计划评审法视频教程从零基础到精通掌握项目管理核心工具

引言：为什么计划评审法（PERT）是项目管理的核心工具？

在项目管理中，时间、成本和质量是三大核心要素。然而，许多项目失败的原因并非目标不明确，而是对时间估算过于乐观或缺乏系统性的风险评估。计划评审法（Program Evaluation and Review Technique, PERT） 正是为解决这一问题而生的工具。它通过概率估算和网络分析，帮助项目经理在不确定性中做出更科学的决策。

PERT 的核心价值

处理不确定性：传统项目管理使用单一时间估算，而 PERT 引入三种时间估算（乐观、最可能、悲观），更贴合现实。
识别关键路径：通过网络图找出影响项目总工期的关键任务，集中资源优化。
风险可视化：通过概率计算，量化项目延期风险，提前制定应对策略。

适用场景

研发项目：如新产品开发、软件系统构建（时间估算不确定性强）。
大型基建项目：如桥梁、高速公路建设（涉及多团队协作）。
复杂活动策划：如奥运会筹备、大型会议组织。

第一部分：PERT 基础概念详解

1.1 三种时间估算

PERT 的核心是使用三种时间估算来计算任务的期望持续时间：

乐观时间（Optimistic Time, O）：在最佳情况下完成任务所需的时间。
最可能时间（Most Likely Time, M）：在正常情况下完成任务所需的时间。
悲观时间（Pessimistic Time, P）：在最不利情况下完成任务所需的时间。

计算公式：

期望时间（TE） = (O + 4M + P) / 6
方差（Variance, V） = [(P - O) / 6]²

示例：开发一个登录模块

乐观时间（O）：3天
最可能时间（M）：5天
悲观时间（P）：9天
期望时间 TE = (3 + 4×5 + 9) / 6 = (3 + 20 + 9) / 6 = 32 / 6 ≈ 5.33天
方差 V = [(9 - 3) / 6]² = (⁶⁄₆)² = 1² = 1

1.2 PERT 网络图

PERT 网络图由节点（事件）和箭线（活动）组成：

节点：表示事件（如“完成设计”），通常用圆圈表示，编号唯一。
箭线：表示活动（如“编写代码”），箭头指向后续事件。
虚箭线：表示虚拟活动（无实际工作，仅表示逻辑关系）。

示例：一个简单的软件开发项目网络图

[1] 开始 → [2] 需求分析 → [3] 系统设计 → [4] 编码 → [5] 测试 → [6] 发布

每个箭线对应一个任务，标注期望时间 TE。
路径：从开始到结束的连续箭线序列。

1.3 关键路径法（CPM）

在 PERT 中，关键路径是网络图中最长路径，决定了项目的最短可能工期。关键路径上的任务称为关键任务，任何延迟都会导致项目整体延期。

计算关键路径：

计算每个任务的最早开始时间（ES）和最早结束时间（EF）。
计算每个任务的最晚开始时间（LS）和最晚结束时间（LF）。
总时差（TF）= LS - ES（或 LF - EF）。总时差为 0 的任务在关键路径上。

示例：假设一个项目有 5 个任务：

任务	前置任务	期望时间 TE（天）
A	无	5
B	A	3
C	A	4
D	B, C	2
E	D	3

网络图：

A → B → D → E
A → C → D → E

计算 ES 和 EF：

A: ES=0, EF=5
B: ES=5, EF=8
C: ES=5, EF=9
D: ES=max(8,9)=9, EF=11
E: ES=11, EF=14

计算 LS 和 LF（从后往前推）：

E: LF=14, LS=11
D: LF=11, LS=9
B: LF=9, LS=6（因为 D 的 ES=9，B 必须在 9 前完成）
C: LF=9, LS=5
A: LF=5, LS=0

总时差：

A: 0（关键）
B: 6-5=1
C: 5-5=0（关键）
D: 9-9=0（关键）
E: 11-11=0（关键）

关键路径：A → C → D → E（总工期 14 天）

第二部分：PERT 的详细实施步骤

步骤 1：任务分解（WBS）

使用工作分解结构（WBS）将项目分解为可管理的任务。例如，一个电商网站开发项目：

需求分析
UI/UX 设计
前端开发
后端开发
测试
部署

步骤 2：估算三种时间

为每个任务收集专家意见，确定 O、M、P。例如：

前端开发：O=10天，M=15天，P=25天
后端开发：O=12天，M=20天，P=30天

步骤 3：绘制 PERT 网络图

使用工具如 Microsoft Visio、Lucidchart 或在线工具（如 draw.io）绘制。确保逻辑关系正确（如后端开发必须在前端开发开始前完成？不，通常可并行，但需协调）。

步骤 4：计算期望时间和方差

为每个任务计算 TE 和 V。例如：

前端开发：TE = (10 + 4×15 + 25)/6 = 16.17天，V = [(25-10)/6]² = 6.25
后端开发：TE = (12 + 4×20 + 30)/6 = 20.33天，V = [(30-12)/6]² = 9

步骤 5：确定关键路径

计算所有路径的总期望时间，找出最长路径。例如：

路径1：需求分析 → UI/UX 设计 → 前端开发 → 测试 → 部署
路径2：需求分析 → 后端开发 → 测试 → 部署
比较总 TE，选择最长路径作为关键路径。

步骤 6：风险分析与优化

概率计算：使用正态分布近似，计算项目在特定时间内完成的概率。例如，若关键路径总期望时间 TE_total = 50天，总方差 V_total = 10，则标准差 σ = √10 ≈ 3.16。计算在 55 天内完成的概率（Z = (55-50)/3.16 ≈ 1.58，查表得概率约 94%）。
优化关键路径：通过赶工（增加资源）或快速跟进（并行任务）缩短关键路径。

第三部分：实战案例：开发一个移动应用

项目背景

开发一款健身追踪 App，团队 5 人，预算 20 万，工期 3 个月。

任务分解与时间估算

任务	前置任务	O（天）	M（天）	P（天）	TE（天）	V
需求分析	无	5	7	10	7.17	2.78
UI 设计	需求分析	8	10	15	10.5	3.36
前端开发	UI 设计	15	20	30	20.83	6.25
后端开发	需求分析	12	18	25	18.17	4.69
测试	前端开发, 后端开发	5	8	12	8.17	1.36
部署	测试	2	3	5	3.17	0.69

网络图与关键路径

需求分析 → UI 设计 → 前端开发 → 测试 → 部署
需求分析 → 后端开发 → 测试 → 部署

路径1总 TE：7.17 + 10.5 + 20.83 + 8.17 + 3.17 = 49.84天
路径2总 TE：7.17 + 18.17 + 8.17 + 3.17 = 36.68天
关键路径：路径1（49.84天 ≈ 10周）

风险分析

总方差 V_total = 2.78 + 3.36 + 6.25 + 1.36 + 0.69 = 14.44
标准差 σ = √14.44 ≈ 3.80
项目在 55 天内完成的概率：Z = (55 - 49.84) / 3.80 ≈ 1.36，概率约 91%。
在 60 天内完成的概率：Z = (60 - 49.84) / 3.80 ≈ 2.65，概率约 99.6%。

优化策略

赶工：为前端开发增加一名开发人员，将 M 从 20 天降至 15 天，重新计算 TE = (15 + 4×15 + 30)/6 = 17.5天，缩短 3.33天。
快速跟进：将测试与前端开发部分并行（需调整逻辑），但可能增加返工风险。

第四部分：PERT 与现代项目管理工具的结合

4.1 使用 Microsoft Project 实现 PERT

创建任务列表：输入任务名称、持续时间（使用 TE）。
设置依赖关系：使用“完成-开始”（FS）等关系。
启用 PERT 视图：在“视图”选项卡中选择“网络图”，可自动生成网络图。
计算关键路径：Project 自动计算并高亮显示关键任务。

代码示例（使用 Python 和 networkx 库模拟 PERT 计算）：

import networkx as nx
import matplotlib.pyplot as plt

# 定义任务和依赖关系
tasks = {
    'A': {'TE': 5, 'V': 1},
    'B': {'TE': 3, 'V': 0.25},
    'C': {'TE': 4, 'V': 0.44},
    'D': {'TE': 2, 'V': 0.11},
    'E': {'TE': 3, 'V': 0.25}
}

# 创建有向图
G = nx.DiGraph()
G.add_edges_from([('A', 'B'), ('A', 'C'), ('B', 'D'), ('C', 'D'), ('D', 'E')])

# 计算关键路径（最长路径）
critical_path = nx.dag_longest_path(G)
print(f"关键路径: {' -> '.join(critical_path)}")

# 计算总期望时间和方差
total_TE = sum(tasks[node]['TE'] for node in critical_path)
total_V = sum(tasks[node]['V'] for node in critical_path)
print(f"总期望时间: {total_TE}天, 总方差: {total_V}")

# 可视化
pos = nx.spring_layout(G)
nx.draw(G, pos, with_labels=True, node_size=2000, node_color='lightblue')
plt.title("PERT 网络图")
plt.show()

4.2 在线工具推荐

Lucidchart：拖拽式绘制网络图，支持协作。
Asana：可设置任务依赖，自动计算关键路径。
Jira + BigPicture：适合敏捷项目，支持 PERT 视图。

第五部分：常见问题与解决方案

Q1：如何处理任务时间估算的偏差？

解决方案：使用三点估算时，邀请至少 3 位专家独立估算，取平均值。定期回顾历史数据，校准估算模型。

Q2：关键路径上的任务延迟了怎么办？

解决方案：
1. 赶工：增加资源（如加班、外包），但需评估成本。
2. 快速跟进：将顺序任务改为并行，但需管理返工风险。
3. 重新谈判范围：与客户协商减少非核心功能。

Q3：PERT 适用于敏捷项目吗？

解决方案：PERT 更适合瀑布模型，但可调整用于敏捷。例如，在 Sprint 规划中，对用户故事进行三点估算，识别高风险故事。

Q4：如何向团队解释 PERT？

解决方案：用简单比喻：PERT 像天气预报，给出“最佳情况”、“最可能情况”和“最坏情况”，帮助我们准备雨具（风险应对）。

第六部分：进阶技巧与最佳实践

6.1 蒙特卡洛模拟

使用 Python 的 numpy 库进行多次随机模拟，更精确地预测项目完成时间。

import numpy as np

# 模拟 10000 次项目完成时间
n_simulations = 10000
total_days = []

for _ in range(n_simulations):
    # 为每个任务生成随机时间（三角分布）
    task_A = np.random.triangular(3, 5, 9)
    task_B = np.random.triangular(2, 3, 5)
    task_C = np.random.triangular(3, 4, 6)
    task_D = np.random.triangular(1, 2, 3)
    task_E = np.random.triangular(2, 3, 4)
    
    # 关键路径 A->C->D->E
    total = task_A + task_C + task_D + task_E
    total_days.append(total)

# 分析结果
mean = np.mean(total_days)
std = np.std(total_days)
print(f"平均完成时间: {mean:.2f}天, 标准差: {std:.2f}天")
print(f"在 {mean + 2*std:.2f} 天内完成的概率: {np.mean(np.array(total_days) <= mean + 2*std):.2%}")

6.2 与挣值管理（EVM）结合

计划值（PV）：基于 PERT 计划的预算。
挣值（EV）：实际完成工作的预算价值。
实际成本（AC）：实际花费。
计算：成本绩效指数（CPI）= EV/AC，进度绩效指数（SPI）= EV/PV。

6.3 团队协作与沟通

定期评审会议：每周回顾关键路径状态，调整计划。
可视化看板：使用 Kanban 板跟踪任务状态，高亮关键任务。
风险登记册：记录每个关键任务的风险及应对措施。

第七部分：总结与行动指南

总结

PERT 是一种强大的项目管理工具，通过概率估算和网络分析，帮助项目经理在不确定性中做出科学决策。从基础概念到实战案例，再到与现代工具的结合，掌握 PERT 能显著提升项目成功率。

行动指南

立即实践：选择一个小型项目（如个人学习计划），使用 PERT 进行规划。
工具学习：掌握至少一种 PERT 工具（如 Microsoft Project 或 Lucidchart）。
团队培训：向团队成员介绍 PERT，共同参与估算和评审。
持续优化：记录项目数据，校准估算模型，提升准确性。

进一步学习资源

书籍：《项目管理知识体系指南（PMBOK）》第 6 版。
在线课程：Coursera 上的“项目管理基础”课程。
社区：Project Management Institute (PMI) 论坛。

通过系统学习和实践，你将能够熟练运用 PERT，成为项目管理领域的专家。现在就开始你的 PERT 之旅吧！