PLANIFICACIN Y CONTROL DE PROYECTOS

CAPTULO 4 Manejo de la Incertidumbre y el Riesgo en la Planificacin.

Manejo de la Incertidumbre y el Riesgo en la Planificacin

CONTENIDO
1. 2. 3. 4. Mtodos Probabilsticos. Mtodo PERT. GERT. Simulacin.

1. Mtodos Probabilsticos
Existen proyectos que por sus caractersticas presentan un alto grado de incertidumbre. En estos casos, el anlisis y manejo de los riesgos debe hacerse en forma explcita en la programacin. El uso de tcnicas de programacin tradicionales tales como el mtodo del camino crtico (CPM) o el mtodo de precedencia (PDM), no considera en forma explcita los riesgos asociados a las duraciones estimadas para cada actividad, las que se asumen como ciertas.

1. Mtodos Probabilsticos
Este enfoque, que parece ser apropiado para los proyectos tradicionales, no sera aplicable en situaciones en que existe una gran incertidumbre con relacin a las duraciones de las diferentes actividades, lo que ocurre, por ejemplo, en proyectos de gran envergadura, proyectos con tecnologa avanzada, proyectos de investigacin, proyectos de extrema complejidad o proyectos en entornos complejos e inestables.

1. Mtodos Probabilsticos
En estas situaciones, el uso de mtodos probabilsticos puede ser lo ms conveniente para la evaluacin de las duraciones y la programacin de un proyecto. El enfoque probabilstico permite una mejor comprensin de la exposicin global del programa de un proyecto, y obliga a un anlisis de actividades potencialmente crticas que, de otra forma, no seran consideradas importantes.

1. Mtodos Probabilsticos
La premisa central de los mtodos probabilsticos es que la duracin de una actividad puede ser representada en mejor forma por un rango de valores, que por un valor nico y constante. Asociada a este rango, se establece una distribucin de probabilidades apropiada. De este modo se permite una administracin ms realista del proyecto.

1. Mtodos Probabilsticos
Entre los principales mtodos probabilsticos se encuentran el PERT (Program Evaluation Review Technique), GERT (Graphical Evaluation Review Technique) y el mtodo de Simulacin. Los objetivos principales de estos mtodos son:
Identificar las actividades de un programa que representan los mayores riesgos. Identificar el impacto en el largo plazo de estas actividades. Determinar la naturaleza de la influencia en el programa de varias actividades. Determinar mtodos para mitigar la exposicin del programa a estos riesgos.

2. Mtodo PERT
El mtodo PERT es apropiado para proyectos cuyas actividades estn sujetas a una considerable posibilidad de variacin, es decir, existe una alta incertidumbre respecto a las duraciones individuales de las actividades y la duracin global del proyecto. Esta incertidumbre podra ser modelada por medio de un grfico que relacione la experiencia disponible en la ejecucin de la actividad, medida por la frecuencia de la ocurrencia de una duracin determinada, con dicha duracin.

2. Mtodo PERT
As es posible obtener una distribucin de la duracin de una actividad particular, tal como se muestra en la figura:
Frecuencia de ocurrencia

A partir de esta distribucin, se podra ajustar una distribucin de probabilidades continua.

Duracin de la actividad

2. Mtodo PERT
Para comprender esto es necesario recordar ciertos conceptos de probabilidades, correspondientes a la caracterizacin de una distribucin emprica:
Media aritmtica: es una medida de la tendencia central de una distribucin.
t = (t1 + t2 + + tn)/n

Desviacin estndar: medida de la variabilidad de la distribucin.

st = [(t1 - t)2 + (t2 - t)2 + (tn +t) 2]/n

Varianza:
Vt = (st )2

2. Mtodo PERT
Este mtodo comparte muchas similitudes con el mtodo del camino crtico, y en menor grado, con el mtodo de precedencia ya que, al igual que estos dos mtodos, el sistema PERT se basa en el anlisis de diagramas lgicos de mallas. El sistema PERT reconoce la estimacin probabilstica de las duraciones de las actividades, incorporando tres duraciones para cada actividad. Estas duraciones son conocidas como duracin optimista, duracin pesimista y duracin ms probable.

2. Mtodo PERT
La duracin optimista (to) es aquella que tendra una actividad si sta fuera ejecutada en condiciones muy favorables. Si observamos el grfico,
Funcin densidad de probabilidad

te = (to + 4tm + tp)/6 st = (tp to)/3,2

5%

5%

to

tm

te

tp

Duracin actual = t

la duracin optimista corresponde a aquella que slo podra ser excedida una de cada veinte veces si la actividad pudiera realizarse en forma repetida bajo las mismas condiciones.

2. Mtodo PERT
La duracin pesimista (tp) es aquella que tendra una actividad si fuera ejecutada en condiciones muy desfavorables. En el grfico de la figura anterior, esta duracin corresponde a aquella que slo podra ser excedida una de cada veinte veces si la actividad pudiera realizarse en forma repetida bajo las mismas condiciones.

2. Mtodo PERT
La duracin ms probable (tm), tal como su nombre lo indica, es aquella que se espera que la actividad tenga en condiciones normales y con recursos normales, y corresponde a la duracin que tiene la mayor probabilidad de lograrse (la moda). A mayor incertidumbre, mayor es el rango de variacin entre la duracin optimista y la pesimista (tp to).

2. Mtodo PERT
PERT asume que las duraciones pesimista y optimista estn separadas por seis desviaciones estndar (aproximacin basada en que casi todas las distribuciones unimodales se encuentran contenidas en el rango 3 desviaciones estndar de la media), y adems, supone que las estimaciones extremas (optimista y pesimista) pueden ser mejoradas o excedidas, respectivamente, en un 5% de los casos.

2. Mtodo PERT
Sin embargo, en estudios realizados sobre el comportamiento de las estimaciones del mtodo PERT, se ha demostrado que el rango anterior para el clculo de la desviacin estndar introduce sesgos significativos en los resultados, concluyndose que un estndar ms apropiado es considerar que el rango entre la duracin pesimista y la optimista es igual a 3,2 desviaciones estndar.

2. Mtodo PERT
Con estas consideraciones, se define la desviacin estndar como:
tp to

s=
3,2

4.1

por lo que la varianza est dada por:

tp to
4.2

V=

(
3,2

)2

2. Mtodo PERT
El valor 3,2 aparece del hecho de que se ha demostrado que la diferencia tp to vara entre 3,1 y 3,3 (promedio de 3,2) desviaciones estndar para una gran variedad de distribuciones tipo, desde la distribucin normal hasta la exponencial, incluyendo las distribuciones rectangular, triangular y la distribucin Beta. El estimador usado por PERT para la duracin esperada de la actividad est dado por un promedio esperado: tp + 4 tm + to
te =
6
4.3

2. Mtodo PERT
Las ponderaciones anteriores son una aproximacin de la distribucin de probabilidades conocida como Beta. Su eleccin es arbitraria, y no est basada en datos empricos. La razn para su eleccin fue que es una distribucin unimodal, no necesariamente simtrica y cuyos extremos son finitos y no negativos.
NOTA del Profesor: Unimodal es donde hay un solo punto de elevada frecuencia. Si hay ms de un punto de mxima frecuencia es multimodal.

2. Mtodo PERT
Para obtener valores confiables en las estimaciones de to, tp y tm es necesario cumplir con ciertas condiciones tales como: satisfacer la suposicin de independencia entre actividades; las estimaciones no deben ser influenciadas por el tiempo disponible para completar el proyecto; se debe tener claro que to, tp y tm son estimaciones y por tanto no deben considerarse como compromisos de programacin; no se deben incluir contingencias por eventos altamente improbables (incendios, inundaciones, terremotos, etc.), pero s deben incluirse contingencias por eventos previsibles (clima).

2. Mtodo PERT
Los pasos a seguir para desarrollar una malla bajo el mtodo PERT se pueden resumir en los siguientes cuatro:
1. Calcular s y te para cada una de las actividades usando las ecuaciones 4.1 y 4.3. 2. Determinar el camino crtico de la malla. El camino crtico es el camino ms largo en la malla, basado en las duraciones esperadas (te ) de las actividades. 3. Calcular la duracin esperada del proyecto (/) y la varianza (VT), segn las siguientes ecuaciones:
T=

t
i

ei

4.4

2. Mtodo PERT
donde tei corresponde a las duraciones esperadas de las actividades que conforman el camino crtico, y
VT=

s
i

ti

4.5

donde sti es la desviacin estndar de cada actividad que compone el camino crtico. 4. Asumir que el camino crtico consiste en un nmero suficiente de actividades, de modo que sea aplicable el Teorema Central del Lmite de acuerdo a lo siguiente:

2. Mtodo PERT
Supongan que m tareas independientes se deben realizar en una secuencia tal como el camino crtico de una malla. Sean t1, t2 y tm los tiempos requeridos en la realidad para cumplir estas tareas. Cada uno de estos tiempos representa variables aleatorias con media verdadera te1, te2 y tem y varianzas verdaderas Vt1, Vt2 y Vtm. Los tiempos reales son desconocidos hasta que se realicen las tareas. El tiempo total T ser entonces T = t1 + t2 + + tm siendo T tambin una variable aleatoria. El teorema central del lmite establece que si m es lo suficientemente grande (>5), la distribucin de T es aproximadamente normal con media E y varianza VT.

2. Mtodo PERT
Esto significa que E = te1 + te2 + + tem y VT = Vt1 + Vt2 + + Vtm . Esto implica que la suma de las medias es la media de la suma y que la suma de las varianzas es la varianza de la suma. De acuerdo con la anterior, la distribucin de T ser entonces una distribucin normal, con media T y varianza VT (2T).

2. Mtodo PERT Distribucin normal

te = duracin esperada

te 2T, 68% rea 4T, 95% rea

6T, 99,9% rea

Escala de la variable aleatoria t

2. Mtodo PERT
De esta forma es posible calcular la probabilidad de terminar el proyecto dentro de un plazo determinado. Para ello se necesita hacer la siguiente transformacin:
DT Z= 4.6

T
donde Z es la diferencia entre la duracin deseada y la estimada, dividida por la desviacin estndar del camino crtico.

Z = variable normalizada que distribuye N (0,1). D = duracin deseada.

T = desviacin estndar del camino crtico.

2. Mtodo PERT Distribucin de la duracin

P (T D)

ET

Luego de hacer la transformacin se puede calcular la probabilidad de terminar el proyecto en un plazo determinado, utilizando la tabla de distribucin normal presentada a continuacin;

2. Mtodo PERT
Tabla de la distribucin normal estndar
Tabla de Probabilidades (Normal Estndar)
Z 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 P 0,5000 0,5398 0,5793 0,6179 0,6554 0,6915 0,7257 0,7580 0,7881 0,8159 0,8413 Z -3,0 -2,9 -2,8 -2,7 -2,6 -2,5 -2,4 -2,3 .2,2 -2,1 -2,0 P 0,0013 0,0019 0,0026 0,0035 0,0047 0,0062 0,0082 0,0107 0,0139 0,0179 0,0228

1,1
1,2

0,8646
0,8849

-1,9
-1,8

0,0287
0,0359

2. Mtodo PERT
Tabla de la distribucin normal estndar
Tabla de Probabilidades (CONTINUACIN)
Z 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0 2,1 2,2 2,3 P 0,9032 0,9192 0,9332 0,9452 0,9554 0,9641 0,9713 0,9772 0,9821 0,9861 0,9893 Z -1,7 -1,6 -1,5 -1,4 -1,3 -1,2 -1,1 -1,0 -0,9 -0,8 -0,7 P 0,0446 0,0548 0,0668 0,0808 0,0968 0, 1151 0,1357 0,1587 0,1841 0,2119 0,2420

2,4
2,5

0,9918
0,9938

-0,6
-0,5

0,2743
0,3085

2. Mtodo PERT
Tabla de la distribucin normal estndar
Tabla de Probabilidades (FIN)
Z 2,6 2,7 2,8 P 0,9953 0,9965 0,9974 Z -0,4 -0,3 -0,2 P 0,3446 0,3821 0,4207

2,9 3,0

0,9981 0,9987

-0,1 0,0

0,4605 0,5000

2. Mtodo PERT
Ejemplo de aplicacin del mtodo PERT. Con el fin de facilitar la comprensin de este mtodo probabilstico, se presenta a continuacin un ejemplo desarrollado paso a paso. Este problema se concentra en el clculo de ocurrencia de los eventos de la malla y la probabilidad de alcanzar ciertos eventos en un tiempo especfico. La figura de la diapositiva siguiente muestra un diagrama de malla en el que se incluyen las estimaciones to, tp y tm para cada actividad:

2. Mtodo PERT
3 2, 4, 6 1, 2, 3

2, 3, 4

2, 3, 4 5 6

1, 2, 3 4

3, 4, 5

to, tm, tp

2. Mtodo PERT
A partir de estos valores se calcula la duracin esperada y la varianza de cada actividad segn las ecuaciones 4.3 y 4.2 respectivamente, obteniendo los resultados que se presentan a continuacin:
3 te = 4 te = 2 1 Vt = 0,391 2 te = 2 te = 4 Vt = 0,391 4 te = 3 Vt = 0,391 5 Vt = 0,391 te = 3 6

Vt = 1,563

Vt = 0,391

2. Mtodo PERT
Tomando como duraciones de las actividades sus respectivas duraciones esperadas te, se calcula la malla y se determina el largo estimado promedio del proyecto, que en este caso es de 12 das, siendo el camino crtico aquel conformado por las actividades 1, 2, 3, 5 y 6. Esto quiere decir que existe una probabilidad del 50% de terminar el proyecto en un plazo de 12 das. La figura de la diapositiva siguiente muestra esto ltimo en forma grfica:

2. Mtodo PERT

VT = 1,954 3 VT= 0 1 HT = 0 HT = 1 VT = 0,782 HT = 1 4 VT = 0,391 2 HT = 0 HT = 0 VT= 2.345 VT= 2,736

5
HT = 0

10

12 ET = 12

14

16

2. Mtodo PERT
Para calcular la probabilidad de que algn evento perteneciente al camino crtico se desarrolle en un determinado plazo de acuerdo al tiempo programado para su cumplimiento, se realiza un anlisis probabilstico. Si tomamos el ejemplo anterior y queremos ver la probabilidad de cumplir el evento (6) en catorce das o menos, debemos seguir los siguientes pasos:

2. Mtodo PERT
Calcular la varianza del evento (6): para calcular la varianza de cualquier evento sobre el camino crtico, se utiliza la ecuacin 4.5 anterior, lo que equivaldra a la suma de las varianzas de todas las actividades que preceden al evento (6) por el camino crtico.
26 =

ti

= 0,391+ 1,563 + 0,391 + 0,391 = 2,736 i

2. Mtodo PERT
Calcular la desviacin estndar del nodo (6); este valor es simplemente la raz cuadrada de la varianza.
6 = 2,736 = 1,6541

Calcular el valor de Z (Ec. 4.6) de modo de poder trabajar con una tabla para distribuciones normales (0,1). Algunas calculadoras cientficas son capaces de trabajar con cualquiera distribucin normal (m, s2). De todas maneras sealamos a continuacin el procedimiento estndar.
DT Z= Z(6) = 14 12 = 1,21

1,654

El valor Z = 1,21 indica que la duracin analizada (14 das) tiene 1,21 desviaciones estndar ms que el tiempo esperado Te = 12 das.

2. Mtodo PERT
Con el valor de Z entramos a una tabla normal (0,1) y obtenemos que el rea bajo la curva hasta el punto Z (que es el valor que normalmente entregan las tablas de distribucin normal) es:
P (T 14) = P (Z 1,21) = 0, 89 Esto quiere decir que la probabilidad de que el evento (6) se realice en 14 das o menos, cuando su duracin esperada es 12 das, es de 89%. La figura de la diapositiva siguiente muestra la distribucin acumulativa de probabilidades para distintas duraciones deseadas:

2. Mtodo PERT
PT = D
Probabilidad acumulada

1,0 0,8 0,6 0,4 0,2

D 8 10 12 14 16 18

Z -2,43 -1,22 0 1,22 2,43 3,65

P Acumulada 0,008 0,111 0,500 0,889 0,992 1,000

10

12

14

16

18

Duracin del proyecto

2. Mtodo PERT
Usando la curva anterior, es posible para un administrador tomar decisiones respecto del nivel de riesgo con el cual desea trabajar en un proyecto en cuanto al cumplimiento de la duracin. Por ejemplo, si el administrador del proyecto quiere trabajar con una duracin que tenga no ms de un 10% de probabilidades de ser excedida, entonces podra establecer 14 das como duracin del programa.

2. Mtodo PERT
En un anlisis probabilstico de mallas hay que tener cuidado con lo que ocurre con los caminos subcrticos. stos se pueden hacer realmente relevantes cuando tienen una desviacin estndar mayor que la del camino crtico. Esto implica que un camino subcrtico al tener mayor desviacin, puede aumentar su duracin (media), y se podra convertir en el camino crtico del proyecto.

2. Mtodo PERT
El sistema PERT convencional generalmente entrega resultados sesgados en el sentido optimista. Este sesgo nace del hecho de ignorar los caminos subcrticos en la realizacin del cmputo de la malla. El error provocado por este sesgo aumenta si se incrementa el nmero de actividades que llegan al evento, si los tiempos esperados de trmino de las actividades que se combinan en el evento se acercan, si las variantes de las actividades que se combinan aumentan o si la correlacin entre los tiempos de trmino de las actividades que se combinan se aproximan a cero.

3. GERT
Los diagramas flecha-actividad o nodo-actividad estn basados en una red determinstica lgica. Esto significa que se asume que cada camino en la red es necesariamente parte del proyecto y no existen caminos alternativos u opcionales. Sin embargo, existen proyectos para los cuales no se est seguro de cuales actividades se van a incluir, y donde el resultado del proyecto puede depender de los resultados de ciertas cadenas de actividades.

3. GERT
Generalmente, estos proyectos presentan ciertas caractersticas especiales tales como resultados opcionales, ciclos de retroalimentacin y repeticin de actividades. Para aquellos proyectos que no son modelados por los mtodos tradicionales, GERT es una herramienta que ofrece mayor flexibilidad que el PERT, ya que incluye capacidades tales como: ramificacin probabilstica o modelos estocsticos; mallas con loops o ciclos de retroalimentacin; eventos con resultados mltiples; ocurrencias mltiples de un evento.

3. GERT
Entre las aplicaciones de GERT podemos nombrar la planificacin de proyectos de investigacin y desarrollo, la planificacin de la produccin de nuevos productos, sistemas de control de calidad, la planificacin de desarrollo y capacitacin de mano de obra, la planificacin de productos, investigaciones de mercado, etc. Una de las formas de notacin bsica del sistema GERT se muestra en la diapositiva siguiente:

3. GERT
Notacin bsica del mtodo GERT
Entrada Salida Y F S O

Determinstico

F S

Probabilstico

F S

El diagrama lgico de flechas del mtodo PERT/CPM es representado por el nodo circular mostrado en la parte superior izquierda de la tabla. Los otros tres nodos de la tabla son extensiones lgicas de GERT que permiten la retroalimentacin, la ramificacin y los mltiples resultados finales del proyecto.

3. GERT
N: denota el nmero de identificacin del nodo. Y: el nodo Y slo se activar si todas las actividades (flechas) que llegan al nodo se realizan. F: denota el nmero de actividades predecesoras que deben ser completadas para la primera realizacin del nodo, y S denota el nmero requerido para las realizaciones subsecuentes. O: el nodo O se realizar por primera vez cuando cualquier F del total de las actividades que llegan al nodo sea completada.

3. GERT
Nodo Determinstico: todas las actividades que emanan de este nodo son tomadas subsecuentemente si el nodo se realiza. Nodo Probabilstico: slo una actividad que sale del nodo es tomada si el nodo se realiza. La suma de las probabilidades asociadas a cada una de las actividades de salida es uno.

3. GERT
Diagrama del mtodo de programacin GERT
N de actividades que deben terminar para que ocurra el evento

Reciclaje 0,2
Nodo probabilstico Falla 0,3 1 2 1 Nodo determinstico 1 3 1 0,4 xito

N de actividades que deben terminar para las siguientes ocurrencias del evento

Reciclaje
0,1

3. GERT
A continuacin se muestra un ejemplo para comprender el funcionamiento de los nodos en el mtodo de programacin GERT:
Actividad 1-2 2-3 3-4 4-5 Descripcin Inicio Definicin del problema Investigacin Propuesta de solucin

5-6 5-7
6-8

Desarrollo del prototipo Abandono del proyecto

implementacin

3. GERT
Ejemplo de programacin GERT
1 7

Redefinir 1 1 2 1

Ms investigacin

1 3 1

1 4 1

1 5 1

1 6 1

Redefinir Modificar prototipo

4. Simulacin
Los proyectos de construccin estn frecuentemente asociados a un alto grado de incertidumbre ya que sus actividades estn sujetas a una amplia variedad de fluctuaciones e interrupciones. Un ejemplo es el efecto del clima en la productividad y el progreso de ciertas actividades. Como resultado de estas interferencias, el comportamiento de los procesos de construccin estn sujetos a ciertas variables aleatorias.

4. Simulacin
El mtodo PERT intenta estimar la incertidumbre que existe en el programa del proyecto, pero con ciertas limitaciones ya discutidas. La simulacin ofrece una herramienta que elimina muchas de estas limitaciones. El mtodo de simulacin es esencialmente probabilstico y computacional, y es utilizado en casos en que existe una gran incertidumbre, junto con la existencia de mltiples caminos crticos en el plan de un proyecto.

4. Simulacin
Los pasos a seguir para la aplicacin de la simulacin se pueden resumir en los siguientes:
1. Desarrollar el modelo del sistema a ser simulado (plan y programa) 2. Probar el modelo para asegurarse que representa adecuadamente el problema en estudio. 3. Crear el programa computacional para ejercitar el modelo. 4. Correr la simulacin y evaluar los resultados.

4. Simulacin
El sistema ms utilizado para estudios de planificacin es el mtodo de Monte Carlo. En el anlisis de simulacin, el modelo del sistema toma los datos entrantes en forma de variables aleatorias. El computador realiza entonces experimentos con muchas variaciones de los datos entrantes y recolecta una serie de resultados, lo que son presentados en forma de distribuciones estadsticas. El resultado puede ser entonces analizado estadsticamente para obtener una medida de la incertidumbre y el riesgo.

4. Simulacin
Las etapas bsicas del proceso de simulacin de Monte Carlo se pueden resumir en:
1. Identificar las distribuciones de probabilidad de cada componente aleatoria del modelo. 2. Seleccionar un proceso de generacin de nmeros aleatorios, de modo que represente adecuadamente la ocurrencia de los eventos durante la simulacin. 3. Asegurar que los intervalos de los nmeros aleatorios correspondan a la distribucin de probabilidad. 4. Obtener los nmeros aleatorios para cada corrida de simulacin.

4. Simulacin
5. Transformar los nmeros aleatorios en valores de los parmetros del modelo usando las distribuciones acumulativas asociadas a dichos parmetros. 6. Calcular los resultados deseados, utilizando los valores determinados previamente y aplicando el modelo de simulacin. 7. Repetir el proceso un nmero de veces suficientemente grande para obtener una distribucin confiable de resultados. 8. Interpretar los resultados.

4. Simulacin
Para la obtencin de nmeros aleatorios pueden utilizarse diversas distribuciones de probabilidades. Dos de las tpicamente utilizadas, la distribucin uniforme y la distribucin normal, se muestran en la diapositiva siguiente junto con sus respectivas curvas caractersticas de distribucin acumulada. Tambin pueden usarse distribuciones empricas obtenidas de informacin histrica.

4. Simulacin
Curvas Tpicas de distribucin
FRECUENCIA FRECUENCIA TIEMPO PROBABILIDAD ACUMULADA PROBABILIDAD ACUMULADA

TIEMPO

1 0,5

1 0,5

TIEMPO

TIEMPO

4. Simulacin
Por ejemplo, si se tienen dos actividades con la distribucin de probabilidades que se muestra en la figura, al realizar una simulacin (lnea continua) se obtienen valores para la duracin de cada actividad (t12 y t23).
A
1
P% 100 80 60 40 20 t 1 2 3 4 5 6 3 4 5 6 7 8 P% 100 80 60 40

B 2 3

20
t

T = t12 + t23

4. Simulacin
T = duracin total (resultado) = t12 + t23 t12 = duracin de la actividad A t23 = duracin de la actividad B
Por el teorema central del lmite, si se tiene un proyecto con una cantidad suficiente de actividades (generalmente se habla de al menos 25), y se realizan varias simulaciones, la duracin total del programa determinado por dichas actividades, tender a un cierto valor. Este valor ser la duracin total ms probable para este proyecto.

PLANIFICACIN Y CONTROL DE PROYECTOS

Fin del captulo 4 : Manejo de la Incertidumbre y el Riesgo en la Planificacin . El prximo captulo 5 es : Sistemas de Planificacin para Proyectos Repetitivos.