Flow Forecaster é o motor de previsão probabilística da FlowPace: combina Monte Carlo e Machine Learning adaptativo via SPC para gerar percentis P50/P85/P95 a partir do histórico real do time.
Por que usar a média do lead time engana suas estimativas de prazo, e como percentis (P70/P85/P95) e simulação de Monte Carlo tornam os compromissos de entrega mais confiáveis.
Comparando simulações de Monte Carlo com distribuição uniforme do Excel e com distribuição Weibull ajustada aos dados reais, o artigo mostra como o modelo escolhido pode dobrar a previsão de prazo.
Um mesmo conjunto de dados de throughput semanal gera previsões completamente diferentes dependendo do modelo de distribuição escolhido, comparando distribuição uniforme, Weibull e simulação em Python.
Reflexões sobre por que previsões de entrega raramente são perfeitas e por que a previsão probabilística é mais confiável do que estimativas pontuais e médias.
Como usar a Simulação de Monte Carlo para validar a previsibilidade calculada pela Lei de Little, dando continuidade ao exercício proposto no LeanKanban Brazil 2019.
Quantas vezes você já teve que responder a perguntas do tipo: Quando ficará pronto? Quando o projeto vai terminar? Quanto irá custar este desenvolvimento?