Documentos de Académico
Documentos de Profesional
Documentos de Cultura
con INCERTIDUMBREs
El margen de duración: Cálculo y análisis
EDITORIAL
España - México - Colombia - Chile - Ecuador - Perú - Bolivia - Uruguay - Guatemala - Costa Rica
PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
El Margen de Duración: Cálculo y Análisis
Autor: Javier Reátegui Villanueva
Jefe de edición:
Cynthia Arestegui Baca
Coordinación de edición:
Magaly Ramon Quiroz
Diseño de portada:
Alessandra Bonilla Zapata
Corrección de estilo:
José Vásquez Espíritu
Diagramación:
Lucero Monzón Morán
Prohibida la reproducción parcial o total, por cualquier medio o método, de este libro
sin previa autorización de la Empresa Editora Macro EIRL.
Javier Reátegui Villanueva
Es ingeniero mecánico de la Pon ficia Universidad Católica del Perú (PUCP) y Project Manager
Professional cer ficado por el Project Management Ins tute (PMI). Se desempeña en la indus-
tria del petróleo y gas desde 1983 hasta el presente.
Durante el periodo 2007-2010 se integró a Chicago Bridge & Iron (CB&I) como subgerente
de construcción para electricidad e instrumentación de la planta de licuefacción de gas na-
tural en Pampa Melchorita. Desde el final de dicho proyecto, con núa trabajando en CB&I
como subgerente para el contrato de mantenimiento en la misma planta de licuefacción.
Índice
Introducción ............................................................................................................ 9
Se preguntaría:
Dudas1
1. ¿Esta secuencia es la única posible? ¿O «en campo» pueden alterarla y también será
considerada correcta? ¿O simplemente es una propuesta que «en campo» deben
definir/confirmar?
2. ¿A qué hora empiezan a trabajar las cuadrillas? ¿Qué hacen antes de eso? ¿Les pagamos
en ese periodo? ¿Qué horario de trabajo siguen las cuadrillas en el campo? ¿Esto se
refleja en el cronograma? ¿Qué hay con respecto a las suspensiones intermedias?
3. ¿Quién ha es mado estas duraciones? ¿Alguno de los trabajadores agregó empo extra
para curarse en salud? ¿Alguien más (su jefe) pudo agregarle incluso más empo?
5. ¿Tenemos que esperar los resultados de otros procesos externos como la llegada de
algún material o equipo? ¿Qué hay sobre la obtención de licencias? ¿Qué hay con res-
pecto a las compras de largo plazo? ¿Qué parte del trabajo queda supeditada a estas
restricciones?
6. ¿Pueden ocurrir algunas eventualidades que suspendan las ac vidades o alteren las
condiciones de trabajo? (Factores climá cos, polí cos, administra vos, legales, etc.)
1
Estas preguntas corresponden a una lista verificación y están formuladas con un lenguaje co diano. Las mismas pre-
guntas aparecen con un lenguaje más técnico en el 9.5 (Lista de verificación) de este libro.
7. ¿Estamos seguros sobre las duraciones de las ac vidades? ¿Existen dudas en alguna de
ellas? ¿Cuál es la duración op mista? ¿Cuál la pesimista?
8. ¿Este programa muestra las ac vidades tal como estas se desarrollarán? ¿Se ha confir-
mado con el responsable de realizarlas que así se harán? ¿O existen alterna vas para
«mejorar los empos»? ¿Hay decisiones que estén pendientes de situaciones futuras?
10.¿Es seguro que logremos acabar en esas fechas? ¿Qué tan tarde nos podemos extender?
11. ¿Qué fecha podemos comprometer con el cliente? ¿Qué pasará si nos pasamos de la
fecha?
13.¿Por qué tenemos el empo extra que hemos asignado? ¿Por qué nos tomamos ese
margen precisamente? ¿Podemos «afinar» el programa o cronograma? ¿Dónde pode-
mos «acelerar»?
14.¿Hay suficiente empo extra como para estar seguros de cumplir con las fechas sin pa-
recer una organización despreocupada? ¿Nuestro cronograma suscitará suspicacias en
el cliente reflejados en comentarios como «este contra sta no ene claro el proyecto»
o «este contra sta se aprovecha de la situación»?
15.¿Hemos verificado las proyecciones finales? ¿Qué dicen nuestros expertos sobre la
obra en cues ón? Ahora que entendemos mejor los trabajos, ¿tenemos duraciones
razonables?
16.¿Qué partes del cronograma pueden «salirse de la es mación» y luego afectar a la du-
ración propuesta?
17.¿Podemos controlar la duración del trabajo? ¿Tenemos suficiente control sobre los com-
ponentes que definen la fecha de término?
Estas preguntas, además de inducir cierto nivel de angus a en el programador, deben
llevar a reflexionar sobre la exac tud del cronograma como modelo matemá co y su ca-
pacidad de reflejar las interrelaciones naturales del caso; también, si al mismo empo este
cronograma puede mantenerse lo suficientemente sencillo como para permi r el segui-
miento de la evolución de los trabajos.
Como se sabe, el intento de predecir los resultados de probablemente muchos grupos de
personas nunca es exacto y siempre habrán desviaciones, cambios de secuencias o incluso
puede haber decisiones aún por definir (alterna vas por confirmar dentro de los planes).
En par cular, las incer dumbres en las duraciones y secuencias de ejecución de los traba-
jos, resaltadas en las preguntas de la lista, pueden afectar a la duración total y a la manera
sobre cómo estas se manejan internamente (control de ejecución) y externamente frente
al cumplimiento de compromisos legales (el cliente).
Para atender las necesidades de la organización ejecutora del proyecto y poder afron-
tar la naturaleza incierta de la fecha de terminación apareció el concepto del margen de
con ngencia o Margen de Duración de trabajos. Nada más natural que la idea de agregar
un empo extra a la duración prevista de los trabajos para poder estar confiados en que,
aunque se presenten los usuales inconvenientes, se cumplirá la fecha prome da.
Lo malo es que si esto se hace desordenadamente el margen acumulado puede estar te-
rriblemente inflado, y además es parte del comportamiento humano protegerse y desper-
diciar el empo disponible2 (recuérdese las preguntas 3 y 4). Este libro no trata de explicar
o estudiar esos comportamientos, y las discusiones siguientes no revisan si las duraciones
individuales están infladas o sobrees madas, se asume que se hacen correctamente3, y
que la estrategia correcta NO es alargar las duraciones individuales para «programar» los
problemas e ineficiencias (para que ocurran, pues, es seguro que dicho margen —nor-
malmente escondido— se usará injus ficadamente y habrán muchas «razones» plausibles
para ello) sino determinar racionalmente un margen único global, que permita aprovechar
las oportunidades de fin temprano de las ac vidades pero al mismo empo evite poner en
riesgo los compromisos de fecha de finalización.
Para hacer esto, se debe asignar un margen a la duración de un proyecto, hay que analizar
dos comportamientos de las ac vidades humanas que aparecen en todo cronograma:
1. La variabilidad de las duraciones. Existen dos aspectos que se combinan en este fenó-
meno, el primero es que una ac vidad no dura siempre lo mismo cuando va repi én-
dose, aunque se disponga de los mismos métodos, recursos y entrenamiento; siempre
habrán desviaciones. Casi siempre estas desviaciones ex enden la duración, al aparecer
errores, faltas de coordinación o cualquier situación no prevista en el plan de ejecu-
ción. Adicionalmente, el segundo aspecto, al asignar (predecir) duraciones siempre se
proporciona la duración más usual y esto puede resultar sa sfactorio cuando las des-
2
Para una aproximación al estudio de la procras nación, véase a Ariely, D. (2008), capítulo 6 «The Problem of Procras-
na on and Self-Control».
3
Para una descripción novelada del modo cómo las personas agregan márgenes a sus es maciones de empo y cómo
luego logran desperdiciarlos, véase a Goldra , E. (2012), capítulos 6 y 13.
viaciones posibles de esa duración son estrechas, pero si se enfrenta a trabajos para los
que no hay experiencia previa, estas posibles desviaciones se amplían y resultan en una
es mación difusa. ¿Qué hacer en ese caso? Tomar el peor caso puede ser una estrategia
segura pero también puede resultar no ser muy realista o poco atrac va (no «vendible») por el
contrario la estrategia op mista puede conducir a riesgos demasiado altos de aceptar.
Estos pos de comportamiento no están incluidos en los usuales desarrollos informá cos
para el modelado de las ac vidades de proyectos, ni existe mucha literatura (en español
al menos) para darles un tratamiento general que sirva de apoyo al programador de este
po de proyectos.
Este libro le permi rá al lector interesado resolver situaciones que actualmente ni siquiera
se pueden modelar en programación de proyectos, u lizando para ello un so ware rela -
vamente disponible en el mercado, y enfocándose en los problemas de programación de
proyectos y en sus posibles soluciones.
Para ello, en el primer capítulo, «Riesgos e incer dumbres», se empezará el estudio don-
de se discu rá brevemente los conceptos rela vos a los riesgos, y por qué se les debe
considerar diferentes a las incer dumbres, revisando su naturaleza y su relación con las
oportunidades en los proyectos y, en par cular, con las incer dumbres que afectan a las
duraciones.
En el tercer capítulo, «El control del Margen de Duración», se plantea que el margen no es
está co, y que varía a lo largo del empo. Se presentan algunas ideas respecto a la manera
cómo debe ges onarse un Margen de Duración durante la fase de ejecución.
Seguidamente, en el cuarto capítulo, «La programación con variabilidad de duraciones»,
se abordan los tratamientos de cuan ficación de la variabilidad de duraciones en los cro-
nogramas. Debido a ello, se presenta el modelo triangular de probabilidades como base
del modelo de duraciones a nivel de cada ac vidad y también la integración de todos los
efectos de variabilidad por medio de procesos de Monte Carlo a nivel cronograma. De esta
manera, se elabora la implementación de estos procesos en la aplicación más popular de
ges ón de cronogramas (MS Project) y al mismo empo se desarollan las ecuaciones y fór-
mulas matemá cas que resuelven casos de configuraciones de programación de trabajos
sencillos que, además, se usarán como medio de contrastación de resultados.
En el quinto capítulo, «La programación estocás ca», se aborda el fenómeno del com-
portamiento estocás co (aparece/desaparece) de las ac vidades en un cronograma, y se
plantea una implementación en MS Project para estos casos. Al igual que en el capítulo
anterior, se muestra el modo de cuan ficar este fenómeno y se desarrolla el soporte ma-
temá co para resolver los casos de configuración sencilla que se usarán como contraste
de los resultados.
Las ru nas u lizadas en Visual Basic se han desarrollado en MS Project 2007 y 2010, y se
muestran de manera libre para que el lector las u lice a su discreción. No es una aplica-
ción cer ficada de procesos Monte Carlo sino una muestra de lo que un programador de
so ware puede hacer para apoyar a un programador de proyectos sin recurrir a aplica vos
costosos o demasiado complejos. No es la intención de este libro distraerse en los detalles
de la implementación de dichos módulos; las discusiones al respecto se centran en pro-
veer una confianza razonable donde se produzcan resultados correctos para los niveles de
precisión requeridos con empos de respuesta de valor prác co.
En el anexo «Código Visual Basic» encontrará el listado de las instrucciones que conforman
los módulos que generan las simulaciones de Monte Carlo para los casos de variabilidad de
las duraciones y para el comportamiento estocás co por separado.
En el anexo «Modelos de variabilidad de duraciones» se explica el modelado matemá co
del fenómeno de la variabilidad como evento aleatorio y se hace el planteamiento y la
resolución de las ecuaciones para las estructuras lógicas usuales que se presentan en la
programación de proyectos.
Capítulo
RIESGOS E
INCERTIDUMBRE
Es usual encontrar en las discusiones sobre los riesgos de los proyectos, referencias a los pe-
ligros potenciales y elementos desconocidos, también sobre las evaluaciones de ocurrencia
de dichos eventos y de cómo el proyecto puede quedar afectado. Por ejemplo, se puede re-
gresar a la lista de preguntas mostradas en la introducción para acercarse al po de cues o-
namientos que surgen cuando se trata de evaluar qué posibilidades ene un proyecto para
ser afectado nega vamente por situaciones o elementos que pudieran estar fuera o salirse
del control de la organización ejecutora.
Como se verá existen dos pos de situaciones que deben separarse: los riesgos y las incer-
dumbres. El PMBOK4 en su desarrollo del concepto de riesgo de proyecto no separa clara-
mente estos conceptos y parece sugerir que a las incer dumbres se les debe dar el mismo
tratamiento que a los riesgos (eliminación, mi gación, transferencia, aceptación), aunque
confirma que a las oportunidades se les debe explotar, ampliar, compar r o aceptar, consi-
derándolas como una especie de riesgos de valor posi vo.
En línea con lo anterior, la estrategia general frente a los riesgos se enfoca en proteger el plan
de ejecución contra cualquier desviación, bajo el supuesto de que el plan es la situación óp-
ma de ejecución del proyecto y que cualquier desviación nos alejará de ese marco óp mo.
Esto propone una mentalidad proac va pero defensiva, una mentalidad atenta al cuidado y
conservación de las líneas base de alcance, de empo y, usualmente, de costo.
4
Véase Project Management Ins tute (2013a), capítulo 11 «Project Risk Management».
5
Véase Idem (2013b), capítulo 1 «Conceptual Founda on for the Case Study Approach».
16 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
4. Valor de un proyecto. El valor que un proyecto crea para sus involucrados. El valor de
un proyecto puede ser representado por uno o una combinación de criterios de desem-
peño, tales como eficiencia, efec vidad técnica, y la sa sfacción de un involucrado, con
énfasis sobre los propietarios y sus asociados.
De manera que los riesgos siempre representan una amenaza al proyecto y, además, pueden
preverse y es marse en su probabilidad de ocurrencia. En cambio, las incer dumbres enen
un efecto potencial no definido (puede ser posi vo o nega vo) para el valor del proyecto y
no se les puede asignar una probabilidad de ocurrencia; estos eventos literalmente sorpren-
den a la dirección del proyecto.
6
Una definición enfocada a proyectos. Una definición más general es «situaciones en las que nuevos bienes, servicios,
materiales, mercados y métodos de organización pueden ser introducidos por la formación de nuevos medios, fines o
relaciones medio-fin».
Capítulo 1 17
RIESGOS E INCERTIDUMBRE
Siendo las más frecuentes, las fuentes superiores; y las menos frecuentes, las inferiores. De
ambas, el estudio reporta que los eventos de incer dumbre que estuvieron relacionados a
impactos sobre las duraciones previstas consis eron en los siguientes casos:
1. La subes mación de la complejidad del proyecto.
3. La falta de conocimiento del producto que dejó fuera del alcance un componente.
5. La necesidad de agregar (nuevas) fases adicionales al proyecto por falta de información técnica.
Lo anterior, resalta la caracterís ca no previsible de las incer dumbres iden ficadas7 y también
apunta, como elemento común en todos los casos, a la falta de conocimiento adecuado o su-
ficiente sobre los eventos que afectaron a los proyectos.
Si bien los casos mencionados son solo ejemplos de posibilidades de incer dumbre, ellos per-
miten señalar los dos pos de incer dumbres que afectan a las duraciones:
La variabilidad en las duraciones y fechas previstas (casos 1, 2, y 4) en los que los empos
de ejecución o terminación difieren significa vamente de aquellos previstos en los planes
de ejecución.
El comportamiento aleatorio ( po existe/no existe) de algunos componentes del proyecto
(casos 3 y 5), que se refiere a ac vidades que se ejecutan o dejan de ejecutarse depen-
diendo de factores fuera del control del plan de trabajo, por tanto, enen la capacidad de
alterar la secuencia de ejecución del plan original.
¿Por qué esto es así? Posiblemente el arque po «a todo riesgo se le debe eliminar/mi gar/
transferir/aceptar» juega un papel prejuicioso. Aquí hay que tomar en cuenta que no siempre
se sabe separar riesgos de incer dumbres, y esto aunado al carácter «opaco» de la incer -
dumbre, hace que sea di cil de manejar intui vamente, por lo que se favorece la tendencia a
categorizar toda incer dumbre como un riesgo por evitar.
7
El estudio revisó 41 proyectos de diversas categorías o industrias con eventos de incer dumbres iden ficadas. Para re-
conocer dichas incer dumbres se entrevistó a los gerentes de proyecto respec vos en busca de eventos imprevistos o de
aquellos sucesos que sorprendieron a estos. No todos los casos resultaron en impactos nega vos, sino que algunos (más
del 50 %) pudieron ser reformulados como oportunidades que incrementaron el valor del proyecto.
18 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Existen planteamientos que tratan de recobrar el lado «oportunidad» de las incer dumbres
de las duraciones y que proponen estrategias que buscan aprovechar el uso de los recursos
en las ventanas de oportunidad eludiendo el tratar de comprender el fenómeno de la incer-
dumbre. En este trabajo se intentará por el contrario enfrentarse a la incer dumbre de las
duraciones para conocerla mejor.
2
Capítulo
LA ESTRUCTURA DEL
MARGEN DE DURACIÓN
Entonces, este margen debe brindar una medida de las posibilidades de éxito o fallo, así
como también debe ser reflejo de las desviaciones potenciales iden ficadas.
Las incer dumbres, en general, o las desviaciones, o si se quiere decir «los errores en la es -
mación» de las duraciones pueden afectar al cronograma de varias maneras.
Por ejemplo, un inves gador puede dar una es mación de la duración de un desarrollo que
se le haya encargado. Sin embargo, la naturaleza del trabajo solo le permi rá definir an -
cipadamente los pos de entregables a desarrollar, pero no tendrá la medida exacta de la
can dad de trabajo a desarrollar, esto sucederá solo hasta que tenga muy avanzado el traba-
jo y, por tanto, estará forzado a dar una es mación que oscilará entre valores más o menos
amplios, donde se determinará valores op mistas y pesimistas. Además, aunque se conozca
muy bien el proceso, las ac vidades humanas nunca se repiten exactamente igual. A este
po de comportamiento se le llama variabilidad de la duración y afecta a todas las ac vida-
des humanas. Cuando se conoce bien el proceso y hay suficiente experiencia, los intervalos
de error se estrechan; por el contrario, cuando no hay antecedentes o se desconoce alguna
porción del proceso, los intervalos se ex enden.
20 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Generalmente, se sabe cuáles son las ac vidades con variabilidad, aunque no se conoce muy
bien qué impacto específico tendrán ni cómo el total de variaciones combinadas pueda afec-
tar al total de la duración. La variabilidad es resultado del comportamiento de la duración
como variable aleatoria.
También puede ocurrir que no se tenga confirmada una parte del proceso, sobre todo en
los procesos de verificación y pruebas. Existe la posibilidad de que, llegado el evento de
evaluación de resultados, se tenga una Bifurcación en la lógica de ejecución, de manera que
una opción es con nuar con el proceso «normal», y la otra opción es agregar ac vidades de
corrección o incluso de repe ción hasta que se logre algún parámetro. Las opciones pueden
abrirse incluso a más de dos posibilidades.
En este caso se agrega el comportamiento estocás co (existe / no-existe) de una porción del
programa, que impacta en la duración esperada. Aquí también se sabe en qué partes de la
red de trabajos se pueden presentar estos efectos.
Existe otra categoría de elementos externos cuyo impacto no ene un punto específico de
aplicación al programa, es decir, no se les puede conectar con ningún elemento específico
del programa; sin embargo, enen capacidad para alterar la duración total. Esta clase de
incer dumbres se refieren a factores tales como el mal clima que puede limitar las ac vi-
dades de campo, cambios polí cos que pueden afectar el transporte del personal o generar
paros sindicales, o incluso cambios administra vos que cambien la jornada de trabajos o
las condiciones contratadas. Tienen comportamiento estocás co (hay una probabilidad de
ocurrencia o no ocurrencia) e impactos sobre las duraciones variables (no se puede fijar
exactamente cuánto empo afectarán).
Capítulo 2 21
LA ESTRUCTURA DEL MARGEN DE DURACIюN
Resumiendo, se puede decir que los márgenes de duración se componen de partes con
origen propio y con origen externo al trabajo que, en otro sen do, estas mismas partes del
margen se pueden clasificar como causadas por la variabilidad de las duraciones o por el
comportamiento estocás co del elemento y, al mismo empo, en una tercera dimensión,
varían por la forma con que se insertan al cronograma (Punto de Impacto Específico o No
Específico) tal como se muestra en la tabla siguiente:
Los elementos externos del Margen de Duración con Punto de Impacto No Específico (ele-
mentos externos de comportamiento estocás co que, además, no se pueden iden ficar
como un punto único de impacto en la red de trabajo) se presentan desconectados de las
ac vidades y eventos del trabajo. Las eventualidades que las desencadenan no forman parte
de los procesos del trabajo, picamente son eventos naturales, polí cos o administra vos
fuera del ámbito de control del proyecto.
Suspensiones no Punto de
confirmadas, no Impacto No
permanentes Comportamiento Específico
estocástico Punto de
Cambios de alcance
Elementos Impacto
requeridos por otros
externos Específico
Cambios en los Punto de
regímenes de trabajo Impacto No Margen
Tiempo
o procedimientos Variabilidad Específico total
Dependencias, esperas
Punto de
Decisiones, confirma- Comportamiento
Elementos Impacto
ciones, repeticiones estocástico
propios Específico
Duraciones inciertas Variabilidad
Duración base
22 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Finalmente, puede plantearse que el Margen de Duración está compuesto por una pila de
los efectos estocás cos y de variabilidad sobre la duración base del proyecto.
Así pues, los componentes con Punto de Impacto Específico, relacionados con el programa
(cambios de alcance requeridos por otros /dependencias, esperas / decisiones, confirmacio-
nes, repe ciones / duraciones inciertas), permiten tomar acciones de respuesta muy enfo-
cadas; mientras que las restantes (suspensiones no confirmadas / cambios de regímenes de
trabajo), al afectar globalmente o a porciones importantes del trabajo, deben ser abordadas
de un modo diferente preparando planes de con ngencia o simplemente aceptando el he-
cho de que estas ocurrirán.
3
Capítulo
EL CONTROL DEL
MARGEN DE DURACIÓN
Una vez establecido el Margen de Duración del proyecto queda pendiente discu r el manejo
que se le dará. Así pues, conforme a las ac vidades que se empiecen a ejecutar y los riesgos
potenciales que se ac ven o desac ven, las incer dumbres que dan origen al margen van
desapareciendo inevitablemente.
Es decir, el margen de duraciones, como reflejo de las incer dumbres, debe ir «consumiéndo-
se» a lo largo del desarrollo del proyecto. De otro modo, el cronograma le estará engañando
a usted mismo y le pronos cará fechas más tardías de las necesarias, creando confusión y ge-
nerando una situación potencial de oportunidad («terminar pronto») desperdiciada. No debe
dejarse pasar el punto sin enfa zar el valor del cronograma como herramienta de coordinación
de todos los esfuerzos independientes del proyecto. Un pronós co equivocado de término
puede tener consecuencias nega vas, incluso cuando se dispone de empo de sobra, ya que
puede anular oportunidades y limitar potenciales beneficios di ciles de volverse a crear.
Lo dicho no evita eventualmente que nuevos riesgos se iden fiquen en el camino y que se
requiera agregar más empo al margen ya establecido. Lo importante es tener conocimiento
de lo que sucederá y de las oportunidades de respuesta. Naturalmente, si la duración y el
margen originales ya fueron comprome dos frente a terceros, la situación será di cil.
La mejor estrategia es clasificar las incer dumbres (riesgos u oportunidades) por la mag-
nitud del impacto que puedan producir en nuestro proyecto8, es decir, que además de la
probabilidad de ocurrencia del riesgo, ene que ponderarse cómo y qué tan profundamente
queda afectado el proyecto ante la eventualidad del riesgo hecho realidad. En este caso, el
tamaño del margen que resulte da una indicación de dicho impacto.
Luego de esto, queda por definir el tratamiento que se le dará al margen durante la ejecu-
ción de los trabajos.
Por ejemplo, véase el caso de una ac vidad o segmento de cronograma que genera una
porción de margen, es decir, se ene un Margen de Duración asociado a un componente
específico del cronograma y supóngase que, durante el transcurso de la ejecución, se ha
logrado un progreso9 parcial de esta ac vidad.
El margen que se reportará deberá reflejar ese progreso realizado, y estar basado en el tra-
bajo remanente de la ac vidad, dado que habrá partes causantes de incer dumbre que ya
definieron su situación, y dejaron de ser incer dumbres, ya sea porque se convir eron en
impacto realizado y aplicado a la duración del trabajo o como impacto potencial desapareci-
do. Por tanto, el margen debe reflejar siempre una disminución y, adicionalmente, en el caso
de un impacto confirmado, debe revisarse la duración de las ac vidades comprome das
para mostrar la nueva duración re-es mada, dejando de ser incer dumbre.
Para el caso de un evento capaz suspender las ac vidades de un proyecto, pero sin una ac -
vidad específica afectada, se debe entender el proceso que lo causa para poder tratarlos. Su-
póngase, por ejemplo, que se hable de una temporada de lluvias que en promedio suspende
las ac vidades de campo 1 de cada 4 días a lo largo de una estación del año. Tratar de mo-
delar esto con el calendario de trabajo sería poco prác co, pues no se sabe an cipadamente
qué días serán lluviosos, lo que obligaría a una actualización/corrección diaria del calendario,
esto sería como tratar de adivinar cuáles días serán los lluviosos a lo largo de ese periodo.
Sin embargo, sí se puede saber el promedio o la es mación del intervalo op mista-pesimista
donde se calcula aproximadamente cuántos días serán improduc vos en esa estación de
manera que puedan acumularse en un margen al final del trabajo.
NOTA
La peculiaridad del ejemplo es que no se pregunta por la probabilidad de que se dé o no la
temporada de lluvias (100 %), sino por la can dad de días que se afectarán (variabilidad de
duración). También puede haber riesgos puramente estocás cos.
De esta manera, conforme pasa la estación, se puede ir aplicando al cronograma las sus-
pensiones por lluvias que vayan ocurriendo y descontando del margen los días lluviosos de
los periodos ya transcurridos, o simplemente recalculando los días lluviosos de los periodos
futuros, de manera que, al final de la estación, no debe exis r un componente del margen
por esta causa.
Lo importante de este manejo es que se conocen las causas y las medidas de los márgenes
aplicados, y se en ende dónde se aplican y la magnitud de las medidas correc vas o de con-
ngencia necesarias.
Para ilustrar lo dicho, véase la situación que se muestra en los cuatro diagramas de barras
a lo largo de este capítulo, donde se pueden apreciar cuatro estados de progreso de un
9
Para una revisión rápida de los pos de índices de progreso, véase a Reátegui, J. (2012), p. 72.
Capítulo 3 25
EL CONTROL DEL MARGEN DE DURACIюN
proyecto separados por varias semanas de empo de ejecución, y que consiste de tres ac -
vidades en serie.
Una de las ac vidades (véase Id [3] - Tarea con Variabilidad en el diagrama a con nuación)
con duración inicial 6 semanas, incluye cierta incer dumbre de duraciones que se repre-
senta con la ac vidad [7] - M. Tarea c/Var con una duración inicial de 12 días, en el mismo
diagrama.
Las otras ac vidades (Id [4] y [5]) no muestran variabilidad propia.
Las tres ac vidades son pasibles de un efecto que interrumpe frecuentemente las ac vida-
des; para representar esto se ha agregado al margen total 15 días por esta causa con la tarea
[8]- M. No específico.
Esto hace una duración total es mada de 90 días, más un margen extra de 27 días.
Sin entrar a discu r cómo se calcularon los márgenes, se podrá asegurar al cliente que la
entrega del proyecto ocurrirá dentro de los 113 días siguientes dentro del nivel de riesgos
aceptado. Nótese que hay 4 días de margen nega vo para el inicio de [7]- M. Tarea c/Var
que da cuenta de una posible terminación más temprana de lo previsto.
Se sabe, sin embargo, que hay claras oportunidades de terminar antes de 113 días, en reali-
dad si todo saliera perfecto se podría terminar en 90 días.
En la siguiente vista, luego de tres semanas de trabajo se ene el escenario que se muestra
a con nuación, la ac vidad [3] ha sido afectada por unos días de suspensión y además ha
progresado hasta un 40 % de su trabajo, todo lo cual ha extendido su fecha de fin, el resto de
ac vidades quedan alineadas a este nuevo final de la ac vidad [3].
En este momento al reevaluar los riesgos y sus impactos, se observa que parte de la varia-
bilidad de la ac vidad [3] se ha ido con la parte ya ejecutada, y esto se representa con la
26 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
nueva duración (menor) de la ac vidad [7]. Asimismo, el riesgo genérico, cuyo margen es la
ac vidad [8], ya ha consumido tres semanas de aplicación y, por tanto, sus efectos futuros
se reducen consecuentemente.
Como resultado se puede ver que ahora se an cipa un 1 día de reducción de la duración
prevista. El margen total restante se reduce a 21 días.
Luego de 11 semanas (véase el siguiente diagrama de barras) se encuentra que [3], ya ha sido
concluida reportando una duración de 7 semanas, la ac vidad [4] también ha sido afectada
por una suspensión y ene un progreso de 60 %. Se anuncia una duración total de 110 días.
La reevaluación de los márgenes de duración muestra que [7] ya se agotó (y por tanto se
asigna cero días de duración remanente); en cambio, [8] aún ene oportunidades de actuar
por casi 9 semanas más.
La entrega del proyecto se produce a los 108 días y el margen es de cero días.
Lo cual enfa za el hecho de que la duración del proyecto es un resultado aleatorio y puede
predecirse solo con cierto grado de confianza, es decir, puede asignarse una probabilidad al
caso: se terminará antes de determinada fecha (los 113 días), y se puede es mar la duración
en el caso de que todo saliera bien (90 días o más). Sin embargo, predecir algún grado de
probabilidad razonable para una duración específica (108 días) no será posible.
4
Capítulo
LA PROGRAMACIÓN
CON VARIABILIDAD
DE DURACIONES
Desde el principio de los desarrollos para la ges ón del empo de los proyectos, la varia-
bilidad de las duraciones apareció como un obstáculo por resolver. Cuando inicialmente se
desarrolló el método de programación PERT (Program Evalua on and Review Technique) en
la década de 1950 y se fusionó con el Método de la Ruta Crí ca (CPM por sus siglas en ingés
de Cri cal Path Method), los programadores trabajaban con las redes lógicas de ac vidades/
trabajos y como tal estaban enfocados en el análisis de la secuencia de trabajo y en la lógica
de las relaciones de precedencia. El análisis de la Ruta Crí ca se enfocó en definir la duración
de la ejecución de la red de trabajo determinando la secuencia de ac vidades más larga (en
empo), por tanto, esto significaba una es mación meramente puntual. Por otro lado, el
método PERT desarrolló la idea de la variabilidad de las duraciones para enfrentar la falta de
definición en los empos de ejecución, de manera que proporciona un tratamiento proba-
bilista a la duración de cada ac vidad. Es decir, el método asume que existe una función de
densidad de probabilidades (fdp) para la duración de cada ac vidad (cuya forma depende de
la naturaleza del trabajo), y que esta a su vez se convierte en una variable aleatoria.
Ahora bien, el enfoque de la Ruta Crí ca tenía la ventaja que iden ficaba a las ac vidades
par cipantes y protagonistas de la duración, lo que permi ó una mejora en general de la
ges ón de las diversas áreas de conocimiento de los proyectos10 al permi r enfocar la aten-
ción y recursos a puntos específicos del plan en lugar de dispersar los esfuerzos en todos los
ámbitos del trabajo.
10
Véase Project Management Ins tute (2013a), 3.3.4 «Probabilis c Distribu on of Ac vity Dura on».
28 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Para poder implementar el método se tuvo que modelar la fdp de la duración como paso
previo y se presentaron varias candidatas más o menos complejas para representar el com-
portamiento aleatorio de las duraciones aunque finalmente se adopta el modelo triangular
de duraciones como una buena representación de las probabilidades.
Para completar el análisis PERT y evitar las complicaciones del cálculo probabilís co de las
duraciones se introdujeron técnicas de simulación de Monte Carlo, que incluyeron a la totali-
dad de la red lo que causó que la can dad de operaciones involucradas se incrementase sig-
nifica vamente. Este incremento del esfuerzo de cálculo (junto al éxito que representó para
la ges ón de proyectos el Método de la Ruta Crí ca) hizo que la vasta mayoría de programas
de trabajos se basaran en la es mación puntual, apoyados en una más o menos razonada
es mación de un margen adicional de duración.
El producto de los análisis de Monte Carlo brindó una mejor comprensión del comporta-
miento probabilís co de la duración de un proyecto, pues apareció una relación clara entre
la duración como variable aleatoria y la probabilidad de éxito, permi endo la definición de
un Margen de Duración con niveles de confianza que se podían interpretar de acuerdo a los
métodos cuan ta vos y cualita vos de la ges ón de riesgos12.
Con el posterior desarrollo de la capacidad de cálculo de los sistemas informá cos, ahora,
realizar el análisis de Monte Carlo de redes grandes no resulta excesivamente un consumidor
de empo; sin embargo, el método sigue relegado, injustamente, a situaciones de proyectos
grandes o muy costosos, quizá debido a su aire abstracto de matemá cas enrarecidas.
A pesar de ello, y tal como un soldador diestro aplica sus habilidades sin necesidad de hacer
un desarrollo explícito y consciente de la teoría de la metalurgia de la soldadura en cada jun-
ta que realiza, o así como un programador prepara, actualiza y revisa cronogramas siguiendo
el método de la Ruta Crí ca pero sin hacer una revisión detallada de la matemá ca de ma-
trices ni de los algoritmos de evaluación de redes, usted también puede entender la teoría
básica de las probabilidades y de los procedimientos de simulación de Monte Carlo y sus
resultados respec vos para u lizarla en la programación al mismo nivel de la prác ca diaria.
11
Véase Kendrick, T. (2003), capítulo 4 «Identifying Project Schedule Risk». subtítulo «Estimates Adjusted for
Uncertainty», p. 90.
12
Véase Project Management Ins tute (2013a), 11.4.2 «Perform Quan ta ve Risk Analysis: Tools and Techniques».
Capítulo 4 29
LA PROGRAMACIюN CON VARIABILIDAD DE DURACIONES
Frecuentemente, se suele mencionar estos parámetros en las discusiones acerca del mé-
todo PERT sin dar una explicación de su significado. Esta vez se necesitan las definiciones
respec vas para poder manipular y entender los resultados correctamente.
1. Duración Optimista (O). Es la duración más corta posible, dentro de lo planeado, para la
ac vidad. Es decir, es el límite inferior prác co de la duración, una ejecución más corta
que esta no debe ser admisible con los métodos y tecnología previstos. Originalmente
este valor se es maba con ayuda del siguiente experimento mental: si se ejecutara esta
ac vidad 100 veces, ¿cuál sería el límite de duración de modo que solo uno de los casos
(1 %) resultara más corto que dicho límite? En la prác ca es la duración más corta posi-
ble y usualmente no está muy alejada del valor normal de la duración.
2. Duración Pesimista (P). Es el peor valor de duración esperado, haciendo la versión pesi-
mista del experimento mental mencionado para el caso op mista. Este valor es el más
di cil de es mar y el que más impacta en los resultados porque generalmente es el más
difuso y puede superar largamente el valor es mado como normal.
En el diagrama siguiente pueden verse las respec vas posiciones de estos valores en el eje
horizontal y cómo definen el perfil triangular de la fdp de duraciones (función f) de la ac -
vidad cuando se incluye la condición de definición de toda fdp: el área debajo de la función
es uno (1 o 100 % de probabilidad).
Como se recordará el área encerrada bajo una fdp a la izquierda de un valor de duración t
(la función F(t)) proporciona la probabilidad de ocurrencia de duraciones menores a t.
30 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
2 ⋅ ( t − O)
f (t ) = (4.1.1)
(P − O)(E − O)
2 ⋅ (P − t )
f (t ) = (4.1.2)
( P − O) ⋅ ( P − E)
La función de probabilidades P ( x ≤ t ) = F ( t ) es la
integral:
(4.1.3)
(4.1.4)
Y resolviendo se ene:
(4.1.7)
Que puede compararse contra el clásico valor mostrado en la ecuación 9.2.1.1 del anexo
9.2.1 (Ecuaciones PERT), cuando se considera como fdp una función beta.
Donde luego de reemplazar las ecuaciones 4.1.1 y 4.1.2 otra vez, resulta:
O alterna vamente:
(4.1.8)
(4.1.9)
13
Véase Project Management Ins tute (2013a), 2.3.4 «Monte Carlo Simula on».
14
Cuando hacemos referencia a una «instancia» de un programa o ac vidad, nos estamos refiriendo a un caso indi-
vidual, es decir, cualquiera de los experimentos mentales de probabilidades que generan muchos casos de un mismo
evento (aleatorio), y que van difiriendo unos de otros en sus duraciones.
32 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
las diferentes instancias es la duración de las ac vidades con incer dumbres. El diagrama
lógico del proceso de Monte Carlo, que se muestra más adelante, ilustra la lógica básica y
su simplicidad.
Puede observarse que los siguientes bloques son el corazón de los cálculos:
El «Genera instancia de duración de tarea» y
el lazo lógico que inicia con «Recorre líneas del cronograma» y que termina saliendo por
Para asegurar que las duraciones generadas conformen una población con la fdp triangular
requerida se usan las ecuaciones de la función de probabilidades inversa 4.1.5 y 4.1.6 que
toma la variable F como entrada aleatoria y los parámetros O, E y P que caracterizan a la
tarea.
El algoritmo repite este proceso para todas las ac vidades con lo cual genera un caso o ins-
tancia nueva de cronograma con duraciones de ac vidad aleatorias que se comportan de
acuerdo a sus parámetros individuales y al modelo triangular de probabilidades. El proceso
asegura que todas las ac vidades del cronograma son visitadas y revisadas recorriendo el
lazo lógico que inicia con «Recorre líneas del cronograma» y termina saliendo por el ramal
«Sí» de «¿Fin de recorrido de organigrama?».
Cada vez que se completa una instancia de duraciones para el cronograma entero, el blo-
que «Genera instancia de cronograma (calcula)» lanza los algoritmos propios de MS Pro-
ject (equivalente a presionar <F9> en dicho so ware) y calcula la Ruta Crí ca, holguras, y
demás parámetros del cronograma. Los casos que se van generando son diferentes unos
de otros, con duraciones diferentes, rutas crí cas diferentes, etc., pero manteniendo la
lógica definida en la red de trabajos.
Capítulo 4 33
LA PROGRAMACIюN CON VARIABILIDAD DE DURACIONES
Monte Carlo
Inicializa variables
Revisa consistencia
de duraciones
Sí
¿Es Tarea?
No Sí
Genera instancia de
duración de Tarea
¿Fin recorrido de
cronograma?
No Sí
Genera instancia de
cronograma (calcula)
Almacena datos de
instancia de cronograma
¿Fin de iteraciones?
Sí
No
Prepara reporte
Guarda resultados
Fin
34 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
El bloque «Almacena datos de instancia de cronograma» toma los parámetros del crono-
grama calculado y los copia a una tabla de datos de iteraciones (solo de aquellas ac vida-
des seleccionadas), y da pie para iniciar los pasos correspondientes a la siguiente iteración.
Cuando se ha completado el número de iteraciones predeterminado —frecuentemente
usamos mil iteraciones—, el bloque «Prepara reporte» usa la información de la tabla de
iteraciones guardadas para preparar un reporte básico de curvas de frecuencia para los pa-
rámetros de interés de las ac vidades seleccionadas: duración (o de fechas de término, o
trabajo —en hHs—, o de costos, de acuerdo a las tasas de costo que se hayan introducido).
15
Para revisar el comportamiento estocás co, véase la implementación de estructuras estocás cas en MS Project.
Capítulo 4 35
LA PROGRAMACIюN CON VARIABILIDAD DE DURACIONES
El prefijo MC iden ficará los campos personalizados por la implementación de Monte Carlo.
A. Flag1 / MC Selected
Este campo servirá para marcar los elementos que el usuario desea que se reporten.
Un valor «Sí» significará que el elemento (cualquier po seleccionable: tarea, resu-
men, o hito) será monitoreado y reportado.
NOTA
La «Fecha de Fin» del resumen del proyecto (tarea [0] de un cronograma) se reporta
siempre por defecto
B. Flag19 / -
Sin nombre personalizado, campo usado por el algoritmo para datos temporales.
C. Text1 / MC Lista Param
Define qué parámetros de tarea serán monitoreados, hay cuatro posibilidades:
Duración (se medirá en horas laborables)
Fecha de fin
Trabajo (hHs)
Costo (según la unidad monetaria establecida)
Este campo ene una lista de valores predefinidos (D, F, T, C) de manera que los pará-
metros pueden solicitarse independientemente o combinados.
NOTA
E. Dura on4
Un campo usado para almacenar el valor original del campo Dura on y que se usa al
final del proceso para recuperar las duraciones originales del programa que han sido
modificadas en las instancias de iteración del algoritmo Monte Carlo. La información
que el usuario registre en Dura on4 será modificada por el algoritmo.
Donde se indica:
5. La tabla de frecuencias rela vas de clase y acumuladas con el centro de clase. Las
frecuencias se muestran en valores porcentuales.
Estos reportes se muestran para cada parámetro y ac vidad seleccionados. Se usan tam-
bién para una verificación visual rápida de los resultados.
NOTA
Se puede observar que el método para generar histogramas (dividiendo el intervalo de
valores por 20 clases, cada clase resulta ser el 5 % del rango) introduce un nivel de error
de 5/2 = 2.5 % sobre los errores del modelo triangular mismo.
38 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
A con nuación, se revisa solo los dos procesos fundamentales del algoritmo, es decir, el
bloque16 que recorre las ac vidades (tareas) del cronograma y genera las instancias de
duración. Véase los comentarios explica vos en verde en el texto del código.
For Each T In ActiveProject.Tasks 'Recorre todas las tareas del programa de tareas
If Not T.Summary And Not T.Milestone Then 'Esta condición evita asignar
inútilmente, duraciones nuevas a resúmenes o hitos
F = Rnd 'Genera un valor aleatorio para la función de probabilidades F(t)
If T.Duration1 = T.Duration3 Then 'Caso no hay variabilidad de duraciones
T.Duration = T.Duration2 'Confirma la duración a usar
'Nota: Existe una versión posterior del código que optimiza esta
bifucación usando el'campo T.Flag19 como discriminador y cuyo
valor se asigna en los bloques de 'inicialización
Else
'Lo que sigue es el bloque "Genera Instancia de duración de Tarea"
Moda = (T.Duration2 - T.Duration1) / (T.Duration3 - T.Duration1)
'Calcula el discriminador'de los casos ascendente o descendente
del perfil triangular. En una versión posterior 'este valor se
calcula y se guarda en el campo T.Number16
If F <= Moda Then 'Si es lado ascendente aplica la ecuación 4.1.5
T.Duration = T.Duration1 + T.Number19 * Sqr(F) 'Los campos
T.Number19 y T.Number20 han sido calculados en los bloques
de inicialización de parámetros
Else 'Si es lado descendente aplica la ecuación 4.1.6
T.Duration = T.Duration3 - T.Number20 * Sqr(1 - F)
End If 'F <= Moda
End If 'T.Duration1 = T.Duration3
End If 'Not T.Summary
Next T 'Busca siguiente tarea de cronograma y finaliza si no hay más
Es de notar la simplicidad con que un corto número de instrucciones (15) logra estable-
cer el proceso de Monte Carlo. El resto de código se aboca a la preparación de datos,
verificación de consistencia de información, interfaces con el usuario, archivamiento de
resultados y mensajes.
En Anexos 9.1 (Código de Visual Basic) podrá el lector más interesado revisar el código
completo para ver más detalles.
16
Asumimos que el lector, programador de proyectos, dispone también de un cierto conocimiento básico de programa-
ción en Visual Basic. Aquí no explicaremos la sintaxis del lenguaje.
Capítulo 4 39
LA PROGRAMACIюN CON VARIABILIDAD DE DURACIONES
Sea una ac vidad con duraciones PERT (O/E/P): 6 h / 7 h / 12 h, y otra ac vidad con dura-
ción de 8 h bastante confirmada (sin variabilidad), que están programadas en paralelo e
inician al mismo empo.
2. Si el trabajo puede suspenderse de noche, ¿cuál es la hora de terminación (del día si-
guiente) que se puede comprometer al 95 % de confianza? ¿Qué costo asociado habrá?
¿Cuántas hHs se consumirán en ese caso?
Respuesta:
Donde se ha marcado (campo: MC Sel = Sí) el resumen [1] y la tarea Con variabilidad [2]
como componentes del programa por ser analizados, y se ha solicitado reportes (campo
MC Lista Parámetros) de la duración, la fecha/hora de fin, el trabajo y el costo para la tarea
[1] y solamente la duración para la tarea [2].
NOTA
Aunque la tarea [3] aparece marcada para reportar duraciones, no será reportada porque no
está marcada en el campo MC Sel.
Los campos MC Frec Crí ca y MC Clase Crí ca esperan los resultados del proceso.
Se han asignado los recursos fic cios: R1 (costo = 12$/h) y R2 (a 10$/h), colocando una
unidad de cada uno en las tareas [2] y [3].
Luego de ejecutar el proceso (lanzando la macro VisitaTareas, con 1000 iteraciones) re-
sulta lo siguiente:
Este ya responde a la pregunta 3, la Ruta Crí ca. está definida el 54 % de los casos por la
tarea [2] y un 46 % de veces por la tarea [3], el indicador MC Clase Crí ca muestra esto
con un botón amarillo. Un caso desafortunado con una Ruta Crí ca doble en la prác ca.
Donde se observa que existe una probabilidad de 46.2 % de terminar el 17 abril de 2013
(antes de las 17:28 h) y el resto de casos (53.8 m %) se terminará el 18 abril de 2013 (a las
o antes de las 11:27 h). Teniendo en cuenta la alta probabilidad de no terminar el trabajo
el primer día (más del 50 %) será mejor tener preparada la cuadrilla nocturna.
Obsérvese que las ac vidades se suspenden durante los periodos nocturnos (el intervalo
entre las 6 p. m. del 17 de abril y las 8 a. m. del 18 de abril son no laborables de acuerdo
al calendario de trabajo definido), razón por la que no hay datos de terminación entre
esas horas y, por tanto, la probabilidad asociada no se incrementa, la curva de frecuencias
acumuladas se man ene fija y los incrementos se reinician en el siguiente periodo. Esto es
usual en los gráficos de fechas que muestran saltos; en cambio, los reportes de los otros
tres parámetros (duraciones, trabajo, costo) muestran incrementos siempre de modo con-
nuo, como se puede ver en las siguientes discusiones:
Para la primera de las preguntas en 2, se leen los datos de fecha/hora de terminación aso-
ciadas al 95 % de frecuencias acumuladas (curva «S» color azul) en el mismo gráfico o en
la tabla, esta resulta poco antes de las 10:20 a.m. del día siguiente.
NOTA
Obsérvese que los parámetros trabajo y costo asociado se calcularán de un modo diferente
dependiendo del po de ac vidad asignado en MS Project (trabajo fijo, unidades fijas o du-
ración fija), el programador debe asegurar el po que debe usar.
Con esto se ene suficiente seguridad que, aunque ocurran efectos de variabilidad combi-
nados, no habrá gastos mayores a esa can dad.
Por otro lado, también existen oportunidades significa vas (casi 50 %) de terminar el traba-
jo el primer día. Por tanto, la ac vidad siguiente en la secuencia debería estar preparando
sus requerimientos de trabajo (permisos del propietario, traslado de materiales, revisiones
de planes, etc.). Es decir, el lado «oportunidad» también está presente y muestra la opción
potencial de aprovechar la terminación temprana de esta ac vidad para incorporar ese
adelanto a la Ruta Crí ca. Pero se necesita que el proyecto «se exponga» a la oportunidad,
esto es, que tome la decisión de estar listos para aprovechar el posible adelanto de la fecha
de inicio de la ac vidad siguiente.
Como puede verse, el análisis de los resultados de un proceso Monte Carlo ofrece informa-
ción que mejora nuestro conocimiento sobre cómo se comportará el modelo que hemos
construido, pero, por otro lado, la responsabilidad como programadores se da con que el
modelo sea una representación correcta de las secuencias, relaciones de precedencia y
duraciones, asegurando que el modelo se aproxima lo suficiente a la realidad para servir
como herramienta de predicción ú l.
El otro aspecto plantea que al obtener resultados repe dos para datos iguales, ¿cómo se
puede verificar que ese resultado es el correcto y no un error sistemá co? Si esto no es
posible de confirmar, se podría estar tomando decisiones sesgadas sin saberlo.
Para revisar la repe vidad de resultados se pueden plantear unas pruebas simples, tal
como repe r el análisis de un mismo caso para diferentes números de iteraciones, y com-
probar si las desviaciones obtenidas son cada vez menores, o repe r exactamente el mis-
mo análisis varias veces para medir las desviaciones.
Tómese un caso simple, para ilustrar, la tarea [2] Con Variabilidad del ejemplo anterior. La
tabla de las frecuencias rela vas de sus duraciones y el respec vo gráfico se muestran a
con nuación (recuérdese que 1K = 1000 iteraciones):
¿Se parece a un triángulo con pico en 7 y extremos 6 y 12? Recuerde que estos fueron los
valores PERT para las duraciones.
El intervalo de duraciones reportado [6.06, 11.93] coincide bien, y salvo la falta de defini-
ción del pico (por la naturaleza aleatoria del proceso), se puede es mar para este paráme-
tro un valor en las cercanías de 7.09 h. Bueno para procesos aleatorios17.
Usando los datos de la tabla se puede calcular directamente la duración media y la desvia-
ción estándar de las poblaciones producidas, para obtener:
µˆ = 8.362 y σˆ = 1.306
Si se usan las ecuaciones 4.1.7 y 4.1.8 para calcular los valores exactos, se ob ene:
µ = 8.333 y σ = 1.312
Con una muy buena coincidencia contra el valor teórico: una desviación de +0.35 % para
μ y de -0.45 % para σ.
17
Para una discusión más extensa sobre aspectos prác cos en este tema véase Kendrick, T. (2003), capítulo 7 «Probability
Density Func ons», p. 173.
Capítulo 4 47
LA PROGRAMACIюN CON VARIABILIDAD DE DURACIONES
Es de resaltar que las curvas de frecuencias acumuladas ( po «S») están aún más ajustadas
entre ellas, por lo que las inferencias probabilís cas a par r de ellas serán todavía menos
dis nguibles entre sí.
Con lo que se comprueba que nuestro algoritmo Monte Carlo está generando eficiente-
mente poblaciones de acuerdo al modelo que se ha planteado sin sesgos apreciables.
Cuando el proceso se aplica sobre cronogramas un poco más complejos y aparece la su-
perposición de diversos perfiles triangulares, la curva compuesta final pronto se aleja de la
forma con pico y de laderas rectas para adoptar el de la clásica campana de Gauss, hacien-
do más atrac vo el uso de la media y la desviación estándar de la duración.
48 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Para confrontar el problema del sesgo se necesita comparar los resultados de la simulación
Monte Carlo contra resultados obtenidos por otros medios. Esto se puede hacer compa-
rando la media y la desviación estándar de la duración obtenidas por simulación contra
valores calculados para casos de configuraciones simples. Este método se ha seguido a lo
largo de todos los ejemplos siempre que ha sido posible con resultados bastante coheren-
tes de manera que se ene confianza en el algoritmo desarrollado.
Para esto se han desarrollado los anexos 9.2 y 9.4 donde se deducen y resuelven las ecua-
ciones respec vas de estas configuraciones sencillas.
Serie μD 9.2.2.2
σ D2 9.2.2.3
Paralelo μD 9.2.3.7
Tardío
σ D2 9.2.3.16
Paralelo μ 9.2.4.7
D
Temprano
σ D2 9.2.4.16
Véase Anexos 9.2 (Modelo de variabilidad de duraciones) para leer las definiciones de los
pos de grupo y los números de ecuación, además de las demostraciones matemá cas de
estas fórmulas.
Capítulo 4 49
LA PROGRAMACIюN CON VARIABILIDAD DE DURACIONES
σ D2
4.1.8
Paralelo μD
Tardío
9.2.3.13
σ D2
Donde y
9.2.3.17
9.2.3.18
9.2.3.19
9.2.3.20
y 9.2.3.21
50 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Paralelo μD 9.2.4.13
Temprano
σ D2
Donde y 9.2.4.17
9.2.4.18
9.2.4.19
9.2.4.20
y 9.2.4.21
Este módulo se ejecuta a través de la macro CalculaT (<Alt+F8> para ver la lista de macros
instaladas) que muestra un cuadro de diálogo similar al siguiente:
Luego de ejecutar los cálculos (botón Calcular), se ob ene la media y la desviación es-
tándar de la duración del grupo, además se calcula también los límites al 1 % y 99 % de
confianza (basado en una distribución normal y una población «grande»: Z = ±2.326342,
en las ecuaciones 9.2.6.2 y 9.2.6.3 en Anexos 9.2.6 (Es mación de duraciones op mista,
esperada y pesimista de grupos).
Capítulo 4 51
LA PROGRAMACIюN CON VARIABILIDAD DE DURACIONES
También se muestra un valor «Precisión:» que indica los errores por truncamiento causa-
dos por los cálculos factoriales de números grandes. Los casos de grupos de ac vidades
en paralelo son las más exigentes en precisión y dependiendo de los datos PERT usados
muestran errores importantes a par r de tamaños (n) de 40.
Nótese que el algoritmo de simulación de Monte Carlo y el cálculo de las fórmulas mostra-
das coinciden en las es maciones de la media, la desviación estándar y límites L1% y L99%,
pues ambas se basan en el mismo supuesto.
¿Cómo determinar la variabilidad de cada caso? Esta pregunta regresa al análisis inicial
del proceso básico de es mación de duraciones de las ac vidades individuales, solo que
esta vez se ene que pensar en términos de es maciones de intervalo y no solamente en
elementos puntuales. De igual manera, las fuentes de información serán:
Datos históricos y bases de datos. Son los registros de duración y variabilidad de traba-
jos anteriores registrados por la empresa ejecutora. Es la fuente más recomendada; sin
embargo, es la menos presente a la hora de preparar las es maciones, porque simple-
mente los datos registrados (si se registra alguno) no están organizados ni explicados en
su significado, el esfuerzo de generación y mantenimiento de estas bases de datos aún
no se encuentra frecuentemente en la industria.
Juicio de expertos. A falta de registros deberá acudirse al juicio de los expertos, es decir,
18
Para una muy interesante crí ca a la fiabilidad de los expertos, véase a Taleb, N. (2009), «El problema del experto,
o la tragedia del farsante», pp. 217 y 224.
19
Véase Project Management Ins tute (2011a), capítulo 4 «Create Es mates».
52 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Para evidenciar la limitación del modelo triangular de probabilidades y es mar las colas iz-
quierda y derecha al 1 % se compararán los resultados de un proceso de Monte Carlo para
grupos pequeños (2, 3 o 4 ac vidades) con las es maciones de los intervalos [Do , Dp] calcula-
das con base en las unidades de desviación estándar (distribución Normal). Use las duracio-
nes op mista, más probable y pesimista, según los valores 0.5 h, 1 h, 2 h, respec vamente.
Respuesta:
Se pueden modelar todos los casos en un solo cronograma tal como sigue:
Capítulo 4 53
LA PROGRAMACIюN CON VARIABILIDAD DE DURACIONES
Serie 2.332 0.443 1.343 3.340 2.254 2.333 0.441 1.307 3.359
2
Paral. Tardío 1.329 0.269 0.760 1.854 2.033 1.344 0.275 0.704 1.984
Serie 3.485 0.530 2.298 4.726 2.291 3.500 0.540 2.244 4.756
3
Paral. Tardío 1.436 0.245 0.876 1.913 2.116 1.440 0.249 0.861 2.019
Serie 4.645 0.628 3.150 6.024 2.288 4.667 0.624 3.215 6.118
4
Paral. Tardío 1.485 0.239 0.960 1.915 1.998 1.502 0.229 0.969 2.035
A la izquierda están los valores observados (μ y σ) que resultaron del proceso de Monte
Carlo (con 1k iteraciones). Luego de graficar las frecuencias obtenidas se han leído los
valores L1% y L99% adyacentes en la tabla, con los que a su vez se ha calculado el hipoté co
número de desviación estándar (Z1) que se aplicaría. Donde Z1 = (L99%– L1%)) / (2σ)
En general, se observa una buena aproximación entre ambos conjuntos de valores; como
puede notarse, el valor Z (= 2.3263) siempre excede a los valores es mados Z1, por tanto,
los valores es mados con las fórmulas triangulares y Z resultan en intervalos ligeramente
más extendidos que los observados al graficar el proceso de Monte Carlo. Si se recuerda,
las fórmulas triangulares asumen un truncamiento de datos al 1 % de ambos lados de las
colas, esto muestra que la es mación hecha es bastante coherente para hacer es macio-
nes del intervalo de datos.
En el siguiente diagrama de barras se puede observar los resultados obtenidos para los
campos MC Frec Crí ca y MC Clase Cri ca. Por ejemplo, se ven cuatro botones rojos
marcando los componentes que han sido crí cos más del 90 % de los casos generados
(1k iteraciones), que además es bastante intui vo: [16] Serie de 4. El siguiente grupo, en
cuanto a su Cri cidad es Serie de 3, con 7.3 % de ocasiones en que ha sido parte de la Ruta
Crí ca. Con lo cual se enen indicaciones cuan ficadas de qué partes del cronograma
requerirán atención para controlar la duración total; mejor aún se podrá evitar decisiones
indiscriminadas que consuman recursos en áreas que no representan ningún riesgo para
el control de la duración.
54 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Ejemplo 2:
Calcular las duraciones para representar una cadena de 45 ac vidades consecu vas con
duraciones individuales Op mista, Más Probable y Pesimista = (0.5 h, 1 h, 2 h).
Respuesta:
Este caso ha sido modelado con el método Monte Carlo (1000 iteraciones) con los siguien-
tes resultados:
Capítulo 4 55
LA PROGRAMACIюN CON VARIABILIDAD DE DURACIONES
L1% L99%
45.98 58.78
Se puede ver una gran coincidencia entre el modelo triangular analí co y los resultados de
las iteraciones. Esto se ha repe do para otros valores de (n) confirmando que el modelo
analí co de una cadena de ac vidades con fdp triangular es un muy buen es mador del
comportamiento del proceso Monte Carlo.
Ejemplo 3:
Calcular las duraciones totales para representar una grupo de 15 ac vidades simultá-
neas con duraciones Op mista, Más Probable y Pesimista (0.5 h, 1 h, 2 h, respec vamen-
te). La duración del grupo está determinada por la terminación de todas las ac vidades
individuales.
Respuesta:
Usando la misma data en una simulación con el método Monte Carlo (tres procesos, 1000
iteraciones cada uno) resulta:
Caso D= D
D=n. i = n.
D i
1 1.721 0.139
Iteraciones Monte
2 1.721 0.138
Carlo (1k)
3 1.723 0.141
También se han probado varios tamaños de grupo (n) con los siguientes resultados:
Tamaño (n) D= D
D=n. i = n.
D i
5 1.547 0.210
Iteraciones Monte
10 1.659 0.168
Carlo (1k)
15 1.722 0.139
5 1.548 0.213
Modelo fdp
10 1.669 0.164
triangular
15 1.727 0.138
Nótese que cuando el tamaño del grupo aumenta, la duración esperada (D) del grupo se
incrementa aproximándose al valor pesimista cada vez más y en cambio la dispersión (σD)
va disminuyendo.
Ejemplo 4:
Calcular las duraciones para representar una grupo de 15 ac vidades simultáneas con du-
raciones Op mista, Más Probable y Pesimista (0.5 h, 1 h, 2 h, respec vamente). La dura-
ción del grupo está determinada por la primera terminación que ocurra de entre todas las
ac vidades individuales (la más corta).
Capítulo 4 57
LA PROGRAMACIюN CON VARIABILIDAD DE DURACIONES
Respuesta:
5 0.822 0.1557
Modelo fdp
10 0.734 0.1161
triangular
15 0.693 0.0974
Nótese que para este caso cuando el tamaño del grupo aumenta, la duración esperada (D)
del grupo disminuye aproximándose al valor op mista cada vez más.
Ejemplo 5:
a. Determinar qué margen de empo debe considerarse para asegurar una probabilidad
del 95 % en terminar de un trabajo de reemplazo de una gran can dad de componentes
comunes en una planta industrial. Véase la tabla de distribución geográfica y niveles
(piso/altura).
b. Tomando en cuenta que se necesitará personal similar para otro trabajo que se debe
iniciar lo antes posible, ¿en cuánto empo se habrá liberado la mitad de las cuadrillas de
trabajo para el inicio de la otra ac vidad? Asumir cuatro cuadrillas iguales.
58 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Respuesta de a:
Reemplazar
Total
ÁREAS A En Altura En Piso
Reemplazos
WBS-210 6 52 58
WBS-220 11 95 106
WBS-230/240/250 40 362 402
SS-1000A 40 356 396
SS-4000 64 575 639
WBS-110 71 640 711
WBS-120 39 355 394
WBS-190 132 1,192 1,324
SS-1000B 53 475 528
WBS-140 116 1,041 1,157
WBS150 59 533 592
WBS-160 60 542 602
WBS-170 43 383 426
WBS-3400 31 279 310
LCR-01 51 456 507
TQ-1 54 482 536
TQ-2 97 872 969
BOG 70 634 704
Propane 31 275 306
Sleeperway 23 211 234
Ethylene 13 118 131
CCR 22 209 231
Total 1,126 10,137 11,263
Si se enfoca la programación del modo más sencillo posible, es decir, sin consideraciones
para una entrega ordenada área por área —lo que implicaría coordinar y balancear los
trabajos de los 4 frentes para que terminen simultáneamente los trabajos de cada área—,
se tendrán 10,137 componentes a nivel del piso entre 3 frentes (= 3,379 componentes en
piso/frente) y 1,126 componentes en altura/frente.
Capítulo 4 59
LA PROGRAMACIюN CON VARIABILIDAD DE DURACIONES
Nótese que de las 4 ramas de ac vidad solo 3 pueden ser consideradas iguales entre sí.
Para responder a la primera pregunta se calcularán las duraciones Op mista, Más Proba-
ble y Pesimista de cada rama.
A nivel de piso se enen las duraciones individuales O/E/P = (3, 5, 15) minutos/componen-
te y usando las ec. 4.1.7 y 4.1.8:
μi = 7.667 minutos
Las ramas a nivel de piso enen n = 3,378 componentes Considerando una cadena de ac-
vidades en secuencia se tendrán las ecs. 9.2.2.2 y 9.2.2.3:
NOTA
A pesar de que la variabilidad de duración individual es notable (P/E = 15/5 = 3), la dura-
ción de la cadena no resulta impactada de la misma manera. Es más, la relación σD / μD =
152.6/25,899 = 0.00589 es pequeña (0.589 % de la media) y es resultado del gran número de
ac vidades que toman valores aleatorios, según la fdp, desviándose en ambos sen dos de la
media y produciendo un efecto de cancelaciones parcial que deja un residuo de desviación.
60 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Las duraciones Op mista/Pesimista se calculan con las ecs. 4.7 y Z99% = 2.3263.
NOTA
Obsérvese que se asume una distribución normal, en cuyo caso la duración Más Probable
es la media.
En el otro frente, A nivel alto, los trabajos duran O/E/P = (10, 15, 30) minutos y con las ec.
4.1.7 y 4.1.8.
μi = 18.33 minutos
Las duraciones O/P se calculan con las ecs. 4.7 y Z99% = 2.3263.
Con lo que se habrá reducido un modelo (cronograma) que potencialmente hubiera tenido
11,260 ac vidades a otro de 4 ac vidades en paralelo, incluyendo una es mación de la
variabilidad de las duraciones.
Y se puede calcular:
μD4 = 26,026 min y
Si se quisiera determinar el Margen de Duración, se debe restar ese límite menos la dura-
ción planeada.
NOTA
Aquí aparecen los múl ples valores que, según los diferentes involucrados en un proyecto,
le dan al cronograma. Está el cronograma y están los hitos comprome dos ante el cliente; se
debe asegurar que estos sean cumplibles sin incurrir en retrasos (ni penalidades contractua-
les) para lo cual se toma un nivel de confianza alto tal como se plantea en el ejemplo (95 %
de éxito). A su lado está el cronograma (y sus hitos), que describe cómo se ha decidido que
se ejecute el trabajo, tal como se espera que se desarrolle sin incluir retrasos. (Recuerde:
los retrasos no se programan, se evalúan. Si estos no se pueden evitar o mi gar, se aceptan
como riesgos y se toman contramedidas: los márgenes de protección).
62 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Donde DSegura representa la duración que se espera lograr con el nivel de confianza selec-
cionado (90 %, 95 %,… 99 %, etc.) y que el análisis de variabilidad de duraciones y riesgos
establezca.
NOTA
Si se en ende que la variabilidad es inherente al trabajo planeado, ¿por qué se presentaría
un cronograma que dura 16,895 min si se sabe que el trabajo puede durar hasta alrededor
de 26,181 min el 95 % de los casos? Si se quisiera usar la duración esperada (μD4) como valor
de referencia para el cálculo del margen se tendría:
Lo que significa una fracción muy menor de la duración (Margen/μD4 = 0.6 %). ¿Se puede
controlar la ejecución con semejante nivel de precisión?
Además, no existe un cronograma con duración μD4 = 26,028 min (el cronograma o modelo
desarrollado dura 16,895 min), así que se tendría un margen
2021estrecho que aplica a un crono-
grama inexistente, evidentemente con poco sen do.20,21
Respuesta de b:
Al liberar la mitad de las cuadrillas se hace la pregunta por el momento en que dos de las
cuadrillas han quedado liberadas. Si se observan las duraciones asignadas en el diagrama de
la red anterior, será bastante claro (muy probablemente) que la primera cuadrilla en liberarse
corresponderá a la de los trabajos en altura.
20
Podría sugerirse usar la duración media de cada ac vidad para construir un cronograma «promedio» que tenga la
duración media calculada, lo cual ya es todo un problema en sí mismo. Pero, ¿por qué cambiaríamos las es maciones
de duración hechas de cada ac vidad, agregándole márgenes individuales a cada caso? Esto plantea serios problemas a
la metodología de control de progreso y de la validez del mismo proceso de es mación de las duraciones. Además, nos
pone en la situación de haber programado los retrasos (¡en todas las ac vidades!), lo cual dará pie a que se usen esos
márgenes y también se presenten «retrasos» sobre lo programado desperdiciando las oportunidades de terminación
temprana. Véase también la nota al pie número 2.
21
Véase Reátegui, J. (2012), «Riesgos - variabilidad de duraciones», pp. 78-79.
Capítulo 4 63
LA PROGRAMACIюN CON VARIABILIDAD DE DURACIONES
DP = μD +Z85% σD
Que nos indica el momento que con ese nivel de confianza podría comprometerse la libe-
ración de la segunda cuadrilla22.
Los no familiarizados con estos equipos pueden revisar Anexos 9.3.2 para ver algunos de-
talles de las partes y nombres usados.
Véase las ac vidades de resumen [4], [10], [15], [20], [25] y [33] respec vamente, mar-
cadas como paralelogramos en el diagrama de Anexos 9.3.1 (Red de trabajo de manteni-
miento) donde también puede revisar las relaciones lógicas y la Ruta Crí ca (en rojo).
NOTA
Las personas con experiencia en trabajos de mantenimiento habrán observado que el mode-
lo del ejemplo solo se refiere a dos pos de trabajos o disciplinas (metal-mecánica de equi-
pos está co e inspecciones) involucradas. En los trabajos reales hay par cipación de más
disciplinas, por ejemplo, puede ser necesario el re ro y reinstalación de aislamiento térmico
sobre todo en las juntas bridadas, se necesitarán trabajos con equipos de elevación (grúas)
para movilizar los componentes pesados, habrán cuadrillas de montajistas de andamios para
proporcionar acceso a las partes elevadas, también deberá restaurarse la pintura dañada y
la que se dañe en el trabajo de mantenimiento mismo; todos los cuales requieren personal
calificado y entrenado. Sin embargo, la única cuadrilla con carácter permanente es la de
trabajos metal-mecánicos, las otras disciplinas intervienen puntualmente. En este ejemplo
se asume que estas otras disciplinas no introducen restricciones al flujo de trabajos previsto.
Capítulo 4 65
LA PROGRAMACIюN CON VARIABILIDAD DE DURACIONES
der la duración del trabajo por mo vos de falta de coordinación o fallas en los procedi-
mientos no es nada extraño. Recuérdese que los índices de produc vidad (trabajo ú l /
trabajo consumido) normales suelen ser de 0.8 y menos.
66 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Tal como está modelado el cronograma produce una es mación puntual de la duración de
76 horas (laborables) que no toma en cuenta la variabilidad. Se notará que solo se monito-
reará el sumario de trabajos [1].
L1% L99%
84.40 108.33
El modelo no-PERT del caso hubiera reportado una es mación puntual de la duración de 76
h (laborables) tal como el diagrama de barras lo muestra y que ene una probabilidad baja
de ocurrir (de hecho despreciable). Véase el extremo izquierdo del rango de duraciones.
Recuérdese que la asignación PERT de duraciones de este ejemplo da muchas menos opor-
tunidades de lograr duraciones menores a la esperada que de lograr duraciones mayores.
Aunque la es mación puntual (no-PERT) toma el valor más común de las duraciones para
sus cálculos, no toma en cuenta el efecto de las combinaciones de las diversas instancias
posibles de duración y en este caso no ofrece una es mación ni siquiera plausible.
Capítulo 4 67
LA PROGRAMACIюN CON VARIABILIDAD DE DURACIONES
Aquí es donde surge la necesidad de «curarse en salud», porque se sabe que aunque
las duraciones asignadas contengan las mejores es maciones de los empos, también es
cierto que muy frecuentemente las tareas encontrarán inconvenientes, situaciones impre-
vistas o procedimientos no ajustados al caso, o porque simplemente hay fallas humanas y,
por lo tanto, la es mación sin margen «de seguridad» se quedará siempre corta.
En el diagrama siguiente se pueden revisar los resultados de los campos MC Frec Crí ca (o
Cri cidad) y MC Clase Crí ca obtenidas en la simulación.
68 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
NOTA
Los límites de aceptación/rechazo de los riesgos vienen definidos por las polí cas de las em-
presas y están basadas en la consideración simultánea de la probabilidad de ocurrencia del
riesgo y de la severidad con que el riesgo afecta al proyecto cuando este se produce.
Curiosamente en este cronograma no hay rutas crí cas alternas a pesar de la variabilidad
incluida (véase el campo MC Frec Cri ca del diagrama de barras).
NOTA
Esta es una ilustración del tratamiento a la variabilidad de las duraciones. El nivel de detalle
de esta red de trabajo puede ser reducido y aquellos programadores con prác ca frecuente
podrían seguramente reducir el número de ac vidades a 10 o 12 líneas, aunque tendrá que
tenerse en cuenta que la simplificación en ac vidades mayores (y, por tanto, más complejas)
hará al modelo algo «más tosco» al momento de reproducir los comportamientos PERT.
5
Capítulo
LA PROGRAMACIÓN
ESTOCÁSTICA
Los componentes del cronograma que aún no están plenamente definidos, ya sea por des-
conocimiento o porque simplemente no es posible determinar si ocurrirán finalmente, agre-
gan incer dumbre a la duración total de las ac vidades. Es decir, hay partes del trabajo que
eventualmente, o más adelante, se confirmarán si se requieren ejecutar, pero que en el
momento de planear no se puede determinar qué caso se dará efec vamente.
Esto es válido en casi todas las áreas de la ac vidad humana, en par cular en la industria.
Por ejemplo, en el área de desarrollo de productos o procesos nuevos en los que el marco
conceptual correspondiente no está completamente definido y algunas partes del proceso
no están aún claramente previstas. También está presente en el área de proyectos por el
carácter único de las obras o emprendimientos, y en el área de mantenimiento se introduce
por la naturaleza aleatoria de los procesos de falla.
Lo que se está diciendo es que en el cronograma de un proceso habrá segmentos que po-
drían no ejecutarse, dependiendo de factores que aún no se definen, o incluso habrá otros
casos que se podrían ejecutar más de una vez, o que habrán puntos de decisión donde se
abandonarán segmentos del plan (que ya no se volverán a revisar más) para con nuar otras
opciones alternas.
Este comportamiento no es modelable en los productos informá cos más conocidos de pro-
gramación de proyectos, puesto que sus metodologías asumen que todas las ac vidades
programadas se ejecutan siempre y se ejecutan una única vez. Este sesgo conceptual de los
productos informá cos ha dejado sin soporte a este po de consideración en los procesos
de planificación y programación co dianos.
70 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
El GERT23 fue la técnica matemá ca desarrollada para analizar redes con este comporta-
miento estocás co. Incluso su u lidad se ex ende más allá del análisis de redes de trabajo
hasta el análisis de fenómenos o procesos secuenciales de cualquier po.
Sin embargo, para las tareas de planificación de trabajos se debe preparar un desarrollo
diferente más enfocado al quehacer diario del programador de proyectos. Esto deberá com-
plementarse con un desarrollo conceptual que permita el tratamiento de estos casos de
manera correcta.
23
Véase NASA (1966). No se hará uso de este método en el presente libro, ya que ene un valor general en el análisis
probabilís co de la duración de los procesos secuenciales de muy diversos pos. Los desarrollos presentados aquí son
específicos para la programación de proyectos.
24
Cuando hacemos referencia a una «instancia» de un programa nos estamos refiriendo a un caso individual, cualquie-
ra de los experimentos mentales, donde se generan muchos casos de un mismo programa que van difiriendo unos de
otros en sus duraciones y casos de existencia / no-existencia.
Capítulo 5 71
LA PROGRAMACIюN ESTOCЕSTICA
2. Grupo colapsable. Es un grupo de ac vidades que «colapsan» (es decir, dejan de exis r)
todas en simultáneo de acuerdo a algún patrón probabilís co. Surgen en las redes de
trabajo cuando se llega a un punto (o hito) de decisión y debe escogerse entre ejecutar-
la o no ejecutarla (y pasar a la siguiente ac vidad sucesora). Cuando el grupo «ocurre»,
todas las ac vidades están presentes; y cuando el grupo está colapsado, todas sus ac -
vidades dejan de exis r. Cuando el grupo «ocurre» (existe), las duraciones de la ac vi-
dades tendrán valores aleatorios en el sen do PERT (distribuidas según la fdp de cada
proceso). Es posible que el grupo tenga configuraciones complejas con series y ramales
en paralelo, aunque todo el grupo ene un único hito o evento común de inicio y puede
tener uno o varios puntos de «salida» a través del que se conecta al resto de la red. Si-
milarmente a las ac vidades azules del diagrama siguiente que se conectan al resto de
la red de trabajo por medio de las relaciones lógicas de color rojo.
Si el grupo colapsable puede aislarse y tratarse como una unidad aislada, se comportaría
como una ac vidad estocás ca independiente. Sin embargo, la posibilidad de estable-
cer relaciones de precedencia múl ples con otras áreas del programa y desarrollar una
lógica interna más compleja la diferencian de ese caso.
Como las ramas de ejecución son eventos excluyentes entre sí, las probabilidades
acumuladas de todos los casos no pueden exceder de 100 %, aunque sí pueden ser
menores, el remanente respecto de 100 % significará un ramal virtual (implícito) que
no hace nada.
Hito de decisión
Las ac vidades estocás cas independientes y los grupos colapsables pueden verse
como casos de hitos de decisión donde un ramal realiza un proceso y el otro ramal con-
siste en no hacer nada.
Decisión
Como se puede ver las situaciones estocás cas están muy presentes en el día; sin em-
bargo, han sido eliminados de los cronogramas por los programadores porque no dispo-
nen de herramientas para tratarlas de manera efec va.
74 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Sea f(t) la fdp de las duraciones de una ac vidad no estocás ca (véase las barras rojas en el
diagrama), cuyo dominio de duraciones está en el intervalo [Opt., Pes.], se recordará que:
Llámese g(t) a la fdp estocás ca, con una probabilidad P de exis r, de la misma ac vidad
(barras azules en el diagrama).
25
Esto evidencia la condición implícita de que los procesos internos de las ac vidades son independientes de las proba-
bilidades de existencia de la ac vidad misma.
Capítulo 5 75
LA PROGRAMACIюN ESTOCЕSTICA
NOTA
Obsérvese que g(0) es un valor puntual de la fdp y además ene una probabilidad de ocu-
rrencia finita (= 1 – P), es decir, la integral de g(t)26
en ese punto no es cero .
3. Un hito de decisión define, entre varios ramales compe dores, cuál existe, colapsando
a los otros grupos compe dores.
4. Un hito decide entre la repe ción de un ciclo o la con nuación al siguiente proceso de
acuerdo a su probabilidad caracterís ca.
La instancia de un elemento estocás co que colapsa (caso: no-existe) se tratará dándole
a la tarea/tareas una duración cero y se mantendrá la estructura de relaciones de pre-
cedencia intacta. De este modo, se simulará el colapso o no-existencia sin necesidad de
modificar la red de ac vidades.
Un elemento estocás co existente se tratará como un caso normal (no estocás co) de
ac vidades con duraciones de acuerdo a sus parámetros PERT.
26
La función de la que hablamos existe y se llama «de Impulso o función delta de Dirac: δ(t)» ene valor cero para cual-
quier punto t≠0 y su integral de -∞ hasta +∞ es 1. Como referencia, fue u lizada por el sico P. Dirac en el desarrollo
de su teoría cuán ca de la materia y también se usa en la teoría de control automá co. No nos introduciremos en la
matemá ca asociada a este po de funciones.
76 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Las estructura po 4 —Ciclo de Repe ción— no puede ser implementada de esta manera;
sin embargo, se desarrollarán herramientas para simular esta estructura usando las otras.
NOTA
MCE se refiere a un proceso de Monte Carlo con efectos estocásticos. La numeración
de la tabla es correlativa con la presentada en 4.3 (La implementación de la variabili-
dad en MS Project).
3. "TG". Tarea de Grupo, marca las tareas pertenecientes a un grupo colapsable. Van
asociadas a hitos HG.
4. "TE". Tarea Estocás ca, marca las tareas independientes con comportamiento esto-
cás co, no van asociadas a un hito HG.
El módulo está limitado a no más de 50 hitos estocás cos, agregar hitos estocás cos
redundantes a un grupo ocupará vacantes de este límite sin provecho.
NOTA
El usuario debe asegurar que los datos de los hitos del programa, sean o no estocás cos,
estén correctos al iniciar el proceso; pues el sistema recorre la red de ac vidades y busca
los hitos estocás cos para iden ficarlos como paso previo a los cálculos. El sistema emite
un reporte hitos de decisión para comprobación del usuario.
NOTA
El algoritmo emite un mensaje de conteo de hitos estocás cos para la verificación del
usuario y, así, tenga la oportunidad de cancelar el proceso (<Ctrl>+<Pausa/Inter> y luego
botón <Fin>) en la pantalla de cancelación).
NOTA
Esta forma de conectar las tareas a los grupos de definición permite ser muy flexible. Por
ejemplo, el hito de definición podría estar fuera o desconectado de la red a la cual defina.
La red, a su vez, podría ser disjunta, es decir, con «huecos» no-estocás cos o dividida en
subgrupos estocás cos separados. Tampoco limita el po ni el número de relaciones de
precedencia con el resto de la red.
Para tipos HD y TE. Almacena el nombre del elemento. No necesita asignarse a otro
componente, ene solamente propósito informa vo para el usuario (es opcional
para estos pos). Deberá asegurarse que el nombre asignado en estos casos, si se
usa alguno, es diferente de los asignados para los pos HG y TG.
NOTA
Para el caso de hitos de decisión (HD) este campo mostrará simplemente el número de
iteraciones realizadas, que deberá coincidir con la suma de los respec vos campos de
todos sus hitos sucesores.
El usuario registrará en este campo los valores porcentuales (0 a 100, admite valores
con dos decimales) de esta probabilidad caracterís ca. Sin uso para los pos HD o TG.
E. Number19 /-
El algoritmo MCE lo usa para registrar el iden ficador de la tarea sucesora sorteada de
un hito de decisión. Es decir, cuando el algoritmo define qué ramal existe en cada instan-
cia de cálculo, guarda el Id del elemento sucesor —si es de po tarea (TE)— en el campo
Number19 del hito de decisión, si el sucesor es un hito HG no modifica este campo.
No existen campos ni valores específicos para modelar estructuras de repe ción. Los
Ciclos de Repe ción no enen soporte para ser modelados; sin embargo, (véase 9.4.4
Ciclos de Repe ción) se pueden simular con estas mismas estructuras.
Capítulo 5 79
LA PROGRAMACIюN ESTOCЕSTICA
NOTA
Los algoritmos desarrollados comparten algunos segmentos del programa con los algo-
ritmos PERT (de variabilidad), una de ellas es sobre calcular la frecuencia (%) con que un
elemento de la red ha pertenecido a la Ruta Crí ca a lo largo de las iteraciones desarro-
lladas. Este valor se registra en el campo MC Frec Crit (véase ítem 7 de la tabla de campos
personalizados en 4.3.1 Interfaz para el ususario), debe tenerse en cuenta que para que
una instancia de elemento estocás co se registre como crí co en este campo debe cum-
plir dos condiciones: 1. Pertenecer a la Ruta Crí ca en esa instancia de cálculo. 2. No estar
colapsado. Se descartan como conteos de Frecuencia Crí ca aquellos en que una porción
de una cadena de ac vidades crí ca está colapsada (es decir, cuando NO existe.)
MCE po
Elemento MCE prob ocurr MCE GrupoE
elem
1 Actividad estocástica <Un valor entre 0 %
TE No requerido
independiente y 100 %>
2
Grupo colapsable o estocástico
<Un valor entre 0 % <El nombre que
Hito de definición HG
y 100 %> identifica al grupo>
<El nombre que
Tareas de grupo TG -
identifica al grupo>
3 Hito de decisión
Hito de definición HD - No requerido
Valores de los
sucesores inmediatos Según el tipo del
Ramales u opciones TE o HG
entre 0 % y 100 %. elemento sucesor
Suma ≤ 100 %
Y se ha modificado el bloque:
«Genera instancia de Existencia/No-existencia y duración de Tarea».
A la estrategia general del algoritmo Monte Carlo para variabilidad se le agrega ahora un
proceso inicial de iden ficación de hitos estocás cos. Así pues, cuando se con núe hacia
el lazo de generación de las instancias del cronograma se anteceda a cada iteración por la
generación de la correspondiente instancia del conjunto de hitos estocás cos que a su vez
definen el comportamiento de las duraciones de las ac vidades incluidas en sus respec -
vas estructuras (grupos o decisiones).
A con nuación, y de acuerdo al estado de los hitos estocás cos generados, se procede a
colapsar (anular la duración) o generar la instancia de duración (PERT) de las ac vidades
del cronograma.
La misión del bloque «Iden fica y cuenta componentes (hitos) estocás cos» consiste en
crear una lista (interna) de hitos de grupo colapsable y de hitos de decisión, para esto
usa el campo MCE Tipo Elem como dato discriminador entre los hitos del programa. De
esta manera, se registran: el iden ficador de ac vidad (campo Id), el nombre del grupo
estocás co asociado (campo MCE GrupoE) y la probabilidad caracterís ca para los grupos
colapsables (campo MCE Prob Ocurr), además, se genera un reporte de consistencia de
probabilidades para los hitos de decisión similar al ejemplo adjunto. Ni las tareas estocás -
cas independientes ( po TE) ni las tareas de grupo ( po TG) se registran en esta lista. Véase
el código de Visual Basic de esta subru na (CuentaHitosHE) a con nuación:
Capítulo 5 81
LA PROGRAMACIюN ESTOCЕSTICA
Monte Carlo
Inicializa variables
Revisa consistencia de
duraciones
¿Es Tarea?
No Sí
Genera instancia de Existencia/
No-existencia y duración de tarea
¿Fin recorrido de
cronograma?
No Sí
Genera instancia de
cronograma (calcula)
Almacena datos de
instancia de cronograma
¿Fin de iteraciones?
Sí
No
Prepara reporte
Guarda resultados
Fin
82 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
El bloque «Genera nueva instancia de componentes (hitos) estocás cos» prepara la ins-
tancia de hitos en dos pasos, primero procesa los hitos de decisión ( po HD) y en segundo
paso los hitos de grupo (HG).
El proceso toma los hitos de decisión para generar una instancia de sus hitos de grupo
sucesores sorteando aleatoriamente los ramales del hito (comparando la variable Alea
contra la pila de probabilidades acumula vas S), el estado «existe» se registra en la varia-
ble doble indexada Estado(J,1) (Existe = True, No-existe = False; con J el índice del hito).
Los hitos de grupo no-sucesores de hitos de decisión (aquellos que no fueron revisados
en el paso anterior) son procesados ahora generando la instancia «existe/no-existe» al
sortear un valor aleatorio contra la probabilidad caracterís ca del grupo.
Capítulo 5 83
LA PROGRAMACIюN ESTOCЕSTICA
'Re-estima duraciones
For Each T In ActiveProject.Tasks
If Not T.Summary Then
Select Case T.Text29 'Según el tipo de tarea
Case "TE", "TG" 'Casos estocásticos
If ExisteTarea(T, CtaHE, ListaHE, EstadoHE, Temp) Then
T.Duration = DuraPERT(T)
Else
T.Duration = 0
End If
Case Else 'Otros
T.Duration = DuraPERT(T)
End Select 'T.Text29
End If 'Not T. Summary
Next T
1. Definición de ac vidades
Se está listo para iniciar los procesos de cálculo. Para ello realice la siguiente secuencia:
Luego aparecen una serie de reportes en pantalla para los elementos y atributos
seleccionados:
Como ya se dijo el úl mo paso que el sistema ejecuta al terminar es restaurar las dura-
ciones de las ac vidades, copiando el valor del campo Duración4 en el campo Duración.
Los datos de iteraciones e histogramas generados pueden recuperarse fácilmente con una
hoja de cálculo para su análisis y tratamiento posterior.
NOTA
El algoritmo diseñado puede hacer que, al final de un proceso, algunas ac vidades del cro-
nograma estén colapsadas (con duraciones cero) y se muestren como una serie de hitos,
esto es normal aunque puede resultar confuso. Para evitar la tarea manual de copiar las
duraciones originales en la columna Duración (restaurando el cronograma original), el sis-
tema hace la copia respec va de las duraciones como úl mo paso automá co del proceso
de cálculo.
Capítulo 5 87
LA PROGRAMACIюN ESTOCЕSTICA
NOTA
Debe verificarse que todas las líneas del programa están en modo Automá co de progra-
mación (campo Task Mode para MS Project 2010) antes de lanzar el proceso, caso contrario
no serán actualizadas al irse generando las diversas instancias y, por tanto, los resultados
incluirán estas ac vidades como restricciones, no como ac vidades que responden a las
respec vas cadenas de duraciones previas.
Ejemplo 1:
Se revisará el caso de un par de grupos de ac vidades, ambos grupos idén cos en sus
parámetros PERT (duraciones O/E/P) con la diferencia de que un grupo es estocás co y
el otro no. Por ahora no preocupa la estructura lógica del grupo27, se quiere revisar sola-
mente cómo cambia el perfil de frecuencias de las duraciones (la fdp) cuando se agrega
comportamiento estocás co a una estructura.
Al procesar ambos casos con el algoritmo Monte Carlo y graficar los resultados (en cual-
quier hoja de cálculo) se ob enen los diagramas de barras que se muestran a con nuación:
27
El ejemplo intenta ser un análisis genérico compara vo entre los comportamientos estocás cos y no-estocás cos para
una estructura cualquiera. Para el caso se ha u lizado una cadena de 4 ac vidades con duraciones PERT (1/2/3) h que se ha
definido como grupo colapsable (P=75 %) y se le compara contra la misma cadena sin comportamiento estocás co.
88 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Arriba se muestra el resultado no-estocás co y abajo el caso estocás co. También se evi-
denciarán algunos límites de confianza.
Lo primero que se observa es que el sector donde aparecen las «ocurrencias» de ambos
casos es el mismo, en el ejemplo va desde la duración 5.61 a la duración 10.55 en los dos
diagramas. También se observa que el perfil o forma de la curva también se man ene con
un pico alrededor de la duración = 7.8 horas
En el caso usual, no-estocás co, el sector de duraciones [6.61, 10.55] horas con ene el
100 % de los casos; en el caso estocás co con ene solamente la fracción correspondiente
Capítulo 5 89
LA PROGRAMACIюN ESTOCЕSTICA
a la probabilidad de ocurrencia que se lee P ≈ 74 % (el resto del 100 % respecto a las no
ocurrencias, véase barra a 26 % —260/10 de frecuencia rela va— en el extremo izquierdo
del gráfico estocás co que corresponde a los colapsos) con que se caracterizó al grupo.
(5.5.1)
Para el caso estocás co, con g(t) la fdp estocás ca con probabilidad P de ocurrencia:
Donde la integral de la izquierda toma en cuenta los casos de colapso del grupo (es decir,
en t = 0), con r 0
Usando 5.2.1
Es decir, los niveles de confianza del caso estocás co y no-estocás co para un mismo límite
T pueden transformarse de acuerdo a la relación 5.5.2
28
Recuerde la nota 26 de 5.2 (El modelo estocás co de probabilidades).
90 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Nótese que el N. C. del caso estocás co es siempre mayor que el N. C. del caso no-estocás-
co calculados para el mismo límite T (límites derechos).
Lo que equivale a decir que para un mismo N. C. el límite de duración estocás ca estará
a la izquierda del límite de duración del caso no-estocás co (los casos colapsados en t = 0
desplazan los N. C. y sus límites de duración hacia la izquierda).
Límites de confianza
Usando los resultados anteriores, también se puede buscar la correlación entre el límite
de duraciones L del comportamiento no-estocás co de un grupo de ac vidades y el límite
M del comportamiento estocás co del mismo grupo que dan el mismo nivel de confianza
(N.C.) en ambas situaciones.
Se parte de:
(5.5.3)
Se observa que basta conocer la función Prob (que depende solo de f(t) no-estocás ca)
para correlacionar L y M.
NOTA
Si no se conociera la forma de f(t) y el número de ac vidades del grupo es suficiente para
permi r asumir un comportamiento Normal de f(t) se podría usar las tablas de probabilidad
de esta fdp para calcular uno de los límites teniendo conocido el otro (se asume que también
se conoce la media μ y la desviación estándar σ de la distribución f(t) o en su defecto los
valores de la muestra correspondientes).
Se iden fica directamente (L70% = 8.36) en el diagrama no-estocás co con una Prob(t ≤
8.36) = 0.70
Prob( t ≤ L ) = (1 − P) + P ⋅ Prob( t ≤ M)
Y reemplazando datos:
Prob( t ≤ M) = 0.60
t M = 8.15
El cual se compara contra el valor que se lee en el diagrama estocás co para una proba-
bilidad de 70 %: ~7.96
Z=
( t − µ ) = ( t − 8.015)
σ 0.851
ZM = 0.253347 =
( t M − 8.015)
0.851
t M = 8.23
92 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Que se compara con el valor tM ~ 7.96 extraído del diagrama estocás co con errores de
3-4 %. Nótese que no se ha verificado que la forma de la fdp sea normal para poder usar
este método (son solo tres ac vidades), se ha confiado en que la gráfica «se parece» a la
distribución normal.
Que al 1 % de N.C.
Prob( t ≤ L ) = (1 − P) + P ⋅ Prob( t ≤ M)
Y reemplazando datos:
Esto no debe extrañar, los límites inferiores de N. C. que se pueden transformar no deben
ser menores de un límite que lleve a la Prob(t≤M) a valores nega vos. Debido a que el
grupo de frecuencias colapsadas (1 – P) imponen un límite a la ecuación 5.5.2 de la que
derivan 5.5.3 y 5.5.4
Ejemplo 2:
Modelar las diversas estructuras estocás cas en MS Project, que se muestran en la red de
trabajos adjunta.
Id 0 Pruebas
P(%)0
Decisiones
Id 5 de Solitarios Id 6 Hito de Decisión Id 7 EstocSolitario 1 Id 37 Final
P(%)0 HD P(%)0 TE P(%)15 P(%)0
Id 8 EstocSolitario 2
TE P(%)25
Id 9 EstocSolitario 3
TE P(%)30
Decisiones Id 16 Hito Decisión Id 17 Hito de Grupo: Id 18 Tarea 1 de Grupo Id 19 Tarea 2 de Grupo Id 20 Tarea 3 de Grupo
Id 15 de Grupos Decisión 1 de Decisión 1 de Decisión 1 de Decisión 1
P(%)0 HD P(%)0 HG P(%)50 GD 1 TG P(%)0 GD 1 TG P(%)0 GD 1 TG P(%)0 GD 1
Decisiones Id 26 Hito Decisión Id 29 Hito de Grupo: Id 30 Tarea 1 de Grupo Id 31 Tarea 2 de Grupo Id 32 Tarea 3 de Grupo
Id 25 Combinadas Combo Decisión 1 de Decisión 1 de Decisión 1 de Decisión 1
P(%)0 HD P(%)0 HG P(%)25 GD 3 TG P(%)0 GD 3 TG P(%)0 GD 3 TG P(%)0 GD 3
Id 27 TE Individual 1
TE P(%)15
Id 28 TE Individual 2
LA PROGRAMACIюN ESTOCЕSTICA
Capítulo 5
TE P(%)5
93
94 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Respuesta:
En color verde se enen los resúmenes («hammock») y en naranja se han marcado los hitos.
Las cuatro columnas de la derecha, cuyos tulos comienzan con MCE corresponden a la
implementación estocás ca, las (4) columnas que empiezan con MC corresponden a la im-
plementación Monte Carlo de variabilidad de las duraciones, las (4) columnas de duración
son campos por defecto de MS Project.
Al revisar las estructuras creadas, observe a los resúmenes iden ficados en texto verde en
la tabla y como paralelogramos en el diagrama de red de trabajos.
Capítulo 5 95
LA PROGRAMACIюN ESTOCЕSTICA
Corresponde a una cadena de tres ac vidades estocás cas cada una independiente de la
otra, pos TE (véase los Id 2, 3 y 4 en el diagrama, con probabilidades de ocurrencia 90 %,
50 % y 15 %, respec vamente) y obsérvese que no hay ningún hito asociado.
Las curvas de frecuencia acumulada de las duraciones (en decimales de hora) se muestran
a con nuación:
[2] EstocSolitario 1 (P = 90 %)
96 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
[3] EstocSolitario 2 (P = 50 %)
[4] EstocSolitario 3 (P = 15 %)
Obsérvese que el comportamiento de [1] dice que la máxima duración observada (en mil
iteraciones) es de 0.78 h, aunque la suma de las duraciones máximas definidas individual-
mente es 0.92 h, que de no hacerse este análisis, se hubiera reportado como el caso pesi-
mista, sobrevalorando este riesgo (una duración mayor a 0.78 h no ene casi probabilidad
de ocurrir).
Corresponde a una decisión con tres opciones estocás cas y cada una es una ac vidad
simple independiente de la otra, pos TE (véase los Id 7, 8 y 9 en el diagrama, con proba-
bilidades de ocurrencia 15 %, 25 % y 30 %, respec vamente) y enen un hito de decisión
asociado ([6]). Obsérvese también que entre las tres opciones NO se agotan todas las po-
sibilidades (suma de probabilidades menor que 100 %). Implícitamente existe la opción de
no hacer nada (cuarta opción) con una probabilidad cercana a 32 %.
Las curvas de frecuencia acumulada de las duraciones (en decimales de hora) se muestran
a con nuación:
Sobreprotegiendo al programa.
98 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Corresponde a un grupo (serie) que se ejecuta/colapsa por entero, cada tarea es diferente
a las otras tres, pos TG (véase los Id 12, 13 y 14 en el diagrama) y enen un hito de deci-
sión asociado ([11]) con una probabilidad de ocurrencia de 75 %.
Las curvas de frecuencia acumulada de las duraciones del grupo (en decimales de hora) se
muestran a con nuación:
La es mación intui va diría (80 min + 40 min + 20 min = 140 min) 2.33 h.
Corresponde a un hito de decisión ([16], po HD) que ene dos opciones cada una un
grupo estocás co (hitos [17] y [21], po HG) con probabilidades de ocurrencia de 50 % y
25 %, respec vamente. Nótese que implícitamente existe la tercera opción de no ejecutar
ninguna, con la probabilidad remanente de 25 % (= 100 – 50 – 25).
Las curvas de frecuencia acumulada de las duraciones del grupo (en decimales de hora) se
muestran a con nuación:
Corresponde a un hito de decisión ([26], po HD) que ene cuatro opciones, dos ac vida-
des independientes ([27] y [28], pos TE) y dos grupos estocás cos (hitos [29] y [33], pos
HG) con probabilidades de ocurrencia de 15 %, 5 %, 25 % y 15 %, respec vamente. Nótese
la opción de no ejecutar ninguna de las anteriores (quinta opción), con la probabilidad
remanente de 40 %.
Las curvas de frecuencia acumulada de las duraciones del grupo (en decimales de hora) se
muestran a con nuación:
... ...
9.4.1.A.4
9.4.1.A.6
a sumatorios y r recorre a valores
... ...
Paralelo μ D 9.4.1.B.7
Tardío
9.4.1.B.9
P* 9.4.1.B.11
9.4.1.B.12
Paralelo μ 9.4.1.C.7
D
Tem-
prano
9.4.1.C.9
P** 9.4.1.C.11
9.4.1.C.12
C' P1 - -
Decisión
S
0/0/
P2 0/0/
Decisión
μR S
μR S / R S /
Q
S P2
μR S / R S / ⎡⎣r1% μ R S 2
2.3263
.3263 r11% σR S ⎤⎦
Este módulo se ejecuta a través de la macro CalculaCiclo (<Alt+F8>: para ver lista de ma-
cros instaladas) que muestra un cuadro de diálogo similar al siguiente:
Donde se ob enen las duraciones O, M y Pe para las sus tuciones de doble rampa, y las
probabilidades P1 y P2 de los ramales. Se dispone de las opciones para los casos de proba-
bilidad constante y para probabilidad decremental.
Se dispone del botón Calc. Triang que invoca la ventana de la macro CalculaT, anteriormente
presentada en el caso de los modelos matemá cos de variabilidad, para ayudar en la es ma-
ción de los valores de duración media y desviación estándar de las ac vidades S y R.
Para fenómenos sicos la naturaleza misma del evento se deberá dar una guía: la teoría
de confiabilidad, la teoría del desarrollo de las fallas —tasas de corrosión, tasas de des-
gaste/erosión/abrasión, tasas de desarrollo de fracturas, tasas de deformación o cambios
microestructurales para fenómenos de fluencia lenta—, etc., dirán qué se puede esperar
en los respec vos casos.
Capítulo 5 105
LA PROGRAMACIюN ESTOCЕSTICA
Los métodos cuan ta vos para calcular las probabilidades de ocurrencia de fenómenos
sicos suelen ser bastante simples y muy similares a lo presentado en este libro. Sin em-
bargo, los datos base para los cálculos no están disponibles. Al final y a fin de producir re-
sultados oportunos, se tendrá que dar una es mación lo más juiciosa posible combinando
el juicio de expertos y datos.
Para casos humanos (de falla humana), la situación es más difusa, lo cual no quiere decir
que para fenómenos sicos todo esté resuelto. Tiene que contemplarse los modos de fallo
de los procedimientos, del equipamiento, del nivel técnico o formación del personal, de los
planes que se siguen y de los sistemas de control.
En este aspecto (análisis de fallas), la teoría de confiabilidad y los sistemas de ges ón basa-
dos/centrados en fiabilidad deberían aportar datos para la planificación de mantenimien-
to. Para proyectos, los planes de respuesta a riesgos iden ficados deben dar el soporte.
NOTA
Nunca está demás insis r sobre la importancia del registro de datos reales de ejecución
como base de las futuras es maciones: esto es parte del sistema de control de costos —no
confundir con contabilidad de costos— de la organización ejecutora y la posterior genera-
ción de un banco de modelos de ejecución de trabajo son fundamentales. Las Unidades de
Programación de Mantenimiento y la oficina de Control de Proyecto para los proyectos son
las responsables de esto.
Los no familiarizados con estos equipos pueden revisar Anexos 9.3.2 (Descripción del inter-
cambiador de calor po AES-1.2 × 6 m) para algunos detalles de las partes y nombres usados.
ADVERTENCIA
Si bien en este ejemplo se u liza un caso usual de trabajos de mantenimiento, el énfasis
puesto en los comportamientos estocás cos y de variabilidad de duraciones hace que, fi-
nalmente, el programa o cronograma de trabajo resulte sesgado en su atención a dichos
fenómenos. Un cronograma «real» tendría un aspecto más compacto quizá similar a Anexos
9.3.17 (Diagrama de precedencias simplificado).
106 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
La estructura lógica
Las ac vidades estocás cas (Id 42 en adelante, véase las redes de trabajos en Anexos
9.3.3, 9.3.4 y 9.3.5) se generan como resultado de las inspecciones por realizar (ac vida-
des: 16, 17 18 y 19) y de los resultados de las pruebas hidrostá cas planeadas (hitos: 30 y
38). Véase Anexos 9.3.1 (Red de trabajo de mantenimiento)
Conviene aclarar que ahora no se está interesado en aquello que puede salir diferente
en la ejecución normal del trabajo que altere las duraciones esperadas (variabilidad), eso
sería fácilmente modelado con el comportamiento PERT de las duraciones, ahora se está
buscando situaciones en que aparecen (o desaparecen) ac vidades de la red de trabajo.
En términos de proyecto, que aparecen o desaparecen partes del alcance.
Por ejemplo, resultado de las inspecciones al canal y al bonete (ac vidad 17) pueden surgir
necesidades de reparación, y estas reparaciones a su vez pueden tener soluciones alter-
na vas que dependerán de las caracterís cas técnicas del caso ( po de falla, si son pun-
tuales, dispersas, generalizadas, etc.), es decir, se abre un abanico de opciones que NO se
confirmarán hasta haber realizado la inspección. Algo así como el siguiente diagrama:
P%0 TE P % 50 TE P % 50 TE P%2
Que se lee según la siguiente leyenda (La forma de rombo corresponde a resúmenes):
/ĚŽŶƷŵĞƌŽĚĞůşŶĞĂ EŽŵďƌĞŽĂĐƟǀŝĚĂĚ
La recomendación de trabajos de reparación (ac vidad 17) podría incluir lo indicado en las
ac vidades 48, 49 y 50 individualmente o combinadas. Por mencionar las más comunes.
NOTA
Este modelo introduce la restricción adicional de que solo se puede trabajar un po de
reparación por vez (no hay trabajos simultáneos) y es un supuesto del ejemplo; podría per-
fectamente tenerse un cronograma con las 3 en simultáneo.
Capítulo 5 107
LA PROGRAMACIюN ESTOCЕSTICA
Cada po de reparación (ac vidades 48, 49 y 50) ene una probabilidad propia de ocu-
rrencia que podría estar limitada o relacionada por las otras. Por ejemplo, la ac vidad 48
se realiza para casos de daños puntuales y rela vamente concentrados, en cambio cuando
el mismo po de defecto encontrado está muy extendido o se ha generalizado se opta por
la ac vidad 49. También es posible que ambas sean necesarias.
NOTA
En rigor puede argumentarse que podría haber la posibilidad de que el daño esté tan exten-
dido que se declara inservible al componente y no se ejecuta ninguna reparación, con lo que
se haría el reemplazo por uno nuevo disponible; en caso no haya disponibilidad del repuesto,
el trabajo se de ene, el programa quedará inconcluso y debería reprogramarse de acuerdo a
posteriores decisiones que pueden ir ramificándose casi sin límites por las diversas opciones
que aparecen. Este caso se excluye del presente análisis; salvo indicadores de una probabili-
dad significa va de ocurrencia, este caso no debería tomarse en cuenta.
Se puede aplicar la misma lógica a los grupos derivados de la inspección de casco (ac vi-
dades 44, 45 y 46) y de la inspección de Tapa de canal (52, 53 y 54) como se muestra en
Anexos 9.3.3 (Red de trabajos estocás cos- inspecciones de casco, canal, bonete y de tapa
de cabezal flotante) que además muestra unas relaciones de precedencia preferenciales
entre los grupos, estas se han adicionado en el supuesto que solo hay una cuadrilla dedi-
cada a estas ac vidades y, por tanto, no se puede programar más de una ac vidad en cada
momento. Recordar que estas relaciones preferenciales deben vigilarse y pueden modifi-
carse atendiendo a la situación del trabajo y recursos.
Existen además casos de opciones excluyentes, tal como los resultados de las inspecciones
al extremo fijo del haz de tubos (ac vidad 56), véase el siguiente diagrama (extraído de
Anexos 9.3.4 Red de trabajos estocás cos - inspecciones al haz de tubos):
108 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Decisiones de
Id 56 Haz de Tubos
HD P % 0 Haz T
Expandido de Inspección de
Id 65 tubos en Id 66 expandido en
Pl. Pt. Fija Pl. Pt. Fija
TG P % 0 HT-PTFi TG P % 0 HT-PTFi
En este caso las ac vidades [59] y [60] forman parte de un grupo estocás co ( po: HG.
Nombre de grupo: HT-Fijo) con 2 % de probabilidad de ocurrencia.
Las ac vidades que siguen a la [62] también ocurren o dejan de ocurrir al mismo empo,
colapsan u ocurren al 40% de probabilidad en grupo (nombre: HT-PTFij).
Es más, cuando ocurre el ramal superior (hito [58]) el ramal inferior (hito [62]) no ocurre
y viceversa. Es decir, ambos ramales son mutuamente excluyentes. La ocurrencia de uno
colapsa la existencia del otro, son ramales dependientes entre sí. Cuando la inspección
decide ejecutar el ramal superior automá camente borra el ramal inferior de las opciones
posibles y viceversa.
La estructura se implementa con el hito de decisión [56] ( po: HD) y los hitos de definición
de grupo [58] y [62] ( pos: HG) y los nombres de grupo estocás cos: HT-Fijo y HT-PTFij.
El hito de grupo que define el reemplazo de placas deflectoras (ac vidad [79], po HG,
con probabilidad de ocurrencia de 1 %, y nombre de grupo: HT-PD) da inicio a otra opción
de ac vidades de reparación y representa el caso en que se decide reemplazar las placas
deflectoras, lo que requiere el recorte de los tubos en una de las placas porta-tubos y el
posterior expandido, con la correspondiente pérdida de longitud de tubos. No se incluye
el trabajo de fabricación de nuevas placas, se sabe que la unidad de planificación fue capaz
de prever el caso en sus análisis de riesgos y acopió an cipadamente un juego de placas.
Capítulo 5 109
LA PROGRAMACIюN ESTOCЕSTICA
Todo este conjunto extenso de alterna vas está estructurado a par r del hito de decisión
[56] Decisiones de haz de Tubos ( po HD).
Finalmente, se llega al caso de las pruebas, picamente una prueba termina en una ac -
vidad de evaluación de resultados donde se decide con nuar con el programa normal o
introduce nuevas ac vidades que luego retornan el proceso a un punto anterior del flujo
para repe r la prueba y llegar otra vez a la ac vidad de evaluación de resultados.
Por ejemplo, como resultado de las pruebas hidrostá cas del lado tubos aparece el hito
[30] donde se define si se con núa o se procede al ramal de retorno del ciclo donde apa-
rece la siguiente secuencia (hito [112] y siguientes) que incluye ac vidades excluyentes
y combinaciones de grupos de ac vidades: trabajos de reajuste de bridas o excluyente-
mente reemplazo de empaquetaduras por fugas observadas. Esto puede darse en tres
juntas diferentes (a. En el cabezal flotante, b. Entre el canal y su tapa y c. Entre el canal y
la placa porta-tubos fija) combinándolas de 2 en 2, o 1 por 1 o todas o ninguna. Véase el
diagrama de red siguiente extraído de Anexos 9.3.5 (Red de trabajos estocás cos - pruebas
hidrostá cas):
De PH lado
Id 112 Tubos
P0
Decisiones Reajuste de
PH Tubos -
Id 113 Tapa Ca FS Id 114 brida de
Tapa de
HD P 0 TE P 5
FS FS
Reemplazo de Decisiones Reajuste de
empaquetadura
Id 115 co PH Tubos - Id 120 brida de
FS Id 116 Tapa Ca FS Tapa de
TE P 1 HD P 0 TE P 5
FS FS
Reemplazo de Decisiones Reajuste de
empaquetadu-
Id 118 ra PH Tubos - Id 120 brida
co FS Id 119 Junta Ha FS Haz/Canal
TE P 1 HD P 0 TE P 5
FS FS
Reemplazo de Retorna a
empaquetadu-
Id 121 ra <Llenado de
co FS Id 122 haz
TE P 1 P0
110 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
NOTA
Se podría argumentar que existe una cuarta opción que es la falla de tubos, sin embargo
cuando se detecta esta situación normalmente no se puede iden ficar los tubos fallados
(salvo casos catastróficos muy raros, y si ene probabilidad significa va debería incluirse) y
se pasa a la prueba de lado casco donde se hace la iden ficación y corrección debidas. Véase
la ac vidad [123] y siguientes.
Los hitos [113], [116] y [119] (todos po HD) inician tres grupos de decisión de (2) ramales
mutuamente excluyentes cada uno.
Para este ejemplo, la probabilidad de retorno del ciclo viene dada por la probabilidad de
existencia de las ac vidades sucesoras del hito [113] de entrada.
Como este grupo está compuesto de tres pares de ac vidades estocás cas en serie, donde
cada par es un hito de decisión, se ene un caso de tres ac vidades independientes en
serie al 6 % de probabilidad de ocurrencia cada una, lo que significa que la probabilidad de
existencia del trío se puede calcular con el complemento respecto de 100 % de los casos
de no existencia simultánea, es decir, para el ciclo de retorno la probabilidad de ocurrencia
será (en decimales):
Nótese el hito final [122] que remite (Retorna a...) al punto anterior en la secuencia (ac -
vidad [27]) «Llenado de haz de tubos con agua, purgado y venteo».
Los probables trabajos derivados de la prueba hidrostá ca del lado casco se definen en el
hito [38], dando eventualmente paso al ramal de retorno que se representa con las ac vi-
dades que inician los hitos de decisión [124], [127] y [131] ( pos HD) dando cuenta de los
posibles trabajos de represión de fugas en las juntas bridadas del casco y de los posibles
clausura/re-expandido de tubos en el extremo del lado canal del haz de tubos.
Para el caso del ciclo asociado a las pruebas hidrostá cas del lado casco se enen dos hitos
de decisión (al 6 % de probabilidad) más un grupo estocás co (al 40 % de probabilidad)
cada uno independiente de los otros dos.
Finalmente, el hito [136] remite a la ac vidad (previa en la secuencia) [35] Retorna a <Lle-
nado de casco con agua, purgado y venteo>.
Capítulo 5 111
LA PROGRAMACIюN ESTOCЕSTICA
NOTA
Estos ciclos no pueden modelarse directamente en MS Project porque que el so ware no
acepta rutas cíclicas. Por lo que se han implementado como cadenas de ac vidades simples.
Las ac vidades [122] y [136] no enen sucesor alguno.
Completando el modelo
El desarrollo completo de las redes de precedencia de los trabajos por definir (con com-
portamiento estocás co) se muestra en Anexos 9.3.6 (Red de trabajos completa)
Se notará de inmediato que la red de las ac vidades por definir varias veces es más exten-
sa que la red de trabajos definidos (un aspecto más acentuado en los trabajos de mante-
nimiento). Una de las razones para ello es el nivel de detalle con que se han tenido que
explicar los diferentes componentes que modelan el comportamiento estocás co hallado
en la secuencia de trabajo, pero también refleja la naturaleza de una situación con incer -
dumbres vista con los ojos abiertos. La red muestra la complejidad asociada al tratamiento
y que el trabajo asociado de prever las incer dumbres representa un esfuerzo significa vo.
Lo cual quizá explique por qué los cronogramas en la vida diaria simplemente aceptan la
incer dumbre e incorporen sus efectos nega vos como algo inevitable, «programando»
los retrasos, desapareciendo lo incierto, al final ya no hay incer dumbre. Pese a ello, debe
recordarse que al eliminar las incer dumbres también se están eliminando posibles fuen-
tes de oportunidades asociadas.
También se observará que ya se han modelado los diversos grupos colapsados e hitos de
decisión para todos los casos, de manera rela vamente simple de acuerdo a la herramien-
ta propuesta.
Este modelo aún no representa la situación final buscada, es decir, los Ciclos de Repe ción
que siguen a las pruebas hidrostá cas no operan como tales, están simplemente agre-
gados como ramas de ejecución/colapso de ejecución única (sin retornos a la secuencia
anterior de trabajo).
NOTA
Se debe repe r que en la vida real esto no es así, habrán ac vidades con gran cer dumbre
en los es mados de sus duraciones (sin variabilidad) y algunas pocas con rangos amplios de
es mación de duraciones (con variabilidad).
Para las ac vidades en las que se disponga de datos específicos o análisis más profundos
de las duraciones se usarían los valores disponibles.
Como segundo paso de esta etapa los diversos componentes estocás cos del programa
deben definirse: los grupos colapsados deben caracterizarse con la probabilidad de ocu-
rrencia/colapso respec vo y los ramales de los hitos de decisión deben repar rse las posi-
bilidades de ocurrencia según lo previsto. Esto se ha hecho con la consideración de esperar
trabajos ru narios o usuales, es decir, las ac vidades estocás cas derivadas de las inspec-
ciones enen bajas probabilidades (1 %-2 %-5 %) de ocurrencia. Salvo las referidas a:
Para implementar los Ciclos de Repe ción que se originan en los hitos [30] y [38] se usó el
El modelo C' mostrado en Anexos 9.4.4.D para ambos casos.'
Capítulo 5 113
LA PROGRAMACIюN ESTOCЕSTICA
<R+S> es la cadena que va desde la ac vidad [113] hasta la [122] y de ahí se reinserta
en la ac vidad [26] y termina en la [30]. La parte <R> está representada por el resumen
[112]: de PH Tubos (Sección R). Para obtener los parámetros «M» y «Pe» de <R+S> se
pueden copiar estas cadenas a un proyecto aparte y calcularlas para leer sus parámetros
como grupo, para ello bastará agregar un resumen que las agrupe, véase la implementa-
ción en Anexos 9.3.9, esto se ha hecho con los resultados que se muestran en 9.3.11 y
9.3.12. Una segunda opción sería usar <S> y <R> independientemente para calcular los
parámetros de <S+R>.
NOTA
En Anexos 9.3.12 (Parámetros de sus tución de Ciclo de Repe ción con un modelo de doble
rampa cóncava) muestra los resultados de aplicar el modelo de doble rampa cóncava a las
ac vidades <S>, <R> y <R+S>. Las celdas en color beige corresponden al cálculo basado en
datos de <S> y <R> y los datos en celdas amarillas corresponden a tratar <R+S> como un
grupo. Para el ejemplo se han usado los valores basados en <R+S>.
Las sus tuciones de doble rampa cóncava se agregaron al cronograma antes de realizar
los cálculos, resultando el diagrama del anexo 9.3.7 (Red de trabajos completa - Ciclos de
Repe ción sus tuidos) y el cronograma del anexo 9.3.10 (Cronograma de sus tución de
Ciclos de Repe ción). Nótese la asignación de duraciones y probabilidades a las ac vida-
des de sus tución de la [113] a la [121].
Al revisar las ac vidades estocás cas (con campo MCE Tipo Elem no nulo) se podrá ve-
rificar la asignación de nombres de grupo y probabilidades de ocurrencia del resto de
elementos. Véase otra vez Anexos 9.3.8 (Cronograma de mantenimiento de un intercam-
biador de calor)
Resultados
Luego de lanzar el proceso itera vo (véase ejecución del proceso de cálculo en la imple-
mentación de estructuras estocás cas en MS Project) con el modelo definido como se
menciona arriba, se ob enen los siguientes resultados:
114 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
L1% L99%
83.4 238.8
Se notará inmediatamente que la cola derecha de las curvas de frecuencia se ex ende bas-
tante, apareciendo una segunda giba de frecuencias alrededor de la abscisa 150 h, mos-
trando el efecto de las diversas ac vidades posibles y sus probabilidades de ocurrencia.
La nueva duración media del trabajo es 143 h que ocurre en el punto 56 % de las frecuen-
cias acumuladas, veáse curva de rombos azules; que es más bien una probabilidad baja
(aproximadamente 1 oportunidad de fallar de cada 2 casos), en términos de dar confianza
en su cumplimiento.
Del gráfico se puede obtener el intervalo de probabilidades para esas duraciones: [37 %,
40 %] que evidentemente no son casos pesimistas sino por el contrario resultan ser muy
op mistas.
Los límites de duración, extraídos de la tabla de frecuencias resultante, para varios niveles
de confianza se pueden véase en la tabla siguiente:
Nótese que el margen respecto al caso PERT (que ignora las ac vidades estocás cas) diría,
siempre al 95 % de confianza, 208 – 104 = 104 h adicionales (¡50 %!).
Por otro lado, existen probabilidades bastante significa vas de terminar pronto, por ejem-
plo, hay una probabilidad de aproximadamente 40 % de terminar antes de las 123 h, ¿agre-
ga esto valor adicional al proyecto? Si es así, ¿qué se puede hacer para que el proyecto se
«exponga» a esta oportunidad? ¿Qué componentes del trabajo permiten esta posibilidad?
¿Se pueden controlar? Nótese que la es mación no-PERT habría dado esta situación como
un hecho, cuando es solamente una posibilidad que requiere atención de parte de la direc-
ción del proyecto para poder iden ficarla y luego aprovecharla, la diferencia en la ac tud
podría ser fundamental29. Alguien que da por sentado algo tendrá pocos incen vos para
buscar ese algo y no sería extraño que desperdicie la oportunidad al no estar atento.
Las curvas de frecuencia acumulada de los diversos grupos estocás cos que modelan las
ac vidades resultantes de las inspecciones se muestran en Anexos 9.3.13 (Curvas de fre-
cuencia acumulada - ac vidades resultantes de inspecciones).
29
La ges ón de oportunidades es diferente de la ges ón de riesgos, requiere de una búsqueda de soluciones innovado-
ras y de una mentalidad emprendedora-maximizadora del valor del proyecto.
116 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Los resultados correspondientes a las pruebas hidrostá cas (estructuras de Ciclos de Re-
pe ción) se muestran en Anexos 9.3.11 donde se pueden comparar las probabilidades de
existencia u ocurrencia calculadas en el acápite La estructura lógica de este ejemplo (16.9 %
para la P.H. lado tubos y 47 % para P.H. lado casco).
El rasgo más notorio para cualquier programador al revisar estos resultados es que el tra-
bajo adicional para generar los modelos de ejecución de las ac vidades estocás cas no
parece estar balanceado frente al trabajo para generar el modelo de ejecución definido,
que son el objeto del plan. Aunque los resultados sí que parecen indicar que la intuición
podría no tener referencias suficientes para dar con es maciones sólidas ni la es mación
puntual ofrecer un resultado confiable de cumplimiento. En Anexos 9.3.17 (Diagrama de
precedencias simplificado) se muestra un cronograma más prác co para esta situación, en
el que cada caso de incer dumbre se ha representado con una sola ac vidad.
Este es otro ejemplo de comportamiento estocás co que resulta intui vamente di cil de
es mar. La situación se refiere a que se ene un programa de trabajo donde algunas de las
ac vidades pueden compe r por un espacio o recurso contra una serie (un tren) de otras
ac vidades, las mismas que de coincidir en el empo con las del programa (usando el recurso
o espacio limitados) enen prioridad de ejecución, y retrasan (porque entran en algún po
de conflicto —de recursos o de espacio o simple incompa bilidad— con algunas de ellas) las
ac vidades del programa. Las ac vidades del tren enen fechas de inicio variables.
Se puede aclarar el caso con el ejemplo de las reparaciones de una instalación de despa-
cho (el programa de trabajo) que no puede dejar de operar y que cada cierto empo, con
regularidad que incluye algo de variabilidad, debe dar servicio a los clientes que vienen a
cargar (el tren o convoy de embarques), estos carguíos compiten con algunas ac vidades
del programa de mantenimiento y enen prioridad sobre ellas, debido a su alto valor eco-
nómico, por ejemplo.
Donde las ac vidades roja, verde, amarilla y violeta entran en conflicto en mayor o menor
grado con las ac vidades grises de la parte baja. Cuando esto sucede, la ac vidad de color
debe esperar a que la ac vidad gris termine para poder iniciarse, esto afectará al pro-
grama aguas abajo reconfigurando las probabilidades de interferencias de las ac vidades
subsecuentes. Otra caracterís ca es que esto solo ocurre con algunas ac vidades (las de
color, por ejemplo) dejando sin afectar al resto (las ac vidades blancas). ¿Qué Margen de
Duración se debe considerar para esta situación?
Respuesta:
El caso de una ac vidad aislada con fecha de inicio (T) y duración (D) conocidas, y un tren
de ac vidades con fechas de inicio (ti) y duraciones (di), donde ti es probabilís co y las
instancias «i» son independientes entre sí se ha analizado en Anexos 9.4.6 (Ac vidad en
conflicto con un tren), véase el diagrama siguiente:
T
D
1 2 ... i n
d1 di
t1
ti
T D
P1 P2 P3 Pi Pn
1 2 ... i n A
d1 di
t1
ti
Donde las probabilidades de ocurrencia P1, … Pn son las probabilidades de que las ac vi-
dades del tren o convoy afecten a la ac vidad A del programa. Nótese que las ac vidades
interferencia se anteponen a la ac vidad analizada.
118 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Con el tren de ac vidades mostrado con las ac vidades 12 al 24, que simula las 4 ac vida-
des prioritarias (Id: 24, 21, 18, y 15), y las fechas es madas de arribo (ac vidades: 22, 19,
16, y 13, con comportamiento PERT). El programa afectado consiste de las ac vidades T1 a
T10 (Id: 2 al 11), donde las ac vidades pasibles de ser afectadas son T4, T6 y T8.
Para calcular las probabilidades con que estas ac vidades son impactadas véase el cuadro
siguiente:
Los valores Pi son las probabilidades de impacto de los «vagones» de interferencia (0, 1, 2 y
3) sobre las tareas del programa (T4, T6 y T8). Y se han implementado usando las fórmulas
4.1.3 y 4.1.4 en la ecuación Fi (T+D)-Fi (T-di) del grupo de ecs. 9.4.6.1 y siguientes.
Se encuentra que el «vagón» 0 del tren de interferencia impacta a las tareas T4 y T8 (las
respec vas Pi —en texto rojo— son mayores que cero, pero sin efecto sobre T6), el vagón
1 impacta sobre T4 y T6, el vagón 2 sobre T4 y T6 también, y el vagón 3 solo afecta a la
ac vidad T6 del programa.
Capítulo 5 119
LA PROGRAMACIюN ESTOCЕSTICA
Donde las tareas afectadas han sido reemplazadas por grupos en serie de ac vidades es-
tocás cas independientes ( po TE) antecediéndolas, y se les ha asignado una duración mí-
nima, pero mayor que cero, evitando conver rlas en hitos, para no deformar el programa
en exceso.
Y:
Nótese, en el diagrama de Gan inicial, que las ac vidades afectadas por las interferencias
no se hallan sobre una misma ruta que lleve al término del trabajo, es decir, se hallan en
ramales paralelos entre sí.
El caso de más de una ac vidad, pasible de interferencias, sobre una misma ruta incluye
una complejidad extra que no se ha resuelto: Cuando la ac vidad más temprana queda
retrasada por alguna interferencia, ese retraso se transmi rá aguas abajo a la siguiente ac-
vidad pasible de interferencia, cambiando su posición respecto del tren de interferencia,
con lo cual el método (que calcula la probabilidad de interferencias en la situación previa)
queda desactualizado.
Se necesitaría un proceso que luego de confirmar el retraso inicial pudiera recalcular las
probabilidades de la nueva situación aguas abajo el proceso y generar la instancia Monte
Carlo correspondiente, o definir todas las alterna vas de ocurrencia y sus respec vas pro-
babilidades, para modelarlas en un hito de decisión. Esta solución no se ha abordado en
este trabajo.
Capítulo 5 121
LA PROGRAMACIюN ESTOCЕSTICA
Respuesta:
Véase el programa Gan , donde se muestran ambas estrategias (Resumen [13] Mover la
Grúa 1ro y resumen [29] Re rar el Brazo 1ro) donde las barras azules muestran la instan-
cia de la primera ocurrencia exitosa, las barras vacías medianas la siguiente instancia y las
barras finas negras muestran la tercera instancia de ocurrencia, las instancias subsiguien-
tes —teóricamente sin límite— no se muestran, pero están implícitas. Allí también pueden
revisarse las duraciones PERT asignadas.
La forma más adecuada de modelar esta situación es considerándola como casos de Ciclos
de Repe ción, con la condición de repe ción basada en la probabilidad de completar las
maniobras de movilización de grúa en 12 horas o menos, véase las ac vidades [16] y [37].
Decisión
R
S T
Donde:
S representa el intento de movilizar la grúa en menos de 12 h, con duraciones PERT
truncadas (6/12/12 h)
R representa el resto de la espera hasta la próxima ventana de oportunidad (S + R = 5
días, sin variabilidad en este ejemplo)
T es la serie de tareas que siguen a la movilización de la grúa y que se realizan solo una vez.
Decisión O/O/
S P2 T
O/O/
Capítulo 5 123
LA PROGRAMACIюN ESTOCЕSTICA
Para ambos casos (la ac vidad [16] y la ac vidad [37]) esto resulta: P1 = 43.4 %, P2 = 56.6 %, y
r1% = 20 ciclos (véase también la ecuación 9.4.4.D2)
Es decir:
Decisión 43 %
0/0/360 h
6/12/12 57 % T
0/0/2394 h
L 1% L99%
96 662
L1% L99%
90 609
Donde se puede observar que la estrategia [33] – RETIRAR BRAZO DE CARGA 1ro es con-
sistentemente menos costosa que la estrategia [13] – MOVER GRÚA 1ro, por ser de dura-
ción más corta; si, por ejemplo, se ven las duraciones obtenidas por interpolación:
Se observa que de optar por la estrategia [33] se lograrán reducciones de costo por casi 1.5
días (120 k$) o más para todas las situaciones.
NOTA
Para que la simulación se calcule directamente los costos de cada estrategia simplemente
debería introducirse una ac vidad resumen que, iniciando junto con el cronograma, termi-
nase conjutamente con las úl mas ac vidades que involucran el uso de la grúa (ac vidades
[30] y [50] Montar Nvo Fender 2) a la que se le asignaría el recurso correspondiente a la grúa
con un costo de 80 k$/día. Con ello, las curvas y tablas podrían solicitarse directamente al
so ware en valores de costo.
6
Capítulo
ANÁLISIS DEL MARGEN
Recuérdese que esta red estará compuesta de ac vidades «normales» (sin variabilidad y
no-estocás cas), de ac vidades con variabilidad en sus duraciones y de ac vidades esto-
cás cas, estos dos úl mos pos de ac vidades además pueden ir combinados.
Por otro lado, al preguntar por la Ruta Crí ca en redes del po indicado, se ene que
preguntar por el conjunto de ac vidades o segmentos de red que algunas veces pertene-
cieron a la Ruta Crí ca en las simulaciones, lo que equivale a preguntar por las ac vidades
con alguna probabilidad (mayor que cero) de pertenecer a la Ruta Crí ca. Resultará no un
único camino o ruta sino varios ramales en paralelo, mostrando las llamadas rutas crí cas
alternas junto a la Ruta Crí ca permanente.
Se encontrará que si se filtran las ac vidades con Cri cidad mayor a cero (campo MC Frec
Crí c > 0) para mostrar solo la red crí ca, resultará un diagrama disjunto con segmentos
desconectados de la red principal, que no ayuda mucho, porque al ocultar las ac vidades
no-crí cas también oculta las relaciones de precedencia asociadas dejando incompleta
la lógica del trabajo. Véase, por ejemplo, Anexos 9.3.14 (Red de trabajos - agrupación por
Frecuencia Crí ca).
Regresando a la red completa, si ahora se marcan las ac vidades con su clase crí ca (bo-
tones30 del campo MC Clase Crí ca) y se separan las ac vidades estocás cas de las no-es-
tocás cas como en Anexos 9.3.16 (Red de trabajos completa - Cri cidad) se observará que
aparecen discon nuidades en la Cri cidad de algunas rutas alternas; por ejemplo, si se ven
las ac vidades [48] y [49] se notará que las ac vidades previas [44], [45] y [46] no enen
Cri cidad relevante (al menos no mayor que 20 %) lo cual parece contradecir que las ac -
vidades sucesoras [48] y [49] puedan tener más de 20 %.
30
El código de colores de los intervalos de Cri cidad es como sigue:
Rojo: [ 100 % , 80 % ]
Violeta: ] 80 % , 60 % ]
Amarillo: ] 60 % , 40 % ]
Verde: ] 40 % , 20 % ]
Sin marca: ] 20 %, 0 % ]
128 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Si una instancia de segmento es crí ca, ¿no debería haber una cadena crí ca con nua
de principio a fin de que pase por él? Más aún, ¿no deberían tener mayor Cri cidad las
ac vidades previas que las sucesoras? Habida cuenta que una ac vidad previa debería ser
crí ca cada vez que sus ramales sucesores lo son y puede tener varios ramales alterna -
vamente crí cos.
Revise Anexos 9.3.10 donde se muestran los resultados numéricos. Se observa que las ac -
vidades previas [44], [45] y [46] nunca fueron crí cas (MC Frec Crí ca = 0) y las ac vidades
[48] y [49], en cambio, han sido crí cas alrededor de 20 % y 28 % de los casos, respec -
vamente. Si revisa el campo MCE Cta Ocurr, se ve que las ac vidades [44], [45] y [46] han
ocurrido —exis do en las simulaciones— 10, 9 y 7 veces, respec vamente, en un proceso
de 1000 iteraciones (1 % aprox.), mientras que [48] y [49] han ocurrido muchas más veces:
502 y 494 veces respec vamente en la misma simulación (50 % aprox).
Entonces la explicación es que [44], [45] y [46] han ocurrido (las pocas veces) cuando las
instancias de [48] y [49] no lograron ser crí cas o no exis an (es decir, las cadenas que
inician en [44] y terminan en [22] y [23] no fueron crí cas en esas instancias). En cambio,
[48] y [49] fueron crí cas cuando [44], [45] y [46] no exis an, con lo cual se explica la apa-
rente inconsistencia y discon nuidad.
De paso el mismo razonamiento se aplica a las cadenas posteriores [50], [52], [53] y [54]
no-crí cas.
Con el reporte mencionado (Anexos 9.3.10) se puede iden ficar cadenas y porciones de
cadenas de ac vidad que han pertenecido a la Ruta Crí ca y sobretodo CUÁNTAS veces
han afectado a la duración del trabajo, con lo que se ene una es mación de la probabi-
lidad del impacto en la duración, que es diferente (no confundir) de la probabilidad de
ocurrencia de un elemento. Para aclarar esto obsérvese, por ejemplo, que en el caso del
intercambiador de calor AES-1.2 × 6 m se muestra lo siguiente:
31
Los elementos no-estocás cos aparecen en los diagramas de los anexos 9.3.14 y 9.3.16 con probabilidad = 0 % (valor
por defecto), aunque en realidad enen 100 % de probabilidad de ocurrencia. Los Ciclos de Repe ción enen una pro-
babilidad nominal (mostrada en el hito) que al ser sus tuidos generan los ramales P1, P2 con probabilidades propias.
Capítulo 6 129
ANЕLISIS DEL MARGEN
Las siguientes ac vidades enen valores de Cri cidad muy bajas para considerarlas signifi-
ca vas individualmente o como grupo.
¿Cómo se compone el Margen de Duración? ¿Se puede asignar partes del margen a com-
ponentes específicos del programa?
Por ejemplo, el Margen de Duración que se ha estado discu endo en Resultados: un total
de 132 horas extras al 95 % de confianza, tomando como base la es mación puntual de
76 horas; ene 28 horas originadas por la variabilidad propia de las ac vidades; restando
otras 104 horas originadas por los elementos con comportamiento estocás co.
Esta porción estocás ca del margen puede además ser rastreada hasta su origen específi-
co y subdividida.
Revisando Anexos 9.3.14 (Red de trabajos - agrupación por Frecuencia Crí ca) donde se
clasifican los componentes que alguna vez fueron parte de la Ruta Crí ca (y, por tanto,
«aportaron» algo de duración al margen) y se seleccionan solo aquellos que enen com-
portamiento estocás co, buscando ac vidades con campo MCE Tipo Elem no vacío, se
encuentra lo mostrado antes en la TABLA DE ELEMENTOS ESTOCÁSTICOS CON CRITICIDAD
SIGNIFICATIVA, que son las ac vidades estocás cas que más han aportado al margen.
Para es mar cuanta duración agregan estos segmentos de red a la cons tución del margen
total de duración se debería concordar que el «aporte» al Margen de Duración del crono-
grama ocurre solo cuando la instancia de duración (PERT) del elemento o grupo excede
la instancia de holgura disponible, es decir, cuando el elemento es crí co o es parte de la
Ruta Crí ca. Otra forma de expresar esto, sucede cuando el segmento en consideración
130 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
aporta al margen cuando existe en la Ruta Crí ca, lo cual lleva a pensar que el compor-
tamiento de los segmentos de red crí cos puede representarse con las ecuaciones del
comportamiento estocás co.
Para el caso del mantenimiento del intercambiador de calor el aporte puede es marse
por medio de las fórmulas mostradas en Anexos 9.4 (Modelos de grupos estocás cos), por
ejemplo, para:
n n
⎣ ( )(
)
Sa(n) = ∑ i=1 ∑ j=i+1…∑ ⎡⎢ ∏ r=i, j,…Cr ⋅ ∑ r=i,j,… μ r ⋅ ∏ s≠i,j,…,r (1 − Cs )⎤⎥
⎦
"a " sumatorios y "r " recorre "a " valores
Capítulo 6 131
ANЕLISIS DEL MARGEN
3. PH Lado casco, actividades [119] y [120]. Ciclo de Repe ción (o su equivalente como
hito de decisión).
Se parte de la ecuación 9.4.3.2 y se modifica a , es decir:
4. PH Lado tubos, actividades [114] y [115]. Ciclo de Repe ción (o su equivalente como
hito de decisión).
Similarmente al caso anterior:
Nótese en este caso que de haber reconocido que la ac vidad [114] nunca fue parte de
la R.C. (C[114]=0) se habría dado a la ac vidad [115] el tratamiento de ac vidad estocás ca
independiente obteniendo exactamente los mismos resultados.
5. Actividades Independientes [52] y [53]. Serie de 2 ac vidades.
Se hace:
Resultando:
132 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Obsérvese que estos son los impactos potenciales de estos grupos al margen total en
términos de promedio (una es mación puntual). Para determinar su aporte específico
se ene que revisar la estructura en la que están embebidos para determinar la holgura
disponible promedio y por diferencia calcular el margen específico agregado al margen
total; por ejemplo, los grupos PH (pruebas hidrostá cas) Lado casco (ac vidades [114]
y [115]) y Lado tubos (ac vidades [119] y [120]), respec vamente, están en paralelo
con las ac vidades no-estocás cas [29] y [37] y sería rela vamente sencillo es mar sus
aportes específicos aplicando las ecuaciones de los grupos en paralelo, en cambio los
aportes de los otros grupos requerirían resolver toda la estructura lógica entre las ac -
vidades [9] y [27] algo que puede ser engorroso aun considerando la estructura simple
del ejemplo y que por ahora no se ha abordado.
Los casos con Frecuencia Crí ca menor al 20 % no se individualizarían sino que por di-
ferencia se determinará su efecto conjunto y así se podrá establecer los contenidos del
margen por a) variabilidad, b) efectos estocás cos significa vos y c) efectos estocás cos
menores.
Luego de realizar los procesos de Monte Carlo mencionados se ob enen las curvas de
frecuencia acumuladas Anexos 9.3.15 (Curvas de frecuencia acumulada - duraciones
totales: casos de grupos estocás cos colapsados), donde por inspección/interpolación
de datos se leen los resultados de la siguiente tabla:
Caso Base: Duración con todos los efectos estocás cos actuando (208 h al 95 %).
NOTA
Cuando se anula un ramal de un hito de decisión (asignando a la probabilidad de ocurren-
cia del ramal un valor cero) el so ware se interrumpe señalando el caso anómalo, como
en los casos 2 y 3 de la tabla. En esa situación bastará asignar un valor muy cercano a cero
(0.01 %) para simular el efecto.
Si ahora se consolidan todos los resultados discu dos hasta aquí, se encuentra la si-
guiente composición del margen:
Donde está claro cuales ac vidades son las que aportan en mayor proporción al Margen
de Duración y, por tanto, se podrán tomar acciones preven vas/correc vas específicas
con mucho mayor conocimiento del efecto a lograr y de cual componente del trabajo
afectar. También podrá evitarse consumir recursos en componentes de baja Cri cidad
orientando las decisiones sobre dónde u lizar los recursos de manera más efec va.
7
Capítulo
RESUMEN
1. Definir hitos.
7. Aprobar.
Como se sabe estos pasos del desarrollo del cronograma no se realizan en secuencia estricta
en la prác ca, generalmente se va progresando simultáneamente en los pasos 1 al 5 por
segmentos del programa que luego se van integrando y se completan antes del paso 6. Sin
embargo, sí se deben recorrer todos los pasos.
El paso 6 se refiere a calcular la red de trabajos para producir fechas de inicio y término; por
tanto, el modelo debe estar terminado para que los resultados tengan valor ú l.
32
Véase Project Management Ins tute (2011b), capítulo 3 «Schedule Model Good Prac ces Overview».
136 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
El paso 5 debe extenderse para incluir la iden ficación de ac vidades con variabilidad y asig-
nación de parámetros PERT de duración.
El paso 3 debe comprender la iden ficación de componentes estocás cos, modelado y asig-
nación de probabilidades33.
3. Iden ficación de la Ruta Crí ca y las rutas alternas, clasificación según el impacto en el
Margen de Duración total.
La asignación de variabilidad es un proceso rela vamente simple puesto que consiste en re-
considerar algunas partes de la red de trabajos y repensar sus duraciones en términos PERT
sin afectar la lógica del trabajo ni modificar secuencias, es un proceso básicamente enfocado
a es mar las duraciones de ac vidades individuales dentro de un modelo de secuencias fijo.
La introducción del comportamiento estocás co puede ser algo más frustrante y confuso.
Tal como ocurre con los procesos de iden ficación de riesgos en general, se requiere que el
modelo o plan no-estocás co esté bastante desarrollado y completo para obtener resulta-
dos sa sfactorios, es decir, ¿cómo se puede iden ficar riesgos sin saber a qué ac vidades
afectan o como las afectan porque no están definidas? Asimismo, se necesitará de un buen
conocimiento de los requerimientos del trabajo y de los detalles técnicos que afectan a las
duraciones. En suma se necesita juicio experto.
A par r de este conocimiento se deberán plantear las opciones o alterna vas de ejecución
que se modelarán en redes de trabajo que se insertarán al caso no-estocás co, esto a su vez
crea cierta confusión debido a que el modelo vuelve a estar en desarrollo. La es mación de
probabilidades debería provenir de procesos externos como análisis de riesgos, análisis de
confiabilidad, análisis de fallas humanas, etc.
Se observa que al ir colapsando uno a uno los componentes de Cri cidad más significa va
se podrá ir determinando los aportes específicos al margen. Con lo que se logrará la debida
clasificación de los componentes de la Ruta Crí ca y rutas alternas crí cas.
33
En los ejemplos y desarrollos del texto se ha hecho uso extenso de las opciones de modelado de la variabilidad y del
comportamiento estocás co con fines explica vos y de familiarización con el módulo informá co desarrollado; sin em-
bargo, para casos reales un programador debería ser muy juicioso y racional en su aplicación empleándola solo donde
pudiera mejorar el comportamiento del modelo y su comprensión de él.
8
Capítulo
EPÍLOGO
Se ha mostrado que este comportamiento puede no ser previsto intui vamente con éxito
ni es mado correctamente con las aplicaciones disponibles. También es bastante conocido
que las usuales aplicaciones informá cas de programación de proyectos no las enen inclui-
das como componentes picos.
Esto ene como resultado que el programador haya aprendido a vivir sin esas herramientas
y ajuste sus modelos para evadir la presencia de lo incierto en lugar de resolverlo.
Se ha mostrado que esto no ene por qué ser así, que en vez de lo anterior, ya se enen las
herramientas para modelar con suficiente simplicidad la incer dumbre en nuestros crono-
gramas, en par cular usando MS Project, además, se ha podido desarrollar y comprobar que
las funciones presentadas las calculan correctamente, lo que debe permi r una ges ón más
técnica de los márgenes de duración de nuestros proyectos.
9
Capítulo
ANEXOS
Sub VisitaTareas()
ModoCalDefecto = Application.Calculation
Application.OptionsCalculation False 'Establece Modo MANUAL de cálculo
CtaSel = 0
'Inicializa campo Number1 (a cero) y cuenta/identifica actividades seleccionadas
For Each T In ActiveProject.Tasks
T.Number1 = 0 ' Frecuencia Crítica
T.Number19 = Sqr((T.Duration2 - T.Duration1) * (T.Duration3 - T.Duration1))'
"raiz" de fdp asc
T.Number20 = Sqr((T.Duration3 - T.Duration1) * (T.Duration3 - T.Duration2))'
"raiz" de fdp desc
If T.Flag1 Then
Select Case CtaSel
Case MaxSel
MsgBox "Demasiadas Actividades seleccionadas. Se ignorará
exceso", , AMC
Exit For
Case Else
CtaSel = CtaSel + 1
IdSel(CtaSel) = T.ID 'T.Index
End Select
End If
Next T
'Revisa consistencia
Inco = "ACTIVIDADES INCONSISTENTES - REPORTE" & vbCrLf
For Each T In ActiveProject.Tasks
If Not T.Summary And Not T.Milestone Then
If T.Duration1 > T.Duration2 Then
Inco = Inco & T.ID & vbTab & "Revisar duraciones Optimistas/
Esperadas" & vbTab & "O/E" & vbCrLf
End If
If T.Duration2 > T.Duration3 Then
Inco = Inco & T.ID & vbTab & "Revisar duraciones Esperadas/Pesimistas"
& vbTab & "E/P" & vbCrLf
End If
If T.Duration2 = 0 Then
Inco = Inco & T.ID & vbTab & " Revisar duraciones Esperadas" &
vbTab & "E" & vbCrLf
End If
End If 'Not T.Summary
Next T
If Inco <> "ACTIVIDADES INCONSISTENTES - REPORTE" & vbCrLf Then
Open RutaProy & " - Incon.txt" For Output As #1
Print #1, Inco
Close #1
MsgBox Inco & vbCrLf & vbCrLf & "Proceso Cancelado", , AMC
Exit Sub
End If
MCProgreso.MxIt.Value = MaxItera
MCProgreso.NumItera.Value = 0
MCProgreso.Show vbModeless ‘Muestra ventana de progreso sin interrumpir
Randomize
For I = 1 To MaxItera
Capítulo 9 141
ANEXOS
'Re-estima duraciones
For Each T In ActiveProject.Tasks
'Mensaje de fin de Calculos
Hora = Time - Hora
FinCalculo = "Tiempo de Procesamiento: " & Hour(Hora) & ":" & Minute
(Hora) & ":" & Second(Hora) & " h:m:s" & vbCrLf
FinCalculo = FinCalculo & "Iteraciones: " & MaxItera
MsgBox FinCalculo, , AMC
For L = 0 To CtaSel
Select Case L
Case 0
ListaParam = ActiveProject.ProjectSummaryTask.Text1
Case Else
ListaParam = ActiveProject.Tasks(IdSel(L)).Text1
End Select
If InStr(ListaParam, "D") > 0 Then
Clasifica L, "D", Dur, ClasDur, LD, IdSel
MsgBox Ln & vbCrLf & LD, , AMC
End If
If InStr(ListaParam, "F") > 0 Or Len(Trim(ListaParam)) = 0 Then
Clasifica L, "F", Final, ClasFin, LF, IdSel
MsgBox Ln & vbCrLf & LF, , AMC
End If
If InStr(ListaParam, "T") > 0 Then
Clasifica L, "T", Trab, ClasTrab, LT, IdSel
MsgBox Ln & vbCrLf & LT, , AMC
End If
If InStr(ListaParam, "C") > 0 Then
Clasifica L, "C", Cost, ClasCost, LC, IdSel
MsgBox Ln & vbCrLf & LC, , AMC
End If
Next L
'Guarda Iteraciones
Open RutaProy & " - Itera.txt" For Output As #1 ' Abrir Archivo de
Iteraciones para escribir títulos
Print #1, "Id", vbTab, "Actividad", vbTab, "Iteración", vbTab,
"Duración (min)", vbTab, "Fecha Fin", vbTab, "Trabajo (hH’s)", vbTab,
"Costos" 'Titulos
For j = 0 To CtaSel 'Recorre Actividades seleccionadas
If j = 0 Then
NomAct = ActiveProject.ProjectSummaryTask.Name
Else
NomAct = Trim(ActiveProject.Tasks(IdSel(j)).Name)
End If
For I = 1 To MaxItera 'Recorre iteraciones
Print #1, IdSel(j), vbTab, NomAct, vbTab, I, vbTab, Dur(I, j),
vbTab, Final(I, j), vbTab, Trab(I, j), vbTab, Cost(I, j)
'Guarda registro.
Next I
Next j
Capítulo 9 143
ANEXOS
'Guarda Histogramas
Open RutaProy & " - Histo.txt" For Output As #1
Print #1, Ln ' Guarda nombre proyecto.
For j = 0 To CtaSel
'Reporte de actividad seleccionada (J)
Select Case j
Case 0
ListaParam = ActiveProject.ProjectSummaryTask.Text1
Case Else
ListaParam = ActiveProject.Tasks(IdSel(j)).Text1
End Select
If InStr(ListaParam, "D") > 0 Then
Clasifica j, "D", Dur, ClasDur, LD, IdSel
Print #1, LD, vbCrLf
End If
If InStr(ListaParam, "F") > 0 Or Len(Trim(ListaParam)) = 0 Then
Clasifica j, "F", Final, ClasFin, LF, IdSel
Print #1, LF, vbCrLf
End If
If InStr(ListaParam, "T") > 0 Then
Clasifica j, "T", Trab, ClasTrab, LT, IdSel
Print #1, LT, vbCrLf
End If
If InStr(ListaParam, "C") > 0 Then
Clasifica j, "C", Cost, ClasCost, LC, IdSel
Print #1, LC, vbCrLf
End If
Next j
Close #1 'Cierra archivo de Histogramas
Ln = "Iteraciones e Histogramas Guardados en: " & vbCrLf & vbCrLf
Ln = Ln & RutaProy & " - <Itera/Histo>.txt" & vbCrLf & vbCrLf & "Fin del análisis"
MsgBox Ln, , AMC
End Sub
144 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Sub VisitaTareas()
ModoCalDefecto = Application.Calculation
Application.OptionsCalculation False 'Establece Modo MANUAL de cálculo
CtaSel = 0
'Inicializa campos y cuenta/identifica actividades seleccionadas
For Each T In ActiveProject.Tasks
T.Number1 = 0 ' Frecuencia Crítica
T.Number19 = Sqr((T.Duration2 - T.Duration1) * (T.Duration3 - T.Duration1))
' "raiz" de fdp asc
T.Number20 = Sqr((T.Duration3 - T.Duration1) * (T.Duration3 - T.Duration2))
' "raiz" de fdp desc
T.Number17 = 0 'IContador de ocurrencias de Hitos y Tareas estocásticos
T.Flag20 = T.Milestone 'Marca Hitos verdaderos
T.Flag19 = (T.Duration1 = T.Duration3) 'Marca Tarea de duración invariante
If Not T.Flag19 Then T.Number16 = (T.Duration2 - T.Duration1) /
(T.Duration3 - T.Duration1) 'Moda
Capítulo 9 145
ANEXOS
If T.Flag1 Then
Select Case CtaSel
Case MaxSel
MsgBox "Demasiadas Actividades seleccionadas. Se ignorará
exceso", , AMC
Exit For
Case Else
CtaSel = CtaSel + 1
IdSel(CtaSel) = T.Id 'T.Index
End Select
End If
Next T
'Revisa consistencia
Inco = "ACTIVIDADES INCONSISTENTES - REPORTE" & vbCrLf
For Each T In ActiveProject.Tasks
If Not T.Summary And Not T.Milestone Then
If T.Duration1 > T.Duration2 Then
Inco = Inco & T.Id & vbTab & "Revisar duraciones Optimistas/Esperadas"
& vbTab & "O/E" & vbCrLf
End If
If T.Duration2 > T.Duration3 Then
Inco = Inco & T.Id & vbTab & "Revisar duraciones Esperadas/Pesimistas"
& vbTab & "E/P" & vbCrLf
End If
If T.Duration2 = 0 Then
Inco = Inco & T.Id & vbTab & " Revisar duraciones Esperadas" & vbTab
& "E" & vbCrLf
End If
End If 'Not T.Summary
Next T
If Inco <> "ACTIVIDADES INCONSISTENTES - REPORTE" & vbCrLf Then
Open RutaProy & " - Incon.txt" For Output As #1
Print #1, Inco
Close #1
MsgBox Inco & vbCrLf & vbCrLf & "Proceso Cancelado", , AMC
Exit Sub
End If
MCProgreso.MxIt.Value = MaxItera
MCProgreso.NumItera.Value = 0
MCProgreso.Show vbModeless 'Muestra ventana de progreso sin interrumpir
Randomize
For I = 1 To MaxItera
MCProgreso.NumItera.Value = I 'Actualiza progreso
If I = 10 * (Int(I / 10)) Then 'cada 10 iteraciones
MCProgreso.DuraIt.Value = Hour(Time - Hora) & ":" & Minute(Time - Hora)
MCProgreso.DuraIt.Value = MCProgreso.DuraIt.Value & ":" & Second(Time - Hora)
& " h:m:s"
MCProgreso.Repaint
End If 'cada 10 iteraciones
146 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
'Re-estima duraciones
Temp = ""
For Each T In ActiveProject.Tasks
'Mensaje de fin de Calculos
Hora = Time - Hora
FinCalculo = "Tiempo de Procesamiento: " & Hour(Hora) & ":" & Minute(Hora)
& ":" & Second(Hora) & " h:m:s" & vbCrLf
FinCalculo = FinCalculo & "Iteraciones: " & MaxItera
MsgBox FinCalculo, , AMC
For L = 0 To CtaSel
Select Case L
Case 0
ListaParam = ActiveProject.ProjectSummaryTask.Text1
Case Else
ListaParam = ActiveProject.Tasks(IdSel(L)).Text1
End Select
If InStr(ListaParam, "D") > 0 Then
Clasifica L, "D", Dur, ClasDur, LD, IdSel
MsgBox Ln & vbCrLf & LD, , AMC
End If
If InStr(ListaParam, "F") > 0 Or Len(Trim(ListaParam)) = 0 Then
Clasifica L, "F", Final, ClasFin, LF, IdSel
MsgBox Ln & vbCrLf & LF, , AMC
End If
If InStr(ListaParam, "T") > 0 Then
Clasifica L, "T", Trab, ClasTrab, LT, IdSel
MsgBox Ln & vbCrLf & LT, , AMC
End If
If InStr(ListaParam, "C") > 0 Then
Clasifica L, "C", Cost, ClasCost, LC, IdSel
MsgBox Ln & vbCrLf & LC, , AMC
End If
Next L
'Guarda Iteraciones
Open RutaProy & " - Itera.txt" For Output As #1 ' Abrir Archivo de Iteraciones
para escribir títulos
Print #1, "Id", vbTab, "Actividad", vbTab, "Iteración", vbTab, "Duración (min)",
vbTab, "Fecha Fin", vbTab, "Trabajo (hH's)", vbTab, "Costos" 'Titulos
For J = 0 To CtaSel 'Recorre Actividades seleccionadas
If J = 0 Then
NomAct = ActiveProject.ProjectSummaryTask.Name
Else
NomAct = Trim(ActiveProject.Tasks(IdSel(J)).Name)
End If
For I = 1 To MaxItera 'Recorre iteraciones
Print #1, IdSel(J), vbTab, NomAct, vbTab, I, vbTab, Dur(I, J), vbTab,
Final(I, J), vbTab, Trab(I, J), vbTab, Cost(I, J) ' Guarda registro.
Next I
Next J
Close #1 'Cierra archivo de Iteraciones
'Guarda Histogramas
148 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
End Sub
Case Else
C = C + 1
Lista(C) = Tk.Text30 ' Nombre de grupo
Id(C) = Tk.Id 'Identificador de linea de programa
Select Case Tk.Text29
Case "HG" 'caso Grupo colapsable
PO(C) = Tk.Number18/100 'La probabilidad de ocurrencia
Case "HD" 'caso hito de decisión
VerificaHD Tk, RptHD
Case Else
MsgBox "Tipo Hito [" & Tk.Id & "] no válido"
End Select 'Case Tk.Text29
End Select 'Case C
End If 'Tk.Milestone
Next Tk
MsgBox RptHD, , "MCE"
End Sub
'Pasada de Inicialización
For J = 1 To C
Estado(J, 2) = False ' No actualizado
Next J
If PredEsHD Then
If Tk.Id = TPred.Number19 Then 'Identifica si Tk esta sorteado
ExisteTarea = True
Else
ExisteTarea = False
End If 'Tk.Id = TPred.Number19
Else
If Rnd < Tk.Number18 / 100 Then
Tk.Number17 = Tk.Number17 + 1
ExisteTarea = True
Else
ExisteTarea = False
End If 'Rnd < Tk.Number18/100
End If 'PredEsHD
Capítulo 9 151
ANEXOS
Case "TG"
For J = 1 To C ' Recorre hitos estocásticos
If Tk.Text30 = Lista(J) Then 'Si Tk pertenece al grupo colapsable J
ExisteTarea = Estado(J, 1)
Exit For
End If 'Tk.Text30
Next J
End Select ' Case Tk.Text29
End Function
If S < 0 Or S > 100 Then 'Si Suma inválida agrega marca al reporte
Rpte = Rpte & “ “ & H.Id & vbTab & S & vbTab & “*” & vbCr
Else
Rpte = Rpte & “ “ & H.Id & vbTab & S & vbCr
End If
End Sub
If K = Cta Then MsgBox "Hito [" & Ident & "] no es estocástico!"
End Function
If Selec(Act) = 0 Then
Nombre = "[0] - " & ActiveProject.ProjectSummaryTask.Name
Else
Nombre = "[" & Selec(Act) & "] - " & ActiveProject.Tasks(Selec(Act)).Name
End If
LD = LD & "Cl." & vbTab & "Fr.Rel" & vbTab & "F.Rel.Ac" & vbTab & "Centro de
Clase" & vbCrLf & vbCrLf
FrCl(0, Act) = 0
For I = 1 To NumClass
Select Case Tipo
Case "D", "T"
Frag = Int((Min + (I - 0.5) * Delta) / 6 * 10) / 100
Case "C"
Frag = Int((Min + (I - 0.5) * Delta) * 100) / 100
Case "F"
Frag = CDate((Min + (I - 0.5) * Delta))
End Select
FrCl(0, Act) = FrCl(0, Act) + FrCl(I, Act)
LD = LD & " " & I & vbTab & Round((FrCl(I, Act) * 100 / MaxItera), 3) & vbTab
LD = LD & Round((FrCl(0, Act) * 100 / MaxItera), 3) & vbTab
LD = LD & Frag & vbCrLf
Next I
End Sub
154 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
En esta parte se desarrollarán expresiones para es mar las duraciones PERT de estos agre-
gados de ac vidades y entender mejor su comportamiento.
La intención es simplificar y reducir el trabajo al ser capaces de sus tuir grupos de ac vi-
dades con ac vidades únicas o más simples con el mismo comportamiento dentro de los
modelos lógicos (redes de trabajos).
El supuesto, por confirmar, es que las estructuras lógicas pueden ser representadas adecua-
damente por la duración promedio y la desviación estándar de la duración. No desarrollamos
un criterio formal para esta comprobación y el programador deberá usar su mejor criterio.
Finalmente, estos desarrollos permiten verificar (y viceversa: son verificados por) la idonei-
dad del algoritmo de simulación Monte Carlo presentado al realizar el contraste entre los
valores producidos en la simulación y los valores calculados. Esto restringido a los casos de
estructuras o configuraciones más simples, en los que el cálculo se reduce y facilita (perfi-
les triangulares de fdp de duraciones y ac vidades iguales).
En este anexo:
Se repasan las aproximaciones PERT clásicas de la variabilidad de la duración promedio y
desviación estándar de la duración de una ac vidad.
Se desarrollan las ecuaciones para:
Ac vidades en serie
Ac vidades en Paralelo Tardío
Ac vidades en Paralelo Temprano
Se discute la simplificación o equivalencias de las estructuras mencionadas.
Se revisa el método para es mar los extremos de cola al 1 % y 99 % de confianza.
1 2 ... n
Este es el caso original del problema PERT de la duración de la Ruta Crí ca y es aplicable
a cualquier cadena que no tenga restricciones.
(9.2.2.2)
Donde: μi – es la duración esperada de la ac vidad i-ésima, ec. 9.2.1.1
NOTA
En programación esta estructura corresponde al grupo de ac vidades que están agrupa-
das en un resumen, el evento posterior al grupo solo inicia cuando TODAS las ac vidades
del grupo se han terminado.
Por tanto, la duración del grupo (D) será igual a la duración de la ac vidad más larga
(véase el caso Paralelo Temprano para otra definición de duración del grupo):
(9.2.3.1)
Dado que di = t.
(9.2.3.4)
(9.2.3.5)
Si todas las actividades son idénticas con fdp idén cas, la ec. 9.2.3.4 se convierte en:
{ }
μ i = ∫ t ⋅ f ( t ) ⋅ Probn−1 (d ≤ t ) dt (9.2.3.6)
Y (9.2.3.10)
(9.2.3.11)
(9.2.3.12)
(9.2.3.12a)
(9.2.3.13)
Que resulta rela vamente simple de evaluar con una hoja de cálculo estándar, aunque
el número de ac vidades puede ser un limitante para la precisión del cálculo. Se ha
comprobado que para valores de n iguales a 50 o menores los límites de precisión no
afectan los resultados sensiblemente. Para otros valores de n se sugiere inspeccionar el
«tamaño» del error de precisión (los ceros al final del valor de cada término k-ésimo) y
compararlo con el valor final de μD.
Nuevamente, si se considera que hay (n) casos iguales que agrupan la data (cada grupo
corresponde a cada caso de «la ac vidad i es la mayor»):
(9.2.3.14)
Nótese que los sumatorios del numerador recorren las duraciones dij con j recorriendo la
data al interior de cada caso de i. Siendo gij las frecuencias de aparición de cada valor de
dij cuando la ac vidad i es la de mayor duración:
Finalmente: (9.2.3.15)
Si se desarrolla:
(9.2.3.16)
Es decir:
Que se integrará por tramos O-E y E-P, además la primera integral (con t2) será compon-
drá de dos resultados: JOE y JEP y la integral de la derecha en HOE y HEP:
(9.2.3.17)
Capítulo 9 159
ANEXOS
Que por medio de un tratamiento similar al que resolvió la media (μ) resultan:
(9.2.3.18)
(9.2.3.19)
(9.2.3.20)
(9.2.3.21)
Que se reemplazarían en la ecs. 9.2.3.17 y 9.2.3.15 para calcular las varianzas (y su raíz
cuadrada la desviación estándar) individuales y del grupo.
Una situación como esta puede ser necesaria para es mar la fecha en que los recursos
(las cuadrillas responsables, por ejemplo) empiezan a liberarse de una tarea con múl -
ples frentes, y así poder asignarlas a otras tareas pendientes.
NOTA
Esta estructura no es modelable en la mayoría de las aplicaciones informá cas de ges ón
de cronogramas.
160 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Por tanto, la duración del grupo será igual a la duración de la ac vidad más corta:
(9.2.4.1)
(9.2.4.3)
Dado que di = t.
Como:
(9.2.4.4)
(9.2.4.5)
Si todas las ac vidades son idén cas con fdp idén cas, la ec. 9.2.4.4 se convierte en:
(9.2.4.6)
Donde la probabilidad Prob(d ≤t) es la función acumula va de f(t) y resulta ser F(t). Si se
usa la aproximación de «El modelo triangular de probabilidades» (véase acápite 4.1), se
ob ene:
(9.2.4.7)
Y (9.2.4.10)
(9.2.4.11)
(9.2.4.12)
(9.2.4.12a)
(9.2.4.13)
Nuevamente, si se considera que hay (n) casos iguales que agrupan la data (cada grupo
corresponde a cada caso de «la ac vidad i es la de duración más corta»):
(9.2.4.14)
Nótese que los sumatorios del numerador recorren las duraciones dij con j recorriendo la
data al interior de cada caso de i. Siendo gij las frecuencias de aparición de cada valor de
dij cuando la ac vidad i es la de menor duración:
162 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Finalmente: (9.2.4.15)
Se desarrolla:
(9.2.4.16)
Es decir:
Que se integrará por tramos O-E y E-P, además la primera integral (con t2) será llamada
JOE y JEP y la integral de la derecha HOE y HEP:
(9.2.4.17)
Que por medio de un tratamiento similar al que resolvió la media (μ) resulta:
(9.2.4.18)
(9.2.4.19)
(9.2.4.20)
(9.2.4.21)
Que se reemplazarían en las ecs. 9.2.4.17 y 9.2.4.15 para calcular la varianza (y su raíz
cuadrada: la desviación estándar).
Capítulo 9 163
ANEXOS
Esto es bastante intui vo, dado que A, B y C forman una cadena de ac vidades, también
se puede agruparlas en dos ac vidades en serie digamos {(A+B) y C} o en {A y (B+C)}, por
ejemplo, y eso no debe cambiar la forma en que se distribuyen las probabilidades de las
duraciones del conjunto, dado que los grupos son solo paquetes subje vos para nuestro
mejor entendimiento de los trabajos, los procesos internos que controlan sus duraciones
no son afectados por las agrupaciones que se usen.
Y se han marcado los resúmenes [0], [1], [7] y [13] para monitorear sus duraciones, véa-
se los campos MC Sel y MC Lista Parámetros y las duraciones op mista, más probable
y pesimista. Luego de ejecutar el proceso de simulación se encuentran los siguientes
resultados:
Parámetros grupales
SERIE Monte Carlo (1k iteraciones)
ecs. 9.2.2.2 y 9.2.2.3
Grupo i i
L1% L99%
Al lado derecho de la tabla se han incluido los resultados de usar las ecuaciones 9.2.2.2 y
9.2.2.3 (Paralelo Tardío) sobre los quintetos Q1, Q2 y Q3 como si cada uno fuera un ramal
pico del trío en paralelo ( enen las mismas cinco ac vidades y duraciones).
Se pueden observar desviaciones de hasta –10 % en σ con respecto a los valores obser-
vados en Monte Carlo.
A
A // A
A A // A // A
A
A
Capítulo 9 165
ANEXOS
(9.2.6.1)
166 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Normalmente en los procesos de Monte Carlo el número de iteraciones supera los mi-
llares por lo que se estará en el dominio de la distribución Normal. Se usará esto para
establecer las duraciones op mista (Do) y pesimista (Dp) de los grupos de ac vidades y se
podrá representarlas como una sola ac vidad con duraciones PERT (Do, D, Dp) que pueda
insertarse en el modelo de Monte Carlo.
Y (9.2.6.2)
Y como :
(9.2.6.3)
Para otros valores del nivel de confianza (P) de Zp% se puede usar este mismo procedi-
miento seleccionando Z de tablas de la distribución normal.
(9.2.6.4)
(9.2.6.5)
9.3
ID:1 ID:2
>ŝŵƉŝĞnjĂŝŶƚĞƌŝŽƌ
de casco
ID:14
Inspecciones >ŝŵƉŝĞnjĂĚĞŚĂnjĚĞƚƵďŽƐ
con equipo de presión Inspección de
interior y exterior casco
ID:15
ID: 12 ID: 16
Inspección de Inspección de
ĂŶĂůLJŽŶĞƚĞ dĂƉĂĚĞĂďĞnjĂů
ĚĞĐĂď͘&ůŽƚĂŶƚĞ ŇŽƚĂŶƚĞ
ID: 17 ID: 19
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Ensamble
ID:20 /ŶƐƉĞĐĐŝſŶ,Ănj
de tubos
DŽŶƚĂũĞĚĞdĂƉĂ
ID: 18 DŽŶƚĂũĞĚĞ,Ănj ĚĞĂď͘&ůŽƚĂŶƚĞ
PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
de tubos
ID: 22
ID: 21
9.3.1 Red de trabajo de mantenimiento
W,ůĂĚŽƚƵďŽƐ
DŽŶƚĂũĞĚĞĂŶĂů
ID:25
ID: 23 Instalación de
DŽŶƚĂũĞĚĞdĂƉĂ bomba de prueba
ĂŶĂů ŚŝĚƌŽƐƚĄƟĐĂ >ůĞŶĂĚŽĚĞŚĂnjĚĞ
Elevación de presión ID: 24 ID: 26 tubos con agua
y mantenimiento purgado y venteo
por 1h y reducción
de presión ambiente ID: 27
ID: 28
Drenaje y vaciado ZĞƟƌŽĚĞ
ĚĞŚĂnjĚĞƚƵďŽƐ ŝŶƐƚĂůĂĐŝſŶĚĞW,
ID: 29 ID: 31
W,ůĂĚŽĐĂƐĐŽ
Aceptación/ Montaje de
ID:33 ZĞĐŚĂnjŽĚĞŵŽŶƚĂũĞ ŽŶĞƚĞĚĞĂď͘
ĚĞŚĂnjĚĞƚƵďŽƐ &ůŽƚĂŶƚĞ
ID: 30 ID: 32
Instalación de
EL INTERCAMBIADOR DE CALOR AES-1.2 × 6 m
bomba de prueba
ŚŝĚƌŽƐƚĄƟĐĂ
Drenaje y vaciado
ID: 34 Elevación de presión de casco ZĞƟƌŽĚĞ ZĞƟƌŽĚĞƉůĂƚŽƐ
Llenado de casco y mantenimiento por ŝŶƐƚĂůĂĐŝſŶĚĞW, ciegos &ŝŶ
con agua 1h y reducción de ID: 37
purgado y venteo presión ambiente ID: 39 ID: 40 ID: 41
ID: 35 ID: 36 Aceptación/
ZĞĐŚĂnjŽĚĞŵŽŶƚĂũĞ
de intercambiador
ID: 38
Capítulo 9 169
ANEXOS
Existen varias formas construc vas, para nuestro ejemplo en el texto la norma TEMA
define el po AES por la forma de las tapas de extremo (A y S) y el casco cilíndrico (E).
Véase los diagramas de ensamble y despiece de partes a con nuación:
Entrada
Salida fluido fluido frío
caliente
Entrada Salida
fluido caliente fluido frío
Haz de tubos
Tapa de
cabezal Bonete o
Placa de Placa de flotante tapa de lado
portatubos Tubos Placas portatubos
Canal deflectoras flotante
de canal flotante
Tapa Canal
Casco
170 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
P%0 TG P % 50 TG P % 50 TE P%2
P%0 TG P % 30 TE P % 30 TE P%1
De
inspección de
Id 55 Haz de tubos
P%0
Decisiones de
Id 56 Haz de tubos
HD P%0 Haz T
Re-expandido Reparación de
Reparaciones Recs. de tubos (1 a Placa
Id 57 de Extremo Fijo Id 58 Extremo Fijo Id 59
80) L Fijo Id 60 portatubos (Sup
P%0 HG P%2 HT- Fijo TG P%0 HT- Fijo TG P%0 HT- Fijo
ŶĞdžŽϵ͘ϯ͘ϱͲZĞĚĚĞƚƌĂďĂũŽƐƉŽƌĚĞĮŶŝƌĚĞƵŶŝŶƚĞƌĐĂŵďŝĂĚŽƌĚĞĐĂůŽƌ
Rec. Re-Exp
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Reemplazo de Reemplazo de
Id 129 empaquetadura Id 131 o Clausura de ZĞƟƌŽĚĞdĂƉĂĚĞ
Id 126 empaquetadura Id 132 Canal
de Bonete de c de Haz de tubos Tubos Observa
TE P%1 TE P%1 HG P%40 PHC-RX TG P%0 PHC-RX
PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
Re-expandido de
Id 133 tubos (1 a 80)
TG P%0 PHC-RX
Clausura de
Id 134 tubos con
tapones (1 a 80)
TG P%0 PHC-RX
TG P%0 PHC-RX
Retoma a
<Elevación de
Id 136 presión y mante
9.3.5 Red de trabajos estocásticos - pruebas hidrostáticas
P%0
Anexo 9.3.6
DIAGRAMA DE RED DE MANTENIMIENTO DE UN INTERCAMBIADOR DE CALOR
/ŶĐůƵLJĞĐƟǀŝĚĂĚĞƐƉŽƌĚĞĮŶŝƌ
1
2 3
5 6
4
7 8 9
10 11 13
12
14
15
16
17 19
18 21 22
23 24
26 27
20
25
28 29 31
30
33
9.3.6. Red de trabajos completa
32
112 34 35 36 37
42 43 44 45 46
113 114
47 48 49 50
115 116 117 119 120 122 38 39
52 53 54
51
118 121 40
55 41
56
57 58 59 60
61
67 62 63 64 65 66
72 68 69 70 71
78
80 73 74 75 76 77
79
84 81 82
90 83 123
92 91 85 86 87 88 89
124 125 127 128
94 93
129
95 96 116
97 98 130 131
99 132
100
101 103 133
102 135
136
104 105 106 107 109 110
Capítulo 9
ANEXOS
108
111
173
174
Anexo 9.3.7
DIAGRAMA DE RED DE MANTENIMIENTO DE UN INTERCAMBIADOR DE CALOR
/ŶĐůƵLJĞĐƟǀŝĚĂĚĞƐƉŽƌĚĞĮŶŝƌLJŝĐůŽƐĚĞZĞƉĞƟĐŝſŶ^ƵƐƟƚƵŝĚŽƐ
1
2 3
5 6
4
7 8 9
10 11 13
12
14
15
16
17 19
18 21 22
23 24
26 27
20
25
28 29 31
30
33
32
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
34
112
42 43 44 45 46
113 114 116
PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
47 48 49 50
52 53 54 115
51
55
56
57 58 59 60
61
67 62 63 64 65 66
72 68 69 70 71
78
80 73 74 75 76 77 35 36 37 39
79
84 81 82
38
90 83
40 41
92 91 85 86 87 88 89
117
94 93
95 96 118 119 121
97 98
120
99
100
101 103
102
108
111
9.3.7. Red de trabajos completa - Ciclos de Repetición sustituidos
Capítulo 9 175
ANEXOS
Tipo AES-1200-6000
176 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Anexo 3.8
NOTA
1) Los campos MC Sel y MC Lista Parámetros
a recopilar.
3) Los campos , y GERT Cta Ocurr mostrarán valores obtenidos luego que se ejecute un proceso
de Monte Carlo, normalmente antes de iniciar un cálculo estos campos deberían estar en blanco o vacíos, aunque su contenido
remanente (posiblemente de un cálculo anterior) no afecta al proceso.
Capítulo 9 177
ANEXOS
NOTA
1. Las ac vidades [112] y siguientes de la red original de trabajo (las ac vidades de retorno de los Ciclos de Repe ción de las pruebas
hidrostá cas de los lados tubo y casco) del cronograma base, véase Anexos 9.3.8 (Cronograma de mantenimiento de un intercambia-
dor de calor), han sido sus tuidas por los modelos de doble rampa cóncava como se muestran (Id 112 a 121) en este cronograma.
2. Los campos MC Frec Crítica, MC Clase Critica y GERT Cta Ocurr han sido actualizados por el algoritmo, en este caso se realizó un
proceso de 1,000 iteraciones.
L1% L99%
6.16 17.77
L1% L99%
6.56 13.10
182 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
L1% L99%
- 7.74
L1% L99%
5.78 30.24
Capítulo 9 183
ANEXOS
L1% L99%
6.45 13.12
L1% L99%
- 20.48
184 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
PH Lado Tubos
Opt Esp Pes
S= 6.56 8.04 13.08 9.47 1.64
R= 0.00 0.26 7.40 0.61 1.22
C' = 6.16 9.07 17.77 9.88 2.12
P = 16.9 %
Err = 1.00 %
PH Lado Casco
Opt Esp Pes
S= 6.45 8.46 13.12 9.50 1.64
R= 0.00 0.63 20.48 6.39 7.09 ojo: Doble giba
C' = 5.78 8.61 30.24 15.56 7.52 ojo: Doble giba
P = 47.0 %
Err = 1.00 %
r(Err) = 7.420 7
De inspecciones de casco
L1% L99%
- 6.77
L1% L99%
- 46.13
186 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
L1% L99%
- 44.67
L 1% L99%
- 94.12
/ŶƚĞƌĐĂŵďŝĂĚŽƌ^ͲϲͲϭ͘ϮŵƌϰĂͲŽŵƉůĞƚŽ͘ŵƉƉ DϱϭͲWƌŽďĂďŝůŝĚĂĚLJƌŝƟĐŝĚĂĚĞŶůĂZĞĚ ͬDϬϭͲ&ƌĞĐ͘ƌŝƟĐĂͬƌŝƟĐĂů&ƌĞƋ
9.3.14
D&ƌĞĐƌşƟĐĂ͗ϭϬϬͲфϭϭϬ
2 3 8
P% 0 P% 0 P% 0
D&ƌĞĐƌşƟĐĂ͗ϵϬͲфϭϬϬ
5 6
P% 0 P% 0
D&ƌĞĐƌşƟĐĂ͗ϴϬͲфϵϬ
D&ƌĞĐƌşƟĐĂ͗ϲϬͲфϳϬ
12 18 21
P% 0 P% 0 P% 0
9
P% 0
111
P% 0
D&ƌĞĐƌşƟĐĂ͗ϰϬͲфϱϬ
56
P% 0
D&ƌĞĐƌşƟĐĂ͗ϯϬͲфϰϬ
14 16
P% 0 P% 0
62 63 64 65 66
P% 40 P% 0 P% 0 P% 0 P% 0
D&ƌĞĐƌşƟĐĂ͗ϮϬͲфϯϬ
48 49
P% 50 P% 50
D&ƌĞĐƌşƟĐĂ͗ϭϬͲфϮϬ
53
P% 30
D&ƌĞĐƌşƟĐĂ͗ϬͲфϭϬ
7 79 81 82 85 86 87 88 89
P% 0 P% 1 P% 0 P% 0 P% 0 P% 0 P% 0 P% 0 P% 0
68 69 70 71
P% 0 P% 2 P% 0 P% 0
91
P% 5
52
P% 30
Red de trabajos - agrupación por Frecuencia Crítica
Capítulo 9
ANEXOS
187
188
D&ƌĞĐƌşƟĐĂ͗ϴϬͲфϵϬ
Ϯϯ Ϯϰ Ϯϲ Ϯϵ
WйϬ WйϬ WйϬ WйϬ
D&ƌĞĐƌşƟĐĂ͗ϲϬͲфϳϬ
ϯϴ ϭϭϴ ϭϮϭ
WйϬ Wйϯϱ WйϬ
D&ƌĞĐƌşƟĐĂ͗ϰϬͲфϱϬ
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
D&ƌĞĐƌşƟĐĂ͗ϯϬͲфϰϬ
ϯϳ
PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
WйϬ
ϭϮϬ
Wйϯϳ͘ϰ
D&ƌĞĐƌşƟĐĂ͗ϮϬͲфϯϬ
ϭϭϵ
WйϲϮ͘ϲ
D&ƌĞĐƌşƟĐĂ͗ϭϬͲфϮϬ
ϮϮ ϯϬ ϭϭϯ ϭϭϱ ϭϭϲ
WйϬ WйϬ Wйϯϱ Wйϭϯ͘ϭ WйϬ
D&ƌĞĐƌşƟĐĂ͗ϬͲфϭϬ
Capítulo 9 189
ANEXOS
Duración del programa para el intercambiador de calor AES-6 1.2 × 6m (caso base):
L1% L99%
86.3 239
L95 % = 208
Duración del programa para [47] y [48] - inspecciones de canal y bonete COLAPSADOS
L1% L99%
84.2 238
L95 % = 200
190 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Duración del programa para [61] - De reemplazo de placas portatubos fija COLAPSADO
L1% L99%
84.9 213
L95 % = 183
Duración del programa para [117] - De PH lado casco (Sección C’) COLAPSADO
L1% L99%
84.9 188
L95 % = 162
ID: 0 - 41
1 21 22 27 28 29
30
31 32
2 3 5 6
7 8 9 12 18
14 16
11 13
4
14 17 19 23 24 26
15
20
25
33
ID: 42 - 141
42
115
48 49 50 52 53 54
47
51
55 56 79 81 82 85
83 86 87 88 89
62 63 64 65 66
108
97 98 104
9.3.16 Red de trabajos completa - Criticidad
99 102
91 111
58 59 60 68 69 70 71
73 74 75 76 77 ID: 0 - 41
57
61 34 35 36 37
67
38
72
78 39 40 41
80
84
90
92
Capítulo 9
ANEXOS
ID: 42 - 141
94
118 119 121
100
112
120
117
191
192
Mito intercambiador
de Calor
Desensamble
BE U-6m-12m (800 Limpieza Inspecciones Ensamble
tubos 3/4”)
ID:1 0 ID:4 0 ID:10 0 ID:15 0 ID:20 0
Instalación de Recorrido de
Inicio ZĞƟƌŽdĂƉĂĐĂŶĂů ZĞƟƌŽĚĞĂŶĂů espárragos (142 un)
platos ciegos
ID:2 0 ID:3 0 ID:5 0 ID:6 0 ID:13 0
ID: 21 0 ID: 22 0
>ŝŵƉŝĞnjĂĚĞdĂƉĂ Limpieza interior Inspección
canal, Canal, Bonete y de casco de casco
ƚĂƉĂĐĂďĞnjĂůŇŽƚĂŶƚĞ
ID:11 0 ID:14 0 ID: 16 0
Instalación de
DŽŶƚĂũĞĚĞdĂƉĂ bomba de prueba
Montaje de Canal
Canal ŚŝĚƌŽƐƚĄƟĐĂ
ID: 23 0 ID: 24 0 ID: 26 0
dZ:K^WKZ
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
DEFINIR
(Una ac vidad por grupo estocás co).
Elevación de presión y
mantenimiento por 1h y Llenado de haz de
reducción de presión tubos con agua
ambiente purgado y venteo
ID: 28 0 ID: 27 0
9.3.17 Diagrama de precedencias simplificado
3. Hitos de decisión.
ecuaciones desarrolladas.
(9.4.1.A.1)
Donde di es la duración de cada ac vidad. En este caso esta duración viene a ser el
resultado de dos procesos: la existencia/no-existencia de la ac vidad y cuando existe
la duración es el resultado de la evaluación PERT. Se podrá escribir entonces:
(9.4.1.A.2)
34
En Anexos 9.2 previnimos al lector contra el uso indiscriminado del promedio y la desviación estándar de las duracio-
nes para representar el comportamiento de las estructuras lógicas de trabajo. En este anexo se deberá ejercer todavía
más dicha alerta, donde el lector comprobará que las fdp resultantes difieren mucho de la forma usual de la distribución
normal, razón por la cual no se ha provisto el cálculo de la desviación estándar de la duración en ningún caso. Aunque
puede inferirse muy sencillamente a par r de los casos no estocás cos.
194 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Donde h(P) es una función que en cada instancia de evaluación toma los valores 0 o 1
de acuerdo a la probabilidad P de ocurrencia; y t es la evaluación PERT de la duración
de la ac vidad en esa instancia.
(9.4.1.A.3)
Donde Ni,o es el número de casos en que la ac vidad i colapsa (hi = 0) y para los que ti,0
= 0, y Ni,1 es el resto de casos (hi = 1)
(9.4.1.A.3a)
Nótese el uso de R para representar la duración pesimista. Reservando P para las pro-
babilidades de existencia/ no-existencia de las ac vidades.
(9.4.1.A.4a)
Para los casos de pares de ac vidades existentes (resto de pares colapsados) se tendría:
(9.4.1.A.4b)
Capítulo 9 195
ANEXOS
n n
⎣ ( )(
)
Sa(n) = ∑ i=1 ∑ j=i+1…∑ ⎢⎡ ∏ r=i, j,…Pr ⋅ ∑ r=i,j,… μ r ⋅ ∏ s≠i,j,…,r (1 − Ps )⎥⎤
⎦ (9.4.1.A.4c)
"a " sumatorios y "r "recorre "a " valores
(9.4.1.A.4d)
(9.4.1.A.5)
Caso especial: Cuando todas las ac vidades son iguales, se ene para un «i» cualquie-
ra la siguiente especialización de las ecuaciones 9.4.1.A.4 y 9.4.1.A.5:
(9.4.1.A.6)
(9.4.1.A.7)
196 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Ejemplo 1:
Respuesta:
Ejemplo 2:
Supóngase una serie de 3 ac vidades iguales con duraciones PERT = 10/20/40 y con unas
probabilidades de ocurrencia 0.45, 0.75 y 0.90. Calcular la duración media.
Respuesta:
= 2 ⋅ 3.33 ⋅ {0.45 ⋅ 0.75 ⋅ (1 − 0.9) + 0.45 ⋅ 0.9 ⋅ (1 − 0.75) + 0.75 ⋅ 0.9 ⋅ (1 − 0.45)}
198 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
También este caso se ha modelado en un cronograma MS Project tal como sigue, véase
los campos MCE Tipo Elem y MCE Prob Ocurr, nótese que el resumen [5] ha sido selec-
cionado para análisis de duraciones:
Luego de ejecutar el proceso Monte Carlo para casos estocás cos se ob enen los si-
guientes resultados (1000 iteraciones):
L1% L99%
También con un muy buen acuerdo
8.3 min 1.5 min entre ambos resultados.
Otra vez se leen las frecuencias colapsadas al extremo izquierdo ≈ 0.6 %, y se pueden
comparar contra la probabilidad de que las tres ac vidades se hallen colapsadas al mis-
mo empo:
Capítulo 9 199
ANEXOS
Entonces (9.4.1.B.1)
(9.4.1.B.2a)
La probabilidad de todos los casos en que existe solo una ac vidad que dura menos
que t y el resto están colapsadas se escribe:
(9.4.1.B.2b)
(9.4.1.B.2c)
La probabilidad del caso de que existan grupos de «a» ac vidades con duración menor
a «t» y el resto (n – 1 – a ac vidades) estén colapsadas es:
(9.4.1.B.2d)
Con el índice «r» recorriendo el conjunto de grupos de «a» ac vidades existentes y «s»
recorriendo el conjunto de «n – 1 – a» ac vidades restantes colapsadas.
200 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
(9.4.1.B.2e)
Y la suma de todos estos casos da la probabilidad de todas las maneras en que las ac-
vidades, excepto la ac vidad «i», tengan duraciones menores a «t», es decir, si S(i) es
la probabilidad dicha:
(9.4.1.B.3)
Dado que la probabilidad de existencia de la ac vidad «i» reduce la fdp de «i» a: Pi · fi(t) se
encontrará que la esperanza de la duración de la ac vidad «i» (E(diMax)) cuando todas las
otras enen duración menor se escribe:
(9.4.1.B.4)
Nótese que denota la media de «i» cuando es la mayor y, por tanto, es diferente a
la media usual μi
(9.4.1.B.5)
(9.4.1.B.6)
(9.4.1.B.7)
Capítulo 9 201
ANEXOS
Caso especial: cuando todas las ac vidades son iguales, se ene para un «i» cualquiera:
(9.4.1.B.8)
(9.4.1.B.9)
Ejemplo 1
Respuesta:
Para calcular μi, se tendrá que para la ac vidad «i» los términos del sumatorio en «a» de
la ecuación 9.4.1.B.8 son:
Si se restringe aún más las condiciones para que las ac vidades tengan duraciones PERT
Op mista/Esperado/Pesimista (O/E/R), se podrá calcular las integrales con las fórmulas
desarrolladas para el caso no-estocás co.
NOTA
Puede recordarse que:
202 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Por tanto:
Este caso se ha modelado en un cronograma MS Project tal como se muestra, véase los
campos MCE Tipo Elem y MCE Prob Ocurr, nótese que el resumen [11] ha sido marcado
para reportar duraciones:
35
Podremos evitar el cálculo manual de estas ecuaciones si recordamos que la integral se puede
resolver con la aplicación de Visual Basic desarrollada para calcular los grupos en Paralelo Tardío (no estocás co) sim-
plemente considerando que es el valor medio de una ac vidad individual y por tanto el resultado μD debe dividirse
por el número de ramales de cada sumando, que en el ejemplo es igual a r+1, con r el exponente de F(t) en la integral.
Capítulo 9 203
ANEXOS
Luego de ejecutar el proceso Monte Carlo estocás co se ob enen los siguientes resulta-
dos (1000 iteraciones):
La probabilidad que una ac vidad «i» en par cular sea la mayor (es decir, sea la Ruta
Crí ca del grupo Paralelo Tardío) se puede calcular considerando la ecuación 9.4.1.B.4:
(9.4.1.B.10)
(9.4.1.B.11)
(9.4.1.B.12)
204 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Ejemplo 2:
Siguiendo con el ejemplo anterior calcúlese ahora la probabilidad de que la ac vidad «i»
sea la mayor (véase la ecuación 9.4.1.B.12):
Respuesta:
NOTA
Recordar que (véase las ecuaciones 9.2.3.16 hasta 9.2.3.21):
Capítulo 9 205
ANEXOS
Entonces (9.4.1.C.1)
(9.4.1.C.2a)
La probabilidad de que existan parejas de ac vidades j, k que duren más que t y que el
resto de ac vidades estén todas colapsadas es:
(9.4.1.C.2b)
206 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
La probabilidad del caso de que existan grupos de «a» ac vidades con duración mayor
a t y que el resto (n – 1 – a ac vidades) estén colapsadas es:
Con el índice «r» recorriendo el conjunto de grupos de «a» ac vidades existentes que
duran más que t y «s» recorriendo el conjunto de «n – 1 – a» ac vidades restantes
colapsadas.
Y la suma de todos estos casos da la probabilidad de todas las maneras en que las ac-
vidades, excepto la ac vidad «i», tengan duraciones mayores a t, es decir, si S(i) es la
probabilidad dicha:
(9.4.1.C.3)
Dado que la probabilidad de existencia de la ac vidad «i» reduce la fdp de «i» a: Pi·fi(t)
se encuentra que la esperanza de la duración de la ac vidad «i» (E(diMin)) cuando
todas las otras enen duración mayor se escribe:
(9.4.1.C.4)
Nótese que μ i denota la media de «i» cuando es la mayor y, por tanto, es diferente a
la media usual μ i.
(9.4.1.C.6)
Capítulo 9 207
ANEXOS
(9.4.1.C.7)
Caso especial: cuando todas las ac vidades son iguales, se ene para un «i» cualquiera:
(9.4.1.C.8)
(9.4.1.C.9)
Ejemplo 1:
Respuesta:
Para calcular μi, se ene que para la ac vidad «i» los términos del sumatorio en «a» de
la ecuación 9.4.1.C.8 son:
Si se restringe aún más las condiciones para que las ac vidades tengan duraciones PERT
Op mista/Esperado/Pesimista (O/E/R), se podrá calcular las integrales con las fórmulas
desarrolladas para el caso no-estocás co.
208 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
NOTA
Se puede recordar que:
Por tanto:
(9.4.1.C.10)
(9.4.1.C.11)
36
De manera similar, al caso Paralelo Tardío, esta integral se puede calcular automá camente con la aplicación de Visual
Basic desarrollada para el caso no estocás co de Paralelo Temprano, considerando que el resultado μD debe dividirse
por el número de ramales del caso, r + 1 en el ejemplo, donde r es el exponente de (1–F(t)) en la integral.
Capítulo 9 209
ANEXOS
(9.4.1.C.12)
Ejemplo 2:
Siguiendo con el ejemplo anterior, calcúlese ahora la probabilidad de que la ac vidad «i»
sea la mayor (véase la ecuación 9.4.1.C.12):
Respuesta:
NOTA
Se puede recordar que (véase las ecuaciones 9.2.4.16 hasta 9.2.4.21):
(9.4.2.A.1)
Ejemplo:
Supóngase un grupo de n=3 ac vidades iguales con duraciones PERT 10/20/40 y una
probabilidad de grupo de 0.5
Respuesta:
Los resultados obtenidos para 1000 iteraciones del Monte Carlo estocás co son:
L1% L99%
0 min 91.42 min
(9.4.2.B.1)
-----------------------
Caso especial: Si todas las fi(t) son iguales (ac vidades iguales), el factor integral de la
ecuación 9.4.2.B.1 es:
212 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
(9.4.2.B.2)
Ejemplo:
Hay cuatro ac vidades iguales en Paralelo Tardío con duraciones O/E/R = 10/20/40, sobre
el grupo se ene una probabilidad de existencia P = 75 %. Es mar la duración promedio.
Respuesta:
L1% L99%
0 min 30.11 min
Con 25 % de colapsos.
C. Caso de grupo en Paralelo (Temprano)
Recordando la ecuación para el comportamiento no estocás co de un grupo en Para-
lelo Temprano (véase ecuaciones 9.2.4.4 y 9.2.4.5):
(9.4.2.C.1)
-----------------------
Caso especial: Si todas las fi(t) son iguales (ac vidades iguales), el factor integral de la
ecuación 9.3.12.C.1 es:
Que para el modelo triangular se evalúa en términos de duraciones PERT (O/E/R). Véa-
se la ecuación 9.2.4.7 y siguientes en:
(9.3.12.C.2)
214 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Ejemplo:
Hay cuatro ac vidades iguales en Paralelo Temprano con duraciones O/E/R = 10/20/40,
sobre el grupo se ene una probabilidad de existencia P = 75 %. Es mar la duración
promedio.
Respuesta:
con i=1…n
(9.4.3.1)
La esperanza de diExi es simplemente:
Y (9.4.3.2)
(9.4.3.3)
(9.4.3.4)
Ejemplo:
Sea un grupo de ac vidades que definen 4 ramales de un hito de decisión tales como:
Id 35 Rama 2
TE P% 45
Id 36 Rama 3
TE P% 30
Id 37 Rama 4
TE P% 10
Id 38 Final
P% 0
Respuesta:
La implementación Monte Carlo Estocás co del hito de decisión resulta como sigue:
Véase los campos MCE Tipo Elem, MCE Prob Ocurr y MC Select.
L1% L99%
5.12 min 46.40 min
Se notarán cuatro picos de frecuencia y también notarán que en todos los casos estas
gibas coinciden con los intervalos de duración individual de las ac vidades del grupo.
Esta es una caracterís ca de los hitos de decisión, la curva de frecuencias rela vas com-
binadas resulta ser la superposición (suma) de las curvas individuales.
Capítulo 9 217
ANEXOS
R Decisión
Decisión
Sin repetición
S
S
Se puede representar como:
Decisión Decisión
Hito de Una repetición
decisión S
R S
Decisión Decisión
Dos repeticiones
S
R S R S
Donde cada caso de repe ción del ciclo es un ramal de un hito de decisión, y las repe-
ciones pueden extenderse teóricamente sin límite (r→+∞).
… r Pr (1 – P) S + rC
218 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
(9.4.4.A.1)
(9.4.4.A.2)
Es decir:
(9.4.4.A.3)
(9.4.4.A.4)
Este sector de la tabla significa que el ramal «por definir» (con probabilidad P > 0.5 de
ocurrencia) ene más probabilidades de ejecución que el ramal «definido» lo que no
es una situación normal, es decir, el programador debería revisar el plan de trabajo
para plantear un secuencia altamente probable con «desviaciones improbables», esto
seguramente implicará alterar la lógica inicial y replantear las ac vidades.
Al fin y al cabo, uno planea ac vidades que con a poder ejecutar y la inclusión de una
ac vidad no deseable —como una repe ción o corrección— con mayor probabilidad
de ejecución que la secuencia planeada indicará que el plan ene un importante de-
fecto estratégico o de concepto.
Con esto parece que el límite de repeticiones para contener el error total a menos
del 1 % está alrededor de 10; sin embargo, implementar 10 ramales en cada hito de
decisión tampoco se ve muy prác co desde el punto de vista del programador que
ene que desarrollar, verificar y mantener al día un modelo con varios cientos o miles
de ac vidades y quizá varias decenas de Ciclos de Repe ción. Lo más sensato será
definir las repe ciones de acuerdo a la probabilidad P y al error que se admita. Dado
que se está en una situación estocás co con es maciones PERT, un margen de 1 % a 3
% para el error parece aceptable, lo que llevaría a considerar r = 9 como máximo para
P cercano a 0.5, o r = 4 para P cercano a 0.2
Para ilustrar el modelo de hitos de decisión para un ciclo de repe ciones, se ene el
siguiente caso simple:
Respuesta:
El hito [1] configura la estructura de decisiones. Nótese que MCE Prob Ocurr = 45 para
este elemento, registrando el valor de la probabilidad de repe ción del caso, como re-
cordarán esta asignación de valor en este po de componente (HD) no ene efecto y es
solo informa vo para el programador.
220 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
El primer ramal [2] Grupo 1P consiste de un paso por «Sigue» sin repe r, el hito [3] po
HG define el grupo estocás co MCE GrupoE = 1P (de una sola ac vidad37) este mismo
hito ene MCE Prob Ocurr = 55 como parámetro.
El segundo ramal [6] Grupo 2P 1R realiza un paso por «Sigue» y luego ejecuta un (1)
lazo de retorno. El hito [7] ( po HD) de definición del grupo estocás co 2P 1R ene la
probabilidad 24.75.
El resto de casos se generan similarmente agregando cada vez una tarea de «Retorno» y
una tarea «Sigue» en serie.
37
También pudo usarse una ac vidad estocás ca independiente para modelar este grupo usando el po TE.
Capítulo 9 221
ANEXOS
Nótese que el Grupo 1P está marcado (con botones amarillos en MC Clase Crí ca) con
aprox. 55 % de casos perteneciente a la Ruta Crí ca, seguido de Grupo 2P 1R (con aprox.
24 % y botones verdes) y que el resto de casos ([20], [30], [42] y [56] se han cerrado para
mostrar una presentación sencilla) siguen con valores decrecientes lo cual coincide con
nuestra intuición acerca de las posibilidades de existencia de las repe ciones.
L1% L99%
1 118.4
Este análisis muestra que es factible reemplazar un Ciclo de Repetición con un hito de
decisión cuyas ramas sucesoras sean la implementación de los casos de repe ciones
sucesivas de los retornos en el diagrama de red. Aunque el costo de la «expansión» del
diagrama puede ser muy alto en términos de empo de implementación y en empo de
procesamiento.
NOTA
Aquí aparece un primer caso de lo que se puede llamar comportamiento doble estocás -
co, pues las ac vidades del Ciclo de Repe ción pueden ser estocás cas en sí mismas y se
les aplicará además una probabilidad de existencia global a cada ramal como se mostró en
la tabla de Repe ciones-Probabilidades-Duraciones al inicio de esta discusión. Este com-
portamiento se explorará más adelante
B. El modelo μ’
Buscando otra aproximación al tema se puede preguntar: ¿cuál es la duración espera-
da de un Ciclo de Repe ción?
(9.4.4.B.1)
Capítulo 9 223
ANEXOS
(9.4.4.B.2)
Si ahora se recuerda que S y C son ac vidades con variabilidad PERT en sus duraciones,
se concluirá:
(9.4.4.B.3)
Esto permite modelar un Ciclo de Repe ción de un modo más sencillo y directo. Por
ejemplo, se puede transformar:
Decisión Decisión
R
en
S S' R'
(9.4.4.B.4)
(9.4.4.B.5)
(9.4.4.B.6)
224 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
NOTA
Habrá la tentación de plantear como equivalente al Ciclo de Repe ción un par de ac -
vidades en serie (en realidad un par de grupos de ac vidades) S y R, con probabilidades
estocás cas tales como en 9.4.4.B.5 y 9.4.4.B.6, pero esto no es estrictamente exacto pues
los perfiles de distribución de frecuencias no serán equivalentes, y se debe a los términos
de grados elevados en las ecuaciones 9.4.1.A.4. Véase también el 9.4.5 (Grupos doble
estocás cos)
Para ilustrar el modelado para un Ciclo de Repe ciones usando dos ac vidades equiva-
lentes en serie se repe rá el caso anterior:
L1% L99%
22.91 36.0
Con resultados bastante pobres en cuanto al perfil fdp obtenido, aunque hay coinciden-
cia aceptable para la media. Compárase con los resultados en «Ejemplo de repe ciones
-modelo de decisiones excluyentes»:
P = 0.6
S=1
R=1
226 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Donde las duraciones (sin variabilidad) van a «saltos» (múl plos de R + S) y la secuen-
cia de frecuencias individuales es cóncava hacia arriba.
Si se hace que estas dos curvas (sumadas) representen la fdp de un Ciclo de Repe ción,
el área debajo de (O, fo), (M,fm) y (Pe,0) debe ser igual a 1 (nótese que se usa la notación
de segmento para las diferencias ).
Es decir:
(9.4.4.C.1)
Ahora aplíquese la condición que M sea el valor esperado de las duraciones38, es decir,
desde el gráfico:
38
Parece intui vamente adecuado. No tenemos jus ficación técnica para esto, simplemente estamos buscando una
forma sencilla y efec va de representación de los Ciclos de Repe ción. Probablemente, existe una condición más co-
rrecta para un mejor ajuste a las curvas de frecuencias para este punto y será una función de los mismos puntos, pero
la determinación de esa condición no está en este texto
Capítulo 9 227
ANEXOS
Que se reduce a:
(9.4.4.C.2)
Despejando de 9.4.4.C.1:
(9.4.4.C.3)
En la ec 9.4.4.C.2:
Se puede despejar:
(9.4.4.C.3a)
Y en 9.4.4.C.3:
(9.4.4.C.4)
(9.4.4.C.4a)
Y reemplazando 9.4.4.C.3a:
(9.4.4.C.5)
(9.4.4.C.7)
228 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
D. El modelo C’
Con la representación de ac vidades PERT usada antes, es decir, con las duraciones
Op mista/Más probable/Pesimista en los bloques de ac vidades, se podrá represen-
tar la doble rampa cóncava como:
Hito P1
Desición
/ /M
P2
/ /Pe
NOTA
Las probabilidades P1, P2 podrían generar casos doble estocás cos
NOTA
Obsérvese que para generar una rampa con el modelo triangular de duraciones se usa
el valor de la duración op mista (Ơ) como valor esperado, esto genera un rampa con
pendiente nega va hacia la derecha, podría generarse una pendiente nega va hacia la
izquierda si para la duración esperada se usase la duración pesimista (Pe).
Con los desarrollos anteriores se puede ahora plantear la sus tución sugerida en la dis-
cusión de la ecuación 9.4.4.B.3 generando dos (2) ac vidades fic cias con duraciones
PERT tal como se muestran a con nuación:
P1
Hito
Desición
P2
Variando la aproximación al caso nótese que el Ciclo de Repe ción ene una parte no-es-
tocás ca: la primera pasada por el ramal directo «S» y que las posteriores eventualidades
(estocás cas) de repe ción se van presentando en múl plos de (S+R) con probabilidad
conocida. Es decir, se puede plantear representar el ciclo como en el diagrama:
Decisión
S C'
Con S la ac vidad obligatoria del ciclo y una ac vidad extra C’ que represente el incre-
mento de duraciones por los casos de repe ciones de S+R.
Esto ene la ventaja de ser más manejable por el programador en términos intui vos,
también da la oportunidad de manejar el margen de duraciones representado por
C’ en términos de ejecución de trabajo y ges ón de riesgos. Se podría dejar C’ como
parte natural de la secuencia de trabajo o, dependiendo de si forma parte de la Ruta
Crí ca y la frecuencia (Cri cidad) con que lo hace se podría trasladar al Margen de
Duración total del proyecto, agregando la ventaja de que ahora se tendría un conoci-
miento exacto sobre el origen y comportamiento de este componente del margen; es
decir, se podrá re rarlo del margen o confirmarlo en cuanto se verifique la ocurrencia.
Ganando capacidad para predecir el final del trabajo.
La estructura del Ciclo de Repe ción consis ría de la ac vidad (o grupo de ac vidades
«S» y el grupo de retorno «C’» se representaría con el hito de decisión con dos ramas,
cada rama con probabilidades es madas con 9.4.4.C.6 y 9.4.4.C.7.
P1
Decisión
S
P2
230 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
NOTA
Obsérvese que las ocurrencias de repe ción no ocurren sobre un dominio con nuo de
duraciones, sino sobre valores discretos múl plos de (S+R), es decir es un fenómeno
con resultados discretos. El modelo de rampas es un modelo de dominio con nuo; por
tanto, debe entenderse que las probabilidades intermedias calculadas con el modelo de
rampa deben es marse sobre valores acumulados y sobre «anchos de duración» que
coincidan con múl plos de (S+R) para ser correctos.
La duración del Ciclo de Repe ciones se puede analizar considerando los casos (y sus
probabilidades) de repe ción de C’ (o de su fdp más exactamente) de acuerdo a lo
mostrado en la tabla de Repe ciones-Probabilidades-Duraciones.
Se notará que el caso genérico de n repe ciones ene una probabilidad de ocurrir de
Pn(1-P) y su fdp correspondiente ene una desviación estándar n veces la desviación
del caso original.
Por tanto, la duración «Pe», basada en «r» repe ciones, deberá tener la forma:
(9.4.4.D.2)
Basada en la duración media de C’, con k una medida del número de desviaciones es-
tándar necesarias para asegurar que el úl mo caso de repe ción, de la instancia n C’,
está incluido.
Para ilustrar el modelado para un Ciclo de Repe ciones usando el modelo de doble ram-
pa cóncava.
S'
P2
P1=0.660
P2=0.340
Se notará que las duraciones Expected de [76] y [77] no son cero como se propuso, esto
es porque se ha preferido mantener en vigor la restricción:
L1% L99%
4.80 147.0
Capítulo 9 233
ANEXOS
Usando los datos de las iteraciones (el archivo <Nombre archivo>-Itera.txt) se ha pre-
parado el siguiente diagrama de superposición de frecuencias de ambos casos, inter-
polando los datos de la tabla de fecuencias C’ sobre la tabla de frecuencias del caso de
repe ciones excluyentes:
NOTA
En el entusiasmo producido por el análisis de la fac bilidad para modelar las repe ciones
se ha dejado de lado el significado del proceso analizado. Cuando se afirma que existe la
probabilidad P de repe r unas ac vidades ¿A qué se está refiriendo? ¿Qué ac vidad o
proceso de la vida real es la que causa estas posibilidades?
Esto quiere decir que la ac vidad previa (S) ya ha desarrollado ac vidades de inspección,
regulación y control y deja un remanente de probabilidades de falla. Así, P mide la falta
de confiabilidad de los procesos (ac vidades) previos y puede considerarse más o menos
constante y presente, desde la primera pasada sin repetición, mientras no se cambien los
procedimientos de control.
Existe otra forma de repe ción donde no hay ac vidad previa (S) que modifique con sus
controles el estado del componente , esto se refiere al caso de las inspecciones de mante-
nimiento, donde toda la ac vidad previa ene por obje vo permi r la inspección de algu-
nos de los componentes de la instalación para determinar su estado de integridad mecá-
nica y la posible necesidad de trabajos de reparación, en este caso P es la probabilidad de
que el componente tenga una falla, esté desgastado o contenga un defecto intrínsecos y
no por causa de las ac vidades desarrolladas para preparar la inspección.
Capítulo 9 235
ANEXOS
La repe ción lleva a realizar trabajos de corrección (la ac vidad R) que retornan al mismo
hito de inspección para una nueva comprobación. La probabilidad P mide en este caso el
estado inicial del componente (necesita o no necesita reparaciones), pero los trabajos de
corrección modifican ahora el estado del componente y agregan una nueva condición que
debe cambiar la probabilidad de repe ción.
En ambos casos la repe ción ejecuta procesos de corrección para eliminar defectos y evi-
tar una nueva repe ción. Sin embargo, la segunda nos lleva a una situación diferente.
Ahora se examinará el caso en que los Ciclos de Repe ción se generan porque se llega
a un punto de evaluación donde se revisa la condición inicial y se decide corregir o
cambiar algo hasta llegar a una meta o especificación; la necesidad de corregir ene
la probabilidad P de ocurrir y es independiente de las ac vidades ejecutadas hasta ese
momento. Luego de realizar las correcciones o cambios del caso la probabilidad de
tener que corregir otra vez dependerá solamente de la confiabilidad del trabajo hecho
que ene una probabilidad Q de éxito39.
39
También podemos plantear otra situación, por ejemplo, una en que las probabilidades de retorno dependan no solo
de la condición inicial y de la confiabilidad de los procesos del ciclo de retorno sino, además, de la confiabilidad de las
inspecciones para detectar si se ha logrado la condición o la especificación buscada. Habrían posibilidades de error
como dar por bueno una situación defectuosa o al revés de rechazar una condición en especificación.
236 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Nótese que la probabilidad de éxito en el ciclo de retorno (Q) solo afecta al proceso
cuando se ejecutan ciclos de retorno; por tanto, no afecta a la primera pasada (r = 0)
pues aún no se ha ejecutado ningún ciclo, y en esa situación las probabilidades de re-
pe ción están controladas solamente por la condición del equipo (P).
E(D) = (1 − P) ⋅ S + ∑ 0 P ⋅ Q ⋅ (1 − Q ) ⋅ (S + i ⋅ C)
+∞ i−1
(9.4.4.E.1)
E(D) = (1 − P) ⋅ S + P ⋅ Q ⋅ ∑ 0 (1 − Q ) ⋅ (S + i ⋅ C)
+∞ i−1
E(D) = (1 − P) ⋅ S + P ⋅ Q ⋅ {∑ +∞
0
(1 − Q )i−1 ⋅ S + ∑ 0 (1 − Q )i−1 ⋅ (i ⋅ C)}
+∞
{
E(D) = (1 − P) ⋅ S + P ⋅ Q ⋅ S ⋅ ∑ 0 (1 − Q )
+∞ i−1
+ C ⋅∑ 0 (1 − Q )
+∞ i−1
}
⋅i
⎧ C⎫
E(D) = (1 − P) ⋅ S + P ⋅ ⎨S + ⎬
⎩ Q⎭
P⋅C
E ( D) = S + (9.4.4.E.2)
Q
Capítulo 9 237
ANEXOS
Cuando la efec vidad del ciclo de retorno es perfecta (Q = 1) la media resulta (véase
la ecuación 9.4.4.E.1):
E ( D) = S + P ⋅ C (9.4.4.E.3)
Que muestra que la duración del ciclo siempre será mayor que la de simplemente S.
NOTA
Para Q = 0, que es el caso cuando NO se es capaz de efectuar las correcciones la ecua-
ción 9.4.4.E.1 ofrece erróneamente el mismo resultado: (1 – P)·S; y obsérvese que cuan-
do esto ocurre (NO se puede llegar a la especificación requerida) el programa de trabajo
queda inconcluso porque no se ha podido pasar los requerimientos de control de ca-
lidad. El programa de trabajo planteado pierde validez (ciclos de retorno sin fin) como
modelo de ejecución aunque tengamos una duración promedio como la indicada.
NOTA
Más de un supervisor de mantenimiento/comisionado tendrá anécdotas donde se en-
zarzó en un aparente ciclo sin fin de repe ciones de pruebas hasta que, finalmente,
agotado, dio de baja el equipo. También deberá recordar si en esos retornos aprendió o
descubrió más sobre las causas de la falla que le permi eran modificar sus procedimien-
tos o con nuó repi endo la misma secuencia sin cambios.
P = 0.6
Q = 0.5
S=1
R=1
238 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
P = 0.6
Q = 0.95
S=1
R=1
NOTA
Los programadores que hayan tenido la experiencia de lidiar con eventos estocás cos
reconocerán esta situación, normalmente aceptan solo una repe ción del ciclo como
situación probable, despreciando los casos de mayor número de repe ciones confiados
en la efec vidad de las ac vidades de retorno. Esto puede ser bastante acertado en el
ámbito de mantenimiento donde los sistemas de inspección pueden otorgar valores
muy altos de la probabilidad Q; en cambio en otros ámbitos como los de diseño, desa-
rrollo de productos o aplicaciones nuevas, o en inves gación este valor de la probabili-
dad de efec vidad/aprendizaje posiblemente no tenga sistemas similares que aseguren
valores altos. Estas son áreas donde domina la estrategia heurís ca (prueba y error… y
corrección).
Capítulo 9 239
ANEXOS
R Decisión
Ambas ac vidades con duración nominal 10 h cada una (O/E/P = 8/10/15). Y una proba-
bilidad de repe ción inicial de 60 % y una efec vidad del ciclo de retorno de 95 %.
Respuesta:
Similar al caso anterior (con probabilidades de repe ción constantes) el hito [2] configu-
ra la estructura de decisiones.
El primer ramal [3] Grupo 1P consiste de un paso por «Sigue» sin repe r, el hito [4] po
HG define el grupo estocás co MCE GrupoE = 1P (de una sola ac vidad40) este mismo
hito ene MCE Prob Ocurr = 40 como parámetro.
El segundo ramal [7] Grupo 2P 1R realiza un paso por «Sigue» y luego ejecuta un (1) lazo
de retorno. El hito [8] ( po HG) de definición de este grupo estocás co 2P 1R ene una
probabilidad de ocurrencia de 57 %.
El resto de casos se generan similarmente agregando cada vez una tarea de «Retorno» y
una tarea «Sigue» en serie y reduciendo la probabilidad de retorno al 5 %
De nuevo se nota la desventaja de este método que es haber generado 30 tareas para
representar un Ciclo de Repe ción de solamente dos tareas.
40
También pudo usarse una ac vidad estocás ca independiente para modelar este grupo, usando el po TE.
240 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Nótese que el Grupo 1P está marcado (con botones verdes en MC Clase Crí ca) con
aprox. 39.5 % de casos perteneciente a la Ruta Crí ca, detrás del Grupo 2P 1R (con
aprox. 58 % y botones amarillos) y que el resto de casos siguen con valores decrecientes.
Las curvas de frecuencia resultantes se muestran a con nuación:
Capítulo 9 241
ANEXOS
Por tanto, el método propuesto no sería aplicable, se deben hacer algunas adaptaciones.
Véase el diagrama siguiente:
Decisión
S C''
Entonces se puede usar una rampa doble para representar (C”) las frecuencias rela vas
a par r de la segunda pasada (desde la primera repe ción), véase las líneas celestes en
el diagrama adjunto:
fO
gO
fM
O' Pe
M
Capítulo 9 243
ANEXOS
Sin embargo, el modelo de la doble rampa cóncava debe revisarse, pues ahora ya no re-
portaría las probabilidades asociadas a la primera pasada (1 – P) del Ciclo de Repe ción.
Para lo dicho debe notarse que dado que la primera pasada se excluye del conjunto de
casos, la población reducida representa el 100 % de los casos a representar.
Es decir, la ecuación 9.4.4.C.1 aún es válida (la suma de todos los casos es el 100 % de los
casos) para esta población reducida:
MO ⋅ fO + PeO ⋅ fM = 2
2 − PeO ⋅ fM
Por tanto, 9.4.4.C.3 se repite: fO =
MO
Importante: Con O (la duración op mista) igual a la duración de S+C.
Dado lo anterior se repite el raciocinio seguido en 9.4.4.C la doble rampa cóncava y se
arriba otra vez a la ecuación 9.4.4.C.3a
4 ⋅ MO
fM = 2 2
2 ⋅ MO + PeM − PeO ⋅ MO
fM ⎛ PeO2 ⎞
Véase la ecuación 9.4.4.C.6: P1' = 1 − ⎜ ⎟⋅
2 ⎜⎝ PeM ⎟⎠
fM ⎛ PeO2 ⎞
Y la probabilidad debajo de g es: P2' = ⎜ ⎟
2 ⎜⎝ PeM ⎟⎠
Sin embargo, al integrar estos resultados en el modelo que incluye a la primera pasada
estos valores deben corregirse para representar sumadas solamente a la probabilidad P,
es decir:
⎡ f ⎛ P O2 ⎞ ⎤
P1 = P ⋅ P1' = P ⋅ ⎢1 − M ⎜ e ⎟ ⎥ (9.4.4.E.4)
⎢ 2 ⎜⎝ PeM ⎟⎠ ⎥
⎣ ⎦
⎡ f ⎛ P O2 ⎞ ⎤
P2 = P ⋅ P2' = P ⋅ ⎢ M ⎜ e ⎟ ⎥ (9.4.4.E.5)
⎢ 2 ⎜⎝ PeM ⎟⎠ ⎥
⎣ ⎦
244 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
La estructura del Ciclo de Repe ción consis ría de una Trifurcación con un ramal S de
casos (con probabilidad de ocurrencia: 1 – P) y el grupo de retorno C” se representaría
como dos ramas, cada rama con probabilidades es madas como se muestra:
1–P
Decisión S
P1
/ /M Donde sabemos que:
P2 P1 + P2 = P ≤ 1
/ /Pe
Obsérvese que la primera rama de decisión (ac vidad S) ene una probabilidad de ocu-
rrencia de 1 – P, lo cual da cuenta de los casos en que el ciclo solo ejecuta la primera
pasada (sin repe ción)41.
El valor de M es el del valor medio o valor esperado de la serie de repe ciones excluyen-
do la primerada pasada sin repe ción, es decir, en la ecuación 9.4.4.E.1:
+∞ i −1
E(D) = (1 − P) ⋅ S + ∑1 P ⋅ Q ⋅ (1 − Q ) ⋅ (S + i ⋅ C )
M=
P⋅Q ⋅ ∑ 1 (1 − Q ) ⋅ (S + i ⋅ C)
P
M = Q⋅ S⋅ { ∑ 1 (1 − Q ) + C ⋅ ∑ 1 (1 − Q ) ⋅ i}
+∞ i −1 +∞ i −1
⎪⎧ S C ⎪⎫
M = Q⋅⎨ + 2 ⎬
⎪⎩ Q Q ⎪⎭
C
M=S+
Q
(9.4.4.E.6)
Para determinar Pe, se usa la ecuación 9.4.4.D.2, pero ahora hay que agregar la duración
del primer paso por S, resultando:
41
Los lectores interesados notarán aquí que con este po de raciocinio se abren posibilidades para la generación de cur-
vas de fecuencia más complejas, es decir, el modelo de decisiones excluyentes permite por medio del diseño cuidadoso
de las ramas de decisión (duraciones PERT y probabilidades de ocurrencia) generar comportamientos más complejos.
El obje vo de este texto está enfocado en la ges ón de las incer dumbres en las duraciones de los cronogramas, por lo
que aquí no se con núa inves gando esa línea de desarrollo.
Capítulo 9 245
ANEXOS
Se debe determinar primero el número de repe ciones (r1%) que limite el error, de las
probabilidades que despreciamos, de los casos con más repe ciones. Para es mar este
valor se presenta la suma de las probabilidades de todos los casos de la siguiente manera:
+∞ i −1
T = (1 − P) + ∑1 P ⋅ Q ⋅ (1 − Q ) =1
Se busca el número (r) de repe ciones que acota la suma de las probabilidades de los
términos superiores a un valor menor a ξ:
+∞ i −1
ξ≥ ∑ r+1 P ⋅ Q ⋅ (1 − Q )
+∞
ξ ≥ P ⋅ Q ⋅ (1 − Q ) ⋅ ∑ 0 (1 − Q )
r i
P ⋅ Q ⋅ (1 − Q )
r
ξ≥
1 − (1 − Q )
ξ ≥ P ⋅ (1 − Q )
r
⎡ξ ⎤
Ln ⎢ ⎥ ≥ r ⋅ Ln [1 − Q ]
⎣P⎦
Y como (1 – Q) es menor que 1, resulta:
⎡ ξ⎤
Ln ⎢ ⎥
r≥ ⎣ P⎦
(9.4.4.E.8)
Ln [1 − Q ]
De manera que r será el entero siguiente más cercano al evaluar este resultado. En par-
cular r1% se op ene cuando ξ=0.01
Tal como se hizo en el caso de repe ciones con probabilidades constantes, la Trifurcación:
1–P
Decisión S
P1
/ /M
P2
/ /Pe
Equivale a:
P1
Decisión
C/C/M-S
S P2
C/C/Pe-S
246 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Esta segunda forma es más conveniente desde el punto de vista del programador por
la ventaja de mostrar una ac vidad no-estocás ca (S) seguida de una estructura esto-
cás ca (el hito de decisión) que se puede interpretar como la variabilidad de duración
asociada a las repe ciones.
Pe – O > 3 ⋅ (M – O) (9.4.4.E.12)
Relación que resulta de considerar las posiciones rela vas del centroide del triángulo
debajo de g y de la media (M) del conjunto.
⎡ f ⎛ P O2 ⎞ ⎤
P2 = P ⋅ ⎢ M ⎜ e ⎟ ⎥ > 0
⎢ 2 ⎜⎝ PeM ⎟⎠ ⎥
⎣ ⎦
( ) (
Pe3 − 3(2M − O) Pe2 + 3 2M2 − O2 Pe − 2M3 − O3 − (M − O) > 0 ) 3
(9.4.4.E.13)
42
La ecuación es cúbica en Pe y se aplica el método de Cardano para llegar a las soluciones, se descartan las soluciones
complejas:
Pe > 3 R + 2 Q3 + R 2 + 3 R − 2 Q3 + R 2 − (2 ⋅ M − O)
Donde:
Q = −2 ⋅ (M − O)
2
7 ⋅ (M − O) + 4 ⋅ O2 ⋅ (M − O)
3
R=
2
Capítulo 9 247
ANEXOS
M−O<
(Pe − O)
5
R Decisión
Modelo de repeticiones excluyentes. Se usará como referencia base para este caso.
Se modela en MS Project de la siguiente manera:
248 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
⎡ ξ⎤ ⎡ 0.01 ⎤
Ln ⎢ ⎥ Ln ⎢
r≥ ⎣ P⎦ = ⎣ 0.65 ⎥⎦ = 3.01 → 4
Ln [1 − Q ] Ln [1 − 0.75]
Que permite controlar el número de instancias de repe ción que debemos agregar en
este modelo.
El modelo de rampa doble. Para este modelo se necesita definir primero las probabilida-
des P1 y P2 con la serie de ecuaciones que terminan en las ecuaciones 9.4.4.E.4/5. Esta
secuencia se calcula mejor a pasos, de manera que se inicia con las duraciones PERT de
S y R (ecuaciones 4.1.7 y 4.1.9) obtenemos:
También se puede observar que a las tareas [46] y [47] mencionadas se les ha asignado
duraciones (campo Dura on) muy cortas, esto no ene relevancia en los cálculos puesto
que el proceso genera las correspondientes duraciones aleatorias según sus respec vos
modelos de probabilidad, y solo afecta a la presentación.
Capítulo 9 251
ANEXOS
Nótese que el campo MCE GrupoE ene asignado el valor DblR para todos las ac vi-
dades, esto no ene relevancia en ejemplo puesto que los hitos de decisión (HD) no
necesitan de ese campo para ges onar las instancias de duraciones u ocurrencias de las
ac vidades (véase la tabla Resumen de implementación de elementos estocásticos en
5.3 La implementación de estructuras estocás cas en MS Project).
Los resultados del proceso Monte Carlo estocás co (3k iteraciones) para la Trifurcación son:
Cuando se compara el resultado del modelo de doble rampa con el de repe ciones ex-
cluyentes se observa un éxito en el modelo.
Si se grafican los resultados del modelo de doble rampa (C”, en azul) sobre el gráfico
de los resultados del modelo de repe ciones excluyentes (en rojo), resulta el siguiente
diagrama:
254 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Las probabilidades de fallo inicial (P) son altas y se han es mado en 45 %, se con a en
que a pesar de encontrar problemas no previstos los especialistas a cargo serán capaces
de resolver el 90 % de los imprevistos (Q).
Existen otras restricciones adicionales, como 1) solo se puede atender una válvula a la
vez en el taller y 2) solo hay una cuadrilla para remover y volver a instalar los actuadores
de las válvulas desde o hasta la ubicación de servicio.
Capítulo 9 255
ANEXOS
El programa maestro que incluye estas consideraciones para las siete válvulas ene la
siguiente forma:
Respuesta:
Usando la estructura lógica actual se puede plantear las ac vidades de repe ción según
el modelo de Bifurcación de acuerdo a lo siguiente:
1. No se ha mencionado alguna variabilidad de duraciones que sea relevante por lo que
no se introducirán comportamientos PERT en las ac vidades
2. La duración de una repe ción (S+R) es de 10.5 h, y sabiendo que la ac vidad directa
(S, véase [21]-Calibración y Prueba) dura 1.5 h, significa que el ramal de repe ción
(R) dura 9.0 h.
Los parámetros de la Bifurcación resultan como se muestra en el siguiente diagrama de
barras:
Donde la ac vidad [21] hace las veces de ramal directo (S) y la ac vidad de repe ción/
retorno (S+R) [22] se ha iden ficado como una repe ción con probabilidades decrecien-
tes que se ha desglosado usando las ecuaciones respec vas como una doble rampa, con
probabilidades (P1 = 29.01 % y P2 = 15.99 %). Se ha mantenido como duración nominal
de las ac vidades [24] y [25] la duración original de la ac vidad de repe ción de manera
que se sigue presentando la es mación puntual (no-estocás ca) del programa.
Obsérvese que al no considerar variablidad de duraciones todas las duraciones PERT son
iguales y solo se estudia el comportamiento de las repe ciones.
256 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Si hacemos este desglose en los siete casos de ac vidades de repe ción la simulación
Monte Carlo para el programa integrado resulta en lo siguiente:
Donde el intervalo de duraciones varía entre 201.2 h y 210.7 h, nótese la estrecha des-
viación estándar resultante.
Las ac vidades azules tuvieran comportamiento estocás co propio cada una por sepa-
rado pero, además, sobre todo el grupo se aplicará una probabilidad de ocurrencia /
no-ocurrencia simultánea a todas las ac vidades.
Supóngase que f sea la fdp de un grupo cuyos elementos enen comportamiento esto-
cás co por sí mismos. La forma de f será compleja posiblemente incluyendo valores en
cero correspondiente a colapsos del grupo derivados de las probabilidades individuales
combinadas de sus elementos.
(9.4.5.1)
Con
Para r → 0 y se tendrá:
Z0 = 1 − P ⋅ F ( t ) (9.4.5.2)
Si además se recuerda que la probabilidad de colapso del caso estocás co simple (antes
de aplicar la probabilidad de ocurrencia adicional P) es:
Se llega a: (9.4.5.3)
Y (9.4.5.4)
258 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
NOTA
Observando que la media de la duración de una estructura de ac vidades resulta afectada
proporcionalmente por la probabilidad grupal habrá la tentación de «corregir» las dura-
ciones individuales de la misma manera.
De un modo gráfico esto úl mo se expresa:
Q
P1 P2 Pn P1 P2 Pn
T1 T2 Tn QT1 QT2 QTn
Esta úl ma modificación (la de la derecha) produce una duración promedio correcta pero
el perfil de frecuencias de las duraciones no será el correcto (las probabilidades de colap-
so o duración nula no serán correctas, por ejemplo).
Por otro lado, analícese el caso de una serie de ac vidades; se quiere averiguar qué po
de relación hay entre los diagramas:
Q
P1 P2 Pn QP1 QP2 QPn
T1 T2 Tn T1 T2 Tn
Si se reemplaza las Pi de cada ac vidad con duración Ti, por(Q·Pi) y se llaman Ri a los
nuevos términos:
Es decir:
(9.4.5.5)
260 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Obsérvese que no hay una relación proporcional directa entre aplicar la probabilidad Q
a cada ac vidad de un grupo serie y la aplicación de esa misma probabilidad al grupo
entero, porque la estructura lógica que relaciona las ac vidades agrega elementos no
lineales, tal como se muestra en las sucesivas potencias de la probabilidad Q que acom-
pañan a los términos ).
Para la probabilidad de colapso del caso de la izquierda úsese la ecuación 9.4.5.2 otra
vez y:
P2 QP2
T2 T2
Pn QPn
Tn Tn
Es decir, tampoco aquí se ene una relación directa entre la duración media de un grupo
de ac vidades estocás cas independientes en paralelo afectadas cada una por una pro-
babilidad Q de ocurrencia adicional a su probabilidad de ocurrencia propia y la duración
del mismo grupo de ac vidades antes de afectarlas con la probabilidad Q.
oOo
(9.4.5.6)
Id 4 Tarea 2 P: 20
DOp: 10 m DProb: 20 m DPes: 40 m Tipo: TE
Id 5 Tarea 3 P: 20
DOp: 10 m DProb: 20 m DPes: 40 m Tipo: TE
Id 6 Tarea 4 P: 20
DOp: 10 m DProb: 20 m DPes: 40 m Tipo: TE
Las probabilidad de cada caso es 20 %, y son del po TE. Implícitamente está la quinta
opción de no hacer nada (también al 20 % de probabilidad).
262 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
Respuesta:
Para los hitos de decisión puede aplicarse la probabilidad grupal sobre cada ac vidad
para generar el caso doble estocás co. Es decir:
Id 10 Tarea 2 P: 12
DOp: 10 m DProb: 20 m DPes: 40 m Tipo: TE
Id 11 Tarea 3 P: 12
DOp: 10 m DProb: 20 m DPes: 40 m Tipo: TE
Id 12 Tarea 4 P: 12
DOp: 10 m DProb: 20 m DPes: 40 m Tipo: TE
L1% L99%
- 0.6
L1% L99%
- 0.589
Que equivale a 0.1866 horas con buena coincidencia con los resultados de la simulación
Monte Carlo.
264 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
T
D
1 2 ... i n
d1
t1 di
ti
La probabilidad de conflicto (es decir, que algunas de sus partes coincidan en el empo)
entre la ac vidad i y la ac vidad A para cualquier i estará definida por la cercanía entre T
y ti, los intervalos de variación de esta úl ma y las duraciones D y di.
(9.4.6.1)
En resumen:
Finalmente, si las fechas ti son independientes entre sí, el efecto acumulado de todas las
(n) ac vidades i sobre la ac vidad A sería:
Capítulo 9 265
ANEXOS
(9.4.6.2)
Y para el retraso mismo:
(9.4.6.3)
Normalmente ocurre que ti<tj cuando i<j. Es decir, la secuencia nunca invierte el orden,
solo hay variaciones en los empos transcurridos entre las ac vidades i.
43
La evaluación de estas expresiones dependerá de las funciones fi y Fi y en par cular si consideramos el modelo trian-
gular pueden plantearse soluciones algebraicas. Estas soluciones no se presentan en este texto.
266 PROGRAMACIÓN DE PROYECTOS CON INCERTIDUMBRES
EL MARGEN DE DURACIюN: CЕLCULO Y ANЕLISIS
2. (2.3) ¿Las duraciones es madas para los trabajos con enen factores por «improduc -
vidad aparente»?
3. (2.4) ¿Las duraciones de los trabajos con enen márgenes de con ngencia individuales?
¿Hay una acumulación no realista de márgenes de con ngencia?
4. (2.5) ¿Hay márgenes de con ngencia que el programador o el equipo del proyecto
desconozcan?
6. (2.8) ¿Se ha evaluado el grado de fiabilidad de las duraciones asignadas? ¿Se han de-
sarrollado es maciones de intervalo (op mista/ pesimista) de las duraciones especial-
mente para las de mayor incer dumbre?
7. (2.9) ¿Es la red de trabajo una representación adecuada del trabajo a realizar? ¿Refleja
nuestras intenciones y la estrategia propuesta para el trabajo?
10.(4.6) ¿Se ha definido el nivel de riesgo y la fecha de término asociada que se compro-
meterán frente al cliente?
12.(4.8) ¿Se conocen las causas que generan el margen de con ngencia? ¿Cómo se
compone el margen? ¿Qué ac vidades o porciones del programa aportan más a la
incer dumbre?
13.(4.10) ¿Se ha evaluado si los márgenes son los adecuados contra los riesgos y posibles
retrasos?
44
Los números entre paréntesis corresponden a preguntas extraídas de Reátegui, J. (2012), «Conformidad», p. 83. Exis-
ten listas de verificación de varios autores para comprobar la conformidad de los cronogramas, las preguntas presenta-
das aquí están dirigidas a revisar el resultado del alto nivel del cronograma, más que el detalle técnico.
Capítulo 9 267
ANEXOS
15.(4.12) ¿Se han iden ficado Rutas Crí cas alternas? ¿Hay porciones del cronograma que
puedan «compe r» con la Ruta Crí ca para definir la duración total?
16. (4.13) ¿Se ha reformulado el cronograma para que la Ruta Crí ca sea la que necesitamos?
Bibliografía
» Ariely, D. (2008). Predictably Irra onal: The Hidden Forces That Shape Our Decisions. Londres:
HarperCollins Publishers.
» Kendrick, T. (2003). Iden fying and Managing Project Risk. Nueva York: Amacom.
» NASA (1966). GERT: Graphical Evalua on and Review Technique. California: The Rand
Corpora on.
EDITORIAL