4. 挣值管理（EVM）原理：PV、EV、AC 的三维关系与偏差触发逻辑

挣值管理（Earned Value Management, EVM）是项目成本与进度综合控制的核心方法论。它通过三个基本指标——计划值（PV）、挣值（EV）、实际成本（AC）——构建起一个三维监控坐标系，使项目经理能够同时回答“我们原本计划花多少钱、干多少活？”、“实际干了多少活？”、“实际花了多少钱？”这三个关键问题。偏差分析正是基于这三个指标的差值计算与趋势判断，触发预警或纠偏动作。

4.1 三大核心指标定义

4.2 三维关系：S 曲线与偏差区域

将 PV、EV、AC 按时间维度绘制在同一坐标系中，形成三条典型的 S 曲线。这三条曲线之间的相对位置，直观反映了项目的成本与进度状态。

4.3 偏差计算公式与触发逻辑

基于 PV、EV、AC 的差值，可以计算出两个核心偏差指标：进度偏差（SV）和成本偏差（CV）。偏差分析的触发逻辑则围绕这两个指标的阈值设定与组合状态展开。

4.3.1 核心偏差公式

4.3.2 偏差触发逻辑矩阵

偏差分析引擎根据 SV 和 CV 的组合状态，自动触发不同的响应动作。以下为典型的四象限触发逻辑：

4.4 偏差分析触发逻辑流程图

以下流程图展示了从数据采集到偏差判定、再到动作触发的完整链路：

4.5 接口调用实战：偏差分析触发逻辑的代码实现

在 API 接口设计中，偏差分析触发逻辑通常封装为一个独立的服务端点。以下示例展示了一个基于 Python Flask 的偏差判定接口实现：

from flask import Flask, request, jsonify
from datetime import datetime

app = Flask(__name__)

# 偏差阈值配置（可根据项目动态调整）
THRESHOLD_CONFIG = {
    "sv_percent": 0.05,   # 进度偏差百分比阈值
    "cv_percent": 0.05,   # 成本偏差百分比阈值
    "sv_absolute": 20000, # 进度偏差值阈值（元）
    "cv_absolute": 30000  # 成本偏差值阈值（元）
}

def calculate_deviations(pv, ev, ac):
    """计算 SV 和 CV"""
    sv = ev - pv
    cv = ev - ac
    return sv, cv

def check_threshold(sv, cv, pv, ev):
    """判断偏差是否超过阈值"""
    sv_trigger = False
    cv_trigger = False
    # 百分比阈值判断
    if pv != 0 and abs(sv / pv) > THRESHOLD_CONFIG["sv_percent"]:
        sv_trigger = True
    if ev != 0 and abs(cv / ev) > THRESHOLD_CONFIG["cv_percent"]:
        cv_trigger = True
    # 值阈值判断
    if abs(sv) > THRESHOLD_CONFIG["sv_absolute"]:
        sv_trigger = True
    if abs(cv) > THRESHOLD_CONFIG["cv_absolute"]:
        cv_trigger = True
    return sv_trigger, cv_trigger

def determine_quadrant(sv, cv):
    """判定 SV/CV 组合象限"""
    if sv >= 0 and cv >= 0:
        return "I (理想区)"
    elif sv >= 0 and cv < 0:
        return "II (进度超前/成本超支)"
    elif sv < 0 and cv >= 0:
        return "III (进度滞后/成本节约)"
    else:
        return "IV (危险区)"

@app.route('/api/v1/earned-value/analyze', methods=['POST'])
def analyze_evm():
    """EVM 偏差分析接口"""
    data = request.get_json()
    pv = data.get("pv")
    ev = data.get("ev")
    ac = data.get("ac")
    if None in (pv, ev, ac):
        return jsonify({"error": "缺少必要参数 pv, ev, ac"}), 400

    # 计算偏差
    sv, cv = calculate_deviations(pv, ev, ac)

    # 阈值判定
    sv_trigger, cv_trigger = check_threshold(sv, cv, pv, ev)

    # 象限判定
    quadrant = determine_quadrant(sv, cv)

    # 构建响应
    response = {
        "timestamp": datetime.utcnow().isoformat(),
        "pv": pv,
        "ev": ev,
        "ac": ac,
        "sv": round(sv, 2),
        "cv": round(cv, 2),
        "sv_triggered": sv_trigger,
        "cv_triggered": cv_trigger,
        "quadrant": quadrant,
        "action_required": sv_trigger or cv_trigger,
        "recommended_action": "启动纠偏计划" if quadrant == "IV (危险区)" else "记录归档"
    }
    return jsonify(response), 200

if __name__ == '__main__':
    app.run(debug=True, port=5000)

4.6 偏差分析在 CBS 中的集成要点

将 EVM 偏差分析集成到成本分解结构（CBS）中时，需注意以下要点：

• 层级对齐：PV、EV、AC 的采集粒度必须与 CBS 的 WBS 节点一一对应，确保偏差可追溯到具体工作包。
• 阈值分层：不同 CBS 层级可设置不同的偏差阈值。例如，项目级阈值较宽松（10%），工作包级阈值较严格（5%）。
• 数据同步：确保财务系统（提供 AC）与进度管理系统（提供 PV/EV）的数据截止时间一致，避免时间错位导致的误判。
• 可视化看板：在 CBS 仪表盘中，使用颜色编码标识各节点的偏差状态（绿色=正常，黄色=预警，红色=超限）。