Estimación de la evolución de proyectos en el ámbito de la producción industrial mediante la parametrización de la curva S del coste acumulado

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