Estimación de la evolución de proyectos en el ámbito de la producción industrial mediante la parametrización de la curva S del coste acumulado
|
|
- Emilio Duarte Carrasco
- hace 7 años
- Vistas:
Transcripción
1 Estimación de la evolución de proyectos en el ámbito de la producción industrial mediante la parametrización de la curva S del coste acumulado
2 Contenido Qué vamos a ver? Introducción Antecedentes Objetivos Etapas de un proyecto de producción industrial Metodología: Parametrización de la curva S Simulación y validación de resultados 2 Conclusiones
3 Introducción QUEREMOS CONTROLAR UN PROYECTO Seguimiento del proyecto Controlar desviaciones: Costes reales - Costes presupuestados Plazos reales - Plazos planificados Dificultades 3 Multiplicidad: Tipos de empresas Tipos de proyectos Tipos de tareas No hay un patrón de control de proyectos global
4 Introducción QUEREMOS CONTROLAR UN PROYECTO No hay un patrón de control de proyectos global Particularización del estudio 4 Proyectos desarrollados en el ámbito de la producción industrial. Secuencia de actividades extendidas en largos periodos de tiempo. Importante dedicación de capitales, recursos materiales y personal.
5 Antecedentes Proporciona: Desviaciones temporales Índices de rendimiento Estimaciones de avance Estimaciones de coste final TECNICA DEL VALOR GANADO Informa: Sobrecoste o retraso de un proyecto No puede mostrar La evolución del proyecto desde el momento actual hasta su cierre 5
6 Objetivos Desarrollar un mecanismo de control de proyectos que compare el progreso del proyecto con las previsiones dadas por la curva S parametrizada. Obtener una aproximación más real que simule el comportamiento del proyecto hasta su cierre. Complementar la técnica del Valor Ganado, aumentando la eficiencia en el control y en la estimación de costes. Mejorar la capacidad predictiva en los proyectos de ámbito industrial. 6
7 Etapas de un proyecto de producción industrial Características Larga duración Grandes cantidades de recursos Hipótesis Etapas divididas en 5 grandes grupos Dividimos la curva S en 5 segmentos Representación de la curva S del coste acumulado 7
8 Etapas de un proyecto de producción industrial 2. ETAPA DE CONCEPCIÓN 1. ETAPA DE DEFINICIÓN Determinación de especificaciones técnicas, coste, alcance, programa y recursos Idea y Estudios Preliminares Pequeña cantidad de tareas Gran número de actividades al mismo tiempo E 2 ( t) ax bx c [ t1 < x t 2] 2 E1 ( t) cte [- < x t1] 8 3. ETAPA DE CONSTRUCCIÓN Ejecución y control del producto o sistema Gran aumento del coste acumulado E3( t) ax b [t2 x t3]
9 Etapas de un proyecto de producción industrial 4. ETAPA DE PUESTA EN MARCHA El gasto tiende a disminuir Finalización progresiva E 2 ( t) ax bx c [t3 < x t 4] 4 5. ETAPA DE CESIÓN Producto o sistema finalizado. Entrega al cliente Coste acumulado prácticamente constante E5( t) cte [t 4 x ] 9
10 Etapas de un proyecto de producción industrial REPRESENTACIÓN Cada segmento se puede representar por una función simple. Se obtiene la curva del coste acumulado del proyecto en función del tiempo. Su adaptación permitirá simular diferentes escenarios para ver diferentes alternativas sobre los costes reales, el gasto previsto y el Segmentos de la funcion logistica 1 coste presupuestado E4(t) E5(t) E3(t) E(t) E1(t) E2(t) tiempo
11 Metodología: Parametrización de la Curva S 11 Podremos simular la planificación de los costes dentro de un sector específico comparando la línea base obtenida mediante la técnica del valor ganado y las aproximaciones obtenidas mediante parametrización de la función logística Modelo Contínuo de la Función Logística En vez de usar valores discretos, usaremos las propiedades continuas de la función logística de( t) de( t) E( t) 1 dt El término (1-E(t)/ κ) se aproxima a 1 cuando E(t)<< κ y se aproxima a 0 cuando E(t) κ La solución a la función logística se puede expresar en función de los parámetros α, β y κ E( t) E0 1 e t
12 Metodología: Parametrización de la Curva S E( t) E0 1 e t El parámetro α representa la pendiente de la curva y se suele representar como una variable t que es el tiempo necesario para llegar del 10% al 90% de κ, siendo t=ln(81)/ α El parámetro β es el instante en que se alcanza 1/2 κ Se puede representar la curva S en función los parámetros: E( t) 1 e E f ln(81) ( t t t m ) E f : Límite máximo de crecimiento de la curva t : Tiempo de crecimiento T m : Punto medio en el que la curva alcanza ½ de E f. 12 Es posible estimar numéricamente estos tres parámetros para estimar la evolución del coste acumulado mediante el perfil de curva que más se adapta a este tipo de proyectos.
13 Simulación y validación de resultados Se han analizado 20 proyectos reales desarrollados en el ámbito objetivo de este trabajo. 1. ETAPA DE DEFINICIÓN 13
14 Simulación y validación de resultados Se han analizado 20 proyectos reales desarrollados en el ámbito objetivo de este trabajo. 2. ETAPA DE CONCEPCIÓN 14
15 Simulación y validación de resultados Se han analizado 20 proyectos reales desarrollados en el ámbito objetivo de este trabajo. 3. ETAPA DE CONSTRUCCIÓN 15
16 Simulación y validación de resultados Se han analizado 20 proyectos reales desarrollados en el ámbito objetivo de este trabajo. 4. ETAPA DE PUESTA EN MARCHA 16
17 Simulación y validación de resultados Se han analizado 20 proyectos reales desarrollados en el ámbito objetivo de este trabajo. 4. ETAPA DE PUESTA EN MARCHA 17
18 Simulación y validación de resultados Se han analizado 20 proyectos reales desarrollados en el ámbito objetivo de este trabajo. 4. ETAPA DE PUESTA EN MARCHA 18
19 Simulación y validación de resultados Se han analizado 20 proyectos reales desarrollados en el ámbito objetivo de este trabajo. 5. ETAPA DE CESIÓN 19
20 Simulación y validación de resultados Se han analizado 20 proyectos reales desarrollados en el ámbito objetivo de este trabajo. 5. ETAPA DE CESIÓN 20
21 Simulación y validación de resultados Se han analizado 20 proyectos reales desarrollados en el ámbito objetivo de este trabajo. 5. ETAPA DE CESIÓN 21
22 Simulación y validación de resultados Se ha realizado la media de los costes acumulados de todos los proyectos, en términos de porcentaje, en tres puntos equidistantes temporalmente en cada una de las etapas, con el fin de poder trazar la curva en S a lo largo de las mismas. Entorno Industrial Tipo de proyectos Producción Número de proyectos analizados 20 Duración media de los proyectos 52,5 semanas Suma de la duración de los proyectos semanas Proyecto de mayor duración 61 semanas Proyecto de menor duración 45 semanas Desviación estándar de la duración de los proyectos 5,43 22
23 Simulación y validación de resultados Se representa la media de los costes acumulados de los proyectos analizados y se realiza una aproximación mediante una regresión logística 1 Coste acumulado(%). Media de los proyectos en cada etapa analizada WD5-C 1 Coste acumulado(%). Aproximación a la función logística 0.9 WD5-A WD5-B WD4-B WD4-C 0.8 Coste Acumulado (%) WD3-B WD3-C WD4-A Coste Acumulado (%) WD3-A WD2-B WD1-C WD2-C WD1-A WD1-B WD2-A Tiempo (semanas) Tiempo (semanas) 23
24 Simulación y validación de resultados Se realizan simulaciones en función del tiempo con los diferentes valores de Ef, tm y t. Se obtienen diferentes gamas de curvas. Se ajustan los parámetros en Ef = 1, tm = 30 y t = 25. Se obtiene una curva superpuesta a la real. 1 Coste acumulado(%) de los proyectos analizados E(t) tiempo (semanas) Parametrización de la función logística. Ajuste de parámetros 1 E(t) tiempo (semanas)
25 Simulación y validación de resultados Ajustando los parámetros de la ecuación parametrizada se puede obtener una buena aproximación de la curva logística que se adapta a los parámetros de la curva real Comparación entre la curva real y la curva parametrizada ajustada Curva parametrizada ajustada Curva del coste acumulado real Muestrario de 20 proyectos de similares características 25 E(t) tiempo (semanas) Se pueden utilizar dichos parámetros para obtener una estimación del coste planificado acumulado del proyecto.
26 Conclusiones Se ha construido un modelo matemático aplicando las propiedades continuas de la función logística. La modelización de la curva de S nos ha permitido pasar de los valores discretos utilizados en la técnica del valor ganado, a una función continua con características propias. Se ha demostrado: Que se puede complementar la técnica del valor ganado mejorando la capacidad predictiva y de seguimiento de los proyectos. Que se puede reducir la incertidumbre desde la etapa actual del proyecto hasta su finalización, ajustando los parámetros que definen la función logística. 26
27 Conclusiones Se ha obtenido una estimación de la evolución del proyecto hasta su finalización. Se ha contribuido a aumentar la eficiencia en el seguimiento de cada proyecto, permitiendo representar y particularizar cualquier escenario de predicción mediante la selección de los parámetros E f, t y t m, adecuados. 27
28
29
5 ANÁLISIS DE VALOR GANADO.
5 ANÁLISIS DE VALOR GANADO. Es muy importante, que en el momento de planificar el proyecto y además, en su ejecución, se desarrollen mecanismos de control y de monitoreo a el tiempo de ejecución y al flujo
Más detallesMETODOS ESTADÍSTICOS
METODOS ESTADÍSTICOS Introducción. Uno de los objetivos de la asignatura de Hidrología, es mostrar a los alumnos, las herramientas de cálculo utilizadas en Hidrología Aplicada para diseño de Obras Hidráulicas.
Más detallesCaracterización de la incertidumbre del precio futuro del cobre
USc/lb Caracterización de la incertidumbre del precio futuro del cobre La incertidumbre en un modelo de programación estocástica debe tener la estructura de árbol de escenarios, como se muestra en la Figura
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detalles7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL. Jorge Eduardo Ortiz Triviño
7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http:/www.docentes.unal.edu.co/jeortizt/ Introducción Los datos frecuentemente son dados para valores
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesEVM, Gestión del valor ganado para la empresa constructora
EVM, Gestión del valor ganado para la empresa constructora Qué parte de la obra está realizada? Cuánto costará lo que queda? Estas dos preguntas se las formulan habitualmente los responsables de costes
Más detallesEVM Earned Value Management
EVM Earned Value Management Control de Proyectos mediante el Earned Value El término de EARNED VALUE, o valor ganado, se refiere a una metodología para medir el rendimiento del proyecto contra la línea
Más detallesAYUDANTÍA 2: RIESGO EN PROYECTOS
AYUDANTÍA 2: RIESGO EN PROYECTOS ICC2302 INGENIERÍA DE CONSTRUCCIÓN 1 2008 TEMARIO Estimación de Costos de Proyectos Estimación Preliminar Estimación Conceptual Estimación Detallada Estimación Definitiva
Más detallesPresentación de la Asignatura. Estadística II. Prof. Sergio Jurado Chamorro
Presentación de la Asignatura Estadística II Prof. Sergio Jurado Chamorro Estadística II: La asignatura Contexto Enfoque Nivel matemático Conocimientos básicos Otro requerimientos Herramienta de apoyo
Más detallesEstructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias
Estructura de este tema Tema 4 Regresión lineal simple José R. Berrendero Departamento de Matemáticas Universidad utónoma de Madrid Planteamiento del problema. Ejemplos Recta de regresión de mínimos cuadrados
Más detallesLa Duración Ganada: Una Extensión del Valor Ganado para el Control de Tiempos en Proyectos
UNIMET La Duración Ganada: Una Extensión del Valor Ganado para el Control de Tiempos en Proyectos Marino Martínez Miniño Trabajo en Equipo: Factor clave para el desarrollo del UNIMET PRESENTACIÓN PREPARADA
Más detallesANÁLISIS DE REGRESIÓN N LINEAL
ANÁLISIS DE REGRESIÓN N LINEAL Varias partes tomadas de Julio H. Cole "Nociones de Regresión Lineal" en Enciclopedia Multimedia Virtual de Economía EMVI. http://eumed.net/cursecon/medir/index.htm Análisis
Más detallesAnálisis de coyuntura con series temporales. Metodología A. Espasa (dt 9003 BE)
Análisis de coyuntura con series temporales Metodología A. Espasa (dt 9003 BE) Esquema Se basa en u na propuesta sobre los objetivos que se pretenden en un informe coyuntural. Estos objetivos requieren
Más detallesPredicción de Días Abiertos para vacas sin concepción confirmada
Evaluación genética de Días Abiertos Cálculo inicial de días abiertos Para vacas con preñez confirmada los Días Abiertos se obtienen con base en el intervalo entre la fecha de parto y la fecha de concepción.
Más detallesLa Duración Ganada: Optimización del Control de Tiempos en Proyectos. Ing Marino Martínez Miniño
La Duración Ganada: Optimización del Control de Tiempos en Proyectos Ing Marino Martínez Miniño 1 PRESENTACIÓN PREPARADA POR: Ing Marino Martínez Miniño MGC, PMI, CPM, CIV 16.800 E-mail: marinomm@gmail.com
Más detalles4. Regresión Lineal Simple
1 4. Regresión Lineal Simple Introducción Una vez conociendo las medidas que se utilizan para expresar la fuerza y la dirección de la relación lineal entre dos variables, se tienen elementos base para
Más detallesServei d Estadística Aplicada
Servei d Estadística Aplicada Asesoramiento experto y consultoría en todos los ámbitos de la Estadística En todo proyecto de investigación, la Estadística Analítica es la pieza clave para procesar información
Más detallesTema 8. Análisis de dos variables Ejercicios resueltos 1
Tema 8. Análisis de dos variables Ejercicios resueltos 1 Ejercicio resuelto 8.1 La siguiente tabla muestra la distribución del gasto mensual en libros y el gasto mensual en audiovisual en euros en los
Más detallesAnálisis matemático de la función de Nelson y Siegel
Anexos Anexo 1 Análisis matemático de la función de Nelson y Siegel La función que define el tipo forward según el modelo propuesto por Nelson y Siegel (1987) es la siguiente: con m 0 y τ 0. 1 > m m m
Más detallesProgramación y Control de Obra
Programación y Control de Obra -Conceptos generales de planeamiento -Programación y control -Planificación -Concepto de costos directos y costos indirectos PLANEAMIENTO -Planeamiento es la acción y efecto
Más detallesEarned Value Analysis. Rodrigo Buzeta PMP, PgMP Valor Ganado S.A.S. valorganado.com
Earned Value Analysis Rodrigo Buzeta PMP, PgMP Valor Ganado S.A.S. valorganado.com Variables Básicas Presupuesto BAC AT Día de Análisis Fecha Final Planeada T El valor planeado, PV, se obtiene de la planeación
Más detalles6.7 CONTROLAR EL CRONOGRAMA
6.7 CONTROLAR EL CRONOGRAMA Dante Guerrero-Chanduví Piura, 2015 FACULTAD DE INGENIERÍA Área departamental de Ingeniería Industrial y de Sistemas 6.7 CONTROLAR EL CRONOGRAMA Esta obra está bajo una licencia
Más detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Más detalles3 Regresión y correlación lineales
3 Regresión y correlación lineales 3.1 Introducción En esta unidad se analizará la relación entre dos o más variables y desarrollamos una ecuación que nos permite estimar una variable con base en otra.
Más detallesEVM (EARNED VALUE MANAGEMENT) GESTIÓN DEL VALOR GANADO MARCO CONCEPTUAL
UNIVERSIDAD TECNOLÓGICA DE LOS ANDES CARRERA PROFESIONAL DE INGENIERÍA DE SISTEMAS E INFORMÁTICA GERENCIA DE PROYECTOS INFORMÁTICOS EVM (EARNED VALUE MANAGEMENT) GESTIÓN DEL VALOR GANADO MARCO CONCEPTUAL
Más detallesDefinición de Correlación
Definición de Correlación En ocasiones nos puede interesar estudiar si existe o no algún tipo de relación entre dos variables aleatorias: Estudiar cómo influye la estatura del padre sobre la estatura del
Más detallesIntroducción a la Estadística Aplicada en la Química
Detalle de los Cursos de Postgrado y Especialización en Estadística propuestos para 2015 1/5 Introducción a la Estadística Aplicada en la Química FECHAS: 20/04 al 24/04 de 2015 HORARIO: Diario de 10:00
Más detallesANÁLISIS DE DATOS EXPERIMENTALES POR MÍNIMOS CUADRADOS
ANÁLISIS DE DATOS EXPERIMENTALES POR MÍNIMOS CUADRADOS CONTENIDO 1 Ajuste de Curvas 2 Análisis de Regresión 2.1 Métodos de Mínimos Cuadrados 2.2 Regresión Lineal AJUSTE DE CURVAS Uno de los objetivos en
Más detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
Más detallesConceptos básicos de metrología
Conceptos básicos de metrología Definiciones, características y estimación de incertidumbres. Lic. Francisco Sequeira Castro 05 de Noviembre, 2014 Qué es la metrología? La metrología es la ciencia de las
Más detallesTeoría de errores. 4 Otro de estos ejemplos pueden ser el de la medición de la densidad de un compuesto sólido o la velocidad de la luz.
1. Preliminar Cuando se realizan mediciones siempre estamos sujetos a los errores, puesto que ninguna medida es perfecta. Es por ello, que nunca se podrá saber con certeza cual es la medida real de ningún
Más detallesCAPÍTULO 4 RECOPILACIÓN DE DATOS Y CÁLCULO DEL VPN. En el presente capítulo se presenta lo que es la recopilación de los datos que se tomarán
CAPÍTULO 4 RECOPILACIÓN DE DATOS Y CÁLCULO DEL VPN En el presente capítulo se presenta lo que es la recopilación de los datos que se tomarán para realizar un análisis, la obtención del rendimiento esperado
Más detallesConceptos básicos de modelado de procesos
Conceptos básicos de modelado de procesos Apellidos, nombre Departamento Centro Torregrosa López, Juan Ignacio (jitorreg@iqn.upv.es) Ingeniería Química y Nuclear Universitat Politècnica de València 1 Resumen
Más detallesPráctica 2: Regresión lineal
Prácticas de estadística con R Ingeniería Química Universidad de Cantabria Curso 2011 2012 Práctica 2: Regresión lineal R también permite trabajar conjuntamente con más de una variable. En particular esta
Más detallesMODELIZACIÓN ENERGÉTICA EN EL ECUADOR
MODELIZACIÓN ENERGÉTICA EN EL ECUADOR Julianna Maritza Cobo Correa El siguiente proyecto trata sobre la realización de posibles modelos matemáticos, econométricos y energéticos que van ha permitir predecir
Más detallesAPENDICE B. Geometría Diferencial y curvas Beta-Splines.
Planificación de Trayectorias para Robots Móviles APENDICE B. Geometría Diferencial y curvas Beta-Splines. B.1. Introducción. En este apéndice se exponen los conceptos básicos de geometría diferencial
Más detallesESTADISTICA INFERENCIAL DR. JORGE ACUÑA A.
ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A. 1 PROBABILIDAD Probabilidad de un evento es la posibilidad relativa de que este ocurra al realizar el experimento Es la frecuencia de que algo ocurra dividido
Más detallesEconometría dinámica y financiera
Econometría dinámica y financiera Introducción a la econometría financiera. Modelos ARCH Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Introducción Los modelos que hemos visto son lineales
Más detallesESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 10 Nombre: Pruebas de hipótesis referentes al valor de la media de la población Contextualización En estadística existen dos métodos para la
Más detallesTécnicas de planificación y control de proyectos Andrés Ramos Universidad Pontificia Comillas
Técnicas de planificación y control de proyectos Andrés Ramos Universidad Pontificia Comillas http://www.iit.upcomillas.es/aramos/ Andres.Ramos@upcomillas.es TÉCNICAS DE PLANIFICACIÓN Y CONTROL DE PROYECTOS
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesTarea - Examen. No reaparece Sí reaparece Crema Crema
Tarea - Examen 1. Un juego consiste en elegir al azar una carta de una baraja de 52 cartas. Si esta carta es un corazón negro nos pagan 200 pesos y si es un diamante 100 pesos, pero en otro caso hemos
Más detallesSeñal perturbada (con ruido)
Diseño y implementación de un medidor de frecencia para frecuencias bajas s(t) θ(t) Figura4. 11 Resultado de simulación para el caso s = 60, ρ = 10000000. 4... Señal perturbada (con ruido) En este apartado
Más detallesMáster en comunicaciones. Clase 2. Modelos predictores.
Máster en comunicaciones. Clase 2. Modelos predictores. 1. Introducción Uno de los cometidos más importantes de la estadística es la explotación de los datos observados de una o más características de
Más detallesIng. Luis Alberto Benites Gutiérrez
Página Web: Ing. Luis Alberto Benites Gutiérrez L/O/G/O www.themegallery.com El profesor Benites, es Ingeniero Industrial, Máster en Business Administration (MBA) por la Universidad Autónoma de Madrid-España,
Más detallesTEMA 2: DISTRIBUCIONES BIDIMENSIONALES
TEMA : DISTRIBUCIONES BIDIMENSIONALES 1.- DISTRIBUCIONES BIDIMENSIONALES Cuando estudiamos un solo carácter estadístico, los datos que obtenemos forman una variable estadística unidimensional. También
Más detallesEconometría II. Tema 1: Revisión del Modelo de Regresión Múltiple Ejercicios
Econometría II Tema 1: Revisión del Modelo de Regresión Múltiple Ejercicios 1. Problema En el chero "Produccio.xls" se presenta la información sobre la producción Y, trabajo X 2 y capital X 3 en el sector
Más detallesJosé Márquez Díaz Paul Sanmartín Mendoza Josheff David Céspedes
José Márquez Díaz Paul Sanmartín Mendoza Josheff David Céspedes Barranquilla - Bogotá COLOMBIA, 2013 CONTENIDO PREFACIO... 3 INTRODUCCIÓN... 5 TIPOS DE MODELO DE SIMULACIÓN... 6 PROPÓSITOS DE UNA SIMULACIÓN...
Más detallesFormulas de Newton-Cotes
Formulas de Newton-Cotes. Usando las reglas del Trapecio, Punto Medio, Simpson y las formulas de Newton-Cotes abiertas con n =,, aproxime el valor de las siguientes Integrales. Construya una tabla para
Más detallesA pesar de la importancia de las cónicas como secciones de una superficie cónica, para estudiar los elementos y propiedades de cada una de ellas en
SECCIONES CÓNICAS Las secciones cónicas se pueden definir como lugares geométricos en el plano, sin embargo la definición clásica de las cónicas, que se debe a Apolonio de Perga, se hizo mediante un procedimiento
Más detallesAdministración de Proyectos;
Administración de Proyectos; Herramientas Estadísticas de apoyo al Master Program Enrique Henseleit Prado (Ehenseleit@gmail.com) Ingeniero Civil Electricista (PUC - Chile) Gerente de Proyectos General
Más detallesOrganización y Planificación de Proyectos
Organización y Planificación de Proyectos Angel Pérez Manso Mikel Garmendia Mujika Xabier Garikano Osinaga Dpto. Expresión Gráfica y Proyectos de Ingeniería Escuela Universitaria Politécnica de Donostia
Más detallesEstudio estadístico de la rentabilidad económica de una instalación solar térmica
Estudio estadístico de la rentabilidad económica de una instalación solar térmica Aplicación en un hospital de Castilla y León Luis Javier Mata García Ingeniero Industrial El objetivo de este artículo
Más detallesINTRODUCCIÓN AL CÁLCULO DE INCERTIDUMBRES DE ENSAYO
INTRODUCCIÓN AL CÁLCULO DE INCERTIDUMBRES DE ENSAYO 1. Introducción 2. Error e incertidumbre 3. Exactitud y precisión de medida 4. Tipos de medidas 5. Incertidumbre típica o de medida 6. Incertidumbre
Más detallesGraficación. Representación Explicita. Representación Paramétrica. Representación Implícita. Representación de curvas
Graficación Como modelar y/o representar objetos reales? Problema: No hay un modelo matemático del objeto Solución: Realizar una aproximación por pedazos de: Planos, esferas, otras formas simples de modelar
Más detallesPara llevar a cabo una simulación, se requiere implementar las siguientes etapas:
SIMULACIÓN: La simulación se define como una técnica numérica utilizada para representar un proceso o fenómeno mediante otro más simple que permite analizar sus características. Esta técnica emplea relaciones
Más detallesIntroducción al Método de Valor Ganado. Ing. Pedro Contreras, PMP
Introducción al Método de Valor Ganado Ing. Pedro Contreras, PMP Julio 31, 2006 Objetivo Dar a conocer los conceptos basicos y la utilidad del Método del Valor Ganado como herramienta de la Gerencia de
Más detallesMANUAL DE USO PROGRAMA SENSIBAR
MANUAL DE USO PROGRAMA SENSIBAR ANALSIS DE SENSIBILIDAD Y SIMULACION DE MONTECARLO JOSE FUENTES VALDES FACEA - UNIVERSIDAD DE CONCEPCION Facultad de Economía Universidad de Concepción 1 SensiBar. ANALSIS
Más detallesAlgunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detallesUNIVERSIDAD NACIONAL DE INGENIERIA ECONOMÍA DE PROYECTO INFORMÁTICO
UNIVERSIDAD NACIONAL DE INGENIERIA ECONOMÍA DE PROYECTO INFORMÁTICO Andreina Patricia Rugama Castillo 4t2-c0 21 de junio de 2015 HERRAMIENTA#13 GESTIÓN DE VALOR GANADO Introduccion: Concepto Aplicación
Más detallesLogística y Operaciones Administración de Proyectos Introducción Pág. 1 Ing. Tasca, Mara G.
ADMINISTRACION DE PROYECTOS CPM Y PERT: Introducción: Por lo general los proyectos consisten en un cierto número de tareas interrelacionadas, que pueden o no efectuarse en forma simultánea. Es importante
Más detallesRelaciones de recurrencia
MATEMÁTICA DISCRETA I F. Informática. UPM MATEMÁTICA DISCRETA I () Relaciones de recurrencia F. Informática. UPM 1 / 7 Relaciones de recurrencia Relaciones de recurrencia Definición Una relación de recurrencia
Más detallesMétodos Numéricos Cap 5: Interpolación y Aproximación polinomial
1/12 Aproximación funcional e Interpolación Representación mediante funciones analíticas sencillas de: Información discreta. (Resultante de muestreos). Funciones complicadas. Siendo y k = f(x k ) una cierta
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA
MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse
Más detallesLicenciatura en Electrónica y Computación: Métodos Numéricos
Licenciatura en Electrónica Computación: Métodos Numéricos METODO DE EULER Este método se aplica para encontrar la solución a ecuaciones dierenciales ordinarias (EDO), esto es, cuando la unción involucra
Más detallesUso de modelos probabilísticos
IN562 Marketing II Introducción a Modelos Probabilísticos Marcel Goic (mgoic@dii.uchile.cl Semestre Primavera 2 Marco Conceptual El enfoque de modelos probabilísticos 2 Lógica de los modelos probabilísticos
Más detallesDistribución Exponencial
Distribución Exponencial Hay dos casos especiales importantes de la distribución gamma, que resultan de restricciones particulares sobre los parámetros α y β. El primero es cuando se tiene α = 1, entonces
Más detallesDIRECCIÓN Y ADMINISTRACIÓN DE PEQUEÑAS EMPRESAS
DIRECCIÓN Y ADMINISTRACIÓN DE PEQUEÑAS EMPRESAS Modulo tercero (integración). Clave de asignatura LC 735 PROFESOR: C.P. DAVID ARREDONDO ALCANTAR 1.- PRONOSTICOS 1.3.- Tipos de pronósticos. Los pronósticos
Más detallesJulio Deride Silva. 4 de junio de 2010
Curvas ROC y Regresión Lineal Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 4 de junio de 2010 Tabla de Contenidos Curvas ROC y Regresión Lineal
Más detallesANEJO 06: POBLACIÓN Y DOTACIONES PROYECTO DE CONSTRUCCIÓN DE LA RED DE ABASTECIMIENTO DE AGUA POTABLE DE LA POBLACIÓN DE LOS MOLARES (SEVILLA)
Trabajo de Fin de Grado Grado en Ingeniería Civil PROYECTO DE CONSTRUCCIÓN DE LA RED DE ABASTECIMIENTO DE AGUA POTABLE DE LA POBLACIÓN DE LOS MOLARES (SEVILLA) Autor: Andrés León Fernández Tutor: Jaime
Más detallesInstituto Politécnico Nacional Escuela Superior de Cómputo Modelos de Pronóstico
Instituto Politécnico Nacional Escuela Superior de Cómputo Modelos de Pronóstico M. En C. Eduardo Bustos Farías 1 Gestión de Demanda Clientes Internos y Externos Proactiva: Promociones, Políticas de Precio,
Más detallesLA CONFIABILIDAD BASADA EN LA DISTRIBUCIÓN WEIBULL, FUNDAMENTO PARA LA OPTIMIZACIÓN DEL MANTENIMIENTO INDUSTRIAL
LA CONFIABILIDAD BASADA EN LA DISTRIBUCIÓN WEIBULL, FUNDAMENTO PARA LA OPTIMIZACIÓN DEL MANTENIMIENTO INDUSTRIAL Confiabilidad Operacional Este material de autoestudio fue creado en el año 2004 para la
Más detallesDistribución Gaussiana o normal
FLUCTUACIONES ESTADÍSTICAS Los postulados fundamentales de la teoría estadística de errores establecen que, dado un conjunto de medidas, todas efectuadas en idénticas condiciones, suficientemente grande
Más detallesConcepto y Definición de Convolución
Convolución Concepto y Definición de Convolución Propiedades Correlación y Autocorrelación Convolución Discreta 1 Concepto y Definición de Convolución Mediante la convolución calcularemos la respuesta
Más detallesSimulación de eventos discretos.
Simulación de eventos discretos http://humberto-r-alvarez-a.webs.com Qué es simulación? Consiste en diseñar y desarrollar un modelo computarizado de un sistema o proceso y conducir experimentalmente con
Más detallese institucionales y distintas funciones en la industria de las telecomunicaciones
Cambios tecnológicos e institucionales y distintas funciones de la modelización y previsión económicas en la industria de las telecomunicaciones!"!!$%'(% ) *+,-.%/0.(%'.11123(/4. ' +* 5 * 1 Cambios tecnológicos
Más detallesFundamentos de Estadística y Simulación Básica
Fundamentos de Estadística y Simulación Básica TEMA 2 Estadística Descriptiva Clasificación de Variables Escalas de Medición Gráficos Tabla de frecuencias Medidas de Tendencia Central Medidas de Dispersión
Más detallesTaller: Seguimiento y Control de Proyectos según el PMI
Taller: Seguimiento y Control de Proyectos según el PMI Bsc. Sergio André Espinoza Díaz, CAPM Cómo medimos el estado actual de la ejecución de nuestro proyecto? El Porcentaje Completado ayuda al seguimiento
Más detallesSyllabus. Curso:SEXTO. Materia:ESTUDIOS MATEMÁTICOS
Syllabus Curso:SEXTO Materia:ESTUDIOS MATEMÁTICOS Descripción del curso: Esta asignatura está destinada a estudiantes con distintas capacidades y niveles de conocimiento, con el objeto de infundir seguridad
Más detallesGESTIÓN DE PROYECTOS
GESTIÓN DE PROYECTOS METODOLOGÍA DE LOS CURSOS Cursos interactivos sobre materias especializadas en los que el alumno avanza de forma guiada bajo una concepción learning by doing (aprender haciendo). En
Más detallesGestión de Proyectos Software
Gestión de Proyectos Software Parte 6. Seguimiento y control de un proyecto Carlos Blanco Universidad de Cantabria Línea Base Definición de una Línea de Base Creada la Programación y resueltos los conflictos
Más detallesDEFINICIONES Y CONCEPTOS (SISTEMAS DE PERCEPCIÓN - DTE) Curso
DEFINICIONES Y CONCEPTOS (SISTEMAS DE PERCEPCIÓN - DTE) Curso 2009-10 1. Generalidades Instrumentación: En general la instrumentación comprende todas las técnicas, equipos y metodología relacionados con
Más detallesTema 1. Introducción: el modelo econométrico
1. Introducción. a. Qué es la econometría? b. Metodología en Econometría Gujarati, Econometría (2004) páginas 1 a 11 c. Terminología y notación d. Clasificación de los modelos econométricos 1 1. Introducción
Más detallesAPLICACIÓN Y USO DE MODELOS 4D EN PROYECTOS DE CONSTRUCCIÓN
APLICACIÓN Y USO DE MODELOS 4D EN PROYECTOS DE CONSTRUCCIÓN CI5502 Planificación y Control de Proyectos miguel mora mimora@ing.uchile.cl CLASE n1: INTRODUCCIÓN A 4D CI5502 Planificación y Control de Proyectos
Más detallesLA EVALUACIÓN EDUCATIVA
LA EVALUACIÓN EDUCATIVA Por Noemí Álvarez Vallina El término Evaluación se define como, señalar el valor de algo, estimar, apreciar o calcular el valor de algo. De esta manera más que exactitud lo que
Más detallesEjercicios de Funciones: derivadas y derivabilidad
Matemáticas 2ºBach CNyT. Ejercicios Funciones: Derivadas, derivabilidad. Pág 1/15 Ejercicios de Funciones: derivadas y derivabilidad 1. Calcular las derivadas en los puntos que se indica: 1., en x = 5.
Más detallesEcuaciones diferenciales ordinarias
Tema 9 Ecuaciones diferenciales ordinarias Versión: 13 de mayo de 29 9.1 Introducción El objetivo de este tema es exponer muy brevemente algunos de los conceptos básicos relacionados con las ecuaciones
Más detallesMATERIA DE SIMULACION
NOMBRE DEL PROYECTO: Juego Asteroids MATERIA DE SIMULACION Fecha de elaboración: 24/11/17 Versión: 1.0 Grupo: 9F2B (9F2A) (9F2B) Proyecto: Individual Grupal Nombre del equipo: Space Participantes 1. Juan
Más detallesGrado en Finanzas y Contabilidad
Econometría Grado en Finanzas y Contabilidad Apuntes basados en el libro Introduction to Econometrics: A modern Approach de Wooldridge 3.1 Colinealidad Exacta 3.2 Los efectos de la multicolinealidad Del
Más detallesEscuela de Verano de Macroeconomía
Escuela de Verano de Macroeconomía José L. Torres Universidad de Málaga 21-25 junio 2010 José L. Torres (Universidad de Málaga) Escuela de Verano de Macroeconomía 21-25 junio 2010 1 / 27 Programa del curso
Más detallesRegresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A
Regresión lineal REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL MÚLTIPLE N A Z IRA C A L L E J A Qué es la regresión? El análisis de regresión: Se utiliza para examinar el efecto de diferentes variables (VIs
Más detallesRevisión Fecha Revisor Aprobador Descripción de los cambios M.L. J.R. Primera emisión del documento
6. GESTIÓN DEL TIEMPO Revisión Fecha Revisor Aprobador Descripción de los cambios 1 0 04 013 M.L. J.R. Primera emisión del documento 4 04 013 D.R. J.R. Revisión del documento 3 Entrega final del documento
Más detallesInforme N 9 Estimación de stock de hembras: Modelo de cálculo y resultados para el 2016
Informe N 9 Estimación de stock de hembras: Modelo de cálculo y resultados para el 2016 Enero, 2016 El Observatorio de la Cadena de la Carne Bovina de Argentina es un emprendimiento de la Asociación Argentina
Más detalles7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE
ESCUELA UNIVERSITARIA DE ENFERMERIA DE TERUEL 1 er CURSO DE GRADO DE ENFERMERIA Estadística en Ciencias de la Salud 7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE PROFESOR Dr. Santiago
Más detallesEn todas las representaciones el valor de la constante a nos indica para donde abre la parábola: abre hacia arriba (a > 0) o hacia abajo (a < 0):
COLEGIO COLOMBO BRITANICO DPTO DE MATEMATICAS TALLER DE FUNCION CUADRATICA Una función cuadrática se puede representar de tres formas diferentes, equivalentes entre si, cada una de las cuales suministra
Más detallesFUNCIONES DE UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M.
FUNCIONES DE UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M. 1 Introducción Una de las primeras necesidades que surgen en las Ciencias Experimentales es la de poder expresar, aproximadamente,
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Más detallesFUNDACIÓN UNIVERSITARIA TECNOLÓGICO COMFENALCO
PROCESOS ADMINISTRATIVOS UNIDAD 1 - PLANEACION CONCEPTOS: PLANEACION Planear es definir las metas de la organización, establecer una estrategia general para alcanzarlas y trazar planes exhaustivos para
Más detalles