Académique Documents
Professionnel Documents
Culture Documents
Parte II
Agenda
Objetivo Repaso de Incertidumbre y diferencia con el Riegso Anlisis What-if Anlisis de Sensibilidad Anlisis de Escenarios El Mtodo Monte Carlo y el Anlisis de Riesgo Repaso del Mtodo Monte Carlo Un modelo de Riesgos aplicando MMC
Education never ends Watson. It is a series of lessons with the greatest for the last
Sherlock Holmes, The red circle, 1917
2013 M.Sc., Ing. Pablo Ortiz, PMP 2
Objetivo
Continuar profundizando sobre el tema de la incertidumbre en los proyectos y analizar tcnicas y herramientas cuantitativas (principalmente probabilsticas) que nos permitan gestionar la misma
Solum certum nihil esse certi La nica certidumbre es la incertidumbre
Plinio el Viejo, Historia Naturalis, Libro ii, 7
2013 M.Sc., Ing. Pablo Ortiz, PMP 3
Incertidumbre
Uncertainty is therefore imperfect knowledge and risk is uncertain consequences Hemos concluido que la incertidumbre existente en cada proyecto es la principal causa subyacente de muchos de los problemas
E. Goldratt. Critical Chain
YOU CANT IMPOSE CERTAINTY ON UNCERTAINTY YOU MUST LEARN TO MANAGE THE UNCERTAINTY
2013
38%
Mayor Reto en los Proyectos que maneja PMI Today; 2008
43%
2013 M.Sc., Ing. Pablo Ortiz, PMP 5
35% 32%
??
80% 70%
70% de los GP usan el Camino Crtico 17% usa una tcnica probabilstica o simulacin
Pollack-Johnson & Liberatore, 2003
2013
Incertidumbre y el PMBOK
Como vimos anteriormente el tema de Incertidumbre en el PMBOK aparece vinculado a estas reas de Conocimiento: Gestin de Tiempos Gestin de Costos Gestin de Riesgos Gestin de Calidad Gestin del Alcance Y especficamente vinculadas a las siguientes T&H:
Gestin de Tiempos Gestin de Calidad
2013
T&H
Anlisis de Reservas
Costos
Anlisis de Escenarios Anlisis: Qu pasa si?
T i e m p o s
VME
Riesgos
2013 M.Sc., Ing. Pablo Ortiz, PMP 8
Anlisis de Sensibilidad
Anlisis de Escenarios
2013
Gestin de Riesgos
Anlisis de Sensibilidad
Dos observaciones:
En el PMBOK en espaol, la frase ..se mantienen en sus valores de lnea base aparece en Herramientas Cuantitativas. Por otra parte en el Glosario, el trmino Anlisis de Sensibilidad, hace referencia a valores de referencia. En el PMBOK en ingls se refiere en ambos casos a baseline values Aparece vinculado a Riesgos, en tanto el Anlisis de Escenarios a Tiempos 2013 M.Sc., Ing. Pablo Ortiz, PMP
11
Anlisis de Sensibilidad
Dado que muchas de las estimaciones son llevadas a cabo con datos estimados, cualquier resultado final debe ser mirado con cierta suspicacia. Cuando haya falta de confianza en uno o mas de los parmetros usados, se debe usar el Anlisis de Sensibilidad para lograr mayor comprensin sobre que tan crticos son los errores de estimacin en el proyecto El Anlisis de Sensibilidad es un tcnica que determina cul riesgo (o riesgos) tienen el mayor impacto potencial.. sobre el tiempo, costo o flujo de caja (Heldman, K., 2005) 2013 M.Sc., Ing. Pablo Ortiz, PMP
12
2. Investigar las consecuencias de probables cambios adversos en estas variables clave 3. Evaluar si las decisiones del proyecto sern afectadas por estos cambios 4. Identificar acciones que puedan mitigar los posibles efectos adversos
El Anlsis de Sensibilidad trata con la Incertidumbre de forma sistemtica
2013 M.Sc., Ing. Pablo Ortiz, PMP 13
Procedimiento
1. Identificar las variables clave para las cuales la decisin sobre el proyecto pueden ser sensibles
2. Calcular los efectos de cambios probables en una variable, dejando las otras fijas (baseline value; es decir las estimaciones base), y ver como afectan los resultados (por ej. en la VAN y/o TIR). Hacer variar una variable a la vez mientras el resto se fijan en su valor base. 3. Analizar la direccin e impacto de los cambios de las variables clave, identificando las causas probables del cambio
2013 M.Sc., Ing. Pablo Ortiz, PMP 14
Ejemplo. AS de un Prstamo
Modelo: Monto Cuota = f(MP, TI, CA, NP) Variables salida (dependientes) Variables entrada (independientes)
Prstamo
Monto del Prstamo Tasa de Inters Anual Cantidad de Aos Nro. de Pagos (p/Ao) Monto de la Cuota $
2013
4 Entradas
U$S
32.000 8,0% 10 12
1 Salida
388,25
M.Sc., Ing. Pablo Ortiz, PMP 15
Objetivos..
Determinar el monto a prestar si se conoce la capacidad de pago del cliente Encontrar la ptima combinacin de monto y duracin para minimizar los pagos mensuales Etc.
2013
16
2013
17
Resultado
Resumen de escenario
Valores actuales: Celdas cambiantes: Monto Tasa_de_Interes Cantidad_Aos Nro_Pagos Celdas de resultado: Monto_de_la_Cuota $ U$S 32.000 8,0% 10 12 AumentarCantAos U$S 32.000 8,0% 15 12
388,25
305,81
2013
18
Limitaciones
El Anlisis de Sensibilidad y los rangos estimados no indican completamente cun sensitivos son los resultados estimaciones pobres de flujos de caja (o riesgos) y otros factores de entrada distribuciones sesgadas con largas desviaciones (que generan una gran incertidumbre y grandes riesgos) Interacciones y correlaciones entre las entradas
Kleinschmidt, E., 2001
Se modifica una variable a la vez, dejando el resto de las variables fijas, analizando solo el impacto de la misma 2013 M.Sc., Ing. Pablo Ortiz, PMP 19
Gestin de Tiempos
Anlisis de Escenarios
What-If Scenario Analysis
Una de las limitaciones del Anlisis de Sensibilidad es que se cambia una variable a la vez. El Anlisis de Escenarios generaliza este concepto, se consideran distintos escenarios donde un conjunto de variables pueden cambiar, resultando en un cambio colectivo en el resultado
2013 M.Sc., Ing. Pablo Ortiz, PMP
20
Anlisis de Escenarios II
El uso de escenarios como herramienta para la resolucin de problemas se remonta a 1942 en experimentos realizados en Los Alamos para el desarrollo de la bomba atmica En la prctica tal anlisis es solamente hecho para aquellas variables que tienen un alto impacto en el costo, tiempo o retorno econmico, y para las cuales el proyecto ser mas sensible (Wideman M., 1992) Por ejemplo, en un nuevo proyecto de tecnologa puede ser incierto si la capacitacin formal del equipo sea requerida (Pollack-Jhonson y Liberatore, 2005)
2013 M.Sc., Ing. Pablo Ortiz, PMP 21
Escenarios
Peor (-10%)
Monto del Prstamo Tasa de Inters Anual Cantidad de Aos Nro. de Pagos (p/Ao) U$S
Base
Mejor (+10%)
32.000 U$S 8,00% 10 12 35.200 8,80% 11 13,2
2013
22
Resultado
Diagrama de Tornado
$352,88
$431,49
$349,42
$427,07
$365,29
Cantidad de Aos
$416,60
$374,85
$401,91
U$S340 U$S350 U$S360 U$S370 U$S380 U$S390 U$S400 U$S410 U$S420 U$S430 U$S440 Monto de la Cuota 2013 M.Sc., Ing. Pablo Ortiz, PMP 23
Limitaciones
Quantitative risk analysis (QRA), using Monte Carlo simulation, is similar to "what if" scenarios in that it generates a number of possible scenarios. However, it goes one step further by effectively accounting for every possible value that each variable could take and weighting each possible scenario by the probability of its occurrence. QRA achieves this by modelling each variable within a model by a probability distribution.
2013
24
Teorema COX
2013 M.Sc., Ing. Pablo Ortiz, PMP 25
2013
26
Anlisis Monte Carlo (Seccin 11.4.2.2), en el cual se define una distribucin de duraciones posibles para cada actividad, que es usada para calcular una distribucin de posibles resultados para todo el proyecto (p.156 Ing., p.137 Esp.)
2013 M.Sc., Ing. Pablo Ortiz, PMP 27
Ejemplo: Aproximacin de
L=2 1 0.5 r=1
por el MMC
rea Crculo = r2 = rea Cuadrado= L2= 4 rea Crculo = rea Cuadrado 4 4 * rea Crculo = rea Cuadrado
Referencia:
http://twtmas.mpei.ac.ru/mas/Worksheets/approxpi.mcd
2013 M.Sc., Ing. Pablo Ortiz, PMP 30
4 *puntos_en_el_circulo = aprox n Se generan nros. randmicos con distribucin uniforme para x => g(xi1) ; g(xi2) ; . g(xin) ; aprox_ = yk = f(g(xki))
err= | aprox_ |
M.Sc., Ing. Pablo Ortiz, 2013 PMP 31
Resumiendo..
gi(x)
James F. Wright, 2002
2013 M.Sc., Ing. Pablo Ortiz, PMP 32
2013
33
1 1,5 2
5x1,5 = 7,5
51
74,5
Esto indica una estimacin de duracin entre 51 das y 75 das. Es aceptable una estimacin con un desvo del 46% en los costos?. Si cada da adicional costara a la empresa U$S 1.000, entonces el proyecto vara entre U$S 51.000 y U$S 74,500. Si el presupuesto estimado fue de U$S 60.000 (peor si es todo el dinero que cuenta) entonces puede perder o inclusive 2013 M.Sc., Ing. Pablo Ortiz, PMP quebrar
34
Problemas con este tipo de estimacin Dependen de la subjetividad del estimador No todos los valores entre 51 y 74,5 tienen igual probabilidad No existe una probabilidad asociada una fecha concreta
2013
35
Sumar cada nivel de riesgo 2. Definir cotas inferiores y superiores para cada nivel de riesgo; bajo, medio y alto 3. Definir la estimacin media (el promedio) para cada nivel de riesgo; bajo, medio y alto 4. Correr la simulacin Monte Carlo
1.
2013
36
MMC. Paso 1
Funcionalidad A B C D E F G H I J Suma columnas Bajo Riesgo 10 5 7 3 2 8 5 6 1 4 22 13 16 Riesgo Medio Alto Riesgo
Medio
Total 51
1.
2013
37
MMC. Pasos 2 y 3
Rango de Riesgos Iniciales estimados
RIESGO Medio 150% 125% 85%
Riesgo Alto
2. 3.
Definir cotas inferiores y superiores para cada nivel de riesgo; bajo, medio y alto Definir la estimacin media (el promedio) para cada nivel de riesgo; bajo, medio y alto
2013 M.Sc., Ing. Pablo Ortiz, PMP 38
2013
39