Cómo obtener la duración de un Proyecto con PERT y WINQSB

A diferencia del Método de Ruta Crítica o CPM la metodología de PERT (Program Evaluation and Review Technique) considera que el tiempo de duración de las actividades que comprenden un proyecto es estocástico.

Este supuesto implica que para cada actividad tendremos distintos escenarios de ocurrencia sobre el tiempo requerido para llevarla a cabo. Estos escenarios se denominan usualmente como Optimista (a) (el menor tiempo posible), Más Probable (m) y Pesimista (b) (el mayor tiempo en el peor de los casos).

Cada uno de estos escenarios descritos se pondera en 1/6, 2/3 y 1/6, respectivamente para obtener el Tiempo Esperado t_{e} de cada actividad: t_{e}=(1/6*a+2/3*m+1/6*b) y luego obtener el tiempo de duración del proyecto (notar que la suma de las probabilidades de ocurrencia de cada escenario es igual a 1 o un 100%).

Duración de un Proyecto con PERT

En la siguiente tabla se muestra cómo calcular el tiempo esperado para cada actividad de un Proyecto, por ejemplo, el tiempo esperado de la actividad A es de 6 semanas ((1/6)*5+(2/3)*6+(1/6)*7) según se aprecia en la fórmula:

Tiempo esperado PERT

Para poder determinar la duración de un proyecto utilizando PERT consideramos los tiempos esperados para cada actividad y seguimos un procedimiento similar al del Método de la Ruta Crítica o CPM. Otra alternativa equivalente es utilizar un software especializado como WINQSB para obtener la duración del proyecto según se muestra en el siguiente tutorial:

El tiempo estimado para completar el proyecto es de 21,5 semanas y la ruta crítica esta determinada por la secuencia D-F-G. Se puede comprobar que si aplicamos el método de la ruta crítica con los tiempos esperados de cada actividad como tiempo determinista, se obtienen los mismos resultados.

PERT en WINQSB

Cómo resolver un modelo de Programación Lineal con el Método Simplex

Existen algunas herramientas en Internet que permiten resolver modelos de Programación Lineal utilizando el Método Simplex. Este tipo de aplicaciones resultan de bastante utilidad para los estudiantes de ingeniería que desean verificar si los resultados que obtienen en la aplicación manual del método resultan ser correctos.

En esta oportunidad revisaremos la interfaz para resolver modelos de Programación Lineal con el Método Simplex disponible en el sitio web ProgramacionLineal.net. Para ello utilizaremos un modelo lineal en 2 variables que previamente resolvimos gráficamente con el complemento Solver de Excel y el software Geogebra.

Cómo resolver un modelo de Programación Lineal con el Método Simplex

Modelo de Programación Lineal

El siguiente tutorial muestra cómo implementamos este modelo de optimización con la herramienta de resolución del Método Simplex:

La última tabla del Método Simplex luego de la resolución con esta aplicación y eliminando la columna p (no es necesaria) es la siguiente:

Tabla Optima Metodo Simplex

La Solución Óptima (que corresponde a una solución básica factible óptima) es x=100 e y=350 (x e y son las variables básicas de las filas 1 y 3 respectivamente). El valor óptimo es V(P)=3.100. Notar que la solución óptima corresponde al vértice C de la representación gráfica del problema propuesto que se muestra a continuación:

resolver pl con geogebra

Importante: Las variables s1 y s3 son variables no básicas en la actual solución óptima y por tanto su valor es cero. La variable s2 es la variable básica de la fila 2 y toma el valor de 400. Notar que las variables s1, s2 y s3 son inicialmente las variables de holgura necesarias para llevar el modelo de Programación Lineal a su forma estándar.

Cantidad Económica de Pedido (EOQ) con WINQSB

El modelo de Cantidad Económica de Pedido o simplemente EOQ (Economic Order Quantity) por sus siglas en inglés, es una de las herramientas más sencillas en la Gestión de Inventarios que permite obtener el tamaño del pedido que minimizan los costos totales asociados a la gestión del inventario.

Como todo modelo necesita de algunos supuestos que dependiendo de la situación práctica que se desee modelar serán más o menos realistas. Los supuestos más fuertes o característicos de EOQ es que la demanda es constante y conocida y que el tiempo de entrega (o lead time) del pedido es constante y conocido.

El Costo Anual total del Inventario queda definido por la suma de los costos de adquisición o compra (D*C), costos de emisión de pedidos (D/Q)*S y costos de almacenamiento (Q/2)*H.

La Fórmula del modelo de Tamaño Económico de Pedido EOQ que representa el costo total del inventario es la siguiente:

CT = D*C + (D/Q)*S + (Q/2)*H

Al respecto recomendamos leer el artículo Cómo Construir el Gráfico de Costos Totales del Modelo EOQ con Excel que muestra de forma sencilla cómo obtener el costo total para distintos tamaños de pedido.

Para obtener la cantidad de pedido que minimiza la función de costos totales se deriva la fórmula respecto a Q y se iguala a cero, para posteriormente despejar el parámetro Q. Notar que el costo de adquisición (C*D) será constante independiente de la política de pedido (tamaño de pedido) en la medida que no existan descuentos por cantidad.

Fórmula EOQ

Donde D es usualmente la demanda anual (que se asume conocida o factible de estimar con precisión), S es el costo de hacer un pedido (o costo de emisión) que se asume fijo y H es el costo anual unitario de almacenamiento en el inventario.

A continuación se presenta un ejemplo para ilustrar la aplicación de este modelo de Cantidad Económica de Pedido (EOQ):

  • D: Demanda Anual = 6.000 unidades
  • S: Costo de Emisión = $750
  • H: Costo de Almacenamiento Anual (unitario) = $400

Reemplazando los parámetros en la fórmula se obtiene Q=150 [unidades/pedido] que es la cantidad de pedido que minimiza el costo anual del inventario: CT=(6.000/150)*$750+(150/2)*$400=$60.000. El siguiente tutorial muestra cómo obtener estos resultados utilizando el software WINQSB:

Se puede corroborar (recomendamos fuertemente al lector hacer esto) que cualquier otra cantidad de pedido proporciona un costo anual del inventario superior al obtenido con el modelo EOQ. Esto debido a que el tamaño del pedido obtenido con EOQ equilibra explícitamente los costos de emisión con los costos de almacenamiento.

Notar que para tamaños de pedido grandes los costos de emisión se minimizan (se requerirá de menos pedidos en el año) y los costos de almacenamiento se maximizan (dado que se tendrá un inventario promedio mayor en las bodegas). De forma análoga, para pedidos pequeños los costos de emisión se maximizan a la vez que los costos de almacenamiento se minimizan.

Cómo obtener la Ruta Crítica (CPM) de un Proyecto con WINQSB

En la gestión de cualquier Proyecto un elemento crucial es estimar el tiempo requerido para poder terminarlo. Para ello se debe determinar si el tiempo necesario para completar cada actividad se puede considerar fijo (o determinista), o por el contrario es recomendable analizar distintos escenarios sobre la duración de las tareas o actividades (generalmente descritas como “normal”, “pesimista” y “optimista”) donde en dicho caso se afirma que el tiempo es estocástico.

El Método de Ruta Crítica o CPM (Critical Path Method) considera que el tiempo de las actividades es determinista y consiste en identificar una secuencia o camino más largo (crítico) que determina la duración del proyecto.

En el caso de proyectos con un número reducido de actividades se puede determinar la ruta crítica a través de simples cálculos manuales (como las que usualmente se realizan en las cátedras de ingeniería, por ejemplo, el ejemplo que se presentará a continuación), no obstante, cuando los proyectos crecen en su complejidad la utilización de un software idóneo resulta indispensable (por ejemplo, WINQSB).

Ejemplo Cálculo de la Ruta Crítica de un Proyecto (CPM) con WINQSB

Consideremos un proyecto que tiene 7 actividades, que siguen una secuencia determinada y requiere de un tiempo (en semanas) según se muestra en la siguiente tabla. Por ejemplo, la actividad G tiene una duración de 4 semanas y se puede iniciar una vez concluidas las actividades B, D y E.

Tabla Proyecto

Utilizando la información de la tabla anterior ingresamos los datos al programa WINQSB, en su módulo PERTCPM según se muestra en el siguiente tutorial:

La Ruta Crítica es A-D-G y el tiempo estimado para poder completar el proyecto es de 12 semanas (3[sem]+5[sem]+4[sem]).

Notar que la ruta crítica es una secuencia de actividades relacionadas entre sí y que tienen holgura igual a cero. Esto significa que un atraso ya sea en A, D o G genera inmediatamente un retraso en el tiempo requerido para completar en proyecto (que actualmente es 12 semanas). Por supuesto no sucede lo mismo con otras actividades, por ejemplo, la actividad E que incluso se podría atrasar 4 semanas y el proyecto aún se podría concluir en 12 semanas.

El siguiente diagrama resume los resultados obtenidos con WINQSB para este proyecto:

Ejemplo CPM

Cálculo del MAD y la Señal de Rastreo para un Pronóstico de Demanda

Un aspecto clave cuando se realiza un Pronóstico de Demanda es evaluar éste en cuanto a su ajuste respecto a la información real que se dispone. Para ello se introduce el concepto error que básicamente mide la diferencia entre el valor real y el valor pronosticado para un período específico.

Formalmente el error de un pronóstico e_{t} se define como e_{t}=A_{t}-F_{t} donde A_{t} es la demanda real u observada en el período t y F_{t} es la demanda pronosticada para el mismo período.

De esta forma, si por ejemplo, para un período dado (digamos por ejemplo, período 1), la demanda real es de 150 unidades y nuestro pronóstico para el mismo período fue 100 unidades, entonces e_{1}=A_{1}-F_{1}=150-100=50>0, entonces tenemos una subestimación de la demanda real de una magnitud de 50 unidades.

De forma análoga, si la demanda real es de 150 unidades pero nuestro pronóstico para el mismo período, es, por ejemplo, 250 unidades el error correspondiente es e_{1}=A_{1}-F_{1}=150-250=-100<0, por tanto en este caso tenemos una sobrestimación de la demanda real de una magnitud de 100 unidades.

En la práctica un pronóstico perfecto es imposible y por tanto el tomador de decisiones sabe que debe lidiar con un grado de error.

En este contexto se pueden identificar 2 tipos de errores: error sistemático el cual depende del método de pronóstico que utilizamos y el error aleatorio el cual es propio de la variación inherente de la situación que se modela. Luego,  nos interesa minimizar la presencia y magnitud del error sistemático.

Para ello utilizamos 2 indicadores que generalmente se analizan en forma conjunta para tener una visión más objetiva de lo adecuado (o no) de un pronóstico de demanda. Dichos indicadores son el MAD y la Señal de Rastreo (TS). En este contexto a continuación se presentan las fórmulas para el cálculo del MAD y la Señal de Rastreo para un pronóstico de demanda haciendo uso de un método de series de tiempo.

MAD (Error Absoluto Medio): Que proporciona una medición del error promedio del pronóstico (en valor absoluto) y queda definido matemáticamente por:

MAD

Señal de Rastreo (TS – Tracking Signal): Mide la desviación del pronóstico respecto a la variación de la demanda.

Señal de Rastreo

Cálculo del MAD y la Señal de Rastreo

A continuación se presenta el cálculo del MAD y la Señal de Rastreo para el pronóstico de demanda de un producto determinado utilizando Media Móvil Simple con n=3. Notar que A_{t} corresponde a la demanda real (observada) para el período (mes) t y F_{t} es la demanda pronosticada para el mes t (obtenido a través del método de media móvil según lo señalado anteriormente).

tabla-calculo-mad-y-ts

El siguiente video tutorial muestra cómo se obtienen los resultados detallados en el resumen anterior:

En el artículo Interpretación de la Señal de Rastreo de un Pronóstico de Demanda detallamos la interpretación de este indicador que nos permite evaluar la presencia de error sistemático y si algún tipo de error (sobrestimación o subestimación) predomina en nuestras estimaciones.

Así también se propone revisar el aporte para efectos de evaluación que constituye disponer de un indicador de desempeño adicional denominado MAPE (Error Porcentual Absoluto Medio) que permite tener una estimación relativa (porcentual) del error del pronóstico.

¿Quieres tener el archivo Excel con el Cálculo del MAD y la Señal de Rastreo (TS) de este problema?.

[sociallocker]MUCHAS GRACIAS!. DESCARGA AQUÍ EL ARCHIVO[/sociallocker]