ED
SCI
EAC(t)ES1 = AD + (PD − ES) EAC(t)ES2 = AD + PD−EDSPI(t) EAC(t)ES3 = AD + PD−ES
SCI(t)
Tabel 33: Overzicht voorspellingstechnieken van tijd
Deze One-Way repeated measures Anova test is apart uitgevoerd voor de verschillende ver-
vangingsparameter 1, gemiddeld en project. Voor vervangingsparameter 1 was er geen signifi-
cant effect tussen de verschillende voorspellingsmethoden op het 5%-significantieniveau voor de
drie methodes (F(1,927; 1,722)=1,437; p=0,243). Voor vervangingsparameter gemiddeld en pro-
ject waren er evenmin significante effecten tussen de verschillende voorspellingsmethoden op het
5%-significantie niveau voor de drie methodes (F(1,834; 1,099)=0,785; p=0,449) en respectievelijk
(F(1,630; 1,555)=2,271; p=0,120). Wanneer ook de niet normale testen werden uitgevoerd werden
er geen significante verschillen ontdekt.
Wanneer alle resultaten van de drie vervangingsparameters bekeken worden is een significant
verschil te merken op het 5% significantie niveau. (F(3,735; 1,828)=3,219; p=0,046). Wanneer we
de pairwise comparision bekijken zien we geen verschil tussen de verschillende methodes.
Bij de niet-parametrische test (Wilcoxon) χ2(2) = 7, 841, p = 0.020 is er een significant verschil.
Wanneer we dieper op het significant verschil ingaan is er een significant verschil tussen de PV-
methode en ED-methode, waarbij de ED-methode nauwkeurigere voorspellingen voor de eindtijd
levert.
69
Figuur 52: Waarden van MAPE voor de voorspelling van tijd met vervangingsparameter 1
Figuur 53: Waarden van MAPE voor de voorspelling van tijd met vervangingsparameter gemiddelde
70
Figuur 54: Waarden van MAPE voor de voorspelling van tijd met vervangingsparameter project
Wanneer men alles in rekening brengt, kan men zeggen dat de verschillende voorspellings-
technieken een effect hebben op de nauwkeurigheid van de voorspelling van de totale eindtijd
van het project bij gebruik van de WPM-techniek. De ED-methode levert nauwkeurigere voor-
spellingen op dan de PV-methode.
6.2.4 Onderzoeksvraag 4
Onderzoeksvraag 4.A.
Heeft de SP factor een invloed op de verbetering van de WPM-techniek in vergelijking met
de EVM-techniek bij het voorspellen van de kosten?
Bij deze onderzoeksvraag onderzoeken we of performantie van de voorspelling van de kosten
via de WPM- of EVM-techniek afhangt van de SP-factor. We onderzoeken deze hypothese aan de
hand van een Two Way repeated measures Anova test.
Eerst onderzoeken we de resultaten voor vervangingsparameter 1. Onze eerste hypothese is hier-
bij dat het gemiddelde van beide methoden (WPM, EVM) gelijk is. Met andere woorden; H0:
µWPM =µEVM . We kunnen deze nulhypothese op het 5%-significantie niveau verwerpen. In dit
geval is de p-waarde gelijk aan p = 0, 019, dit is kleiner dan 0,05, (F-waarde(1,000; 6,861)=6,861).
Via Pairwise Comparison vinden we voldoende bewijs dat de WPM techniek accurater is voor het
voorspellen van de eindtijd dan de EVM-methode..
De tweede hypothese die we controleren is of het gemiddelde van de voorspelling verschillend is
als men rekening houdt met de SP-factor. Een verschil is gemaakt tussen projecten kleiner of
71
gelijk aan 0,5 en hoger. De projecten kleiner of gelijk aan 0,5 beschouwen we als parallelle projec-
ten, omgekeerd beschouwen we projecten hoger dan 0,5 beschouwen we als seriele projecten. De
nulhypothese bekijkt of er een verschil is tussen gemiddelde voor de voorspelling van enerzijds pa-
rallelle projecten en anderzijds seriele projecten. Met andere woorden; H0: µparallel= µserieel. We
kunnen deze nulhypothese op het 5%-significantie niveau verwerpen. In dit geval is de p-waarde
gelijk aan p = 0, 016, dit is kleiner dan 0,05 (F-waarde(1,000; 7,407)=7,407). Op deze manier
kunnen we de nulhypothese verwerpen. Er is dus voldoende bewijs is dat het gemiddelde van de
parallelle en het gemiddelde van de seriele projecten verschillend is, meer precies - seriele projec-
ten zijn nauwkeuriger dan parallelle projecten voor het voorspellen van de eindkost van een project.
Het interactie-effect tussen de methode en de SP-factor wordt ook onderzocht. De nulhypothese is
als volgt: H0: µWPM, Parallel - µWPM, serieel = µEVM, Parallel -µWPM, Serieel De p-waarde
(p = 0, 504) is hoger dan 0,05 (F-waarde(1,000; 0,468)=0,468): de nulhypothese kan niet op het
5%-significantie niveau verworpen worden. Er is dus onvoldoende bewijs dat de SP-factor een effect
heeft op de voorspelling van de verschillende methodes.
Wanneer we deze drie hypothesen uitvoeren op de verschillende vervangingsparameters komen
we uit dat voor vervangingsparameter gemiddelde enkel de SP-factor significante verschillen geeft,
bij vervangingsparameter project zowel de methode als de SP factor significant verschillen maar dat
er geen interactie-effect is tussen beide factoren.
Wanneer men geen onderscheid meer maakt tussen de verschillende vervangingsparameters, dus
een algemene analyse uitvoert, kunnen zowel hypothese 1 (methode) als hypothese 2 (SP-factor)
verworpen worden op het 5%-significantieniveau evenals kunnen we spreken van een significant
interactie-effect. Met µWPM, Parallel= 19,883; µWPM, serieel=5,475; µEVM, Parallel=22,800 en
µWPM, Serieel= 12,363.
72
Figuur 55: Invloed van SP op voorspelling van kost a.d.h.v. WPM en EVM met vervangingspara-
meter 1
Figuur 56: Invloed van SP op voorspelling van kost a.d.h.v. WPM en EVM met vervangingspara-
meter gemiddelde
73
Figuur 57: Invloed van SP op voorspelling van kost a.d.h.v. WPM en EVM met vervangingspara-
meter project
Algemeen kan er gezegd worden dat er een significant verschil is tussen de EVM en de WPM-
methode, waarbij de WPM-methode nauwkeurigere resultaten geeft. Dit significant verschil
bij parallelle of seriele projecten, seriele projecten geven zoals aangetoond in de literatuur
nauwkeurigere voorspellingen. Er is evenwel een interactie-effect tussen de gebruikte methode
en de SP-factor. Het voorspellen van de totale kosten van een serieel project door gebruik van
de WPM-methode geeft de meest accurate resultaten.
Onderzoeksvraag 4.B.
Heeft de SP-factor een invloed op de verbetering van de WPM-techniek in vergelijking met
de EVM-techniek bij het voorspellen van de tijd?
Bij deze onderzoeksvraag onderzoeken we of performantie van de voorspelling van de tijd via de
WPM- of EVM-techniek afhangt van de SP-factor. We onderzoeken deze hypothese aan de hand
van een Two Way repeated measure Anova Test.
Eerst onderzoeken we de algemene resultaten. Onze eerste hypothese is hierbij dat het gemid-
delde van beide methoden (WPM, EVM) gelijk is. Met andere woorden: H0: µWPM =µEVM .
We kunnen deze nulhypothese op het 5%-significantie niveau verwerpen. In dit geval is de p-waarde
gelijk aan p = 0, 000, dit is kleiner dan 0,05 (F-waarde(1,000; 46,635)=46,635). Dat betekent dat
er voldoende bewijs is dat het gemiddelde van de EVM-methode en het gemiddelde van de WPM-
methode verschillend is. Via de Pairwaise comparision blijkt dat de WPM-methode nauwkeurigere
resultaten levert in vergelijking met de EVM-techniek.
74
De tweede hypothese die we controleren is of het gemiddelde van de voorspelling verschillend is als
men rekening houdt met de SP-factor. Een verschil is gemaakt tussen projecten kleiner of gelijk
aan 0,5 en hoger. De projecten kleiner of gelijk aan 0,5 beschouwen we als parallelle projecten,
omgekeerd beschouwen we projecten hoger dan 0,5 als seriele projecten. De nulhypothese bekijkt
of er een verschil is tussen gemiddelde voor de voorspelling van enerzijds parallelle projecten en
anderzijds seriele projecten. Met andere woorden; H0: µparallel= µserieel. We kunnen deze nul-
hypothese op het 5%-significantie niveau niet verwerpen. In dit geval is de p-waarde gelijk aan
p = 0, 889, dit is groter dan 0,05 (F-waarde(1,000; 6,845)=6,845). Dit wil zeggen dat er onvol-
doende bewijs is dat het gemiddelde van de parallele en het gemiddelde van de seriele projecten
verschillend is.
Het interactie-effect tussen de methode en de SP-factor wordt ook onderzocht. De nulhypothese is
als volgt: H0: µWPM, Parallel - µWPM, serieel = µEVM, Parallel µWPM, Serieel. De p-waarde
(p = 0, 056) is hoger dan 0,05 (F-waarde(1,000; 3,730)=3,730): de nulhypothese kan niet op het
5%-significantieniveau verworpen worden.
Deze resultaten gelden ook wanneer we de verschillende vervangingsparameters opsplitsen.
Figuur 58: Invloed van SP op voorspelling van tijd a.d.h.v. WPM en EVM met vervangingspara-
meter 1
75
Figuur 59: Invloed van SP op voorspelling van tijd a.d.h.v. WPM en EVM met vervangingspara-
meter gemiddelde
Figuur 60: Invloed van SP op voorspelling van tijd a.d.h.v. WPM en EVM met vervangingspara-
meter project
We kunnen dus algemeen zeggen dat de SP-factor geen invloed heeft op de voorspelling van
de einddatum van een project.
76
6.3 Early Warning Signals
Onderzoeksvraag 5.
Geeft de WPM-techniek betere waarschuwingssignalen dan de EVM-techniek?
In deze paragraaf onderzoeken we of de WPM-techniek betere waarschuwingssignalen geeft dan
de EVM-techniek. Met deze waarschuwingssignalen kan de projectmanager correctieve acties on-
dernemen wanneer het project dreigt in de problemen te komen. Wanneer de WPM-techniek meer
en betere waarschuwingssignalen geeft dan de EVM-techniek kan de projectleider zijn projecten
beter controleren. Het is belangrijk te weten welke vroege waarschuwingen correct zijn en welke er
dus zeker moeten bekeken worden voor eventuele correctieve acties te ondernemen. Uit onderzoek
in de literatuur zijn er verschillende voorwaarden waaraan vroege waarschuwingssignalen moeten
voldoen om te leiden tot correctieve acties. Volgens Sandino et al, [38] zijn er voorwaarden die be-
palend zijn als een waarschuwingssignaal moet worden bestudeerd, zoals; (1) liggen de ondermaats
presterende taken op het kritieke pad of in de buurt van dit kritieke pad? (2) zijn de vertraagde
taken beschouwd als een hoog risico voor het behalen van de doelstelling van het project? De
beslissing om al dan niet acties te ondernemen aan de hand van de vroegtijdige waarschuwings-
signalen hangt volgens Nikander en Eloranta [31] af van (1) de informatie die beschikbaar is van
het probleem, (2) het effect op het project, (3) de tijd beschikbaar om het probleem op te lossen.
Anderzijds, is het zeer moeilijk om de oorzaken van de problemen in een project te analyseren, deze
problemen zijn zeer afhankelijk van de situatie waarin het project zich bevindt en deze problemen
kunnen opduiken door een tal van verschillende oorzaken [30]. Bij het gebruik van de Earned Value
Method is er voor de projectmanager exacte informatieve aanwezig. Deze informatie is belangrijk
in verschillende opzichten: (1) de vroege waarschuwingssignalen geven een opportuniteit om in ac-
tie te treden voordat het te laat is, (2) nauwkeurige voorspellingen zorgen voor betere beslissingen
voor het verder verloop van het project, (3) nauwkeurige voorspellingen zorgen voor betere beslis-
singen over externe factoren die het project beınvloeden, (4) de manager kan het risico verlagen bij
beslissingen over actieplannen [28].
We gaan er vanuit dat door de ratio’s op projectniveau te nemen, sommige kritieke waarden
van achterlopende activiteiten uitgebalanceerd worden door goede waarden in het project. Bij de
WPM-techniek worden de verschillende ratio’s op workpackageniveau berekend en zullen er dus
voor iedere workpackage gegevens zijn van de verschillende ratio’s. Hierdoor kan men weten of een
workpackage in de problemen komt.
Niet alle waarschuwingssignalen van de workpackage-techniek mogen we evenwel in acht worden
genomen. Workpackages met een Percentage Competed van 100% worden genegeerd wanneer deze
vroegtijdige waarschuwingen uitsturen.Wanneer het werk van een workpackage volledig afgewerkt
is, kan de projectmanager geen correctieve acties ondernemen. Daarom worden de vroegtijdige
waarschuwingssignalen genegeerd. We brengen ook enkel de kritieke workpackage in rekening bij
het berekenen van de tijd ratio’s, dit zijn de workpackages die op het kritieke pad van de planning
liggen. Niet-kritieke activiteiten kunnen immers de slacktijd opnemen en hebben dus niet altijd
een effect hebben op de einddatum van een project.
Volgens Stallworthy [39] is het succes van de waarschuwingssignalen te danken aan de mogelijk-
77
heid om de trend te evalueren en de implicaties tot de duurtijd en de projectkost te bekijken aan
de hand van de status van het project op een gegeven tijdstip. Om deze waarschuwingssignalen te
kunnen relateren aan de werkelijke gegevens van de projecten, zeggen we dat deze waarschuwings-
signalen terecht waren als het project op het einde meer dan 5% over budget was en 5% over de
planning is gegaan. Het controleren als de waarschuwingen terecht waren op het 5%-niveau gebeurd
voor de EVM-techniek op projectniveau en voor de WPM-methode op het niveau van de verschil-
lende workpackages. Dit is natuurlijk een strenge assumptie aangezien we voor deze thesis geen
weet hebben van welke correctieve acties er zouden kunnen gebeurd zijn en dewelke er nu werkelijk
plaats gevonden hebben. Het kan dus zijn dat tijdens het project de projectmanager correctieve
acties ondernomen heeft om het project terug op pad te brengen. Waardoor er op het einde van
het project geen vertraging meer is maar op het moment wanneer de waarschuwing uitgestuurd is
wel.
Wanneer deze reflectie gemaakt wordt op project-niveau, dus in het geval van EVM, kan deze
reflectie pas gebeuren wanneer het project is afgerond. Hierdoor kan de projectmanager bij een
waarschuwingssignaal op projectniveau zeer moeilijk inschatten als deze waarschuwing terecht is of
niet. Wanneer men echter deze techniek toepast op workpackage niveau kan men al met meerdere
zaken rekening houden bij het bekijken van waarschuwingssignalen. Zo zal men pas correctieve
acties ondernemen als deze workpackages op het kritieke pad liggen, als de workpackage nog in
uitvoering is,. . . Dit zijn factoren die met de EVM-methode pas door dieper onderzoek naar welke
activiteiten nu de oorzaak zijn van de waarschuwing pas ontdekt zullen worden.
Bij het analyseren van de vroegtijdige waarschuwingen in de 16 verschillende projecten namen
we als maatstaf voor een vroegtijdige waarschuwing 0,75. Dit wil zeggen dat als de ratio’s (SPI,
CPI,SPI (t), SCI, SCI(t)) onder een waarde van 0,75 zakken, de projectmanager gealarmeerd zal
moeten worden.
In onderstaande tabellen wordt weergegeven hoeveel keer dat (1) de WPM-techniek een waar-
schuwing geeft, (2) de WPM-techniek een waarschuwing geeft dat met 5% reflectie als correct
wordt beschouwd, (3) de EVM-techniek een waarschuwing geeft, (4) de EVM techniek en waar-
schuwing geeft dat met 5% reflectie als correct wordt beschouwd, (4) de WPM techniek een ”cor-
recte”waarschuwing geeft wanneer deze niet aangekondigd is bij de EVM techniek (6) evenals het
omgekeerde, de gevallen waarbij de EVM-techniek een ”correcte”waarschuwing geeft en niet de
WPM-techniek. Deze laatste waarschuwingen gebeuren in de gevallen wanneer de workpackages
volgens de planning al bezig zouden moeten zijn, maar in werkelijkheid nog niet begonnen zijn.
Deze onbegonnen workpackages hebben ratio’s van nul en worden vervangen door de drie verschil-
lende vervangingsparameters om voorspellingen te kunnen maken, namelijk 1, gemiddelde van de
al begonnen workpackages, projectratio’s. Hierdoor geeft de EVM-techniek een waarschuwing en
de WPM-methode niet. In onderstaande tabellen worden deze gegevens voor ieder project weerge-
geven.
78
6.3.1 Project 1: M6+
Ratio WPM Correcte WPM EVM Correcte EVM WPM signaal EVM signaal
CPI 4 3 0 0 3 0
SPI 5 4 0 0 4 0
SPI(t) 7 4 5 0 5 0
SCI 5 4 1 0 3 0
SCI(t) 8 4 4 0 2 0
Tabel 34: Waarschuwingen projecten M6+
6.3.2 Project 2: MCH
Ratio WPM Correcte WPM EVM Correcte EVM WPM signaal EVM signaal
CPI 0 0 0 0 0 0
SPI 1 0 4 0 0 0
SPI(t) 1 0 3 3 0 0
SCI 0 0 3 3 0 3
SCI(t) 1 0 2 2 0 1
Tabel 35: Waarschuwingen projecten MCH
6.3.3 Project 3: MoBIB
Ratio WPM Correcte WPM EVM Correcte EVM WPM signaal EVM signaal
CPI 0 0 0 0 0 0
SPI 6 4 9 0 0 0
SPI(t) 1 0 2 0 0 0
SCI 5 3 9 0 0 0
SCI(t) 1 0 2 0 0 0
Tabel 36: Waarschuwingen projecten MoBIB
6.3.4 Project 4: Gentse Steenweg
Ratio WPM Correcte WPM EVM Correcte EVM WPM signaal EVM signaal
CPI 1 1 0 0 1 0
SPI 8 8 11 11 1 3
SPI(t) 11 10 16 16 1 4
SCI 9 8 10 10 1 5
SCI(t) 10 9 15 15 0 2
Tabel 37: Waarschuwingen projecten Gentse Steenweg
79
6.3.5 Project 5: Zenitel
Ratio WPM Correcte WPM EVM Correcte EVM WPM signaal EVM signaal
CPI 2 0 0 0 2 0
SPI 11 0 1 0 5 0
SPI(t) 3 0 4 0 0 1
SCI 12 0 1 1 5 0
SCI(t) 3 0 4 4 1 2
Tabel 38: Waarschuwingen projecten Zenitel
6.3.6 Project 6: Amster
Ratio WPM Correcte WPM EVM Correcte EVM WPM signaal EVM signaal
CPI 3 0 1 0 0 0
SPI 13 4 7 7 0 1
SPI(t) 15 5 7 7 0 1
SCI 13 4 6 6 0 2
SCI(t) 16 4 7 7 0 1
Tabel 39: Waarschuwingen projecten Amster
6.3.7 Project 7: Nieuwe Bussen
Ratio WPM Correcte WPM EVM Correcte EVM WPM signaal EVM signaal
CPI 4 2 0 0 2 0
SPI 6 6 11 11 0 5
SPI(t) 4 4 12 12 0 8
SCI 8 8 10 10 2 4
SCI(t) 7 7 11 11 1 4
Tabel 40: Waarschuwingen projecten Nieuwe Bussen
6.3.8 Project 8: Phoenix
Ratio WPM Correcte WPM EVM Correcte EVM WPM signaal EVM signaal
CPI 16 6 1 1 7 0
SPI 46 6 6 6 6 0
SPI(t) 30 3 9 3 5 0
SCI 43 6 6 6 5 0
SCI(t) 45 7 7 6 6 0
Tabel 41: Waarschuwingen projecten Phoenix
80
6.3.9 Project 9: OBC
Ratio WPM Correcte WPM EVM Correcte EVM WPM signaal EVM signaal
CPI 0 0 0 0 0 0
SPI 2 2 0 0 2 0
SPI(t) 2 2 2 2 2 2
SCI 2 2 0 0 2 0
SCI(t) 2 2 1 1 2 1
Tabel 42: Waarschuwingen projecten OBC
6.3.10 Project 10: CoVo
Ratio WPM Correcte WPM EVM Correcte EVM WPM signaal EVM signaal
CPI 0 0 0 0 0 0
SPI 4 3 6 6 1 3
SPI(t) 2 2 7 7 0 5
SCI 4 3 6 6 1 3
SCI(t) 2 2 7 7 0 5
Tabel 43: Waarschuwingen projecten CoVo
6.3.11 Project 11: ISIS
Ratio WPM Correcte WPM EVM Correcte EVM WPM signaal EVM signaal
CPI 0 0 0 0 0 0
SPI 4 3 0 0 43 0
SPI(t) 1 0 0 0 0 0
SCI 3 2 0 0 2 0
SCI(t) 1 0 0 0 1 0
Tabel 44: Waarschuwingen projecten ISIS
6.3.12 Project 12: Morrisons
Ratio WPM Correcte WPM EVM Correcte EVM WPM signaal EVM signaal
CPI 0 0 1 0 0 1
SPI 3 3 2 1 0 1
SPI(t) 5 5 3 1 0 2
SCI 3 3 2 1 0 1
SCI(t) 5 5 3 1 0 2
Tabel 45: Waarschuwingen projecten Morrisons
81
6.3.13 Project 13: Brouwerij
Ratio WPM Correcte WPM EVM Correcte EVM WPM signaal EVM signaal
CPI 0 0 0 0 0 0
SPI 1 0 0 0 0 0
SPI(t) 3 0 2 0 0 0
SCI 1 0 0 0 0 0
SCI(t) 3 0 1 1 0 0
Tabel 46: Waarschuwingen projecten Brouwerij
6.3.14 Project 14: Ecofrost
Ratio WPM Correcte WPM EVM Correcte EVM WPM signaal EVM signaal
CPI 0 0 0 0 0 0
SPI 0 0 2 2 0 2
SPI(t) 1 0 2 2 0 2
SCI 1 1 2 2 1 2
SCI(t) 1 1 2 2 1 2
Tabel 47: Waarschuwingen projecten Ecofrost
6.3.15 Project 15: Imerys
Ratio WPM Correcte WPM EVM Correcte EVM WPM signaal EVM signaal
CPI 5 0 2 2 0 0
SPI 15 0 8 8 0 0
SPI(t) 19 0 7 7 0 0
SCI 15 1 9 9 0 0
SCI(t) 19 1 7 7 0 1
Tabel 48: Waarschuwingen projecten Imerys
6.3.16 Project 16: Eandis
Ratio WPM Correcte WPM EVM Correcte EVM WPM signaal EVM signaal
CPI 1 1 0 0 1 0
SPI 3 2 3 0 0 0
SPI(t) 5 3 2 0 0 0
SCI 2 2 2 2 1 1
SCI(t) 5 3 2 2 1 0
Tabel 49: Waarschuwingen projecten Eandis
82
De waarden uit de tabellen tonen dat veel waarschuwingen als niet ”correct”gezien worden. Dit
wil zeggen dat deze een waarschuwing genereren op een bepaald tijdstip en deze achteraf via de 5%
reflectie als incorrect beschouwd worden of niet op het kritieke pad ligt. Wanneer we kijken naar
de gevallen wanneer er door ofwel EVM ofwel WPM ”correcte”signalen worden uitgestuurd, maar
niet door beide, merken we dat bij 3 projecten enkel WPM waarschuwingen gegeven worden die
niet aangekondigd worden door de EVM-techniek en niet het omgekeerde geval. Dit zijn de pro-
jecten waarbij de kritieke waarden op projectniveau uitgebalanceerd worden door de goedlopende
activiteiten. Er zijn 4 projecten die enkel door EVM waarschuwingen gegeven worden die niet
aangekondigd zijn door de WPM-techniek en niet het omgekeerde geval. Deze zijn dus voorbeeld
projecten van het geval waarbij de workpackages nog niet bezig waren en dus enkel op projectniveau
in rekening worden gebracht. 7 projecten waar beide gevallen zich voordoen en zelfs 2 projecten
waar er geen verschil is in ”correcte”waarschuwingen tussen beide technieken.
Concluderend kunnen we zeggen dat er zowel gevallen zijn waarin de WPM-techniek betere
voorspellingen geeft als gevallen waarin de EVM-techniek betere signalen geeft. Een combinatie
van beide technieken zal voor de projectmanager de beste signalen geven wanneer hij correctieve
acties zal moeten ondernemen. Het blijft belangrijk voor de projectmanager om op zoek te gaan
naar de ”correcte”waarschuwingssignalen, het voordeel van de WPM-techniek is dat er sneller
een reflectie kan gemaakt worden.
7 Algemeen besluit
Samenvattend kunnen we het onderzoek van deze thesis opsplitsen in twee grote delen. Een eerste
deel gaat na of er een verschil is in de accuraatheid van de voorspelbaarheid van kosten en tijd,
bij gebruik van EVM en WPM. Ten tweede bekijken we of de vroegtijdige waarschuwingen van de
WPM in vergelijking met de EVM-techniek betere waarschuwingen geeft zodat de projectmana-
ger zijn project nauwkeuriger kan controleren. Deze twee grote onderzoeksvragen werden getest
op zestien grote projecten. Hieronder worden de twee elementen besproken en ten slotte volgt de
eindconclusie met enkele opmerkingen en suggesties voor verder onderzoek.
De onderzoeksvraag of de WPN-techniek een nauwkeurigere voorspelling geeft in vergelijking
met de EVM-techniek werd opgesplitst in vier kleinere onderzoeksvragen, telkens met een opsplit-
sing tussen kosten en tijd.
De eerste algemene vraag luidt of de WPM-techniek accurater is in het voorspellen van tijd en
kosten dan de EVM- techniek. Op beide vlakken (tijd en kosten) werd bewezen dat de
WPM-techniek een nauwkeurigere voorspelling geeft dan de EVM-techniek.
Ten tweede, om de totale kosten van het project te voorspellen was het nodig om ook de on-
gestarte workpackages een waarde voor de verschillende ratio’s te geven (SPI, CPI, SPI(t) . . . ).
Er werden telkens drie scenario’s opgesteld voor iedere opvolgingsperiode. De drie scenario’s zijn
gebaseerd op de drie vervangingsparameters. Het eerste scenario was dat onbegonnen workpackages
ratio’s kregen met de waarde 1. Een tweede vervangingsparameter was het gemiddelde van de al ge-
83
starte workpackages en een derde was het invullen van de ratio op projectniveau voor de ongestarte
workpackages. Wanneer een opsplitsing wordt gemaakt tussen de drie vervangingsparameters is de
accuraatheid van de voorspelling bij zowel kosten als tijd beter bij de WPM-methode dan de EVM-
methode, met een uitzondering, de voorspelling van kosten met vervangingsparameter gemiddelde
geeft geen verschil tussen beide methodes. Onderzoek heeft uitgewezen dat er een verschil
is tussen de accuraatheid van de verschillende vervangingsparameters. Op vlak van
kosten en tijd is het statistisch bewezen dat vervangingsparameter 1 nauwkeurigere
voorspellingen oplevert voor de zestien projecten dan vervangingsparameter gemid-
delde en project.
Een derde onderzoeksvraag zocht de meest nauwkeurige techniek voor de voorspelling van kos-
ten en tijd. Bij gebruik van de WPM-techniek is er een significant verschil bij voorspellen van kosten
(As planned, CPI, SPI, SCI). De AS planned-methode geeft de meest accurate voorspel-
ling van de totale kosten. Bij de voorspelling van tijd is er een significant verschil tussen enkele
van de verschillende berekeningsmethodes (Planned Value, Earned Duration, Earned Schedule), de
ED-methode levert nauwkeurigere voorspellingen dan de PV-methode.
Tot slot werd onderzocht of de Seriele/Parallelle parameter een invloed heeft op de voorspelling
van kosten en tijd. Seriele projecten geven zoals aangetoond in de literatuur nauwkeu-
rigere voorspellingen. Een interactie-effect tussen de gebruikte methode (EVM of
WPM) en de SP-factor is gevonden. Het voorspellen van de eindtijd van een serieel
project door gebruik van de WPM-methode geeft de meest accurate voorspelling van
de totale kosten van het project. Op vlak van tijd is er geen significant effect voor de
SP-factor gevonden.
De tweede grote onderzoeksvraag of WPM betere vroegtijdige waarschuwingen geeft in verge-
lijking met de EVM, gaf tegenstrijdige resultaten. Oorspronkelijk vooropgesteld werd er verwacht
dat de WPM-techniek meer vroegtijdige waarschuwingen ging uitsturen dan EVM-techniek. Deze
verwachting was er doordat lage ratio’s uitgeleveld kunnen worden door betere waarden als men
deze techniek toepast op projectniveau. Aan deze verwachting werd dan ook voldaan bij de 16
projecten, er zijn veel gevallen waarbij de WPM-techniek een vroegtijdige waarschuwing uitstuurt
terwijl de EVM-techniek dit niet doet. Maar ook het omgekeerde is waar, er zijn gevallen waarbij
de EVM-techniek waarschuwingen uitstuurt wanneer dit niet het geval is bij de WPM-techniek.
Dit komt doordat onbegonnen workpackages een waarde van een vervangingsparameter krijgen.
Wanneer deze onbegonnen workpackages volgens de planning al in uitvoering moeten zijn, zul-
len deze dus opgenomen worden op projectniveau, maar niet op workpackageniveau. Door deze
tegenstrijdige resultaten kunnen we concluderen dat de projectmanagers een betere con-
trole van het project zullen hebben wanneer beide technieken gebruikt zullen worden.
De vraag die vele onderzoekers zich wellicht zullen stellen is of de betere voorspelling van de
WPM-techniek de moeite is om meer tijd in te investeren. Ik geloof dat bij gebruik van een
84
programma zoals MS-project, Protrack . . . de extra tijd voor het gebruik van de WPM-techniek
minimaal zal zijn. Alle gegevens voor het gebruik van de WPM-techniek zijn aanwezig bij gebruik
van de EVM-methode. Enkel de opdeling in de verschillende workpackages moet nog gemaakt
worden. Het zal dus geen extra tijd vragen van de projectmanagers om deze bijkomende techniek
te gebruiken. Dit sluit aan bij de redenering van Pajares en Lopez-Paredes (2011) [34] die vinden
dat een uitbreiding van de EVM-methode simpel gehouden moet worden, zodat projectmanagers
in de praktijk deze ook zouden kunnen implementeren. Deze techniek is echter nog niet toepasbaar
met deze tools (MS-Project, Protrack ).
Het gebruik van de WPM-techniek bij projectcontrole biedt voordelen.;
Ten eerste, door het project op te splitsen in verschillende subprojecten zal men een opsplitsing
kunnen maken tussen de verschillende operationele eenheden die werken aan een project. Men zal
een aparte beoordeling kunnen maken per operationele eenheid. [9] In de toekomst zal men voor
vaak gebruikte workpackages een betere inschatting kunnen maken alsook een betere vergelijking
tussen de duurtijd en de totale kosten. Dit is het geval bij de geanalyseerde projecten van MIVB
en Spiromatic. De opdeling van verschillende workpackages in de projecten is bijna identiek voor
de verschillende projecten. Op die manier kan men gemakkelijker nagaan, over de verschillende
projecten heen, waar de meeste problemen liggen en een betere inschatting maken van kosten en
tijd. Een tweede voordeel is dat de voorspellingen op het vlak van kosten en tijd nauwkeuriger
zullen zijn bij gebruik van de WPM-techniek dan bij de EVM-techniek. Een derde voordeel is dat
bij de vroegtijdige waarschuwingen de projectmanager een snellere controle kan uitvoeren als deze
waarschuwingen de moeite waard zijn om correctieve acties te ondernemen. Door de opsplitsing
te maken op workpackageniveau kan er sneller gekeken worden als deze al dan niet op het kritieke
pad ligt, de reflectie van de prestatie van de individuele workpackage is sneller gemaakt,. . .
Hoewel deze techniek de controle over de projecten kan verbeteren, is er nog veel werk om de
techniek binnen de bedrijven te gebruiken. In geen van de vier geanalyseerde bedrijven (MIVB,
Spiromatic, Imerys en G.SNEL) wordt de volledige EVM-techniek gebruikt. MIVB en Imerys zijn
al het meest gevorderd in het gebruik van Earned Value Management. Bij de MIVB maakt een
projectmanager de reflectie tussen wat er gepland is om te leveren en wat er werkelijk al geleverd
is, uitgedrukt in een percentage. Bij de andere projecten binnen de MIVB is dit niet of zelden het
geval. Bij Imerys wordt ook de reflectie gemaakt tussen gepland en werkelijk geleverd, zelfs met
een grafiek voor de visuele weergave. Beide bedrijven doen dit onderzoek op het vlak van kosten
maar niet op het vlak van tijd. Bij de twee andere bedrijven is er zelfs bijna geen sprake van
projectopvolging of planning.
Het lijkt me dan ook zeer moeilijk om de WPM-techniek in de praktijk toe te passen als de
projectmanagers nog geen idee hebben over wat de EVM-techniek inhoudt. Hoewel veel project-
managers interesse hadden in de techniek, lijkt het voor hen een tijdrovende oefening. Wat mij
belangrijker lijkt, is de reflectie tussen wat gepland is en wat werkelijk gespendeerd werd aan kosten
en tijd. Wanneer men op vooropgestelde tijdstippen deze reflectie zal maken, zullen de projecten
al beter gecontroleerd worden dan nu het geval is. Dit lijkt mij een eerstvolgende stap die in de
verschillende bedrijven zal moeten worden uitgevoerd. De totale techniek van EVM met de voor-
85
spelling van kosten en tijd, vraagt nog meer tijd dan deze eenvoudige reflectie. De voorspelling
zullen de projectmanagers enkel gebruiken als ze de meerwaarde van de techniek zullen inzien en dit
zal pas stelselmatig kunnen gebeuren. Vooral steun van topmanagement is nodig om deze technie-
ken toe te passen [40]. De meerwaarde van de EVM techniek is vooral dat de projectmanagers de
mogelijkheid hebben om echt te verstaan wat de reden is achter het probleem [15]. Wanneer deze
techniek zal toegepast worden binnen de bedrijven zal ook op het organisatorisch vlak aanpassingen
gemaakt worden; organisatorische organisatie, trainingen, aandacht management, ondersteunende
systemen,. . . [12].
Voor verder onderzoek zal het belangrijk zijn om de verschillende onderzoeksvragen te testen via
simulaties. Ik heb gezocht naar grote, complexe projecten waarbij door veel verschillende factoren
de kosten en tijd kunnen beınvloed worden, dit zowel in grote bedrijven zoals MIVB en Imerys, als
in kleinere bedrijven zoals Spiromatic en G.SNEL. Ik geloof dan ook dat deze projecten de signifi-
cante verschillen duidelijk getoond zullen hebben. Natuurlijk moet dit onderzocht worden op een
grotere schaal dan zestien projecten. Om deze techniek in de praktijk te krijgen zal er ook moeten
onderzocht worden of deze techniek kan gebruikt worden in een tool. Doordat de analyse van de
twee technieken uitgevoerd werd in Excel was er geen mogelijkheid om risicoanalyse te betrekken
in de zoektocht naar de accuraatheid van beide voorspellingstechnieken. Om de waarschuwings-
signalen nog betrouwbaarder te maken moet bijvoorbeeld een onderscheid gemaakt worden tussen
projecten die een grote of kleine impact hebben op het project wat al reeds aangehaald is in [42], [43]
of de invloed van de parameters CI, CRI, CRIρ, SI op de accuraatheid van de voorspellingen [11].
86
Referenties
[1] H.N. Ahuja, S.P. Dozzi, and S.M. AbouRizk. Project Management: Techniques in Planning
and Controlling Construction Projects. Wiley, 1994.
[2] Carlos M. Alvarado, Robert P. Silverman, and David S. Wilson. Assessing the performance
of construction projects : Implementing earned value management at the General Services
Administration. Journal of Facilities Management, 2004.
[3] Frank T Anbari. Earned value project management method and extensions. Project Manage-
ment Journal, 2003.
[4] Michael Bloch, Sven Blumberg, and Jurgen Laartz. Delivering large-scale it projects on time,
on budget, and on value. McKinsey on Business Technology, 2012.
[5] S Book. Correction note: Earned schedule and its possible unreliability as an indicator. The
Measurable News, pages 24–30, 2006.
[6] S Book. Earned schedule and its possible unreliability as an indicator. The Measurable News,
pages 24–30, 2006.
[7] Jacob D and Kane M. Forecast schedule completion using earned value metrics. The Measurable
News Summer, 2004.
[8] RF Deckro, JE Hebert, and WA Verdini. Project Scheduling with Work Packages. Omega,
20(2):169–182, 1992.
[9] Prasanta Kumar Dey, Mario T. Tabucanon, and Stephen O. Ogunlana. Hierarchical approach
to project planning: The case of a petroleum pipeline construction. Applied Mathematical
Modelling, 20(9):683–698, September 1996.
[10] R L Elmore and D C Sullivan. Project control through work packaging concept. Proceedings
of the 4th Annual Conference of the International Group for Lean Construction, 1986.
[11] Raafat Elshaer. Impact of sensitivity information on the prediction of project’s duration using
earned schedule method. International Journal of Project Management, 31(4):579–588, 2013.
[12] Kim EunHong, Wells Jr. William G, and Duffey Michael R. A model for effective implementa-
tion of Earned Value Management methodology. International Journal of Project Management,
21(5):375–382, July 2003.
[13] Shlomo Globerson. Impact of various work-breakdown structures on project conceptualization
. International Journal of Project Management, 12(3):165–171, August 1994.
[14] Rodney Howes. Improving the performance of Earned Value Analysis as a construction project
management tool. Engineering, Construction and Architectural Management, 7(4):399–411,
2000.
[15] Howard Hunter, Richard Fitzgerald, and Dewey Barlow. Improved cost monitoring and control
through the Earned Value Management System. Acta Astronautica, pages 1–4, November 2012.
87
[16] Y.M. Ibrahim, T.C. Lukins, X. Zhang, E. Trucco, and A.P. Kaka. Towards automated pro-
gress assessment of workpackage components in construction projects using computer vision.
Advanced Engineering Informatics, 23(1):93–103, January 2009.
[17] Project Management Institute. Practice Standard for Work Breakdown Structures: Second
Edition. Global standard. Project Management Institute, 2006.
[18] H Kerzner. Project Management: A Systems Approach to Planning, Scheduling and Control.
1979.
[19] Byung-cheol Kim, A M Asce, Kenneth F Reinschmidt, and M Asce. Combination of Pro-
ject Cost Forecasts in Earned Value Management. Journal of construction engineering and
management, (November):958–967, 2011.
[20] H.W. Lanford and T.M. McCann. Effective planning and control of large projects Using work
breakdown structure. Long Range Planning, 16(2):38–50, April 1983.
[21] Walt Lipke. Scheduling is different. The Measurable News, 2, 2003.
[22] Walt Lipke. Connecting Earned Value to the Schedule. CrossTalk, (405), 2005.
[23] Walt Lipke. Applying earned schedule to critical path analysis and more. The Measurable
News, pages 26–30, 2006.
[24] Walt Lipke. Is earned schedule an unreliable indicator? The Measurable News, pages 14–21,
2006.
[25] Walt Lipke. Project duration forecasting: A comparison of earned value management method
to earned schedule. Project Management Institute, (2):24–31, 2009.
[26] Walt Lipke, Ofer Zwikael, Kym Henderson, and Frank Anbari. Prediction of project outcome:
The application of statistical methods to earned value management and earned schedule per-
formance indexes. International Journal of Project Management, 27(4):400–407, 2009.
[27] Leila Moslemi Naeni and Amir Salehipour. Evaluating fuzzy earned value indices and estimates
by applying alpha cuts. Expert Systems with Applications, 38(7):8193–8198, 2011.
[28] A. Naderpour and M. Mofid. Improving Construction Management of an Educational Center
by Applying Earned Value Technique. Procedia Engineering, 14:1945–1952, January 2011.
[29] Leila Moslemi Naeni, Shahram Shadrokh, and Amir Salehipour. A fuzzy approach for the ear-
ned value management. International Journal of Project Management, 29(6):764–772, August
2011.
[30] Ilmari O Nikander and Eero Eloranta. Preliminary signals and early warnings in industrial
investment projects. International Journal of Project Management, 15(6):371–376, December
1997.
[31] Ilmari O Nikander and Eero Eloranta. Project management by early warnings. International
Journal of Project Management, 19(7):385–399, October 2001.
88
[32] Eric S. Norman, Shelly A. Brotherton, and Robert T. Fried. Work Breakdown Structures.
John Wiley & Sons, Inc., Hoboken, NJ, USA, September 2008.
[33] Department of Defense, United States. National Aeronautics, and Space Administration.
PERT /COST Systems Design: DOD and NASA Guide. DOD / NASA, 1962.
[34] Javier Pajares and Adolfo Lopez-Paredes. An extension of the EVM analysis for project
monitoring: The Cost Control Index and the Schedule Control Index. International Journal
of Project Management, 29(5):615–621, July 2011.
[35] Pmbok. A Guide to the Project Management Body of Knowledge. 2000.
[36] W Quentin and M Joel. Using earned value management. Cost Engineering, 2002.
[37] Arnold M Ruskin and Claremont Consulting Group. Two Issues Concerning the Use of Earned
Value Measurements. Engineering Management Journal, 16(3), 2004.
[38] Hector R Sandino, Viviana I Cesanı, Puerto Rico, Mario Padron, and Gustavo Barrantes.
Project Management and Rcarlosource Constrained Scheduling Using An Integer Programming
Approach. Applied Mathematical Modelling.
[39] E.A. Stallworthy. Developments in project cost control. Engineering and Process Economics,
4:29–36, 1979.
[40] Rodney Turner, Ann Ledwith, and John Kelly. Project management in small to medium-sized
enterprises: Matching processes to the nature of the firm. International Journal of Project
Management, 28(8):744–755, December 2010.
[41] Stephan Vandevoorde and Mario Vanhoucke. A comparison of different project duration fo-
recasting methods using earned value metrics. International Journal of Project Management,
24:289–302, 2006.
[42] Mario Vanhoucke. Measuring Time: Improving Project Performance Using Earned Value
Management. 2009.
[43] Mario Vanhoucke. Using activity sensitivity and network topology information to monitor
project time performance. Omega, 38(5):359–370, October 2010.
[44] Mario Vanhoucke. On the dynamic use of project performance and schedule risk information
during project tracking. Omega, 39(4):416–426, August 2011.
[45] Mario Vanhoucke and Stephan Vandevoorde. A simulation and evaluation of earned value me-
trics to forecast the project duration. Journal of the Operational Research Society, 58(10):1361–
1374, September 2006.
89
Bijlage
7.1 Bijlage 1
Vervangparameter Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PF=1 -3,04 3,04 -3,04 3,04
PF= SPI -0,03 0,79 2,63 3,55
PF= SCI -4,55 4,69 1,45 10,29
PF= CPI -6,71 6,74 -3,76 9,16
Gemiddelde PF=1 -3,04 3,04 -3,04 3,04
PF= SPI 2,85 4,48 2,63 3,55
PF= SCI 1,96 12,91 1,45 10,29
PF= CPI -3,90 10,41 -3,76 9,16
Project PF=1 -3,04 3,04 -3,04 3,04
PF= SPI 2,68 3,64 2,63 3,55
PF= SCI 1,14 10,80 1,45 10,29
PF= CPI -4,08 9,55 -3,76 9,16
Tabel 50: MAPE waarden voor voorspelling van kosten van het project M6+
Vervangparameter Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PF=1 -1,52 1,56 -1,52 1,56
PF= SPI -1,54 1,60 -2,81 3,73
PF= SCI -1,39 1,69 13,54 13,54
PF= CPI -1,41 1,74 9,73 9,73
Gemiddelde PF=1 -1,52 1,56 -1,52 1,56
PF= SPI -2,12 2,80 -2,81 3,73
PF= SCI 0,84 5,55 13,54 13,54
PF= CPI 0,35 6,84 10,17 10,17
Project PF=1 0,09 0,99 -1,52 1,56
PF= SPI -2,81 3,74 -2,81 3,73
PF= SCI 13,36 13,36 13,54 13,54
PF= CPI 9,60 9,60 9,73 9,73
Tabel 51: MAPE waarden voor voorspelling van kosten van het project MCH
i
Vervangparameter Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PF=1 -3,23 3,32 -3,23 3,32
PF= SPI 0,20 4,97 20,22 24,39
PF= SCI 0,34 5,36 14,54 19,11
PF= CPI -7,75 7,89 -5,88 6,30
Gemiddelde PF=1 -3,23 3,32 -3,23 3,32
PF= SPI -0,79 9,06 20,22 24,39
PF= SCI -9,60 12,49 14,20 19,44
PF= CPI -9,12 10,60 -5,88 6,30
Project PF=1 -3,23 3,32 -3,23 3,32
PF= SPI 14,84 19,53 20,22 24,39
PF= SCI 7,02 14,96 14,54 19,11
PF= CPI -9,01 9,47 -5,88 6,30
Tabel 52: MAPE waarden voor voorspelling van kosten van het project MoBIB
Vervangparameter Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PF=1 -0,32 0,85 -0,32 0,85
PF= SPI -0,28 2,65 -1,85 4,12
PF= SCI 8,63 9,88 26,20 26,94
PF= CPI 8,20 8,88 23,97 25,03
Gemiddelde PF=1 -0,32 0,85 -0,32 0,85
PF= SPI -0,99 5,32 -1,85 4,12
PF= SCI 26,57 29,28 26,20 26,94
PF= CPI 26,57 29,28 26,20 26,94
Project PF=1 -5,09 5,61 -0,32 0,85
PF= SPI -6,14 9,70 -1,85 4,12
PF= SCI 15,92 27,72 26,20 26,94
PF= CPI 13,93 25,17 23,97 25,03
Tabel 53: MAPE waarden voor voorspelling van kosten van het project Gentse Steenweg
ii
Vervangparameter Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PF=1 0,81 0,85 0,81 0,85
PF= SPI 0,43 1,46 1,91 2,12
PF= SCI 8,64 9,18 11,22 16,62
PF= CPI 6,72 7,28 12,55 18,06
Gemiddelde PF=1 0,81 0,85 0,81 0,85
PF= SPI 0,11 2,20 1,91 2,12
PF= SCI 15,01 15,55 11,22 16,62
PF= CPI 14,03 14,59 12,55 18,06
Project PF=1 0,81 0,85 0,81 0,85
PF= SPI 0,53 1,68 1,91 2,12
PF= SCI 16,27 17,37 11,22 16,62
PF= CPI 14,55 16,51 12,55 18,06
Tabel 54: MAPE waarden voor voorspelling van kosten van het project Zenitel
Vervangparameter Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PF=1 -55,75 55,75 -55,75 55,75
PF= SPI -53,48 53,48 -52,04 52,04
PF= SCI -40,80 40,80 -14,27 29,89
PF= CPI -46,30 46,30 -42,16 43,43
Gemiddelde PF=1 -55,75 55,75 -55,75 55,75
PF= SPI -51,92 51,92 -52,04 52,04
PF= SCI -27,67 35,91 -14,27 29,89
PF= CPI -16,98 46,36 -3,52 40,92
Project PF=1 -55,75 55,75 -55,75 55,75
PF= SPI -51,82 51,82 -52,04 52,04
PF= SCI -18,60 30,61 -14,27 29,89
PF= CPI -37,52 37,52 -42,16 43,43
Tabel 55: MAPE waarden voor voorspelling van kosten van het project Amster
iii
Vervangparameter Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PF=1 -0,09 4,41 0,55 4,54
PF= SPI 6,48 10,94 23,37 28,87
PF= SCI 1,60 10,94 26,74 32,22
PF= CPI -4,41 10,94 -0,14 18,10
Gemiddelde PF=1 -0,09 4,41 0,55 4,54
PF= SPI 6,30 11,97 23,37 28,87
PF= SCI 11,76 11,97 26,74 32,22
PF= CPI 3,06 11,97 2,52 6,49
Project PF=1 -0,09 4,41 0,55 4,54
PF= SPI 6,30 11,97 23,37 28,87
PF= SCI 11,76 11,97 26,74 32,22
PF= CPI 3,06 11,97 2,52 6,49
Tabel 56: MAPE waarden voor voorspelling van kosten van het project Nieuwe Bussen
Vervangparameter Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PF=1 -0,96 0,96 2,46 3,52
PF= SPI 4,44 7,49 5,00 6,33
PF= SCI 7,17 7,54 21,21 21,72
PF= CPI 5,15 5,64 13,77 14,19
Gemiddelde PF=1 -0,96 0,96 2,46 3,52
PF= SPI 6,35 10,64 5,00 6,33
PF= SCI 9,52 10,78 21,21 21,72
PF= CPI 15,19 19,60 25,54 26,15
Project PF=1 -0,96 0,96 2,46 3,52
PF= SPI 5,16 8,22 5,00 6,33
PF= SCI 15,45 15,86 21,21 21,72
PF= CPI 9,06 9,48 13,77 14,19
Tabel 57: MAPE waarden voor voorspelling van kosten van het project Phoenix
iv
Vervangparameter Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PF=1 0,28 0,28 -0,00 0,00
PF= SPI 0,28 0,30 0,00 0,93
PF= SCI 0,29 0,31 2,24 8,56
PF= CPI 0,29 0,31 2,14 7,59
Gemiddelde PF=1 0,28 0,28 -0,00 0,00
PF= SPI 0,25 0,95 0,00 0,93
PF= SCI -2,97 6,79 2,24 8,56
PF= CPI -3,04 6,12 2,14 7,59
Project PF=1 0,28 0,28 -0,00 0,00
PF= SPI 0,28 1,22 0,00 0,93
PF= SCI 2,53 8,86 2,24 8,56
PF= CPI 2,44 7,90 2,14 7,59
Tabel 58: MAPE waarden voor voorspelling van kosten van het project OBC
Vervangparameter Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PF=1 0,14 0,33 0,14 0,33
PF= SPI 0,87 1,43 0,32 1,62
PF= SCI 0,18 1,23 11,22 14,39
PF= CPI 0,14 1,54 11,57 15,74
Gemiddelde PF=1 0,14 0,33 0,14 0,33
PF= SPI 0,87 1,43 0,32 1,62
PF= SCI 0,18 1,23 11,22 14,39
PF= CPI 0,14 1,54 11,57 15,74
Project PF=1 0,14 0,33 0,14 0,33
PF= SPI 1,02 2,31 0,32 1,62
PF= SCI 9,77 12,90 11,22 14,39
PF= CPI 10,02 14,14 11,57 15,74
Tabel 59: MAPE waarden voor voorspelling van kosten van het project CoVo
v
Vervangparameter Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PF=1 -24,95 24,95 -24,95 24,95
PF= SPI -24,85 24,85 -24,94 24,94
PF= SCI -23,41 23,41 -28,45 28,45
PF= CPI -23,36 23,36 -28,44 28,44
Gemiddelde PF=1 -24,95 24,95 -24,95 24,95
PF= SPI -24,86 24,86 -24,94 24,94
PF= SCI -25,58 25,58 -28,45 28,45
PF= CPI -25,55 25,55 -28,44 28,44
Project PF=1 -24,95 24,95 -24,95 24,95
PF= SPI -24,85 24,85 -24,94 24,94
PF= SCI -25,64 25,64 -28,45 28,45
PF= CPI -25,60 25,60 -28,44 28,44
Tabel 60: MAPE waarden voor voorspelling van kosten van het project ISIS
Vervangparameter Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PF=1 2,20 2,25 2,20 2,25
PF= SPI 8,27 8,29 22,97 23,02
PF= SCI 10,97 11,04 29,77 29,82
PF= CPI 3,42 4,13 4,65 7,67
Gemiddelde PF=1 2,20 2,25 2,20 2,25
PF= SPI 12,56 13,00 22,97 23,02
PF= SCI 14,29 16,96 28,29 31,30
PF= CPI 2,76 6,54 4,65 7,67
Project PF=1 2,20 2,25 2,20 2,25
PF= SPI 25,53 25,55 22,97 23,02
PF= SCI 32,66 32,73 29,77 29,82
PF= CPI 4,50 8,13 4,65 7,67
Tabel 61: MAPE waarden voor voorspelling van kosten van het project Morrisons
vi
Vervangparameter Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PF=1 -0,88 1,12 -0,88 1,12
PF= SPI -1,28 1,67 -3,22 3,46
PF= SCI 0,59 2,70 4,03 5,85
PF= CPI 0,13 2,63 1,57 5,52
Gemiddelde PF=1 -0,88 1,12 -0,88 1,12
PF= SPI -2,20 2,59 -3,14 3,41
PF= SCI 15,91 16,28 4,03 5,85
PF= CPI 14,06 14,29 1,57 5,52
Project PF=1 -0,88 1,12 -0,88 1,12
PF= SPI -3,22 3,61 -3,14 3,41
PF= SCI 3,23 5,26 4,03 5,85
PF= CPI 0,66 4,77 1,57 5,52
Tabel 62: MAPE waarden voor voorspelling van kosten van het project Ecofrost
Vervangparameter Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PF=1 -1,42 1,45 -1,42 1,45
PF= SPI 1,23 1,23 2,81 2,94
PF= SCI -0,14 0,23 1,72 1,85
PF= CPI -2,35 2,44 -1,84 3,31
Gemiddelde PF=1 -1,42 1,45 -1,42 1,45
PF= SPI 1,43 1,43 2,81 2,94
PF= SCI 4,55 4,76 52,12 52,25
PF= CPI -1,74 3,25 -1,84 3,31
Project PF=1 -1,42 1,45 -1,42 1,45
PF= SPI 2,19 2,19 2,81 2,94
PF= SCI 1,12 1,12 1,72 1,85
PF= CPI -1,90 3,40 -1,84 3,31
Tabel 63: MAPE waarden voor voorspelling van kosten van het project Brouwerij
vii
Vervangparameter Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PF=1 - 0,00 0,00 10,43 10,62
PF= SPI 8,23 8,59 19,61 20,05
PF= SCI 14,89 15,08 30,92 30,92
PF= CPI 15,70 15,89 30,60 30,60
Gemiddelde PF=1 - 0,00 0,00 10,43 10,62
PF= SPI 8,81 9,38 19,61 20,05
PF= SCI 18,66 18,85 30,92 30,92
PF= CPI 24,82 25,01 45,42 45,42
Project PF=1 0,00 0,00 10,43 10,62
PF= SPI 13,12 13,62 19,61 20,05
PF= SCI 28,28 28,47 30,92 30,92
PF= CPI 29,22 29,40 30,60 30,60
Tabel 64: MAPE waarden voor voorspelling van kosten van het project Imerys
Vervangparameter Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PF=1 3,93 3,94 13,49 13,71
PF= SPI 0,15 7,77 3,99 20,08
PF= SCI 8,38 8,38 23,11 25,93
PF= CPI 3,09 5,02 15,06 26,82
Gemiddelde PF=1 3,93 3,94 13,49 13,71
PF= SPI 4,61 12,22 3,99 20,08
PF= SCI 25,22 25,22 23,11 25,93
PF= CPI 28,28 30,21 13,34 27,15
Project PF=1 3,93 3,94 13,49 13,71
PF= SPI -5,54 9,89 3,99 20,08
PF= SCI 14,49 16,87 23,11 25,93
PF= CPI 5,85 16,19 15,06 26,82
Tabel 65: MAPE waarden voor voorspelling van kosten van het project Eandis
viii
Vervangparameter Method Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PV PF= 1 -1,20 1,22 1,69 5,54
PF= SPI 0,21 2,09 7,28 12,22
PF= SCI 0,31 18,22 -5,36 18,25
ED PF= 1 -1,02 1,27 3,94 5,63
PF= SPI 0,64 1,91 7,42 9,06
PF= SCI 4,35 5,43 6,29 8,05
ES PF= 1 -0,11 3,32 8,44 8,73
PF= SPI 7,04 8,95 24,30 24,59
PF= SCI 12,26 14,35 25,63 26,75
Gemiddelde PV PF= 1 -1,20 1,22 1,69 5,54
PF= SPI 1,09 3,15 7,28 12,22
PF= SCI 11,70 13,71 2,88 10,01
ED PF= 1 -1,02 1,27 3,94 5,63
PF= SPI 1,52 2,97 7,42 9,06
PF= SCI 7,21 8,66 6,29 8,05
ES PF= 1 -0,11 3,32 8,44 8,73
PF= SPI 7,04 8,95 24,30 24,59
PF= SCI 12,26 14,35 25,63 26,75
Project PV PF= 1 1,20 1,22 1,69 5,54
PF= SPI 0,50 2,43 7,28 12,22
PF= SCI 9,87 11,58 2,88 10,01
ED PF= 1 -1,02 1,27 3,94 5,63
PF= SPI 0,92 2,25 7,42 9,06
PF= SCI 5,38 6,54 6,29 8,05
ES PF= 1 -0,11 3,32 8,44 8,73
PF= SPI 13,03 13,72 24,30 24,59
PF= SCI 19,88 21,56 25,11 26,23
Tabel 66: MAPE waarden voor voorspelling van tijd van het project M6+
ix
Vervangparameter Method Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PV PF= 1 2,17 5,94 -7,43 18,21
PF= SPI -7,58 7,58 -4,87 29,47
PF= SCI -7,63 7,63 -9,52 24,81
ED PF= 1 4,22 5,74 -4,82 13,48
PF= SPI 4,72 6,05 4,74 22,64
PF= SCI 4,76 6,09 2,03 20,45
ES PF= 1 -8,74 12,95 1,17 8,16
PF= SPI -8,49 12,71 16,90 27,84
PF= SCI -8,46 13,29 28,46 38,15
Gemiddelde PV PF= 1 2,12 5,98 -7,43 18,21
PF= SPI -7,01 7,65 -4,87 29,47
PF= SCI -7,36 8,33 -9,21 24,50
ED PF= 1 4,22 5,74 -4,82 13,48
PF= SPI 5,29 6,33 4,74 22,64
PF= SCI 5,03 6,08 2,34 20,13
ES PF= 1 -8,59 12,80 1,17 8,16
PF= SPI -8,83 13,04 16,90 27,84
PF= SCI -9,18 14,37 28,46 38,15
Project PV PF= 1 2,12 5,98 -7,43 18,21
PF= SPI -1,49 9,56 -4,87 29,47
PF= SCI -2,96 7,64 -9,52 24,81
ED PF= 1 4,22 5,74 -4,82 13,48
PF= SPI 10,81 11,85 4,74 22,64
PF= SCI 9,26 10,30 2,03 20,45
ES PF= 1 -8,59 12,80 1,17 8,16
PF= SPI 6,45 17,04 16,90 27,84
PF= SCI 5,87 21,90 28,46 38,15
Tabel 67: MAPE waarden voor voorspelling van tijd van het project MCH
x
Vervangparameter Method Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PV PF= 1 19,77 19,77 18,78 18,78
PF= SPI 22,02 22,02 43,99 43,50
PF= SCI 22,12 22,12 31,38 34,03
ED PF= 1 29,02 29,02 14,72 14,72
PF= SPI 28,85 28,85 42,99 43,50
PF= SCI 28,88 28,88 36,04 36,75
ES PF= 1 21,70 21,70 6,87 12,52
PF= SPI 19,91 19,91 7,99 26,52
PF= SCI 19,82 19,82 3,71 22,22
Gemiddelde PV PF= 1 19,42 19,42 18,78 18,78
PF= SPI 20,21 20,21 42,99 43,50
PF= SCI 19,35 19,35 31,20 33,88
ED PF= 1 25,84 25,84 14,72 14,72
PF= SPI 27,44 27,44 42,99 43,50
PF= SCI 26,26 26,26 35,86 36,57
ES PF= 1 21,70 21,70 6,87 12,52
PF= SPI 19,23 19,23 7,99 26,52
PF= SCI 17,12 17,12 3,74 22,22
Project PV PF= 1 19,42 19,42 18,78 18,78
PF= SPI 28,37 28,37 42,99 43,50
PF= SCI 26,57 26,57 31,38 34,03
ED PF= 1 25,84 25,84 14,72 14,72
PF= SPI 34,16 34,16 42,99 43,50
PF= SCI 32,22 32,22 36,04 36,75
ES PF= 1 21,70 21,70 6,87 12,52
PF= SPI 20,39 20,39 7,99 26,52
PF= SCI 18,39 18,39 3,74 22,22
Tabel 68: MAPE waarden voor voorspelling van tijd van het project MoBIB
xi
Vervangparameter Method Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PV PF= 1 -13,70 13,70 -0,13 6,58
PF= SPI -11,69 11,84 22,80 29,78
PF= SCI -11,96 12,29 20,36 27,23
ED PF= 1 -7,53 8,15 -3,14 5,29
PF= SPI -4,37 6,35 23,41 30,15
PF= SCI -4,47 6,45 21,19 27,66
ES PF= 1 -4,83 5,46 0,76 5,59
PF= SPI -3,08 5,17 14,59 19,37
PF= SCI -2,87 4,94 13,47 17,96
Gemiddelde PV PF= 1 13,70 13,70 -0,13 6,58
PF= SPI -6,19 15,72 22,80 29,78
PF= SCI -6,82 16,16 20,19 27,39
ED PF= 1 -6,74 7,36 -3,14 5,29
PF= SPI 1,24 10,73 23,41 30,15
PF= SCI 0,66 10,98 21,03 27,82
ES PF= 1 -4,82 5,46 0,76 5,59
PF= SPI -0,06 6,49 14,59 19,37
PF= SCI -0,44 6,76 12,26 19,77
Project PV PF= 1 -0,44 6,76 -0,13 6,58
PF= SPI -6,06 15,59 22,80 29,78
PF= SCI -6,71 16,05 20,36 27,23
ED PF= 1 -6,74 7,36 -3,14 5,29
PF= SPI 1,37 10,60 23,41 30,15
PF= SCI 0,78 10,86 21,19 27,66
ES PF= 1 -4,82 5,46 0,76 5,59
PF= SPI -0,35 7,15 14,59 19,37
PF= SCI -0,43 6,78 13,47 17,96
Tabel 69: MAPE waarden voor voorspelling van tijd van het project Gentse Steenweg
xii
Vervangparameter Method Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PV PF= 1 -1,30 1,78 -0,33 5,06
PF= SPI 22,31 23,33 10,08 20,84
PF= SCI 19,58 21,11 12,32 23,21
ED PF= 1 3,45 3,45 -0,30 7,31
PF= SPI 27,22 27,22 10,08 20,84
PF= SCI 23,28 23,28 11,16 22,00
ES PF= 1 17,20 17,42 11,62 11,84
PF= SPI 19,97 20,18 39,33 39,58
PF= SCI 26,25 26,46 29,69 30,08
Gemiddelde PV PF= 1 -1,30 1,78 -0,33 5,06
PF= SPI 25,26 25,77 10,08 20,84
PF= SCI 26,78 27,29 12,32 23,21
ED PF= 1 3,45 3,45 -0,30 7,31
PF= SPI 30,17 30,17 10,08 20,84
PF= SCI 31,33 31,33 11,16 22,00
ES PF= 1 16,79 17,00 11,62 11,84
PF= SPI 16,81 22,53 39,33 39,58
PF= SCI 26,25 26,46 43,07 42,46
Project PV PF= 1 -1,30 1,78 -0,33 5,06
PF= SPI 28,23 28,74 10,08 20,84
PF= SCI 25,73 26,75 12,32 23,21
ED PF= 1 3,45 3,45 -0,30 7,31
PF= SPI 33,22 33,22 10,08 20,84
PF= SCI 29,42 29,42 11,16 22,00
ES PF= 1 17,21 17,42 11,62 11,84
PF= SPI 47,90 47,90 39,33 39,58
PF= SCI 46,78 46,78 29,69 30,08
Tabel 70: MAPE waarden voor voorspelling van tijd van het project Zenitel
xiii
Vervangparameter Method Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PV PF= 1 -15,85 16,05 -14,28 15,66
PF= SPI 0,11 35,40 45,42 57,74
PF= SCI 1,49 35,95 -2,36 37,37
ED PF= 1 -1,06 10,76 1,47 13,70
PF= SPI 26,88 26,88 63,31 63,38
PF= SCI 26,20 26,20 13,22 45,92
ES PF= 1 -7,81 17,23 -1,82 15,41
PF= SPI -4,60 20,42 16,27 33,50
PF= SCI -3,79 20,63 16,19 33,43
Gemiddelde PV PF= 1 -15,85 16,05 -14,28 15,66
PF= SPI 11,76 44,89 45,42 57,74
PF= SCI 13,50 46,03 -2,36 37,37
ED PF= 1 -0,57 11,25 1,47 13,70
PF= SPI 39,27 39,27 63,31 63,38
PF= SCI 39,02 39,02 13,22 45,92
ES PF= 1 -7,81 17,23 -1,82 15,41
PF= SPI -4,60 20,42 16,27 33,50
PF= SCI 1,69 18,92 22,19 31,45
Project PV PF= 1 -15,85 16,05 -14,28 15,66
PF= SPI 21,43 45,36 45,42 57,74
PF= SCI 10,18 34,44 -2,36 37,37
ED PF= 1 -0,57 11,25 1,47 13,70
PF= SPI 48,93 48,93 63,31 63,38
PF= SCI 36,18 36,18 13,22 45,92
ES PF= 1 -7,81 17,23 -1,82 15,41
PF= SPI 3,71 20,86 16,27 33,50
PF= SCI 4,86 22,01 16,19 33,43
Tabel 71: MAPE waarden voor voorspelling van tijd van het project Amster
xiv
Vervangparameter Method Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PV PF= 1 -21,46 21,46 -8,65 13,71
PF= SPI -20,14 23,17 8,36 20,07
PF= SCI -22,34 22,34 13,46 24,49
ED PF= 1 -21,19 21,19 -3,90 18,04
PF= SPI -16,54 19,57 17,53 28,30
PF= SCI -19,84 19,84 20,67 30,88
ES PF= 1 -13,73 14,81 -3,93 11,20
PF= SPI -13,80 14,86 25,11 33,46
PF= SCI -13,27 15,13 27,83 36,17
Gemiddelde PV PF= 1 -21,24 21,24 -8,65 13,71
PF= SPI -21,24 21,24 -8,65 13,71
PF= SCI -20,41 23,13 8,36 20,07
ED PF= 1 -22,03 22,03 13,81 24,83
PF= SPI -20,77 20,77 -3,90 18,04
PF= SCI -16,50 19,53 17,53 28,30
ES PF= 1 -19,59 19,59 20,67 30,88
PF= SPI -13,73 14,81 -3,93 11,20
PF= SCI -6,84 10,87 25,11 33,46
Project PV PF= 1 -21,24 21,24 -8,65 13,71
PF= SPI -14,19 16,9 8,36 20,07
PF= SCI -15,31 15,31 13,81 24,83
ED PF= 1 -20,77 20,77 -3,90 18,04
PF= SPI -10,27 13,30 17,53 28,30
PF= SCI -12,89 12,94 20,68 30,88
ES PF= 1 -13,73 4,81 -3,93 11,20
PF= SPI -13,80 14,86 25,11 33,46
PF= SCI -12,84 14,70 27,83 36,17
Tabel 72: MAPE waarden voor voorspelling van tijd van het project Nieuwe Bussen
xv
Vervangparameter Method Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PV PF= 1 20,52 22,32 -24,75 24,75
PF= SPI 10,78 17,36 -12,33 28,59
PF= SCI 9,48 17,26 -17,65 25,54
ED PF= 1 2,66 8,64 -21,37 21,37
PF= SPI 11,89 17,57 -8,34 24,60
PF= SCI 7,83 15,09 -16,99 25,02
ES PF= 1 21,17 22,13 -18,63 18,63
PF= SPI 24,84 25,79 -2,50 22,64
PF= SCI 36,21 37,16 -1,30 23,73
Gemiddelde PV PF= 1 20,23 22,03 -24,75 24,75
PF= SPI 10,36 17,78 -12,33 28,59
PF= SCI 20,13 26,35 -22,43 24,13
ED PF= 1 2,66 8,64 -21,37 21,37
PF= SPI 11,47 17,99 -8,34 24,60
PF= SCI 14,31 19,74 -21,76 23,58
ES PF= 1 21,17 22,13 -18,63 18,63
PF= SPI 5,04 30,50 -2,50 22,64
PF= SCI 10,05 34,51 -0,05 25,01
Project PV PF= 1 20,23 22,03 -24,75 24,75
PF= SPI 12,17 17,37 -12,33 28,59
PF= SCI 10,33 17,32 -17,65 25,54
ED PF= 1 2,66 8,64 -21,37 21,37
PF= SPI 13,89 18,19 -8,34 24,60
PF= SCI 8,79 15,35 -16,99 25,02
ES PF= 1 20,69 21,65 -18,63 18,63
PF= SPI 5,04 30,50 -2,50 22,64
PF= SCI 9,86 29,08 -1,30 23,73
Tabel 73: MAPE waarden voor voorspelling van tijd van het project Phoenix
xvi
Vervangparameter Method Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PV PF= 1 -7,76 7,76 -23,51 31,34
PF= SPI -21,28 21,28 -21,79 29,06
PF= SCI -21,51 21,51 -21,87 21,87
ED PF= 1 -19,90 19,90 -20,59 20,59
PF= SPI -14,94 14,94 -19,92 19,92
PF= SCI -15,12 15,12 -19,81 19,81
ES PF= 1 -11,85 11,85 -20,29 20,29
PF= SPI -11,12 12,52 -17,41 18,95
PF= SCI -11,40 12,48 -17,40 18,73
Gemiddelde PV PF= 1 -7,76 7,76 -23,51 31,34
PF= SPI -22,10 22,10 -21,79 29,06
PF= SCI -22,27 22,27 -21,87 21,87
ED PF= 1 -19,20 19,20 -20,59 20,59
PF= SPI -15,76 15,76 -19,92 19,92
PF= SCI -15,88 15,88 -19,81 19,81
ES PF= 1 -11,85 11,85 -20,29 20,29
PF= SPI -16,05 17,47 -17,41 18,95
PF= SCI -16,31 17,41 -17,40 18,73
Project PV PF= 1 -7,76 7,76 -23,51 31,34
PF= SPI -22,69 22,69 -21,79 29,06
PF= SCI -21,18 21,18 -21,87 21,87
ED PF= 1 -19,20 19,20 -20,59 20,59
PF= SPI -16,35 16,35 -19,92 19,92
PF= SCI -14,79 14,79 -19,81 19,81
ES PF= 1 -11,85 11,85 -20,29 20,29
PF= SPI -15,69 17,11 -17,41 18,95
PF= SCI -16,08 17,18 -17,40 18,73
Tabel 74: MAPE waarden voor voorspelling van tijd van het project OBC
xvii
Vervangparameter Method Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PV PF= 1 -38,85 38,85 -39,31 39,31
PF= SPI -55,57 55,57 -32,69 34,51
PF= SCI -56,49 56,49 -32,35 34,43
ED PF= 1 -55,91 55,91 -30,24 30,24
PF= SPI -38,08 38,08 -22,25 24,07
PF= SCI -39,22 39,22 -22,09 24,06
ES PF= 1 -44,69 44,69 -35,09 35,09
PF= SPI -41,69 41,69 -25,12 29,24
PF= SCI -41,41 41,41 -24,79 29,43
Gemiddelde PV PF= 1 -38,85 38,85 -39,31 39,31
PF= SPI -59,11 59,11 -32,69 34,51
PF= SCI -59,92 59,92 -32,35 34,43
ED PF= 1 -55,50 55,50 -30,24 30,24
PF= SPI -41,61 41,61 -22,25 24,07
PF= SCI -42,64 42,64 -22,09 24,06
ES PF= 1 -44,69 44,69 -35,09 35,09
PF= SPI -51,66 51,66 -25,12 29,24
PF= SCI -51,38 51,38 -24,79 29,43
Project PV PF= 1 -38,85 38,85 -39,31 39,31
PF= SPI -51,70 51,70 -32,69 34,51
PF= SCI -52,48 52,48 -32,35 34,43
ED PF= 1 -55,50 55,50 -30,24 30,24
PF= SPI -34,20 34,20 -22,25 24,07
PF= SCI -35,20 35,20 -22,09 24,06
ES PF= 1 -44,69 44,69 -35,09 35,09
PF= SPI -51,63 51,63 -25,12 29,24
PF= SCI -51,34 51,34 -24,79 29,43
Tabel 75: MAPE waarden voor voorspelling van tijd van het project CoVo
xviii
Vervangparameter Method Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PV PF= 1 -59,76 59,76 -63,72 63,72
PF= SPI -58,23 58,23 -65,78 65,78
PF= SCI -58,09 58,09 -65,73 65,73
ED PF= 1 -51,07 51,07 -38,96 38,96
PF= SPI -63,60 63,60 -34,27 34,27
PF= SCI -63,60 63,60 -34,29 34,29
ES PF= 1 -63,60 63,60 -61,51 61,51
PF= SPI -63,60 63,60 -59,12 59,12
PF= SCI -63,60 63,60 -59,19 59,19
Gemiddelde PV PF= 1 -59,76 59,76 -63,72 63,72
PF= SPI -60,42 60,42 -65,78 65,78
PF= SCI -60,29 60,29 -65,73 65,73
ED PF= 1 -51,07 51,07 -38,96 38,96
PF= SPI -63,60 63,60 -34,27 34,27
PF= SCI -63,60 63,60 -34,29 34,29
ES PF= 1 -63,60 63,60 -61,51 61,51
PF= SPI -63,60 63,60 -59,12 59,12
PF= SCI -63,60 63,60 -59,19 59,19
Project PV PF= 1 -59,76 59,76 -63,72 63,72
PF= SPI -60,50 60,50 -65,78 65,78
PF= SCI -60,36 60,36 -65,73 65,73
ED PF= 1 -51,07 51,07 -38,96 38,96
PF= SPI -63,60 63,60 -34,27 34,27
PF= SCI -63,60 63,60 -34,29 34,29
ES PF= 1 -63,60 63,60 -61,51 61,51
PF= SPI -63,60 63,60 -59,12 59,12
PF= SCI -63,60 63,60 -59,19 59,19
Tabel 76: MAPE waarden voor voorspelling van tijd van het project ISIS
xix
Vervangparameter Method Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PV PF= 1 -17,05 17,05 -21,10 21,10
PF= SPI -21,92 21,92 -10,11 22,03
PF= SCI -20,37 20,54 -3,12 28,88
ED PF= 1 -15,75 15,75 -13,20 13,20
PF= SPI -7,39 9,01 0,32 12,43
PF= SCI -5,44 10,63 5,43 16,59
ES PF= 1 -23,86 23,86 -14,74 14,74
PF= SPI -20,94 20,94 13,47 34,56
PF= SCI -88,05 88,05 -85,09 85,09
Gemiddelde PV PF= 1 -17,45 17,45 -21,10 21,10
PF= SPI -20,05 21,83 -10,11 22,03
PF= SCI -19,32 23,21 -4,15 29,91
ED PF= 1 -15,50 15,50 -13,20 13,20
PF= SPI -5,19 8,60 0,32 12,43
PF= SCI -4,55 12,99 4,40 17,62
ES PF= 1 -23,70 23,70 -14,74 14,74
PF= SPI -18,59 21,67 13,47 34,56
PF= SCI -18,99 20,78 20,65 40,72
Project PV PF= 1 -17,53 17,53 -21,10 21,10
PF= SPI -10,96 22,65 -10,11 22,03
PF= SCI -5,60 28,81 -3,12 28,88
ED PF= 1 -15,50 15,50 -13,20 13,20
PF= SPI 3,49 13,56 0,32 12,43
PF= SCI 9,33 18,75 5,43 16,59
ES PF= 1 -23,70 23,70 -14,74 14,74
PF= SPI -27,52 27,52 13,47 34,56
PF= SCI -27,27 27,27 -1,26 20,77
Tabel 77: MAPE waarden voor voorspelling van tijd van het project Morrisons
xx
Vervangparameter Method Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PV PF= 1 4,14 4,64 1,90 6,02
PF= SPI 2,51 4,76 6,18 11,46
PF= SCI 2,01 4,01 3,10 8,17
ED PF= 1 3,63 3,63 2,65 7,67
PF= SPI 4,39 4,89 6,18 11,46
PF= SCI 4,26 4,51 4,55 9,82
ES PF= 1 9,77 9,77 14,39 14,39
PF= SPI 10,53 10,53 24,16 24,16
PF= SCI 10,53 10,53 21,88 21,88
Gemiddelde PV PF= 1 4,14 4,64 1,90 6,02
PF= SPI 13,03 15,04 6,18 11,46
PF= SCI 11,53 13,28 3,10 8,17
ED PF= 1 4,51 4,51 2,65 7,67
PF= SPI 14,91 15,41 6,18 11,46
PF= SCI 13,78 14,04 4,55 9,82
ES PF= 1 9,77 9,77 14,39 14,39
PF= SPI 11,53 11,53 24,16 24,16
PF= SCI 10,65 10,65 21,88 21,88
Project PV PF= 1 4,14 4,64 1,90 6,02
PF= SPI 4,26 7,02 6,18 11,46
PF= SCI 0,63 3,13 3,10 8,17
ED PF= 1 4,51 4,51 2,65 7,67
PF= SPI 6,14 6,64 6,18 11,46
PF= SCI 4,89 5,14 4,55 9,82
ES PF= 1 9,77 9,77 14,39 14,39
PF= SPI 17,04 17,04 24,16 24,16
PF= SCI 16,67 16,67 21,88 21,88
Tabel 78: MAPE waarden voor voorspelling van tijd van het project Ecofrost
xxi
Vervangparameter Method Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PV PF= 1 4,55 8,59 -13,88 17,59
PF= SPI 0,76 4,80 -17,49 24,89
PF= SCI -0,51 3,54 -20,08 21,17
ED PF= 1 5,56 5,56 -14,61 16,50
PF= SPI 7,07 7,07 -11,54 18,93
PF= SCI 6,57 6,57 -12,20 17,28
ES PF= 1 5,87 6,63 -6,89 12,05
PF= SPI 8,33 9,34 -5,36 19,43
PF= SCI 6,82 7,83 -0,95 16,27
Gemiddelde PV PF= 1 4,55 8,59 -13,88 17,59
PF= SPI 1,01 5,05 -17,49 24,89
PF= SCI 65,83 3,79 -20,08 21,17
ED PF= 1 5,56 5,56 -14,61 16,50
PF= SPI 7,32 7,32 -11,54 18,93
PF= SCI 6,82 6,82 -12,20 17,28
ES PF= 1 5,87 6,63 -6,89 12,05
PF= SPI 13,64 14,65 -5,36 19,43
PF= SCI 11,87 12,88 21,27 37,99
Project PV PF= 1 4,55 8,59 -13,88 17,59
PF= SPI 1,52 5,56 -17,49 24,89
PF= SCI 0,25 4,29 -20,08 21,17
ED PF= 1 5,56 5,56 -14,61 16,50
PF= SPI 7,83 7,83 -11,54 18,93
PF= SCI 7,32 7,32 -12,20 17,28
ES PF= 1 3,71 3,71 -11,89 14,45
PF= SPI 13,64 14,65 -5,36 19,43
PF= SCI 11,87 12,88 21,27 37,99
Tabel 79: MAPE waarden voor voorspelling van tijd van het project Brouwerij
xxii
Vervangparameter Method Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PV PF= 1 -7,94 8,01 -13,65 14,70
PF= SPI -7,38 11,63 2,70 24,44
PF= SCI -5,20 13,18 8,45 25,29
ED PF= 1 -7,27 7,38 -9,88 10,74
PF= SPI -1,81 6,94 5,75 21,39
PF= SCI -0,90 7,77 1,26 25,83
ES PF= 1 -7,46 7,64 -12,46 12,61
PF= SPI -5,19 7,77 8,72 27,13
PF= SCI -3,32 9,52 13,59 33,88
Gemiddelde PV PF= 1 -7,94 8,01 -13,65 14,70
PF= SPI -4,95 12,40 2,70 24,44
PF= SCI -1,99 14,17 8,45 25,29
ED PF= 1 -7,59 7,70 -9,88 10,74
PF= SPI 0,31 7,88 5,75 21,39
PF= SCI 6,26 12,16 1,26 25,83
ES PF= 1 -7,46 7,64 -12,46 12,61
PF= SPI 1,85 11,22 8,72 27,13
PF= SCI 2,90 15,85 16,19 35,29
Project PV PF= 1 -7,94 8,01 -13,65 14,70
PF= SPI 3,10 14,32 2,70 24,44
PF= SCI 11,33 23,03 8,45 25,29
ED PF= 1 -7,22 7,33 -9,88 10,74
PF= SPI 15,95 19,90 5,75 21,39
PF= SCI 15,28 20,01 1,26 25,83
ES PF= 1 -7,44 7,62 -12,46 12,61
PF= SPI 3,27 12,35 8,72 27,13
PF= SCI 5,35 15,10 13,59 33,88
Tabel 80: MAPE waarden voor voorspelling van tijd van het project Imerys
xxiii
Vervangparameter Method Formule MPE(WPM) MAPE(WPM) MPE(EVM) MAPE(EVM)
1 PV PF= 1 6,91 6,91 1,31 2,31
PF= SPI 11,57 11,57 6,88 11,61
PF= SCI 5,35 5,35 9,86 22,78
ED PF= 1 6,28 6,28 0,72 3,12
PF= SPI 11,57 11,57 6,88 11,61
PF= SCI 6,80 6,80 3,61 11,63
ES PF= 1 9,09 9,09 3,31 3,34
PF= SPI 12,57 12,57 5,91 5,99
PF= SCI 11,30 11,30 1,12 4,85
Gemiddelde PV PF= 1 6,91 6,91 1,31 2,31
PF= SPI 18,92 18,92 6,88 11,61
PF= SCI 6,13 6,13 8,68 23,97
ED PF= 1 6,28 6,28 0,72 3,12
PF= SPI 18,92 18,92 6,88 11,61
PF= SCI 10,77 10,77 2,42 11,76
ES PF= 1 9,09 9,09 3,31 3,34
PF= SPI 15,49 15,49 5,91 5,99
PF= SCI 21,29 21,29 10,30 14,03
Project PV PF= 1 6,91 6,91 1,31 2,31
PF= SPI 14,24 14,73 6,88 11,61
PF= SCI 9,54 11,60 9,86 22,78
ED PF= 1 6,30 6,30 0,72 3,12
PF= SPI 14,24 14,73 6,88 11,61
PF= SCI 8,01 10,22 3,61 11,63
ES PF= 1 9,09 9,09 3,31 3,34
PF= SPI 12,57 12,57 5,91 5,99
PF= SCI 8,83 9,65 1,12 4,85
Tabel 81: MAPE waarden voor voorspelling van tijd van het project Eandis
7.2 Bijlage 2: Output SPSS
xxiv
Onderzoeksvraag 1.A. T-Test
Paired Samples Statistics
Mean N Std. Deviation Std. Error Mean
Pair 1
WPM1 9,31375751349
1717 78
13,1487361810
81867
1,48880120058
6511
EVM1 14,7105063603
99618 78
14,0954596161
30245
1,59599652090
5688
Pair 2
WPM Gemiddelde 13,7997686227
85143 77
13,3559026927
61434
1,52204637000
5924
EVM gemiddelde 15,1093305908
26960 77
14,6059771408
17993
1,66450557472
3913
Pair 3
WPM Project 13,3116188253
85617 78
13,4093676547
67550
1,51831190378
9468
EVM Project 15,0665175459
82505 78
14,2860909929
47095
1,61758127390
1396
Pair 4
WPM 12,1345988771
96940 233
13,3998589591
71327
,877853948095
858
EVM 14,9614863527
53143 233
14,2687431303
20251
,934776442758
313
Normaliteit
Tests of Normality
Mean Std. Deviation Std. Error Mean t df Sig. (2-tailed)
Pair 1 WPM1 -
EVM1
-
5,3967488469079
01
8,20622604975011
6
,929172129313
118 -5,808 77 ,000
Pair 2
WPM
Gemiddelde -
EVM
gemiddelde
-
1,3095619680418
18
8,81945656710512
3
1,00507035444
8040 -1,303 76 ,197
Pair 3 WPM Project
- EVM Project
-
1,7548987205968
88
5,34592620578327
5
,605306946904
016 -2,899 77 ,005
Pair 4 WPM - EVM
-
2,8268874755562
04
7,79020519333026
9
,510353310902
666 -5,539 232 ,000
xxv
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
WPM1 ,266 77 ,000 ,668 77 ,000
EVM1 ,150 77 ,000 ,866 77 ,000
WPM Gemiddelde ,160 77 ,000 ,825 77 ,000
EVM gemiddelde ,167 77 ,000 ,862 77 ,000
WPM Project ,166 77 ,000 ,837 77 ,000
EVM Project ,158 77 ,000 ,867 77 ,000
WPM ,266 77 ,000 ,668 77 ,000
EVM ,150 77 ,000 ,866 77 ,000
a. Lilliefors Significance Correction
Wilcoxon Test N Mean Std. Deviation Minimum Maximum
WPM1 78 9,3137575134917
17
13,148736181081
867
,00000000000000
00
61,124417613636
3600
WPM Gemiddelde 77 13,799768622785
140
13,355902692761
433
,24950362499918
08
61,124417613636
3600
WPM Project 78 13,311618825385
615
13,409367654767
550
,00000000000000
00
61,124417613636
3600
WPM 233 12,134598877196
943
13,399858959171
326
,00000000000000
00
61,124417613636
3600
EVM1 78 14,710506360399
613
14,095459616130
245
,00356277611514
83
61,124417613636
3600
EVM gemiddelde 78 14,973834043106
477
14,560082965301
264
,00356277611514
83
61,124417613636
3600
EVM Project 78 15,066517545982
503
14,286090992947
095
,24950362499915
69
61,124417613636
3600
EVM 234 14,916952649829
529
14,254378421524
030
,00356277611514
83
61,124417613636
3600
Test Statisticsa
EVM1 - WPM1 EVM
gemiddelde -
WPM
Gemiddelde
EVM Project -
WPM Project
EVM - WPM
Z -5,794b -1,167b -2,502b -5,642b
Asymp. Sig. (2-tailed) ,000 ,243 ,012 ,000
xxvi
Onderzoeksvraag 1.B. T-Test
Paired Samples Statistics
Mean N Std. Deviation Std. Error Mean
Pair 1
WPM1 17,7157822385
25026 144
15,8837448736
60351
1,32364540613
8363
EVM1 27,4273211783
02503 144
20,0939506765
12133
1,67449588970
9344
Pair 2
WPM Gemiddelde 19,3657156593
26470 144
16,3325665142
59190
1,36104720952
1599
EVM gemiddelde 27,5124886778
27220 144
20,1369364277
02560
1,67807803564
1880
Pair 3
WPM Project 19,5855243481
40222 144
16,3857534662
23050
1,36547945551
8588
EVM Project 27,4562648154
80296 144
20,1587841931
91263
1,67989868276
5939
Pair 4
WPM 18,8890074153
30560 432
16,1861897298
86620
,778758416475
366
EVM 27,4653582238
70005 432
20,0831802170
94352
,966252458710
266
Normaliteit
Mean Std. Deviation Std. Error Mean t df Sig. (2-tailed)
Pair 1 WPM1 -
EVM1
-
9,711538939777476
21,62173791274
6870
1,80181149272890
6 -5,390 143 ,000
Pair 2
WPM
Gemiddeld
e - EVM
gemiddeld
e
-
8,146773018500753
22,02782177362
7725
1,83565181446897
7 -4,438 143 ,000
Pair 3
WPM
Project -
EVM
Project
-
7,870740467340074
21,51763319051
1766
1,79313609920931
4 -4,389 143 ,000
Pair 4 WPM -
EVM
-
8,576350808539445
21,68823907241
5566
1,04347588889234
1 -8,219 431 ,000
xxvii
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
WPM1 ,163 144 ,000 ,811 144 ,000
EVM1 ,173 144 ,000 ,820 144 ,000
WPM Gemiddelde ,187 144 ,000 ,824 144 ,000
EVM gemiddelde ,168 144 ,000 ,828 144 ,000
WPM Project ,184 144 ,000 ,842 144 ,000
EVM Project ,174 144 ,000 ,823 144 ,000
WPM ,163 144 ,000 ,811 144 ,000
EVM ,173 144 ,000 ,820 144 ,000
a. Lilliefors Significance Correction
Wilcoxon Test N Mean Std. Deviation Minimum Maximum
WPM1 144 17,715782238525
023
15,883744873660
355
1,0906862745098
040
63,603755477819
7300
WPM Gemiddelde 144 19,365715659326
460
16,332566514259
190
1,0906862745098
040
63,603755477819
7300
WPM Project 144 19,585524348140
208
16,385753466223
050
1,0906862745098
040
63,603755477819
7300
WPM 432 18,889007415330
580
16,186189729886
618
1,0906862745098
040
63,603755477819
7300
EVM1 144 27,427321178302
503
20,093950676512
133
2,3100365265554
120
88,087594692115
0600
EVM gemiddelde 144 27,512488677827
225
20,136936427702
560
2,3100365265554
120
88,087594692115
0600
EVM Project 144 27,456264815480
306
20,158784193191
266
2,3100365265554
120
88,087594692115
0600
EVM 432 27,465358223870
027
20,083180217094
355
2,3100365265554
120
88,087594692115
0600
Test Statisticsa
EVM1 - WPM1 EVM
gemiddelde -
WPM
Gemiddelde
EVM Project -
WPM Project
EVM - WPM
Z -5,861b -4,511b -4,794b -8,766b
Asymp. Sig. (2-tailed) ,000 ,000 ,000 ,000
xxviii
Onderzoeksvraag2.A. 1-way Repeated measures Anova
Descriptive Statistics
Mean Std. Deviation N
MAPE 1 8,47742849309
2106
12,3926699705
11873 63
MAPE 2 13,4777959136
68640
12,6141770590
40168 63
MAPE 3 13,2498456961
38859
12,9145276980
08412 63
Source Type III Sum of
Squares
df Mean Square F Sig.
factor1
Sphericity Assumed 1004,464 2 502,232 19,455 ,000
Greenhouse-Geisser 1004,464 1,900 528,692 19,455 ,000
Huynh-Feldt 1004,464 1,958 512,927 19,455 ,000
Lower-bound 1004,464 1,000 1004,464 19,455 ,000
Error(factor1)
Sphericity Assumed 3201,010 124 25,815
Greenhouse-Geisser 3201,010 117,794 27,175
Huynh-Feldt 3201,010 121,415 26,364
Lower-bound 3201,010 62,000 51,629
Pairwise Comparisons
Measure: MEASURE_1 (I) factor1 (J) factor1 Mean
Difference (I-J)
Std. Error Sig.b 95% Confidence Interval for
Differenceb
Lower Bound Upper Bound
1 2 -5,000* ,795 ,000 -6,956 -3,044
3 -4,772* ,961 ,000 -7,138 -2,407
2 1 5,000* ,795 ,000 3,044 6,956
3 ,228 ,950 1,000 -2,109 2,565
3 1 4,772* ,961 ,000 2,407 7,138
2 -,228 ,950 1,000 -2,565 2,109
Based on estimated marginal means
*. The mean difference is significant at the ,05 level.
xxix
b. Adjustment for multiple comparisons: Bonferroni.
Shapiro-Wilk: Normale verderling Tests of Normality
Vervang Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
MAPE
1 ,260 64 ,000 ,644 64 ,000
2 ,148 64 ,001 ,848 64 ,000
3 ,150 64 ,001 ,858 64 ,000
a. Lilliefors Significance Correction
Geen normale verdeling Friedman
Descriptive Statistics
N Percentiles
25th 50th (Median) 75th
MAPE 1 63 1,45239530411
3207
3,83188382813
1455
9,18274170180
4590
MAPE 2 63 3,93570666928
9485
10,7792080482
13540
18,8530974384
88890
MAPE 3 63 3,39603321937
5954
9,60285569336
1537
24,8535611018
21900
Ranks
Mean Rank
MAPE 1 1,28
MAPE 2 2,40
MAPE 3 2,33
Test Statisticsa
N 63
Chi-Square 55,142
df 2
Asymp. Sig. ,000
a. Friedman Test
xxx
Post Hoc Test: Wilcoxon N Mean Std. Deviation Minimum Maximum
MAPE 1 63 8,477428493
092106
12,3926699705118
73
,000000000000000
0 55,7509110323048200
MAPE 2 64 13,73928907
1192180
12,6873174404411
40
,249503624999180
8 61,1244176136363600
MAPE 3 64 13,29579412
4782692
12,8168937274587
66
,000000000000000
0 55,7509110323048200
Test Statisticsa
MAPE 2 -
MAPE 1
MAPE 3 -
MAPE 1
MAPE 3 -
MAPE 2
Z -5,958b -5,247b -,385c
Asymp. Sig. (2-tailed) ,000 ,000 ,700
a. Wilcoxon Signed Ranks Test
b. Based on negative ranks.
c. Based on positive ranks.
xxxi
Onderzoeksvraag 2.B. 1-way Repeated measures Anova
Descriptive Statistics
Mean Std. Deviation N
MAPE 1 17,7157822385
25023
15,8837448736
60353 144
MAPE 2 19,3657156593
26460
16,3325665142
59195 144
MAPE 3 19,9602093137
47950
16,7693409138
98280 144
Source Type III
Sum of
Squares
df Mean Square F Sig.
factor1
Sphericity Assumed 389,431 2 194,716 4,280 ,015
Greenhouse-Geisser 389,431 1,129 344,866 4,280 ,035
Huynh-Feldt 389,431 1,132 343,998 4,280 ,035
Lower-bound 389,431 1,000 389,431 4,280 ,040
Error(factor1)
Sphericity Assumed 13010,572 286 45,492
Greenhouse-Geisser 13010,572 161,479 80,571
Huynh-Feldt 13010,572 161,887 80,368
Lower-bound 13010,572 143,000 90,983
Pairwise Comparisons
Measure: Vervang (I) factor1 (J) factor1 Mean
Difference (I-J)
Std. Error Sig.b 95% Confidence Interval for
Differenceb
Lower Bound Upper Bound
1 2 -1,650* ,280 ,000 -2,329 -,971
3 -2,244 ,972 ,067 -4,600 ,111
2 1 1,650* ,280 ,000 ,971 2,329
3 -,594 ,934 1,000 -2,856 1,667
3 1 2,244 ,972 ,067 -,111 4,600
2 ,594 ,934 1,000 -1,667 2,856
Based on estimated marginal means
*. The mean difference is significant at the ,05 level.
b. Adjustment for multiple comparisons: Bonferroni.
xxxii
Shapiro-Wilk: Normale verderling
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
MAPE ,177 437 ,000 ,826 437 ,000
a. Lilliefors Significance Correction
Friedman
Descriptive Statistics
N Percentiles
25th 50th (Median) 75th
MAPE 1 144 6,45558950324
3158
12,4974577411
28542
22,0937451497
74957
MAPE 2 144 7,65975118399
6606
14,9259398496
24058
22,2324795105
83037
MAPE 3 144 7,42621152380
9004
14,9774824658
54560
25,1400818043
36140
Ranks
Mean Rank
MAPE 1 1,75
MAPE 2 2,18
MAPE 3 2,07
Test Statisticsa
N 144
Chi-Square 19,923
df 2
Asymp. Sig. ,000
a. Friedman Test
xxxiii
Post Hoc Test: Wilcoxon
Descriptive Statistics
N Mean Std. Deviation Minimum Maximum
MAPE 1 144 17,7157822385
25023
15,8837448736
60355
1,09068627450
98040
63,6037554778
197300
MAPE 2 144 19,3657156593
26460
16,3325665142
59190
1,09068627450
98040
63,6037554778
197300
MAPE 3 149 19,6913000986
61873
16,5635807670
80005
1,09068627450
98040
63,6037554778
197300
Test Statisticsa
MAPE 2 -
MAPE 1
MAPE 3 -
MAPE 1
MAPE 3 -
MAPE 2
Z -5,580b -2,890b -,530c
Asymp. Sig. (2-tailed) ,000 ,004 ,596
a. Wilcoxon Signed Ranks Test
b. Based on negative ranks.
c. Based on positive ranks.
xxxiv
Onderzoeksvraag 3.A. Vervangingsparameter 1 1-way Repeated measures Anova
Descriptive Statistics
Mean Std. Deviation N
As planned (WPM 1) 6,57873777363
6274
14,3949848465
17595 16
SPI (WPM 1) 8,87993335538
1736
13,4206031163
94098 16
SCI (WPM 1) 9,25560114996
0055
10,3009015996
71260 16
CPI (WPM 1) 8,97933032466
9950
11,7139966423
25187 16
Source Type III Sum of
Squares
df Mean Square F Sig.
factor1
Sphericity Assumed 73,805 3 24,602 2,261 ,094
Greenhouse-Geisser 73,805 1,569 47,034 2,261 ,135
Huynh-Feldt 73,805 1,720 42,898 2,261 ,131
Lower-bound 73,805 1,000 73,805 2,261 ,153
Error(factor1)
Sphericity Assumed 489,720 45 10,883
Greenhouse-Geisser 489,720 23,538 20,805
Huynh-Feldt 489,720 25,807 18,976
Lower-bound 489,720 15,000 32,648
Shapiro-Wilk: Normale verderling Tests of Normality
Vervang Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
MAPE
1 ,260 64 ,000 ,644 64 ,000
2 ,148 64 ,001 ,848 64 ,000
3 ,150 64 ,001 ,858 64 ,000
a. Lilliefors Significance Correction
Geen normale verdeling
xxxv
Friedman
Descriptive Statistics
N Percentiles
25th 50th (Median) 75th
As planned (WPM 1) 16 ,848053545460
048
1,50499979953
3240
3,83325270123
7569
SPI (WPM 1) 16 1,49860397861
4535
4,29055948703
2979
10,3552584594
90100
SCI (WPM 1) 16 2,50235863024
8580
7,14596271108
7503
10,6757459823
38823
CPI (WPM 1) 16 1,58806763785
0473
5,33076072160
9384
10,4256910646
91202
Ranks
Mean Rank
As planned (WPM 1) 1,56
SPI (WPM 1) 2,63
SCI (WPM 1) 3,06
CPI (WPM 1) 2,75
Test Statisticsa
N 16
Chi-Square 12,538
df 3
Asymp. Sig. ,006
a. Friedman Test
xxxvi
Post Hoc Test: Wilcoxon
Descriptive Statistics
Mean Std. Deviation N
As planned (WPM gem) 12,2518093023
89933
15,6009888491
38760 16
SPI (WPM gem) 11,2869025574
95166
12,8034132840
94841 16
SCI (WPM gem) 14,6369731241
37452
9,97409727301
9904 16
CPI (WPM gem) 16,7814713007
46160
12,2375719341
58197 16
N Mean Std. Deviation Percentiles
25th 50th (Median) 75th
As planned
(WPM 1) 16
6,578737773636
275
14,39498484651
7598
,8480535454600
48
1,504999799533
240
3,833252701237
569
SPI (WPM 1) 16 8,879933355381
738
13,42060311639
4098
1,498603978614
535
4,290559487032
979
10,35525845949
0100
SCI (WPM 1) 16 9,255601149960
057
10,30090159967
1258
2,502358630248
580
7,145962711087
503
10,67574598233
8823
CPI (WPM 1) 16 8,979330324669
950
11,71399664232
5188
1,588067637850
473
5,330760721609
384
10,42569106469
1202
Test Statisticsa
SPI (WPM 1) -
As planned
(WPM 1)
SCI (WPM 1) -
As planned
(WPM 1)
CPI (WPM 1) -
As planned
(WPM 1)
SCI (WPM 1) -
SPI (WPM 1)
CPI (WPM 1) -
SPI (WPM 1)
CPI
(WPM
1) - SCI
(WPM
1)
Z -2,379b -2,430b -1,706b -,909b -,057c -,682c
Asymp. Sig. (2-tailed) ,017 ,015 ,088 ,363 ,955 ,496
a. Wilcoxon Signed Ranks Test
b. Based on negative ranks.
c. Based on positive ranks.`
Vervangingsparameter gemiddelde 1-way Repeated measures Anova
xxxvii
Source Type III Sum of
Squares
df Mean Square F Sig.
factor1
Sphericity Assumed 292,600 3 97,533 2,199 ,101
Greenhouse-Geisser 292,600 2,279 128,370 2,199 ,120
Huynh-Feldt 292,600 2,710 107,982 2,199 ,109
Lower-bound 292,600 1,000 292,600 2,199 ,159
Error(factor1)
Sphericity Assumed 1995,820 45 44,352
Greenhouse-Geisser 1995,820 34,190 58,374
Huynh-Feldt 1995,820 40,646 49,103
Lower-bound 1995,820 15,000 133,055
Shapiro-Wilk: Normale verderling
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
As planned (WPM gem) ,279 16 ,002 ,706 16 ,000
SPI (WPM gem) ,242 16 ,013 ,740 16 ,000
SCI (WPM gem) ,168 16 ,200* ,938 16 ,322
CPI (WPM gem) ,134 16 ,200* ,937 16 ,316
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
Friedman
Descriptive Statistics
N Percentiles
25th 50th (Median) 75th
As planned (WPM gem) 16 3,64934366142
9424
6,20285263574
2421
19,6101624148
59350
SPI (WPM gem) 16 2,29427532841
5879
10,0091685876
26025
13,4024652728
52405
SCI (WPM gem) 16 6,60051385966
6202
11,4799291146
29721
23,6312591519
10182
CPI (WPM gem) 16 6,30216854087
9958
14,4395412324
90498
25,4136911282
66140
xxxviii
Ranks
Mean Rank
As planned (WPM gem) 2,19
SPI (WPM gem) 2,00
SCI (WPM gem) 2,78
CPI (WPM gem) 3,03
Test Statisticsa
N 16
Chi-Square 7,026
df 3
Asymp. Sig. ,071
a. Friedman Test
Vervangingsparameter project 1-way Repeated measures Anova
Descriptive Statistics
Mean Std. Deviation N
As planned (WPM p) 6,84063107390
6946
14,3324552656
20316 16
SPI (WPM p) 13,3729031839
95206
14,0660942257
29500 16
SCI (WPM p) 15,3769760272
71274
8,53383762957
1831 16
CPI (WPM p) 17,5926662139
57340
12,0448111756
69816 16
Source Type III Sum of
Squares
df Mean Square F Sig.
factor1
Sphericity Assumed 1031,512 3 343,837 5,684 ,002
Greenhouse-Geisser 1031,512 2,211 466,597 5,684 ,006
Huynh-Feldt 1031,512 2,609 395,318 5,684 ,004
Lower-bound 1031,512 1,000 1031,512 5,684 ,031
Error(factor1)
Sphericity Assumed 2722,198 45 60,493
Greenhouse-Geisser 2722,198 33,161 82,091
Huynh-Feldt 2722,198 39,140 69,551
Lower-bound 2722,198 15,000 181,480
xxxix
Pairwise Comparisons
Measure: METH (I) factor1 (J) factor1 Mean
Difference (I-J)
Std. Error Sig.b 95% Confidence Interval for
Differenceb
Lower Bound Upper Bound
1
2 -6,532 2,259 ,067 -13,393 ,328
3 -8,536 2,894 ,060 -17,325 ,252
4 -10,752* 3,294 ,031 -20,754 -,750
2
1 6,532 2,259 ,067 -,328 13,393
3 -2,004 3,188 1,000 -11,683 7,675
4 -4,220 2,258 ,488 -11,076 2,637
3
1 8,536 2,894 ,060 -,252 17,325
2 2,004 3,188 1,000 -7,675 11,683
4 -2,216 2,403 1,000 -9,512 5,081
4
1 10,752* 3,294 ,031 ,750 20,754
2 4,220 2,258 ,488 -2,637 11,076
3 2,216 2,403 1,000 -5,081 9,512
Based on estimated marginal means
*. The mean difference is significant at the ,05 level.
b. Adjustment for multiple comparisons: Bonferroni.
Shapiro-Wilk: Normale verderling
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
As planned (WPM p) ,409 16 ,000 ,497 16 ,000
SPI (WPM p) ,243 16 ,012 ,813 16 ,004
SCI (WPM p) ,158 16 ,200* ,917 16 ,148
CPI (WPM p) ,161 16 ,200* ,932 16 ,264
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
xl
Friedman Descriptive Statistics
N Percentiles
25th 50th (Median) 75th
As planned (WPM p) 16 ,878726966587
214
1,84989476858
0308
4,29351120636
9755
SPI (WPM p) 16 2,63364909732
9784
9,79344406793
1118
22,0448692472
74494
SCI (WPM p) 16 9,03556356185
9533
13,1295342778
83394
23,5746134814
83972
CPI (WPM p) 16 8,29314456594
3816
15,1628594317
62179
25,5868927763
63122
Ranks
Mean Rank
As planned (WPM p) 1,31
SPI (WPM p) 2,31
SCI (WPM p) 3,31
CPI (WPM p) 3,06
Test Statisticsa
N 16
Chi-Square 23,846
df 3
Asymp. Sig. ,000
a. Friedman Test
Post Hoc Test: Wilcoxon
N Mean Std. Deviation Percentiles
25th 50th (Median) 75th
As planned (WPM p) 16 6,8406310739069
46
14,332455265620
318
,87872696658721
4
1,8498947685803
08
4,293511206
369755
SPI (WPM p) 16 13,372903183995
206
14,066094225729
504
2,6336490973297
84
9,7934440679311
18
22,04486924
7274494
SCI (WPM p) 16 15,376976027271
274
8,5338376295718
31
9,0355635618595
33
13,129534277883
394
23,57461348
1483972
CPI (WPM p) 16 17,592666213957
340
12,044811175669
816
8,2931445659438
16
15,162859431762
179
25,58689277
6363122
Test Statisticsa
xli
SPI (WPM p) -
As planned
(WPM p)
SCI (WPM p) -
As planned
(WPM p)
CPI (WPM p) -
As planned
(WPM p)
SCI (WPM p) -
SPI (WPM p)
CPI (WPM p) -
SPI (WPM p)
CPI
(WPM p) -
SCI
(WPM p)
Z -2,947b -2,741b -2,896b -,966b -1,817b -,284c
Asymp. Sig. (2-tailed) ,003 ,006 ,004 ,334 ,069 ,776
a. Wilcoxon Signed Ranks Test
b. Based on negative ranks.
c. Based on positive ranks.
Algemeen 1-way Repeated measures Anova
Descriptive Statistics
Mean Std. Deviation N
MAPE AS 8,557059383311053 14,708922381305785 48
MAPE 2 11,179913032290699 13,281080562552763 48
MAPE 3 13,089850100456260 9,821253135044664 48
MAPE 4 14,451155946457819 12,381047389190151 48
Source Type III Sum of
Squares
df Mean Square F Sig.
factor1
Sphericity Assumed 940,416 3 313,472 7,802 ,000
Greenhouse-Geisser 940,416 2,343 401,379 7,802 ,000
Huynh-Feldt 940,416 2,474 380,186 7,802 ,000
Lower-bound 940,416 1,000 940,416 7,802 ,008
Error(factor1)
Sphericity Assumed 5665,240 141 40,179
Greenhouse-Geisser 5665,240 110,119 51,446
Huynh-Feldt 5665,240 116,258 48,730
Lower-bound 5665,240 47,000 120,537
xlii
Pairwise Comparisons
Measure: METH (I) factor1 (J) factor1 Mean Difference
(I-J)
Std. Error Sig.b 95% Confidence Interval for
Differenceb
Lower Bound Upper Bound
1
2 -2,623 1,273 ,270 -6,130 ,885
3 -4,533* 1,424 ,015 -8,454 -,611
4 -5,894* 1,537 ,002 -10,126 -1,662
2
1 2,623 1,273 ,270 -,885 6,130
3 -1,910 1,385 1,000 -5,725 1,905
4 -3,271* 1,135 ,036 -6,398 -,145
3
1 4,533* 1,424 ,015 ,611 8,454
2 1,910 1,385 1,000 -1,905 5,725
4 -1,361 ,911 ,849 -3,869 1,147
4
1 5,894* 1,537 ,002 1,662 10,126
2 3,271* 1,135 ,036 ,145 6,398
3 1,361 ,911 ,849 -1,147 3,869
Based on estimated marginal means
*. The mean difference is significant at the ,05 level.
b. Adjustment for multiple comparisons: Bonferroni.
Shapiro-Wilk: Normale verderling
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
MAPE AS ,333 48 ,000 ,582 48 ,000
MAPE 2 ,240 48 ,000 ,733 48 ,000
MAPE 3 ,149 48 ,009 ,912 48 ,002
MAPE 4 ,131 48 ,037 ,891 48 ,000
a. Lilliefors Significance Correction
xliii
Friedman Descriptive Statistics
N Percentiles
25th 50th (Median) 75th
MAPE AS 48 ,965965422979
968
3,28264409389
7551
6,22260609960
9541
MAPE 2 48 1,80829680000
5088
7,99584479509
8202
12,7374117701
70635
MAPE 3 48 5,79373734142
4622
10,5927299850
70360
17,2472035697
00420
MAPE 4 48 4,55037140957
9812
11,4583604625
18048
24,5994026211
85774
Ranks
Mean Rank
MAPE AS 1,69
MAPE 2 2,31
MAPE 3 3,05
MAPE 4 2,95
Test Statisticsa
N 48
Chi-Square 35,544
df 3
Asymp. Sig. ,000
a. Friedman Test
Post Hoc Test: Wilcoxon
N Mean Std. Deviation Percentiles
25th 50th (Median) 75th
MAPE AS 48 8,557059383311
055
14,70892238130
5785
,9659654229799
68
3,282644093897
551
6,222606099609
541
MAPE 2 48 11,17991303229
0700
13,28108056255
2765
1,808296800005
088
7,995844795098
202
12,73741177017
0635
MAPE 3 48 13,08985010045
6260
9,821253135044
666
5,793737341424
622
10,59272998507
0360
17,24720356970
0420
MAPE 4 48 14,45115594645
7819
12,38104738919
0153
4,550371409579
812
11,45836046251
8048
24,59940262118
5774
xliv
Test Statisticsa
MAPE 2 - MAPE
AS
MAPE 3 - MAPE
AS
MAPE 4 - MAPE
AS
MAPE 3 - MAPE
2
MAPE 4 - MAPE
2
MAPE 4 -
MAPE 3
Z -2,677b -3,795b -3,682b -1,992b -2,624b -,245b
Asymp. Sig. (2-tailed) ,007 ,000 ,000 ,046 ,009 ,806
a. Wilcoxon Signed Ranks Test
b. Based on negative ranks.
xlv
Onderzoeksvraag 3.B. Vervangingsparameter 1 1-way Repeated measures Anova
Descriptive Statistics
Mean Std. Deviation N
MAPE 1 PV 18,3541607053
11134
16,3397294212
39223 48
MAPE 1 ED 16,7399856019
40873
16,1522732856
82910 48
MAPE 1 ES 18,0532004083
23058
15,4346474407
83100 48
Source Type III Sum of
Squares
df Mean Square F Sig.
factor1
Sphericity Assumed 70,731 2 35,365 1,437 ,243
Greenhouse-Geisser 70,731 1,927 36,714 1,437 ,243
Huynh-Feldt 70,731 2,000 35,365 1,437 ,243
Lower-bound 70,731 1,000 70,731 1,437 ,237
Error(factor1)
Sphericity Assumed 2313,500 94 24,612
Greenhouse-Geisser 2313,500 90,547 25,550
Huynh-Feldt 2313,500 94,000 24,612
Lower-bound 2313,500 47,000 49,223
Shapiro-Wilk: Normale verderling Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
MAPE 1 PV ,214 48 ,000 ,823 48 ,000
MAPE 1 ED ,213 48 ,000 ,801 48 ,000
MAPE 1 ES ,208 48 ,000 ,764 48 ,000
a. Lilliefors Significance Correction
xlvi
Friedman
Descriptive Statistics
N Percentiles
25th 50th (Median) 75th
MAPE 1 PV 48 6,17988017958
3764
13,4393292200
60113
22,2677998577
30793
MAPE 1 ED 48 6,06273022156
2482
8,39358079186
8082
25,4678596899
25216
MAPE 1 ES 48 7,87488859180
0357
12,6383201116
68646
20,5820648750
70245
Ranks
Mean Rank
MAPE 1 PV 2,05
MAPE 1 ED 1,78
MAPE 1 ES 2,17
Test Statisticsa
N 48
Chi-Square 3,820
df 2
Asymp. Sig. ,148
a. Friedman Test
Vervangingsparameter gemiddelde 1-way Repeated measures Anova
Descriptive Statistics
Mean Std. Deviation N
MAPE gem PV 20,0176450016
61734
17,1246483571
21682 48
MAPE gem ED 18,6618117155
20063
16,3404440665
18053 48
MAPE gem ES 19,4176902607
97600
15,8241219890
09116 48
xlvii
Source Type III Sum of
Squares
df Mean Square F Sig.
factor1
Sphericity Assumed 44,313 2 22,157 ,785 ,459
Greenhouse-Geisser 44,313 1,834 24,167 ,785 ,449
Huynh-Feldt 44,313 1,904 23,269 ,785 ,454
Lower-bound 44,313 1,000 44,313 ,785 ,380
Error(factor1)
Sphericity Assumed 2653,092 94 28,224
Greenhouse-Geisser 2653,092 86,179 30,786
Huynh-Feldt 2653,092 89,505 29,642
Lower-bound 2653,092 47,000 56,449
Shapiro-Wilk: Normale verderling Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
MAPE gem PV ,199 48 ,000 ,829 48 ,000
MAPE gem ED ,182 48 ,000 ,845 48 ,000
MAPE gem ES ,236 48 ,000 ,762 48 ,000
a. Lilliefors Significance Correction
Friedman
Descriptive Statistics
N Percentiles
25th 50th (Median) 75th
MAPE gem PV 48 7,67578499869
1416
15,8838168121
07785
22,9131475068
54950
MAPE gem ED 48 6,54829545454
5454
13,0991237784
38344
26,1562936520
25454
MAPE gem ES 48 9,99373433583
9598
14,7303751803
75180
21,3796342718
48644
Ranks
Mean Rank
MAPE gem PV 2,07
MAPE gem ED 1,84
MAPE gem ES 2,08
xlviii
Test Statisticsa
N 48
Chi-Square 1,788
df 2
Asymp. Sig. ,409
a. Friedman Test
Vervangingsparameter project 1-way Repeated measures Anova
Descriptive Statistics
Mean Std. Deviation N
MAPE p PV 19,2300243172
30140
16,3969290299
84570 48
MAPE p ED 18,5176533396
88270
16,4896315964
27810 48
MAPE p ES 21,0088953875
02214
16,5158704597
36536 48
Source Type III Sum of
Squares
df Mean Square F Sig.
factor1
Sphericity Assumed 158,050 2 79,025 2,271 ,109
Greenhouse-Geisser 158,050 1,630 96,961 2,271 ,120
Huynh-Feldt 158,050 1,680 94,052 2,271 ,118
Lower-bound 158,050 1,000 158,050 2,271 ,138
Error(factor1)
Sphericity Assumed 3270,653 94 34,794
Greenhouse-Geisser 3270,653 76,612 42,691
Huynh-Feldt 3270,653 78,981 41,410
Lower-bound 3270,653 47,000 69,588
Shapiro-Wilk: Normale verderling
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
MAPE p PV ,170 48 ,001 ,853 48 ,000
MAPE p ED ,180 48 ,000 ,837 48 ,000
MAPE p ES ,268 48 ,000 ,801 48 ,000
a. Lilliefors Significance Correction
xlix
Friedman
Descriptive Statistics
N Percentiles
25th 50th (Median) 75th
MAPE p PV 48 7,17227879198
2429
15,4524239788
34440
25,6871871900
26037
MAPE p ED 48 6,56236178681
9992
12,3980875411
35538
28,5286455675
06160
MAPE p ES 48 10,2927332756
22530
16,8522183737
42375
21,8520028295
17140
Ranks
Mean Rank
MAPE p PV 1,97
MAPE p ED 1,84
MAPE p ES 2,19
Test Statisticsa
N 48
Chi-Square 2,952
df 2
Asymp. Sig. ,229
a. Friedman Test
Algemeen 1-way Repeated measures Anova
Descriptive Statistics
Mean Std. Deviation N
MAPE PV 19,2006100080
67677
16,5216866973
36090 144
MAPE ED 17,9731502190
49740
16,2371512520
11930 144
MAPE ES 19,4932620188
74283
15,8657216570
94646 144
l
Source Type III Sum of
Squares
df Mean Square F Sig.
factor1
Sphericity Assumed 187,346 2 93,673 3,219 ,041
Greenhouse-Geisser 187,346 1,828 102,461 3,219 ,046
Huynh-Feldt 187,346 1,851 101,217 3,219 ,045
Lower-bound 187,346 1,000 187,346 3,219 ,075
Error(factor1)
Sphericity Assumed 8322,994 286 29,101
Greenhouse-Geisser 8322,994 261,471 31,831
Huynh-Feldt 8322,994 264,684 31,445
Lower-bound 8322,994 143,000 58,203
Pairwise Comparisons
Measure: MET (I) factor1 (J) factor1 Mean
Difference (I-J)
Std. Error Sig.a 95% Confidence Interval for
Differencea
Lower Bound Upper Bound
1 2 1,227 ,530 ,066 -,055 2,510
3 -,293 ,685 1,000 -1,953 1,368
2 1 -1,227 ,530 ,066 -2,510 ,055
3 -1,520 ,680 ,081 -3,167 ,127
3 1 ,293 ,685 1,000 -1,368 1,953
2 1,520 ,680 ,081 -,127 3,167
Based on estimated marginal means
a. Adjustment for multiple comparisons: Bonferroni.
Shapiro-Wilk: Normale verderling
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
MAPE PV ,186 144 ,000 ,836 144 ,000
MAPE ED ,161 144 ,000 ,829 144 ,000
MAPE ES ,233 144 ,000 ,778 144 ,000
a. Lilliefors Significance Correction
li
Friedman
Descriptive Statistics
N Percentiles
25th 50th (Median) 75th
MAPE PV 144 7,15715976399
8482
15,4524239788
34440
22,6049411101
35258
MAPE ED 144 6,37952855560
8290
11,4081903040
01524
26,1086728925
78404
MAPE ES 144 9,38852813852
8137
14,8142857142
85713
21,6852773776
79990
Ranks
Mean Rank
MAPE PV 2,03
MAPE ED 1,82
MAPE ES 2,15
Test Statisticsa
N 144
Chi-Square 7,841
df 2
Asymp. Sig. ,020
a. Friedman Test
Post Hoc Test: Wilcoxon
Descriptive Statistics
N Mean Std. Deviation Minimum Maximum
MAPE PV 144 19,2006100080
67674
16,5216866973
36094
1,09068627450
98040
60,4997885258
213600
MAPE ED 144 17,9731502190
49740
16,2371512520
11937
1,12745098039
21569
63,6037554778
197300
MAPE ES 144 19,4932620188
74283
15,8657216570
94648
3,31699346405
22882
63,6037554778
197300
Test Statisticsa
MAPE ED -
MAPE PV
MAPE ES -
MAPE PV
MAPE ES -
MAPE ED
Z -2,376b -,744c -2,322c
Asymp. Sig. (2-tailed) ,017 ,457 ,020
lii
Onderzoeksvraag 4.A. Vervangingsparameter 1 2-Way repeated measures Anova
Descriptive Statistics
Mean Std. Deviation N
WPM1/0 17,2679570746
39130
19,7398520284
28423 16
WPM1/1 3,78308662270
0599
5,82339230298
9161 16
EVM 1/0 22,2938798843
51355
17,0950560627
53734 16
EVM 1/1 6,94042672377
1028
10,6040762592
86035 16
Source df Mean Square F Sig.
Methode
Sphericity Assumed 1 267,863 6,861 ,019
Greenhouse-Geisser 1,000 267,863 6,861 ,019
Huynh-Feldt 1,000 267,863 6,861 ,019
Lower-bound 1,000 267,863 6,861 ,019
Error(Methode)
Sphericity Assumed 15 39,044 Greenhouse-Geisser 15,000 39,044 Huynh-Feldt 15,000 39,044 Lower-bound 15,000 39,044
SPfactor
Sphericity Assumed 1 3326,596 7,407 ,016
Greenhouse-Geisser 1,000 3326,596 7,407 ,016
Huynh-Feldt 1,000 3326,596 7,407 ,016
Lower-bound 1,000 3326,596 7,407 ,016
Error(SPfactor)
Sphericity Assumed 15 449,129 Greenhouse-Geisser 15,000 449,129 Huynh-Feldt 15,000 449,129 Lower-bound 15,000 449,129
Methode * SPfactor
Sphericity Assumed 1 13,966 ,468 ,504
Greenhouse-Geisser 1,000 13,966 ,468 ,504
Huynh-Feldt 1,000 13,966 ,468 ,504
Lower-bound 1,000 13,966 ,468 ,504
Error(Methode*SPfactor)
Sphericity Assumed 15 29,842
Greenhouse-Geisser 15,000 29,842
Huynh-Feldt 15,000 29,842
Lower-bound 15,000 29,842
liii
Pairwise Comparisons
Measure: MEASURE_1 (I) Methode (J) Methode Mean
Difference (I-J)
Std. Error Sig.b 95% Confidence Interval for
Differenceb
Lower Bound Upper Bound
1 2 -4,092* 1,562 ,019 -7,421 -,762
2 1 4,092* 1,562 ,019 ,762 7,421
Based on estimated marginal means
*. The mean difference is significant at the ,05 level.
b. Adjustment for multiple comparisons: Bonferroni.
Pairwise Comparisons
Measure: MEASURE_1 (I) SPfactor (J) SPfactor Mean
Difference (I-J)
Std. Error Sig.b 95% Confidence Interval for
Differenceb
Lower Bound Upper Bound
1 2 14,419* 5,298 ,016 3,126 25,712
2 1 -14,419* 5,298 ,016 -25,712 -3,126
Based on estimated marginal means
*. The mean difference is significant at the ,05 level.
b. Adjustment for multiple comparisons: Bonferroni.
Vervangingsparameter gemiddelde 2-Way repeated measures Anova
Descriptive Statistics
Mean Std. Deviation N
WPM G/0 22,4979148742
83033
17,4047464211
67985 16
WPM G/1 8,21493697004
8779
8,13528105981
3400 16
EVM G/0 23,8109470852
64882
17,6300484540
06900 16
EVM G/1 7,04879882726
6806
10,9601086402
46743 16
liv
Source df Mean Square F Sig.
Methode
Sphericity Assumed 1 ,086 ,002 ,969
Greenhouse-Geisser 1,000 ,086 ,002 ,969
Huynh-Feldt 1,000 ,086 ,002 ,969
Lower-bound 1,000 ,086 ,002 ,969
Error(Methode)
Sphericity Assumed 15 53,787 Greenhouse-Geisser 15,000 53,787 Huynh-Feldt 15,000 53,787 Lower-bound 15,000 53,787
SPfactor
Sphericity Assumed 1 3855,199 9,622 ,007
Greenhouse-Geisser 1,000 3855,199 9,622 ,007
Huynh-Feldt 1,000 3855,199 9,622 ,007
Lower-bound 1,000 3855,199 9,622 ,007
Error(SPfactor)
Sphericity Assumed 15 400,648 Greenhouse-Geisser 15,000 400,648 Huynh-Feldt 15,000 400,648 Lower-bound 15,000 400,648
Methode * SPfactor
Sphericity Assumed 1 24,585 ,487 ,496
Greenhouse-Geisser 1,000 24,585 ,487 ,496
Huynh-Feldt 1,000 24,585 ,487 ,496
Lower-bound 1,000 24,585 ,487 ,496
Error(Methode*SPfactor)
Sphericity Assumed 15 50,490
Greenhouse-Geisser 15,000 50,490
Huynh-Feldt 15,000 50,490
Lower-bound 15,000 50,490
Pairwise Comparisons
Measure: MEASURE_1 (I) SPfactor (J) SPfactor Mean
Difference (I-J)
Std. Error Sig.b 95% Confidence Interval for
Differenceb
Lower Bound Upper Bound
1 2 15,523* 5,004 ,007 4,857 26,188
2 1 -15,523* 5,004 ,007 -26,188 -4,857
Based on estimated marginal means
*. The mean difference is significant at the ,05 level.
b. Adjustment for multiple comparisons: Bonferroni.
lv
Vervangingsparameter project 2-Way repeated measures Anova
Descriptive Statistics
Mean Std. Deviation N
WPM P/0 19,8830766512
74322
17,6282514250
84382 16
WPM P/1 6,42533870576
7181
8,14968129975
7475 16
EVM P/0 22,2938798843
51355
17,0950560627
53734 16
EVM P/1 7,18903829332
5071
10,8779997622
89848 16
Source df Mean Square F Sig.
Methode
Sphericity Assumed 1 40,310 5,242 ,037
Greenhouse-Geisser 1,000 40,310 5,242 ,037
Huynh-Feldt 1,000 40,310 5,242 ,037
Lower-bound 1,000 40,310 5,242 ,037
Error(Methode)
Sphericity Assumed 15 7,689 Greenhouse-Geisser 15,000 7,689 Huynh-Feldt 15,000 7,689 Lower-bound 15,000 7,689
SPfactor
Sphericity Assumed 1 3263,284 7,132 ,017
Greenhouse-Geisser 1,000 3263,284 7,132 ,017
Huynh-Feldt 1,000 3263,284 7,132 ,017
Lower-bound 1,000 3263,284 7,132 ,017
Error(SPfactor)
Sphericity Assumed 15 457,570 Greenhouse-Geisser 15,000 457,570 Huynh-Feldt 15,000 457,570 Lower-bound 15,000 457,570
Methode * SPfactor
Sphericity Assumed 1 10,852 1,366 ,261
Greenhouse-Geisser 1,000 10,852 1,366 ,261
Huynh-Feldt 1,000 10,852 1,366 ,261
Lower-bound 1,000 10,852 1,366 ,261
Error(Methode*SPfactor)
Sphericity Assumed 15 7,942
Greenhouse-Geisser 15,000 7,942
Huynh-Feldt 15,000 7,942
Lower-bound 15,000 7,942
lvi
Pairwise Comparisons
Measure: MEASURE_1 (I) Methode (J) Methode Mean
Difference (I-J)
Std. Error Sig.b 95% Confidence Interval for
Differenceb
Lower Bound Upper Bound
1 2 -1,587* ,693 ,037 -3,065 -,110
2 1 1,587* ,693 ,037 ,110 3,065
Based on estimated marginal means
*. The mean difference is significant at the ,05 level.
b. Adjustment for multiple comparisons: Bonferroni.
Pairwise Comparisons
Measure: MEASURE_1 (I) SPfactor (J) SPfactor Mean
Difference (I-J)
Std. Error Sig.b 95% Confidence Interval for
Differenceb
Lower Bound Upper Bound
1 2 14,281* 5,348 ,017 2,883 25,680
2 1 -14,281* 5,348 ,017 -25,680 -2,883
Based on estimated marginal means
*. The mean difference is significant at the ,05 level.
b. Adjustment for multiple comparisons: Bonferroni.
Algemeen 2-Way repeated measures Anova
Descriptive Statistics
Mean Std. Deviation N
WPM 0 19,8829828667
32164
18,0241874930
22480 48
WPM 1 5,47521517633
6296
6,55560602668
4822 48
EVM0 22,7995689513
22534
16,9191171230
70200 48
EVM 1 12,3633227729
74751
11,5950049615
47525 48
lvii
Source df Mean Square F Sig.
Methode
Sphericity Assumed 1 1153,584 38,028 ,000
Greenhouse-Geisser 1,000 1153,584 38,028 ,000
Huynh-Feldt 1,000 1153,584 38,028 ,000
Lower-bound 1,000 1153,584 38,028 ,000
Error(Methode)
Sphericity Assumed 47 30,335 Greenhouse-Geisser 47,000 30,335 Huynh-Feldt 47,000 30,335 Lower-bound 47,000 30,335
SPfactor
Sphericity Assumed 1 7406,700 17,389 ,000
Greenhouse-Geisser 1,000 7406,700 17,389 ,000
Huynh-Feldt 1,000 7406,700 17,389 ,000
Lower-bound 1,000 7406,700 17,389 ,000
Error(SPfactor)
Sphericity Assumed 47 425,931 Greenhouse-Geisser 47,000 425,931 Huynh-Feldt 47,000 425,931 Lower-bound 47,000 425,931
Methode * SPfactor
Sphericity Assumed 1 189,276 4,987 ,030
Greenhouse-Geisser 1,000 189,276 4,987 ,030
Huynh-Feldt 1,000 189,276 4,987 ,030
Lower-bound 1,000 189,276 4,987 ,030
Error(Methode*SPfactor)
Sphericity Assumed 47 37,956
Greenhouse-Geisser 47,000 37,956
Huynh-Feldt 47,000 37,956
Lower-bound 47,000 37,956
Pairwise Comparisons
Measure: MEASURE_1 (I) Methode (J) Methode Mean
Difference (I-J)
Std. Error Sig.b 95% Confidence Interval for
Differenceb
Lower Bound Upper Bound
1 2 -4,902* ,795 ,000 -6,502 -3,303
2 1 4,902* ,795 ,000 3,303 6,502
Based on estimated marginal means
*. The mean difference is significant at the ,05 level.
b. Adjustment for multiple comparisons: Bonferroni.
lviii
Pairwise Comparisons
Measure: MEASURE_1 (I) SPfactor (J) SPfactor Mean
Difference (I-J)
Std. Error Sig.b 95% Confidence Interval for
Differenceb
Lower Bound Upper Bound
1 2 12,422* 2,979 ,000 6,429 18,415
2 1 -12,422* 2,979 ,000 -18,415 -6,429
Based on estimated marginal means
*. The mean difference is significant at the ,05 level.
b. Adjustment for multiple comparisons: Bonferroni.
3. Methode * SPfactor
Measure: MEASURE_1 Methode SPfactor Mean Std. Error 95% Confidence Interval
Lower Bound Upper Bound
1 1 19,883 2,602 14,649 25,117
2 5,475 ,946 3,572 7,379
2 1 22,800 2,442 17,887 27,712
2 12,363 1,674 8,996 15,730
lix
Onderzoeksvraag 4.B. Vervangingsparameter 1 2-Way repeated measures Anova
Descriptive Statistics
Mean Std. Deviation N
WPM 1 0 17,6920194514
69780
9,08313969088
9354 36
WPM 1 1 18,2675107488
94637
18,0781547631
74755 36
EVM 1 0 25,2153466865
69855
12,4068722543
30835 36
EVM 1 1 30,3994312341
60026
23,2355455394
51348 36
Source df Mean Square F Sig.
Method
Sphericity Assumed 1 3476,959 21,708 ,000
Greenhouse-Geisser 1,000 3476,959 21,708 ,000
Huynh-Feldt 1,000 3476,959 21,708 ,000
Lower-bound 1,000 3476,959 21,708 ,000
Error(Method)
Sphericity Assumed 35 160,167 Greenhouse-Geisser 35,000 160,167 Huynh-Feldt 35,000 160,167 Lower-bound 35,000 160,167
SPfactor
Sphericity Assumed 1 298,554 ,803 ,376
Greenhouse-Geisser 1,000 298,554 ,803 ,376
Huynh-Feldt 1,000 298,554 ,803 ,376
Lower-bound 1,000 298,554 ,803 ,376
Error(SPfactor)
Sphericity Assumed 35 371,576 Greenhouse-Geisser 35,000 371,576 Huynh-Feldt 35,000 371,576 Lower-bound 35,000 371,576
Method * SPfactor
Sphericity Assumed 1 191,152 1,085 ,305
Greenhouse-Geisser 1,000 191,152 1,085 ,305
Huynh-Feldt 1,000 191,152 1,085 ,305
Lower-bound 1,000 191,152 1,085 ,305
Error(Method*SPfactor)
Sphericity Assumed 35 176,126
Greenhouse-Geisser 35,000 176,126
Huynh-Feldt 35,000 176,126
Lower-bound 35,000 176,126
lx
Pairwise Comparisons
Measure: MEASURE_1 (I) Method (J) Method Mean
Difference (I-J)
Std. Error Sig.b 95% Confidence Interval for
Differenceb
Lower Bound Upper Bound
1 2 -9,828* 2,109 ,000 -14,110 -5,546
2 1 9,828* 2,109 ,000 5,546 14,110
Based on estimated marginal means
*. The mean difference is significant at the ,05 level.
b. Adjustment for multiple comparisons: Bonferroni. Vervangingsparameter gemiddelde 2-Way repeated measures Anova
Descriptive Statistics
Mean Std. Deviation N
WPM g 0 20,4331010618
65877
11,2835521334
80933 36
WPM g 1 19,3967498188
85010
18,3253591641
98600 36
EVM g 0 25,4996655385
97856
12,7142347354
04967 36
EVM g 1 30,3429212298
14213
23,4498674861
25974 36
lxi
Source df Mean Square F Sig.
Method
Sphericity Assumed 1 2307,669 13,748 ,001
Greenhouse-Geisser 1,000 2307,669 13,748 ,001
Huynh-Feldt 1,000 2307,669 13,748 ,001
Lower-bound 1,000 2307,669 13,748 ,001
Error(Method)
Sphericity Assumed 35 167,856 Greenhouse-Geisser 35,000 167,856 Huynh-Feldt 35,000 167,856 Lower-bound 35,000 167,856
SPfactor
Sphericity Assumed 1 130,433 ,331 ,569
Greenhouse-Geisser 1,000 130,433 ,331 ,569
Huynh-Feldt 1,000 130,433 ,331 ,569
Lower-bound 1,000 130,433 ,331 ,569
Error(SPfactor)
Sphericity Assumed 35 393,591 Greenhouse-Geisser 35,000 393,591 Huynh-Feldt 35,000 393,591 Lower-bound 35,000 393,591
Method * SPfactor
Sphericity Assumed 1 311,128 1,745 ,195
Greenhouse-Geisser 1,000 311,128 1,745 ,195
Huynh-Feldt 1,000 311,128 1,745 ,195
Lower-bound 1,000 311,128 1,745 ,195
Error(Method*SPfactor)
Sphericity Assumed 35 178,329
Greenhouse-Geisser 35,000 178,329
Huynh-Feldt 35,000 178,329
Lower-bound 35,000 178,329
Multivariate Tests
Value F Hypothesis df Error df Sig. Partial Eta
Squared
Pillai's trace ,282 13,748a 1,000 35,000 ,001 ,282
Wilks' lambda ,718 13,748a 1,000 35,000 ,001 ,282
Hotelling's trace ,393 13,748a 1,000 35,000 ,001 ,282
Roy's largest root ,393 13,748a 1,000 35,000 ,001 ,282
Each F tests the multivariate effect of Method. These tests are based on the linearly independent pairwise
comparisons among the estimated marginal means.
a. Exact statistic
lxii
Vervangingsparameter project 2-Way repeated measures Anova
Descriptive Statistics
Mean Std. Deviation N
WPM p 0 22,0990755218
25520
12,3515838826
52795 36
WPM p 1 18,5510429551
82880
17,7799397159
45204 36
EVM p 0 25,2153466865
69855
12,4068722543
30835 36
EVM p 1 30,3138610544
57600
23,4570769527
73445 36
Source df Mean Square F Sig.
Method
Sphericity Assumed 1 1992,486 16,073 ,000
Greenhouse-Geisser 1,000 1992,486 16,073 ,000
Huynh-Feldt 1,000 1992,486 16,073 ,000
Lower-bound 1,000 1992,486 16,073 ,000
Error(Method)
Sphericity Assumed 35 123,964 Greenhouse-Geisser 35,000 123,964 Huynh-Feldt 35,000 123,964 Lower-bound 35,000 123,964
SPfactor
Sphericity Assumed 1 21,636 ,055 ,816
Greenhouse-Geisser 1,000 21,636 ,055 ,816
Huynh-Feldt 1,000 21,636 ,055 ,816
Lower-bound 1,000 21,636 ,055 ,816
Error(SPfactor)
Sphericity Assumed 35 393,831 Greenhouse-Geisser 35,000 393,831 Huynh-Feldt 35,000 393,831 Lower-bound 35,000 393,831
Method * SPfactor
Sphericity Assumed 1 672,865 3,608 ,066
Greenhouse-Geisser 1,000 672,865 3,608 ,066
Huynh-Feldt 1,000 672,865 3,608 ,066
Lower-bound 1,000 672,865 3,608 ,066
Error(Method*SPfactor)
Sphericity Assumed 35 186,491
Greenhouse-Geisser 35,000 186,491
Huynh-Feldt 35,000 186,491
Lower-bound 35,000 186,491
lxiii
Pairwise Comparisons
Measure: MEASURE_1 (I) Method (J) Method Mean
Difference (I-J)
Std. Error Sig.b 95% Confidence Interval for
Differenceb
Lower Bound Upper Bound
1 2 -7,440* 1,856 ,000 -11,207 -3,672
2 1 7,440* 1,856 ,000 3,672 11,207
Based on estimated marginal means
*. The mean difference is significant at the ,05 level.
b. Adjustment for multiple comparisons: Bonferroni. Algemeen 2-Way repeated measures Anova
Descriptive Statistics
Mean Std. Deviation N
WPM 0 20,0747320117
20396
11,0394194717
16604 108
WPM 1 17,7237031675
43434
17,6122042930
78012 108
EVM 0 25,3101196372
45855
12,3934280912
40807 108
EVM 1 28,1646460088
80066
22,0696089567
57843 108
lxiv
Source df Mean Square F Sig.
Method
Sphericity Assumed 1 6635,178 46,635 ,000
Greenhouse-Geisser 1,000 6635,178 46,635 ,000
Huynh-Feldt 1,000 6635,178 46,635 ,000
Lower-bound 1,000 6635,178 46,635 ,000
Error(Method)
Sphericity Assumed 107 142,280 Greenhouse-Geisser 107,000 142,280 Huynh-Feldt 107,000 142,280 Lower-bound 107,000 142,280
SPfactor
Sphericity Assumed 1 6,845 ,020 ,889
Greenhouse-Geisser 1,000 6,845 ,020 ,889
Huynh-Feldt 1,000 6,845 ,020 ,889
Lower-bound 1,000 6,845 ,020 ,889
Error(SPfactor)
Sphericity Assumed 107 347,387 Greenhouse-Geisser 107,000 347,387 Huynh-Feldt 107,000 347,387 Lower-bound 107,000 347,387
Method * SPfactor
Sphericity Assumed 1 731,641 3,730 ,056
Greenhouse-Geisser 1,000 731,641 3,730 ,056
Huynh-Feldt 1,000 731,641 3,730 ,056
Lower-bound 1,000 731,641 3,730 ,056
Error(Method*SPfactor)
Sphericity Assumed 107 196,174
Greenhouse-Geisser 107,000 196,174
Huynh-Feldt 107,000 196,174
Lower-bound 107,000 196,174
Pairwise Comparisons
Measure: MEASURE_1 (I) Method (J) Method Mean
Difference (I-J)
Std. Error Sig.b 95% Confidence Interval for
Differenceb
Lower Bound Upper Bound
1 2 -7,838* 1,148 ,000 -10,114 -5,563
2 1 7,838* 1,148 ,000 5,563 10,114
Based on estimated marginal means
*. The mean difference is significant at the ,05 level.
b. Adjustment for multiple comparisons: Bonferroni.
lxv