¿Qué oculta el promedio del PPC?

La importancia de analizar la variabilidad en la gestión

de compromisos de Last Planner en proyectos de construcción.
Por: Camilo Lagos Crua (colagos@ing.puc.cl), Coordinador de I+D+i, Centro de Excelencia en Gestión de la
Producción, Pontificia Universidad Católica de Chile.

Resumen: Generalmente el primer análisis realizado para evaluar la gestión de un proyecto corresponde a comparar un valor
promedio de un indicador representativo, contra un parámetro de suficiencia. Por ejemplo, un criterio común para evaluar la
gestión de compromisos de Last Planner (LPS) de un proyecto es verificar que el promedio del Porcentaje del Plan Completado
(PPC) exceda el 70%. No obstante, el análisis no debe limitarse exclusivamente a los promedios, sino que el análisis de la
variabilidad es una profundización fundamental y puede ayudar a corregir suposiciones erróneas causadas por un análisis
exclusivo de los promedios. Ésta publicación busca ejemplificar a través de un ejemplo real las ventajas y capacidades del
análisis proactivo de la variabilidad de los indicadores de LPS.

Tradicionalmente, a la hora de evaluar proyectos, nos la variabilidad de indicadores como el PPC, por sobre
enfocamos en un indicador promedio y lo el análisis del promedio en un punto específico
comparamos con un criterio estándar de suficiencia. (Ballard and Howell, 2003; Letelier, 2013).
Por ejemplo, en el caso de la gestión Last Planner
Deciles del PPC promedio de proyectos de
(LPS), un indicador tradicional de evaluación es el
90% construcción en empresas chilenas
Porcentaje del Plan Completado (PPC) y un criterio de 83% 84%
85%
suficiencia comúnmente utilizado es verificar que 78%
80% 75%
dicho indicador tenga un promedio por sobre 70% 75% 71%
73%
(López, 2013). 70% 67%
64%
65% 62%
Este criterio es una buena base para introducir el 57%
59%
60%
análisis y puede servir como un mecanismo rápido
55%
para evaluar el cumplimiento de la gestión de
50%
compromisos. De hecho, un análisis realizado sobre
una muestra de 15 empresas chilenas que utilizan la
metodología Last Planner, en el cual se analizó un
Ilustración N°1. Deciles del PPC promedio de proyectos de
promedio de 10 proyectos por empresa, muestra que construcción chilenos [Fuente: elaboración propia utilizando
efectivamente un promedio del PPC por sobre 70% base de datos de IMPERA proporcionada por GEPRO SpA.]
supone un posicionamiento en la mitad más alta de
De hecho, aunque los proyectos exitosos y no
empresas con LPS (ver Ilustración N°1).
exitosos presentan leves diferencias en la evolución
No obstante, es importante notar que el promedio no de su PPC promedio, se han identificado diferencias
lo es todo y que el análisis de la dispersión de los significativas en la variabilidad del PPC, a lo largo de
datos es muchas veces una profundización necesaria casi todo el ciclo de vida de los proyectos, que
para evaluar la gestión (Alarcón, Salvatierra and permiten estimar tempranamente el grado de éxito o
Letelier, 2014). Por esto, la variabilidad ha sido fracaso de éstos (Alarcón, Salvatierra and Letelier,
numerosas veces destacada como uno de los 2014).
problemas inherentes a la gestión de proyectos
A continuación revisaremos un ejemplo real
(Howell, Laufer and Ballard, 1993; Ballard, 2000) y la
correspondiente a un proyecto chileno de edificación
estabilización de los flujos de trabajo es uno de los
en altura en el cual se utiliza la metodología LPS y el
objetivos principales de la metodología Last Planner
software de gestión de proyectos de Last Planner
(Ballard, 1994). Por lo mismo, investigaciones
IMPERA, provisto por la empresa GEPRO SpA. para su
anteriores ya han señalado la importancia de analizar
evaluación y seguimiento sistemático. Los datos de Si nos guiáramos por el criterio tradicional,
este proyecto fueron obtenidos directamente de la esperaríamos que el promedio del PPC de las zonas
base de datos de IMPERA y su plataforma de N°2, 3 y 5 sea significativamente más bajo que el PPC
reportabilidad para representar los efectos de la de las zonas N°1 y 4. No obstante, al analizar los datos
variabilidad del PPC en la gestión. de la tabla N°1, nos damos cuenta que la zona N°5 es
la única que cuenta con una caída brusca del PPC que
En primer lugar revisaremos los datos generales de
explique la caída del cumplimiento de programa y que
este proyecto: Al momento del análisis, el proyecto
de hecho, las otras 4 zonas cumplen con el criterio del
llevaba 46 semanas de seguimiento, contaba con un
70%.
cumplimiento de programa de 118%, 16 días de
adelanto en el programa, un PPC promedio de 71% y Tabla N°1. Indicadores por zona proyecto [Fuente: elaboración
propia utilizando base de datos de IMPERA proporcionada por
un coeficiente de variación del PPC de 25%, obtenido
GEPRO SpA.]
de una desviación estándar muestral equivalente a
18%. La ilustración N°2 muestra la evolución del Promedio Desviación Coeficiente Mediana del
Zona
del PPC del PPC Variabilidad Desfase
cumplimiento del programa.
Zona N°1 71% 13% 18% 2
Zona N°2 70% 21% 29% -7
Evolución del cumplimiento de programa Zona N°3 71% 30% 42% -6
140% 35 Zona N°4 74% 13% 17% 32
120% 25
Zona N°5 66% 5% 7% 21
En cambio, si analizamos la desviación del PPC, esta
100% 15
es claramente más alta en las zonas de peor
80% 5
rendimiento (N°2 y N°3), aunque cabe señalar que la
60% -5 desviación no subió considerablemente en la zona
40% -15 N°5. En consecuencia, es necesario y fundamental
20% -25 complementar el análisis del promedio con
Zona 1 Zona 2 Zona 3 Zona 4 Zona 5 variabilidad de la gestión de compromisos. Más aun,
0% -35
no siempre será necesario elaborar tablas o realizar
análisis numéricos. De hecho, la ilustración N°3
muestra que en este caso el cambio en la variabilidad
Desfase de programa (Días de atraso o adelanto) era fácilmente detectable mediante un análisis visual.
Cumplimiento de Programa (SPI)
Evolución del PPC
120%
Ilustración N°2. Evolución cumplimiento programa [Fuente:
100%
elaboración propia utilizando base de datos de IMPERA
proporcionada por GEPRO SpA.] 80%
60%
Al analizar los indicadores generales, podríamos 40%
sentirnos tranquilos dado que el PPC promedio se 20%
Zona 1 Zona 2 Zona 3 Zona 4 Zona 5
ubica sobre el 70% y el cumplimiento de programa 0%

mayor a 100% indica que el proyecto está

adelantado. No obstante, si se analiza la evolución del
cumplimiento, se identifican dos caídas fuertes del
cumplimiento en las zonas N°2 y N°5, así como dos Ilustración N°3. Evolución del PPC [Fuente: elaboración propia
utilizando base de datos de IMPERA proporcionada por GEPRO
zonas (N°2 y N°3) en las cuales existió un atraso del SpA.]
programa.
Además, cabe señalar que la relación entre el PPC y el
cumplimiento de programa tiende a seguir patrones
(Letelier, 2013). De hecho, un análisis de correlación
entre el coeficiente de variabilidad del PPC y los días
de desfase del programa, efectuada entre las 5 zonas
del proyecto aquí analizado, muestra que puede
establecerse la existencia de una relación
estadísticamente relevante, e inversamente
proporcional, entre la variabilidad del PPC y el
cumplimiento del programa. Como es posible
apreciar en la ilustración N°4, con tan solo 5 datos
pudo establecerse una correlación moderada e
inversamente proporcional con un coeficiente de
correlación de Pearson igual a -0,73 (Hernández-
Sampieri, Fernández-Collado and Baptista-Lucio,
2006).
Correlación entre variabilidad del PPC y
desfase de programa
35
30
25
Mediana Días de Desfase
20
15
10
5
0
-5 0% 10% 20%
-10
-15
Coeficiente de Variabilidad PPC
Ilustración N°4. Correlación variabilidad PPC y desfase programa
[Fuente: elaboración propia utilizando base de datos de IMPERA
proporcionada por GEPRO SpA.]
En resumen, análisis del promedio es una forma
simple y rápida para iniciar la evaluación, sin
embargo, si este no se complementa con un análisis
más profundo, podrá conducir a errores en las
conclusiones. Una forma sencilla de profundizar el
análisis es realizar una evaluación visual de la
variabilidad del PPC. Si aun así se presentan dudas,
dividir el proyecto en zonas temporales y analizar la
variabilidad del PPC en cada zona puede facilitar la
identificación de alertas tempranas. Finalmente, es
recomendable trabajar con los coeficientes de
variabilidad, dado que estos comparan la desviación
estándar con el promedio, haciendo que zonas con
características muy distintas sean comparables.
Por último, el análisis del promedio del PPC y su
variabilidad son sólo la punta de lanza de una amplia
batería de indicadores que permiten evaluar la
gestión de proyectos a través de la metodología LPS.
A la hora de profundizar, se recomienda estudiar los
efectos de la gestión de restricciones y gestión del
Lookahead, ya que la preparación del trabajo es uno
de los factores primordiales para garantizar el
cumplimiento de programa (Daniel, Pasquire and
Dickens, 2015; Lagos, 2017). Para mayor información
sobre dichos indicadores, se recomienda revisar las
investigaciones realizadas por Cisterna y Letelier en
colaboración con GEPUC durante 2012 y 2013
(Cisterna, 2013; Letelier, 2013).
Agradecimientos:
R² = 0,5349
Al Centro de Excelencia en Gestión de la Producción
por su continua dedicación a la difusión y
transferencia de conocimiento para el mejoramiento
continuo de la gestión de la producción en Chile y
América Latina, Además de GEPRO SpA. Por permitir
el acceso a IMPERA y su amplia base de datos de
30% 40% 50%
proyectos.
Bibliografía:
Alarcón, L. F., Salvatierra, J. L. and Letelier, J. A. (2014)
‘Using Last Planner Indicators To Identify Early Signs
Of Project Performance’, Proceedings for the 22th
Annual Conference of the International Group for
Lean Construction, pp. 547–558.
Ballard, G. (1994) ‘The Last Planner’, Northern
California Construction Institute, Monterey,
California, pp. 1–8.
Ballard, G. (2000) The Last Planner System of
Production Control. The University of Birmingham.
Ballard, G. and Howell, G. (2003) ‘An update on last
planner’, 11th Annual Conference of the International
Group for Lean Construction, pp. 1–10.
Cisterna, D. (2013) Desarrollo y evaluación de
indicadores de control para implementación en
software de planificación y control de proyectos
basado en metodología Last Planner. Universidad de
Chile.
Daniel, E. I., Pasquire, C. and Dickens, G. (2015)
‘Exploring the Implementation of the Last Planner®
System Through Iglc Community: Twenty One Years
of Experience’, (February 2016), pp. 153–162.
Hernández-Sampieri, R., Fernández-Collado, C. and
Baptista-Lucio, P. (2006) Metodología de la
investigación, McGraw-Hill Interametricana. México
D.F.
Howell, G., Laufer, A. and Ballard, G. (1993)
‘Uncertainty and project objectives’, Project
Appraisal, 8(1), pp. 37–43.
Lagos, C. I. (2017) Desarrollo e implementación de
herramientas para el mejoramiento de la gestión de
la información de Last Planner. Pontificia Universidad
Católica de Chile.
Letelier, J. A. (2013) Análisis en el tiempo de
indicadores de control de avance utilizados en el
software computacional ‘Impera’ para pronosticar
efectos futuros en proyectos de construcción.
Universidad de Chile.
López, Á. (2013) Análisis del uso de las diferentes
etapas de la metodología de Last Planner en
proyectos de construcción en minería, edificación en
altura y en extensión. Pontificia Universidad Católica
de Chile.