Lean Forecasting, Beyond Estimation
@ PMI Agile CoP Hamburg,
16. März 2015
Susanne Bartel

http://flow.hamburg
Inhalt
• Teil 1
• Warum das große Interesse am Thema?
• Was ist Lean Forecasting / Beyond Estimation?
• Kleine Statistik-A...
WARUM?
Häufig schwache Korrelation zwischen
Story Points und Aufwand oder Durchlaufzeit
Hohe Aufwände für Schätzungen
und Planunge...
0,00#
5,00#
10,00#
15,00#
20,00#
25,00#
30,00#
35,00#
40,00#
0# 1# 2# 3# 4# 5# 6#
Story&Points&zu&Lead&1me&[d]&
Lead#.me#[...
LEAN FORECASTING
Lean / „Probabilistic“ Forecasting
Projektion historischer Daten in die Zukunft zur
Beantwortung planerischer Fragen
Unter...
Vorteile
• Wahrscheinlichkeitsbasierte Prognosen:
• Schnell
• Billig
• Zuverlässig
• Entlasten die „echt“ wertschöpfenden
...
Beyond
Estimation
#NoEstimation
Lean Forecasting zur Prognose
von Durchlaufzeiten und
Durchsätzen
Macht die Verwendung von...
STATISTIK VORWEG
Aufwärmen
Teil 1
Würfelt mit einem
6er-Würfel.

Sagt eure
Ergebnisse laut an!
Aufwärmen
Teil 2
Würfelt mit zwei
6er-Würfeln.

Sagt die Summen
beider Würfel laut
an!
Monte Carlo
Simuation
Ein stochastisches Verfahren
Sehr häufig durchgeführte
Zufallsexperimente
Häufig genutzt zur Nachbildu...
Übung
„Bereiche“
Teilt euch in 3
Gruppen auf.
Bestimmt einen
Würfler, dieser darf
die Würfel den anderen
nicht zeigen.
Die Situation
Ihr nehmt Stichproben,
um einen Bereich zu
ermitteln.
D.h. wir suchen die
MIN und MAX Werte
Schritt 1
Würfelt 3 mal und
schreibt die
Summen beider
Würfel
untereinander
Schritt 2
Sortiert die Zahlen
nach ihrer Größe.
Mit welcher % liegt
die vierte Zahl in
diesem Bereich?
Schritt 3
Würfelt noch 8
mal und notiert
eure Ergebnisse.
Was ist MIN und
MAX?
Schritt 4
Vergleicht euer MIN
und MAX mit den
tatsächlichen Werten
anhand der Würfel.
Beobachtungen?
Vorhersagewahr-
scheinlichkeit
abhängig von
Probenzahl
(Keine Duplikate, gleich
verteilt, zufällige Proben)
Anzahl vorhand...
–Troy Magennis
„Wenn ein Messwert sich über die Zeit
ändert oder bei jeder Messung anders ist,
ist es eine Verteilung.“
VE...
Histogramm = 

visualisierte Verteilung
nach Karl Scotland, http://availagility.co.uk/lego-flow-game/
LEGO FLOW GAME
Euer Ziel
• Setzt so viele Lego-Figuren wie
möglich anhand der Anleitung
zusammen und liefert sie!
• In der gegebenen Reih...
Workflow
• Analysieren
• Beschaffen
• Bauen
• Prüfen
• Geliefert
Analysieren
1. Finde die richtige Tür.
2. Nimm eine Karteikarte.
3. Schreibe die Nummer der Tür auf die Karte.
4. Lege die...
Analysieren
10
Zahl
Tür auf Karte
Beschaffen
1. Notiere die Zeit.
2. Finde das Beutelchen mit den
passenden Teilen.
3. Hefte es mit der Büroklammer an die
T...
Beschaffen
10
Tüte auf Karte
1:201:20
Zeitstempel
Bauen
Baue die Lego-Figur entsprechend der
Anleitung auf der Tür.
Bauen
Bau es :)
Prüfen
1. Überprüfe dass die Figur
• GENAU dem Bild entspricht
• ROBUST ist
2. Wenn ja, dann akzeptiere
• Notiere die Zeit...
Prüfen
?
10
1:20 3:50
Zweiter Zeit-
Stempel
Manager
1. Auf die Zeit achten
2. Auf die Prozesseinhaltung achten
3. Daten sammeln
• Wie viele Figuren je Status
• Zählen...
Manager
  00:30 01:00 01:30 2:00 2:30 3:00 3:30 4:00 4:30 5:00 5:30 6:00
Analysis
2 1                 
Supply
3 2         ...
Flussbasierte Arbeit
• Besprecht euch als Team.
• Markiert eure Arbeitsstationen
• Ihr arbeitet kontinuierlich, wir unterb...
Debrief Lego Flow
• Beobachtungen? Überraschungen?
• Seid ihr „in den Fluss“ gekommen? Wann?
• Begriffe:
• Durchlaufzeit (...
„Anforderung“ benutzt als
Epic / User Story / Feature / MMF
die „Abarbeitungseinheit“ im System
–Troy Magennis
„Prognosen sind Antworten auf Fragen zu
Ereignissen, die noch nicht eingetreten sind.“
PROGNOSE
(Forecast)
Frage 1:
Wie lange dauert die
Umsetzung von
Anforderungen?
Durchlaufzeit, „Lead Time“
• In Kanban: Die Zeitdauer, in der eine Anforderung von der
ersten limitierten Spalte („Zusagep...
Beispiel: Durchlaufzeiten-
Verteilung in Lego Flow Game
Beobachtungen?
00:30:00$ 01:00:00$ 01:30:00$ 02:00:00$ 02:30:00$ 0...
Durchschnitt
50% der

möglichen

Ergebnisse
50% der

möglichen

Ergebnisse
50%
Beware of this animal!
Durchschnitt, Mittelwert
Average, Mean
Frage
• Wie sieht eine typische Verteilung von
Durchlaufzeiten in Software-
Entwicklungsprojekten aus?
• Und wie bei IT Op...
Gleichbleibende Verteilung,
nicht gleich groß!
Weibull 

Lead Time Verteilungen
Typische Verteilungen in SW-Projekten (Magennis)

siehe auch Lead Time Forecasting Cards ...
Mode:
an was sich
Leute
gut erinnern


(Achtung!

üblicherweise
nur 18-28%
Wahrscheinlichkeit!)
Median:
zur kontinuierlich...
Voraussetzungen
• Stabiles System - wir glauben die
Verteilung der Anforderungen bleibt in etwa
stabil
• In der Verteilung...
Praktische
Tipps
Durchlaufzeit = Differenz zweier
Zeitstempel

Auf physischen Boards:
Datumsstempel benutzen

Excel: Histog...
Wert Percen(le
10	
  % 1:19
20	
  % 1:46
30	
  % 2:03
40	
  % 2:12
50	
  % 2:25
60	
  % 2:44
70	
  % 2:57
80	
  % 3:24
90	...
Beispiele
0"
1"
2"
3"
4"
5"
6"
7"
8"
2" 4" 6" 8" 10" 12" 14" 16" 18" 20" 22" 24" 26" 28" 30" 32" 200"
0" 2" 4" 6" 8" 10" 1...
0"
1"
2"
3"
4"
5"
6"
7"
8"
2" 4" 6" 8" 10" 12" 14" 16" 18" 20" 22" 24" 26" 28" 30" 32" 200"
0" 2" 4" 6" 8" 10" 12" 14" 16"...
Recap: Durchlaufzeiten-Prognose
• Erlaubt die Prognose auf z.B. Story- oder Task-Ebene
• Vorteile:
• Leicht zu sammelnde M...
Frage 2:
Wann ist das erwartete
Projektende?
Einfach!
Beispiel: Projektdauer
Projektdauer=
Anzahl der Anforderungen(*)
Durchsatz
Wir haben Daten über den Durchsatz unseres Team...
Durchsatz-Prognose mit Monte Carlo Simulation
basierend auf den Daten der vorherigen Folie
Praktische
Tipps
Trick: Durchsatz aus z.B. Jira:

=KALENDERWOCHE(DateClosed)

dann pivotieren oder Zählenwenn()

Troy Mage...
Phase im Projekt beachten -> S-Curve
S-Curve
Quelle: 

Project Planning using Little's Law (Dimitar
Bakardzhiev)
Ausblick
Weiterführende
Fragen
Wieviel Kapazität für welchen 

Arbeitstyp?
Wie hoch ist der Durchsatz?
Auswirkungen von
Verbesserungen der
Durchlaufzeit
...
Was wir benötigen
1. Lead Time Verteilung:
• Ist bekannt
• Single Mode - in Klassen unterteilt (s.u.)
• Wir glauben die Ve...
• längerfristig stabile Durchschnittswerte!
• Voraussetzungen:
• Durchschnittliche Output-Rate = durchschnittliche Input-R...
Mit auf den Weg….
Brauche ich dazu ein Kanban-System?
• Nein, all diese Techniken können auch von agilen oder
„klassischen“ Teams angewendet...
–George E. P. Box
„Essentially, all models are wrong, but
some are useful“
Kontinuierliche Anpassung, aktives Steuern
Prognose
erstellen
Modell aufstellen /
anpassen
Kontinuierliche Überprüfung der...
Danke für eure Aufmerksamkeit!
• Susanne Bartel

Susanne@flow.hamburg
• Twitter @projectzone
• http://flow.hamburg
Credits und Referenzen
• Basiert auf der Arbeit von Troy Magennis, David J. Anderson, Alexei Zheglov,
and Dan Brown in die...
Bilder
• Würfel: https://www.flickr.com/photos/dskley/6196133034
• fliegende Würfel: https://www.flickr.com/photos/dskley/619...
Backup
Flusseffizienz
Flusseffizienz =
Arbeitszeit
(Arbeitszeit +Wartezeit)
Story&/&Feature&Incep0on&
5&Days&
Wai0ng&in&Backlog&
2...
Lean Forecasting Abend, 15. März 2015 @ PMI Agile CoP Hamburg
Lean Forecasting Abend, 15. März 2015 @ PMI Agile CoP Hamburg
Nächste SlideShare
Wird geladen in …5
×

Lean Forecasting Abend, 15. März 2015 @ PMI Agile CoP Hamburg

1.013 Aufrufe

Veröffentlicht am

Foliensatz zum Vortrag "Lean Forecasting / Beyond Estimation" bei der PMI Agile CoP am 16. März 2015.

Veröffentlicht in: Leadership & Management
0 Kommentare
1 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

Keine Downloads
Aufrufe
Aufrufe insgesamt
1.013
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
58
Aktionen
Geteilt
0
Downloads
22
Kommentare
0
Gefällt mir
1
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

Lean Forecasting Abend, 15. März 2015 @ PMI Agile CoP Hamburg

  1. 1. Lean Forecasting, Beyond Estimation @ PMI Agile CoP Hamburg, 16. März 2015 Susanne Bartel http://flow.hamburg
  2. 2. Inhalt • Teil 1 • Warum das große Interesse am Thema? • Was ist Lean Forecasting / Beyond Estimation? • Kleine Statistik-Auffrischung :) • Teil 2 • Lego Flow Game (und kurze Pause) • Teil 3 • Konkrete Fragestellungen - Theorie und Praxis 1. Wie lange dauert die Umsetzung von Anforderungen? 2. Wann ist das erwartete Projektende? 3. Weiterführende Fragen • Zu guter letzt…
  3. 3. WARUM?
  4. 4. Häufig schwache Korrelation zwischen Story Points und Aufwand oder Durchlaufzeit Hohe Aufwände für Schätzungen und Planungen Vielfach durch Studien belegt, wie schlecht wir im Schätzen in der Software- Industrie sind.
  5. 5. 0,00# 5,00# 10,00# 15,00# 20,00# 25,00# 30,00# 35,00# 40,00# 0# 1# 2# 3# 4# 5# 6# Story&Points&zu&Lead&1me&[d]& Lead#.me#[d]# Faktor: 0,3 1,0$ 10,0$ 100,0$ 1000,0$ 10000,0$ 0$ 2$ 4$ 6$ 8$ 10$ 12$ 14$ 16$ Aufwand$(Stunden)$ Linear$(Aufwand$(Stunden))$ Linear$(Aufwand$(Stunden))$ Faktor:0,36 Beispiel-Korrelationen 0" 20" 40" 60" 80" 100" 120" 0" 1" 2" 3" 4" 5" 6" Story&Punkte&zu&Aufwand& Faktor:0,2
  6. 6. LEAN FORECASTING
  7. 7. Lean / „Probabilistic“ Forecasting Projektion historischer Daten in die Zukunft zur Beantwortung planerischer Fragen Unter Beachtung von Wahrscheinlichkeiten Unter Nutzung von Modellen „Klassische“ Planung: Schätzen zukünftiger Ereignisse
  8. 8. Vorteile • Wahrscheinlichkeitsbasierte Prognosen: • Schnell • Billig • Zuverlässig • Entlasten die „echt“ wertschöpfenden Mitglieder im Team
  9. 9. Beyond Estimation #NoEstimation Lean Forecasting zur Prognose von Durchlaufzeiten und Durchsätzen Macht die Verwendung von Story Points überflüssig Angewendete Praktik besonders in reifen agilen
 Teams
  10. 10. STATISTIK VORWEG
  11. 11. Aufwärmen Teil 1 Würfelt mit einem 6er-Würfel. Sagt eure Ergebnisse laut an!
  12. 12. Aufwärmen Teil 2 Würfelt mit zwei 6er-Würfeln. Sagt die Summen beider Würfel laut an!
  13. 13. Monte Carlo Simuation Ein stochastisches Verfahren Sehr häufig durchgeführte Zufallsexperimente Häufig genutzt zur Nachbildung komplexer Prozesse
  14. 14. Übung „Bereiche“ Teilt euch in 3 Gruppen auf. Bestimmt einen Würfler, dieser darf die Würfel den anderen nicht zeigen.
  15. 15. Die Situation Ihr nehmt Stichproben, um einen Bereich zu ermitteln. D.h. wir suchen die MIN und MAX Werte
  16. 16. Schritt 1 Würfelt 3 mal und schreibt die Summen beider Würfel untereinander
  17. 17. Schritt 2 Sortiert die Zahlen nach ihrer Größe. Mit welcher % liegt die vierte Zahl in diesem Bereich?
  18. 18. Schritt 3 Würfelt noch 8 mal und notiert eure Ergebnisse. Was ist MIN und MAX?
  19. 19. Schritt 4 Vergleicht euer MIN und MAX mit den tatsächlichen Werten anhand der Würfel. Beobachtungen?
  20. 20. Vorhersagewahr- scheinlichkeit abhängig von Probenzahl (Keine Duplikate, gleich verteilt, zufällige Proben) Anzahl vorhandener Proben Wahrscheinlichkeit, dass nächste Probe innerhalb des Bereichs liegt 3 50 % 4 67 % 5 75 % 6 80 % 7 83 % 8 86 % 9 88 % 10 89 % 11 90 % 12 91 % 13 92 % 14 92 % 15 93 % 16 93 % 17 94 % 18 94 % 19 94 % 20 95 % Die benötigte Stichprobengröße ist deutlich kleiner als wir denken Wahrscheinlichkeit = 1- 1 k −1 ⎛ ⎝⎜ ⎞ ⎠⎟ * 100
  21. 21. –Troy Magennis „Wenn ein Messwert sich über die Zeit ändert oder bei jeder Messung anders ist, ist es eine Verteilung.“ VERTEILUNG (DISTRIBUTION)
  22. 22. Histogramm = 
 visualisierte Verteilung
  23. 23. nach Karl Scotland, http://availagility.co.uk/lego-flow-game/ LEGO FLOW GAME
  24. 24. Euer Ziel • Setzt so viele Lego-Figuren wie möglich anhand der Anleitung zusammen und liefert sie! • In der gegebenen Reihenfolge • Arbeitet als Team zusammen
  25. 25. Workflow • Analysieren • Beschaffen • Bauen • Prüfen • Geliefert
  26. 26. Analysieren 1. Finde die richtige Tür. 2. Nimm eine Karteikarte. 3. Schreibe die Nummer der Tür auf die Karte. 4. Lege die Tür auf die Karte, Instruktionen oben.
  27. 27. Analysieren 10 Zahl Tür auf Karte
  28. 28. Beschaffen 1. Notiere die Zeit. 2. Finde das Beutelchen mit den passenden Teilen. 3. Hefte es mit der Büroklammer an die Tür.
  29. 29. Beschaffen 10 Tüte auf Karte 1:201:20 Zeitstempel
  30. 30. Bauen Baue die Lego-Figur entsprechend der Anleitung auf der Tür.
  31. 31. Bauen Bau es :)
  32. 32. Prüfen 1. Überprüfe dass die Figur • GENAU dem Bild entspricht • ROBUST ist 2. Wenn ja, dann akzeptiere • Notiere die Zeit! • LIEFERE zum Marktplatz! 3. Wenn nicht, zurück an die entsprechende Station
  33. 33. Prüfen ? 10 1:20 3:50 Zweiter Zeit- Stempel
  34. 34. Manager 1. Auf die Zeit achten 2. Auf die Prozesseinhaltung achten 3. Daten sammeln • Wie viele Figuren je Status • Zählen und alle 30s aufschreiben
  35. 35. Manager   00:30 01:00 01:30 2:00 2:30 3:00 3:30 4:00 4:30 5:00 5:30 6:00 Analysis 2 1                  Supply 3 2                  Build 5 6                  Accept 1 2                  Done 2  4                  Alle 30s zählen je Arbeitsstation „Done“ sollte niemals weniger werden, muss ansteigen
  36. 36. Flussbasierte Arbeit • Besprecht euch als Team. • Markiert eure Arbeitsstationen • Ihr arbeitet kontinuierlich, wir unterbrechen gelegentlich für Systemverbesserungen (Inspect & Adapt) • Start! 5 min Timebox
  37. 37. Debrief Lego Flow • Beobachtungen? Überraschungen? • Seid ihr „in den Fluss“ gekommen? Wann? • Begriffe: • Durchlaufzeit (lead time) • WIP (Work In Progress) • Durchsatz (throughput)
  38. 38. „Anforderung“ benutzt als Epic / User Story / Feature / MMF die „Abarbeitungseinheit“ im System
  39. 39. –Troy Magennis „Prognosen sind Antworten auf Fragen zu Ereignissen, die noch nicht eingetreten sind.“ PROGNOSE (Forecast)
  40. 40. Frage 1: Wie lange dauert die Umsetzung von Anforderungen?
  41. 41. Durchlaufzeit, „Lead Time“ • In Kanban: Die Zeitdauer, in der eine Anforderung von der ersten limitierten Spalte („Zusagepunkt“) bis zur letzten Spalte „wandert“ • Lego Flow: Beginn „Liefern“ bis zur erfolgreichen Abnahme • Differenz zwischen 2 Zeitstempeln • In Software-Entwicklungs-Teams typischerweise Start der Implementierung bis „Done“ oder Release • i.d.R. OHNE Analyse / Konzipierung
  42. 42. Beispiel: Durchlaufzeiten- Verteilung in Lego Flow Game Beobachtungen? 00:30:00$ 01:00:00$ 01:30:00$ 02:00:00$ 02:30:00$ 03:00:00$ 03:30:00$ 04:00:00$ 04:30:00$ 05:00:00$ 03:40:00$ 00:00:00$ 00:30:00$ 01:00:00$ 01:30:00$ 02:00:00$ 02:30:00$ 03:00:00$ 03:30:00$ 04:00:00$ 04:30:00$ 05:00:00$ SUMME$ 1$ 5$ 5$ 4$ 8$ 5$ 2$ 3$ 1$ 1$ 0$ 0$ 1$ 2$ 3$ 4$ 5$ 6$ 7$ 8$ 9$ Lego%Flow%Lead%Times%Histogramm%
  43. 43. Durchschnitt 50% der
 möglichen
 Ergebnisse 50% der
 möglichen
 Ergebnisse 50%
  44. 44. Beware of this animal! Durchschnitt, Mittelwert Average, Mean
  45. 45. Frage • Wie sieht eine typische Verteilung von Durchlaufzeiten in Software- Entwicklungsprojekten aus? • Und wie bei IT Operations Teams?
  46. 46. Gleichbleibende Verteilung, nicht gleich groß!
  47. 47. Weibull 
 Lead Time Verteilungen Typische Verteilungen in SW-Projekten (Magennis) siehe auch Lead Time Forecasting Cards von Alexei Zheglov
  48. 48. Mode: an was sich Leute gut erinnern 
 (Achtung!
 üblicherweise nur 18-28% Wahrscheinlichkeit!) Median: zur kontinuierlichen
 Überprüfung des
 Vorhersage-Modells Control Limit: für SLA’s 80% percentile: 4 von 5 Items dauern max. so lange -> Planung Durchschnitt: üblicherweise über dem Median (bis zu 50% kleiner
 in Operations) Weibull 
 Lead Time Verteilungen Typische Verteilungen in SW-Projekten (Magennis) siehe auch Lead Time Forecasting Cards von Alexei Zheglov
  49. 49. Voraussetzungen • Stabiles System - wir glauben die Verteilung der Anforderungen bleibt in etwa stabil • In der Verteilung gibt es nur eine „Spitze“ (Modus, engl. mode)
  50. 50. Praktische Tipps Durchlaufzeit = Differenz zweier Zeitstempel Auf physischen Boards: Datumsstempel benutzen Excel: Histogramme über den Umweg von Klassen bauen: Intervalle bilden, ZÄHLENWENN()
  51. 51. Wert Percen(le 10  % 1:19 20  % 1:46 30  % 2:03 40  % 2:12 50  % 2:25 60  % 2:44 70  % 2:57 80  % 3:24 90  % 3:52 100  % 4:51 1. Werte sortieren 1:22 2:21 3:05 4:51 3:45 2:29 1:12 3:38 1:55 2:58 2:56 0:57 1:12 1:22 1:41 1:55 2:03 2:11 2:13 2:21 2:29 2:41 2:56 2:58 3:05 3:38 3:45 4:10 4:51 Berechnung von „Percentile“ (Perzentil, Quantil) =QUANTIL(Bereich;%Wert)
  52. 52. Beispiele 0" 1" 2" 3" 4" 5" 6" 7" 8" 2" 4" 6" 8" 10" 12" 14" 16" 18" 20" 22" 24" 26" 28" 30" 32" 200" 0" 2" 4" 6" 8" 10" 12" 14" 16" 18" 20" 22" 24" 26" 28" 30" 32" Bugs%&%Stories%(addi0v)% Bugs" Durchlaufzeit (Tage von/bis) AnzahlVorkommen
  53. 53. 0" 1" 2" 3" 4" 5" 6" 7" 8" 2" 4" 6" 8" 10" 12" 14" 16" 18" 20" 22" 24" 26" 28" 30" 32" 200" 0" 2" 4" 6" 8" 10" 12" 14" 16" 18" 20" 22" 24" 26" 28" 30" 32" Bugs%&%Stories%(addi0v)% Bugs" Durchlaufzeit (Tage Anzahl Beispiele 0" 1" 2" 3" 4" 5" 6" 7" 2" 4" 6" 8" 10" 12" 14" 16" 18" 20" 22" 24" 26" 28" 30" 32" 200" 0" 2" 4" 6" 8" 10" 12" 14" 16" 18" 20" 22" 24" 26" 28" 30" 32" Anzahl'Vorkommen' Lead'Time'in'Tagen' Bugs' Bu 0" 1" 2" 3" 4" 5" 6" 2" 4" 6" 8" 10" 12" 14" 16" 18" 20" 22" 24" 26" 28" 30" 32" 200" 0" 2" 4" 6" 8" 10" 12" 14" 16" 18" 20" 22" 24" 26" 28" 30" 32" Anzahl'Vorkommen' Lead'0me'in'Tagen' Stories'
  54. 54. Recap: Durchlaufzeiten-Prognose • Erlaubt die Prognose auf z.B. Story- oder Task-Ebene • Vorteile: • Leicht zu sammelnde Messwerte • Nutzt historische Daten (komplett oder Stichproben) • Folgt bekannten Verteilungsmustern • Nutzen: Zusagen für einzelne Anforderungen. Termingerechter Start der Implementierung. Analyse (z.B. Ausreißer etc.). Basis für weitere Berechnungen.
  55. 55. Frage 2: Wann ist das erwartete Projektende? Einfach!
  56. 56. Beispiel: Projektdauer Projektdauer= Anzahl der Anforderungen(*) Durchsatz Wir haben Daten über den Durchsatz unseres Teams „P“:
 7, 8, 2, 11, 7, 12 Anforderungen pro Woche. Wann werden die verbleibenden 100 Anforderungen umgesetzt sein? Projektdauer = 100 Anforderungen 7 Anforderungen / Woche Projektdauer = 100 Wochen / 7 Projektdauer = 15 Wochen 16,70  % 12 33,40  % 11 50,10  % 8 66,80  % 7 83,50  % 7 100,20  % 2 Achtung! Umgekehrte Reihenfolge (*) Batch Size
  57. 57. Durchsatz-Prognose mit Monte Carlo Simulation basierend auf den Daten der vorherigen Folie
  58. 58. Praktische Tipps Trick: Durchsatz aus z.B. Jira: =KALENDERWOCHE(DateClosed) dann pivotieren oder Zählenwenn() Troy Magennis’ Sheet für Monte Carlo Throughput Forecasting: http://focusedobjective.com/free- tools-resources/
  59. 59. Phase im Projekt beachten -> S-Curve
  60. 60. S-Curve Quelle: Project Planning using Little's Law (Dimitar Bakardzhiev)
  61. 61. Ausblick Weiterführende Fragen
  62. 62. Wieviel Kapazität für welchen 
 Arbeitstyp? Wie hoch ist der Durchsatz? Auswirkungen von Verbesserungen der Durchlaufzeit Wie viele Teams brauchen wir?
  63. 63. Was wir benötigen 1. Lead Time Verteilung: • Ist bekannt • Single Mode - in Klassen unterteilt (s.u.) • Wir glauben die Verteilung bleibt stabil 2. Anforderungen sind identifiziert und klassifiziert
  64. 64. • längerfristig stabile Durchschnittswerte! • Voraussetzungen: • Durchschnittliche Output-Rate = durchschnittliche Input-Rate • Alle angefangene Arbeit wird schließlich beendet und verlässt das System • Die Menge angefangener Arbeit sollte zu Beginn und Ende des gewählten Zeitintervalls etwa gleich sein • Die durchschnittliche Menge angefangener Arbeit (WIP) ist stabil • In der Berechnung müssen konsistente Einheiten genutzt werden • siehe auch „Little’s Flaw“ (Dave Vacanti) Little’s Law Lieferrate = WIP Durchlaufzeit throughput = WIP lead time
  65. 65. Mit auf den Weg….
  66. 66. Brauche ich dazu ein Kanban-System? • Nein, all diese Techniken können auch von agilen oder „klassischen“ Teams angewendet werden. • Aber: Ein Kanban-System hilft, die Vorhersagegenauigkeit (predictability) zu verbessern: • Verschiedene Arbeitstypen / Serviceklassen, um mehrere Modes zu vermeiden • Ist Hilfsmittel für kontinuierliche Verbesserung (Zuverlässigkeit, Durchsatz, etc.)
  67. 67. –George E. P. Box „Essentially, all models are wrong, but some are useful“
  68. 68. Kontinuierliche Anpassung, aktives Steuern Prognose erstellen Modell aufstellen / anpassen Kontinuierliche Überprüfung der Gültigkeit des Modells mit Anpassung der Vorhersage— ermöglicht aktives Steuern! Überprüfung der Hypothesen historische
 Daten
  69. 69. Danke für eure Aufmerksamkeit! • Susanne Bartel
 Susanne@flow.hamburg • Twitter @projectzone • http://flow.hamburg
  70. 70. Credits und Referenzen • Basiert auf der Arbeit von Troy Magennis, David J. Anderson, Alexei Zheglov, and Dan Brown in diesem Bereich. Siehe auch deren Blogs. • German Tanks: http://www.spiegel.de/wissenschaft/mensch/rechentrick- der-alliierten-wie-seriennummern-die-nazi-industrie-verrieten-a-728211.html • Für mehr: • Twitter: #noestimates • noestimatesbook.com • Blogs of the above • Limited WIP Society
  71. 71. Bilder • Würfel: https://www.flickr.com/photos/dskley/6196133034 • fliegende Würfel: https://www.flickr.com/photos/dskley/6195620885 • Pause: <a href="https://www.flickr.com/photos/finklez/3059185823" title="Pause - ‫השהיה‬ by Eran Finkle, on Flickr"><img src="https:// farm4.staticflickr.com/3190/3059185823_ce8570bdd2_s.jpg" width="75" height="75" alt="Pause - ‫/<>“השהיה‬a> • Wall: https://www.flickr.com/photos/dg_pics/3937990893/ • Umbrella: https://www.flickr.com/photos/dskley/9666364180 • Fragezeichen: https://www.flickr.com/photos/eleaf/2536358399 • Mind the gap: https://www.flickr.com/photos/simone_brunozzi/2643200238/ • Easy: https://www.flickr.com/photos/catharticflux/2484317019/ • Monkey bento: https://www.flickr.com/photos/buzzymelibee/8598689804
  72. 72. Backup
  73. 73. Flusseffizienz Flusseffizienz = Arbeitszeit (Arbeitszeit +Wartezeit) Story&/&Feature&Incep0on& 5&Days& Wai0ng&in&Backlog& 25&days& System&Regression&Tes0ng&&&Staging&& 5&Days& Wai0ng&for&Release&Window& 5&Days& “Ac0ve&Development”& 30&days& Total&Cycle&Time& Pa.ern:&Total&Cycle&Time& In Software- Entwicklungs- Projekten liegt die Flusseffizienz in der Regel bei max. 15%-20%.

×