Nell’analisi del Life Cycle Cost, il rischio e l’incertezza sono elementi che influiscono sull’accuratezza di una stima di costo. Il rischio è una misura della potenziale impossibilità di realizzare gli obiettivi complessivi di un programma di acquisizione  ed è caratterizzato da un valore di probabilità e dalle conseguenze della mancata realizzazione degli obiettivi, in particolare per quanto concerne i costi del programma (con conseguente esposizione a perdite economiche). L’incertezza è sinonimo di variabilità ed indeterminatezza di un evento (in altre parole, indica la mancanza di conoscenza e delle informazioni necessarie sugli elementi del programma e, conseguentemente, sui costi).

Nella fase iniziale di un programma di acquisizione di sistemi (quindi fin dagli studi di fattibilità), le previsioni di spesa connesse alla realizzazione del programma (in termini di Life Cycle Cost) rivestono già una particolare importanza, nella considerazione – accennata in precedenza – che proprio in questa fase vengono prese decisioni che, con un elevato grado di irreversibilità, condizionano il costo del programma. Detta possibilità si riduce progressivamente nelle fasi temporali successive.

Sulla base di questa constatazione, nell’ambito della definizione di opportune strategie di  Cost Management propedeutiche all’avvio di programmi di acquisizione spesso onerosi dal punto di vista gestionale e finanziario, la previsione del costo può essere effettuata mediante il ricorso ad opportuni modelli informatici, che nel caso specifico assumono la denominazione di modelli di “Cost Risk Analysis”, evidenziando l’esistenza di margini di incertezza intrinseci nel processo di stima del LCC di un sistema. Il livello di confidenza dei risultati di un’analisi del LCC dipende, come accennato, dalla disponibilità e dall’impiego delle informazioni più significative, dalle ipotesi racchiuse nel modello di LCC e dai dati d’ingresso utilizzati nell’analisi.

I modelli Cost Risk estendono l’applicabilità dei modelli di stima  di tipo parametrico, largamente utilizzati soprattutto all’inizio di un programma di acquisizione per le previsioni  di costo di componenti hardware e software, che esprimono il costo stimato attraverso algoritmi di calcolo in funzione di caratteristiche quantitative del sistema considerato (ad es., per i prodotti software, il numero di istruzioni nel linguaggio di programmazione e, corrispondentemente, il costo del lavoro degli specialisti software nelle diverse qualifiche e professionalità). Il grado di imprecisione introdotto dai metodi probabilistici di stima del costo può essere ridotto attraverso metodologie anche relativamente semplici, come quella dei “tre punti” che, applicata convenientemente, permette di ottimizzare l’accuratezza della stima. Un risultato ancora migliore si può ottenere se queste metodologie vengono integrate opportunamente anche con metodologie di simulazione. Ad esempio, ricordiamo che la famiglia dei metodi Monte Carlo si basa sull’uso di un campione casuale per trattare un problema, sia esso di tipo probabilistico o deterministico. In questa tecnica un campione viene estratto in modo casuale dalla probabilità di distribuzione associata ad ogni Cost Estimating Relationship (CER) e ad ogni variabile di rischio. Sulla base delle caratteristiche del fattore scelto o del CER si effettuano delle operazioni aritmetiche per ottenere una singola stima del costo di quello specifico elemento della Cost Breakdown Structure (CBS). La procedura viene estesa ad ogni singolo elemento del modello; poi i risultati vengono sommati in una “singola stima” del costo dell’intero sistema. Questa stima è una delle “infinite” possibili. La procedura della selezione casuale dei numeri e del conseguente calcolo viene ripetuta migliaia di volte per sviluppare una “distribuzione probabilistica” del costo totale del sistema.

All’incertezza ed al rischio nelle valutazioni di LCC contribuiscono vari fattori, quali: mancanza d’informazioni all’inizio del programma, introduzione di nuove tecnologie o nuovi prodotti, uso improprio di stime ottimistiche, pianificazioni poco attendibili, durate molto lunghe. Particolarmente in programmi che presentano quest’ultima caratteristica – con un conseguente prevedibile ingente impegno di spesa – elementi quali i tassi d’inflazione previsti, i costi della manodopera, dei materiali e delle attrezzature, possono causare una considerevole incertezza nei risultati di un’analisi del LCC. Modelli o dati non corretti, omissioni di elementi di costo significativi o altre ragioni possono portare a conclusioni infondate e decisioni errate.

L’incertezza ed il rischio sono ulteriormente aggravati dal fatto che molti fattori importanti, connessi ai processi decisionali, possono non essere facilmente quantificabili in termini di costo. Per tener conto di tali fattori si dovrebbe ricorrere all’esperienza nella formulazione di un giudizio di merito, integrando efficacemente valutazioni qualitative (come, appunto, quelle suggerite dall’esperienza) e valutazioni quantitative, attraverso i consolidati strumenti metodologici della Cost Risk Analysis reperibili in letteratura o sul web ed applicati con successo in diversi settori tecnologici (su questo argomento torneremo più in dettaglio in seguito).

Per ridurre il rischio intrinseco in una valutazione quantitativa è consigliabile – come è stato accennato precedentemente – un’analisi di sensitività, considerando in primo luogo un appropriato intervallo di variabilità dei parametri che maggiormente influenzano il costo e di altre grandezze significative. I risultati dell’analisi, valutati appropriatamente in dettaglio in correlazione con il grado di importanza e di complessità della specifica applicazione programmatica, forniranno il possibile intervallo di variazione del LCC, contribuendo ad ottimizzare il conseguente processo decisionale.

Autore

Massimo Pica è laureato in Ingegneria Chimica all’Università “Sapienza” di Roma, ha lasciato recentemente il servizio attivo prestato per oltre 30 anni nel Corpo degli Ingegneri dell’Esercito, fino al grado di Generale. Durante la sua carriera ha acquisito ed approfondito, anche in ambito internazionale, esperienze di progettazione di sistemi, analisi dei costi, project management ed, in particolare, di cost management, partecipando a numerosi progetti per lo studio, sviluppo e realizzazione di sistemi a tecnologie avanzate per la difesa. Attualmente si dedica ad attività formative specialistiche.

E’ iscritto all’Ordine degli Ingegneri di Roma, è socio AICE, membro italiano del Consiglio Europeo degli Economisti delle Costruzioni (CEEC) ed è socio dell’Istituto Italiano di Project Management (ISIPM).