Universidad Nacional Mayor de San Marcos

Universidad del Perú, Decana de América

Escuela de Postgrado
Unidad de Postgrado de la Facultad de Ingeniería de
Sistemas e Informática

Seminario de Tesis I

Alumno: Miguel Angel Cuya Leandro

TOMA DE DESICIONES EN BASE AL VALOR

GANADO USANDO REDES BAYESIANAS DE
CONOCIMIENTO

Lima, Agosto de 2015

I. PLANTEAMIENTO DEL PROBLEMA.

1.1. Situación problemática

Análisis de valor ganado (EVA) es una técnica bien conocida para controlar el
estado de un proyecto. Este trabajo, buscará hacer un modelo de red bayesiana
para analizar los estados de los proyectos en una PMO para una empresa del
rubro de las construcciones, en base a los datos obtenidos en las EVA de los
proyectos. Proporcionará una visión general rápida del estado general del
proyecto desde la perspectiva de la toma de decisiones. Por lo tanto, se
empleará como un Decision Support Systems (DSS), para la toma de
decisiones en el curso de proyectos y conocer las causas del estado de los
proyectos. Se establecerá un nivel de abstracción que permita tomar decisiones
más rápidas indistintamente a la cantidad de proyectos a analizar.

1.2. Formulación del Problema

Los análisis de la gestión son importantes para el seguimiento del proyecto

y el control en una organización orientada a la ejecución de varios proyectos
a la vez. Los proyectos sometidos a estos análisis regulares pueden
beneficiarse en términos de decisiones oportunas sobre el tratamiento de los
obstáculos que enfrenta los proyectos. Muchos de los problemas comunes
como la falta de disponibilidad de mano de obra, recursos financieros,
recursos materiales, etc. son las agendas de las reuniones donde se
requieren tomar decisiones respecto al desarrollo de los proyectos. Lo ideal
sería que estas revisiones deben ser frecuentes (mensual), pero debido a la
gran cantidad de proyectos que se ejecutan, se consumen mucho tiempo en
las reuniones de revisión y no se termina de concluir por la poca
disponibilidad de los cargos de alta dirección los cuales son importantes en
las tomas decisiones.

En tal sentido, se observa limitaciones prácticas sobre la regularidad de este

tipo de eventos de supervisión y control. La salud del proyecto deben ser
visiblemente apreciados

1.3. Justificación de la Investigación

Muchos investigadores han demostrado que la aplicación de EVM da buenos

resultados sobre el estado actual y la previsión en costo y cronograma del
proyecto. S. Vandevoorde y M. Vanhocke1, ilustraron cómo los directores de
proyectos podrían utilizar series de tiempo como una herramienta eficaz para
la previsión en duración del proyecto. El pronóstico de series de tiempo es el
uso de un modelo para predecir eventos futuros basados en hechos pasados
conocidos para predecir los puntos de datos antes de que se miden. La
técnica2 se describe para la comparación de costo presupuestado del trabajo
al coste real a través de EVM. Se presenta la programación, procesos de
supervisión de proyectos y los principales parámetros en el cálculo de
Earned Value Analysis (EVA) en la gestión de costos. Un estudio de caso
sobre la base de proyectos de construcción civil se discute la técnica de
EVM. P. Putz, D. A. Maluf, D. G. Bell, M. M. Gurram, J. Hsu, H. N. Patel, and
K. J. Swanson 3, presentan soluciones técnicas para abordar los desafíos
prácticos de la aplicación de EVM en el ambiente desordenado de la gestión
de proyectos. Un estudio de caso empírico que involucra cinco proyectos en
el Centro de Investigación Ames de la NASA, en este ilustra los retos de la
creación de una línea de base coherente de medición del desempeño bajo
las restricciones de horario, presupuesto, requisitos laborales y hacer
coincidir los costos reales con los costos presupuestados disgregados a nivel
necesario. S. Patil, A. Patil, and P. P. Chavan 4 han demostrado cómo Earned
Value (EV) actúa como un indicador de la varianza y el rendimiento de las
desviaciones en el presupuesto y cronograma del. Especial atención S. K.
Bhosekar 5, demuestra las deficiencias y sugiere varias mejoras para las
técnicas de vigilancia EVM en proyectos de desarrollo de software. También
explica métrica de EVM como Índice de la Lista Rendimiento (SPI), Índice de
Rendimiento Costo (CPI) y los parámetros de pronóstico como Estimación al
finalizar (EAC), donde el SPI solo no alertar a los responsables del proyecto
lo suficientemente temprano en la tarea tardía fecha de inicio.

Las Redes Bayesianas de Conocimiento (BBN) pertenecen a la familia de

modelos gráficos probabilísticos. Estas estructuras gráficas se utilizan para
representar el conocimiento sobre un dominio incierto6. En particular, cada
nodo en el gráfico representa una variable aleatoria, mientras que los bordes
entre los nodos representan dependencias probabilísticas entre las

1
S. Vandevoorde and M. Vanhoucke, “A comparison of different project duration forecasting
methods using earned value metrics,” Int. J. Proj. Manag, vol. 24, no. 4, pp. 289–302, May 2006.
2
A. Verma, P. K.K, and D. R. K., “Earned Value Analysis of Construction Project at Rashtriya
Sanskrit Sansthan, Bhopal,” Int. J. Innov. Res. Sci. Eng. Technol., vol. Vol. 3, no. Issue 4, pp.
11350–11355, Apr. 2014.
3
P. Putz, D. A. Maluf, D. G. Bell, M. M. Gurram, J. Hsu, H. N. Patel, and K. J. Swanson, “Earned
Value Management at NASA: An Integrated, Lightweight Solution,” ©2007 IEEE, vol. Version 2,
no. 2007, pp. 1–8, Dec. 2006
4
S. Patil, A. Patil, and P. P. Chavan, “Earned Value Management for Tracking Project Progress,”
IJERA, vol. 2, no. 3, pp. 1026–1029, Jun. 2012.
5
S. K. Bhosekar, “Cost Controlling Using Earned Value Analysis in Construction Industries,”
IJEIT, vol. 1, no. 4, pp. 324– 332, Apr. 2012.
6
[R. Montironi, W. F. Whimster, Y. Collan, P. W. Hamilton, D. Thompson, and P. H. Bartels, “How
to develop and use a Bayesian Belief Network.,” J. Clin. Pathol., vol. 49, no. 3, pp. 194–201,
Mar. 1996
 correspondientes variables aleatorias. Costo del proyecto es el uno de los
factores que rigen en el éxito del proyecto y por tal, un parámetro importante
en el análisis de toma de decisiones.

La teoría de la decisión bayesiana es ideal en aplicación para la solución de

problemas con incertidumbre y en donde se usen modelos que tengan en
cuenta los conocimientos y experiencias de los responsables de tomar las
decisiones7.

El método del valor ganado proporciona los primeros indicios de los

resultados del proyecto para poner de relieve la necesidad de una acción
correctiva eventual. La gestión del valor ganado fue desarrollada
originalmente para la gestión de costes y ampliamente no se ha utilizado
para la previsión en la duración del proyecto. Sin embargo, las tendencias
recientes de la investigación muestran un aumento del interés de utilizar
indicadores de rendimiento para la predicción de la duración total del
proyecto. Daniel Rodriguez8 presenta un método para la creación de un
modelo de BBN mediante el uso de datos de dominio. Hay muchos enfoques
semiautomáticos disponibles en la literatura, pero también hay muchas
cuestiones abiertas en estos enfoques. Las BBN se pueden utilizar en el
análisis de riesgo para predecir el costo y el tiempo de finalización utilizando
el modelo de un costo-horario integrado en la Simulación Monte Carlo (MCS)
como tesis de investigación9. En este, se pone en manifiesto el efecto de las
variaciones en los costos y cronogramas de los paquetes de trabajo respecto
al costo y duración total del proyecto.

Sin embargo, para revisar un gran número de proyectos que utilizan técnicas
de EVM en una empresa constructora el trabajo se hace engorroso. Es por
eso que proponemos un enfoque innovador para revisar varios proyectos en
un solo enfoque usando Sistema de Soporte de Decisiones (DSS), basado
en la teoría de EVM-BBN.

7
“El papel de las redes Bayesianas en la toma de decisiones”, Miller Rivera Lozano, Universidad del Rosario
8
“An Investigation of the Use of BBNs for Project Management.” [Online]. Available:
http://www.academia.edu/2748765/An_Investigation_of_the_Use_of_BBNs_for_Project_Management.
[Accessed: 01-May- 2015]
9
O. Arizaga and J. F, “A Methodology for Project Risk Analysis using Bayesian Belief Networks within a
Monte Carlo Simulation Environment,” Apr. 2007