Developing project cost variance analysis

Abstract

This thesis investigates the improvement of project margin variance analysis and estimation within international engineering, procurement, and supply (EPS) projects. In the context of project management, the ability to accurately analyse variances between budgeted and actual costs is critical for financial stability and strategic decision-making. The primary objective of this study was to develop tools and processes that enable project managers to identify the specific factors influencing cost variances, providing upper management with more accurate project budget analyses.

The research was conducted as using constructive research approach to initially identify existing challenges in cost forecasting. Based on the findings, a valve manufacturing margin variance model and associated digital dashboards were developed. This model utilizes historical data to analyse how specific product features contribute to cost variances. When evaluated against the five case projects, the model demonstrated high accuracy and uncovered new insights into the impact of product features on overall margins. Additionally, the study explored the role of artificial intelligence (AI) in cost identification. AI was used to summarize and analyse project manufacturing variances and product structures. The study identified strict limitations in current AI tools that necessitate further development.

The research concludes that while complex estimations are inherently subject to evolution, the tools and processes introduced provide a significant contribution to the focal company. This study bridges a gap in organizational knowledge by offering a repeatable framework for historical cost analysis and exploring the practical application of AI in business processes.

Tässä diplomityössä tutkitaan projektien katteiden poikkeama-analyysin ja ennustamisen kehittämistä kansainvälisissä suunnittelu-, hankinta- ja toimitussprojekteissa (EPS). Projektinhallinnan näkökulmasta budjetoitujen ja toteutuneiden kustannusten välisten poikkeamien tarkka analysointi on ratkaisevan tärkeää taloudellisen vakauden ja strategisen päätöksenteon kannalta. Työn ensisijaisena tavoitteena oli kehittää työkaluja ja prosesseja, joiden avulla projektipäälliköt pystyvät tunnistamaan kustannuspoikkeamiin vaikuttavat tekijät sekä tarjoamaan johdolle tarkempia projektin budjettianalyysejä.

Tutkimus toteutettiin konstruktiivisena tutkimuksena, ensin kustannusten ennustamisen nykyisten haasteiden tunnistamiseksi. Tulosten pohjalta kehitettiin venttiilivalmistuksen katteen poikkeamamalli sekä siihen liittyvät digitaaliset dashboardit. Malli hyödyntää historiallista dataa analysoidakseen, miten tietyt tuotteen ominaisuudet vaikuttavat kustannuspoikkeamiin. Mallin arviointi tapausprojekteissa osoitti sen korkean tarkkuuden ja toi esiin uusia näkökulmia tuotteen ominaisuuksien vaikutuksesta kokonaiskatteeseen. Lisäksi tutkimus tarkasteli tekoälyn (AI) roolia kustannusten tunnistamisessa. Tekoälyä käytettiin projektien valmistuspoikkeamien ja tuoterakenteiden tiivistämiseen ja analysointiin. Tutkimuksessa havaittiin, että nykyisissä AI-työkaluissa on tiukkoja rajoitteita, jotka edellyttävät jatkokehitystä.

Tutkimuksen johtopäätös on, että monimutkaiset ennusteet ovat luonteeltaan alati kehittyviä, mutta kehitetyt työkalut ja prosessit tuovat merkittävän lisäarvon tapausyritykselle. Tämä työ täyttää organisaation osaamisessa olevan aukon tarjoamalla toistettavan viitekehyksen historialliselle kustannusanalyysille sekä tarkastelemalla tekoälyn käytännön soveltamista liiketoimintaprosesseissa.