UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ

ESCUELA DE POSGRADO
UNIDAD DE POSGRADO DE LA FACULTAD DE
ARQUITECTURA

PLANEAMIENTO Y ORGANIZACIÓN DE OBRAS

INTEGRANTES:
- LAZO CORDOVA CINTHIA VERONICA
- RIVERA JARA LEANDRO IRWIN
- LERMO ZUÑIGA CARLOS
- MARIN SANCHEZ LUCERO

HUANCAYO – PERÚ
2019
 MÉTODO MATEMÁTICO. SIGLO XVIII,
Stanislaw Ulam en 1946 jugando a los
solitarios durante su colaboración en el
PROCEDIMIENTO proyecto Manhattan en Los Álamos,
NUMÉRICO concibió la idea de que fórmulas
complejas sin solución aparente sobre
difusión de neutrones podían ser
aproximadas mediante el
establecimiento de probabilidades a
priori del fenómeno o, lo que significa
PARTE DEL CONCEPTO DE lo mismo, darle forma probabilística al
PROBABILIDADES QUE proceso para luego reproducirlo
PERMITE CONOCER LA mediante repeticiones al azar.
PROBABILIDAD DE Para que el método fuera seguro se
OCURRENCIA DE UN necesitaban muchas repeticiones y
EVENTO (MUCHAS para eso vino en su ayuda Von
REPETICIONES ) Neuman que, un año después, ya tenía
a punto el método y la herramienta: los
ordenadores incipientes de la época.
 Herramienta poderosa para entender y cuantificar los efectos de los riesgos de un proyecto.

 Muestra distribución de probabilidades de los resultados para cada nivel de confianza escogido y no
sólo un valor

 Permite al Project Manager calcular las contingencias del Proyecto

 Supera restricciones de los enfoques analíticos en la planificación de proyectos que las hacen
inutilizables en situaciones prácticas.

 Muestra gráficamente las distribuciones de duración o el costo de un proyecto, que es una forma
mucho más útil de visualización para responder a preguntas sobre el nivel de confianza de las fechas
de finalización y costos del proyecto.
 Simulación de Monte Carlo maneja miles de datos y por lo tanto miles de caminos que pueden ser
analizados.

 Posibilidad de variar valores que hagan cambiar la totalidad del proyecto y poder analizar cada caso.
 Toma grandes cantidades de tiempo para procesar todos los datos. Depende mucho del nivel de
complejidad y la cantidad de actividades que se procesen.

 Falta de conocimiento de los Software, hace difícil de incorporar en la industria.

 Alto costo.

 El modelo que ejecuta Monte Carlo debe ser acorde a la realidad para que los resultados sean coherentes.

 Incapacidad de estimar correctamente los valores límites de distribución.

 Ningún resultado será exacto a cómo se de en la realidad. Solo se tendrán valores aproximados

 Alto escepticismo en la industria por falta de conocimiento.

 - El método de Monte Carlo no es comúnmente usado hoy en día debido al poco
conocimiento que se tiene de este tipo de herramientas aplicadas al campo de la ingeniería
civil.
 La aplicación del Método Monte Carlo es eficiente solamente cuando se cuentan con las
herramientas computacionales para efectuar grandes volúmenes de cálculos numéricos