Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Riesgos en Proyectos
Ing. Javier Ordez, Ph.D. PMP
Director de Soluciones
Personalizadas & Consultora
Palisade Corporation
Agenda
Introduccin, antecedentes y definiciones
Qu es el Anlisis Cuantitativo de Riesgos de
Proyectos?
Simulacin Monte Carlo
Introduccin / Contexto
Mayora de proyectos se conducen en un ambiente de
incertidumbre
Esto hace que el anlisis de costos / duracin sea difcil en las
etapas tempranas de planificacin
Antecedentes
Los objetivos de un proyecto son terminarlo:
reas de conocimiento de la
Gestin de Proyectos
Risk
Time
Integration
Gestin de
Riesgo de Proyectos
Communication
Project
Management
Procurement
Scope
Cost
HR
10
Quality
Anlisis de Riesgos
12
12
13
13
Nivel de Incertidumbre
Los proyectos tendran menor necesidad de este anlisis si existiera una alta
flexibilidad en sus recursos, o si stos pudieran ser re-estructurados con bajos
costos
14
15
Anlisis Cualitativo
Identificacin de Riesgos
Recoleccin de informacin
Precedentes histricos
Anlisis de suposiciones
Diagramacin de riesgos
Causa y efecto
Diagramas de flujos
Diagramas de influencias
16
Scor
e
Priorida
d
No
Probable
Baja
Probabilida
d
Probable
Altamente
Probable
Con
Certeza
Registro de
Riesgos
Descripci
n
Impac
to
Mitigacin /
Responsabili
dad
Impacto en Tiempo
Impacto en Costo
Impacto Tcnico
Score
Mnimo o No Impacto
Mnimo o No Impacto
Mnimo o No Impacto
Baja de performance, el
acercamiento es el mismo
5x3=
15
18
Ventajas de la Metodologa
19
Anlisis Cuantitativo
Eventos de Riesgo vs Incertidumbre
Incertidumbre
20
Impactos de Eventos de
Riesgos
21
Por qu hacer
Anlisis de Riesgo Cuantitativo
Para analizar el impacto de la
ocurrencia de riesgos en los
objetivos del proyecto
Tanto en tiempo como en costo
23
23
CMO SE HACE?
SIMULACIN MONTE CARLO
25
Qu es la SMC?
No es un solo mtodo
Conjunto de acercamientos que
Define un conjunto de entradas
Genera muestras aleatorias en cada muestra, de
acuerdo a una distribucin de probabilidades
definida por cada una
Realiza un clculo de probabilidades del modelo y
agrega los resultados en una salida final
Historia
Enrico Fermi (1930)
Stanislaw Ulam (1946) Solitario Difusin
Neutrones
John Von Neumann
Ref: Wikipedia
Metropolis, N.; Ulam, S. (1949). "The Monte Carlo Method". Journal of the
American Statistical Association (American Statistical Association) 44 (247): 335
341. doi:10.2307/2280232.PMID 18139350. http://jstor.org/stable/2280232
27
28
Distribucin donde
todos los valores del
dominio tienen la misma
probabilidad de
ocurrencia.
Area=1
min
max
Funcin de
distribucin
acumulada (CDF)
F x P X x
x min
Funcin de
densidad de
probabilidad (PDF)
max min
X
29
min
max
min x max
Prob Acumulada
un rio
o
r
o
ne leat
e
a
G
1. ero
m
n
0 y* 1
x F 1 y
x* y* max min min
Muestras
30
2. Genero
el valor de
la muestra
x22
x11
31
Qu valores
quiero capturar?
Los de las colas!
x22
x11
33
Mtodos de Calendarizacin
CPM (Critical Path Method) Camino Crtico
Acercamiento Determinstico
PERT Primer acercamiento para modelar incertidumbre
La Simulacin
Duracin
ms
probable
Fecha
CPM
90% Probabilidad
Duracin 1/3
Impacto
x
42
44
Estimacin de Costos
34
Costos Indirectos
Margen
Costos Directos
Finalizar la Oferta
Presupuestacin de Proyectos
Tpicamente los presupuestos son determinsticos
Acercamiento a la Simulacin
Componentes de costo son unimodales y con sesgo
Se utilizan comnmente aproximaciones de 3 puntos triangulares,
distribuciones Beta o Lognormales.
Modelar los costos con distribuciones de probabilidad adecuadas
Generar nmeros aleatorios cientos de veces para calcular el costo
total, de acuerdo a distribuciones de probabilidad
Distribuciones de costo total se usan para calcular la probabilidad de
sobrecosto y adems establecer contingencias adecuadas
36
45
Grfico de la Integracin
46
47
Conclusiones y
Preguntas
Javier Ordez, Ph.D. PMP
Director de Soluciones
Personalizadas & Consultora
jordonez@palisade.com
50