Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Luis Molina
Luis Molina
FACULTAD DE INGENIERA
DEPARTAMENTO DE INGENIERA INDUSTRIAL
ALUMNO
RUT
PROF. GUIA
CONCEPCION, 2009
____________________________________________________________________
Dedicatoria
dedicada
quien
me
ha
acompaado
____________________________________________________________________
Agradecimiento
____________________________________________________________________
RESUMEN
En la presente investigacin se realiza un estudio comparativo de la estimacin de
Rendimientos esperados en partidas de construccin, mediante la metodologa PERT
y un modelo de Regresin multivariable seleccionado de acuerdo al comportamiento
de los datos estadsticos disponibles.
Ambos sistemas se comparan con datos estadsticos de rendimientos reales de
actividades de construccin obtenidos de tesis de alumnos de construccin de la
Universidad del Bo-Bo, estos datos fueron medidos considerando y tabulando
factores incidentes en el Rendimiento.
Se realiza un anlisis comparativo de los valores obtenidos con ambas metodologas,
para de esta manera poder obtener ventajas y desventajas de ambos y mostrar que el
mtodo de prediccin seleccionado entrega valores ms reales que el PERT, por lo
que su uso se sugiere de gran utilidad.
En el caso de la metodologa PERT la mayora de los Rendimientos esperados
tendieron a la media aritmtica, lo que indica que luego del anlisis estadstico de los
factores y consideraciones probabilsticas de la metodologa, el valor calculado de
todas maneras tiende a una media y no muestra exactamente la variabilidad de stos,
ni la influencia de los factores incidentes.
En los resultados entregados por el modelo de regresin se muestra una tendencia de
acuerdo a los factores incidentes en el Rendimiento esperado, lo que indica que vara
de acuerdo a la influencia de estos parmetros.
El modelo de regresin presenta varias ventajas comparativas con respecto al PERT,
como por ejemplo; que el valor del Rendimiento esperado (variable dependiente)
obtenido por el modelo no siempre se acercaba a la media, esto quiere decir que no es
un sistema que solo considere este supuesto, es decir presenta variabilidad en su
comportamiento, y esta variabilidad es obviamente atribuible a los factores que lo
afectan (variables independientes).
____________________________________________________________________
Es posible con las ecuaciones obtenidas por el mtodo de regresin considerar
cualquier escenario de factores.
En la investigacin se muestra que es ms til y beneficioso el modelo de regresin
que la metodologa PERT de acuerdo a los datos disponibles.
Sin embargo se debe dejar en claro que fue una investigacin inicial con datos
medidos por alumnos de pregrado, en virtud del tiempo disponible y de la
profundidad requerida, es necesario realizar un estudio ms acabado del
comportamiento del modelo de regresin. Sin duda esto da pie para investigaciones
futuras en esta rea de la industria de la construccin, abriendo caminos de
perfeccionamiento de la metodologa de estimacin de Rendimientos esperados.
____________________________________________________________________
ABSTRACT
In the present investigation a comparative study of the estimation of Yields waited for
in construction games is made, by means of methodology PERT and a selected model
of multi-variate Regression according to the behavior of the statistical data available.
Both systems are compared with statistical data of real yields of obtained activities of
construction of thesis of students of construction of the University of Bo-Bo, these
data were measured considering incident factors in the Yield.
A comparative analysis of the values obtained with both methodologies is made, for
this way being able to obtain advantages and disadvantages of both and to show that
the selected method of prediction deliver more real values than PERT, reason why its
use is suggested very useful.
In the case of methodology PERT most of the awaited Yields they tended to the
average Arithmetic, which indicates that after the statistical analysis of the factors and
probabilistic considerations of the methodology, the calculated value of all ways
tends to an average and it does not show exactly the variability of these, nor the
influence of the incident factors.
In the given results by the regression model is a tendency according to the incident
factors in the waited for Yield, which indicates the variation according to the
influence of these parameters.
The regression model presents several comparative advantages with respect to the
PERT, like for example; that the value of the awaited Yield (variable employee)
obtained by the model not always approached the average, this means that it is not a
system that single considers this assumption, that is to say, presents variability in its
behavior, and this variability is obvious attributable to the factors that affect it
(variable independent).
It is possible with the equations obtained by the regression method to consider any
scene of factors.
In the investigation sample is more useful and beneficial the Regression Model than
PERT methodology according to the available data.
Nevertheless one is due to leave in clear that it was an initial investigation with
measured data by predegree students, in virtue of the available time and of the
required depth, is necessary to make a finished study of the behavior of the regression
model. Without a doubt this give the finish step for future investigations in this area
of the construction industry, opening ways of improvement in the methodology of
estimation of awaited Yields.
Key words: Yield, Activities of Construction, Processes, Models of Prognoses,
Model of Regression, PERT, Fictitious Variables.
____________________________________________________________________
INDICE
Resumen
Introduccin
Planteamiento del problema
Hiptesis
Objetivos generales
Objetivos especficos
1.- Modelos de estimacin usados actualmente en la construccin.
1.1
Etapas de la estimacin en el rea de la construccin
1.2
Procedimiento General de Estudio de Proyecto
1.3
Pasos para el estudio de presupuesto en un sistema computacional
1.4
Anlisis crtico del mtodo actual
1.5
Modelo de estimacin PERT
1.5.1 Definicin de PERT
1.5.2 Estimacin de duracin en PERT
1.5.3 Mtodos de estimacin de los rendimientos Ro,Rm,Rp,Re
2.- Factores que afectan los Rendimientos
2.1
Factores que afectan el rendimiento segn otros autores
2.2
Determinacin de factores incidentes, encuesta
2.2.1 Agrupacin por afinidad de factores
2.2.2 Determinacin de factores principales
2.3
Determinacin de los pesos de los factores
2.3.1 Valorizacin de los factores
3.Presentacin de las metodologas
3.1
Metodologa PERT adaptada a la estimacin de costos y tiempos
3.2
Estimacin de rendimientos mediante modelo de regresin
4.Modelos de pronsticos
4.1
Historia de los pronsticos
4.2
Tipos de pronsticos
4.2.1 Caractersticas de los pronsticos
4.2.2 Clasificacin de los modelos de pronsticos
4.2.2.1
Identificacin del mtodo
4.2.2.2
Pronsticos cualitativos
4.2.2.3
Pronsticos series de tiempo
4.2.2.4
Pronsticos causales con regresin
5.Eleccin de un modelo de estimacin
Luis Antonio Molina Campos
3
7
10
13
13
13
14
14
19
25
29
34
35
37
39
43
44
45
52
53
58
58
61
61
66
68
68
68
69
70
70
72
73
76
81
6
____________________________________________________________________
5.1
Procedimiento de pronstico
81
5.2
Eleccin de modelo
83
5.2.1 Hiptesis del modelo
84
5.3
Seleccin del modelo de regresin a utilizar
85
5.4.- Tablas estadsticas de rendimientos
86
5.4.1. Tablas estadsticas de rendimientos para obra gruesa
86
6.Programas computacionales para el anlisis estadstico
88
6.1. Programas computacionales
88
6.1.1.- Infostat
89
6.1.2.- Minitab, Statistical software
99
6.1.1. Excel
92
6.2. Seleccin del Programa a utilizar
92
7.- Validacin del Modelo
93
7.1.- Anlisis de Regresin Mltiple con variables ficticias
93
7.1.1.- Modelo de Regresin para actividad: Excavacin en Zanja
96
7.1.2.- Modelo de Regresin para actividad: Prefabricacin de Moldaje
99
7.1.3.- Modelo de Regresin para actividad: Hormign con acarreo horizontal y
vertical
103
7.1.4.- Modelo de Regresin para actividad: Albailera de soga
107
7.2.- Estimacin del escenario del proyecto
115
7.3. Estimacin de rendimiento esperado (Re) por Modelo de Regresin
117
7.3.1. Resmenes de Ecuaciones
118
7.3.2. Estimacin de rendimiento esperado Re
118
7.4. Estimacin de rendimientos esperados (Re), con metodologa PERT
120
7.4.1. Resumen de rendimientos obtenidos por metodologa PERT
126
8.- Comparacin de Resultados
127
8.1.- Anlisis y comparacin de resultados
128
8.1.1.- Comportamiento de los modelos para el escenario considerado
128
8.1.2.- Comparacin de los modelos con el Rendimiento medio (Rm)
129
8.1.3.- Comparacin de los modelos con distintos escenarios
131
Conclusiones
133
Bibliografa
136
Anexos
Anexo 1: Encuesta
140
Anexo 2: Procedimiento de seleccin de modelo de regresin a utilizar
142
Anexo 3: Tablas estadsticas de rendimientos de obra gruesa
160
Anexo 4: Tabla de Distribucin Normal
177
Luis Antonio Molina Campos
____________________________________________________________________
INTRODUCCIN
Sin duda la Construccin es una gran industria, pero se debe aceptar que en muchas
reas presenta una capacidad incipiente de modernizacin, comparada con otras
reas. Se construyen grandes edificios inteligentes, con tecnologas constructivas de
ltima generacin, pero el estudio de presupuestos, que incluye la estimacin de
rendimientos se sigue realizando como hace dcadas atrs, salvo algunas mejoras
computacionales, pero no en la metodologa en s, de esta manera se siguen utilizando
manuales determinsticos, escasas tablas de
experiencia (generalmente de
____________________________________________________________________
Luego, con estos datos se realizan estimaciones de rendimientos con ambas
metodologas, para la obtencin del Rendimiento esperado se consideraron cuatro
actividades, principalmente por ser las que tenan ms datos medidos en terreno.
Si bien es cierto, fueron pocas actividades y solo con 20 datos cada una, los
resultados obtenidos permiten una comparacin entre ambas metodologa y probar
que es mejor una estimacin de rendimiento esperado mediante modelo de regresin
que el mtodo PERT.
____________________________________________________________________
PLANTEAMIENTO DEL PROBLEMA
Sin duda la Construccin es una gran industria, pero se debe aceptar que en muchas
reas presenta una capacidad incipiente de modernizacin, comparada con otras reas
productivas. Se construyen grandes edificios inteligentes, con tecnologas de ltima
generacin, pero, el estudio de programacin y presupuestos, que incluyen la
estimacin de rendimientos se sigue realizando como hace dcadas atrs, salvo
algunas mejoras computacionales, pero no en la metodologa en s, de esta manera se
siguen utilizando manuales determinsticos, escasas tablas de
experiencia
10
____________________________________________________________________
Los principales parmetros estimados en la empresa constructora son el costo y la
duracin, pero estos dependen del rendimiento de la actividad y la cantidad de obra a
ejecutar, de acuerdo a la siguiente frmula: [Arriagada 1988]
duracin =
cantidad _ de _ obra
ren dim iento _ recurso
(1)
(2)
El costo variable est dado por la duracin de la actividad y el costo de los recursos
mano de obra y/o maquinarias (recursos que dependen del tiempo). El costo fijo
corresponde al costo de los materiales (recursos que no dependen del tiempo)
El procedimiento, que no ha sufrido cambios desde hace muchas dcadas, considera
como una premisa primordial que el rea de la construccin es determinstica, bajo
esta consideracin no hay factores que influyan en el valor del rendimiento, y, por lo
tanto el valor estimado para duracin y costo debera ser el final obtenido. Dicho
supuesto (rendimiento estimado) dista bastante de la realidad (rendimiento real), pues
un bajo porcentaje de obras se ajusta a los valores presupuestados [Vivallos,
Alejandra 2002], teniendo importantes diferencias en los presupuestos y
programacin (tiempo y costos).
Si se analiza la ecuacin (1), el rendimiento del recurso corresponde al recurso
incidente, es decir, mano de obra y maquinaria, pero dicha ecuacin no considera
ningn factor incidente en la variabilidad del rendimiento, es ms ni siquiera se
considera variabilidad (rendimiento determinstico).
Para estimar el rendimiento de cualquier actividad se consideran tablas o manuales
comerciales, que entregan un rendimiento para cada actividad, (manual ONDAC
Chile, Manual PUC, Cmara chilena de la construccin, y otros). Actualmente se
prepara un manual estadstico desarrollado a travs de tesis de investigacin de
alumnos de la Escuela de Construccin de la Universidad del Bo-Bo.
Se podra decir que una dificultad en la estimacin de rendimientos es la falta de
informacin, datos estadsticos, pero no es obligacin de toda empresa medirse a si
Luis Antonio Molina Campos
11
____________________________________________________________________
misma?, medir sus procesos?, es ms an es este tiempo que se habla con tanta
propiedad de calidad, de que la empresas constructoras se estn acreditando, entonces
por qu las empresas constructoras no tienen mediciones de rendimientos?, o si los
tienen, cmo los usan?, o saben usarlos?.
En resumen el problema es que la empresa constructora considera rendimientos
determinsticos y no considera tablas estadsticas de rendimientos reales, y, al tener
dichas tablas no considera factores incidentes en la variabilidad de los rendimientos
de las actividades.
Considerado los datos estadsticos obtenidos en tesis de los alumnos de la Escuela de
Ingeniera en Construccin, en la presente investigacin se propone utilizar un
modelo de regresin para la estimacin de rendimientos para el rea de la
construccin.
12
____________________________________________________________________
HIPOTESIS
OBJETIVOS GENERALES
OBJETIVOS ESPECIFICOS
Realizar un estudio de la metodologa PERT
Realizar un estudio de los distintos modelos de pronsticos
Eleccin del modelo de pronstico ms adecuado
Aplicacin de los dos mtodos en el rea de la construccin
Realizar una comparacin de los dos mtodos
13
____________________________________________________________________
CAPTULO I: MODELOS DE ESTIMACION USADOS ACTUALMENTE EN
LA CONSTRUCCIN
Sin duda alguna no se podra concluir que el actual sistema de estudio de
presupuestos presenta un problema, o por lo menos no un gran problema visto desde
cierto punto de vista, sino que a) no se realizan todos los pasos para el tiempo que se
vive; de alta competencia, bajos porcentajes de utilidades, rotacin de mano de obra,
calidad de la misma, entre otros; o b) que los pasos realizados no son ptimos y esto
tiene como consecuencia un estudio mal ejecutado o muchos factores no
considerados.
Pero tambin, si la Empresa Constructora sigue efectuando el estudio siempre de la
misma manera, o si sigue y seguir- esta alta competencia, si contina perdiendo
propuestas, o ganando pero con un margen de utilidades cada vez ms pequeo, o si
continan las diferencias entre lo estudiado y lo real, entonces quizs no se podra
concluir que se est ante un problema?, en el siguiente captulo se mostrar cmo la
empresa constructora realiza actualmente su estudio de presupuestos, sus ventajas, y
sus desventajas.
Con el estudio del procedimiento que se utiliza actualmente, sus pasos, sus falencias
se pretende modelar el problema actual, al cual se enfrenta la empresa constructora.
Para destacar la importancia de la investigacin se hace un resumen de cmo la
empresa constructora est realizando el estudio de presupuestos; la metodologa
seguida por un sistema computacional (Punto 2.2), se muestran las ventajas y
desventajas de este procedimiento, luego en el punto 2.3 se hace un anlisis de los
inconvenientes del problema actual.
14
____________________________________________________________________
el futuro el valor mas desconocido debido a la variabilidad de circunstancias que lo
pueden afectar.
Para el caso de las empresas constructoras el tiempo es un valor esencial ya que no
solo se considera como una medida de longitud sino tambin como la indicacin de
una meta y deben preocuparse de ste. [Sipper, 1998]
El tiempo de entrega es el periodo necesario para entregar un producto desde que se
orden hasta que lo recibe un cliente. La fecha de entrega es una meta, que representa
ya sea la fecha en que el producto se necesita o la fecha en que se prometi
entregarlo, de esto, se deduce que es necesario informar al cliente una fecha confiable
de entrega.
La empresa constructora considera el factor tiempo en todas sus etapas, de hecho
presupuesta y realiza la programacin para una obra futura, pero, no siempre avalados
por datos pasados o de experiencias pasadas.
Sin embargo, en la Construccin se debe considerar el pasado (la experiencia) para
poder aprender de ste, de los errores y de los aciertos, y as poder mejorar los
procesos. En prcticamente todas las empresas el futuro es un factor primordial, pues
dependiendo de cmo estn preparadas para enfrentarlo depender su permanencia en
el mercado, ejemplo de esto es que se debe pronosticar demandas para ajustar la
produccin, inventarios, entre otros, se deben presupuestar ciertos parmetros futuros
para regir el actuar de la compaa.
Las etapas o hitos importantes a considerar en la estimacin de costos y tiempos se
pueden resumir en el siguiente esquema.
15
____________________________________________________________________
Fecha Estudio
Presupuesto.
Programacin
Estimacin de:
Costos
Tiempos
(Rendimientos)
Datos Previstos
Estimacin de datos, Tiempos y
Costos
[Molina, 2003]
Duracin =
Cantidad de Obra
Rendimient o del Recurso
(1.1)
16
____________________________________________________________________
Los rendimientos son la cuantificacin de la capacidad de produccin de un recurso
determinado, sea ste mano de obra o maquinaria y por lo general, constituyen una
informacin propia de cada empresa o rea de actividad y dependen de muchos
factores.
En esta etapa se analizarn ms en extenso los rendimientos variables (mano de obra
y maquinarias), de otra manera tambin son considerados en el anlisis de costos
unitarios los rendimientos de los materiales, pero como estos no tienen variabilidad se
puede considerar como un valor fijo en el estudio.
En esta etapa surge la pregunta, Cmo obtiene el evaluador el rendimiento de la
actividad?, en esta investigacin se har un anlisis de las maneras actuales de
obtener los rendimientos y se har hincapi de lo que debera hacer una empresa
constructora para obtener sus rendimientos.
Por consiguiente la empresa, obtiene sus rendimientos de las siguientes maneras:
a) De tablas comerciales determinsticas, que consideran un solo rendimiento y que
no consideran variabilidad ni tablas estadsticas. Aqu se puede citar Manual
ONDAC, Tabla de rendimientos PUC, Tabla de Rendimientos Cmara Chilena
de la Construccin. Es necesario dejar en claro que estos manuales no consideran
factores incidentes en los rendimientos, como clima, calidad mano de obra entre
otros, ni es posible considerar variabilidad en estos rendimientos, como
rendimientos pesimista, u optimista.
b) De la experiencia, que puede ser:
b.1. De evaluador
b.2. De la empresa
Son pocas las empresas que actualmente tienen mediciones de los rendimientos
reales de sus procesos (actividades), muchas guardan los presupuestos pasados,
con costos reales algunas, pero pocas mantienen tablas de rendimientos reales y
menos an mantienen factores incidentes en el valor de rendimiento. [Vivallos
Alejandra, 2002]
Luis Antonio Molina Campos
17
____________________________________________________________________
c) De tablas estadsticas de rendimientos. Actualmente no hay tablas comerciales
que tengan ms de un rendimiento para cada actividad de la construccin.
Existen investigaciones de alumnos de la Carrera de Ingeniera en Construccin
de la Universidad del Bo-Bo que han realizado tablas estadsticas, se pueden
citar las siguientes:
c.1. Anlisis de rendimientos en obra gruesa de una vivienda de albailera
reforzada con factores incidentes en su duracin aplicados en la ciudad de
concepcin, Vergara N., Cristin y Molina C. Luis Antonio, Tesis para optar
al grado de licenciado en ciencias de la construccin, Universidad del BoBo, 2003 [Vergara, Cristin 2003]
c.2. Proposicin de un estudio de rendimientos probabilsticos considerando
factores incidentes en terminacin en obras de edificacin, Ziga Z., Carlos
y Molina C. Luis Antonio, Tesis para optar al grado de licenciado en
ciencias de la construccin, Universidad del Bo-Bo, 2004 [Ziga, Carlos
2003]
c.3. Anlisis probabilstico de rendimiento de mano de obra aplicado a obras
sanitarias, Pradenas A., Alex y Molina C. Luis Antonio, Tesis para optar al
grado de licenciado en ciencias de la construccin, Universidad del Bo-Bo,
2005 [Pradenas Alex, 2005].
Con estas investigaciones se prepara un manual estadstico que se espera ofrecer
a las empresas constructoras, y en esta investigacin se usarn como base
para el estudio de regresin.
18
____________________________________________________________________
1.2.- Procedimiento General de Estudio de Proyecto
Para entender el procedimiento general de estudio de proyecto de construccin se ha
generado el diagrama N1.2, en el que se muestra todo el proceso desde el momento
que concibe el proyecto el mandante, hasta la adjudicacin. El objetivo del estudio es
del momento de la generacin de presupuesto hasta la adjudicacin, ejecucin y
control de la obra, como se ver en los siguientes diagramas.
Etapa 1
EMPRESA
CONSTRUCTORA
MANDANTE
Estudio
Presupuesto
Programacin.
Otros
Presentacin a Mandante
Si
Mandante
Adjudica?
No
Etapa 2
Empresa constructora
Ejecuta la Obra.
Etapa 3
Empresa constructora
Revisin y archivo.
19
____________________________________________________________________
empresa constructora, como estructura general, la que se seguirn en forma ms
detallada en los siguientes prrafos.
Etapa 1, Estudio de presupuesto por la empresa constructora.
Del diagrama general de estudio de proyecto, la primera etapa importante es la que
debe seguir la empresa constructora para presentarse a la propuesta, en general los
pasos son los estipulados aqu, pudiendo variar de una empresa a otra, o de un autor a
otro, no se pretende aqu hacer una comparacin terica de pasos ni mtodos, sino un
anlisis a la metodologa de estudio de presupuesto actual.
MANDANTE
EMPRESA
CONSTRUCTORA
a)
b)
PASOS
Estudio Preliminar
Listado de tareas
c)
d)
Cubicacin
Generacin Presupuesto
d.1.Anlisis de costos
d.1.1. Manejo de recursos
i. Rendimientos
ii. Costos Unitarios
e)
Programacin del
proyecto
Antecedentes de la obra o proyecto
(Planos, Esp. tcnicas
f)
Revisin Final
g)
Presentacin al
Mandante
Para el diagrama N1.3, como primer paso, el mandante entrega los antecedentes de
la Obra o proyecto a la Empresa Constructora, estos antecedentes pueden ser planos,
especificaciones tcnicas, bases administrativas, planes de calidad, entre otros.
Una vez recepcionados los antecedentes, la empresa constructora sigue los pasos
descritos desde el punto a) al g), (estos pasos son los que se siguen generalmente,
obviamente pueden variar dependiendo de la empresa o de las caractersticas de la
obra.)
20
____________________________________________________________________
a. El primer paso generalmente es un estudio preliminar sin efectuar ningn listado
de actividades, ni presupuesto, para el entendimiento general del proceso
constructivo y lineamientos generales a seguir.
b. Listado de tareas: en este paso se genera el primer listado de actividades o tareas,
las que pueden formar parte del presupuesto (o subproyecto). No necesariamente
una tarea de una programacin forma parte de un tem del presupuesto, es decir
puede ser un subitem de un presupuesto y su costo estar reflejado en este tem
general. Es importante considerar aqu que es comn en la empresa constructora
generar el presupuesto sin considerar la programacin de la obra.
c. La cubicacin, etapa importante y primordial necesaria para la creacin del
presupuesto y programacin, se realiza con los planos y especificaciones tcnicas.
Es comn seguir aqu el orden ya preestablecido por el listado de tareas, pudiendo
aparecer tambin una tarea nueva no considerada anteriormente.
d. Generacin de presupuesto: Una vez culminados los pasos anteriores, se procede
a la realizacin de presupuesto propiamente tal, aqu se distinguen los siguientes
pasos:
d.1. Anlisis de costos, se realiza aqu el anlisis de costos para cada partida,
considerando todos los recursos, sus cantidades y unidades que son
consumidos en sta (Como grupo de recursos se tiene: mano de obra,
materiales, y mquinas /herramientas como grupos generales).
El estudio de costos se realiza de alguna de las siguientes maneras:
1. Considerar el ltimo anlisis de costo de esta partida realizado por
lo general el de la ltima obra.
2. Considerar un promedio de los ltimos anlisis de costos de las
ltimas obras.
3. Considerar el costo unitario que tiene la base de datos del sistema
computacional utilizado.
21
____________________________________________________________________
d.1.1. Si bien es cierto, en el anlisis de costos se consideran las cantidades
de recursos para la partida, es comn y necesario poseer una base de
datos de recursos, y que stos a su vez tengan asociados sus
rendimientos, costos unitarios y unidades.
i.
ii.
22
____________________________________________________________________
ANALISIS DE COSTOS TIPO
OBRA:
PARTIDA:
Cantidad de Obra:
A. Materiales
Recurso
Unidad:
Unidad
Cantidad
Unitario
Total
Total A
Unitario A
B. Mquinas y Herramientas
Recurso
Unidad
Cantidad
Unitario
Total
Total B
Unitario B
C. Mano de Obra
Recurso
Unidad
Cantidad
Unitario
Total
Sub. Total C
% Leyes Sociales
Total C
Unitario C
D Total Costo Directo (A+B+C)
Total Costo Unitario Directo
D. __% Gastos Generales
E. __% Gastos Financieros
F. __% Utilidades
G. __% Impuestos IVA
Total Precio Partida
Total Precio Unitario partida
e) Programacin del proyecto, Esta es sin duda una etapa importante en el estudio,
que las empresas pocas veces consideran como tal, en esta es posible efectuar
desde una carta Gantt, una programacin CPM o una PERT, no es el objetivo de
esta tesis analizar cual es la mejor o analizar alguna metodologa en particular.
23
____________________________________________________________________
f) Revisin Final, aqu se revisan los documentos, presupuesto, programacin ante de
entregar al Mandante la propuesta.
g) Presentacin al mandante, se entregan todos los documentos al mandante para
que este de su aceptacin o rechazo, si es asignado la propuesta la empresa
constructora debe realizar el proyecto, es decir se contina con la ejecucin y
control de la obra.
Etapa 2, Ciclo posterior a la adjudicacin del proyecto.
El siguiente diagrama es el que idealmente debera ser seguido por toda empresa
constructora, esto es posterior a la adjudicacin del presupuesto, para efectos de este
anlisis se han considerado el paso inicial de estudio de presupuesto (1), paso
fundamental que no puede ser extrado del ciclo total pues formar parte de los
estudios futuros y debe ser cada vez enriquecido con las obras ejecutadas.
(1)Estudio Presupuesto
Cubicacin
Generacin
Presupuesto
(2)
(3)
Adjudicacin
Ejecucin
(5)
(4)
Estudio de
Datos
Control
En este ciclo el primer paso es (1) Estudio del Presupuesto, se detall mas en
extenso en los prrafos anteriores (ver diagrama N1.3). Es importante considerar
este paso en esta etapa, pues debe ser enriquecido con la ejecucin del proyecto. Paso
(2) Adjudicacin es considerado el punto en el cual se adjudica la propuesta y
permite el paso a la ejecucin de la obra; Paso (3) Ejecucin, este es ya el paso ms
importante donde se ejecuta la obra y cada partida presupuestada con los recursos
destinados para esta. En este paso tericamente se debe gastar lo considerado en el
tiempo estimado; En el paso (4), Control se ha considerado paralelo a al de ejecucin
Luis Antonio Molina Campos
24
____________________________________________________________________
pues el ideal de toda obra es que estos sean paralelos, asumiendo que cada actividad
ejecutada debera controlarse en tiempos y costos para poder realizar cambios si fuera
necesario y poder revertir problemas a futuro de suceder estos, haciendo de esta
manera una obra proactiva y no reactiva, en resumen no se debe controlar al final el
proyecto, no es objetivo de esta investigacin analizar el control aunque en virtud del
modelo propuesto se relaciona con ste y el buen uso de tablas y la necesidad de
generar bases de datos de rendimientos reales por partida. El paso (5) Estudio de
datos no es otro que un buen filtro de los datos antes de la generacin de las bases
propiamente tal; (6) Generacin de Bases de datos (Generacin del histrico), es sin
duda el mas importante, sin restarle importancia a los otros, pero sin este paso o al
estructurase en estado deficiente ser tambin deficiente la generacin de
presupuestos futuros y redundar en malos presupuestos, pocas utilidades y otros
factores que influirn en la etapas de ambos ciclos. Ahora respecto a este mismo
paso, es importante tambin la informacin que se controla y como se ocupar a
futuro.
Para este se ha
25
____________________________________________________________________
Estructura base de datos de recursos
recurso
Carpintero 1ra
unidad
costo x
unidad
HD
tipo de
recurso
Mano obra
actividad
unidad
recursO
rendimiento
recurso
costo
recurso
costo unit.
actividad
partida/
unidad
cantidad
costo
costo total
unitario
26
____________________________________________________________________
ESTRUCTURA BASE DE DATOS DE PRECIOS UNITARIOS
UNIDAD
COSTO X
UNIDAD
ACTIVIDAD
TIPO DE
RECURSO
UNIDAD
RECURS
O
RENDIMIEN
TO
RECURSO
COSTO
RECURS
O
COSTO
UNIT.
ACTIVIDA
D
ESTRUCTURA
BASE DE DATOS PRESUPUESTOS
CANTIDA
COSTO
UNIDAD
COSTO
D CANTID
COSTO TOTALCOSTO
UNITARIO
UNIDA
AD
UNITARIO
TOTAL
CANTID
COSTO
COSTO
PARTIDA/ D UNIDA
AD
UNITARIO
TOTAL
D
PARTIDA/
NUEVO PRESUPUESTO
PARTIDA
UNIDAD
CANTIDAD
COSTO
UNITARIO
COSTO
TOTAL
27
____________________________________________________________________
para adaptarlas al nuevo presupuesto, b) Copiar un presupuesto de la base de datos de
presupuestos pasados, si son similares, para en un paso posterior modificarlo.
Si una partida en particular no existe, se puede crear, y esta puede pasar a formar
parte de la base de datos de partidas. Si la partida est y se necesita modificarla para
el nuevo presupuesto, existe la posibilidad en los sistemas computacionales, que esta
actividad modificada pase a formar parte de la base de datos de actividades,
reemplazando la anterior, o con un nuevo cdigo.
El presupuesto una vez creado, es solo una estimacin presupuestaria del proyecto
que se ejecutar a futuro. Una vez que este proyecto est en ejecucin, debera
controlarse (ingresar situacin real versus la situacin inicial programada), control
que en muchos casos se ejecuta una vez que ste ha terminado, es obvio reconocer el
inconveniente de esto ltimo, la finalidad de la investigacin no es poner de
manifiesto esta situacin que la empresa debe tener lo suficientemente clara.
El control, que en la mayora de las situaciones se sigue, es el siguiente:
Se debe tener presente que estos presupuestos controlados subsisten en la misma base
de datos de los presupuestos no controlados y programados, es ms se asume que el
ideal para los sistemas computacionales es que estos puedan tener herramientas de
control a nivel de actividades y recursos (rendimientos reales), las estructuras de
control, ms comunes son:
28
____________________________________________________________________
ESTRUCTURA BASE DE DATOS DE PRESUPUESTOS
ACTIVIDAD
UNIDAD
CANTID.
PRECIO
UNITARIO
COSTO
TOTAL
COSTO
TOTAL
REAL
CANTIDAD
REAL
CANTIDAD
PRESUP. GASTADA
TOTALES
Presupuestado.
Real
SALDOS
29
____________________________________________________________________
necesarios para proyectos futuros?, cmo se almacena el conocimiento aprendido?,
cmo se puede usar este conocimiento en proyectos futuros?. En virtud de lo
cambiante de las situaciones y de las diferencias entre los presupuestos (real y
programado), como se puede presupuestar a futuro, considerando el conocimiento y
lo variable de las situaciones (entindase anlisis probabilstico)?.
En esta parte se debe notar, pues es uno de los puntos importantes en los que se basa
esta tesis,
30
____________________________________________________________________
Este es uno de los puntos ms desfavorable de la metodologa actual, en el cual se
basa la presente investigacin.
Se debera tener un histrico que tenga los distintos rendimientos para cada actividad
y los factores que determinaron este rendimiento, y que se relacione directamente con
la base de datos de costos unitarios. Esta premisa es primordial para estimar
rendimientos en base a un modelo de regresin.
Aunque de alguna manera, en la actualidad, es posible tener en distintas bases, los
datos de distintos presupuestos y por consiguiente de distintas actividades, (con sus
distintos resultados finales), no es factible tener toda esta informacin de una misma
actividad, para poder hacer una anlisis de la variabilidad de los distintos
rendimientos de los recursos, variabilidad de los procesos de la empresa.
C.- La base de datos de presupuestos.
Esta base de datos, es realmente varias bases independientes, si se considera un
presupuesto cualquiera, este relaciona a su vez su base de datos de recursos, de
actividades y partidas (o paquetes de obra). Es decir el inconveniente de esta base de
datos es consecuencia de las anteriores bases (recursos y costos unitarios).
Es decir no considera la incorporacin de rendimientos reales, ni los factores con los
cuales se ejecut cada partida.
Para esta base de datos, y an considerando que se efecten los presupuestos en un
sistema computacional, en los sistemas utilizados actualmente en el rea de la
construccin no se encuentra una opcin en la cual se puedan promediar los
rendimientos de la misma partida en los distintos presupuestos y obtener la media,
(Informacin histrica) [Reyes, Javier, 1997]
Para el mismo caso existe un porcentaje de empresas constructoras que, segn ellas,
si utilizan un promedio en los rendimientos de obras pasadas [Prida, Jos 1997],
[Reyes, Javier, 1997], se tienen lo siguientes datos:
31
____________________________________________________________________
En esta investigacin se analizaron las Empresas Constructoras de la regin
metropolitana que estn inscritas en el MINVU segn la siguiente tabla (vlidas para
el ao 1997) [Prida, 1997]
Categora Inscritos A encuestar Encuestados
1
85
60
30
65
50
11
58
30
621
110
20
TOTAL
829
250
71
32
____________________________________________________________________
Por ejemplo si se considera un anlisis unitario para la actividad Ad1, la que est
compuesta por dos recursos (Rd1 y Rd2), con rendimientos fijos (Rn1 y Rn2), con
costos por unidad de (Cr1 y Cr2), respectivamente, el costo unitario de esta actividad
es:
Actividad Ad1:
Actividad Ad1
Recurso
Cantidad: 1
Unidad:
Rn1
Cr1
Rn1*Cr1
Rn2
Cr2
Rn2*Cr2
Total
i =1
Rni * Cri
n
33
____________________________________________________________________
puede ser utilizada -y es utilizada- para proyectos (obras) en los cuales no influyan
eventos inciertos como el clima, calidad de la mano de obra, calidad de la maquinaria
y otros; pero, Existen proyectos a los cuales no le influyan los factores antes
mencionados?, Los factores son controlables?, Se considera la experiencia de la
Empresa en el clculo de presupuestos de proyectos futuros?, Se consideran
rendimientos optimistas, pesimistas, medios y/o esperados en el clculo?,
seguramente la respuesta a la mayora de las preguntas es NO, si a esta respuesta se
agrega el poco margen de utilidades que actualmente se obtienen en los presupuestos
esto justifica el uso de otra metodologa que considere estos factores en la generacin
de presupuestos de obras de construccin, que efecte un anlisis probabilstico en el
clculo de rendimientos, es tiempo entonces de adoptar otra metodologa de clculo
de presupuestos.
34
____________________________________________________________________
1.5.1.- Definicin PERT
El PERT es una tcnica para el planeamiento y control; su fundamento lo constituye
el grfico de redes, que representa el trabajo necesario para alcanzar su objetivo.
Este sistema podra decirse que es una evolucin del sistema CPM, pero su aparicin
en el tiempo los hace contemporneos, casi paralelos. La diferencia radical con el
CPM es que aqu se agrega una incertidumbre al tiempo de desarrollo o duracin de
cada actividad. [Molina, 2000]
Es un poco complicado hablar de las caractersticas del sistema PERT sin definir
algunos conceptos en forma anticipada.
Certidumbre
Cuando existe la seguridad, de que un fenmeno se realizar de acuerdo con su
previsin, se dice que se est en un universo cierto con todos sus factores controlados.
[Vergara, 2003]
Aleatoriedad
Cuando se dice que el fenmeno variar pero se conocen los valores posibles con sus
probabilidades, (probabilidad de realizacin), se dice que se est en un universo
aleatorio.
Incertidumbre
Cuando no se sabe con exactitud, el riesgo de lo que pueda pasar, y en todos los casos
no es posible evaluar las probabilidades, de las diferentes eventualidades; se dice que
se est en un universo incierto.
Rendimiento Determinstico
El trmino determinstico quiere decir, fijar los trminos de una cosa, de acuerdo a
esto y para el desarrollo de esta investigacin, se llamar rendimiento determinstico a
cuyo rendimiento no considera en su evaluacin factores incidentes, ni experiencia
pasada, no efecta un anlisis probabilstica en condiciones de incertidumbre, por
ende es el rendimiento de una actividad que mantiene fijos los factores que inciden en
su duracin. [Vergara, 2003]
Luis Antonio Molina Campos
35
____________________________________________________________________
Rendimiento Probabilstico
El trmino probabilstico quiere decir, que se encuentra en calidad de probable, que
algo puede suceder, de acuerdo a esto y para el desarrollo de esta investigacin, se
llamar rendimiento probabilstico a cuyo rendimiento agrega una incertidumbre al
tiempo de desarrollo o duracin de una actividad.
El mtodo tradicional utilizado en la construccin es el CPM, el cual estima una sola
duracin para cada actividad del proyecto lo que lo hace determinstico, sin embargo,
usualmente la estimacin de una sola duracin para una actividad es poco razonable,
por lo tanto, se hace necesario el sistema PERT. Este sistema toma en cuenta la
incertidumbre en la duracin y supone una variable aleatoria que sigue alguna
distribucin. En lugar de dar una fecha de terminacin del proyecto, se especifica una
fecha esperada de terminacin del proyecto o la probabilidad de que el proyecto
termine en cierta fecha. Desafortunadamente el PERT requiere ciertas suposiciones
que no siempre se cumplen. [Martin, 1972]
Por lo general cuando se enfrenta a un proyecto se pueden realizar estimaciones de
tiempo sobre la realizacin de las actividades basados en la experiencia, logrando
aproximaciones tiles y bastante certeras, siempre que las condiciones para realizar el
trabajo no varen. [Martin, 1972]
El problema se produce cuando se deben estudiar proyectos totalmente nuevos donde
la experiencia (o inexperiencia) solo entrega una gran incertidumbre.
La incertidumbre de un proyecto en este caso se transforma en muchas
incertidumbres relativas a la actividad particular que se realiza. Esto presenta grandes
problemas para establecer los tiempos y los costos asociados. [Molina, 2000]
Anteriormente fueron definidos tres universos distintos, certidumbre, aleatoriedad e
incertidumbre, sin embargo, las situaciones reales son por lo general intermedias
entre estas definiciones y es imposible afirmar que se est en alguno de estos
universos en forma pura.
36
____________________________________________________________________
La realidad es compleja y no sucede completamente de acuerdo con la previsin, por
esto no se est en un universo cierto. Tampoco se est en un universo aleatorio,
porque es difcil que se tenga una experiencia estadstica, precisa de un fenmeno ya
ocurrido o por ocurrir. [Molina, 2000]
No obstante, no es cierto, ya que a lo menos se tiene alguna idea de experiencias
pasadas; directas o por analoga, de que puede pasar y del riesgo de que ocurra.
Como variable aleatoria, la duracin o el rendimiento en este caso sigue alguna
distribucin de probabilidad que tiene ciertos parmetros. Los parmetros usados en
los clculos del PERT son la media y la varianza o desviacin estndar. En general,
tanto la distribucin como los parmetros se desconocen, pero es posible que se
puedan estimar. [Sipper, 1998]
Media = E(u) =
a + b + ( + ) m
a+ b+ 4 m
=
+ +2
6
Varianza = 2 =
(b a)2 ( + 1)( + 1)
b a
=
2
( + + 3)( + + 2)
3.2
b a
3,2
(1.1)
2
(1.2)
(1.3)
37
____________________________________________________________________
expresin matemtica que otorgar la duracin de la actividad, aunque existe otra
modalidad muy frecuente en que se asigna una duracin y por medio de la misma
expresin quedara como incgnita el rendimiento el que es ajustado va los recursos
o los mtodos de trabajo a emplear.
De cualquier forma y para el objetivo de esta investigacin el valor ms importante es
el rendimiento ya que de ste depende completamente la duracin de la actividad y es
el valor que interesa comparar.2
Como se mencion anteriormente la determinacin de un rendimiento para una
posterior evaluacin, es una decisin altamente compleja, debido a que las situaciones
reales que fijan el valor final de ste, no se encuentran en un universo cierto, pero
tampoco en un universo incierto ya que a lo menos se tiene alguna idea de
experiencias pasadas, directas o por analogas, de que puede pasar y del riesgo de que
ocurran.
Existen muchas razones por lo que es mejor no especificar una sola duracin para una
actividad, es comn que los proyectos tengan actividades no repetitivas, puede ser
que nunca se haya realizado la actividad y quizs no exista seguridad sobre cuanto
tiempo tardar.
Los valores de rendimiento de la mano de obra, dependen no slo del ser humano,
quien es quizs, el elemento ms importante en una obra, ya que slo con la
participacin de ste es posible llevar a cabo la ejecucin de los trabajos y como tal,
diariamente se ve enfrentado a un sin nmero de factores propios y del entorno como
lo es el clima, la calidad entre otros, y que de una u otra forma afecten en su
comportamiento y por ende en su rendimiento.
Como ejemplo en proyectos de construccin, el clima siempre incierto es un factor
preponderante en la duracin de actividades. Como resultado an cuando se pueda
Para el caso de esta investigacin solo se abordar el hecho de cmo el sistema PERT realiza la estimacin de rendimientos
esperados para cada actividad que es el valor que interesa comparar y no se introducir en el tema de la representacin grfica.
38
____________________________________________________________________
realizar la actividad varias veces, el tiempo que dura puede variar cada vez, as las
duraciones pueden considerarse aleatorias. [Sipper, 1998]
Para el caso de esta investigacin se ha establecido como base, el clculo de
rendimientos que contempla el sistema de programacin PERT, el que se basa en tres
estimaciones de rendimiento de una actividad cualquiera y a partir de las cuales se
obtiene una duracin esperada.
En resumen se obtendrn tres estimaciones de rendimientos con los que se obtendr
un cuarto que ser el rendimiento esperado.
Rendimiento optimista (Ro):
Corresponde al valor del rendimiento mximo en su unidad de cantidad producida por
unidad de tiempo (m/da) o bien al valor mnimo en su unidad de tiempo empleado
por unidad de produccin (hm). Valor obtenido durante el cual se puede ejecutar una
actividad, suponiendo circunstancias o factores incidentes favorables, pero
excluyendo acontecimientos excepcionales.
Rendimiento pesimista (Rp):
Corresponde al valor del rendimiento mnimo en su unidad de cantidad producida por
unidad de tiempo (m/da) o bien el valor mximo en su unidad de tiempo empleado
por unidad de produccin (hm). Valor obtenido durante el cual se puede ejecutar una
actividad, considerando las circunstancias ms desfavorables, se presentan
dificultades inhabituales y complicaciones imprevistas.
Rendimiento medio o ms probable (Rm):
Corresponde al valor del rendimiento que es ms probable para la realizacin de la
actividad. Esta estimacin debe tener en cuenta las circunstancias normales,
considerando algunos retrasos debido a imprevistos y debe estar basada en la mejor
informacin de que pueda disponerse.
39
____________________________________________________________________
Si no se posee informacin histrica de los procesos se puede utilizar consultar a
profesionales y/o expertos acerca de las posibles rendimientos a obtener,
considerando factores ptimos (rendimiento optimista) y factores desfavorables
o pesimistas (rendimiento pesimista), la media es el rendimiento que ms se
repite, o considerando factores medios.
Sin embargo, este mtodo de estimacin es impreciso, depende de la experiencia del
evaluador o tal vez inexperiencia, indudablemente esta se pone en manos de uno o
varios evaluadores y depende de estos el actuar de la empresa.
Recurso
R1
R2
Rn
40
____________________________________________________________________
anteriormente, PERT considera que los datos (duraciones) tienen una distribucin
Normal, de acuerdo a esta consideracin genera las frmulas que se vern a
continuacin.
El cuarto rendimiento es el valor que ms interesa en esta investigacin ya que para
optimizar la planificacin en el rea de la construccin se necesita que este valor sea
el ms cercano a lo que realmente va a suceder.
Rendimiento medio esperado (Re)
Con los tres rendimientos sealados en el punto 1.5.2.- (Ro, Rp, Rm) se deduce el
Rendimiento Medio Esperado (Re), el cual sirve de base a los clculos posteriores, y
es el que analiza el grado de variabilidad de los datos y nivel de confianza del
resultado final.
Luego de todo este anlisis y para el caso de esta investigacin se puede definir el
Rendimiento Medio Esperado como:
Re =
Ro + 4 Rm + Rp
6
(1.4)
de =
d o+ 4d m + d p
6
(1.5)
Donde:
do= duracin optimista
dm= duracin medio o ms probable
dp= duracin pesimista
Desviacin estndar
Es una medida de fluctuacin o variabilidad de los datos respecto a la media
aritmtica, es mucho ms adecuada para interpretar dicha variabilidad que la
varianza, ya que esta est expresada en unidades al cuadrado, mientras que la
desviacin estndar tiene igual unidad de medida que los datos iniciales.
Luis Antonio Molina Campos
41
____________________________________________________________________
La frmula considerando las duraciones queda de la siguiente manera: [Serpell, 2000]
Desviacin estndar = =
(d p d o)
3.2
(1.6)
Donde:
42
____________________________________________________________________
CAPTULO II: Factores que afectan los rendimientos
En este captulo se estudia la clasificacin que se le realiza a los factores que afectan
los rendimientos de la mano de obra en el rea de la construccin para de esta forma
poder entender como influye cada uno de ellos en la estimacin de rendimientos.
Considerando la ecuacin (1) [Arriagada, 1988], dicha frmula no considera los
factores incidentes en la variabilidad del rendimiento del recurso, se puede entonces
complementar dicha frmula de la siguiente manera:
duracin =
catidad _ de _ obra
ren dim iento _ recurso
(2.1)
Factores F1, F 2, F 3, Fn
De la misma manera la tabla estadstica 1.3, no considera los factores incidentes, de
tal manera esta queda de la siguiente manera:
Actividad:
N
Rendimiento
Recurso
Factores
F1
R1
R2
Rn
F2
Fn
43
____________________________________________________________________
2.1.- Factores que afectan el rendimiento segn otros autores.
Segn el autor Gerardo Larenas
Falta de supervisin.
Escasa iluminacin.
Ausentismo.
Otro autor opina que el rendimiento est influenciado por los siguientes factores.
[Salgado, 2002]
Luis Antonio Molina Campos
44
____________________________________________________________________
Experiencia Laboral.
Mtodos de trabajo.
Jornadas de trabajo.
Condiciones climticas.
45
____________________________________________________________________
encuestado este toma el factor desde otro punto de vista, como se ver en el anlisis
respectivo al punto.
A la tabla de reagrupacin por afinidad (Tabla N2.3), se le incorpor un porcentaje
de acumulacin, con esto se puede apreciar que el 80% de los factores est en los 5
primeros tems, se consideran estos como los factores incidentes.
Constructor Ingeniero
Civil
civil
28
96,55%
1
3
10,34%
6
2
6,90%
11
1
3,45%
30
1
3,45%
AOS EXPERIENCIA
2
Cantidad de Profesionales
4
Porcentaje
13,79%
AOS EXPERIENCIA
7
Cantidad de Profesionales
1
Porcentaje
3,45%
AOS EXPERIENCIA
12
Cantidad de Profesionales
1
Porcentaje
3,45%
AOS EXPERIENCIA
Cantidad de Profesionales
Porcentaje
AREA EXPERIENCIA Construccin directa
Asesora construccin
Ingeniera
Arquitectura
Docencia en el rea
Otra rea
Arquitecto Ingeniero
Otro
Constructor
1 (15)(*)
3,45%
3
4
5
7
4
3
24,14%
13,79%10,34%
8
9
10
0
1
0
0,00%
3,45% 0,00%
13
14
15
0
0
1
0,00%
0,00% 3,45%
Total
29
29
100%
2482,76%
1034,48%
310,34%
1 3,45%
0,00%
517,24%
Profesionales Encuestados
29
(*) Realizan cursos de especializacin para obtener nuevo titulo, estn incluidos en los C. Civiles
De esta tabla se puede concluir que si bien es cierto un 96,55% de los profesionales
encuestados son Constructores Civiles, estos estn en su gran mayora en
construccin directa (82,76%) y es en esta rea donde se deben ver o apreciar los
Luis Antonio Molina Campos
46
____________________________________________________________________
factores que en definitiva influyen en los rendimientos de cada actividad
independiente de la profesin.
Esta encuesta se realiz en la Ciudad de Concepcin, las obras en que participan
actualmente los profesionales son Diversas obras de Concepcin, Edificacin y el
tramo de la autopista 5, tramo Cabrero, pero en la encuesta se han recogido sus
experiencias en toda su vida profesional. Los datos obtenidos pueden ser extrapolados
a otras regiones pues los factores son independientes de las regiones o rea del pas,
estos podran cambiar en su grado de incidencia, por ejemplo en el sur el clima
debera tener ms incidencia por su variabilidad que en el norte del pas.
Respecto a los aos de experiencia de los profesionales esta es variada, se tiene entre
3 y 6 aos un 55,17%, es decir ms de la mitad corresponde a profesionales
jvenes, situacin que no hace invlida la encuesta solo muestra que la encuesta se
basa en distintas experiencias, que hace tener una visin distinta de acuerdo a la
experiencia de cada uno.
De los datos anteriores se puede apreciar que el 82,76% de los profesionales se
dedican a la construccin directa es decir en terreno bsicamente y un 34,5 % a
asesora en construccin. En confeccin de propuestas, asesora en planificacin,
cubicaciones y otras. Sin duda la situacin ms importante para la determinacin de
los factores es la construccin directa, pues es en esta donde se les puede apreciar
realmente, aunque algunos factores influyentes son fciles de visualizar por su grado
de influencia e importancia como por ejemplo, el clima.
En la siguiente tabla se muestran los resultados de las encuestas y los factores que
segn los profesionales afectan el rendimiento en la estimacin de presupuestos, para
la tabla N2.3 se tiene:
Frec: Es la frecuencia con que se ha repetido un mismo factor por los distintos
encuestados, por ejemplo para el caso del clima Frec = 27 indica que del total de 29
profesionales encuestados 27 coincidieron en que el clima es un factor incidente en el
rendimiento de la actividad y por consiguiente en el costo final del presupuesto.
Luis Antonio Molina Campos
47
____________________________________________________________________
% Sobre P.: Porcentajes de ocurrencia de los factores con respecto al nmero de
profesionales, esto mide la cantidad de profesionales que consideran un mismo factor.
% Sobre T.F.:Porcentaje respecto al total de factores, mide la cantidad del factor
respecto al total, para medir la importancia de un factor respecto a los otros factores.
N FACTOR
Frec(1)% sobre P. (2) % Sobre T.F.
1CLIMA
27
93,10%
21,77%
2CALIDAD MANO OBRA
18
62,07%
14,52%
3CALIDAD MATERIALES
9
31,03%
7,26%
4CALIDAD MAQ, Y EQUIPOS
8
27,59%
6,45%
5DISPONIBILIDAD RECURSOS
7
24,14%
5,65%
6UBICACIN GEOGRFICA
4
13,79%
3,23%
7ACCESOS VIALES
3
10,34%
2,42%
8MAL SUMINISTRO MATERIALES
3
10,34%
2,42%
9INCENTIVOS ECONOMICOS
3
10,34%
2,42%
10HORARIO DE TRABAJO
3
10,34%
2,42%
11STOCK MATERIALES
2
6,90%
1,61%
12LUGAR FISICO DE LA OBRA
2
6,90%
1,61%
13PROGRAMACION DEFICIENTE
2
6,90%
1,61%
14TIPO DE OBRA
2
6,90%
1,61%
15BAJO CONTROL
2
6,90%
1,61%
16EXIGENCIAS SEGURIDAD
2
6,90%
1,61%
17NIVEL REMUNERACIONES
2
6,90%
1,61%
18MALOS PROCEDIMIENTOS
2
6,90%
1,61%
19APOYO TECNOLOGICO
2
6,90%
1,61%
20ESTABILIDAD ECONOMICA
1
3,45%
0,81%
21DIAS FESTIVOS
1
3,45%
0,81%
22MAL ESTUDIO PROPUESTA
1
3,45%
0,81%
23TIPO MATERIALES
1
3,45%
0,81%
24CALIDAD PROYECTOS
1
3,45%
0,81%
25CUMPLIMIENTO ESTADOS DE PAGO
1
3,45%
0,81%
26SERIEDAD PROVEEDORES
1
3,45%
0,81%
27BUEN ESTUDIO PRELIMINAR
1
3,45%
0,81%
28CAPACITACION
1
3,45%
0,81%
29RECURSOS TECNICOS
1
3,45%
0,81%
30DESCONOCIMIENTO MATERIALES
1
3,45%
0,81%
31ESPACIOS DE TRABAJO
1
3,45%
0,81%
32CALIDAD TRABAJO REALIZADO
1
3,45%
0,81%
33SELECCIN MANO DE OBRA
1
3,45%
0,81%
34SEGUIMIENTO DE INSTRUCCIN
1
3,45%
0,81%
35DISP. RECURSOS FINANCIEROS
1
3,45%
0,81%
Luis Antonio Molina Campos
48
____________________________________________________________________
36INTERFERENCIAS DE TERCEROS
1
37PERPESCTIVAS LABORALES
1
38TIEMPOS MUERTOS POR ESPERA
1
39MALAS NEGOCIACIONES PERSONAL 1
40FALTA DE ORGANIZACIN EN OBRA 1
TOTAL
124
3,45%
3,45%
3,45%
3,45%
3,45%
0,81%
0,81%
0,81%
0,81%
0,81%
FACTORES
30
25
20
15
10
0
1
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
El grfico muestra de manera visual la incidencia de cada factor con respecto a los
otros sin considerar en esta primera instancia una agrupamiento por afinidad o
factores que se refieren a un mismo punto expresado de manera distinta como por
ejemplo calidad mano de obra y capacitacin ambos se refieren al mismo factor, la
capacitacin sin duda tiene un efecto en la calidad de la mano de obra.
De acuerdo a la tabla N2.3 se pueden concluir los siguientes puntos:
a) Que el 93,1% de los profesionales (27/29) coinciden en que el clima es uno de
los factores que influyen en el rendimiento, esto no quiere decir que sea el mas
importante o el mas incidente, sino que hay ms coincidencia entre los
encuestados.
49
____________________________________________________________________
b) Este mismo factor presenta un 21,77% de incidencia (27/124) respecto al total de
los factores, el mayor porcentaje de todos los factores.
c) Los siguientes 4 factores, Calidad de la Mano de Obra, Calidad de los Materiales,
calidad de Mquinas - Equipos y Disponibilidad de Recursos presentan las
mayores coincidencias, la mayor parte de los profesionales coinciden en que
estos son los factores que afectan los rendimientos.
d) Respecto al la incidencia de estos factores (incluido el clima) respecto al total de
los factores esta es de un 55,7%, sin considerar afinidad de factores, como se
ver en la tabla N 5.3.
e) La tabla N2.3 est ordenada en primera instancia de mayor a menor, sin
considerar afinidad ni anlisis de los distintos factores, pues no todos son factores
incidentes en el rendimiento, si bien es cierto estos pueden influir de alguna
manera en el resultado del proyecto.
En la siguiente tabla (N2.4) se han agrupado los factores segn su afinidad, o
factores que se refieren a lo mismo expresado de distinta manera por los distintos
encuestados, como por ejemplo, Calidad de la mano de obra y Capacitacin
En esta tabla tambin se han eliminado la cantidad de ocurrencias de algunos factores
en la encuesta, por no referirse exactamente a lo solicitado o su aparicin en la obra
no tiene que ver con factores netamente constructivos, como por ejemplo Incentivos
econmicos que tiene una frecuencia de 3 esta se cambia a cero, pues un incentivo
econmico no es un factor que afecte al rendimiento o no debera ser por lo menos
asumiendo que a cada trabajador se le paga lo justo, es mas sin un incentivo
econmico cambia el rendimiento de una actividad, y lo puede cambiar, solo puede
ser considerado como un imprevisto y no asimilarlo a los anlisis de costos
posteriores.
Para la seleccin de factores incidentes se ha tomado como base que la programacin
es correcta, que se tiene la capacidad de gestin para tener todos los elementos para
que el maestro trabaje sin contratiempos en la ejecucin de su actividad. Ahora si a
Luis Antonio Molina Campos
50
____________________________________________________________________
este control hay factores externos no controlados o que son difciles de controlar que
baja o disminuye su rendimiento por la aparicin de los mismos, estos son los
importantes y los que se buscan tabular y considerar en la estimacin de proyectos
futuros.
Bajo esta premisa se han eliminado las ocurrencias de los siguientes factores:
a) Programacin deficiente, esto es sin duda un factor que afecta el total del
proyecto, pero no directamente el rendimiento de una actividad en particular, se
entiende que debe existir una buena programacin de la obra, ahora porque no
existe una buena programacin es posible tambin determinarla con la aparicin
de factores, es decir es parte de la finalidad del estudio, buscar factores que
influyan en esta.
b) Tipo de Obra, similar al punto anterior, es la finalidad determinar factores que
afectan las distintas obras y sus incidencias en cada una pero a nivel de
presupuesto, y estos deben ser de distinto peso o grado de incidencia
dependiendo de cada obra.
c) Bajo Control, se podra considerar que un bajo control influye en el rendimiento
de los trabajadores pero el estudio parte de la premisa de que el trabajador hace
su trabajo sin necesidades de control, conociendo su trabajo de acuerdo a su
calidad y especializacin, adems el bajo control tambin est relacionado con la
programacin buena o deficiente de la obra, recordando que programacin y
control debe ser considerado como un todo. Este control no es el control
efectuado a la actividad del presupuesto este se refiere al realizado al trabajador.
d) Exigencias de seguridad, una mala seguridad puede afectar el buen trmino de
una obra o de una actividad, pero una exigencia de seguridad debe ser
considerada como resuelta, no que pueda afectar el rendimiento, para todo efecto
una obra debe estar resuelta desde el punto de vista de seguridad.
e) Nivel de remuneraciones, un sueldo mejor
51
____________________________________________________________________
2.2.1.- Agrupacin por afinidad de factores
En la tabla 2.3, existen muchos factores que significan lo mismo o que se refieren al
mismo factor, o que son similares o afines, como clima y ubicacin geogrfica
(considerando que el clima depende en parte de la ubicacin geogrfica), de esta
manera se hace necesario agrupar algunos factores por afinidad, y reestructuracin de
estos se obtiene con esto los nuevos factores y grupos resumidos en la tabla N 2.4.
No Factores Afines
N
1 Clima+ubicacin geogrfica+lugar fsico de la obra+accesos viales 36
Calidad mano obra + capacitacin + seguimiento instruccin +
2 seleccin mano obra
21
3 calidad materiales + tipo materiales + desconocimiento materiales
11
4 Calidad mquinas. y equipos +apoyo tecnolgico
10
5 Disp. recursos + mal suministro materiales + stock materiales
12
6 Incentivos econmicos
0
7 Horario de trabajo
3
8 Programacin deficiente
0
9 Tipo de obra
0
10 Bajo control
0
11 Exigencias seguridad
0
12 Nivel remuneraciones
0
13 Malos procedimientos
2
14 Estabilidad econmica
1
15 Das festivos
1
16 Mal estudio propuesta
1
17 Calidad proyectos
1
18 Cumplimiento estados de pago
1
19 Seriedad proveedores
1
20 Buen estudio preliminar
1
21 Recursos tcnicos
1
22 Espacios de trabajo
1
23 Calidad trabajo realizado
1
24 Disponibilidad Recursos financieros
1
25 Interferencias de terceros
1
26 Perspectivas laborales
1
27 Tiempos muertos por espera
1
28 Malas negociaciones personal
1
29 Falta de organizacin en obra
1
Total de factores
111
% Sobre
%
T.F. Acumulado
32,43%
32,43%
18,92%
9,91%
9,01%
10,81%
0,00%
2,70%
0,00%
0,00%
0,00%
0,00%
0,00%
1,80%
0,90%
0,90%
0,90%
0,90%
0,90%
0,90%
0,90%
0,90%
0,90%
0,90%
0,90%
0,90%
0,90%
0,90%
0,90%
0,90%
51,35%
61,26%
70,27%
81,08%
52
____________________________________________________________________
Para cada nuevo grupo global se han sumado las ocurrencias de cada factor
independiente para obtener el porcentaje total del grupo, con respecto al nuevo total
de 111 factores.
53
____________________________________________________________________
Grupo 5: Se tienen aqu: Disponibilidad de recursos, mal suministro materiales,
stock materiales, como se mencion son distintas acepciones para el mismo factor,
entonces este factor ser DISPONIBILIDAD DE RECURSOS, tiene 12 ocurrencias y
representa un 10,81% del total de factores.
En esta misma tabla se ha incorporado una columna que considera el porcentaje
acumulado de los factores para obtener de esta manera la importancia de cada uno,
con esto se puede ver que los primeros 5 factores son un 81,08% del total, con esto se
concluye que son estos los que necesitan ser considerados en el estudio y base de
datos histricas por ser los mas incidentes en el resultado de la duracin de la
actividad.
De acuerdo al anterior anlisis bastar considerar un sexto factor OTROS que
considerar el 20% restante de los factores incidentes.
En resumen se tienen 6 factores:
Factor 1: CLIMA / UBICACIN GEOGRAFICA
Factor 2: CALIDAD MANO DE OBRA
Factor 3: CALIDAD MATERIALES
Factor 4: CALIDAD MQUINAS Y EQUIPOS
Factor 5: DISPONIBILIAD RECURSOS
Factor 6: OTROS FACTORES
54
____________________________________________________________________
N
1 (A)
2 (B)
3 (C)
4 (D)
5 (E)
6 (F)
FACTOR
CLIMA Y UBICACIN GEOGRFICA
CALIDAD DE MANO DE OBRA
DISPONIBILIDAD RECURSOS
CALIDAD DE LOS MATERIALES
CALIDAD MQUINAS Y EQUIPOS
OTROS FACTORES
TOTAL FACTORES
Ocurrencias.
37
20
12
11
9
21
110
%
% Acum.
33,64%
33,64%
18,18%
51,82%
10,91%
62,73%
10,00%
72,73%
8,18%
80,91%
19,09%
100,00%
100,00%
Un punto importante a considerar es que los factores que se han seleccionado son
solo los que afectan de una u otra manera a los recursos que influyen en la duracin
de la actividad (mano de obra, maquinaras), y son estos los que causan variaciones
en los costos de los presupuestos, en resumen se puede decir que estos recursos tienen
costos variables, pues su costo final depende del tiempo, y esta variabilidad es la que
no est considerada en los estudios actuales de presupuesto, por lo menos no como se
considera en esta investigacin.
A.- Grupo 1: Clima y ubicacin geogrfica.
En su trabajo cotidiano, el trabajador de la construccin debe ejecutar labores bajo
techo o la intemperie, estando sometido a los diversos cambios climticos que existan
en el lugar en donde se desarrolla la obra. A veces el solo hecho de cambiar de
Luis Antonio Molina Campos
55
____________________________________________________________________
recinto de trabajo le producir cambios de temperatura y humedad a los cuales no est
acostumbrado.
Existirn ocasiones en que deber ejecutar trabajos con excesivo calor, en otras
oportunidades tendr que desarrollar actividades en zonas de baja temperatura o
simplemente no podr trabajar porque las condiciones y de la faena no lo permiten.
Es importante destacar que se debera considerar a futuro una investigacin ms
extensa respecto a la ubicacin geogrfica y su relacin con el clima, pues no es igual
considerar invierno en un sector del norte del pas a invierno si se construye en el sur.
Para efectos de esta investigacin solo se considera el clima y no la influencia del
sector, solo como simplificacin de los clculos, y en virtud del objetivo de esta tesis
que dice relacin con estimacin de modelos de regresin considerando los factores
determinados en la encuesta aplicada.
B.- Grupo 2: Calidad de la mano de obra
Este factor es muy importante ya que determina la duracin de las partidas y adems
esta estrechamente relacionado con la disponibilidad del recurso mano de obra,
debido a que a menor disponibilidad de mano de obra, menor calidad de la misma. En
tanto una actividad realizada con mano de obra de baja calidad tendr una mayor
probabilidad de durar ms de lo presupuestado. [Ziga, 2004]
Los rendimientos de mano de obra son variables para una misma actividad de una
empresa a otra por su organizacin, mtodos de trabajo, capacitacin, experiencia,
etc. Dentro de una misma empresa estos rendimientos varan segn la calidad tcnica
de la obra que se esta construyendo y de la dedicacin del mismo trabajador de una
jornada a otra, es decir, este rendimiento variar de acuerdo a factores propios y del
entorno en que se encuentre el trabajador. [Vergara, 2003]
C.- Grupo 3: Calidad de los materiales
La calidad de los materiales es otro de los factores importantes en el momento de
cuantificar una obra, ya que para un mismo material se tienen diferentes fabricantes y
56
____________________________________________________________________
proveedores, por lo que se tendrn diferentes cualidades de un producto para un
mismo uso e influyendo directamente en la mano de obra.
La empresa constructora en su afn de abaratar costos opta por un material de inferior
calidad y no toma en cuenta la incidencia directa que puede tener ste en los
rendimientos de la actividad y el aumento de los costos directos de mano de obra y
maquinaria e indirectos de gastos generales.[Vergara, 2003]
D.- Grupo 4: Calidad de las mquinas y equipos
La calidad de las mquinas y herramientas influye directamente en la duracin de una
actividad y por ende en la variacin de costo de una partida. [Vergara, 2003]
Las mquinas y equipos, en una actividad, pueden generar retrasos debido a las fallas
o paros producidos por los aos de servicio que estas puedan tener o bien por las
mantenciones deficientes que les son realizadas. [Vergara, 2003].
E.- Grupo 5: Disponibilidad de los recursos
La demanda de los recursos o los distintos grados de accesibilidad que se tenga en
un determinado proyecto involucra directamente a la calidad y duracin final de la
partida. As pues la disponibilidad de recursos afecta a la mano de obra, materiales y
mquinas y herramientas [Vergara, 2003]
Este factor tiene una influencia principalmente con la disponibilidad de la mano de
obra, y no con la disponibilidad de materiales, debido a que es imposible saber en el
futuro ese fenmeno. [Ziga, 2004]
Luego de este contraste de opiniones esta investigacin considerar las palabras de el
segundo autor debido a la justificacin que este otorga.
Ziga dice que en los meses de alta demanda en la construccin, la disponibilidad de
mano de obra es baja, lo que se traducira en disponer de mano de obra de menor
calidad o menos calificada, arrojando menores rendimientos en la produccin
producto de la inexperiencia. En el caso contrario al anterior, los rendimientos seran
mayores. Existe otro fenmeno, que en casos puntuales podra afectar los
rendimientos de una partida, por ejemplo en el caso de alta demanda de mano de obra
Luis Antonio Molina Campos
57
____________________________________________________________________
y que adems se requiera que sea especializada podra ocurrir que en esta partida
haya un retraso significativo al no encontrar la mano de obra calificada para la
actividad.
F.- Grupo 6: Otros factores
Este tem se considera debido a que siempre puede existir un factor que incida en la
determinacin del rendimiento de una actividad y que no est contemplado dentro de
los factores definidos con anterioridad.
Para efecto de esta investigacin, en el modelo de regresin no se considerar el
factor Otros, aunque este presenta un 20% de incidencia, resulta muy difcil de
tabular y considerar en un modelo de regresin por el grado de variabilidad de este
factor, pues considera 26 distintos factores.
58
____________________________________________________________________
que no presentan una valorizacin numrica sino ms bien nominal, de esta manera se
han considerado los conceptos detallados en la tabla 2.6.
Para el caso del clima se han considerado las diferentes estaciones del ao, es decir
verano, otoo, invierno y primavera, pues es importante diferenciar un rendimiento
que se realiza en verano es distinto a uno que se ha considerado en invierno, si
haciendo la salvedad del sector del pas que se trate.
Para el caso del los factores relacionados con la calidad de mano de obra, materiales y
maquinarias se han considerado los tres conceptos ms importantes para diferenciar
dicha calidad es decir: Mala, Mediana o Buena. Tambin puede ser tema de discusin
y anlisis ms en extenso de que pueden, y existen, distintas calidades de la mano de
obra o referida a su especialidad, o aos de uso y mantencin de la maquinaria, pero
la finalidad de todo modelo es simplificar y no complicarlo en demasa hasta hacerlo
inoperante.
El factor Disponibilidad de los recursos, se relaciona principalmente a la mano de
obra, y esta disponibilidad influye de manera directa en el rendimiento. La
disponibilidad esta relacionada tambin con las pocas de mayor o menos
construccin, en el verano por el clima hay ms construcciones y por consiguiente
ms demanda de recursos (menor disponibilidad), al contrario en invierno es menor la
cantidad de construcciones y por ende la demanda de recursos es menor (mayor
disponibilidad).
59
____________________________________________________________________
Los factores se clasificarn como sigue:
Factor
1. Clima
CLI
2. Calidad de mano de
obra
CMO
3. Calidad de
materiales
CMT
4. Calidad de
mquinas y equipos
CMQ
5. Disponibilidad de
recursos
DRE
Peso
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
Significado
No influye
Invierno
Otoo
Verano - Primavera
No influye
Mala
Mediana
Buena
No influye
Mala
Mediana
Buena
No influye
Mala
Mediana
Buena - Alta
No influye
Baja: verano
Mediana: otoo, primavera
Alta: invierno
60
____________________________________________________________________
CAPTULO III: PPrreesseennttaacciinn ddee llaass M
Meettooddoollooggaass
61
____________________________________________________________________
Actividad A1
De
De =
Cantidad de Obra
Re
Re =
Ro+ 4 Rm+ Rp
6
R1
R2
Rn
De
De
De
Factores
F1
F2
Fn
Rm =
Ri
i =1
(3.1)
62
____________________________________________________________________
Luego de obtenidos, de la tabla, los rendimientos Ro, Rm y Rp se determinan las
duraciones reemplazando el rendimiento correspondiente en la frmula, de esta
manera se tiene:
De =
Ro + 4 Rm + Rp
Cantidad de Obra
; Re =
6
Re
Do =
Cantidad de Obra
Ro
Dp=
Cantidad de Obra
Rp
Dm =
Cantidad de Obra
Rm
(3.2)
Rj =
Sj TEj
Txj
(3.3)
Donde:
Sj = Tiempo de terminacin impuesto programado de la actividad (j).
TEj= Tiempo ms temprano de trmino de la actividad (j).
Tx j= Desviacin tpica del tiempo ms temprano de trmino de la actividad(j).
Considerando para cada actividad de la malla PERT la siguiente denominacin de
tiempos.
Luis Antonio Molina Campos
63
____________________________________________________________________
CEj
TEj
Actividad j
CLj
Duracin TLj
Donde:
CEj es el comienzo ms temprano de la actividad(j).
TEj es el trmino ms temprano de la actividad(j).
CLj es el comienzo ms tardo de la actividad(j).
TLj es el trmino ms tardo de la actividad(j).
Determinado el valor del riesgo (Rj), se emplea una tabla de valores de la curva
normal, para determinar la probabilidad de cumplir con el tiempo de terminacin
impuesto programado (Sj). (Anexo 4)
Considerando la frmula de riesgo y teniendo en cuenta que De se determina para una
probabilidad del 50%, es posible calcular probabilidades de terminar la obra en fechas
impuestas, o determinar la fecha de termino de la obra para una probabilidad dada.
Al considerar el anlisis de precios de la partida, es posible visualizar un anlisis de
costos probabilstico con la estimacin de los rendimientos optimo, medio, pesimista
y esperado (Ro, Rm, Rp y Re).
Considerando la tabla N1.2, se puede complementar dicha tabla con los nuevos
rendimientos, de esta manera se tiene ya no solo un costo, sino los resultantes con
cada rendimiento considerado, es decir costo optimista, medio, pesimista y esperado,
esto sin duda nos presenta herramientas de decisin al momento de presupuestar.
64
____________________________________________________________________
Actividad Ad1
Cantidad: 1
Unidad:
Recurso
Rno1
Cr1
Rno1*Cr1
Rno2
Cr2
Rno2*Cr2
Total
i =1
Rnoi * Cri
n
Recurso
Cantidad: 1
Unidad:
Rnm1
Cr1
Rnm1*Cr1
Rnm2
Cr2
Rnm2*Cr2
Total
Rnmi * Cri
i =1
n
Recurso
Cantidad: 1
Unidad:
Rnp1
Cr1
Rnp1*Cr1
Rnp2
Cr2
Rnm2*Cr2
Total
i =1
Rnpi * Cri
n
Recurso
Cantidad: 1
Unidad:
Rne1
Cr1
Rne1*Cr1
Rne2
Cr2
Rne2*Cr2
Total
Rnei * Cri
i =1
n
65
____________________________________________________________________
Para cada tabla en particular se tiene:
Rno =Rendimiento optimista
Rnp =Rendimiento pesimista
Rnm =Rendimiento medio
Rne =Rendimiento esperado
El costo est dado por los costos parciales de cada recurso.
Para el caso de estudio de esta tesis, interesa principalmente la estimacin del
rendimiento esperado (Re), principalmente en el entendido que este interviene en el
clculo de la duracin esperada (De) y del Costo esperado. Adems si se considera la
frmula (3.3), se puede adems realizar anlisis de riesgo para el proyecto,
respondiendo a preguntas tales como: Cul seria el costo o la duracin para una
probabilidad cualquiera?, o Cul el probabilidad de ocurrencia de un costo o una
duracin cualquiera?.
Esto sin duda induce a optar por un buen sistema de estimacin para poder responder
a estas preguntas con un buen grado de certeza, el rea de la construccin y sus
profesionales, tienen la obligacin de utilizar las mejores herramientas que tiene a su
alcance, y una de las funciones de esta tesis es presentar una buena y fcil manera de
utilizar la metodologa de modelos de regresin en la estimacin de rendimientos
esperados en procesos de construccin.
66
____________________________________________________________________
Actividad A1
Factores: F11, F1n
An
A2
De
F: F12, Fn
De
De
A3
Cantidad de Obra
De =
Re
F: F13, Fn
De
Modelo de regresin
Obtencin de Ecuaciones y de Re
Para los Factores estimados F1 a Fn
2 R2
n Rn
67
____________________________________________________________________
CAPITULO IV: Modelos de Pronsticos.
68
____________________________________________________________________
para hacer referencia a un mtodo especfico en lugar de la simple adivinanza, para
predecir eventos futuros. [Sipper, 1998]
Las tcnicas de pronsticos disminuyen la incertidumbre sobre el futuro, permitiendo
estructurar planes y acciones congruentes con los objetivos de la organizacin y
permiten tomar acciones correctivas apropiadas a tiempo cuando ocurren situaciones
fuera de lo pronosticado.
En los sistemas de produccin controlados por el mercado de la actualidad, los
pronsticos son ms importantes que nunca. Tanto la recompensa por un buen
pronstico como la penalizacin por uno malo pueden ser bastante altas. [Sipper,
1998].
69
____________________________________________________________________
4.2.2.- Clasificacin de los modelos de pronsticos
Se definen tres tipos de mtodos de pronsticos de acuerdo al siguiente esquema:
Pronsticos
Cualitativos
Modelo
Constante
Mtodos de
Pronsticos
Pronsticos
Series de
Tiempo
Pronsticos
Causales
Modelo de
Tendencia
Modelo
Estacional
Regresin
Lineal
Simple
Regresin
Lineal
Mltiple
Diagrama N4.1. Clasificacin de los modelos de pronsticos
70
____________________________________________________________________
pronstico es innecesario. La decisin determina que pronosticar, el nivel de detalle
necesario y con que frecuencia se har el pronstico. [Sipper, 1998]
Comprensin del problema
La clave para entender los problemas de pronsticos es comprender el proceso.
Nunca se puede comprender por completo el proceso, por lo que slo se puede
esperar conocerlo cada vez mejor y hacer las suposiciones necesarias para crear
pronsticos. Para hacer esto, se examinan las caractersticas del problema y se
analizan los datos, si existen. Tambin se establece una meta para el pronstico.
[Sipper, 1998]
En el rea de la construccin, si bien es cierto se pueden comparar los procesos
constructivos con un proceso productivo industrial, se debe reconocer que los
constructivos dictan mucho de estar controlados, hay muchos factores menos
controlados o ms variados, o ms difcil de controlar, como el clima, calidad de la
mano de obra y materiales entre otros.
El problema actual es que no se sigue un buen mtodo de estimacin de duraciones,
pues en general se desconoce informacin histrica respecto a los rendimientos que
rigen el actuar de los procesos de construccin, con esta informacin histrica se
pueden usar mtodos de pronsticos ms completos y que consideren todos los
factores incidentes.
Caractersticas del problema
Las principales caractersticas de un problema de pronsticos son el marco de tiempo,
el nivel de detalle, la exactitud necesaria y el nmero de aspectos a pronosticar. De
esta manera se tienen decisiones a largo, mediano y corto plazo.
Datos
Cuando se tienen los datos es importante examinarlos, esto puede proporcionar una
gran visin. Los datos pueden venir de los registros de la empresa o de fuentes
comerciales o gubernamentales.
71
____________________________________________________________________
Si no existen datos, se deben recolectar o se puede usar un enfoque de pronsticos
que no los requiera. Si no se dispone de datos o recolectarlos es demasiado costoso,
se elige un enfoque cualitativo. Hay factores ya sean internos o externos que afectan
los datos, los factores externos estn fuera de ser controlados pero se puede influir en
los factores internos. [Sipper, 1998]
En una obra de construccin generalmente las decisiones son a corto plazo, an si se considera que se debe estimar los costos y
tiempos antes de empezar la obra, el tiempo total sigue siendo de no mas de un par de meses, dependiendo claro de la naturaleza
de la obra. Adems para esta investigacin se va a contar con datos del pasado disponibles, por lo que no ser necesario solo el
juicio del evaluador.
Luis Antonio Molina Campos
72
____________________________________________________________________
introduccin de nuevos productos y cuando no se posee de una base de datos
histricos.
En esta investigacin se necesita pronosticar el valor del rendimiento esperado que es
un valor netamente numrico, que no implica cualidad, por lo tanto, el mtodo de
pronsticos cualitativos no posee los requisitos para poder estimar este rendimiento
Proceso Constante
b)
Proceso de Tendencia
c)
Proceso Estacional
Para cada modelo, se cuenta con varios modelos o mtodos que tratan de encontrar el
patrn de los datos para proyectarlos al futuro y son:
Promedios
Promedios Mviles
Suavizamiento Exponencial
Regresin
Combinaciones anteriores
73
____________________________________________________________________
a) Proceso Constante
Si los datos tienen un comportamiento constante en el tiempo con algunas
desviaciones aleatorias, se especula que el proceso es constante.
Para el caso de esta investigacin interesa pronosticar el rendimiento, por lo tanto, el
rendimiento esperado en el periodo t estara dado por:
R t = a+ t
(4.1)
R t = a+ bt + t
(4.2)
74
____________________________________________________________________
Para hacer un pronstico cuando existe una tendencia, es necesario estimar la
constante y la pendiente; hay muchas formas de hacerlo, incluyendo regresin y
variaciones a promedios mviles y suavizamiento exponencial. [Sipper, 1998]
c) Proceso Estacional
Si los datos recolectados, presentan marcadas tendencias de acuerdo a ciertas
estaciones, como las estaciones del ao, se habla entonces de procesos con tendencia
estacional. Otros procesos pueden tener una estacin que no este basada en aos, pero
debe su estacionalidad a algn otro factor. Un buen modelo debe considerar la
porcin constante, la tendencia y la estacionalidad.
Varios mtodos consideran los tres factores, uno de estos es el modelo multiplicativo
propuesto por Winters (1960), el modelo adaptado a la estimacin de rendimientos
para esta investigacin sera:
R t = (a + b t )c t + t
(4.3)
Donde
a= porcin constante
b=pendiente de la componente de tendencia
c=factor estacional para el periodo t
=aleatoriedad no controlable
En el rea de la construccin, si bien se tiene factores estacionales, como el clima,
demanda de la mano de obra que dependen de ciertos meses del ao, no son factores
incidentes ni tan marcados en el valor final del rendimiento.
La tabla de rendimientos que se analizar en esta investigacin obtendr rendimientos
considerando diversos factores por lo que sera absurdo realizar las mediciones cada
cierto periodo de tiempo y sin caer en un completo desorden cronolgico debido a
que el investigador solo le preocupar medir rendimientos de manera de abarcar la
75
____________________________________________________________________
mayor combinacin de factores posibles y no le interesar cada cuanto tiempo lo
haga.
Rt = a+ bht + t
t = 1,2,...n
(4.4)
Donde:
R t = valor de rendimiento de la actividad en el tiempo t
h t = estado del clima en el momento t que se realiza la actividad, (se puede
considerar una valoracin numrica para el estado del clima o considerar un modelo
de regresin cualitativo)
76
____________________________________________________________________
b = pendiente de la recta
n = nmero de mediciones realizadas en cada actividad
77
____________________________________________________________________
En los modelos pueden haber varias variables independientes que afecten la variable
dependiente. Si se tienen n observaciones de la variable dependiente y m
independientes, un modelo lineal con ruido sera:
t = 1,2...n
(4.5)
= b 0 + b1y1t + b 2 y 2 t + b 3 y 3t + t
(4.6)
Donde:
R t = valor de rendimiento de la actividad en el tiempo t
y1t = estado del clima en el momento t
y 2 t = la calidad de la mano de obra en el momento t
y 3 t = la calidad de los materiales en el momento t
78
____________________________________________________________________
b 3 = su magnitud depende del valor de la calidad de los materiales, a mayor calidad
mayor ser el resultado del rendimiento.
De acuerdo al anlisis anterior el modelo de regresin multivariable es una buena
herramienta para poder pronosticar el rendimiento esperado debido a que hace posible
la incorporacin de factores y al ser un modelo de causa y efecto cumple de manera
ptima el echo de cmo influye cada uno de los factores en el rendimiento esperado.4
El anlisis de regresin mltiple es una tcnica de dependencia. Por tanto, al
utilizarla, se deben dividir las variables entre independientes y dependientes. El
anlisis de regresin es tambin una herramienta estadstica que debera utilizarse
slo cuando tanto las variables dependientes como las independientes son mtricas.
Sin embargo, bajo ciertas circunstancias, es posible incluir datos no mtricos para las
variables independientes (transformando los datos ordinales o los nominales en
variables ficticias) o la variable criterio o dependiente (mediante el uso de una medida
binaria en la tcnica especial de la regresin logstica).
De tipo temporal: Para recoger efectos diferentes en funcin del tiempo en que
se producen las observaciones de las variables.
De acuerdo a la investigacin se puede concluir que el modelo a utilizar es un modelo de regresin con mltiples variables, en
el captulo siguiente se comprobar esta situacin, para luego construir el modelo.
79
____________________________________________________________________
Si se requiere en el modelo utilizar variables nominales, se utiliza el procedimiento
denominado Regresin mltiple de variable ficticia (RMVF). RMVF convierte las
variables nominales en una serie de variables binarias que se codifican 0-1. En
general una variable nominal de k categoras se convierte en k-1 variables ficticias,
puesto que una vez que se conoce si las primeras k-1 categoras son 0 1, la k-sima
categora se determina automticamente con 0 1. Crear una k-sima variable ficticia
sera redundante, y de hecho invalidara toda la regresin. La eleccin de la categora
que tendr los ceros es arbitraria.
80
____________________________________________________________________
CAPITULO V: Eleccin de un modelo de estimacin.
5.1.-Procedimiento de Pronstico.
Todos los procedimientos formales de pronstico comprenden la extensin de las
experiencias del pasado al futuro incierto. De ah la suposicin de que las condiciones
que generaron los datos anteriores son indistinguibles de las condiciones futuras, con
excepcin de aquellas variables reconocidas de manera explcita por el modelo de
pronstico. Por ejemplo, si se est pronosticando el ndice de desempeo de los
empleados en el trabajo, usando slo como pronstico la calificacin del examen de
admisin, se asume que el ndice de desempeo en el trabajo de cada persona se
afecta slo por dicho examen. Considerando que la suposicin de pasado y futuro
indistinguibles no se cumple, resultarn pronsticos imprecisos, a menos que se
modifiquen a juicio de quien se pronostica.
La aceptacin de que las tcnicas de pronsticos funcionan sobre datos generados en
sucesos histricos pasados conduce a la identificacin de cuatro pasos en el proceso
de pronstico:
Recopilacin de los datos
Reduccin o condensacin de los datos
Construccin del modelo
Extrapolacin del modelo
Luis Antonio Molina Campos
81
____________________________________________________________________
El paso 1 sugiere la importancia de obtener datos adecuados y asegurarse que son
correctos. Con frecuencia este paso es el mayor reto de todo el proceso de pronstico
y el ms difcil de controlar, ya que los pasos siguientes se efectan sobre los datos,
sean o no relevantes para el problema en cuestin. Siempre que se hace necesario
obtener datos pertinentes en una organizacin, abundan los problemas de recopilacin
y control de calidad.
El paso 2, la reduccin de datos con frecuencia es necesaria ya que en proceso de
pronstico es posible tener muchos o muy pocos datos. Algunos datos pueden no ser
pertinentes al problema, por lo que reduciran la precisin del pronstico. Otros datos
pueden ser los adecuados, pero slo en ciertos periodos histricos. Por ejemplo, en el
pronstico de ventas de automviles compactos podra desearse emplear slo datos de
ventas de automviles a partir del embargo petrolero de la dcada de 1970, en vez de
datos de los ltimos 50 aos.
El paso 3, la construccin del modelo, implica ajustar los datos reunidos en un
modelo de pronstico que sea el adecuado para minimizar el error del pronstico.
Entre ms sencillo sea el modelo, ser mejor para lograr la aceptacin del proceso por
parte de los administradores que toman las decisiones en la empresa. Con frecuencia
se debe establecer un balance entre un enfoque de pronstico complejo que ofrezca
ligeramente ms precisin y un enfoque sencillo que sea fcil de entender y ganar el
apoyo de quienes toman las decisiones, de manera que lo utilicen efectivamente. Es
obvio que los elementos de juicio forman parte de este proceso de seleccin.
El paso 4. consiste en la extrapolacin en s del modelo de pronstico, lo cual ocurre
una vez que se recolectaron y tal vez redujeron, los datos adecuados y que se
seleccion un modelo de pronstico apropiado. Es comn que quien realiz el
pronstico revise la precisin del proceso mediante el pronstico de periodos
recientes de los que se conocen los valores histricos reales. Es entonces cuando se
observan los errores de pronstico y se resumen de algn modo. Ciertos
procedimientos de pronsticos, suman los valores absolutos de los errores y pueden
Luis Antonio Molina Campos
82
____________________________________________________________________
reportar esta suma, o dividirla entre el nmero de intentos de pronstico para obtener
el error de pronstico promedio. Otros procedimientos obtienen la suma de cuadrados
de los errores, que se compara luego con cifras similares de mtodos de pronstico
alternativos. Algunos procedimientos tambin rastrean y reportan la magnitud de los
trminos de error sobre el periodo de pronstico. El examen de los patrones de error
conduce con frecuencia al analista a la modificacin del procedimiento de pronstico,
el cual genera despus pronsticos ms precisos.
83
____________________________________________________________________
Necesidad
Necesidad del
del pronstico
pronstico
NO
s Datos disponibles?
SI
Recolectar
datos?
SI
Anlisis de datos
NO
NO
Cuantitativos?
SI
NO
Factores causales?
SI
Enfoque
cualitativo
Enfoque de
Series de
Tiempo
Enfoque causal
Modelo de Regresin
El grfico de dispersin de Y y X.
84
____________________________________________________________________
Las dos principales razones de no linealidad son:
2) Homocedasticidad
Si la dispersin de los valores de las desviaciones vara mucho segn los valores de
X, entonces se tiene heterocedasticidad (varianza no constante). Si la
homocedasticidad no se verifica, la expresin de la varianza de los estimadores de los
coeficientes es errnea.
La deteccin de la heterocedasticidad se realiza con los mismos grficos que para la
no linealidad.
3) Normalidad
La normalidad postula que las desviaciones aleatorias i son normalmente
distribuidas. Si esta hiptesis es cierta, los residuos del modelo e i deberan ser
tambin normales.
La deteccin de normalidad se puede efectuar a travs de un histograma de los
residuos.
4) Independencia
La independencia establece que los datos son independientes entre s. Si los datos
provienen de una poblacin, esta hiptesis suele ser correcta. Bajo esta hiptesis, la
reparticin de los puntos en la nube del grfico de los residuos versus predicciones
debera ser uniforme.
85
____________________________________________________________________
Dado que la finalidad de esta tesis, es probar que la metodologa de estimacin de
rendimiento por medio de regresin es ms ptima que el modelo PERT y que no son
los pasos seguidos en la seleccin lo ms importante se ha optado por anexar el
procedimiento en el Anexo 2.
5.4.- T
Taabbllaass eessttaaddssttiiccaass ddee rreennddiim
miieennttooss
Para poder estudiar este modelo de regresin es necesario contar con bases de datos
de rendimientos, sin embargo, hasta el momento las bases de datos de las empresas
no poseen una buena actualizacin ni mucho menos facilitan el aporte de factores que
afectarn los rendimientos como lo son: el clima, la calidad de la mano de obra,
calidad de los materiales, etc. Es por esta razn que para esta investigacin se
considerarn tablas de datos obtenidas de tesis de alumnos seminaristas de la carrera
de Ingeniera en Construccin de la Universidad del Bo-Bo los que han desarrollado
recoleccin de datos de rendimientos para distintas partidas con la inclusin de
factores. En todas las investigaciones anteriormente consideradas el autor de esta
investigacin a participado como profesor gua de los alumnos.
En esta tesis no se utilizaron todas las tablas presentadas aqu, pero se ha estimado
conveniente anexarlas para uso posterior de otros investigadores. Todos los datos
medidos son vlidos para la Ciudad de Concepcin.
86
____________________________________________________________________
Universidad del Bo-Bo
Las tablas estadsticas obtenidas aqu son las siguientes (Anexo 3):
1.- Actividad: Excavacin terreno semi - duro y autosoportante
2.- Actividad: Relleno Estructural Con Grava
3.- actividad: Relleno estructural con arena
4.- actividad: Fabricacin de moldaje
5.- Actividad: Colocacin de moldaje prefabricado
6.- Actividad: Colocacin de moldaje prefabricado
7.- Actividad: Colocacin de moldaje prefabricado
8.- Actividad: Descimbre de moldaje prefabricados
9.- Actividad: Descimbre de moldaje prefabricados
10,- Actividad: Preparacin de enfierradura (A 44 -28 h), dimetro 6 y 8 mm.
11.- Actividad: Preparacin de enfierradura (A44-28 h), dimetro 10 y 12 mm.
12.- Actividad: Colocacin de enfierradura (a 44 -28 h), Dimetro 6 y 8 mm.
13.- Actividad: Colocacin de enfierradura (A 44 -28 h), Dimetro 10 y 12 mm.
14.- Actividad: Elaboracin de hormign
15.- Actividad: Hormign con acarreo horizontal
16.- Actividad: Hormign con acarreo horizontal y vertical
17.- Actividad: Hormigonado con cinta transportadora desde camin mixer
18.- Actividad: Albailera de soga, ladrillo de dimensiones 29 x 14 x 14 cm.
19.- Actividad: Estuco 2.5 cm. De Espesor
20.- Actividad: Estuco 2.5 cm. de espesor
21.- Actividad: Entramado de cielo
22.- Actividad: Estructura de cielo en tijerales
23.- Actividad: Transporte de material en carretilla, distancia 20 mt.
24.- Actividad: Transporte de material en carretilla, distancia 40 mt.
87
____________________________________________________________________
CAPITULO VI Programas computacionales para anlisis estadsticos.
88
____________________________________________________________________
Infostat
Minitab
Excel
6.1.1- Infostat
InfoStat es un software estadstico desarrollado por el Grupo InfoStat, un equipo de
trabajo conformado por profesionales de la Estadstica con sede en la Universidad
Nacional de Crdoba, Facultad de Ciencias Agropecuarias. InfoStat, como proyecto
de investigacin y desarrollo representa una sntesis de la experiencia aculada desde
1982 en la Unidad de Procesamiento Electrnico de Datos y en las Ctedras de
Estadstica y de Diseo de Experimentos, labor enriquecida por la tarea docente de
grado y postgrado, la consultora estadstica y la formacin de recursos humanos en
Estadstica.
InfoStat se formaliza como proyecto de investigacin y desarrollo en 1995 y alcanza
su primera versin en 1998. Tiene un alto nivel de aceptacin en el mbito
universitario, en centros de investigacin y tecnologa y en empresas de produccin
de bienes y servicios.
Caractersticas generales
InfoStat es un programa estadstico desarrollado en el ambiente Windows que ofrece
una interfase avanzada para el manejo de datos basada en el difundido concepto de
planilla electrnica. Permite importar y exportar bases de datos en formato Paradox,
texto o dbase. Posee rpido acceso a herramientas para el manejo de datos como por
ejemplo editar frmulas, transformar, clasificar y categorizar variables y generar
variables aleatorias mediante el uso de la simulacin. Las capacidades de copia y
pegado permiten trasladar fcilmente tablas, resultados y grficos a otras aplicaciones
Windows.
89
____________________________________________________________________
Ventajas
Posee un entorno amigable de trabajo y adems existe una versin del programa
en espaol.
Regresin y ANOVA
90
____________________________________________________________________
Series temporales
Simulaciones y distribuciones
Anlisis de fiabilidad
Anlisis multivariado
Ventajas
Sin duda este programa posee muchas ventajas, sin embargo, presenta facilidad de
uso y una interfaz amigable.
Una de las mayores ventajas es que es posible utilizar los comandos copiar y
pegar desde una planilla Excel a la planilla de datos del Minitab. Esto sin duda
facilita el uso, pues en la mayora de los datos estn en planilla de clculo.
91
____________________________________________________________________
6.1.3.- Excel.
La conocida planilla de clculo Excel nos ofrece una herramienta de complemento
para realizar anlisis de regresin de manera fcil y al alcance de todos los usuarios
de esta planilla.
Ventajas
La ventaja es que est alcance de todos los usuarios de Ms. Excel y que no se necesita
complemento extra, solo se debe instalar desde el CD del programa principal para que
sea una funcin permanente.
92
____________________________________________________________________
CAPITULO VII Validacin del Modelo.
93
____________________________________________________________________
Para las actividades 1,4 y 16 se construirn actividades ficticias resumidas en la tabla
N7.1, considerando el carcter nominal de los factores, para esto se considerarn la
tablas (2.6 y A.1), esta tabla se ha ordenado de manera que la variable ms
desfavorable sea considerada cero, aunque como se coment anteriormente esto es
arbitrario.
La actividad 18 esta influenciada por ms factores, entonces se construir un nuevo
modelo considerando las variables ficticias resultantes de estos factores, ver tabla
N7.2.
La intencin de seleccionar la actividad 18, adems de su cantidad de datos medidos
en terreno, es que se midieron otros factores, se utilizar el modelo de regresin para
medir el grado de influencia de los factores, y probar que es tambin una herramienta
valida para este efecto, es decir poder decidir que factores son importantes al
momento de medir en terreno considerando que el tiempo de control (medicin en
terreno) es importante y tiene un costo, entonces mientras menos datos superfluos
midamos, menor ser el tiempo y costo involucrados.
Se tienen que crear k-1 variables ficticias. En este caso todos los factores tienen 3
categoras o estados, por lo que se debe crear 3-1=2 variables ficticias, para mejor
comprensin del mtodo se considerar el nombre de la variable ficticia similar al
factor considerado.
En las tablas 7.1 y 7.2, se generan las variables ficticias para cada actividad de
acuerdo a los factores considerados en cada una y de acuerdo a la clasificacin de
factores realizada en el Captulo 2, ver tabla 2.6.
94
____________________________________________________________________
Factor
Variables Ficticias
CLI1
CLI2
1
0
0
CMO1
CMO2
1
0
0
CMT1
CMT2
1
0
0
0
1
0
0
1
0
0
1
0
Tabla N7.1 Tabla clasificacin de los factores incorporando variables ficticias para
actividades 1,4 y 16
Factor
Variables Ficticias
CLI1
CLI2
1
0
0
CMO1
CMO2
1
0
0
CMT1
CMT2
1
0
0
CMQ1
CMQ2
1
0
0
DRE1
DRE2
1
0
0
0
1
0
0
1
0
0
1
0
0
1
0
0
1
0
Tabla N7.2 Tabla clasificacin de los factores incorporando variables ficticias para
actividad 18
95
____________________________________________________________________
7.1.1.- Modelo de Regresin para Actividad: Excavacin en zanja
A continuacin se muestra la entrada de datos con variables ficticias para la actividad
Excavacin en Zanja (Anexo 3), y los valores entregados por el software Minitab.
N M3/DIA CLI1 CLI2 CMO1 CMO2 CMT1 CMT2 Coef. Predic.
1
3,63
1
0
1
0
0
1 2,52 3,53724
2
3,2
0
1
1
0
0
0 0,449 3,19961
3
2,81
0
1
0
0
0
0 0,332 2,85234
4
3,72
0
1
1
0
1
0 0,347
3,72
5
3,27
1
0
0
1
0
1 0,029 3,21932
6
2,69
0
0
0
0
0
1 0,52 2,74049
7
2,84
0
0
0
1
0
1 0,22 2,76984
8
3,08
0
1
0
0
0
1
3,07251
9
3,14
1
0
0
0
0
0
2,9698
10
3,08
0
1
0
0
0
1
3,07251
11
3,48
1
0
1
0
0
1
3,53724
12
3,08
0
1
1
0
0
0
3,19961
13
2,76
0
1
0
0
0
0
2,85234
14
3,64
0
1
1
0
0
0
3,19961
15
3,2
1
0
0
1
0
1
3,21932
16
2,71
0
0
0
1
0
1
2,76984
17
2,81
0
0
0
1
0
1
2,76984
18
3,08
0
1
1
0
0
0
3,19961
19
3,08
1
0
1
0
0
0
3,31707
20
3,02
0
1
0
1
0
1
3,10186
Resid.
0,092757
0,00039
-0,042341
0
0,050682
-0,050492
0,070164
0,007489
0,170196
0,007489
-0,057243
-0,11961
-0,092341
0,44039
-0,019318
-0,059836
0,040164
-0,11961
-0,237073
-0,081855
Tabla N7.3. Datos y resultados con variables ficticias entregados por Minitab para la
actividad Excavacin en Zanja.
Regression Analysis:
The regression equation is
M3/DIA=2,52+0,449CLI1+0,332CLI2+0,347CMO1+0,029CMO2+0,520CMT1+0,22CMT2
Predictor
Constant
CLI1
CLI2
CMO1
CMO2
CMT1
CMT2
Coef
2,5203
0,4495
0,3320
0,34727
0,0293
0,5204
0,2202
S = 0,164632
SE Coef
0,1377
0,1172
0,1223
0,09754
0,1115
0,1811
0,1025
R-Sq = 80,7%
T
18,31
3,84
2,71
3,56
0,26
2,87
2,15
P
0,000
0,002
0,018
0,003
0,797
0,013
0,051
R-Sq(adj) = 71,8%
Analysis of Variance
Luis Antonio Molina Campos
96
____________________________________________________________________
Source
Regression
Residual Error
Total
Source
CLI1
CLI2
CMO1
CMO2
CMT1
CMT2
DF
1
1
1
1
1
1
DF
6
13
19
SS
1,47433
0,35235
1,82668
MS
0,24572
0,02710
F
9,07
P
0,001
Seq SS
0,29019
0,42240
0,40641
0,03561
0,19467
0,12505
Unusual Observations
Obs
4
14
CLI1
0,00
0,00
M3/DIA
3,7200
3,6400
Fit
3,7200
3,1996
SE Fit
0,1646
0,0754
Residual
-0,0000
0,4404
St Resid
* X
3,01R
Tabla N7.3.1. Datos y resultados con variables ficticias entregados por Minitab para la
actividad Excavacin en Zanja.
97
____________________________________________________________________
Verificacin de los supuestos
1. Normalidad
Normal Probability Plot of the Residuals
(response is M3/DIA)
99
95
90
Percent
80
70
60
50
40
30
20
10
5
-0,4
-0,3
-0,2
-0,1
0,0
0,1
Residual
0,2
0,3
0,4
0,5
Las distribuciones de los residuos siguen una lnea recta de 45, es decir, no se
observan desviaciones severas de la normalidad salvo por un dato que escapa a la
regularidad. Debido a que todos los dems datos tienen un comportamiento
marcadamente normal se valida la hiptesis de normalidad.
2. Homogeneidad
Residuals Versus the Fitted Values
(response is M3/DIA)
0,5
0,4
Residual
0,3
0,2
0,1
0,0
-0,1
-0,2
-0,3
2,6
2,8
3,0
3,2
Fitted Value
3,4
3,6
3,8
Se observa que los datos estn distribuidos aleatoriamente y que no existe una
tendencia marcada que pueda invalidar el modelo. Existe una sola medicin que
escapa de la media residual existente, sin embargo, puede tratarse de un dato mal
98
____________________________________________________________________
medido que no provocar mayor problema al objetivo de la investigacin, por lo que,
se valida el supuesto.
3. Independencia
Residuals Versus the Order of the Data
(response is M3/DIA)
0,5
0,4
Residual
0,3
0,2
0,1
0,0
-0,1
-0,2
-0,3
2
8
10
12
Observation Order
14
16
18
20
99
____________________________________________________________________
N M2/DIA CLI1 CLI2 CMO1 CMO2 CMT1 CMT2 Coef. Predic.
1 21,05
0
0
0
1
1
0 18,18 20,9892
2 21,62
1
0
1
0
1
0 2,134 23,5521
3 22,22
0
1
1
0
0
1 1,265 21,7109
4 23,53
1
0
0
1
1
0 0,549 23,1229
5 24,24
0
1
1
0
1
0 0,12 22,6837
6 21,05
0
0
1
0
1
0 2,689 21,4184
7 20,51
0
0
0
1
1
0 1,716 20,9892
8
20
0
0
0
1
0
1
20,0164
9 18,18
0
0
0
0
0
0
18,18
10 22,22
0
1
0
1
1
0
22,2545
11
22,3
0
0
0
1
1
0
20,9892
12
21,5
0
0
1
0
1
0
21,4184
13
22,5
0
1
1
0
0
1
21,7109
14
23,6
1
0
0
1
1
0
23,1229
15
24,6
1
0
1
0
1
0
23,5521
16
21
0
1
1
0
1
0
22,6837
17
20,4
0
0
0
1
1
0
20,9892
18
20
0
1
0
1
0
1
21,2818
19
18,3
0
0
0
1
0
0
18,3
20
22,4
0
1
0
1
1
0
22,2545
Resid.
0,06079
-1,93207
0,5091
0,40707
1,55632
-0,36835
-0,47921
-0,01644
0
-0,03454
1,31079
0,08165
0,7891
0,47707
1,04793
-1,68368
-0,58921
-1,28176
0
0,14546
Tabla N7.4. Datos y resultados con variables ficticias entregados por Minitab para
la Actividad N4: Prefabricacin de moldajes
Regression Analysis: M2/DIA versus CLI1; CLI2; CMO1; CMO2; CMT1; CMT2
The regression equation is
M2/DIA =18,2+2,13CLI1+1,27CLI2+0,55CMO1+0,12CMO2+2,69CMT1+1,72CMT2
Predictor
Constant
CLI1
CLI2
CMO1
CMO2
CMT1
CMT2
Coef
18,180
2,1337
1,2653
0,549
0,120
2,689
1,716
S = 1,09086
SE Coef
1,091
0,7001
0,6334
1,633
1,543
1,180
1,313
R-Sq = 73,2%
T
16,67
3,05
2,00
0,34
0,08
2,28
1,31
P
0,000
0,009
0,067
0,742
0,939
0,040
0,214
R-Sq(adj) = 60,8%
Analysis of Variance
Source
Regression
Residual Error
Total
Source
DF
DF
6
13
19
SS
42,213
15,470
57,683
MS
7,036
1,190
F
5,91
P
0,004
Seq SS
100
____________________________________________________________________
CLI1
CLI2
CMO1
CMO2
CMT1
CMT2
1
1
1
1
1
1
15,780
11,612
2,097
4,696
5,993
2,034
Unusual Observations
Obs
2
9
19
CLI1
1,00
0,00
0,00
M2/DIA
21,620
18,180
18,300
Fit
23,552
18,180
18,300
SE Fit
0,608
1,091
1,091
Residual
-1,932
-0,000
-0,000
St Resid
-2,13R
* X
* X
Tabla N7.4. Datos y resultados con variables ficticias entregados por Minitab para la
Actividad N4: Prefabricacin de moldajes
101
____________________________________________________________________
Verificacin de supuestos
1. Normalidad
Normal Probability Plot of the Residuals
(response is M2/DIA)
99
95
90
Percent
80
70
60
50
40
30
20
10
5
-2
-1
0
Residual
Residual
-1
-2
18
19
20
21
Fitted Value
22
23
24
102
____________________________________________________________________
con el modelo debido a que de todas formas y aunque se trate de datos atpicos el
modelo entregar una solucin.
3. Independencia
Residuals Versus the Order of the Data
(response is M2/DIA)
2
Residual
-1
-2
2
8
10
12
Observation Order
14
16
18
20
103
____________________________________________________________________
11
12
13
14
15
16
17
18
19
20
2,96
3,2
3,08
2,86
3,33
3,62
3,02
3,4
3,48
3,08
0
0
0
0
1
0
0
1
0
0
0
1
1
0
0
1
0
0
1
0
0
0
0
0
0
0
0
1
1
1
1
0
1
0
1
1
0
0
0
0
1
1
0
1
1
1
1
1
1
1
3,1364
3,188
3,175
2,8287
3,4329
3,4957
2,8287
3,4421
3,5048
3,1455
0
0
1
0
0
0
0
0
0
0
-0,17641
0,012039
-0,095
0,031295
-0,10293
0,124339
0,191295
-0,04207
-0,02479
-0,06554
Tabla N7.5. Datos y resultados con variables ficticias entregados por Minitab para la
Actividad N16: Hormigonado con acarreo vertical y horizontal.
Regression Analysis
The regression equation is
M3/DIA=2,24+0,297CLI1+0,359CLI2+0,317CMO1+0,308CMO2+0,586CMT1+0,265CMT2
Predictor
Constant
CLI1
CLI2
CMO1
CMO2
CMT1
CMT2
Coef
2,2428
0,2965
0,35926
0,3168
0,30770
0,5859
0,2652
S = 0,1583
StDev
0,2285
0,1062
0,08869
0,1044
0,09722
0,2165
0,1865
R-Sq = 78,7%
T
9,82
2,79
4,05
3,03
3,16
2,71
1,42
P
0,000
0,015
0,001
0,010
0,007
0,018
0,179
R-Sq(adj) = 68,8%
Analysis of Variance
Source
Regression
Residual Error
Total
Source
CLI1
CLI2
CMO1
CMO2
CMT1
CMT2
DF
1
1
1
1
1
1
DF
6
13
19
SS
1,19960
0,32558
1,52518
F
7,98
P
0,001
Seq SS
0,17766
0,47190
0,18308
0,15862
0,15769
0,05066
Unusual Observations
Obs
CLI1
M2/DIA
Resid
Luis Antonio Molina Campos
MS
0,19993
0,02504
Fit
StDev Fit
Residual
St
104
____________________________________________________________________
4
2,53R
9
* X
0,00
2,8400
3,1880
0,0784
-0,3480
0,00
3,7700
3,7700
0,1583
-0,0000
Tabla N7.5.1. Datos y resultados con variables ficticias entregados por Minitab para la
Actividad N16: Hormigonado con acarreo vertical y horizontal.
Normal Score
-1
-2
-0,4
-0,3
-0,2
-0,1
0,0
0,1
0,2
Residual
105
____________________________________________________________________
2. Homogeneidad
0,2
Residual
0,1
0,0
-0,1
-0,2
-0,3
-0,4
2,8
2,9
3,0
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
Fitted Value
0,2
Residual
0,1
0,0
-0,1
-0,2
-0,3
-0,4
2
10
12
14
16
18
20
Observation Order
106
____________________________________________________________________
no existen residuos agrupados que indiquen la presencia de correlacin e invaliden la
hiptesis.
7.1.4.- Modelo de Regresin para Actividad: Albailera de soga.
Esta actividad se seleccion adems por tener bastantes mediciones, por tener
mediciones de otros factores como Calidad de las Mquinas Herramientas (CMH), y
Disponibilidad de los Recursos (DRE), es esta actividad se ve paso a paso el
procedimiento de seleccin de factores incidentes y de cmo deben considerarse los
datos en virtud de su carcter nominal.
M2/D
12,5
11
13
14,81
12
15,1
11,94
13
11,6
18,18
14
18,7
22,86
15
12,1
11,27
16 11,85
11,11
17 11,23
21,62
18
19,51
19 20,01
10 19,05
20
M2/D
22
22,3
Los datos fueron medidos considerando los factores de acuerdo a un peso dado por el
autor [Vergara, 2003], Tabla N2.6, se consider un peso de acuerdo al grado de
incidencia del factor, por ejemplo el clima (CLI), se consider 1 para el mal clima o
invierno este factor influye negativamente en el rendimiento, 2 para clima mediano u
otoo con mediana influencia en el rendimiento, y se consider 3 para el clima que
influye positivamente en el rendimiento o verano. Si bien es cierto resulta muy difcil
Luis Antonio Molina Campos
107
____________________________________________________________________
medir el grado de influencia de estos factores tanto con el rendimiento final y el grado
de influencia entre si, esta valorizacin inicial puede ser utilizada para determinar que
tan influyentes son estos factores en el rendimiento o si existe correlacin entre ellos,
pero un modelo final y definitivo debe ser sin duda un modelo de regresin mltiple
con variables ficticias.
Si se ingresa al Minitab la tabla de datos valorizada con los pesos antes mencionados
se tienen los siguientes resultados:
Regression Analysis
Coef
StDev
T
P
6,470
1,775
3,64
0,002
2,142
1,074
2,00
0,064
-2,1276
0,9282
-2,29
0,037
3,986
1,186
3,36
0,004
0,9740
0,9173
1,06
0,305
R-Sq = 84,2%
R-Sq(adj) = 80,0%
Analysis of Variance
Source
Regression
Residual Error
Total
Source
CLI
CMO
CMT
CMH
DF
1
1
1
1
DF
4
15
19
SS
307,204
57,637
364,842
MS
76,801
3,842
F
19,99
P
0,000
Seq SS
232,698
1,427
68,746
4,332
Tabla N7.6.1. Resultados del Anlisis en Minitab para Actividad N18: Albailera de Soga
108
____________________________________________________________________
disponibilidad de los recursos (DRE=3) pues esta se produce precisamente en la
estacin donde hay ms trabajo y mejor clima esto es el verano, lo contrario pasa
cuando la estacin es invierno (CLI=3), la disponibilidad de los recursos es alta
(DRE=3). De acuerdo a lo anterior el factor DRE se eliminar del modelo, y se
sugiere eliminar este factor en mediciones futuras de datos o por lo menos cambiar la
correlacin con la estacin del ao, quizs considerar esta Disponibilidad de los
Recursos con todos los recursos involucrados en el anlisis de costos y no solo con la
mano de obra. De la misma manera debera sacarse del modelo la variable CMH,
pero para este caso se dejar para probar si el modelo de regresin con variables
mltiples nos indica si debe permanecer o ser sacada.
Una vez realizado este primer paso, se estructura una nueva tabla de datos (tabla
N7.7.), considerando ahora las variables ficticias de acuerdo a la tabla N7.2.
12,5
14,81
11,94
18,18
22,86
11,27
11,11
21,62
19,51
10
19,05
11
13
12
15,1
13
11,6
14
18,7
109
____________________________________________________________________
15
12,1
16
11,85
17
11,23
18
22
19
20,01
20
22,3
Tabla N7.7. Datos considerando Actividades Ficticias para Actividad N18: Albailera de
Soga
Predictor
Constant
CLI1
CLI2
CMO1
CMO2
CMT1
CMT2
CMH1
Coef
11,770
6,102
5,780
-4,163
-0,600
6,402
0,390
0,336
S = 1,635
StDev
1,156
1,939
1,769
2,104
1,635
2,230
1,635
1,231
R-Sq = 91,2%
T
10,18
3,15
3,27
-1,98
-0,37
2,87
0,24
0,27
P
0,000
0,008
0,007
0,071
0,720
0,014
0,815
0,790
R-Sq(adj) = 86,1%
Analysis of Variance
Source
Regression
Residual Error
Total
Source
CLI1
CLI2
CMO1
CMO2
CMT1
CMT2
DF
1
1
1
1
1
1
DF
7
12
19
SS
332,778
32,063
364,842
MS
47,540
2,672
F
17,79
P
0,000
Seq SS
131,738
101,634
7,314
0,219
91,522
0,152
110
____________________________________________________________________
CMH1
0,199
Unusual Observations
Obs
CLI1
M3/DIA
5
1,00
22,860
10
0,00
19,050
20
1,00
22,300
Fit
StDev Fit
20,111
1,038
17,676
1,508
23,674
1,508
Residual
2,749
1,374
-1,374
St Resid
2,18R
2,18R
-2,18R
Tabla N7.7.1. Resultados del Anlisis considerando Actividades Ficticias en Minitab para
Actividad N18: Albailera de Soga
Al igual que el anlisis anterior los resultados indican que una variable tiene una alta
correlacin con otra variable X, para este caso la variable corresponde al Factor
CMH2, el sistema elimin esta variable. Tratndose de una variable ficticia no es
posible eliminar del modelo una parte de esta, debido a que CMH2 explica solo una
parte del valor nominal de este factor no se puede eliminar y dejar el valor de CMH1.
Si se analiza la actividad en particular Albailera de Soga, en esta no influyen las
herramientas pues toda la labor la ejecuta principalmente el albail (Mano de Obra) y
no la maquinara aunque se fabrique el mortero en betonera, en la labor de colocacin
de ladrillos solo interviene el trabajador, por lo tanto no presentar problema eliminar
todo el factor (CMH) para los modelos futuros.
Los datos considerando solo CLI, CMO y CMT con variables ficticias y resultados
entregados por Minitab son los siguientes:
N M2/DIA CLI1 CLI2 CMO1 CMO2 CMT1 CMT2 COEF1
FITS1
RESI1
12,5
11,77
14,81
11,94
5,8947
11,77
0,17
18,18
-4,2337
20,125
-1,945
22,86
-0,6
11,27
6,6939
11,56
-0,29
11,11
0,39
11,17
-0,06
21,62
20,125
1,495
13,8211 -1,32105
20,2616 2,59842
111
____________________________________________________________________
9
19,51
20,2616 -0,75158
10
19,05
17,4547 1,59526
11
13
13,8211 -0,82105
12
15,1
13,8211 1,27895
13
11,6
11,77
-0,17
14
18,7
20,125
-1,425
15
12,1
13,8211 -1,72105
16
11,85
11,56
0,29
17
11,23
11,17
0,06
18
22
20,125
1,875
19
20,01
20,2616 -0,25158
20
22,3
23,8953 -1,59526
Tabla N7.8. Datos y resultados con variables ficticias entregados por Minitab para la
Actividad N18: Albailera de Soga.
Regression Analysis
The regression equation is
M2/DIA=11,8+6,03CLI1+5,89CLI2-4,23CMO1-0,60CMO2+6,69CMT1+0,39CMT2
Predictor
Constant
CLI1
CLI2
CMO1
CMO2
CMT1
CMT2
Coef
11,770
6,031
5,895
-4,234
-0,600
6,694
0,390
S = 1,575
StDev
1,114
1,852
1,656
2,012
1,575
1,887
1,575
R-Sq = 91,2%
T
10,57
3,26
3,56
-2,10
-0,38
3,55
0,25
P
0,000
0,006
0,003
0,055
0,709
0,004
0,808
R-Sq(adj) = 87,1%
Analysis of Variance
Source
Regression
Residual Error
Total
Source
CLI1
DF
1
DF
6
13
19
SS
332,580
32,262
364,842
MS
55,430
2,482
F
22,34
P
0,000
Seq SS
131,738
112
____________________________________________________________________
CLI2
CMO1
CMO2
CMT1
CMT2
1
1
1
1
1
101,634
7,314
0,219
91,522
0,152
Tabla N7.8.1. Datos y resultados con variables ficticias entregados por Minitab para la
Actividad N18: Albailera de Soga.
En los anlisis anteriores los resultados indicaban que una variable tiene una alta
correlacin con otra variable X, para este nuevo modelo no se indica correlacin
puesto que la variable CMH (Calidad de las Maquinas Herramientas) se eliminaron
ambas ficticias.
Las variables CMO2 y CMH2 tienen un valor de p mayor a 0,1 lo que indicara que
debe ser retiradas del modelo, pero la igual que los anlisis anteriores no es posible
retirarlas porque son parte de una variable nica CMO (Calidad de la Mano de Obra)
y CMH (Calidad de las Maquinas y Herramientas) respectivamente.
Ahora respecto a que las variables CMO1 y CMO2 tengan un valor de coeficiente
negativo no indica que influyan negativamente es decir a mayor Calidad de Mano de
Obra menor Rendimiento (esto puede ser corroborado por los datos y por la
experiencia en terreno), eso se explica bajo en contexto del modelo general que es un
modelo satisfactorio (R-Sq=91,2%) y que este explica correctamente la variable
(rendimiento), CMO atena el valor general de la ecuacin, y se debe entender
tambin en el alto valor del coeficiente de las otras variables.
Verificacin de supuestos
1. Normalidad
Normal Probability Plot of the Residuals
(response is M3/DIA)
2
Normal Score
-1
-2
-2
-1
Residual
113
____________________________________________________________________
2. Homogeneidad
Residuals Versus the Fitted Values
(response is M3/DIA)
3
Residual
-1
-2
10
15
20
25
Fitted Value
3. Independencia
Residuals Versus the Order of the Data
(response is M3/DIA)
3
Residual
-1
-2
2
10
12
14
16
18
20
Observation Order
114
____________________________________________________________________
7.2.- Estimacin del escenario del proyecto.
Para poder obtener los Rendimientos esperados es necesario establecer un escenario
estimado para la obra en cuestin y los factores que incidirn en las actividades del
presupuesto.
Considerando los diagramas N1.1, N3.1 y N3.2 donde se ejemplifica el
procedimiento de estimacin de rendimientos esperados y se estiman para estos los
factores que le afectan, se puede concluir que cada actividad est influenciada por un
grupo de factores (Clima, Calidad de la Mano de Obra, Calidad de los Materiales,
Calidad de las Maquinaras). Estos factores estimados pueden ser comunes para toda
la obra (y las actividades) y particulares para cada actividad, esto es el factor Clima
(CLI) puede ser comn para toda la obra, o cambiante y particular para cada actividad
dependiendo del tiempo en que se realice la obra y la actividad en estudio.
La estimacin de los factores implica considerar los trminos, supuestos, en los
cuales se realizar la obra y cada actividad, no se debe olvidar que no es ms que una
estimacin del futuro, pero si hay factores que en toda obra se deben considerar o
debe saber con cierta seguridad los aspectos bajo los cuales se efectuar la actividad.
Un buen administrador de obra debe saber o estudiar el clima o los climas bajo los
cuales se realizar la obra y las actividades, quizs no con certeza pero si posee la
herramientas para realizar este supuesto.
De la misma manera debe considerar de antemano la calidad de la mano de obra con
la que realizar la actividad, sea esta de la empresa o a subcontratar, debe saber o
determinar si se contar con mano de obra de buena calidad, mediana o baja calidad
en el momento de programar o realizar el presupuesto, esto no debe ser una
determinacin que se deba tomar en el momento de realizar la obra.
Igual anlisis debe realizar con el resto de los factores incidentes, obviamente estando
en un mundo mas bien aleatorio que determinista no se tiene certeza de que se
produzcan estos factores al momento de realizar la obra u actividad, pero es mejor
115
____________________________________________________________________
tener una estimacin de factores a no tener nada, y si al considerarlos y estudiarlos
aumentan las probabilidades de que los estimados sean los reales.
Los factores estimados se pueden resumir en el diagrama N8.1
Actividad A1
Factores: F11, F1n
An
A2
De
F: F12, Fn
De
De
A3
De =
Cantidad de Obra
Re
F: F13, Fn
De
Modelo de regresin
Obtencin de Ecuaciones y de Re
Para los Factores estimados Fi1 a Fin
116
____________________________________________________________________
5.- Grupo de factores dependiendo de las particularidades comunes de las actividades,
por ejemplo para las confecciones de moldajes se considera un mismo factor de
calidad de la mano de obra.
Al considerar las posibilidades de estimacin, resulta difcil decir cual de ellas es la
mejor, todo depender sin duda de las particularidades de la obra al momento de
decidir como se realizar la estimacin, es ms teniendo en cuenta todas estas
posibilidades quizs se decida por un hibrido de todas, considerando parte de una
para una situacin en particular y otra para otra situacin.
De todas maneras es importante que un administrador de obra tome conciencia de la
importancia de la estimacin de los factores que incidirn en el rendimiento antes de
que se realice la obra, en el momento de presupuestar, a que espere a que el problema
se produzca.
Para el caso de esta investigacin, como el fin es probar que un modelo de regresin
es ms ptimo que un modelo de estimacin PERT, se considera un grupo de factores
comn para todo el proyecto (las 4 actividades consideradas), esto podra asemejarse
con un grupo de actividades de la obra que tienen factores comunes para todas ellas.
Para este efecto se considera que los siguientes factores estimados afectarn el grupo
de actividades a analizar:
CLI=2
CMO=3
CMT=1
Clima Mediano u
Otoo
de obra o Experiencia
materiales
117
____________________________________________________________________
Esta estimacin se realizar para las 4 actividades seleccionadas cuyas ecuaciones se
resumen en 7.3.1. Para el caso de los factores estimados (Tabla N7.9) es necesario
realizar las variables ficticias de estos, las cuales estn dadas en la tabla N7.9.1
CLI=2
CMO=3
CMT=1
Clima Mediano u
Otoo
de obra o Experiencia
materiales
CLI1=0
CMO1=1
CMT1=0
CLI2=1
CMO2=0
CMT2=0
Tabla N7.9.1 Factores estimados para clculo de Re, Con variables ficticias
para Modelo de Regresin.
7.3.1.- Resumen de Ecuaciones
Las ecuaciones obtenidas en los pasos anteriores se resumen en este punto para poder
obtener el Rendimiento esperado (Re) para las actividades seleccionadas.
Actividad N 1: Excavacin en Zanja
M3/DIA=2,52+0,449CLI1+0,332CLI2+0,347CMO1+0,029CMO2+0,520CMT1+0,220CMT2
(7.1)
(7.2)
(7.3)
(7.4)
Escenario
Ficticias
CLI=2
CLI1=0
CLI2=1
CMO=3
CMT=1
Desarrollo:
118
____________________________________________________________________
Re = 2,52 + 0,449 * 0 + 0,032 * 1 + 0,347 *1 + 0,029 * 0 + 0,520 * 0 + 0,220 * 0
Re = 2,52 + 0,332 + 0,347
Re=3,199 m/da
2.- Actividad N 4: Prefabricacin de moldajes
Re = 18,2 + 2,13CLI 1 + 1,27CLI 2 + 0,55CMO1 + 0,12CMO 2 + 2,69CMT 1 + 1,720CMT 2
Escenario
Ficticias
CLI=2
CLI1=0
CLI2=1
CMO=3
CMT=1
Desarrollo:
Escenario
Ficticias
CLI=2
CLI1=0
CLI2=1
CMO=3
CMT=1
Desarrollo:
Re = 2,24 + 0,297 * 0 + 0,359 * 1 + 0,317 *1 + 0,308 * 0 + 0,586 * 0 + 0,265 * 0
Re = 2,24 + 0,359 + 0,317
Re=2,916 m3/da
Escenario
Ficticias
CLI=2
CLI1=0
CLI2=1
CMO=3
CMT=1
____________________________________________________________________
Desarrollo:
Re = 11,8 + 6,03 * 0 + 5,89 * 1 4,23 * 1 0,60 * 0 + 6,69 * 0 + 0,39 * 0
Re = 11,8 + 5,89 4,23
Re=13,46 m2/da
7.4.- Estimacin de Rendimientos Esperados Re, con metodologa PERT
Para el caso PERT es necesario obtener los Rendimientos Optimista, pesimista y
medio para determinar el rendimiento esperado Re, para esto se considerarn las
tablas estadsticas correspondientes a las cuatros actividades seleccionadas, para esto
es posible utilizar los siguientes mtodos:
1.- Primero sin considerar factores. De la tabla estadstica se obtienen el Ro, Rp y Rm
sin considerar los factores para tener ms datos disponibles, esto sin duda aumenta la
variabilidad del resultado.
2.- Considerando un escenario supuesto de factores incidentes en el rendimiento, esto
puede ser para un grupo de actividades, toda la obra, o un perodo en particular de
esta.
Para esta investigacin se estima el escenario supuesto en el modelo de regresin,
(ver tabla N7.9)
Para la metodologa PERT, se consideran los siguientes pasos:
a) De la tabla se considerar el Rendimiento expresado en Unidades Producidas en
un da de trabajo (m/da; m/da)
b) De la tabla estadstica, el menor valor se considerar el Rendimiento pesimista
(Rp)
c) El mayor valor de la tabla, se considerar el Rendimiento optimista (Ro)
d) El promedio matemtico de los rendimientos se considerar como el rendimiento
medio (Rm)
e) El rendimiento esperado (Re) esta dado por la siguiente frmula:
120
____________________________________________________________________
Ro + 4 Rm + Rp
(7.5)
Re =
6
Con los factores estimados (escenario) se extraen de la tabla todos los rendimientos
que cumplan con estas condiciones y se proceder a obtener el Ro, Rm, y Rp, de
acuerdo al criterio de los puntos b), c) y d), y con estos valores se calcular el
Rendimiento esperado de acuerdo a la frmula.
CLI=2
CMO=3
CMT=1
Para este nuevo escenario se tiene la siguiente tabla estadstica, (solo mediciones que
coinciden con los factores del escenario supuesto):
Actividad N 1: Excavacin terreno semi - duro y autosoportante
Ancho excavacin de 40-60 cm
Profundidad de excavacin 60-1m
N
N Med
Actividad
RENDIMIENTO
H / M3 D/M3
RECUR.
M3/D
FACTORES INCIDENTES
excavacin en zanja
2,5
0,313
3,20
Jornal
excavacin en zanja
2,15
0,269
3,72
Jornal
12
excavacin en zanja
0,4
2,597
3,08
Jornal
14
excavacin en zanja
0,5
2,198
3,64
Jornal
18
excavacin en zanja
0,4
2,597
3,08
Jornal
Re =
Ro + 4 Rm + Rp
6
Rm=3,34 m/da
Re =
Rp=3,08 m/da
Re = 3,36
m3
da
121
____________________________________________________________________
2.- Actividad: Prefabricacin de Moldajes
Clculo de Re considerando los factores incidentes de acuerdo al escenario supuesto.
Escenario
CLI=2
CMO=3
CMT=1
N
N
ACTIV.
RENDIMIENTO
RECUR.
FACTORES INCIDENTES
Med
H / M2 D/M
M /D
moldaje
0,38
moldaje
0,39
11
moldaje
0,38
17
moldaje
0,39
122
____________________________________________________________________
Los rendimientos para la metodologa PERT son:
Ro=22,30 m/da
Re =
Ro + 4 Rm + Rp
6
Rm=21,07 m/da
Re =
Rp=20,40 m/da
Re = 21,16
m2
da
1
2
N
Med
ACTIV.
RENDIMIENTO
H / M3
D/M3
M3/D
RECUR
FACTORES INCIDENTES
CLI CMO CMT CMH DRE 0TR
Hormigonado
2.63
0.329
3.04
5 Jornal
11
Hormigonado
2.7
0.338
2.96 5 Jornal
123
____________________________________________________________________
Debido a la poca coincidencia de datos, solo dos mediciones han coincidido con este
segundo escenario, esto anticipa otro problema de la metodologa PERT, que se ver
en los siguientes prrafos y clculos.
Los rendimientos para la metodologa PERT, con el segundo escenario, son:
Ro=3,04 m3/da
Re =
Ro + 4 Rm + Rp
6
Rm=3,00 m3/da
Re =
Rp=2,96 m3/da
Re = 3,00
m3
da
Al analizar las mediciones en terreno de la actividad (Tabla 18, Anexo 3), no hay
coincidencia de factores, para ninguno de los dos escenarios considerados
anteriormente, esto nuevamente presenta un problema para aplicar la metodologa
PERT con factores estimados, no as en una ecuacin de regresin lo que se probar
ms adelante en el captulo de comparacin de metodologas.
Para solucionar este problema se considera un nuevo escenario, escenario tres, para
obtener los datos para PERT y poder comparar con el modelo de regresin.
Este nuevo escenario (escenario 3) es: CLI=2, CMO=3, CMT=2. Es decir clima
mediano, calidad de la mano de obra buena, y calidad de los materiales media.
Clculo de Re considerando los factores incidentes de acuerdo al escenario supuesto.
Para el caso de los factores CLI=2, CMO=3, CMT=1 (Escenario 1), no se tienen
mediciones que cumplan con estos factores supuestos.
Para el caso de los factores CLI=1, CMO=2, CMT=3 (Escenario 2), al igual que el
escenario anterior no se tienen mediciones que cumplan con estos factores supuestos.
Para el tercer escenario CLI=2, CMO=3, CMT=2, se tiene la siguiente tabla de
rendimientos (solo datos que coinciden con el 3er escenario)
Luis Antonio Molina Campos
124
____________________________________________________________________
Actividad N18: Albailera de soga, ladrillo de dimensiones 29 x 14 x 7 cm
Muro emboquillado por ambas caras
Incluye colocacin de escantilln, preparacin de mezcla y traslado de andamios
o caballetes de hasta 1.5 metro de alto.
N
N
ACTIV.
RENDIMIENTO
RECUR
FACTORES INCIDENTES
med
H / M2
D/M
M /D
Albailera
1,6
Albailera
1,9
11
Albailera
1,6
12
Albailera
1,9
15
Albailera
1,5
Re =
Ro + 4 Rm + Rp
6
Rm=13,50 m2/da
Re =
Rp=12,10 m2/da
Re = 13,49
m2
da
125
____________________________________________________________________
7.4.1.- Resumen de Rendimientos obtenidos por metodologa PERT.
Resumen de rendimientos esperados, para las distintas combinaciones de factores
sugeridas:
Actividad
Escenario 1
Escenario 2
Escenario 3
CLI=2 CMO =3CMT=1 CLI=1 CMO =2CMT=3 CLI=2 CMO =3CMT=2
Re
Rm
Re
Rm
Re
Rm
Excavacin en zanja
3,36
M3/da
Prefabricacin de
Moldajes
Hormigonado
Albailera de Soga
3,34
M3/da
21,16
21,07
M2/da
M2/da
3,00
M3/da
3,00
M3/da
13,49
M2/da
13,50
M2/da
126
____________________________________________________________________
CAPTULO VIII.- Comparacin de resultados.
En este captulo se compararn los resultados del Rendimiento esperado (Re)
obtenidos con ambas metodologas, para facilitar este anlisis se ocuparn las tablas
resumen de resultados obtenidas en el captulo anterior.
Para el caso de la metodologa PERT se debe recordar que para tres actividades no se
tenan datos estadsticos para el primer escenario, por lo cual se debi considerar
otros dos escenarios con el fin de obtener resultados comparables, de acuerdo a esto
la tabla resumen para la metodologa de regresin considera la columnas de los
escenarios 2 y 3 pero no se necesitan calcular Re, puesto que se obtienen con el
escenario supuesto inicial (escenario 1).
Para las comparaciones de resultados se ha considerado beneficioso incorporar para
cada dato de Rendimiento esperado (Re) el Rendimiento medio o matemtico (Rm),
para el caso del mtodo PERT es el promedio de los datos de cada escenarios, para el
modelo de regresin el Rendimiento medio (Re) corresponde a la media de todos los
datos estadsticos de cada actividad.
Resumen de resultados de Rendimientos esperados (Re) obtenidos con la
metodologa de regresin:
Actividad
Escenario 1
Escenario 2
Escenario 3
CLI=2 CMO =3CMT=1 CLI=1 CMO =2CMT=3 CLI=2 CMO =3CMT=2
Re
Rm
Re
Rm
Re
Rm
3,19
M3/da
3,12
20,02
21,56
M2/da
M2/da
Hormigonado
2,916
M3/da
3,25
M3/da
Albailera de Soga
13,46
M2/da
16,04
M2/da
Excavacin en zanja
Prefabricacin de
Moldajes
127
____________________________________________________________________
Resumen de resultados de Rendimientos esperados (Re) obtenidos con la el mtodo
PERT:
Actividad
Excavacin en zanja
Escenario 1
Escenario 2
Escenario 3
CLI=2 CMO =3CMT=1 CLI=2 CMO =3CMT=1 CLI=2 CMO =3CMT=1
Re
Rm
Re
Rm
Re
Rm
3,36
M3/da
3,34
Prefabricacin de
Moldajes
Hormigonado
21,16
21,07
M2/da
M2/da
3,00
M3/da
3,00
M3/da
Albailera de Soga
13,49
M2/da
13,50
M2/da
128
____________________________________________________________________
1.- Para la estimacin de Rendimiento esperado (Re) por medio de modelo de
regresin, el modelo pudo ser probado para todas las actividades estudiadas en el
escenario considerado sin necesidad de cambiarlo o de ser modificado.
2.- Para el caso de la metodologa PERT:
a)
para el escenario supuesto, por lo que se tubo que generar otro escenario
estimado (escenario 2)
c)
129
____________________________________________________________________
En general se puede apreciar que el Rendimiento esperado (Re) se aproxima casi
un 100% al Rendimiento medio (Rm), (ver tabla N9.2), la mayor diferencia es
de 0,09 m3/da dicha diferencia es irrelevante al momento de considerar un
rendimiento. De acuerdo a esto se tiende a pensar que es mejor utilizar un
promedio matemtico a la metodologa de estimacin de rendimiento PERT.
distintos
rendimientos
esperados
para
distintos
escenarios
considerados.
130
____________________________________________________________________
8.1.3.- Comparacin de los modelos con distintos escenarios.
Es importante tambin comparar el comportamiento de las dos metodologas antes
distintos escenarios supuestos, esto es valido puesto que cuando se estiman
rendimientos en el rea de la construccin una actividad se ve enfrentada a distintos
factores (escenarios) ya sea de calidad de mano de obra, o materiales, a distintos
climas en el perodos que dure al obra, por nombrar algunos factores entre los
considerados.
Se pudo apreciar en el punto 8.1.1. que la nica manera de poder utilizar PERT para
distintos escenarios es poseer datos para estos, y que para distintos escenarios la
mayor parte de la veces el rendimiento esperado tiende a la media matemtica. El no
poseer datos es fcilmente remediable efectuando un buen control de las obras
midiendo rendimientos reales con los factores influyentes, labor que la empresa
constructora debe realizar si quiere ser competitiva. La tendencia de rendimiento
esperado no es fcil de remediar puesto que la metodologa PERT no considera en su
frmula la influencia de los factores incidentes.
En el caso de la estimacin de Rendimientos esperados por modelos de regresin, es
muy fcil incorporar distintos escenarios puesto que las frmulas consideran la
influencia de cada uno de estos en las frmulas que se entrega el mtodo.
Para probar lo anterior se considerarn las frmulas anteriores y los escenarios
considerados en la metodologa PERT, asumiendo que son distintos escenarios para
las actividades en distinto perodo de la obra.
Para simplificar el clculo y anlisis se detallan la ecuaciones obtenidas
anteriormente.
Actividad N 1: Excavacin en Zanja
M3/DIA=2,52+0,449CLI1+0,332CLI2+0,347CMO1+0,029CMO2+0,520CMT1+0,220CMT2
(7.1)
(7.2)
(7.3)
131
____________________________________________________________________
Actividad N 18: Albailera de Soga
M2/DIA=11,8+6,03CLI1+5,89CLI2-4,23CMO1-0,60CMO2+6,69CMT1+0,39CMT2
Actividad
(7.4)
Escenario 1
CLI=2 CMO =3CMT=1
CLI1=0 CLI2=1
CMO1=1 CMO2=0
CMT1=0 CMT2=0
Re
Rm
Escenario 2
CLI=1 CMO =2CMT=3
CLI1=0 CLI2=0
CMO1=0 CMO2=1
CMT1=1 CMT2=0
Re
Rm
Escenario 3
CLI=2 CMO =3CMT=2
CLI1=0 CLI2=1
CMO1=1 CMO2=0
CMT1=0 CMT2=1
Re
Rm
3,19
M3/da
3,12
M3/da
3,07
M3/da
3,449
M3/da
20,02
21,56
21,44
21,56
M2/da
M2/da
M2/da
M2/da
Hormigonado
2,916
M3/da
3,25
M3/da
3,14
M3/da
3,181
M3/da
Albailera de Soga
13,46
M2/da
16,04
M2/da
17,89
M2/da
13,99
M2/da
Excavacin en zanja
Prefabricacin de
Moldajes
Se puede apreciar que para cada escenario en particular se marca una tendencia al
factor o los factores que predominan, por ejemplo para el escenario 2 se puede
apreciar que los datos medidos marcan una mayor tendencia de la calidad de los
materiales sobre la calidad de la mano de obra, esto considerando que el resultado del
rendimiento esperado para el escenario 2 es mayor que para el escenario 1 de las 3
ltimas actividades.
Es importante considerar que los modelos de regresin marcan las tendencias dadas
en los datos estadsticos medidos, de esta manera se debe tener especial cuidado en la
veracidad de los datos medidos, y del personal que se enve a medir estos
rendimientos reales y los factores que les influyen, una mala toma de datos tiene
directa relacin con el resultado final de la estimacin y llevar a que cualquier
mtodo por bueno que sea deje de dar resultados confiables.
Luis Antonio Molina Campos
132
____________________________________________________________________
CONCLUSIONES
De acuerdo a los datos disponibles, Rendimientos reales con los factores que le
afectan, se puede concluir que es ms ptimo un modelo de regresin multivariable
con actividades ficticias que la metodologa PERT en la estimacin de Rendimientos
esperados para actividades de construccin.
El modelo de Regresin presenta varias ventajas comparativas con respecto al PERT,
como por ejemplo; que el valor del Rendimiento esperado (variable dependiente)
obtenido por el modelo no siempre se acercaba a la media, esto quiere decir que no es
un sistema que solo considere este supuesto, es decir presenta variabilidad en su
comportamiento, y esta variabilidad es obviamente atribuible a los factores que lo
afectan (variables independientes).
Se puede ver claramente que a mayor incidencia de los factores mayor es el
rendimiento esperado, de acuerdo a esto el modelo de regresin marca la tendencia de
estos factores, dicha situacin no la considera PERT en su frmula, si podemos decir
que es posible seleccionar las actividades que cumplen los factores supuestos para
que sea considerada la tendencia en la frmula, pero, tambin se vi en la
investigacin que no siempre se contaban con datos de factores considerados, es decir
si sabemos que algunos de ellos afectarn la actividad y no se tienen tabulados en
tablas estadsticas el comportamiento de estos factores en el rendimiento se dificulta
establecer un clculo por PERT con factores incidentes.
Es posible con la ecuaciones obtenidas por el mtodo de regresin considerar
cualquier escenario de factores (variables independientes), y se obtendr un
Rendimiento esperado para este escenario.
Al igual que PERT que considera un anlisis probabilstico, el anlisis de regresin
tambin presenta un anlisis al respecto, y aun ms acabado que PERT.
Se tienen softwares disponibles para el uso de modelos de regresin, pero se debe
considerar que el uso de estos ha hecho olvidar que se trata de tcnicas complejas que
requieren de ciertos conocimientos de la metodologa, es necesario entonces describir
Luis Antonio Molina Campos
133
____________________________________________________________________
ms en extenso los resultados y necesariamente explicarlos, no se debe comunicar los
resultados como si la propia ecuacin sea un artculo de fe.
Se debe realizar una investigacin ms profunda para analizar todos los factores que
implica un anlisis de regresin; como por ejemplo variables de confusin; situacin
importante para ver la relacin entre las variables; analizar la importancia de stas; el
orden, por ejemplo realizar para los datos de esta investigacin varias regresiones con
distintos orden de las variables (factores) en el modelo; realizar regresin hacia
delante y hacia atrs; analizar la incorporacin de otras variables, como calidad de
maquinas y equipos, disponibilidad de la mano de obra, entre otros.
Es importante considerar que los modelos de regresin marcan las tendencias dadas
en los datos estadsticos medidos, de esta manera se debe tener especial cuidado en la
veracidad de los datos medidos, y del personal que se enve a medir estos
rendimientos reales y los factores que les influyen, una mala toma de datos tiene
directa relacin con el resultado final de la estimacin y llevar a que cualquier
mtodo por bueno que sea deje de dar resultados confiables.
Se sugiere para la metodologa de regresin considerar un estudio ms profundo,
como por ejemplo, aplicar funciones exponencial o logartmica a la curva entregada
por el modelo.
Sin duda el modelo de regresin no es lo mejor para estimar rendimientos, pues es
difcil de probar, ya que solo se est comprando con el sistema PERT, y se puede aun
mejorar ms el estudio, pero es sin duda una mejor estimacin a lo que hay, y
presenta distintos escenarios.
El rea de la construccin, actualmente, es muy cambiante y est influenciado por
muchos factores, y esta influencia debe ser medida y considerara en la estimacin de
rendimientos, y este modelo propuesto presenta ventajas comparativas a lo que se usa
actualmente: modelos determinsticos, y en el mejor de los casos una adaptacin del
PERT en la estimacin.
134
____________________________________________________________________
Es importante, tambin, que el rea de la construccin cambie la mentalidad de
industria itinerante al no considerar los factores incidentes, o no tener tablas de
rendimientos de las obras, el tener datos estadsticos nos obliga de una manera u otra
a utilizarlos en la estimacin de nuestras obras, la metodologa de regresin es solo
una de las posibles tcnicas a utilizar.
Es importante entonces que ahora que se pretende que las obras seas dirigidas por
Ingenieros Constructores, estos utilicen tcnicas ingenieriles en la estimacin de los
rendimientos, considerando que estos regirn tanto las duraciones como el costo de
las actividades y de la obra en si.
Pero sin duda se puede concluir que el objetivo principal de mostrar que es ms
satisfactorio un Modelo de Prediccin que la metodologa PERT se ha cumplido con
creces pues presenta muchas ventajas comparativas.
135
____________________________________________________________________
BIBLIOGRAFIA
[VIVALLOS Alejandra, 2002], Proposicin de metodologa prctica para el estudio
de programacin de obras de viviendas de dos pisos, en base a procesos comunes.
Tesis para optar al Grado de Licenciada en Ciencias de la Construccin.
Universidad del Bo-Bo, Escuela de Construccin Civil
Concepcin Chile 2002
[ALBALA, Amrico, 1993], Direccin de proyectos, teora y prctica
Ediciones del Colegio de Ingenieros de Chile
3 edicin, Santiago Chile, 1993.
[ANTILL, James, 1995], Mtodo de la ruta crtica y sus aplicaciones a la
construccin Woodhead, Ronald
Editorial Limusa, 2 edicin, Mxico 1995.
[ARRIAGADA, Gustavo], Administracin integral de proyectos
Ediciones del Colegio de Ingenieros de Chile
1 edicin, Santiago Chile 1988.
[BADILLO, Alexandra, 2000], Sistemas de planificacin utilizados en proyectos
locales de edificacin
Tesis para optar al Grado de Licenciada en Ciencias de la Construccin
Universidad del Bio-Bio, Escuela de Construccin Civil
Concepcin Chile 2000
[BOWKER, Albert
Hispanoamericana.
H.,
1981],
Estadstica
para
ingenieros,
Prentice-Hall
136
____________________________________________________________________
[ANTILL, James M , 1995]., Mtodo de la ruta crtica y sus aplicaciones a la
construccin, Limusa.
[LARENAS, Gerardo, 1999], Programacin y control de proyectos, Rojas Eberhard
Editores.
[SERPELL A. B y Luis F. Alarcn C, 2000], Planificacin y Control de Proyectos,.
Ediciones Universidad Catlica de Chile.
[MOLINA Luis A., 1999], Modelo Probabilstico de Estudios de Presupuestos,
Direccin de Investigacin N 982202-4, Universidad del Bo-Bo.
[MOLINA Luis A., 2000],, Modelo Probabilstico de Estudios de Presupuestos, fase
II, Direccin de Investigacin N 001725-3, Universidad del Bo-Bo.
[VERGARA Cristin, 2003], Anlisis de Rendimientos en obra gruesa con factores
incidentes.
Tesis de grado, Carrera de Ingeniera en Construccin, Universidad del Bo-Bo.
[MARTIN, William R, 1972], Aplicacin de las tcnicas PERT / CPM a la
planificacin y control de la construccin, Blume.
[ZIGA Carlos 2004], Proposicin de un estudio de rendimientos probabilsticos
considerando factores incidentes, en terminacin en obras de edificacin.
Tesis de grado, Carrera de Ingeniera en Construccin, Universidad del Bo-Bo.
[SALGADO, 2002], Estudio del rendimiento de la mano de obra, en la actividad
montaje de estructura de madera laminada.
Tesis de grado, Carrera de Ingeniera en Construccin, Universidad del Bo-Bo.
[PRIDA, Jos 1997], Configuracin de Presupuestos en Empresas Constructoras de
Santiago, Memoria de Titulo, Universidad Nacional Andrs Bello
[REYES, Javier 1997], Sistemas de Programacin utilizados en las Constructoras de
Santiago, Memoria de Titulo, Universidad Nacional Andrs Bello.
[SANTANA, 1986], Introduccin a la programacin y control de obras de
construccin
Universidad de la Serena, La Serena, Chile
137
____________________________________________________________________
[WALPOLE et al, 1992], Probabilidad y Estadstica
Ediciones Mc Graw Hill 4a edicin, Mxico.
[Wagner Gerhard, 1979] Los sistemas de planificacin CPM y PERT aplicados a la
construccin, Barcelona :G. Gili.
[Dressel, Gerhard, 1979] Organizacin de la empresa constructora, Barcelona :ETA.
[Martin, William R., 1972] Aplicacin de las tcnicas PERT / CPM a la planificacin
y control de la construccin / Edicin : 1a ed. espaola. Barcelona : Blume,1972.
[Hair, Joseph F, 1999] Anlisis multivariante, Madrid :Prentice-Hall,1999.
138
____________________________________________________________________
ANEXOS
139
____________________________________________________________________
Anexo 1: Encuesta para determinacin de factores incidentes en los rendimientos
ENCUESTA A PROFESIONALES DEL AREA DE LA CONSTRUCCIN
Resumen: Es comn que los presupuestos de construccin previstos difieran del real, esto es debido a
diferentes factores que no sea han considerado o que deberan considerarse y que afectan de una u otra
manera los rendimientos de cada partida, esta encuesta pretende obtener los factores principales que
afectan este presupuesto desde el punto de vista de distintos profesionales del rea de la construccin,
como Ingenieros, Constructores, Arquitectos y acadmicos.
AOS
AREA DE EXPERIENCIA
CONSTRUCCIN DIRECTA
ASESORIA CONSTRUCCIN
INGENIERA
ARQUITECTURA
DOCENCIA EN EL REA
OTRA REA
NOTA: (Indique cualquier nota al respecto de vuestra experiencia profesional que Ud. considere relevante)
140
____________________________________________________________________
2.- IDENTIFICACIN DE FACTORES
En su opinin y de acuerdo a su experiencia cual cree Ud. que son los factores que
influyen en el resultado final del presupuesto afectando los rendimientos, por ejemplo
Clima.
FACTORES QUE AFECTAN LOS RENDIMIENTOS:
(Indique Los factores que Ud. considere que afectan los rendimientos, solo anote la cantidad que Ud. considere
influyente)
1
7
2
8
3
9
4
10
5
11
6
12
RANGO EN QUE VARIAN LOS FACTORES
(Respecto a los factores mencionados anteriormente como cree Ud. que varan, por
ejemplo Clima rangos: seco, templado, lluvioso, o si Ud. cree que debera existir un
mtodo comn de valorizarlos, como de 0 a 3 o similar)
1
2
3
4
5
6
7
8
9
10
11
12
Considero que debera existir un mtodo comn de valorizacin de
rangos.
141
____________________________________________________________________
ANEXO 2 Procedimiento de seleccin del modelo de regresin a utilizar.
Se analiza un modelo de regresin considerando los pesos determinados en
[Ziga, 2003], en que se utilizaron factores de acuerdo a pesos numricos y no
variables ficticias, considerando los verdaderos estados de los factores seleccionados.
Es necesario realizar un anlisis previo de los factores y su grado de influencia
en el valor final del rendimiento con el fin de simplificar el modelo para cada
actividad analizada.
Para poder pronosticar el rendimiento esperado se necesita construir el modelo
ms adecuado, para lo que se considera una tabla que contiene 20 mediciones de
rendimientos tomados en terreno para la actividad Excavacin en zanja los cuales
estn influenciados por 3 factores, dichos factores son independientes entre si.
Clima (CLI)
estados en los cuales se puede presentar, para lo que se consider una valorizacin
respecto al peso e incidencia supuesta del factor en el rendimiento, este peso tiene
valores de 1 a 3, tal como se muestra en la siguiente tabla.
Factor
Invierno
Otoo
Primavera-Verano
Calidad
Mala
mano de
Segunda
Clima (CLI)
Calidad
Mala calidad
materiales
Mediana calidad
(CMT)
Buena calidad
[Ziga, 2004]
142
____________________________________________________________________
En la columna estado del factor de la tabla anterior, no es necesario para cada
factor considerar el estado definido como no influye (Tabla N2.6), ya que para
este caso en particular los tres factores considerado si tienen influencia en el valor
final del rendimiento.
En muchas ocasiones el factor simplemente no se manifestar y en este estado
el factor simplemente se elimina de la ecuacin y del modelo de regresin. Sin
embargo es importante sealarlo de alguna forma para efectos de clculos.
CMO CMT
3,63
11
3,48
3,20
12
3,08
2,81
13
2,76
3,72
14
3,64
3,27
15
3,20
2,69
16
2,71
2,84
17
2,81
3,08
18
3,08
3,14
19
3,08
10
3,08
20
3,02
[Vergara, 2003]
Anlisis Grfico
143
____________________________________________________________________
tabla de datos anterior se puede observar si existe un patrn, de esta manera se puede
determinar si el proceso es:
Constante
Con tendencia
Estacional
Rendimiento
3.50
3.00
2.50
Serie1
2.00
1.50
1.00
0.50
0.00
0
10 11 12 13 14 15 16 17 18 19 20 21
N de medicin
144
____________________________________________________________________
Comportamiento del rendimiento frente al factor
clima
CLI
0
2.0
2.2
2.4
2.6
2.8
3.0
3.2
3.4
3.6
3.8
4.0
Rendimiento
CMO
0
2.0
2.2
2.4
2.6
2.8
3.0
3.2
3.4
3.6
3.8
4.0
Rendimiento
145
____________________________________________________________________
De acuerdo al grfico anterior se puede analizar que para el peso 3 que
corresponde de acuerdo al peso a una mano de obra de Primera los rendimientos son
mayores lo que es totalmente lgico.
CMT
0
2.0
2.2
2.4
2.6
2.8
3.0
3.2
3.4
3.6
3.8
4.0
Rendimiento
En este grfico se puede apreciar que para el peso 1 que corresponde a una
mala calidad de los materiales existen buenos rendimientos, sin embargo, esto se
explica ya que para estos datos que en general corresponden a la observacin N4 y
N 14 la calidad de la mano de obra es de Primera y el clima es relativamente bueno.
En resumen al analizar la incidencia de estos factores en el resultado final del
rendimiento, es obvio que existen variables independientes que influyen en el
resultado. Esto implica que deben ser considerados, de acuerdo a esto lo ms ptimo
es considerar un Modelo de Regresin de Mltiples variables.
En el anlisis anterior solo se consider un peso numrico para cada factor, lo
que sin duda es un error, si se analiza el factor Calidad Mano de Obra, CMO, si bien
es cierto se consider un peso mayor para una calidad buena (3) y un peso inferior
Luis Antonio Molina Campos
146
____________________________________________________________________
para la calidad mala (1), es prcticamente imposible medir que valor numrico
adoptara cada estado de la calidad en cada actividad (y para el resto de los factores),
es ms un buen modelo de regresin debera considerar las variables conceptuales o
variables ficticias, (dummy), tal como se ver en el siguiente punto.
Independientes
Nombre
Notacin
Rendimiento ( R )
Clima (CLI)
X1
X2
X3
(A.1)
R t = b 0 + b 1 CLI t + b 2 CMO t + b 3 CMT t + t
Sin embargo esta estimacin ser escasa de exactitud debido a que todas las
variables independientes son nominales y no se est tomando en cuenta los distintos
estados que toma cada variable, por lo tanto, ser necesario la construccin de
variables ficticias para lo que se considerar la tabla (A.3) previamente reordenada
para que la variable ms desfavorable sea considerada cero, aunque como se coment
en un capitulo anterior esto es arbitrario.
Luis Antonio Molina Campos
147
____________________________________________________________________
Se deben crear k-1 variables ficticias. En este caso todos los factores tienen 3
categoras o estados, por lo que se debe crear 3-1=2 variables ficticias, para mejor
comprensin del mtodo se considerar el nombre de la variable ficticia similar al
factor considerado.
La tabla para los factores con variables ficticias es:
Variables Ficticias
Factor
Clima (CLI)
Factor
CLI1
CLI2
Primavera-Verano
Otoo
Invierno
CMO1
CMO2
Primera
Segunda
Mala
Calidad mano de
obra (CMO)
Factor
CMT1
CMT2
Buena calidad
Mediana calidad
Mala calidad
Calidad materiales
(CMT)
3,63
3,20
2,81
3,72
3,27
2,69
2,84
3,08
148
____________________________________________________________________
9
3,14
10
3,08
11
3,48
12
3,08
13
2,76
14
3,64
15
3,20
16
2,71
17
2,81
18
3,08
19
3,08
20
3,02
Variables
independientes
CLI1
X1
CLI2
X2
CMO1
X3
CMO2
X4
CMT1
X5
CMT2
X6
(A.2)
149
____________________________________________________________________
Determinacin de coeficientes
y i = b 0 + b1X 1 i + b 2 X 2 i + ... + b k X ki +
(A.3)
y = Xb +
(A.4)
Donde:
y1
y
y = 2
M
yn
1 X11
1 X
12
X=
M M
1 X1n
b0
X 21 L X k1
b
1
X 22 L X k 2
b = b 2
M
M
M
X 2 n L X kn
b k
(A.5)
150
____________________________________________________________________
b =
(X
(A.6)
1
1
1
1
1
1
1
X=
1
1
1
1
1
1
1
1
1 0 1 0 0 1
0 1 1 0 0 0
0 1 0 0 0 0
0 1 1 0 1 0
1 0 0 1 0 1
0 0 0 0 0 1
0 0 0 1 0 1
0 1 0 0 0 1
1 0 0 0 0 0
0 1 0 0 0 1
1 0 1 0 0 1
0 1 1 0 0 0
0 1 0 0 0 0
0 1 1 0 0 0
1 0 0 1 0 1
0 0 0 1 0 1
0 0 0 1 0 1
0 1 1 0 0 0
1 0 1 0 0 0
0 1 0 1 0 1
3.63
3.20
2.81
3.72
3.27
2.69
2.84
3.08
3.14
3.08
y=
3.48
3.08
2.76
3.64
3.20
2.71
2.81
3.08
3.08
3.02
0 . 332
b = 0 . 347
0 . 029
0 . 520
0 . 220
151
____________________________________________________________________
Posteriormente reemplazando los coeficientes en la ecuacin de regresin se
tiene que:
R=2.52+0.449CLI1+0.332CLI2+0.347CMO1+0.229CMO2+0.520CMT+0.22CMT2
Con esta frmula se puede estimar el valor del rendimiento para la actividad
excavacin para cualquier tipo y combinacin de factores.
Luego con la ecuacin es necesario calcular los rendimientos estimados para
cada una de las observaciones para de esta forma calcular los errores para cada una de
las observaciones.
Valor
estimado
CLI1
CLI2
CMO1
CMO2
CMT1
CMT2
rendimiento
m3/da
Residuo
3,63
3,536
0,094
3,20
3,199
0,001
2,81
2,852
-0,042
3,72
3,719
0,001
3,27
3,218
0,052
2,69
2,740
-0,050
2,84
2,769
0,071
3,08
3,072
0,008
3,14
2,969
0,171
10
3,08
3,072
0,008
11
3,48
3,536
-0,056
12
3,08
3,199
-0,119
13
2,76
2,852
-0,092
14
3,64
3,199
0,441
15
3,20
3,218
-0,018
16
2,71
2,769
-0,059
17
2,81
2,769
0,041
18
3,08
3,199
-0,119
19
3,08
3,316
-0,236
20
3,02
3,101
-0,081
152
____________________________________________________________________
Un aspecto que se olvida frecuentemente es que los modelos de regresin se
basan en hacer unas determinadas suposiciones sobre los datos y que stas no siempre
se cumplen, por lo que es preciso comprobar si las hiptesis bsicas del modelo se
dan en los datos considerados para la actividad Excavacin en zanja. Es lo que se
conoce como diagnstico del modelo.
En el caso de los modelos de regresin lineal se utiliza el concepto de
residuo: diferencia entre el valor observado y el valor estimado por la ecuacin de
regresin, es decir lo que la ecuacin de regresin no explica para cada unidad de
observacin.
En un modelo de regresin lineal que sea adecuado los residuos deben seguir
una distribucin normal con media 0 y varianza constante, por lo que un posible
diagnstico puede ser comprobar esa situacin. Se puede efectuar de manera formal o
mediante una grfica en la que se representa el valor de los residuos (producto de la
resta del rendimiento observado menos el rendimiento estimado por la ecuacin)
frente al valor estimado o rendimiento estimado
Residuos v/s Rendim ientos estim ados
0.5
0.4
Residuos
0.3
0.2
0.1
0.0
2.6
-0.1
2.8
3.0
3.2
3.4
3.6
3.8
4.0
-0.2
-0.3
153
____________________________________________________________________
En el grfico anterior se puede observar que en este ejemplo efectivamente los
residuos se distribuyen de forma simtrica a ambos lados del eje 0 y lo largo de todo
el rango de valores de la estimacin y la variabilidad parece constante. En resumen
existe cierta uniformidad de los residuos para los distintos valores de los rendimientos
esperados, con la excepcin de uno que corresponde a la observacin N14 el cual
puede corresponder a un dato anmalo.
Valores anmalos
Los valores extraos son aquellos datos extremos, que parecen anmalos, y
que generalmente son debido a errores de registro al introducir los datos, pero en
otras son valores correctos realmente observados. En el caso de la regresin su
presencia puede alterar de forma notable los resultados, por lo que es labor del
investigador decidir si este dato debe o no ser eliminado.
Validacin del modelo
Un ndice empleado para validar el modelo consiste en calcular el coeficiente
de determinacin R, el que puede ser medido como un porcentaje donde se establece
que para un coeficiente de determinacin mayor a 75% el modelo es valido. [Hair,
1999]
Descomposicin de la variabilidad
Si se observa la tabla de datos (A.5) se puede notar que los datos medidos
para el rendimiento no son todos iguales, es decir existe una variabilidad de estos que
se mide con la cantidad:
n
VT = (y i y )
i =1
Esta variabilidad total est evaluada con n-1 grados de libertad, por tanto la
varianza de los datos ser
S 2y =
VT
n 1
154
____________________________________________________________________
La variabilidad de los residuos es conocida como la variabilidad no
explicada por el modelo y se mide por la cantidad:
n
VNE = (y i y i )
i =1
n
VNE = e i2
i =1
Esta variabilidad esta evaluada con n-(k+1) grados de libertad, por tanto la
varianza residual ser:
S 2R =
VNE
n (k + 1)
La variabilidad explicada por el modelo es la resta de la variabilidad total
2
VE = (y i y )
i =1
S 2reg =
VE
k
Tabla Adeva
de cuadrados
variaciones
Grados de
Varianzas
libertad
Regresin
VE
S 2reg =
Residual
VNE
n-(k+1)
S 2R =
VNE
n k 1
Total
VT
n-1
S 2y =
VT
n 1
VE
k
155
____________________________________________________________________
Resultados Adeva para actividad Excavacin en zanja
Clculo de k
k= En este caso hay que recordar que el valor k es el nmero de variables
Clima
CLI1
CLI2
CMO1
CMO2
CMT1
CMT2
En este caso no hay que realizar clculos debido a que el valor n corresponde
al tamao de la muestra o nmero de observaciones de rendimientos, el cul
corresponde a 20 observaciones.
Clculo de VT
i =1
Luego:
Luis Antonio Molina Campos
156
____________________________________________________________________
R=
(3.63+3.20+2.81+3.72+3.27+2.69+2.84+3.08+3.14+3.08+3.48+3.08+2.76+3.64+3.20+2.71+2.81+3.08+3.08+3.02)
20
R = 3.116
luego
VT = (3.63 3.116) + (3.20 3.116) + (2.81 3.116) + K + (3.02 3.116)
2
VT = 1.824
VNE = R i R i
i =1
Luego
VNE = (3.63 3.536) + (3.20 3.199) + (2.81 2.852) + K + (3.02 3.101)
2
VNE = 0.352
Clculo del VE
VE = R i R
i =1
VE = 1.472
157
____________________________________________________________________
Calculo de Tabla Adeva
Fuentes de
de
Grados de
variaciones
cuadrados
libertad
Regresin
VE
S 2reg =
Residual
VNE = 0.352
20-(6+1)=13
S 2R =
VNE
0.352
=
= 0.027
n k 1
13
Total
VT
20-1=19
S 2y =
VT 1.824
=
= 0.096
n 1
19
= 1.472
= 1.824
Varianzas
VE 1.472
=
= 0.245
k
6
Estas variaciones son sumas de cuadrados divididas por los grados de libertad
que reciben el nombre de cuadrados medios. Al hacer el cuociente entre el cuadrado
medio debido a la regresin que en este caso, corresponde a aquel debido a la VE, y
el cuadrado medio del error que corresponde a la VNE, dar origen al valor de F
tabulado de acuerdo con los grados de libertad y el nivel de significancia.
Todos estos valores tienen la funcin de llegar a validar el modelo ya que de
acuerdo a estos se demostrarn si se cumplen las hiptesis bsicas del modelo.
Estos valores se analizarn una vez que se cuente con todos los datos para la
investigacin y se defina el software a utilizar de manera de sistematizar el
procedimiento.
Coeficiente de determinacin ( R )
Es la proporcin de variabilidad explicada por las variables explicativa y se
denota como
R2 =
VE
VT
Luego:
Luis Antonio Molina Campos
158
____________________________________________________________________
1.472
R2 =
= 0.80
1.824
Sin duda el ejemplo cumpli el objetivo de determinacin del modelo de
regresin ideal a utilizar en la estimacin de Rendimientos Esperados, dicho modelo
se utilizar en el anlisis de las siguientes actividades elegidas para probar la hiptesis
de que es ms optimo un modelo de regresin que el sistema PERT en la estimacin
del rendimiento esperado.
Se puede decir que el modelo realizado para la actividad Excavacin en zanja
es vlido debido a que el coeficiente de determinacin es de 80% lo que demuestra
que el modelo es muy bueno debido que para validar el modelo se necesita un R
>75%.
159
____________________________________________________________________
Anexo 3: Tablas estadsticas de rendimientos de obra gruesa
1.- Actividad: Excavacin terreno semi - duro y autosoportante
Ancho excavacin de 40-60 cm
Profundidad de excavacin 60-1m
obra/
N
Actividad
RENDIMIENTO
RECUR.
FACTORES INCIDENTES
proced
H / M3 D/M3
M3/D
excavacin en zanja
inter.
2,2
0,275
3,63
Jornal
excavacin en zanja
inter.
2,5
0,313
3,20
Jornal
excavacin en zanja
inter.
2,85
0,356
2,81
Jornal
excavacin en zanja
inter.
2,15
0,269
3,72
Jornal
excavacin en zanja
inter.
2,45
0,306
3,27
Jornal
excavacin en zanja
inter.
2,97
0,371
2,69
Jornal
excavacin en zanja
inter.
2,82
0,353
2,84
Jornal
excavacin en zanja
inter.
2,6
0,325
3,08
Jornal
excavacin en zanja
inter.
2,55
0,319
3,14
Jornal
10 excavacin en zanja
inter.
2,6
0,325
3,08
Jornal
11 excavacin en zanja
inter.
0,4
2,299
3,48
Jornal
12 excavacin en zanja
inter.
0,4
2,597
3,08
Jornal
13 excavacin en zanja
inter.
0,3
2,899
2,76
Jornal
14 excavacin en zanja
inter.
0,5
2,198
3,64
Jornal
15 excavacin en zanja
inter.
0,4
2,500
3,20
Jornal
16 excavacin en zanja
inter.
0,3
2,952
2,71
Jornal
17 excavacin en zanja
inter.
0,4
2,847
2,81
Jornal
18 excavacin en zanja
inter.
0,4
2,597
3,08
Jornal
19 excavacin en zanja
inter.
0,4
2,597
3,08
Jornal
20 excavacin en zanja
inter.
0,4
2,649
3,02
Jornal
160
____________________________________________________________________
2.- Actividad: Relleno Estructural Con Grava
Relleno Estructural Con Grava E=8 Cm
Incluye: Esparcimiento, Apisonado Y Nivelacin
OBRA/
N
ACTIV.
RENDIMIENTO
RECUR.
FACTORES INCIDENTES
PROCED
H / M3
D/M3
M3/D
inter.
1,09
0,136
7,34
Jornal
inter.
1,27
0,159
6,30
Jornal
inter.
1,34
0,168
5,97
Jornal
inter.
1,26
0,158
6,35
Jornal
inter.
1,23
0,154
6,50
Jornal
inter.
1,29
0,161
6,20
Jornal
inter.
1,23
0,154
6,50
Jornal
inter.
1,14
0,143
7,02
Jornal
inter.
1,21
0,151
6,61
Jornal
inter.
1,18
0,148
6,78
Jornal
ACTIV.
PROCED
RENDIMIENTO
H / M3
D/M3
RECUR.
M3/D
FACTORES INCIDENTES
CLI CMO CMT CMH DRE 0TR
inter.
1,06
0,1325 7,55
Jornal
inter.
0,99
0,1238 8,08
Jornal
inter.
1,08
0,1350 7,41
Jornal
inter.
0,94
0,1175 8,51
Jornal
inter.
0,85
0,1063 9,41
Jornal
161
____________________________________________________________________
6
inter.
1,11
0,1388 7,21
Jornal
inter.
1,04
0,1300 7,69
Jornal
inter.
1,14
0,1425 7,02
Jornal
inter.
1,09
0,1363 7,34
Jornal
inter.
0,98
0,1225 8,16
Jornal
inter.
1,15
0,143
9,20
Jornal
inter.
1,11
0,138
8,90
Jornal
RENDIMIENTO
RECUR.
FACTORES INCIDENTES
PROCED
H / M2
D/M
M /D
moldaje
inter.
0,38
moldaje
inter.
0,37
moldaje
inter.
0,36
moldaje
inter.
0,34
moldaje
inter.
0,33
moldaje
inter.
0,38
moldaje
inter.
0,39
moldaje
inter.
0,4
moldaje
inter.
0,44
10 moldaje
inter.
0,36
11 moldaje
inter.
0,38
12 moldaje
inter.
0,37
13 moldaje
inter.
0,36
14 moldaje
inter.
0,34
162
____________________________________________________________________
15 moldaje
inter.
0,33
16 moldaje
inter.
0,38
17 moldaje
inter.
0,39
18 moldaje
inter.
0,4
19 moldaje
inter.
0,44
20 moldaje
inter.
0,36
N ACTIV.
PROCED
RENDIMIENTO
H / M2
D/M2
RECUR.
M2/D
FACTORES INCIDENTES
CLI CMO CMT CMH DRE 0TR
moldaje
inter.
0,58
moldaje
inter.
0,63
0,079
12,70
C2 +1A
moldaje
inter.
0,64
0,080
12,50
C2 +1A
moldaje
inter.
0,59
0,074
13,56
C2 +1A
moldaje
inter.
0,67
0,084
11,94
C2 +1A
moldaje
inter.
0,61
0,076
13,11
C2 +1A
moldaje
inter.
0,65
0,081
12,31
C2 +1A
moldaje
inter.
0,63
0,079
12,70
C2 +1A
moldaje
inter.
0,54
0,068
14,81
C2 +1A
10 moldaje
inter.
0,58
0,073
13,79
C2 +1A
N ACTIV.
PROCED
RENDIMIENTO
H / M2
D/M2
M2/D
RECUR.
FACTORES INCIDENTES
CLI CMO CMT CMH DRE 0TR
163
____________________________________________________________________
1
moldaje
inter.
0,125
C2 +1A
moldaje
inter.
0,97
0,121
8,25
C2 +1A
moldaje
inter.
0,88
0,110
9,09
C2 +1A
moldaje
inter.
0,78
moldaje
inter.
1,09
0,136
C2 +1A
moldaje
inter.
0,80
moldaje
inter.
1,04
0,130
7,69
C2 +1A
moldaje
inter.
0,85
0,106
9,41
C2 +1A
moldaje
inter.
0,72
10 moldaje
inter.
0,75
7,34
N ACTIV.
RENDIMIENTO
PROCED
H / M2
D/M
RECUR.
M /D
FACTORES INCIDENTES
CLI CMO CMT CMH DRE 0TR
moldaje
inter.
0,64
0,080
C2 +1A
moldaje
inter.
0,72
moldaje
inter.
0,62
moldaje
inter.
0,58
moldaje
inter.
0,75
moldaje
inter.
0,81
0,101
C2 +1A
moldaje
inter.
0,65
moldaje
inter.
0,57
moldaje
inter.
0,7
10 moldaje
inter.
0,58
12,5
9,88
164
____________________________________________________________________
OBRA/
N ACTIV.
PROCED
RENDIMIENTO
H / M2
D/M
RECUR.
M /D
FACTORES INCIDENTES
CLI CMO CMT CMH DRE 0TR
moldaje
inter.
0,21
0,0263 38,095
Jornal
moldaje
inter.
0,18
0,0225
44,44
Jornal
moldaje
inter.
0,22
0,0275
36,36
Jornal
moldaje
inter.
0,18
0,0225
44,44
Jornal
moldaje
inter.
0,22
0,0275
36,36
Jornal
moldaje
inter.
0,20
0,025
40,00
Jornal
moldaje
inter.
0,21
0,0263
38,10
Jornal
moldaje
inter.
0,19
0,0238
42,11
Jornal
moldaje
inter.
0,17
0,0213
47,06
Jornal
10 moldaje
inter.
0,19
0,0238
42,11
Jornal
N ACTIV.
PROCED
RENDIMIENTO
H / M2
D/M
RECUR.
M /D
FACTORES INCIDENTES
CLI CMO CMT CMH DRE 0TR
moldaje
inter.
0,26
0,0325 30,769
Jornal
moldaje
inter.
0,22
0,0275
36,36
Jornal
moldaje
inter.
0,24
0,03
33,33
Jornal
moldaje
inter.
0,21
0,0263
38,10
Jornal
moldaje
inter.
0,22
0,0275
36,36
Jornal
moldaje
inter.
0,19
0,0238
42,11
Jornal
moldaje
inter.
0,25
0,0313
32,00
Jornal
moldaje
inter.
0,24
0,03
33,33
Jornal
165
____________________________________________________________________
moldaje
inter.
0,21
0,0263
38,10
Jornal
10 moldaje
inter.
0,23
0,0288
34,78
Jornal
ACTIV.
PROCED
RENDIMIENTO
H / KG
D/KG
RECUR
KG/D
FACTORES INCIDENTES
CLI CMO CMT CMH DRE 0TR
enfierradura
inter.
E1 +A
inter.
E1 +A
inter.
E1 +A
inter.
E1 +A
inter.
E1 +A
inter.
E1 +A
inter.
E1 +A
inter.
E1 +A
inter.
E1 +A
inter.
E1 +A
6 - 8 mm
enfierradura
6 - 8 mm
enfierradura
3
6 - 8 mm
enfierradura
4
6 - 8 mm
enfierradura
6 - 8 mm
enfierradura
6
6 - 8 mm
enfierradura
6 - 8 mm
enfierradura
6 - 8 mm
enfierradura
9
6 - 8 mm
enfierradura
10
6 - 8 mm
ACTIV.
PROCED
RENDIMIENTO
RECUR
FACTORES INCIDENTES
166
____________________________________________________________________
H / KG
D/KG
KG/D
Enfierradura
Inter.
E1+A
Inter.
E1+A
Inter.
E1+A
Inter.
E1+A
Inter.
E1+A
Inter.
E1+A
0,03
0,0038 266,67
E1+A
Inter.
E1+A
Inter.
E1+A
Inter.
E1+A
10-12mm
Enfierradura
2
10-12mm
Enfierradura
3
10-12mm
Enfierradura
4
10-12mm
Enfierradura
5
10-12mm
Enfierradura
6
10-12mm
Enfierradura
Inter.
10-12mm
Enfierradura
8
10-12mm
Enfierradura
9
10-12mm
Enfierradura
10
10-12mm
ACTIV.
PROCED
RENDIMIENTO
H / KG
D/KG
RECUR
KG/D
FACTORES INCIDENTES
CLI CMO CMT CMH DRE 0TR
Enfierradura
Inter.
E1+A
Inter.
E1+A
Inter.
E1+A
Inter.
E1+A
Inter.
E1+A
6-8mm
Enfierradura
2
6-8mm
Enfierradura
3
6-8mm
Enfierradura
4
6-8mm
Enfierradura
5
6-8mm
167
____________________________________________________________________
Enfierradura
Inter.
E1+A
Inter.
E1+A
Inter.
E1+A
0,05
0,006 160,00
E1+A
E1+A
6-8mm
Enfierradura
7
6-8mm
Enfierradura
8
6-8mm
Enfierradura
Inter.
6-8mm
Enfierradura
10
Inter.
6-8mm
ACTIV.
PROCED
RENDIMIENTO
H / KG
D/KG
RECUR
KG/D
FACTORES INCIDENTES
CLI CMO CMT CMH DRE 0TR
Enfierradura
Inter.
E1+A
Inter.
E1+A
Inter.
E1+A
Inter.
E1+A
Inter.
E1+A
Inter.
E1+A
Inter.
E1+A
Inter.
E1+A
Inter.
E1+A
Inter.
E1+A
10-12mm
Enfierradura
2
10-12mm
Enfierradura
3
10-12mm
Enfierradura
4
10-12mm
Enfierradura
5
10-12mm
Enfierradura
6
10-12mm
Enfierradura
7
10-12mm
Enfierradura
8
10-12mm
Enfierradura
9
10-12mm
Enfierradura
10
10-12mm
168
____________________________________________________________________
Fabricacin de hormign en betonera de capacidad 180lt (rend.optimo 80% 144
lt)
Incluye: tiempo de betonera, llenado de baldes dosificadores, reacomodo de
material acopiado
OBRA/
ACTIV.
PROCED
RENDIMIENTO
H / M3
D/M3
RECUR
M3/D
FACTORES INCIDENTES
CLI CMO CMT CMH DRE 0TR
Hormigonado
Inter
0,57
0,071 14,04 2J + 1C
Hormigonado
Inter
0,61
0,076 13,11 2J + 1C
Hormigonado
Inter
0,62
0,078 12,90 2J + 1C
Hormigonado
Inter
0,61
0,076 13,11 2J + 1C
Hormigonado
Inter
0,63
0,079 12,70 2J + 1C
Hormigonado
Inter
0,59
0,074 13,56 2J + 1C
Hormigonado
Inter
0,61
0,076 13,11 2J + 1C
Hormigonado
Inter
0,66
0,083 12,12 2J + 1C
Hormigonado
Inter
0,54
0,068 14,81 2J + 1C
10 Hormigonado
Inter
0,56
0,070 14,29 2J + 1C
ACTIV.
PROCED
RENDIMIENTO
H / M3
D/M3
RECUR
M3/D
FACTORES INCIDENTES
CLI CMO CMT CMH DRE 0TR
Hormigonado
Inter
1,74
Hormigonado
Inter
1,69
Hormigonado
Inter
1,62
Hormigonado
Inter
1,80
Hormigonado
Inter
1,85
169
____________________________________________________________________
6
Hormigonado
Inter
1,60
Hormigonado
Inter
1,89
Hormigonado
Inter
1,65
Hormigonado
Inter
1,91
10 Hormigonado
Inter
1,72
ACTIV.
RENDIMIENTO
RECUR
FACTORES INCIDENTES
PROCED
H / M3
D/M3
M3/D
Hormigonado
Inter
2.63
Hormigonado
Inter
2.50
Hormigonado
Inter
2.45
Hormigonado
Inter
2.82
Hormigonado
Inter
2.31
Hormigonado
Inter
2.15
Hormigonado
Inter
2.73
Hormigonado
Inter
2.25
Hormigonado
Inter
2.12
10 Hormigonado
Inter
2.53
11 Hormigonado
Inter
2.7
12 Hormigonado
Inter
2.50
13 Hormigonado
Inter
2.6
14 Hormigonado
Inter
2.8
15 Hormigonado
Inter
2.4
16 Hormigonado
Inter
2.21
170
____________________________________________________________________
17 Hormigonado
Inter
2.65
18 Hormigonado
Inter
2.35
19 Hormigonado
Inter
2.3
20 Hormigonado
Inter
2.6
ACTIV.
PROCED
RENDIMIENTO
H / M3
D/M3
RECUR
M3/D
FACTORES INCIDENTES
CLI CMO CMT CMH DRE 0TR
Hormigonado
Inter
0,56
Hormigonado
Inter
0,58
Hormigonado
Inter
0,54
Hormigonado
Inter
0,62
Hormigonado
Inter
0,61
Hormigonado
Inter
0,64
Hormigonado
Inter
0,58
Hormigonado
Inter
0,71
Hormigonado
Inter
0,58
10 Hormigonado
Inter
0,68
171
____________________________________________________________________
18.- Actividad: Albailera de soga, ladrillo de dimensiones 29 x 14 x 7 cm
Muro emboquillado por ambas caras
Incluye colocacin de escantilln, preparacin de mezcla y traslado de andamios
o caballetes de hasta 1.5 metro de alto.
OBRA/
N
ACTIV.
RENDIMIENTO
RECUR
FACTORES INCIDENTES
PROCED
H / M2
D/M
M /D
Albailera
Inter.
1,6
Albailera
Inter.
1,9
Albailera
Inter.
1,5
Albailera
Inter.
2,3
Albailera
Inter.
2,9
Albailera
Inter.
1,4
Albailera
Inter.
1,4
Albailera
Inter.
2,7
Albailera
Inter.
2,4
10 Albailera
Inter.
2,4
11 Albailera
Inter.
1,6
12 Albailera
Inter.
1,9
13 Albailera
Inter.
1,5
14 Albailera
Inter.
2,3
15 Albailera
Inter.
1,5
16 Albailera
Inter.
1,5
17 Albailera
Inter.
1,4
18 Albailera
Inter.
2,8
19 Albailera
Inter.
2,5
20 Albailera
Inter.
2,8
172
____________________________________________________________________
19.- Actividad: Estuco 2.5 Cm De Espesor
Muro terminado, platachado o rasguado
Incluye colocacin de maestras, preparacin de mezcla y traslado de andamios o
caballetes de hasta 1.5 metro de alto.
OBRA/
N ACTIV.
PROCED
RENDIMIENTO
H / M2
D/M2
RECUR.
M2/D
FACTORES INCIDENTES
CLI CMO CMT CMH DRE 0TR
Estuco
Inter.
0,42
Estuco
Inter.
0,58
Estuco
Inter.
0,36
Estuco
Inter.
0,35
Estuco
Inter.
0,62
Estuco
Inter.
0,56
Estuco
Inter.
0,61
Estuco
Inter.
0,45
Estuco
Inter.
0,55
10 Estuco
Inter.
0,34
N ACTIV.
PROCED
RENDIMIENTO
H / M2
D/M2
RECUR.
M2/D
FACTORES INCIDENTES
CLI CMO CMT CMH DRE 0TR
Estuco
Inter.
0,43
Estuco
Inter.
0,41
Estuco
Inter.
0,53
Estuco
Inter.
0,44
173
____________________________________________________________________
5
Estuco
Inter.
0,57
Estuco
Inter.
0,70
Estuco
Inter.
0,65
Estuco
Inter.
0,49
Estuco
Inter.
0,46
10 Estuco
Inter.
0,67
ACTIV.
PROCED
RENDIMIENTO
H / M2
D/M
RECUR
M /D
FACTORES INCIDENTES
CLI CMO CMT CMH DRE 0TR
Entramado
1
Inter.
0,33
Inter.
0,24
Inter.
0,34
Inter.
0,25
Inter.
0,37
Inter.
0,30
Inter.
0,26
Inter.
0,35
Inter.
0,21
Inter.
0,36
De cielo
Entramado
2
De cielo
Entramado
3
De cielo
Entramado
4
De cielo
Entramado
5
De cielo
Entramado
6
De cielo
Entramado
7
De cielo
Entramado
8
De cielo
Entramado
9
De cielo
Entramado
10
De cielo
174
____________________________________________________________________
Distancia de tijerales : 100 cm
Incluye : soleras y material al nivel de losa
OBRA/
N ACTIV.
RENDIMIENTO
PROCED
H / M2
D/M2
RECUR.
M2/D
FACTORES INCIDENTES
CLI CMO CMT CMH DRE 0TR
Tijerales
1
Inter.
0,56
Inter.
0,73
Inter.
0,53
Inter.
0,88
0,110
C2 +1A
Inter.
0,48
Inter.
0,92
0,115
C2 +1A
Inter.
0,46
Inter.
0,83
0,104
C2 +1A
Inter.
0,77
Inter.
0,81
0,101
a 1 mt
Tijerales
2
A 1 mt
Tijerales
3
A 1 mt
Tijerales
4
A 1 mt
9,09
Tijerales
5
A 1 mt
Tijerales
6
A 1 mt
8,70
Tijerales
7
A 1 mt
Tijerales
8
A 1 mt
9,64
Tijerales
9
A 1 mt
Tijerales
10
A 1 mt
9,88
C2 +1A
ACTIV.
PROCED
RENDIMIENTO
H / M3
Traslado de material
Inter.
0,62
D/M3
RECUR.
M3/D
0,078 12,90
FACTORES INCIDENTES
CLI CMO CMT CMH DRE 0TR
Jornal
175
____________________________________________________________________
2
Traslado de material
Inter.
0,68
0,085 11,76
Jornal
Traslado de material
Inter.
0,95
0,119
Jornal
Traslado de material
Inter.
0,61
0,076 13,11
Jornal
Traslado de material
Inter.
0,82
0,103
9,76
Jornal
Traslado de material
Inter.
0,98
0,123
8,16
Jornal
Traslado de material
Inter.
0,7
0,088 11,43
Jornal
Traslado de material
Inter.
0,88
0,110
9,09
Jornal
Traslado de material
Inter.
0,94
0,118
8,51
Jornal
10 Traslado de material
Inter.
0,67
0,084 11,94
Jornal
8,42
ACTIV.
PROCED
RENDIMIENTO
H / M3
D/M3
RECUR.
M3/D
FACTORES INCIDENTES
CLI CMO CMT CMH DRE 0TR
Traslado de material
Inter.
1,3
0,163 6,15
Jornal
Traslado de material
Inter.
1,5
0,188 5,33
Jornal
Traslado de material
Inter.
0,95
0,119 8,42
Jornal
Traslado de material
Inter.
0,94
0,118 8,51
Jornal
Traslado de material
Inter.
1,24
0,155 6,45
Jornal
Traslado de material
Inter.
1,59
0,199 5,03
Jornal
Traslado de material
Inter.
1,38
0,173 5,80
Jornal
Traslado de material
Inter.
1,45
0,181 5,52
Jornal
Traslado de material
Inter.
0,125 8,00
Jornal
10 Traslado de material
Inter.
1,21
0,151 6,61
Jornal
176
____________________________________________________________________
Anexo 4 Tabla Distribucin Normal.
177