进度管理是项目管理的核心知识领域之一，直接决定项目能否按时交付。对于有技术背景的项目经理而言，进度管理不仅是制定时间表，更是一个涉及数学优化、资源配置和风险权衡的系统工程。本章将深入探讨关键路径法（CPM）、进度压缩技术、资源优化方法以及挣值管理中的进度指标，并介绍如何利用AI工具提升进度分析效率。掌握这些技术将帮助你在PMP考试中快速解决进度相关计算题，更重要的是在实际项目中做出科学的进度决策。
项目网络图是进度管理的基础工具，它将项目活动及其依赖关系可视化。理解网络图是掌握CPM的第一步。在实际项目管理中，网络图不仅是计算工期的工具，更是沟通进度计划、识别风险和优化资源的重要手段。
网络图的两种表示法：
PMP考试主要使用AON表示法，也称为前导图法（PDM）。这种方法能够更好地表达现代项目中复杂的依赖关系。
节点信息标准格式：
┌─────────────────┐
│ 活动名称 │
├─────────────────┤
│ ES │ 工期 │ EF │
├─────────────────┤
│ LS │ TF │ LF │
└─────────────────┘
网络图示例：
[A]
5天
↙ ↘
[Start] [C]
↘ ↗ 3天
[B] ↘
4天 [End]
网络图构建原则：
PDM中有四种逻辑关系类型，理解这些关系类型对于构建准确的项目网络图至关重要：
提前量与滞后量的深入理解：
依赖关系的分类：
实践应用示例：
软件开发项目的典型依赖关系：
需求分析 →FS→ 系统设计
系统设计 →SS+2→ 详细设计（设计开始2天后）
详细设计 →FS→ 编码
编码 →SS+5→ 单元测试准备（编码开始5天后）
编码 →FF→ 单元测试执行
集成测试 →FS+2→ 用户验收测试（缓冲2天）
关键路径是网络图中最长的路径，决定了项目的最短完成时间。识别关键路径需要进行正向和反向计算。关键路径的概念源于1950年代的项目管理实践，至今仍是进度控制的核心工具。
关键路径的特性：
正向计算（Forward Pass）详解：
目的：确定项目最早可能的完成时间
计算规则：
特殊情况处理：
反向计算（Backward Pass）详解：
目的：确定活动的最晚允许时间
计算规则：
关键路径判定准则：
总浮动时间准则： \(TF = LS - ES = LF - EF = 0\)
路径长度准则： 最长的路径即为关键路径
连续性准则： 关键活动必须形成从开始到结束的连续路径
关键路径算法步骤：
# 伪代码示例
def find_critical_path(activities, dependencies):
# Step 1: 构建网络图
network = build_network(activities, dependencies)
# Step 2: 正向计算
for activity in topological_order(network):
activity.ES = max([pred.EF for pred in predecessors])
activity.EF = activity.ES + activity.duration
# Step 3: 反向计算
project_duration = max([act.EF for act in end_activities])
for activity in reverse_topological_order(network):
activity.LF = min([succ.LS for succ in successors])
activity.LS = activity.LF - activity.duration
# Step 4: 计算浮动时间
for activity in activities:
activity.TF = activity.LS - activity.ES
# Step 5: 识别关键路径
critical_path = [act for act in activities if act.TF == 0]
return critical_path, project_duration
次关键路径（Near-Critical Path）：
定义：总浮动时间很小（如≤2天）的路径
重要性：
识别方法：
关键路径的变化：
导致变化的因素：
管理策略：
浮动时间反映了活动的机动时间，是进度管理的重要概念。理解和正确计算浮动时间对于资源分配、风险管理和进度优化至关重要。浮动时间的概念让项目经理能够识别哪些活动有灵活性，哪些必须严格控制。
四种浮动时间详解：
总浮动时间（Total Float, TF）：不影响项目完成时间的最大延迟
定义：活动可以延迟而不影响项目总工期的时间量
计算公式： \(TF = LS - ES = LF - EF\)
特性：
应用场景：
自由浮动时间（Free Float, FF）：不影响后续活动最早开始时间的最大延迟
定义：活动可以延迟而不影响任何后续活动的时间量
计算公式： \(FF = \min(ES_{successor}) - EF_{current}\)
或考虑依赖关系： \(FF = \min(ES_{successor} - Lag) - EF_{current}\)
特性：
应用价值：
项目浮动时间（Project Float）：项目完成时间与客户要求时间之差
定义：整个项目相对于外部约束的机动时间
计算公式： \(Project\ Float = Target\ Date - Critical\ Path\ Duration\)
意义：
管理策略：
负浮动时间（Negative Float）：表示进度落后，需要采取纠正措施
产生原因：
应对措施：
浮动时间的高级概念：
干扰浮动（Interfering Float）： \(IF = TF - FF\) 使用此浮动会影响后续活动的总浮动
独立浮动（Independent Float）： \(IndF = FF - \text{前置活动使用的浮动}\) 完全不受其他活动影响的浮动时间
链路浮动（Chain Float）： 一条非关键路径上所有活动共享的总浮动
浮动时间的消耗规则：
浮动时间分析矩阵：
| 总浮动 | 自由浮动 | 活动特征 | 管理策略 |
|---|---|---|---|
| 0 | 0 | 关键活动 | 严格监控，优先资源 |
| >0 | 0 | 路径收敛点 | 注意后续影响 |
| >0 | =TF | 路径末端 | 可灵活调度 |
| >0 | >0但<TF | 中间活动 | 谨慎使用浮动 |
| <0 | <0 | 延迟活动 | 立即采取措施 |
通过完整的实例来巩固关键路径法的概念和计算方法。我们将使用一个软件开发项目的简化版本进行演示。
项目背景： 开发一个移动应用的核心模块，包含需求分析、设计、开发、测试等阶段。
活动 描述 持续时间 前置活动 资源需求
A 需求分析 3天 - 2名分析师
B 数据库设计 5天 - 1名DBA
C UI设计 4天 A 2名设计师
D 后端开发 2天 B 3名后端工程师
E 前端开发 6天 C,D 2名前端工程师
F 集成测试 3天 E 2名测试工程师
步骤1：绘制网络图
[A:3]--->[C:4]
↗ ↘
[Start] [E:6]--->[F:3]--->[End]
↘ ↗
[B:5]--->[D:2]
步骤2：正向计算（Forward Pass）
计算规则回顾：
详细计算过程：
| 活动 | 计算过程 | ES | Duration | EF |
|---|---|---|---|---|
| A | 0 | 3 | ||
| B | 0 | 5 | ||
| C | 3 | 7 | ||
| D | 5 | 7 | ||
| E | 7 | 13 | ||
| F | 13 | 16 |
步骤3：反向计算
| 活动 | LS | LF | TF |
|---|---|---|---|
| A | 0 | 3 | 0 |
| B | 0 | 5 | 0 |
| C | 3 | 7 | 0 |
| D | 5 | 7 | 0 |
| E | 7 | 13 | 0 |
| F | 13 | 16 | 0 |
结论：所有活动的总浮动时间都为0，因此整条路径都是关键路径。项目总工期为16天。
当项目进度落后或需要提前交付时，需要采用进度压缩技术。进度压缩是项目管理中的关键决策点，需要在成本、时间、质量和风险之间找到最佳平衡。理解各种技术的适用场景和限制条件，对于做出正确的进度决策至关重要。
赶工通过增加资源来缩短关键路径上的活动持续时间。
赶工原则：
成本斜率计算： \(\text{成本斜率} = \frac{\text{赶工成本} - \text{正常成本}}{\text{正常时间} - \text{赶工时间}}\)
赶工决策示例：
| 活动 | 正常时间 | 赶工时间 | 正常成本 | 赶工成本 | 成本斜率 |
|---|---|---|---|---|---|
| A | 5天 | 3天 | $1000 | $1500 | $250/天 |
| B | 4天 | 3天 | $800 | $1100 | $300/天 |
| C | 6天 | 4天 | $1200 | $1600 | $200/天 |
优先赶工活动C，因为其成本斜率最低。
快速跟进将原本串行的活动改为并行或部分并行执行。
快速跟进特点：
适用场景：
快速跟进示例： 原计划：需求分析(10天) → 设计(15天) → 开发(20天) 快速跟进：需求分析(10天) → 设计开始5天后开始开发 总工期从45天缩短到40天。
| 因素 | 赶工 | 快速跟进 |
|---|---|---|
| 成本影响 | 增加 | 不变或略增 |
| 风险影响 | 低 | 高 |
| 质量影响 | 可能降低 | 可能降低 |
| 资源需求 | 增加 | 不变 |
| 管理复杂度 | 中等 | 高 |
| 适用阶段 | 执行阶段 | 规划/执行阶段 |
选择建议：
资源优化是平衡进度与资源约束的关键技术，帮助项目经理在资源有限的情况下制定可行的进度计划。
资源平衡通过调整活动开始和完成时间来解决资源冲突，确保资源需求不超过可用资源。
资源平衡的影响：
资源平衡算法步骤：
示例场景：
原始进度（需要程序员数量）：
第1-3天: 活动A(2人) + 活动B(3人) = 5人
第4-6天: 活动C(2人) + 活动D(2人) = 4人
可用资源：4名程序员
平衡后：
第1-3天: 活动A(2人) + 活动B(2人) = 4人
第4-6天: 活动B(1人) + 活动C(2人) = 3人
第7-8天: 活动D(2人) = 2人
资源平滑在不改变项目关键路径的前提下，利用活动的浮动时间来优化资源使用。
资源平滑 vs 资源平衡：
| 特征 | 资源平衡 | 资源平滑 |
|---|---|---|
| 优先级 | 资源约束优先 | 进度约束优先 |
| 工期影响 | 可能延长 | 不改变 |
| 关键路径 | 可能改变 | 不改变 |
| 资源上限 | 严格遵守 | 尽量遵守 |
| 适用场景 | 资源严格受限 | 优化资源使用 |
资源平滑技巧：
关键链法是约束理论（TOC）在项目管理中的应用，考虑了资源约束对进度的影响。
关键链法核心概念：
缓冲大小计算： \(\text{缓冲大小} = \frac{\text{链路长度}}{2} \times \text{不确定性系数}\)
或使用平方根法： \(\text{缓冲大小} = \sqrt{\sum(\text{活动不确定性})^2}\)
关键链法实施步骤：
关键链法优势：
示例：
传统CPM：
活动A(10天) → 活动B(15天) → 活动C(12天) = 37天
关键链法：
活动A(6天) → 活动B(10天) → 活动C(8天) + 项目缓冲(12天) = 36天
（活动估算更激进，但有缓冲保护）
挣值管理不仅用于成本控制，也是进度绩效测量的重要工具。本节重点介绍EVM中的进度相关指标。
基础概念：
关键进度指标：
计算示例：
项目总预算：$100,000，工期10个月 第5个月末的状态：
计算：
SPI的深入理解：
基于EVM的进度预测方法：
时间完工估算（EACt - Estimate at Completion time）：
假设当前SPI将持续： \(EAC_t = \frac{\text{计划工期}}{SPI}\)
考虑关键路径的方法： \(EAC_t = AT + \frac{\text{剩余关键路径工期}}{SPI}\)
完工尚需时间估算（ETCt - Estimate to Complete time）： \(ETC_t = EAC_t - AT\)
完工时进度偏差（VACt - Variance at Completion time）： \(VAC_t = \text{计划工期} - EAC_t\)
预测示例：
计算：
基于挣得进度（ES）的分析：
挣得进度是EVM的新发展，直接使用时间单位：
\[ES = AT + \frac{EV - AC_{AT}}{PV_{rate}}\]其中PV_rate是计划的工作速率（$/天）。
进度预测的注意事项：
利用AI工具可以大幅提升进度管理的效率和准确性。以下是具体的应用场景和提示词示例。
使用AI生成网络图的提示词模板：
请根据以下活动列表生成项目网络图并计算关键路径：
[活动列表]
要求：
1. 使用前导图法（PDM）
2. 计算每个活动的ES、EF、LS、LF
3. 标识关键路径
4. 计算总浮动时间
5. 提供ASCII或mermaid格式的网络图
AI辅助的关键路径分析：
# 可以请AI生成的Python代码示例
def calculate_critical_path(activities):
"""
activities: [(name, duration, predecessors), ...]
返回：关键路径和项目总工期
"""
# 正向计算
es, ef = forward_pass(activities)
# 反向计算
ls, lf = backward_pass(activities, ef)
# 识别关键路径
critical_path = identify_critical(es, ls)
return critical_path, max(ef.values())
AI驱动的进度压缩分析：
项目信息：
- 当前工期：[X]天
- 目标工期：[Y]天
- 关键路径活动：[列表]
- 可用预算：$[金额]
请提供：
1. 赶工方案（包括成本影响分析）
2. 快速跟进方案（包括风险评估）
3. 混合优化策略
4. 各方案的优缺点对比
使用AI进行资源分析的提示：
资源配置：
[资源类型和数量列表]
活动安排：
[活动名称、资源需求、时间安排]
请分析：
1. 资源冲突时段
2. 资源利用率图表
3. 资源平衡建议
4. 对关键路径的影响
AI支持的EVM分析模板：
项目数据：
- BAC（完工预算）：$[金额]
- 计划工期：[天数]
- 当前时间点：第[X]天
- PV：$[金额]
- EV：$[金额]
- AC：$[金额]
请计算并解释：
1. 所有EVM指标（SV、SPI、CV、CPI）
2. 完工预测（EAC、ETC、VAC）
3. 绩效趋势分析
4. 纠正措施建议
使用AI进行进度风险分析：
# 请AI生成蒙特卡洛模拟代码
import numpy as np
def monte_carlo_schedule(activities, iterations=10000):
"""
对每个活动使用三点估算进行模拟
activities: [(name, optimistic, likely, pessimistic), ...]
"""
results = []
for _ in range(iterations):
duration = simulate_project(activities)
results.append(duration)
return {
'P50': np.percentile(results, 50),
'P80': np.percentile(results, 80),
'P95': np.percentile(results, 95),
'mean': np.mean(results),
'std': np.std(results)
}
场景生成器提示：
生成一个软件开发项目的进度管理场景：
- 项目规模：中型（6-8个月）
- 团队规模：10-15人
- 包含至少15个活动
- 设置2-3个资源约束
- 包含1-2个进度风险
提供：
1. 完整的WBS
2. 活动依赖关系
3. 资源分配
4. 需要解决的进度问题
5. 期望的解决方案
PMP考试模拟题生成：
基于以下进度管理知识点生成5道PMP风格的情景题：
- 关键路径变更
- 资源平衡vs资源平滑
- 进度压缩决策
- SPI/SV的解释
- 关键链缓冲管理
每题包括：
1. 项目背景
2. 具体问题
3. 4个选项
4. 正确答案和详细解释
进度管理是项目成功的关键要素，本章介绍的技术和方法构成了PMP考试中进度管理知识领域的核心内容：
核心概念回顾：
关键公式汇总：
| 指标 | 公式 | 含义 |
|---|---|---|
| ES | max(EF_predecessors) | 最早开始时间 |
| EF | ES + Duration | 最早完成时间 |
| LS | LF - Duration | 最晚开始时间 |
| LF | min(LS_successors) | 最晚完成时间 |
| TF | LS - ES 或 LF - EF | 总浮动时间 |
| FF | ES_successor - EF_current | 自由浮动时间 |
| SV | EV - PV | 进度偏差 |
| SPI | EV/PV | 进度绩效指数 |
| EACt | 计划工期/SPI | 时间完工估算 |
实战应用要点：
调试建议：