APLICACIÓN DE LA SIMULACIÓN EN EL ANÁLISIS DE RIESGOS PARA LA PLANEACIÓN DE PROYECTOS RESUMEN
|
|
- Emilio Araya Salazar
- hace 8 años
- Vistas:
Transcripción
1 APLICACIÓN DE LA SIMULACIÓN EN EL ANÁLISIS DE RIESGOS PARA LA PLANEACIÓN DE PROYECTOS M.C. José Manuel Carrillo Hernández Dr. Vitalevitch Kalashnikov Vyacheslav RESUMEN La programación significa señalar los objetivos y metas a alcanzar, las actividades a llevar a cabo, los agentes responsables, los recursos humanos y materiales requeridos por las operaciones, los gastos que implica, el tiempo requerido para cada etapa y para el programa como un todo, los puntos de control del trabajo, el sistema de medición para conocer avances, resultados y logros. Igualmente, se analizan y ponderan las diversas actividades interrelacionadas que deben ejecutarse en una secuencia lógica, de manera que algunas de ellas no puedan comenzar hasta que otras se hayan terminado. una actividad en un proyecto, es un trabajo que requiere tiempo y recursos para su terminación. Sin embargo, como en todo proyecto, se presenta la incertidumbre, los gerentes de proyectos se plantean preguntas tales como: Cuánto tiempo tomará el proyecto? Cuál será el costo total del proyecto? Antes que un proyecto comience y mientras se está desarrollando ninguna de las preguntas anteriores puede ser respondida con certidumbre, y los gerentes de proyectos y los clientes están preocupados con la incertidumbre de las respuestas y el impacto de las posibles desviaciones. Las herramientas del análisis de riesgo y administración de riesgo están diseñadas para responder estas preguntas. Haciendo referencia al trabajo del Dr. Galway, Lionel (2004), el cual menciona que la primera técnica cuantitativa de la administración moderna de proyecto en el área del análisis de riesgos relacionado con los tiempos o plazos del proyecto fue el diagrama de Gantt, desarrollada por Henry Gantt en En la búsqueda de nuevas herramientas, a mediados de los años 1950, la oficina de proyectos especiales Polaris desarrolló la técnica PERT (Program Evaluation Review Technique). Por otro lado, en los mismos años 1950 se desarrolló una técnica de planificación y administración fue desarrollada por Du Pont. La técnica C.P.M (Critical Path Method), la técnica CPM fue mejorada utilizando el método de simulación de Monte Carlo. De esta manera la estimación de los tiempos o plazo de cada tarea aplicando la técnica de Monte Carlo dio lugar a la técnica de C.P.M estocástico, la cual es ahora la metodología preferida para evaluar el riesgo en la estimación del tiempo en la administración de proyectos.
2 Un proyecto de obra civil no es la excepción, dicho proyecto en su ejecución está sujeto a factores que tienden a alterar la duración de las actividades que la componen, dichos factores pueden ser internos (faltas en el personal, bajo rendimiento) y factores externos como alteraciones climáticas, falla en el suministro de los materiales, etc; dichos factores son difíciles de predecir por el gerente del proyecto, lo cual ocasiona que se tenga un alto grado de incertidumbre en lo que respecta a la determinación de los tiempos de duración de cada una de las actividades del proyecto, lo cual como se dijo anteriormente, repercute directamente en el costo total del mismo. Se han aplicado distintas técnicas de programación para determinar los tiempos de ejecución de cada una de las actividades de una obra civil, entre ellas, las más usuales: C.P.M. (Critical Path Method) y PERT. Existe otra técnica llamada P.D.M. (Precedence Diagramming Method), la cual no es muy utilizada para este tipo de proyectos que ofrece claras ventajas sobre C.P.M., siendo la principal que no existe la necesidad de descomponer las actividades en avances porcentuales como ocurre en C.P.M. Cabe hacer mención que la utilización de la técnica de simulación Monte Carlo en la administración de riesgos se sustenta con lo que dice José Niño Mora (2006): Tales modelos pueden incorporan tantos aspectos del sistema real como se estime necesario, y proporcionan una amplia flexibilidad al analista para variar parámetros o supuestos. En particular, los modelos de simulación permiten simular la evolución en el tiempo del sistema de interés, incluyendo los sucesos aleatorios que pueden influir en tal evolución. Para estudiar el comportamiento del sistema simulado se emplean técnicas y métodos de estadística, tales como estimación de parámetros y determinación de intervalos de confianza. Tal enfoque se conoce como método de Monte Carlo. Y ya explícitamente hablando de la industria de la construcción, David M. Wall (2004) dice: El uso de la simulación Monte Carlo en los análisis de costos de construcción es de importancia para los profesionales y es parte del análisis de riesgos en los proyectos de construcción También el mismo David M. Wall recalca que los profesionales de la construcción han incrementado su interés en las técnicas apropiadas del análisis de riesgos. Flanagan y Norman (1993) y Raftery (1994), introducen a los métodos analíticos para el análisis de riesgos, incluyen en sus páginas la discusión del método de simulación Monte Carlo. Los autores mencionados ven este método como el apropiado para el uso en el sector de la construcción y lo consideran como una
3 herramienta poderosa para el análisis de riesgos asociados con la estimación de los costos de proyectos. En este trabajo se presenta pues el ejemplo de la simulación de las duraciones de una red de un proyecto específico utilizando un programa en Excel aplicando el método de simulación Montecarlo. Se concluye que es posible el desarrollo de un paquete de cómputo bajo la plataforma de Excel con macros en Visual-Basic para efectuar el análisis de riesgos para la planeación de proyectos. Palabras clave: Correlación, Tiempo de duración más probable, Costo directo, Costo indirecto, Simulación, Método P.D.M. (Precedence Diagramming Method), Índice de criticalidad. INTRODUCCIÓN I.- Análisis de riesgos I.1.- El riesgo en la construcción La industria de la construcción, tal vez más que la mayoría, está particularmente plagada de riesgos (Flanagan & Norman 1993), pero estos riesgos a menudo no son tratados adecuadamente, por lo que los malos resultados son palpables con el aumento de los costos y los retrasos (Thompson & Perry 1992). Los proyectos de construcción son cada vez más complejos y dinámicos en su naturaleza, y la introducción de nuevos métodos han hecho que muchos contratistas se hayan visto obligados a replantearse el concepto de la forma en que los riesgos son tratados en el marco de sus proyectos y organizaciones. La atención se ha centrado en el análisis cuantitativo de riesgos basado en la estimación de probabilidades y distribuciones de probabilidad para el tiempo y el análisis de costos. (J. H. M. TAH & V.CARR 2004).
4 FIGURA 1.- Diagrama de los posibles riesgos en un proyecto de construcción Fuente: (J. H. M. TAH & V.CARR 2004) El análisis de riesgo cuantitativo es habitualmente ignorado en la gestión de los riesgos de construcción, a pesar de numerosas técnicas disponibles. Una de las deficiencias cuantitativas convencionales de las técnicas de análisis de riesgo es que sólo pueden analizar tanto la duración o costo. En vista de ello, un conjunto de costos influyen en la duración de la red que representa sistemáticamente las interdependencias entre la duración y los parámetros de los costos de construcción de una tarea que se ha desarrollado. La estructura genérica de la influencia de la red puede ser utilizada explícitamente para la elaboración de modelos de riesgo que afectan a cualquier tarea de construcción, y la naturaleza de los riesgos pueden ser investigados en el proceso de elaboración de modelos de riesgo. Además, el modelo de riesgo potencialmente pueden ser propagado a través de la red de influencia para cuantificar el riesgo ajustado en función de la duración y el costo tarea simultáneamente. Así pues, la influencia de red proporciona la base para el desempeño de duración integrado costo y riesgo de modelos de simulación investigados en el futuro. (Y. P. POH and J. H. M. TAH, 2006) I.2.-La simulación como herramienta del análisis de riesgos I.2.A.- Definición La simulación es un tipo específico de modelización por el que se trata de representar la realidad de una forma simplificada. Al igual que ocurre con los modelos matemático-estadísticos, los modelos de simulación cuentan con una serie de inputs o datos de partida que el investigador incluye en el modelo y una serie de outputs o resultados que se desprenden de él (Gilbert y Troitzsch, 1999).
5 Es necesario destacar que las simulaciones no son poco rigurosas o acientíficas. De hecho, la simulación puede aumentar considerablemente el rigor útil de los modelos. Una diferencia importante entre la simulación y la representación matemática es que las dificultades con modelos de la simulación resultan a menudo de orden práctico, involucrando la necesidad de más datos o de computadoras más rápidas, mientras que en los modelos matemáticos revelan a menudo tensiones inherentes o inconsistencias a nivel teórico que son más difíciles de resolver (Chattoe, 1995). I.2.B.- Técnicas de simulación I.2.B.a.- Simulación Monte Carlo La simulación de Monte Carlo es una técnica que combina conceptos estadísticos (muestreo aleatorio) con la capacidad que tienen las computadoras para generar números pseudo-aleatorios y automatizar cálculos. Los orígenes de esta técnica están ligados al trabajo desarrollado por Stan Ulam y John Von Neumann a finales de los 40 en el laboratorio de Los Alamos, cuando investigaban el movimiento aleatorio de los neutrones. La clave de la simulación Monte Carlo consiste en crear un modelo matemático del sistema, proceso o actividad que se quiere analizar, identificando aquellas variables (inputs del modelo) cuyo comportamiento aleatorio determina el comportamiento global del sistema. Una vez identificados dichos inputs o variables aleatorias, se lleva a cabo un experimento consistente en (1) generar con ayuda del ordenador-muestras aleatorias (valores concretos) para dichos inputs, y (2) analizar el comportamiento del sistema ante los valores generados. Tras repetir n veces este experimento, se dispondrán de n observaciones sobre el comportamiento del sistema, lo cual será de utilidad para entender el funcionamiento del mismo obviamente, el análisis será tanto más preciso cuanto mayor sea el número n de experimentos que se lleven a cabo. Seila, A.F. (2001). La simulación de Monte Carlo está presente en todos aquellos ámbitos en los que el comportamiento aleatorio o probabilístico desempeña un papel fundamental. Gedam, S.G.; Beaudet, S.T. (2000). Según Marcelo Claudio Périssé, profesor titular de proyectos informáticos de la Universidad de Ciencias Empresariales y Sociales de Bogotá, Colombia: El método de Monte Carlo es una herramienta de investigación y planeamiento; básicamente es una técnica de muestreo artificial, empleada para operar numéricamente sistemas complejos que tengan componentes aleatorios. Gracias a la constante evolución de las microcomputadoras, en lo que se refiere a su capacidad de procesamiento de la información,
6 el método de Monte Carlo es cada vez más frecuentemente utilizado. El concepto de simulación, es el descrito en los estudios de Robert E. Shannon: "Simulación es el proceso de diseñar y desarrollar un modelo computarizado de un sistema o proceso y conducir experimentos con este modelo con el propósito de entender el comportamiento del sistema o evaluar varias estrategias con las cuales se puede operar el sistema" El conjunto de resultados, producidos a lo largo de todas las simulaciones, podrán ser analizados estadísticamente y proveer resultados en términos de probabilidad. Por otro lado Conley William (2007) hace énfasis de que la importancia de la simulación en este siglo XXI no puede subestimarse, asimismo, la optimización es de vital importancia en los negocios, la industria, la ingeniería y la ciencia. Estos campos suelen requerir el análisis de conjuntos de datos para ver si las variables están correlacionadas y si dichos datos pueden ser utilizados en la predicción. El método Monte Carlo es muy adecuado para utilizarlo en estos análisis, sobre todo porque se adecúa perfectamente en esta era presente de las computadoras. I.2.B.a.1.- La simulación Monte Carlo en computadoras: Son muchos los autores que han apostado por utilizar hojas de cálculo para realizar simulación Monte Carlo. La potencia de las hojas de cálculo reside en su universalidad, en su facilidad de uso, en su capacidad para recalcular valores. Las últimas versiones de Excel incorporan, además, un lenguaje de programación propio, el Visual Basic for Applications, con el cual es posible crear auténticas aplicaciones de simulación destinadas al usuario final (Eckstein, J; Riedmueller, S.T. 2002). Las hojas de cálculo como Excel (y cualquier lenguaje de programación estándar) son capaces de generar números pseudo-aleatorios provenientes de una distribución uniforme entre el 0 y el 1. Este tipo de números pseudo-aleatorios son los elementos básicos a partir de los cuales se desarrolla cualquier simulación por ordenador. En Excel, es posible obtener un número pseudo-aleatorio -proveniente de una distribución uniforme entre el 0 y el 1- usando la función ALEATORIO:
7 I.2.B.a.2.-Número de repeticiones para las simulaciones: Cuando se modela un sistema mediante un programa de computadora los resultados que se obtengan se deberán analizar de manera estadística, puesto que la simulación se basa en conjuntos de aleatorios que representan los posibles valores obtenidos en la realidad en cada variable, en consecuencia, para tener una visión clara de lo que es posible que ocurra con mayor probabilidad, es necesario utilizar diversos conjuntos de aleatorios y estudiar en el sentido estadístico los resultados de la simulación. MÉTODOS Y TÉNCNICAS A UTILIZAR. Se propuso la resolución de una red de un proyecto consistente en las siguientes actividades por el método de programación P.D.M. Cuyas duraciones posibles (óptima y pésima) son las siguientes:
8 Se efectuó la programación Visual Basic para aplicaciones en Microsoft Excel para efectuar la selección aleatoria de las posibles duraciones que puede tomar cada actividad y efectuar la resolución cada vez, el usuario define el número máximo de simulaciones. La interface de usuario completa es: En el cuadro que indica Número de simulaciones, el usuario define el número total de simulaciones a calcular, una vez definido se oprime el botón Simular 1 por 1 para efectuar paso a paso cada simulación, si se requiere acelerar el proceso, se oprime el botón Simular todo y las simulaciones continúan sin la intervención del usuario. Para cada simulación se monitorea la criticalidad de cada una de las actividades de la red y la duración total de la red, los botones Restablecer y Borrar sirven para inicializar todas las variables y poder introducir una nueva simulación, el botón Enviar, exporta a un archivo de base de datos.mdb los resultados obtenidos. RESULTADOS OBTENIDOS Se introduce un número de simulaciones de 25,000 (pueden ser muchas más), se efectúa la primera simulación y se obtiene lo siguiente:
9 La duración del proyecto fue de 17 unidades de tiempo, la ruta crítica las actividades 1,3,5,6. Se procede con las restantes 24,999 simulaciones y se tiene lo siguiente:
10 CONCLUSIONES 1.- Se puede observar que al término de las simulaciones, el software genera una gráfica de frecuencias de las duraciones obtenidas para todo el proyecto contra el número de veces que esa duración apareció, en este caso se puede observar que la gráfica de distribución de frecuencias tiende a una curva normal o campana de Gauss. 2.- Se obtiene la duración más probable de terminación del proyecto que en este caso se representa como la media de las duraciones que es de unidades de tiempo. 3.- Según la variabilidad de cada una de las actividades en lo que respecta a su tiempo óptimo y pésimo es posible que en cualquier momento dejen de ser críticas actividades que eran críticas y que se conviertan en críticas actividades que no lo eran, por lo que, se obtiene como resultado la tabla de índice de criticalidad que muestra a las actividades 2 y 4 como actividades 0.94% críticas, es decir, del número de simulaciones totales (25,000) solamente resultaron críticas 234 veces y las actividades 1,3,5 y 6 siempre resultaron críticas, por lo que son las actividades en las que hay que tener especial cuidado. Este método, apoyado por la computadora, sirve como una herramienta para minimizar la incertidumbre y que facilite a los administradores la toma de decisiones en base a argumentos científicos. BIBLIOGRAFÍA CONSULTADA 1.- Lionel.- Quantitative Risk Analysis for Project Management: A critical review. RAND Corporation working paper. February 2004) 2.- José Niño Mora.- ITIG-UC3M 2007/08: Investigación Operativa Semana # 14: Simulación I: El método de Monte Carlo y aplicaciones; generación de números pseudo-aleatorios)
11 3.- Flanagan, R. & Norman, G. (1993) Risk Management and Construction. Blackwell, Oxford. 4.- J. H. M. TAH & V.CARR (2004).- Project Systems Engineering Research Unit, School of Construction, South Bank University, Wandsworth Road, London SW 8 2JZ, UK 5.- Y. P. POH and J. H. M. TAH Construction Management and Economics (August 2006) 24, Seila, A.F. (2001): Spreadsheet Simulation. Proceedings of the 2001 Winter Simulation Conference, pp Gedam, S.G.; Beaudet, S.T. (2000): Monte Carlo Simulation using Excel Spreadsheet for Predicting Reliability of a Complex System. Proceedings Annual Reliability and Maintainability Symposium). 8.- Marcelo Claudio Périssé.- Proyectos Informáticos Metodología Estructurada Simplificada, ISNB: , Biblioteca Digital Conley, William.- Departments of Business Administration and Mathematics, University of Wisconsin, Green Bay, USA, tomado de: International Journal of Systems Science; Dec 2007, Vol. 38 Issue 12, p Evans, J.R. (2000): Spreadsheets as a Tool for Teaching Simulation<. Informs Transactions On Education Volume 1, Number J. Banks,"Discrete events system simulation").prentice Hall, Eckstein, J; Riedmueller, S.T. (2002): YASAI: Yet Another Add-in for Teaching Elementary Monte Carlo Simulation in Excel. Informs Transactions On Education. Volume 2, Number Hillier F, Lieberman G. Introducción a la Investigación de Operaciones. McGraw-Hill Editores
UNIVERSIDAD JUÁREZ DEL ESTADO DE DURANGO
UNIVERSIDAD JUÁREZ DEL ESTADO DE DURANGO FACULTAD DE INGENIERÍA CIVIL Y ARQUITECTURA DOCTORADO EN SISTEMAS DE PLANEACIÓN Y CONSTRUCCIÓN ARTÍCULO Desarrollo de software computacional para la aplicación
Más detallesGANTT, PERT y CPM. Figura 5.3: Carta GANTT 3.
GANTT, PERT y CPM Características Conseguir una buena programación es un reto, no obstante es razonable y alcanzable. Ella debe tener el compromiso del equipo al completo, para lo cual se recomienda que
Más detallesPlan de Evaluación. Parcial I...20% Taller I... 5% Parcial II...20% Taller II...5% Parcial III...20% Exposición...10% Proyecto...15% Asistencia...
Plan de Evaluación Parcial I...20% Taller I... 5% Parcial II...20% Taller II...5% Parcial III...20% Exposición...10% Proyecto...15% Asistencia...5% 1 REDES Toda organización alguna vez tiene que enfrentar
Más detallesCAPÍTULO II MARCO TEÓRICO ADMNISTRACIÓN DE PROYECTOS CON CPM
CAPÍTULO II MARCO TEÓRICO ADMNISTRACIÓN DE PROYECTOS CON CPM 10 2.1 Introducción La dirección de un proyecto de gran magnitud no es una tarea fácil. Para los administradores este es uno de los trabajos
Más detallesInvestigación de operaciones 6.6. Planeación, programación y control de proyectos
UNIDAD VI. REDES 6.6. Planeación, programación y control de proyectos GRAFICA DE GANTT (MILESTONE) En un desarrollo independiente de sistemas de administración de proyectos, Henry L.Gantt desarrolló un
Más detallesLicenciatura en CONTADURIA. Tema: APLICACIÓN GENERAL DEL CPM
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO ESCUELA SUPERIOR DE ZIMAPÁN Licenciatura en CONTADURIA Tema: APLICACIÓN GENERAL DEL CPM Lic. LUIS ANTONIO RANGEL BELTRAN Julio Diciembre 2014 Tema: PROGRAMACION
Más detallesPRODUCTIVIDAD DE PROYECTOS DE DESARROLLO DE SOFTWARE: FACTORES DETERMINANTES E INDICADORES
PRODUCTIVIDAD DE PROYECTOS DE DESARROLLO DE SOFTWARE: FACTORES DETERMINANTES E INDICADORES Raúl Palma G. y Guillermo Bustos R. Escuela de Ingeniería Industrial Universidad Católica de Valparaíso Casilla
Más detallesADM-OPERACIONES: PERT - CPM
1. Definición Conceptual : ADMINISTRACIÓN DE PROYECTOS PERT - CPM Un Proyecto es la búsqueda de la solución inteligente al planeamiento de un problema tendente a resolver una necesidad humana. En forma
Más detallesSIMULACIÓN DE MONTE CARLO CON EXCEL
SIMULACIÓN DE MONTE CARLO CON EXCEL Autores: Javier Faulín (ffaulin@uoc.edu), Ángel A. Juan (ajuanp@uoc.edu). ESQUEMA DE CONTENIDOS La función ALEATORIO() Qué es la simulación MC? Simulación Monte Carlo
Más detalles"Diseño, construcción e implementación de modelos matemáticos para el control automatizado de inventarios
"Diseño, construcción e implementación de modelos matemáticos para el control automatizado de inventarios Miguel Alfonso Flores Sánchez 1, Fernando Sandoya Sanchez 2 Resumen En el presente artículo se
Más detallesCMMI (Capability Maturity Model Integrated)
CMMI (Capability Maturity Model Integrated) El SEI (software engineering institute) a mediados de los 80 desarrolló el CMM (modelo de madurez de la capacidad de software). CMMI: CMM integrado, una mezcla
Más detallesIndustrial Data Universidad Nacional Mayor de San Marcos iifi@unmsm.edu.pe ISSN (Versión impresa): 1560-9146 ISSN (Versión en línea): 1810-9993 PERÚ
Industrial Data Universidad Nacional Mayor de San Marcos iifi@unmsm.edu.pe ISSN (Versión impresa): 1560-9146 ISSN (Versión en línea): 1810-9993 PERÚ 2006 Javier Del Carpio Gallegos ANÁLISIS DEL RIESGO
Más detallesPROCEDIMIENTO ESPECÍFICO. Código G114-01 Edición 0
Índice 1. TABLA RESUMEN... 2 2. OBJETO... 2 3. ALCANCE... 2 4. RESPONSABILIDADES... 3 5. ENTRADAS... 3 6. SALIDAS... 3 7. PROCESOS RELACIONADOS... 3 8. DIAGRAMA DE FLUJO... 4 9. DESARROLLO... 5 9.1. PROYECTO
Más detallesProject 2013. Ing. Christian Ovalle
2013 Ing. Christian Ovalle PROJECT Antes de comenzar un proyecto se necesitan definir los objetivos de un proyecto y luego determinado, cuales son las tareas que necesita realizar para alcanzar ese objetivo.
Más detallesAnálisis y cuantificación del Riesgo
Análisis y cuantificación del Riesgo 1 Qué es el análisis del Riesgo? 2. Métodos M de Análisis de riesgos 3. Método M de Montecarlo 4. Modelo de Análisis de Riesgos 5. Qué pasos de deben seguir para el
Más detallesRIESGO Y PROBABILIDAD
RIESGO Y PROBABILIDAD Debido a la naturaleza del proyecto, se pueden presentar riesgos, por ejemplo actividades complejas que no se han realizado antes, nuevas tecnologías, actividades de investigación,
Más detallesCURSO: MS-PROJECT Y CRYSTAL BALL EN ADMINISTRACION DE PROYECTOS
MANAGEMENT CONSULTORES CURSO: MS-PROJECT Y CRYSTAL BALL EN ADMINISTRACION DE PROYECTOS Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-11-15-5468-3369 Fax: 054-11-4433-4202 Mail: mgm_consultas@mgmconsultores.com.ar
Más detallesUNIVERSIDAD AUTÓNOMA DE TAMAULIPAS UNIDAD ACADÉMICA MULTIDISCIPLINARIA REYNOSA-RODHE SIMULACIÓN DE SISTEMAS
UNIDAD MÉTODOS DE MONTECARLO II 2.1 Definición Los métodos de Montecarlo abarcan una colección de técnicas que permiten obtener soluciones de problemas matemáticos o físicos por medio de pruebas aleatorias
Más detallesANÁLISIS DINÁMICO DEL RIESGO DE UN PROYECTO
ANÁLISIS DINÁMICO DEL RIESGO DE UN PROYECTO Por: Pablo Lledó Master of Science en Evaluación de Proyectos (University of York) Project Management Professional (PMP) Profesor de Project Management y Evaluación
Más detallesCarrera: 2-2-6. Participantes
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Investigación de Operaciones Ingeniería Civil Clave de la asignatura: Horas teoría-horas práctica-créditos 2-2-6 2.- HISTORIA DEL PROGRAMA Lugar
Más detallesADMINISTRACIÓN DE LA PRODUCCIÓN
ADMINISTRACIÓN DE LA PRODUCCIÓN ADMINISTRACIÓN DE LA PRODUCCIÓN 1 Sesión No. 11 Nombre: Administración del proyecto Contextualización Para cerrar esta unidad, esta semana abordaremos la forma en la que
Más detallesADMINISTRACION DE PROYECTOS
ADMINISTRACION DE PROYECTOS La gran diversidad de definiciones que podemos encontrar de administración en general resulta muy variada dependiendo a lo que deseemos administrar. La definición más común
Más detallesAdministración de proyectos de desarrollo de software
DATOS GENERALES SI-00875 ADMINISTRACIÓN DE PROYECTOS DE INFORMÁTICA (3-0-8. Requisito: Haber aprobado Si00854. 6 ISC, 6 ISI, 7 LSCA) Requisito para planes de transición:haber aprobado Cb95855 o Si00854
Más detallesCómo gestionar proyectos en condiciones de riesgo
1 de 8 CLAVES PARA EL ÉXITO DE LOS PROYECTOS Cómo gestionar proyectos en condiciones de riesgo Las empresas necesitan desarrollar proyectos que exigen estructuras y tratamientos distintos a los tradicionales.
Más detallesUniversidad acional Experimental Del Táchira Decanato de Docencia Departamento de Ingeniería en Informática
Universidad acional Experimental Del Táchira Decanato de Docencia Departamento de Ingeniería en Informática Metodología Evolutiva Incremental Mediante Prototipo y Técnicas Orientada a Objeto (MEI/P-OO)
Más detallesPLANIFICACIÓN DE PROYECTOS
Pert - CPM: Uno de los primeros casos documentados de la epoca actual sobre la administración y planificacion de proyectos se refiere al proyecto de armamentos del Polaris, empezando 1958. Así surgió el
Más detallesPRIMAVERA RISK ANALYSIS
PRIMAVERA RISK ANALYSIS CARACTERÍSTICAS PRINCIPALES Guía de análisis de riesgo Revisión del programa Plantilla de riesgo instantáneo Asistente para registro de riesgo Registro de riesgo Análisis de riesgo
Más detallesADMINISTRACION DE CENTROS DE COMPUTO
ADMINISTRACION DE CENTROS DE COMPUTO 1.1 Datos Informativos 1.2 Tutor: Ing. Jorge Miranda 1.3 Nombre: Iván Guadalupe 1.4 Facultad: Ciencias de la Computación y Electrónica 1.5 Nivel: Decimo Informática
Más detallesCapítulo IV. Manejo de Problemas
Manejo de Problemas Manejo de problemas Tabla de contenido 1.- En qué consiste el manejo de problemas?...57 1.1.- Ventajas...58 1.2.- Barreras...59 2.- Actividades...59 2.1.- Control de problemas...60
Más detallesObjetivos Generales. Objetivos específicos. Que el estudiante:
ASIGNATURA: MÉTODOS NUMPERICOS I (ANÁLISIS Y PROCESAMIENTO DE LOS DATOS EXPERIMENTALES CON INTRODUCCIÓN A LA COMPUTACIÓN) Objetivos Generales Comprender y manejar los conceptos relacionados con el manejo,
Más detallesSÍNTESIS Y PERSPECTIVAS
SÍNTESIS Y PERSPECTIVAS Los invitamos a observar, a identificar problemas, pero al mismo tiempo a buscar oportunidades de mejoras en sus empresas. REVISIÓN DE CONCEPTOS. Esta es la última clase del curso.
Más detallesDatos estadísticos. 1.3. PRESENTACIÓN DE DATOS INDIVIDUALES Y DATOS AGRUPADOS EN TABLAS Y GRÁFICOS
.. PRESENTACIÓN DE DATOS INDIVIDUALES Y DATOS AGRUPADOS EN TABLAS Y GRÁFICOS Ser: Describir el método de construcción del diagrama de tallo, tabla de frecuencias, histograma y polígono. Hacer: Construir
Más detalles3. GESTIÓN DE CONFIGURACIÓN DE SOFTWARE
3. GESTIÓN DE CONFIGURACIÓN DE SOFTWARE Software Configuration Management (SCM) es una disciplina de la Ingeniería de Software que se preocupa de [Ber92] [Ber84] [Bou98] [Mik97]: Identificar y documentar
Más detallesBase de datos en Excel
Base de datos en Excel Una base datos es un conjunto de información que ha sido organizado bajo un mismo contexto y se encuentra almacenada y lista para ser utilizada en cualquier momento. Las bases de
Más detallesPREPARADO POR: FECHA DE EMISIÓN: 20-05-05 FECHA DE VALIDACIÓN: 20-05-05
3. MONITORÍA Y EVALUACIÓN DE LA GESTIÓN SS-UPEG-3 PREPARADO POR: EQUIPO CONSULTOR FECHA DE EMISIÓN: 20-05-05 FECHA DE VALIDACIÓN: 20-05-05 VERSIÓN Nº: 1 Secretaría de Salud de Honduras - 2005 PÁGINA 2
Más detallesTEMA 7: Análisis de la Capacidad del Proceso
TEMA 7: Análisis de la Capacidad del Proceso 1 Introducción Índices de capacidad 3 Herramientas estadísticas para el análisis de la capacidad 4 Límites de tolerancia naturales 1 Introducción La capacidad
Más detallesIntroducción. Ciclo de vida de los Sistemas de Información. Diseño Conceptual
Introducción Algunas de las personas que trabajan con SGBD relacionales parecen preguntarse porqué deberían preocuparse del diseño de las bases de datos que utilizan. Después de todo, la mayoría de los
Más detallesEscuela Politécnica Superior. Planificación y Control de Proyectos. Capítulo 11. daniel.tapias@uam.es. Dr. Daniel Tapias Curso 2014 / 15 PROYECTOS
Escuela Politécnica Superior Planificación y Control de Proyectos. Capítulo 11 Dr. Daniel Tapias Curso 2014 / 15 daniel.tapias@uam.es PROYECTOS PROGRAMA DE LA ASIGNATURA Capítulo 1: Introducción. Capítulo
Más detallesEvaluación de Competencias en Ingeniería: El caso de cálculo. Elena Fabiola Ruiz Ledesma
Evaluación de Competencias en Ingeniería: El caso de cálculo Introducción Debido a las nuevas competencias que reclama la sociedad, las universidades están rediseñando sus carreras a través de nuevos perfiles
Más detallesMODELOS DE SIMULACIÓN
MODELOS DE SIMULACIÓN En general, se llama modelo a la imagen o representación de un sistema, generalmente simplificada e incompleta. Y se llama simulación a la experimentación con un modelo para extraer
Más detallesUniversidad de Tarapacá Investigación de Mercados Internacionales
Universidad de Tarapacá Investigación de Mercados Internacionales Capítulo II: El proceso de la Investigación de Mercados Internacionales. Tema 2: El Diseño de la Investigación de Mercados Internacionales
Más detallesMetodología de construcción de Indicadores MODELO 3
MODELO 3 El Departamento Administrativo de la Función Pública, elaboró el documento Guía para el Diseño de un Sistema de Evaluación y Control de gestión. El contiene las instrucciones para el diligenciamiento
Más detalles2. MÉTODOS, INSTRUMENTOS Y ESTRATEGIAS
2. MÉTODOS, INSTRUMENTOS Y ESTRATEGIAS Objetivo específico: El alumno conocerá la importancia de la investigación en psicología industrial/organizacional, su proceso y limitaciones. Asimismo entenderá
Más detallesMODELO DE RESPUESTAS
1/6 MODELO DE RESPUESTAS ASIGNATURA: CONTROL DE PRODUCCIÓN CÓDIGO: 203 MOMENTO: Segunda Integral VERSIÓN: 1 FECHA DE APLICACIÓN: 15/11/2008 Prof. Responsable: Ing. Ana María Alvarez Coordinador: Ing. Anel
Más detalleshttp://www.informatizate.net
http://www.informatizate.net Metodologías De Desarrollo De Software María A. Mendoza Sanchez Ing. Informático - UNT Microsoft Certified Professional - MCP Analísta y Desarrolladora - TeamSoft Perú S.A.C.
Más detallesSoftware de Simulación aplicado a entornos de e-learning
Software de Simulación aplicado a entornos de e-learning 2009 Laboratorio de Investigación de Software Universidad Tecnológica Nacional Facultad Regional Córdoba Titulo del Proyecto Software de Simulación
Más detallesELABORACION DE PRESUPUESTOS DE TRABAJOS Y PLAN DE PROYECTO
ELABORACION DE PRESUPUESTOS DE TRABAJOS Y PG-722 REVISION 2 COPIA CONTROLADA X COPIA NO CONTROLADA Elaborado por: RODRIGO GONZALEZ Revisado por: Aprobado por: Este documento presenta una referencia metodológica
Más detallesLeica Application Suite
Leica Application Suite Macro Editor y Macro Runner Personalizado y automatizado 2 Las instrucciones se pueden pausar opcionalmente cuando la rutina se ejecuta para interactuar con las imágenes. Las instrucciones
Más detallesTECNICAS DE CONTROL Y LA INFORMACION
TECNICAS DE CONTROL Y LA INFORMACION Técnicas para el control Entre las diferentes técnicas de control se pueden mencionar las siguientes: Contabilidad Auditoria Presupuestos Reportes, informes Formas
Más detallesCapítulo 2. Metodologías de selección de personal
Capítulo 2. Metodologías de selección de personal 2.1 Introducción La selección de personal es una actividad en la cual toda empresa invierte parte de sus recursos, debido a que es una tarea de vital importancia.
Más detallesMACROS. Automatizar tareas a través del uso de las macros.
OBJETIVOS MACROS Definiciones Automatizar tareas a través del uso de las macros. Grabar Ejecutar Manipular macros. Tipos de Macros en Excel Introducción Las operaciones tradicionales que se pueden realizar
Más detallesÍNDICE 1. INTRODUCCIÓN... 4 2. PARTICIPANTES... 5. 2.1. Participantes por sector... 5. 2.2. Participantes por edad... 6
INFORME DE RESULTADOS DEL ESTUDIO DE SATISFACCIÓN DE USUARIOS UNIVERSIDAD DE ALMERÍA 2012 SERVICIO DE PLANIFICACIÓN, EVALUACIÓN Y CALIDAD CALIDAD DE LOS SERVICIOS ENERO 2013 ÍNDICE 1. INTRODUCCIÓN...
Más detallesTEMA 4. GESTION DE LA PLANIFICACIÓN
TEMA 4. GESTION DE LA PLANIFICACIÓN UTILIZANDO SOFTWARE INFORMATICO EJEMPLO USO DEL MICROSOFT PROJECT. INTRODUCCIÓN AL MS PROJECT PROCESO DE PLANIFICACIÓN DE PROYECTOS. RUTA CRITICA. DIAGRAMA DE GANTT
Más detallesde la empresa Al finalizar la unidad, el alumno:
de la empresa Al finalizar la unidad, el alumno: Identificará el concepto de rentabilidad. Identificará cómo afecta a una empresa la rentabilidad. Evaluará la rentabilidad de una empresa, mediante la aplicación
Más detallesUnidad III. Planificación del proyecto de software
Planificación del proyecto de software Unidad III 3.1. Aplicación de herramientas para estimación de tiempos y costos de desarrollo de software: GANTT, PERT/CPM, uso de software para la estimación de tiempos
Más detallesTécnico y sus funciones. 5. Función de los líderes. 6 Función del analista de datos. 6. Metas del Help Desk. 7 Definir el alcance del Help Desk.
3 Qué es un Help Desk? 3 Cómo trabaja un Help Desk? 3 Cómo se mide el éxito de un Help Desk? 5 Funciones de los miembros del equipo del Help Desk. 5 Técnico y sus funciones. 5 Función de los líderes. 6
Más detallesTema 3. Medidas de tendencia central. 3.1. Introducción. Contenido
Tema 3 Medidas de tendencia central Contenido 31 Introducción 1 32 Media aritmética 2 33 Media ponderada 3 34 Media geométrica 4 35 Mediana 5 351 Cálculo de la mediana para datos agrupados 5 36 Moda 6
Más detallescapitulo3 MARCO TEÓRICO Para el diseño de la reubicación de los procesos se hará uso de la Planeación
capitulo3 MARCO TEÓRICO Para el diseño de la reubicación de los procesos se hará uso de la Planeación Sistemática de Layout, SLP por sus siglas en inglés. Se hará uso de la simulación para comparar el
Más detalles2. DEFINICIÓN DEL SISTEMA INTEGRADO DE GESTIÓN - SIG
2. DEFINICIÓN DEL SISTEMA INTEGRADO DE GESTIÓN - SIG Para poder entender cuál es el propósito del SISTEMA INTEGRADO DE GESTIÓN - SIG, lo primero que debemos tener claro son los conceptos de SISTEMA, GESTIÓN
Más detallesSeminario de Especialización Profesional y Seminario de Elaboración de Trabajo de investigación
Seminario de Especialización Profesional y Seminario de Elaboración de Trabajo de investigación Introducción Tal como lo registra el Reglamento de Graduación, vigente en la universidad desde el 21 de julio
Más detallesCarrera: Ingeniería Civil CIE 0524
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Investigación de Operaciones Ingeniería Civil CIE 0524 2 2 6 2.- HISTORIA DEL
Más detallesCarrera: IFM - 0403 3-2-8. Participantes. Representantes de la academia de sistemas y computación de los Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Administración de proyectos Licenciatura en Informática IFM - 0403 3-2-8 2.- HISTORIA
Más detallesLOGISTICA D E COMPRAS
LOGISTICA D E COMPRAS 1. - Concepto de compras OBTENER EL (LOS) PRODUCTO(S) O SERVICIO(S) DE LA CALIDAD ADECUADA, CON EL PRECIO JUSTO, EN EL TIEMPO INDICADO Y EN EL LUGAR PRECISO. Muchas empresas manejan
Más detallesTABLA DE DECISION. Consideremos la siguiente tabla, expresada en forma genérica, como ejemplo y establezcamos la manera en que debe leerse.
TABLA DE DECISION La tabla de decisión es una herramienta que sintetiza procesos en los cuales se dan un conjunto de condiciones y un conjunto de acciones a tomar según el valor que toman las condiciones.
Más detallesMEDICION DEL TRABAJO
MEDICION DEL TRABAJO Habíamos dicho al comenzar el curso que habían 4 técnicas que permiten realizar una medición del trabajo 1 Técnicas Directas: - Estudio de tiempos con cronómetro - Muestreo del trabajo
Más detallesMODELACION Y ANALISIS DE PROCESOS EMPRESARIALES MAPE
MODELACION Y ANALISIS DE PROCESOS EMPRESARIALES MAPE Thomas A. Little Ph. D Traducción Autorizada por el Autor. Traductor: MANUEL H RAMIREZ Alta Via Consulting-América Latina La Modelación y Análisis de
Más detallesCurso TURGALICIA SISTEMA DE GESTIÓN DE SEGURIDAD Y SALUD EN EL TRABAJO OHSAS 18001:2.007
Curso TURGALICIA SISTEMA DE GESTIÓN DE SEGURIDAD Y SALUD EN EL TRABAJO OHSAS 18001:2.007 C/Fernando Macías 13; 1º izda. 15004 A CORUÑA Tel 981 160 247. Fax 981 108 992 www.pfsgrupo.com DEFINICIONES: RIESGOS
Más detallesIntroducción al @RISK
Introducción al @RISK Ariadna Berger Noviembre 2004 Introducción al @RISK El análisis de riesgo implica cuatro etapas: Desarrollo del modelo Identificación de las fuentes de riesgo Análisis con simulación
Más detallesProcesos Críticos en el Desarrollo de Software
Metodología Procesos Críticos en el Desarrollo de Software Pablo Straub AgileShift Imagine una organización de desarrollo de software que consistentemente cumple los compromisos con sus clientes. Imagine
Más detallesCAPÍTULO IV METODOLOGÍA PARA EL CONTROL DE INVENTARIOS. En este capítulo se presenta los pasos que se siguieron para la elaboración de un sistema de
CAPÍTULO IV METODOLOGÍA PARA EL CONTROL DE INVENTARIOS En este capítulo se presenta los pasos que se siguieron para la elaboración de un sistema de inventarios para lograr un control de los productos.
Más detallesEl objetivo principal del presente curso es proporcionar a sus alumnos los conocimientos y las herramientas básicas para la gestión de proyectos.
Gestión de proyectos Duración: 45 horas Objetivos: El objetivo principal del presente curso es proporcionar a sus alumnos los conocimientos y las herramientas básicas para la gestión de proyectos. Contenidos:
Más detallesGestión de proyectos
Gestión de proyectos Horas: 45 El objetivo principal del presente curso es proporcionar a sus alumnos los conocimientos y las herramientas básicas para la gestión de proyectos. Gestión de proyectos El
Más detallesUNIVERSIDAD TECNICA DE MANABI Facultad de Ciencias Informáticas Ingeniería en sistemas. SEGURIDAD INFORMATICA Tema:
UNIVERSIDAD TECNICA DE MANABI Facultad de Ciencias Informáticas Ingeniería en sistemas SEGURIDAD INFORMATICA Tema: CATEGORÍAS DE BENEFICIOS DE ESTANDARES Y PROCEDIMIENTOS Integrantes Doris María Mera Mero
Más detallesPrácticas PGSI. Práctica 4. Gestión de las Cargas de Trabajo de los Recursos y Delimitaciones de Tareas
Prácticas PGSI Práctica 4. Gestión de las Cargas de Trabajo de los Recursos y Delimitaciones de Tareas Introducción a la Programación con Recursos A medida que avanza la planificación se realizan ajustes
Más detalles4. METODOLOGÍA. 4.1 Materiales. 4.1.1 Equipo
4. METODOLOGÍA 4.1 Materiales 4.1.1 Equipo Equipo de cómputo. Para el empleo del la metodología HAZOP se requiere de un equipo de cómputo con interfase Windows 98 o más reciente con procesador Pentium
Más detallesProbabilidades y Estadística (Computación) Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires Ana M. Bianco y Elena J.
Generación de Números Aleatorios Números elegidos al azar son útiles en diversas aplicaciones, entre las cuáles podemos mencionar: Simulación o métodos de Monte Carlo: se simula un proceso natural en forma
Más detallesGestión de la Configuración
Gestión de la ÍNDICE DESCRIPCIÓN Y OBJETIVOS... 1 ESTUDIO DE VIABILIDAD DEL SISTEMA... 2 ACTIVIDAD EVS-GC 1: DEFINICIÓN DE LOS REQUISITOS DE GESTIÓN DE CONFIGURACIÓN... 2 Tarea EVS-GC 1.1: Definición de
Más detallesTALLER BÁSICO DE EXPERIMENTOS CONTROLADOS ALEATORIOS
TALLER BÁSICO DE EXPERIMENTOS CONTROLADOS ALEATORIOS 1. INTRODUCCIÓN Y JUSTIFICACIÓN Este Taller Básico de Experimentos Controlados Aleatorios (ECA) está dirigido a profesionales de la salud interesados
Más detallesGUÍA METODOLÓGICA PARA LA FORMACIÓN CON E-LEARNING DIRIGIDA A COLECTIVOS SIN ALTA CUALIFICACIÓN CAPÍTULO 4. Dirección Técnica:
LA FORMACIÓN EMPRESARIAL CON E-LEARNING GUÍA METODOLÓGICA PARA LA FORMACIÓN CON E-LEARNING DIRIGIDA A COLECTIVOS SIN ALTA CUALIFICACIÓN CAPÍTULO 4 Dirección Técnica: 4.- EL PLAN DE FORMACIÓN 33 Capítulo
Más detallesDATA MINING EN LA BASE DE DATOS DE LA OMS KNOWLEDGE DETECTION (DETECCIÓN DEL CONOCIMIENTO) Q.F.B. JUANA LETICIA RODRÍGUEZ Y BETANCOURT
DATA MINING EN LA BASE DE DATOS DE LA OMS KNOWLEDGE DETECTION (DETECCIÓN DEL CONOCIMIENTO) Q.F.B. JUANA LETICIA RODRÍGUEZ Y BETANCOURT REACCIONES ADVERSAS DE LOS MEDICAMENTOS Los fármacos por naturaleza
Más detallesMetodología básica de gestión de proyectos. Octubre de 2003
Metodología básica de gestión de proyectos Octubre de 2003 Dentro de la metodología utilizada en la gestión de proyectos el desarrollo de éstos se estructura en tres fases diferenciadas: Fase de Éjecución
Más detallesElementos requeridos para crearlos (ejemplo: el compilador)
Generalidades A lo largo del ciclo de vida del proceso de software, los productos de software evolucionan. Desde la concepción del producto y la captura de requisitos inicial hasta la puesta en producción
Más detallesM.T.I. Arturo López Saldiña
M.T.I. Arturo López Saldiña A medida que crece un negocio, requiere manejar mayor cantidad de información. El éxito de la administración radica en un adecuado manejo de la contabilidad, que proporcione
Más detallesDE VIDA PARA EL DESARROLLO DE SISTEMAS
MÉTODO DEL CICLO DE VIDA PARA EL DESARROLLO DE SISTEMAS 1. METODO DEL CICLO DE VIDA PARA EL DESARROLLO DE SISTEMAS CICLO DE VIDA CLÁSICO DEL DESARROLLO DE SISTEMAS. El desarrollo de Sistemas, un proceso
Más detallesDiagrama de GANTT. Cómo crear un diagrama de GANTT
Diagrama de GANTT El diagrama de GANTT es una herramienta que le permite al usuario modelar la planificación de las tareas necesarias para la realización de un proyecto. Esta herramienta fue inventada
Más detallesMUESTREO TIPOS DE MUESTREO
MUESTREO En ocasiones en que no es posible o conveniente realizar un censo (analizar a todos los elementos de una población), se selecciona una muestra, entendiendo por tal una parte representativa de
Más detallesDifusión de la voz del cliente en las operaciones de la empresa: el uso de six-sigma para gestionar el conocimiento Juan Carlos G. Landero, Ph.D.
Número 45. Mayo 2013 Difusión de la voz del cliente en las operaciones de la empresa: el uso de six-sigma para gestionar el conocimiento Juan Carlos G. Landero, Ph.D. 1 Resumen En un contexto de máxima
Más detallesPlan de Administración del Proyecto
L México 2002 Atención Ciudadana y Gestión de Programas Sociales Plan de Administración del Proyecto Introducción: El Plan de Administración del Proyecto provee información de cómo el proyecto debe ser
Más detallesCapítulo 5. Cliente-Servidor.
Capítulo 5. Cliente-Servidor. 5.1 Introducción En este capítulo hablaremos acerca de la arquitectura Cliente-Servidor, ya que para nuestra aplicación utilizamos ésta arquitectura al convertir en un servidor
Más detallesSISTEMAS DE INFORMACIÓN I TEORÍA
CONTENIDO: CICLO DE VIDA DE DESARROLLO DE SI FASES GENÉRICAS DEL CICLO DE VIDA DE DESARROLLO DE SI VISIÓN TRADICIONAL DEL CICLO DE VIDA DE DESARROLLO DE SI DE DESARROLLO DE SI: ANÁLISIS Material diseñado
Más detallesUtilidades de la base de datos
Utilidades de la base de datos Desde esta opcion del menú de Access, podemos realizar las siguientes operaciones: Convertir Base de datos Compactar y reparar base de datos Administrador de tablas vinculadas
Más detallesMÓDULO III SEIS SIGMA ESTRATEGIA PARA LA MEJORA DE PROYECTOS
MÓDULO III SEIS SIGMA ESTRATEGIA PARA LA MEJORA DE PROYECTOS 1 ÍNDICE DEFINIR. 3 MEDIR.... 4 ANALIZAR..... 5 MEJORAR. 6 CONTROLAR... 7 GLOSARIO... 8 MAPA CONCEPTUAL. 10 2 DEFINIR: Iniciación del proyecto.
Más detallesGeneXus BPM Suite X. Última actualización: 01 de Setiembre de 2008
Última actualización: 01 de Setiembre de 2008 Copyright Artech Consultores S. R. L. 1988-2008. Todos los derechos reservados. Este documento no puede ser reproducido en cualquier medio sin el consentimiento
Más detallesProcedimiento de Sistemas de Información
Procedimiento de Sistemas de Información DIRECCIÓN DE COORDINACIÓN TÉCNICA Y PLANEACIÓN VIEMBRE DE 2009 PR-DCTYP-08 Índice. 1. INTRODUCCIÓN.... 3 2. OBJETIVO.... 4 3. ALCANCE.... 4 4. MARCO LEGAL.... 4
Más detallesDIRECCIÓN DE PROYECTOS
PLANIFICACIÓN N Y CONTROL DE PROYECTOS Podemos definir un proyecto como una serie de tareas relacionadas, parcialmente ordenadas y generalmente dirigidas a la obtención de un resultado importante, por
Más detallesSimulación Monte Carlo
Simulación Monte Carlo Modelado estocástico Cuando se realiza un análisis estático a un proyecto, una serie de supuestos y variables producen un resultado de valor único. Mientras que un análisis estocástico
Más detallesSEMESTRE: CREDITOS: 3 HORAS PRESENCIALES: 3 Horas de Acompañamiento: 1 TOTAL HORAS/ Semana: 4 CODIGO: 612007954 PROBLEMA
FACULTAD DE INGENIERÍA Programa de Ingeniería de Sistemas NUCLEO DE CONTENIDO: Básicas de Ingeniería NUCLEO DE CONOCIMIENTO: Investigación de Operaciones. NUCLEO TEMÀTICO: Modelación (Simulación) SEMESTRE:
Más detallesLa Tecnología líder en Simulación
La Tecnología líder en Simulación El software de simulación Arena, es un "seguro de vida" para las empresa: le ayuda a predecir el impacto en las organizaciones de nuevas ideas, estrategias y políticas
Más detallesMATEMÁTICAS ESO EVALUACIÓN: CRITERIOS E INSTRUMENTOS CURSO 2014-2015 Colegio B. V. María (Irlandesas) Castilleja de la Cuesta (Sevilla) Página 1 de 7
Página 1 de 7 1 CRITERIOS DE EVALUACIÓN 1.1 SECUENCIA POR CURSOS DE LOS CRITERIOS DE EVALUACION PRIMER CURSO 1. Utilizar números naturales y enteros y fracciones y decimales sencillos, sus operaciones
Más detallesUNIDAD 2: Abstracción del Mundo real Al Paradigma Orientado a Objetos
2.1. Principios básicos del Modelado de Objetos UNIDAD 2: Abstracción del Mundo real Al Paradigma Orientado a Objetos Hoy en día muchos de los procesos que intervienen en un negocio o empresa y que resuelven
Más detalles