モンテカルロシミュレーションとは？プロジェクトの不確実性を定量評価する手法を解説

モンテカルロシミュレーションとは

モンテカルロシミュレーションとは、乱数を用いた反復計算によって、不確実な事象の結果を確率分布として求める数学的手法です。プロジェクトマネジメントにおいては、工期やコストの見積りに内在する不確実性を定量的に評価し、「80%の確率で何日以内に完了するか」といった確率的な予測を可能にします。

この手法の名前は、モナコのカジノで有名なモンテカルロに由来しています。1940年代にロスアラモス国立研究所の科学者スタニスワフ・ウラムとジョン・フォン・ノイマンが核兵器の開発過程で考案しました。乱数を使って複雑な物理現象をシミュレートするこの手法は、その後金融工学、製造業、そしてプロジェクトマネジメントへと応用領域を広げています。

従来の確定的な見積り（単一の数値を出す方法）では、「プロジェクトは120日で完了する」という一点の予測しか得られません。しかし現実には、各タスクの所要期間には幅があり、その組み合わせによってプロジェクト全体の工期も変動します。モンテカルロシミュレーションは、この変動の全体像を可視化し、意思決定者がリスクを理解したうえで判断を下すための基盤を提供します。

構成要素

モンテカルロシミュレーションは、入力の確率分布設定、反復シミュレーション、累積確率曲線の生成、そして感度分析の4つの構成要素で成り立っています。

確率分布の設定

シミュレーションの第一歩は、各タスクや変数に確率分布を割り当てることです。プロジェクトマネジメントでよく使われる分布には以下のものがあります。

分布の種類	特徴	適用場面
三角分布	楽観値・最頻値・悲観値の3点で定義。直感的で理解しやすい	三点見積りとの連携に最適。情報が限られる場面
ベータ分布	PERTで使用される分布。最頻値付近に重みがかかる	より精緻な見積りが必要な場面
正規分布	平均値を中心に左右対称。標準偏差で散らばりを定義	過去データが豊富に蓄積されている場面
一様分布	最小値と最大値の間で等しい確率	情報が極端に少なく、判断根拠がない場面

反復シミュレーション

設定した確率分布から乱数を発生させ、各タスクの所要期間やコストのサンプル値を生成します。それらを組み合わせてプロジェクト全体の工期やコストを1回分計算し、この計算を1,000回から10,000回以上繰り返します。試行回数が多いほど結果の精度は高まりますが、現在のコンピュータの処理能力であれば数万回のシミュレーションも数秒で完了します。

累積確率曲線

シミュレーション結果をヒストグラムと累積確率曲線（S字カーブ）で表現します。累積確率曲線からは「P80（80パーセンタイル）」のように、特定の確率で達成できる工期やコストを読み取れます。たとえば「P80 = 135日」であれば、「80%の確率で135日以内にプロジェクトが完了する」ことを意味します。

感度分析

感度分析は、どの入力変数が結果に最も大きな影響を与えているかを特定する手法です。トルネードチャートと呼ばれるグラフで各変数の影響度を可視化し、リスク対策の優先順位を決定します。感度の高いタスクにリソースを集中させることで、プロジェクト全体のリスクを効率的に低減できます。

実践的な使い方

ステップ1: WBSとタスク依存関係を整理する

モンテカルロシミュレーションの前提として、WBS（Work Breakdown Structure）によるタスクの分解と、タスク間の依存関係（先行・後続関係）の定義が必要です。特にクリティカルパスの特定が重要で、パス上のタスクの不確実性がプロジェクト全体の工期変動に直結します。

ステップ2: 各タスクに確率分布を設定する

三点見積り（楽観値・最頻値・悲観値）をもとに、各タスクに適切な確率分布を割り当てます。過去の類似プロジェクトのデータがあればそれを活用し、データがなければ専門家の判断（エキスパートジャッジメント）に基づいて設定します。見積りの根拠を記録しておくことが再現性の確保に重要です。

ステップ3: シミュレーションを実行する

専用ツール（Crystal Ball、@RISK、Primavera Risk Analysis、あるいはPythonやExcelのVBAによるカスタム実装）を使ってシミュレーションを実行します。試行回数は最低でも1,000回、精度を求める場合は10,000回以上を推奨します。結果はヒストグラム、累積確率曲線、感度分析チャートとして出力されます。

ステップ4: 結果を解釈し意思決定に活用する

シミュレーション結果から以下の情報を読み取り、プロジェクト計画に反映します。

• P50（中央値）: 50%の確率で達成できる値。計画のベースラインとして使用
• P80やP90: リスクバッファを含めたコミットメント値。ステークホルダーへの報告に使用
• 感度分析の結果: リスク対策を集中すべきタスクの特定
• 確率分布の幅: プロジェクト全体の不確実性の大きさの把握

活用場面

• スケジュールリスク分析: 大規模プロジェクトの工期見積りにおいて、確定的な単一見積りではなく確率的な範囲として提示し、経営層の意思決定を支援します
• コストコンティンジェンシーの算出: P80やP90のコスト値と確定的見積りの差額を根拠として、合理的なコンティンジェンシー予備の金額を設定します
• 入札価格の決定: 建設業やIT業界の入札において、リスクを織り込んだ価格設定の根拠をシミュレーション結果から導き出します
• リスク対策の優先順位付け: 感度分析で特定した影響度の高いタスクに対して、優先的にリスク軽減策を講じます
• プロジェクトポートフォリオ管理: 複数プロジェクトの工期・コストリスクを統合的に評価し、組織全体のリスクエクスポージャーを把握します

注意点

入力データの品質が結果の信頼性を決める

「ゴミを入れればゴミが出る（Garbage In, Garbage Out）」の原則は、モンテカルロシミュレーションにもそのまま当てはまります。確率分布の設定が恣意的であったり、楽観値・悲観値の範囲が狭すぎたりすると、シミュレーション結果は実態を反映しません。過去データの分析、複数の専門家によるレビュー、定期的な見積り精度の検証が不可欠です。

結果の過信を避ける

シミュレーション結果はあくまで「設定した前提条件のもとでの確率的予測」です。前提そのものが誤っている場合（未識別のリスク、タスク間の相関関係の見落としなど）、結果は現実と乖離します。シミュレーション結果を「科学的に正確な予測」と捉えるのではなく、「現時点の知識に基づく最善の推定」として扱うことが重要です。

タスク間の相関を考慮する

実務ではタスク間に相関関係が存在することが多くあります。たとえば、設計フェーズが遅延した場合、後続の開発フェーズも遅延する傾向があります。この相関を無視してタスクを独立に扱うと、プロジェクト全体のリスクを過小評価する恐れがあります。相関係数の設定やリスクイベントの連鎖をモデルに組み込むことで、より現実的なシミュレーションが可能になります。

ツール導入のコストと学習曲線

専用のシミュレーションソフトウェアはライセンス費用がかかり、チームメンバーの学習にも時間を要します。小規模プロジェクトでは、シミュレーションの運用コストが得られるメリットを上回ることもあります。プロジェクトの規模・複雑さ・不確実性の高さに応じて、適用範囲を判断します。ExcelやPythonを活用した簡易的なシミュレーションから始めることも有効な選択肢です。

まとめ

モンテカルロシミュレーションは、乱数を用いた反復計算によってプロジェクトの工期やコストの不確実性を確率分布として可視化する手法です。三点見積りと組み合わせて各タスクに確率分布を設定し、数千回以上のシミュレーションを実行することで、「P80で135日以内」のような確率的な予測を導き出せます。感度分析によるリスク対策の優先順位付けと併せて活用することで、プロジェクトの意思決定の質を大きく向上させます。入力データの品質確保と結果の適切な解釈を前提に、プロジェクトの規模に応じた運用を設計することが効果的な活用の鍵です。

参考資料

• Practice Standard for Scheduling - PMI（プロジェクトスケジューリングの標準。モンテカルロシミュレーションを含む確率的スケジューリング手法を体系的に解説）
• Monte Carlo Simulation - PMI Learning Library（モンテカルロシミュレーションをリスク識別と定量的リスク分析に活用する方法を解説）
• Risk Analysis and Management for Projects (RAMP) - Institution of Civil Engineers（建設・インフラプロジェクトにおけるリスク分析・管理手法のガイドライン）