高项备考葵花宝典-项目进度管理核心方法加强理解-关键路径法

        关键路径法(Critical Path Method,CPM)是一种基于数学计算的项目计划管理方法,是网络图计划方法的一种,属于肯定型的网络图。关键路径法将项目分解成为多个独立的活动并确定每个活动的工期,然后用逻辑关系(结束-开始、结束-结束、开始-开始和开始-结束)将活动连接,从而能够计算项目的工期、各个活动时间特点(最早最晚时间、时差)等。在关键路径法的活动上加载资源后,还能够对项目的资源需求和分配进行分析。关键路径法是现代项目管理中最重要的一种分析工具。

        关键路径是指设计中从输入到输出经过的延时最长的逻辑路径。优化关键路径是一种提高设计工作速度的有效方法。在优化设计过程中,关键路径法可以反复使用,直到不可能减少关键路径延时为止。

目录

一、列路径

二、获取关键路径

三、关键路径参数计算

3.1 参数计算

3.2 例题加深巩固1

3.3 例题加深巩固2


一、列路径

图 1

如上图1所示,我们把每个活动的历时标记在活动上,把每个路径上的所有活动历时加在一起,分别所到 4 个路径的总历时,如下图2所示:

图 2

二、获取关键路径

图 3

        如图3所示,第二条路径 A-B-E-F 加起来的总历时是11天,是路径中最长的,我条路径就是项目的关键路径,这条路径决定了项目的总工期。

        关键路径尖不仅可以帮助我们判断哪条路径决定总工期,而且,学会关键路径参数计算,还能获得很多有价值的信息。

三、关键路径参数计算

图 4

        如图4所示,在单代号网格图中,每个活动用一个表格来表示它的参数:

  • 最早可以开始的时间(Earliest Start Time, ES):该活动如果有前序活动,那么需要等前序活动完成,它才能开始。ES 就是该活动最早可以时间,取决于前序活动结束的时间。
  • 活动历时(Duration,DU):活动历时是用类比尖、专家判断法、三点估算法等方法估算出来的完成活动需要持续的时间。
  • 最早可以结果的时间(Earliest Finish Time,EF):我们用最早可以开始的时间(ES)加上活动历时(DU),就可以得到活动最早可以结束的时间(EF = ES + DU)
  • 最晚必须结束的时间(Latest Finish Time,LF):如果该活动有后序活动,而且受总工期制约,必须给后序活动留出足够的时间,那么该活动就必须在某个时间点完成,这个时间点就是最晚必须结束的时间。
  • 最晚必须开始的时间(Latest Start Time,LS):我们用最晚必须结束的时间(LF)减去活动历时(DU),就可以得到该活动最晚必须开始的时间(LS = LF - DU)
  • 总浮动时间(Total Float,TF):总浮动时间是 LF 与 EF 之差,或者LS 与ES 之差(TF = LF - EF,TF = LS - ES),这两个差值相等。总浮动时间反映的是在不影响总工期的前提下,该活动可以延后的总时间。

3.1 参数计算

图 5

        如上图5所示,我们已经把办公室装修项目分解出 A~ Q共七项活动,而且估算了每项活动的历时,也了解了每项活动的前序活动。

        计算:

  • 第一步:根据前序活动的依赖关系 ,画出一幅单代号网络图,如下图 6:

图 6

  • 第二步:如上图6所示,填写活动最早可以开始的时间,我们用时间轴上的刻度值来表示,如下图 7所示:

图 7 

        因为活动A 是第 1 项活动,所以开始时间就是时间轴上的原点 0;活动A历时为 2天,所以最早可以结束时间的时间轴刻度 2 (0 + 2)。

        第 2 项活动 B 的前序活动是 A ,活动A 在时间轴刻度 2 的时刻结束,那么活动 B 最早也只能在时间轴刻度 2 这个时刻开始。以此类推,从左向右依次推算出所有活动的最早开始的时间(ES)、活动历时(DU)、最早可以结束的时间(EF)。

图 8

  • 第三步:如上图8所示,从最后一项活动 G 开始,从右向左推算活动最晚必须结束时间(LF)、最晚必须开始时间(LS) 和 总浮动时间 (TF)。G 是最后一项活动,如果总工期是 10 天,那么活动 G 的最晚结束时间 (LF)就是时间时刻轴刻度 10,再用减去活动历时 2 天,得到晚晚开始时间 (LS) 就是时间轴刻度 8。

        因为活动G 的最晚结束时间 LF 和 最早结束时间EF都是时刻轴刻度10,所以总浮动时间 TF = LF - EF = 10 - 10 = 0

        活动G 的前序活动E,其最晚结束时间(LF)由活动G 的最晚开始时间(LS)决定,所以活动E 的最晚结束时间(LF)是时间轴刻度 8,得到活动E 的最晚开始时间 LS = LF - DU = 8 - 1 = 7。以此类推,从右向左依次推算出每项活动的最晚结束时间(LF)、最晚开始时间(LS)和总浮动时间(TF)。

  • 第四步:找到总浮动时间(TF)为0的所有活动,并用红笔标记起来,这条约色的路径就是项目的关键路径;白色的路径 为非关键路径。

        绘制成如图8所示,可以看到关键路径上的活动总激动时间均为0,而非关键路径上的活动都有总浮动时间。

3.2 例题加深巩固1

在关键路径上的活动具务什么特征?

  • A. 浮动时间 = 0 的活动
  • B. 浮动时间 <= 0 的活动
  • C. 浮动时间 > 0 的活动
  • D. 以上均有可能

图 9

        分析:A,关键路径上的活动的总浮动时间一定为 0 吗?如上图8所示的活动的最早开始时间由前序工作决定,而最晚结束时间由后序工作决定。当我们排计划时,为了满足前序工作C 所需要的 5天工期,F 最早可以开始的时间是时间轴刻度5,加上F需要3天工期,所以F的最早结束时间(EF)是时间轴刻度8;而我们要给F的后序工作G留够3天工期,且总工期不能延误,Gr最晚开始时间(LF)是时间轴刻度 7,所以F 的最晚结束时间就是7。在这种情况下,F的总浮动时间为 -1(7 - 8 = -1)。

        总浮动时间为-1:整条路径总时长是10天,C需要5天,G需要7天,那么就只剩下2天,而F也需要3天,那么少的这1天就是总浮动时间 -1。

        编制项目进度计划时,如果总工期是固定的,那么就会遇到总浮动时间小于0的情况,即时间不够用。这时利用压缩工期的技术来解决,如加班加人或者后序活动设置提前量,让后序活动提前开始,目的都是在有限的时间内完成这些活动。

        分析:B,也不对。比如总工期有时间储备,则关键路径上的活动就有了浮动时间。那么 ABC三项均有可能,正确是D。那么应该描述为总浮动时间最少的路径为关键路径。

3.3 例题加深巩固2

        以下关于“关键路径”的表述正确码?

  • A. 关键路径决定了项目的总工期
  • B. 关键路径所需要的时间最长
  • C. 关键路径上的浮动时间最少
  • D. 一个项目的关键路径只能有一条
  • E. 关键路径上的活动技术含量高
  • F. 活动延误可能导致关键路径变化
  • G.关键路径上的活动的工期无法压缩

       

        

        A,正确。关键路径的特征是活动历时加起来最长,最长的路径决定项目总工期。

        B,正确。理由同上。

        C,正确。3.2 的结论。

        D,错误。一个项目关键路径可能不止一条,如果多条路径的总浮动时间都是0,那么这几条路径就都是关键路径。

        E,错误。关键路径上的活动只是没有浮动时间或者浮动时间最少,和技术含量无关。即使特别简单、谁都能干的活动,只要它在时间上没有余地,它就在关键路径上。

        F,正确。非关键路径 上的活动如果延误,延误时间一亘超过了总浮动时间,那么这条路径就把项目总工期延误了,这条路径也就成了关键路径。由于总工期变长,原来的关键路径反而有了浮动时间,变成了非关键路径。所以,在这种情况下,项目的关键路径发生了变化。

        G,错误。关键路径上的活动只是没有时间余地,并不是不能压缩。一般情况下,客户或发起人要求我们压缩工期,就是要我们针对关键路径上的活动进行压缩。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/240821.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

​hashlib --- 安全哈希与消息摘要​

源码&#xff1a; Lib/hashlib.py 本模块针对许多不同的安全哈希和消息摘要算法实现了一个通用接口。 包括了 FIPS 安全哈希算法 SHA1, SHA224, SHA256, SHA384, SHA512, (定义见 the FIPS 180-4 standard), SHA-3 系列 (定义见 the FIPS 202 standard) 以及 RSA 的 MD5 算法 (…

首场“解数Talk” 直播来了——大模型语料数据联盟开源数据集解读

一、解数 Talk 介绍 为帮助广大开发者更好地了解大模型语料数据联盟发布的AI大模型语料数据&#xff0c;沟通大模型企业在AI视角下的数据需求&#xff0c;不断服务大模型产业生态和落地应用&#xff0c;联盟发起单位上海人工智能实验室联合成员单位共同打造“解数 Talk”系列直…

智能优化算法应用:基于引力搜索算法3D无线传感器网络(WSN)覆盖优化 - 附代码

智能优化算法应用&#xff1a;基于引力搜索算法3D无线传感器网络(WSN)覆盖优化 - 附代码 文章目录 智能优化算法应用&#xff1a;基于引力搜索算法3D无线传感器网络(WSN)覆盖优化 - 附代码1.无线传感网络节点模型2.覆盖数学模型及分析3.引力搜索算法4.实验参数设定5.算法结果6.…

Vue中发送Ajax请求的方式axios及其跨域问题的解决方案代理机制的配置和原理

Vue中的Ajax请求 现在比较流行的开发方式为异步调用,前后台以异步Ajax请求的方式进行交换数据,传输的数据使用的是JSON Ajax请求发送后,当浏览器接收到服务器的响应内容后不会重新加载整个页面,只会更新网页的部分实现局部刷新的效果 发送AJAX异步请求的常见方式包括 使用浏…

Java 对接企业微信(文本消息推送)

Java 对接企业微信&#xff08;文本消息推送&#xff09; 背景版本代码POM配置实体工具类发送消息测试配置文件配置文件中的参数来源secretcorpidagentid 执行异常原因 文档 背景 公司的项目&#xff0c;通知信息打算接入企业微信通知。提前做下实验。 版本 JDK 21 SpringBoo…

故障排查方法与技巧

判断网络是否稳定&#xff0c;最重要的两个命令 ping 10.28.0.23 -t -l 1000 -t &#xff1a;无限循环ping -l&#xff1a;指定数据包大小 内网环境< 1ms,是较好的网络&#xff0c;如果跳到100多&#xff0c;说明网络不稳定 telnet ip地址空格端口号 表示不通 数据库…

老师发成绩单攻略:5种方法让群发成绩变得更高效

作为老师&#xff0c;发布成绩单是一项重要的任务。为了更高效地完成这项任务&#xff0c;本文将介绍5种方法&#xff0c;帮助老师群发成绩单更加高效。 一、提前规划&#xff0c;做好准备 在发布成绩单之前&#xff0c;老师需要提前规划好发布的时间、方式、接收对象等&#…

路径总和(递归)

112. 路径总和 - 力扣&#xff08;LeetCode&#xff09; 题目描述 给你二叉树的根节点 root 和一个表示目标和的整数 targetSum 。判断该树中是否存在 根节点到叶子节点 的路径&#xff0c;这条路径上所有节点值相加等于目标和 targetSum 。如果存在&#xff0c;返回 true &a…

34、卷积实战 - 手写一个基础卷积算法

前面基本上把卷积这一算法的原理和公式介绍完了,如果还有不懂的,可以多翻几遍前面的章节内容,深入理解一下。 本节加一个实战,大家可以手动来实现一个卷积算法,本文中以 python 代码为例,C++ 的代码可以查看本节后面的链接。 说到卷积实现,其实就是自己手写一个卷积算…

js基础:简介、变量与数据类型、流程循环控制语句、数组及其api

JS基础&#xff1a;简介、变量与数据类型、流程循环控制语句、数组及其api 一、简介 1、js概述 tip&#xff1a;JavaScript是什么&#xff1f; 有什么作用&#xff1f; JavaScript&#xff08;简称JS&#xff09;是一种轻量级的、解释性的编程语言&#xff0c;主要用于在网页…

SpringCloud微服务(简略笔记二)

Docker 概念 docker和虚拟机的差异 * docker是一个系统进程&#xff1b;虚拟机是在操作系统中的操作系统 * docker体积小&#xff0c;启动速度&#xff0c;性能好&#xff0c;虚拟机体积大&#xff0c;启动速度慢&#xff0c;性能一般 镜像和容器 镜像&#xff08;image&…

多模态统计图表综述:图表分类,图表理解,图表生成,图表大一统模型

Overview 多模态统计图表综述一、图表分类1.1 Survey1.2 常见分类数据集&#xff1a;1.3 常见图表类型 二、图表理解2.1 VQA2..1.1 DVQA CVPR20182.1.2 PlotQA 20192.1.3 ChartQA 2022 2.2 Summary2.2.1 Chart-to-text ACL 2022 三、图表生成四、图表大一统模型4.1 UniChart 20…

stm32 使用18B20 测试温度

用18b20 测试温度是非常常用的&#xff0c;不过18B20的调试不是这么容易的&#xff0c;有些内容网上很多的&#xff0c;不再重复说了&#xff0c;我先把波形说一下&#xff0c;再说程序部分&#xff1a; 整个都温度数据的顺序是&#xff1a; 1.700uS的低电平复位并测试18B20的…

【matlab进阶学习-6】 读取log数据data.txt文件,并做处理,导出报告/表格/图表

原始文件 原始文件格式txt&#xff0c;每一行对应一个数据&#xff0c;数据之间由逗号分割开 对应意思 时刻&#xff0c;电压&#xff0c;电流&#xff0c;功率&#xff0c;容量&#xff0c;&#xff0c;电流&#xff0c;功率&#xff0c;&#xff0c;RTC时间&#xff0c;状态…

什么是电商价格监控

电商价格监控是一种系统爬取数据后的实现动作&#xff0c;比起含义&#xff0c;其实更应该关注为什么要做电商价格监控&#xff0c;电商价格监控的执行前提是品牌要治理渠道&#xff0c;需要将电商平台的低价链接打击干净&#xff0c;那就需要先对低价链接进行确认、筛选&#…

YOLOv8改进 | 2023主干篇 | 利用轻量化卷积优化PP-HGNetV2改进主干(全网独家创新)

一、本文介绍 Hello&#xff0c;大家好&#xff0c;上一篇博客我们讲了利用HGNetV2去替换YOLOv8的主干&#xff0c;经过结构的研究我们可以发现在HGNetV2的网络中有大量的卷积存在&#xff0c;所以我们可以用一种更加轻量化的卷积去优化HGNetV2从而达到更加轻量化的效果&#…

AspNetCore 中使用 Knife4jUI 更加友好的Swagger界面

&#x1f680;介绍 aspnetcore.knife4j是一个基于.NET Core平台的Swagger UI库&#xff0c;它提供了API文档的生成和管理功能。这个库的前身是swagger-bootstrap-ui&#xff0c;在Java项目中广泛使用&#xff0c;由于其优秀的界面和易用性被许多开发者所推崇。现在&#xff0c…

探索Nginx的奥秘--从代理到负载均衡的艺术实践

文章目录 &#x1f33a;Nginx的引入&#x1f33a;&#x1f33a;深刻理解正向代理与反向代理&#x1f33a;&#x1f339;Reverse proxy&#x1f339;&#x1f339;正向代理与反向代理的区别&#x1f339;&#x1f339;反向代理为什么叫反向代理&#x1f339;&#x1f339;负载均…

MySQL和Redis有什么区别?

目录 一、什么是MySQL 二、什么是Redis 三、MySQL和Redis的区别 一、什么是MySQL MySQL是一种开源的关系型数据库管理系统&#xff08;RDBMS&#xff09;&#xff0c;它是最流行的数据库之一。MySQL以其高性能、可靠性和易用性而闻名&#xff0c;广泛应用于各种Web应用程序…

27系列DGUS智能屏发布:可实时播放高清模拟信号摄像头视频

针对高清晰度的模拟信号摄像头视频画面的显示需求&#xff0c;迪文特推出27系列DGUS智能屏。该系列智能屏可适配常见的AHD摄像头、CVBS摄像头&#xff0c;支持单路1080P高清显示、两路720P同屏显示&#xff08;同一类型摄像头&#xff09;。用户通过DGUS简单开发即可实现摄像头…