Modelos de PERT/CPM: Probabilístico

Documentos relacionados
Modelos de PERT/CPM: Probabilístico

Estimaciones de la duración de actividades

CAPÍTULO 4 TÉCNICA PERT

Logística y Operaciones Administración de Proyectos Introducción Pág. 1 Ing. Tasca, Mara G.

05/08/2013. Introducción. Modelos de Pert /CPM. Introducción. Introducción. Antecedentes. Introducción

Modelos de Pert/CPM: intercambios de tiempo y costo

AYUDANTÍA 2: RIESGO EN PROYECTOS

Estimaciones puntuales. Estadística II

NOMBRE DE LA ASIGNATURA: MÉTODOS CUANTITATIVOS PARA ADMINISTRACIÓN. ESCUELA: DEPARTAMENTO: ADMINISTRACIÓN

Rendimiento de un activo

Planeación de Proyectos PERT - CPM

PLANEAMIENTO Y CONTROL DE PROYECTOS (PERT / CPM) Método del camino crítico

ANÁLISIS DE FRECUENCIAS

Medidas de dispersión

Organización y Planificación de Proyectos

SOFTWARE DIDÁCTICO PARA EL MÉTODO PERT DE PROYECTOS

Teoría del muestreo. Tipos de muestras

TRABAJO FINAL: CPM/PERT APLICADO A UN PROYECTO REAL

INTRODUCCION ORÍGENES DE PERT/CPM:

3 ANALISIS DESCRIPTIVO DE LOS DATOS

ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A.

La distribución de Probabilidad normal, dada por la ecuación:

Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución.

EJERCICIOS DE SIMULACION MONTECARLO

Formulación y Evaluación de Proyectos de Inversión

Administración de Proyectos;

CORPORACION UNIFICADA NACIONAL DE EDUCACION SUPERIOR CUN DEPARTAMENTO DE CIENCIAS BASICAS: MATEMATICAS

Contenido. Gestión de Proyectos. GANTT - PERT CPM, y otros. Introducción. Gantt Project. Conceptos Básicos. El Tiempo. El Costo. Comparando Proyectos

El PERT: un método eficaz para la planificación de actividades

Ejercicios resueltos

UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 8

Muestreo y Distribuciones en el Muestreo

PROYECTO TECNOLÓGICO CONTROL DE PROYECTOS: Diagrama de flechas: PERT y CPM Metodología Conclusiones

ANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.

ESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua

ANALISIS DE FRECUENCIA EN HIDROLOGIA

Tiempo de reajuste Tiempo de repintura (horas) A 6 3 B 0 4 C 5 2 D 8 6 E 2 1

Estadística. Sesión 4: Medidas de dispersión.

PLANEACION Y CONTROL DE PROYECTOS

CAPÍTULO 13. Programación de proyectos: PERT/CPM

Teorema Central del Límite (1)

Revisión Fecha Revisor Aprobador Descripción de los cambios M.L. J.R. Primera emisión del documento

LECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL.

CM0244. Suficientable

Tests de Hipótesis basados en una muestra. ESTADÍSTICA (Q) 5. TESTS DE HIPÓTESIS PARA LA MEDIA DE UNA POBLACIÓN NORMAL CON VARIANZA CONOCIDA

Estadística Descriptiva

GRAFICOS DE CONTROL DATOS TIPO VARIABLES

MODELOS DE SIMULACIÓN ESTADÍSTICOS CLASE 4: DISTRIBUCIÓN t, CHI-CUADRADA y EXPONENCIAL PROFESOR: OSCAR SAAVEDRA ANDRÉS DURANGO.

Escuela Nacional de Estadística e Informática ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA

Estadística Inferencial

Teoría de la decisión

Instituto Politécnico Nacional Escuela Superior de Cómputo Modelos de Pronóstico

Disponible en el sitio OCW de la Universidad Nacional de Córdoba.

Solución Examen Parcial IV Nombres: Apellidos: C.I.: Firma: Fecha: 22/06/2005

1. Ejercicios. 2 a parte

PROBABILIDADES Y DISTRIBUCIONES

Intervalos de confianza Muestras grandes. Estadística Cátedra Prof. Tamara Burdisso

Singularidades de la aplicación del PMBOK en el Sector Público

DISTRIBUCION JI-CUADRADA (X 2 )

Resuelva los siguientes problemas según el método que se le indique.

Evaluación económica de proyectos de inversión utilizando simulación

TAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN

1. La Distribución Normal

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)

Prueba de Hipótesis. Bondad de Ajuste. Tuesday, August 5, 14

Discretas. Continuas

5. DISTRIBUCIOES COTIUAS DE PROBABILIDAD

1.2 Medidas de variación: Rango, desviación estándar y coeficiente de variación

ESTADISTICA GENERAL. PRINCIPALES DISTRIBUCIONES CONTINUAS Profesor: Celso Celso Gonzales

Conceptos Básicos de Inferencia

DISTRIBUCIÓN NORMAL. Modelo matemático: f ( x ) = σ 2 π

DISEÑO Y CÁLCULO DE TAMAÑO DE MUESTRA PARA SU APLICACIÓN A LOS ESTUDIOS DE INVESTIGACIÓN. FACILITADOR: JOSÉ CRISTO NOVA

Ejercicio Heterocedasticidad_2

SEMESTRE TIPO 1 DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 3 DE 2008

Guía de Matemática Cuarto Medio

Capitulo 1 Introducción al Método de la Ruta Crítica

EJERCICIOS DISTRIBUCIONES MUESTRALES

DEFINICIÓN DE VALOR EN RIESGO (VAR) UNIDAD 3: VALOR EN RIESGO Profesor: Alvaro Vollmers H. PASOS PARA CALCULAR VAR VAR PARAMÉTRICO

Unidad IV: Distribuciones muestrales

= 134, 5 Tercer cuartil: Q 3 = Pueden considerarse normales. =2 P 10 = 118 horas. f(x) =

Podemos definir un contraste de hipótesis como un procedimiento que se basa en lo observado en las muestras y en la teoría de la probabilidad para

Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa

Tema 5. Muestreo y distribuciones muestrales

Puntuación Z ESTADÍSTICA APLICADA A LA EDUCACIÓN I. L.A. y M.C.E. Emma Linda Diez Knoth

TEMA 4: CONTROL POR VARIABLES Hoja de ejercicios (Entregar el 7 -problema de examen-)

LA GERENCIA DE PROYECTOS

viii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos

Variables aleatorias. Examen Junio La función de distribución de una variable continua X es de la forma:

Tema 4: Variables Aleatorias

A qué nos referimos con medidas de dispersión?

Capítulo 8 Métodos de Muestreo y el Teorema de Límite Central

Guía de actividad Independiente No 5. Estadística Descriptiva. Nombre del estudiante: Fecha:

Sistemas de Inventarios con Demanda Probabilística

Otra característica poblacional de interés es la varianza de la población, 2, y su raíz cuadrada, la desviación estándar de la población,. La varianza

UNIVERSIDAD SANTO TOMAS BOGOTA FACULTAD DE INGENIERIA CIVIL SYLLABUS ASIGNATURA GESTIÓN DE PROYECTOS DE INGENIERÍA

CURSO: ANALISIS ESTADISTICO DE RIESGOS

Probabilidad y Estadística Descripción de Datos

Transcripción:

INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Modelos de PERT/CPM: Probabilístico M. En C. Eduardo Bustos Farías 1

La distribución de tiempo que supone el PERT para una actividad es una distribución beta. La distribución para cualquier actividad se define por tres estimados: 1. el estimado de tiempo más probable, m; 2. el estimado de tiempo más optimista, a; y 3. el estimado de tiempo más pesimista, b. 2

DIFERENCIAS ENTRE PERT Y CPM El tiempo más probable es el tiempo requerido para completar la actividad bajo condiciones normales. Los tiempos optimistas y pesimistas proporcionan una medida de la incertidumbre inherente en la actividad, incluyendo desperfectos en el equipo, disponibilidad de mano de obra, retardo en los materiales y otros factores. 3

DIFERENCIAS ENTRE PERT Y CPM El tiempo esperado de finalización de un proyecto es la suma de todos los tiempos esperados de las actividades sobre la ruta crítica. De modo similar, suponiendo que las distribuciones de los tiempos de las actividades son independientes (realmente, una suposición fuertemente cuestionable), la varianza del proyecto es la suma de las varianzas de las actividades en la ruta crítica. 4

DIFERENCIAS ENTRE PERT Y CPM En CPM solamente se requiere un estimado de tiempo. Todos los cálculos se hacen con la suposición de que los tiempos de actividad se conocen. A medida que el proyecto avanza, estos estimados se utilizan para controlar y monitorear el progreso. Si ocurre algún retardo en el proyecto, se hacen esfuerzos por lograr que el proyecto quede de nuevo en programa cambiando la 5 asignación de recursos.

Existen proyectos con actividades que tienen tiempos inciertos, es decir, se tienen solo estimaciones de tiempo por lo cual deben ser tratados como variables aleatorias con distribuciones de probabilidad asociadas. Para incluir los tiempos inciertos de las actividades en el análisis de la red, es necesario obtener tres estimaciones de tiempo para cada actividad. Las tres estimaciones son: TIEMPO OPTIMISTA (a) Es el tiempo requerido para la actividad si todo marcha idealmente TIEMPO MÁS PROBABLE (m) Es el tiempo requerido para la actividad con más probabilidades bajo condiciones estándar o normales. TIEMPO PESIMISTA (b) Es el tiempo para la actividad cuando se afrontan demoras considerables. Las tres anteriores estimaciones de tiempo permiten al administrador de un proyecto desarrollar una mejor apreciación del tiempo con una mayor probabilidad para cada actividad, el cual se calculará con la fórmula: 6

t= a + 4m + b 6 Por el tipo de distribución: (Beta) 7

Con tiempos inciertos en las actividades, puede utilizarse la medida estadística común conocida como varianza para describir la dispersión o variabilidad en los valores de tiempo de actividades, la cual estará determinada por la siguiente fórmula: 8

Como podrá concluirse, en la medida en que existan diferencias grandes entre b y a se tendrá un elevado grado de incertidumbre en el tiempo de actividad. PERT probabilístico parte de dos suposiciones: 1. Que las actividades son estadísticamente independientes, lo cual permitirá sumar las varianzas de las actividades para obtener la varianza total del proyecto. 2. Que el tiempo de terminación de un proyecto es una variable normalmente distribuida, lo cual permite usar la distribución normal en el análisis. 9

EJEMPLO 1 Pert probabilístico 10

El proyecto para desarrollar un producto nuevo (electrodoméstico) consta de las siguientes actividades y tiempos: ACTIVIDAD ACTIVIDAD PRECEDENTE a TIEMPOS m (SEMANAS) b t VARIANZA A / 4 5 12 6 1.78 B / 1 1.5 5 2 0.44 C A 2 3 4 3 0.11 D A 3 4 11 5 1.78 E A 2 3 4 3 0.11 F C 1.5 2 2.5 2 0.03 G D 1.5 3 4.5 3 0.25 H B, E 2.5 3.5 7.5 4 0.69 I H 1.5 2 2.5 2 0.03 J F, G, I 1 2 3 2 11 0.11

SOLUCIÓN 12

La red de actividades es: 13

RUTA CRÍTICA: A-E-H-I-J TIEMPO: 17 semanas. Al igual que las actividades de la ruta crítica dirigen el tiempo total de determinación del proyecto, la variación de las actividades en la ruta puede ocasionar variaciones en el tiempo total que se requiere para terminar el proyecto. Por lo general la variación en las actividades que no están en la ruta crítica no tiene efecto alguno sobre el tiempo total para la finalización del proyecto, debido al margen u holgura correspondiente a esas actividades. Debemos, por lo tanto, utilizar la varianza de las actividades incluidas en la ruta crítica para determinar la varianza del tiempo de determinación del proyecto. Por lo dicho anteriormente y para calcular la varianza total: 14

σ 2 = σ 2 A + σ 2 E+ σ 2 H+ σ 2 I+ σ 2 J σ 2 = 1.78 + 0.11 + 0.69 + 0.03 + 0.11 = 2.72 Así pues, la desviación estándar se puede calcular a partir de la varianza: σ = σ 2 = 2.72 = 1.65 Con la distribución normal puede calcularse la probabilidad de cumplir con una fecha especificada para la terminación del proyecto. 15

Por ejemplo, vamos a suponer que los administradores han asignado 20 semanas para el proyecto anterior, Cuál es la probabilidad de que se cumpla con ese límite de 20 semanas? Se pide calcular la probabilidad de que T <= 20 16

17

Utilizando Z= 1.82 y la tabla de distribución normal, se observa que la probabilidad de que se satisfaga el limite de 20 semanas para el proyecto es: 0.9656, 96.4%, que es igual a 96.6% 18

Ahora vamos a suponer una asignación de 14 semanas Cuál es la probabilidad de terminar el proyecto en 14 semanas? Z = X - M = 14 17 = -1.82 = 0.0344, σ e 1.65 es decir 3.4% de probabilidad. 19

EJEMPLO 2 SHARP COMPANY PERT PROBABILÍSTICO 20

SHARP COMPANY PROBABILÍSTICO Tres estimaciones de tiempo (optimista, más probable y pesimista) para las actividades del caso de la Sharp Company 21

22

SOLUCIÓN 23

Ruta crítica de Sharp Company 24

Recuérdese que la ruta crítica incluía las actividades A, C, E, G, I y J, con un tiempo esperado de terminación de 22 semanas. Por tanto, la varianza para el proyecto es: σ 2 = σ + σ + σ + σ + σ + σ = = 2 t A 1.78 2 t + C 0.56 2 t 3.98semanas E 2 t G + 1.00 + 2 t I 0.44 + 2 t J 0.09 + 0.11 σ = σ 2 = 3.98 = 2semanas 25

26

Puesto que la variación en el tiempo de duración del proyecto sigue una distribución normal, puede utilizarse lo que se sabe acerca de esta distribución para hacer un planteamiento de probabilidades con respecto a una fecha específica de terminación del proyecto; dada una fecha objetivo específica de terminación, puede calcularse la probabilidad de que el proyecto se termine en esa fecha o antes. Como ejemplo, suponga que Bill Bowen, vicepresidente de la Sharp Company, ha indicado que sería deseable terminar el proyecto antes de 6 meses (26 semanas), y le gustaría conocer la probabilidad de que esto ocurriera. Para determinar este valor de la probabilidad, primero se convierte el valor de 26 semanas a un valor de Z. Se sabe que el valor de Z está expresado mediante la siguiente función: Z = x µ σ 27

Por tanto, x = 26, µ = 22 (nuestro tiempo esperado de terminación), y σ = 2, el valor de Z es Z = 26 2 22 = 2 Utilizando Z = 2.0 y una tabla para la distribución normal, se encuentra que a probabilidad asociada (y por ello el porcentaje del área total que se encuentra bajo la curva y a la izquierda de x = 26) es 0.5000 + 0.4772 = 0.9772. La probabilidad de que el proyecto se termine en 26 semanas o menos es 0.9772; por tanto, el señor Bowen puede tener bastante confianza en que el proyecto pueda terminarse hacia esa fecha. 28

SOLUCIÓN CON WINQSB 29

30

31

32

33