Aplicación de Probabilidades Al Gráfico de Camino Crítico - Completo

29/8/2014 Aplicacin de probabilidades al grfico de camino crtico - Pgina 1 de 5
http://www.construsur.com.ar/News-sid-261-file-article-pageid-1.html 1/2
Aplicacin de probabilidades al grfico de camino crtico
Fundamentos : Muchas veces al analizar un conjunto de tareas , se le coloca en principio un
tiempo estimado para la duracin de cada actividad. Esta estimacin de la duracin se efecta
en base a la experiencia que se posee sobre la tarea en estudio. Pero algunas veces es
difcildeterminar el tiempo de ejecucin de una actividad, por que sta suele ser variable, o por
que no se conoce con exactitud, en razn de ser una tarea nueva.
La aplicacin de clculo de probabilidades al grfico red tiende a determinar un tiempo medio
o esperado para cada tarea: tiempo, ste, que se utiliza para determinacin del camino crtico.
Ver el artculo siguiente: Donde se explica los fundamentos del PERT "Introduccin a las tcnicas
PERT y Camino Crtico".
Estimaciones de tiempos
Si bien entonces es difcil determinar a priori la duracin de una tarea nueva o aleatoria, siempre
es posible estimar cul es el mnimo nmero de das que puede demandar se ejecucin.
De igual manera se puede aprecia cul puede ser su duracin normal.
El mismo razonamiento permite, por ltimo, estimar el mximo nmero de das en que, sin
tomar prevenciones excesivas de tiempo, puede completarse la actividad.
El mtodo pert trabaja segn este principio, para lo cual se formulan para cada tarea tres
estimaciones de tiempos, cuyos nombres y definiciones son:
Tiempo optimista: Es el tiempo que se empleara en efectuar la tarea, supuesto que se dan
lascondiciones favorables para ello.
Por ejemplo, en el caso de una construccin, la tarea construir losa de hormign tiene un tiempo
optimista, que se calcula suponiendo que las operaciones pendientes se harn en forma precisa,
sin prdidas de tiempo, sin escasez de material, con buenas condiciones atmosfricas, etctera.
Tiempo normal: Es el tiempo que se empleara en efectuar la tarea, supuesto que
imperancondiciones normales de trabajo. Es el tiempo que la experiencia ensea, suele
transcurrir para llevar a cabo la tarea analizada. Este valor debe estimarse con independencia de
los otros dos.
Tiempo pesimista: Es el tiempo que se empleara en efectuar la tarea, supuesto que se dan
lascondiciones desfavorables para ello.
Por ejemplo, en el caso de planear una entrevista con una persona, la tarea viaje en automvil
al lugar de la cita tiene un tiempo pesimista calculado en base a que durante dicho viaje se den
una serie de hechos desfavorables, tales como trnsito mayor que el normal, barreras de un
cruce ferroviario bajas, dificultades para estacionar el vehculo, etctera.
Ahora bien; Qu valor se adopta? Se toma un valor medio. Que se obtiene, no como promedio
aritmtico de los tres, sino como consecuencia de la aplicacin de una sencilla frmula
probabilstica.
Para hallar esta frmula, se admite que la duracin de cada tarea se distribuye segn una ley
de distribucin de probabilidades.
En esta ley , los tiempos optimista y pesimista corresponden, respectivamente, a los extremos
izquierdo y derecho de la curva de distribucin, siendo el tiempo normal se valor ms probable o
moda.
El promedio de las tres estimaciones o valor medio, que no tiene por qu coincidir con el valor
normal, se identifica con t
e
, y se denomina tambin Tiempo Esperado.
La expresin del valor medio, para la ley de distribucin de probabilidades, es:
Otro valor importante y muy necesario es la variancia, la cual expresa, en cierta medida, cul es
la situacin de los valores extremos respecto al valor medio.
La expresin de la variancia para esta distribucin es:
Ejemplo de la determinacin del te
Se tomar para este ejemplo la tarea 1.2 del ejemplo:
Las tres estimaciones de tiempo se suponen que son:
t0=1 da , tn=2 das, tp=5 das
El tiempo esperado o valor medio ser;
Ejemplo de la determinacin de la variancia
Prosiguiendo con la tarea 1.2, la variancia ser;
Determinando en igual forma ambos valores para cada una de las tareas, se obtiene el siguiente cuadro
Conocidos los valores de los tiempos esperados, es posible, entonces, proceder a la construccin de la
figura 1, donde se han colocado sobre cada actividad los valores correspondientes
Figura 1
3 Determinacin del camino crtico
La determinacin del camino crtico empleando tiempos probabilsticos no reviste ninguna dificultad.
En efecto, se procede a calcular obtenindose entonces los valores de fechas ms tempranas y ms
tardas, en forma decimal.
En el ejemplo propuesto, que se grafica en la figura 2, se llega as a un valor para el evento final, de
19,98 das.
Este valor debe tomarse como valor medio, y es el que permite, juntamente con la variancia, el anlisis
del evento final.
4. Anlisis del evento final
Hasta ahora se conoce cul es el valor medio, valor ms probable, de la duracin total del proyecto.
En el ejemplo desarrollado, esta duracin es de 19,98 das.
Cabe ahora preguntar: Qu probabilidad existe de que el plan tenga la duracin calculada?
La metodologa empleada en el pert, permite responder a esta importante pregunta.
En efecto, partiendo de la base de contar con un gran nmero de tareas, se puede aplicar un teorema,
conocido como teorema central del lmite, que establece que la duracin total del planse distribuye
segn una ley de Gauss .(ver apndice 1)
Esta distribucin tendr un valor medio que se obtiene sumando los valores medios de
las tareascrticas, y una variancia igual a la suma de las variancias de dichas tareas crticas.
A pesar de las pocas tareas que en este ejemplo forma parte del camino critico, se aplicar a ttulo de
ejercicio el citado teorema, obtenindose entonces:
Es evidente que la probabilidad de que el plan tenga la duracin prevista es de un 50 por ciento.
dentro de los 22 das, se tendr la siguiente figura :
Te= 19,98 das Ti= 22 das
Variable reducida
Entrando en la tabla de probabilidades de la Distribucin de Gauss (VER TABLA), se halla que, para z =
1.22, la probabilidad de finalizar el proyecto antes de los 22 das es de 0,888. Por lo tanto, hay un
88,8 por ciento de probabilidades de finalizar la tarea antes o en la fecha indicada.
Si se deseara tener una mayor seguridad- por ejemplo, de un 97 por ciento-, es evidente que deber
ampliarse el plazo o fecha de terminacin.
En efecto, volviendo a la tabla de distribucin, se procede a la inversa, buscando a qu valor de
la variable z corresponde el valor de 97 por ciento.
Se encuentra as que z vale 1.88.
De la frmula de la variable reducida se despeja el valor de Ti
Reemplazando, tenemos;
El nuevo valor ser, entonces, de 23,11 das, lo que significa que tomando aproximadamente 23 das,
hay un 97 por ciento de probabilidades de realizar el proyecto en trmino.
En algunos casos puede interesar conocer la probabilidad que existe de finalizar el proyecto entre
fechas determinadas.
Por ejemplo cul es la probabilidad de que el proyecto est terminado entre tres das antes y tres das
despus de la fecha esperada?
Se calculan las variables reducidas:
Entrando en la tabla de la distribucin de gauss con Z1= 1,81; se halla que la probabilidad es de
0,9649.
Pero este valor es desde - infinito a z
2
, o sea el valor que resulta de la integral siguiente
y est representada por el rea rayada de la figura siguiente. Conforme a los visto
ser:
0,9649-0,500=0,4649
y el rea total:
0,4649*2=0,9298
Apndice 1
En matemticas, la campana de Gauss es la representacin grfica de la ecuacin matemtica que
corresponde a una distribucin normal. Tiene forma de campana y debe su nombre al matemtico
alemn Carl Friedrich Gauss.
Aplicaciones
Cuando se realizan series de medidas experimentales, algunas de ellas son mayores que la media y
otras menores. Si se representa en el eje horizontal las medidas obtenidas y en el vertical el nmero de
veces que se obtiene cada valor, se obtiene lo que se llama un histograma de frecuencias.
Si se elimina el error sistemtico, el conjunto de datos obtenido se distribuye de forma simtrica
alrededor de la media, dando una curva en forma de campana.
Muchas variables se distribuyen de esta forma (variables tanto de tipo morfolgico (p.e. la altura de
las personas en una poblacin) como fisiolgicas, sociolgicas, etc.
Constituye otra forma de expresar lo establecido en el Teorema central del lmite: variables
independientes que no siguen necesariamente una distribucin normal s lo hacen para tamaos
suficientemente grandes de la muestra.
Tabla distribucin de Gauss
Bibliografa consultada: PERT-CPM de Nolberto J. Munier

Aplicación de Probabilidades Al Gráfico de Camino Crítico - Completo

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Aplicación de Probabilidades Al Gráfico de Camino Crítico - Completo

Enviado por

Direitos autorais:

Formatos disponíveis

29/8/2014 Aplicacin de probabilidades al grfico de camino crtico - Pgina 1 de 5

Você também pode gostar