Está en la página 1de 6

Segundo Semestre 2004

CPM y PERT

1
B

3
Dummy

2 Figura 2.5: Incorporaci on de Actividad Articial

La numeraci on de los nodos debe ser de tal forma que siempre una actividad conecte un nodo de menor numeraci on con uno de mayor identicaci on en el sentido de avance del proyecto. Actividad A B C D E F Predecesoras Duraci on (d as) 6 9 A, B 8 A, B 7 D 10 C, E 12

Cuadro 2.1: Actividades del Ejemplo 1 3


D
Dummy

C
E

1
B

Figura 2.6: Red del Ejemplo 1

3.

CPM
Existen dos conceptos claves para la aplicaci on del m etodo CPM:

Denici on 1 El tiempo m as temprano para un nodo i es el instante m as inmediato en el cual puede ocurrir el evento correspondiente al nodo i. Denici on 2 El tiempo m as tarde para un nodo i es el u ltimo instante en el cual puede ocurrir el evento correspondiente al nodo i sin retrasar la duraci on total del proyecto.

3.1.

Resoluci on Gr aca

Para calcular los tiempos m as tempranos para cada actividad se comienza jando el tiempo como cero en el nodo inicial. Luego, se calcula el intervalo de tiempo que transcurre entre el inicio y las actividades inmediatas al comienzo del proyecto (gura 3.1). Debido a que la actividad articial no tiene duraci on, el tiempo acumulado al nodo 3 para que sean terminadas todas las actividades predecesoras a dicho nodo corresponde a 9 d as. En otras palabras, el tiempo m as temprano para el nodo 3

Segundo Semestre 2004

CPM y PERT

3 es 9 d as. Luego, las actividades que comienzan en el nodo 3 no pueden comenzar antes de 9. Los nuevos intervalos de tiempo se muestran en la gura 3.2. A continuaci on, es posible completar el intervalo de tiempo de desarrollo para la actividad E (gura (0,6) 1
A B

3
D
Dummy

C
E

(0,9)

Figura 3.1: Resoluci on de la malla - Paso 1 (9,17) C


D E

(0,6) 1
A B

3
Dummy

(9,16) 4

(0,9)

Figura 3.2: Resoluci on de la malla - Paso 2 3.3). Finalmente, el tiempo m as temprano para el nodo 5 es de 26 d as, por lo que la actividad F s olo puede comenzar en dicho instante. Los intervalos de tiempo m as temprano para todas las actividades del proyecto se muestran en la gura 3.4. A partir de esta gura, se puede concluir que la duraci on m nima del proyecto es de 38 d as, cantidad que corresponde al camino m as largo para llegar del nodo inicial 1 al nodo nal 6. Como segunda etapa se procede a calcular los tiempos m as tarde para cada nodo. La idea con(0,6) 1
A B

3
Dummy

(9,17) C
D E

5 (16,26)

(9,16) 4

(0,9)

Figura 3.3: Resoluci on de la malla - Paso 3 (9,17) C


D E

(0,6) 1
A B

3
Dummy

5 (16,26)

F (26,38)

(9,16) 4

(0,9)

Figura 3.4: Resoluci on de la malla - Paso 4 4

Segundo Semestre 2004

CPM y PERT

siste en determinar cuanto es posible retardar el inicio de cada actividad sin afectar la duraci on total del proyecto. Para ello se comienza desde el nodo nal. En este caso, dado que existe una u nica actividad que llega a dicho nodo no es posible retardarla sin afectar la duraci on del proyecto. La gura 3.5 muestra el intervalo de tiempo m as tarde para la u ltima actividad en par entesis cuadrado. Las actividades que llegan al nodo 5 terminan a m as tardar en el d a 26, por lo tanto, es posible (9,17) C
D E

(0,6) 1
A B

3
Dummy

5 (16,26)

F [26, 38] (26, 38)

(9,16) 4

(0,9)

Figura 3.5: Resoluci on de la malla - Paso 5 retardar la actividad C en 26 17 = 9 d as. Se incorpora los intervalos de duraci on de tiempo m as tarde a la malla en la gura 3.6. El nodo 4 tiene como tiempo m as tarde 26, por lo que no es factible retardar la actividad D (gura 3.7). De esta forma, el nodo 3 tiene como tiempo m as tarde 9 d as, por lo tanto las actividades deben llegar a m as tardar el d a 9. Como la actividad articial no tiene duraci on, la actividad B no puede ser retardada. La actividad A puede ser retardada en 9 6 = 3 d as (gura 3.8). Luego, se puede denir: (0,6) 1
A B

[18, 26] (9, 17) 3


Dummy

C
D E

5 [16, 26] (16, 26)

F [26, 38] (26, 38)

(9,16) 4

(0,9)

Figura 3.6: Resoluci on de la malla - Paso 6 [18, 26] (9, 17) (0,6) 1
A B

3
Dummy

C
D

5
E

F [26, 38] (26, 38)

(0,9)

[9, 16] (9, 16)

[16, 26] (16, 26)

Figura 3.7: Resoluci on de la malla - Paso 7 Denici on 3 Una actividad cr tica es una actividad que no puede ser retardada sin afectar la duraci on total del proyecto. En otras palabras, en el tiempo m as temprano y el tiempo m as tarde de inicio de la actividad son id enticos. 5

Segundo Semestre 2004

CPM y PERT

A y B simult aneamente. En este caso tiene el menor costo intervenir las actividades A y B , a un valor unitario de 10 + 20 = 30. Como B ya fue reducida en 3 d as, s olo se puede disminuir 2 d as m as de acuerdo a las restricciones del enunciado. Con ello, la duraci on del proyecto queda en 30 2 = 28 d as con un costo total acumulado de 210+2 30 = 270. Imponiendo el cambio, se obtiene la gura 4.1. Una vez m as las rutas cr ticas no cambian. En este caso, s olo son candidatas a aceleraci on las [0, 4] (0, 4)
Dummy

[8, 16] (4, 12) 3


D

C
E

5 [6, 16] (6, 16)

F [16, 28] (16, 28)

A B

[0, 4] (0, 4)

[4, 6] (4, 6)

Figura 3.11: Crashing del Proyecto - Paso 3 actividades E y F . Entre ellas, la de menor costo es la E , con kE = 40. Como se desea llegar a una duraci on total de 25 d as, s olo resta por reducir 3 d as. La diferencia entre el tiempo m as temprano y m as tarde para la actividad C es de 8 4 = 4 d as, por lo tanto es factible acelerar la actividad E un total de 3 d as sin afectar la ruta cr tica y reduciendo con ello la duraci on total del proyecto a 28 3 = 25 d as. El costo total de aceleraci on del proyecto queda: 270 + 3 40 = 390, que coincide con lo obtenido mediante la resoluci on del modelo de programaci on lineal. La malla nal se muestra en la gura 3.12. [0, 4] (0, 4)
Dummy

[5, 13] (4, 12) 3


D

C
E

5 [6, 13] (6, 13)

F [13, 25] (13, 25)

A B

[0, 4] (0, 4)

[4, 6] (4, 6)

Figura 3.12: Crashing del Proyecto - Paso 3

4.
4.1.

PERT
Descripci on del M etodo

En CPM se asume que la duraci on de cada actividad es conocida con certeza. Claramente, en muchas ocasiones este supuesto no es v alido. PERT intenta corregir este error suponiendo que la duraci on de cada actividad es una variable aleatoria. Para cada activad, se requiere estimar las siguientes cantidades: a = estimaci on de la duraci on de la actividad en las condiciones m as favorables b = estimaci on de la duraci on de la actividad en las condiciones m as desfavorables c = duraci on m as probable de la actividad 10

Segundo Semestre 2004

CPM y PERT

Si Tij es la variable aleatoria asociada a la duraci on de la actividad (i, j ), PERT asume que T ij sigue una distribuci on Beta. Sin entrar en mayores detalles de esta distribuci on, se puede demostrar que el valor esperado y la varianza de la variable aleatoria Tij quedan denidas por: E [Tij ] = V [Tij ] = a + 4m + b 6 (b a)2 36 (4.1) (4.2)

En PERT se asume adem as que la duraci on de las actividades es independiente. Por lo tanto, el valor esperado y la varianza de una ruta pueden ser estimadas seg un: E [Tij ] = duraci on esperada de la ruta
(i,j ) ruta

(4.3) (4.4)

V [Tij ] = varianza de la duraci on de la ruta


(i,j ) ruta

Sea CP la variable aleatoria asociada a la duraci on total de las actividades de la ruta cr tica determinadas mediante CPM (4.5). PERT asume que la ruta cr tica encontrada a trav es de CPM contiene sucientes actividades para emplear el Teorema Central del L mite y concluir que CP se distribuye normalmente. CP = Tij (4.5)
(i,j ) ruta
cr tica

El cuadro 4.1 muestra la informaci on requerida para aplicar PERT al Ejemplo 1 y los c alculos de los valores esperados y las varianzas para cada actividad. Evidentemente, la actividad articial posee media y varianza nula. La ruta cr tica determinada mediante CPM corresponde a B Dummy D E F , por lo tanto Actividad B A C D E F a 5 2 3 1 8 9 b m E[Tij ] V[Tij ] 13 9 9 1,78 10 6 6 1,78 13 8 8 2,78 13 7 7 4 12 10 10 0,44 15 12 12 1

Cuadro 4.1: Informaci on para aplicar PERT al Ejemplo 1 se obtiene: E [CP ] = 9 + 0 + 7 + 10 + 12 = 38 V [CP ] = 1,78 + 0 + 4 + 0,44 + 1 = 7,22
1

La desviaci on est andar de CP corresponder a a: CP = (7,22) 2 = 2,69. Aplicando el supuesto de que CP se distribuye normalmente, es posible evaluar la probabilidad de que el proyecto completo termine durante un determinado per odo de tiempo. Para ello supondremos que a pesar de la variabilidad de la duraci on de las actividades la ruta cr tica se mantiene. Luego, determinar la probabilidad de que el proyecto termine durante un per odo T es equivalente a evaluar IP (CP < T ). 11

Segundo Semestre 2004

CPM y PERT

Aprovechando que CP se distribuye normalmente, es posible recurrir a la estandarizaci on de la variable aleatoria: T E [CP ] CP E [CP ] = (z ) (4.6) z= IP (CP < T ) = IP CP CP Donde (z ) corresponde a la funci on de distribuci on acumulada normal est andar. Si en el Ejemplo 1 queremos evaluar la probabilidad de que el proyecto termine antes de 35 d as, se tiene: IP (CP < 35) = IP CP 38 35 38 2,69 2,69 = IP (z 1,12) = (1,12) = 0,13 (4.7)

Luego, la probabilidad de terminar el proyecto antes de 35 d as es del 13 %.

4.2.

Dicultades de PERT

Existen varias dicultades en la aplicaci on de PERT: 1. El supuesto de que la duraci on de las actividades es independiente es dif cil de justicar. 2. La duraci on de las actividades puede no seguir una distribuci on Beta. 3. El supuesto de que la ruta cr tica encontrada con CPM es siempre la misma no es justicable. De todas las dicultades, la u ltima es la m as complicada debido a la fuerte variabilidad que podr a tener la duraci on de las actividades en un proyecto. Una de las formas de corregir las falencias de PERT es mediante el empleo de Simulaci on (MonteCarlo) para el c alculo de la media y la varianza de la duraci on del proyecto, as como la probabilidad de que una actividad sea cr tica.

4.3.

Empleo de Simulaci on en Redes de Proyecto

Si la duraci on de las actividades de un proyecto es incierta, el tiempo total para completar un proyecto es una variable aleatoria. Como la duraci on de la actividad es incierta, existe una probabilidad no necesariamente igual a 1 o 0 de que una actividad sea cr tica. Normalmente se emplea la distribuci on Beta para modelar la duraci on de las actividades que conforman un proyecto. Sin embargo, se obtienen buenos resultados con un esfuerzo num erico notablemente inferior al emplear una funci on de densidad de probabilidad de tipo triangular, tal como se muestra en la gura 4.1. Se puede demostrar que si r es un n umero aleatorio uniformemente distribuido entre 0 y 1, el valor x de la variable aleatoria puede ser obtenido seg un: Si 0 r Si
ma ba ma ba

x=a+

r(m a)(b a) 4b2 + 4(am ab bm rb2 + rab + rmb ram) (4.8)

r 1 x = b 0,5

Luego, repitiendo N veces la generaci on del n umero aleatorio r es posible obtener una muestra de los valores de x con los cuales es posible obtener medias y desviaciones est andar y con ello estimar algunas probabilidades.

12