Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
RESUMEN
INTRODLICCIU^t
ilna de las funciones del empresario como tal es la de tmar decisiones ante las
diversas situaciones yue se le presentan a lo larg,o del proceso de produccin. La
adopcic^n de una u otra decisin da lugar a unas cc^nsecuencias, posiblemente diferentes
en cada caso, siendo tambin fur^in del empresario el controlar y evaluar estos resulta-
dos.
As, para hacer una buena modelizacin de la realidad y conseguir, por tanto,
resultados fiables y aplicables empricamente una vez tomada la decisin, es indispensa-
ble iniroducir en el modelo la naturaleza aleatoria de aquellas variables cuya considera-
cin como deterministicas implicaria errores sustanciales.
E1 PERT aleatorio tiene en cuenta esta aleatoriedad, pero can algunas simplificacio-
nes, ya que slo introduce en el modelo las varianzas de las variables, Por otro lado, la
determinacin de la varianza del tiempo total se basa en el Teorema Central del Lmite,
que se apoya en la hiptesis, que no siempre se curnple, de que el nmero de variables
es muy grande.
Una vez analizada la naturaleza de las actividades aleatorias, cuenta el modelo con
cuatro variables discretas, siendo dos de ellas binomial negativa y siete continuas que se
dividen en tres variables en histogramas de frecuencias y cuatro variables betas.
E1 primer paso para piantear el modelo es el anlisis de las variables para ver cul
es su naturaleza y determinar o ajustar su funcin de densidad o de probabilidad. Una
E^STADIST[CA ESPA,!^O1_A
Las variables del modelo de cantrol de proyectos representan los tiempos de duracin
en la ejecucin de las tareas o actividades que lo componen. D^ebido a esto tienen unas
caractersticas determinadas.
1 (x-u^{h-x)4
- para a ^ x<_ h
^^F' + ^ + ^ + ^ ^ (h - a ^P+y+ ^
u + M(p + q} + h
rn =
p + y + 2
q + h!^
n+y
}(h u)2
{P + 1)(q + 1
cs 2
^ (p + a + 3) (p+ q + 2}^
^ 1_ CONTRQL DE PROYFC'TOS 75
^, + M(p + y) + h
^rr =
^^ + y + ?
. ct y + h- p
M -
p + y
Analicemos una tarea del proyecto que requiera T, das tiles para su terminacin.
Si suceden fenmenos que provaquen la ocurrencia de T2 das no tiles, la terminacin
de la tarea se cumplir transcurridos T, + T2 das en total, que ser el tiempo de
duracin efectivo y podr repercutir en el tiempo de realizacin del proyecto. Se trata,
por tanto, de una variable aleatoria acotada inferiormente a T, y cuya naturaleza
depende directamente de la probabilidad p de ocurrencia de da til. Estas considera-
ciones nos han Ilevado a conciuir que su comportamiento se ajusta fielmente a la
variable discreta denominada binomial negativa de las siguientes caractersticas:
Sea una variable binaria B(p) que se realiza un nmero indefinido de veces, siendo p
la probabilidad de xito, y(1 -- p) la probabilidad de fallo. La variable x binomial
negativa representa el nmero de pruebas que hay que realizar de B(p) para conseguir k
xitos o el nmero de la prueba en la que se consigue el k-simo xito.
En relacin con las variables tiempo de ejecucin que estarnos estudiando lo expresa-
riamos como el nmero de das que transcurrir en total para conseguir T, das tiles.
C;c^rtc^rucicn ulYUtcjriu
x=I^^^r^^ X
h) Se calcula la expresin
M = R; ^' + R2 y
u) Se ge ne ra u n valor R E R(Q, 1) .
h) Se compara R con todos los valores de F(x^) empezando por el menor hasta que
se cumpla que R est comprendido entre dos valores de x; consecutivos, tal que:
^i-i x^ X
E.S^ At:)iSTEC a E_S>=A^JC)[_A
Vc^r^^cthle.^ c1^.ti^c^rc^tu.^ : La:^ variahles discreta^ se generan de ia misma manera que las
que vienen en histc^gramas c^e frecuencas con !a nica diferencia de que los valores .r,
de .z- no son en este catio la:^ marcas de 1^^s clases, sino lcas valores del espacio muestral
discreto de fa variable.
La variabie binomal negativa se genera como cualquier variable discreta una vez
determinada su funcin de distribucin, dados los parmetros ^ y^^.
PROGRAMA DE CALCULO
x, -- 1
^_^ .^,k.^ _^,lxr^- .x, E S = (k. k + 1, . .. )
E1 clculo de dicha funcin de disiribucin nos permite conocer los datos necesarios
para i ntrod uc i rlos en el bloq ue S 1 M U PE RT considerando las variables bi nomial nega-
tiva que intervengan en el modelo, como variables discretas. Por tanto, es un programa
que habr que procesarse cuando haya binomiales negativas y previamente al programa
nm. 4 del bloque SIMUPERT.
El hlvy^^e SlMUPERT
En resumen, las distintas posibilidades que se pueden presentar son las siguie ntes:
- Modelo estacstico: con alguna variable estocstica que puede ser continua de
naturaleza beta, continua con la funcin de disiribucin dada por un histograma de
frecuencias y, por ltimo discreta, dentro de las cuales se considera tambin la
binomial negati va .
Lc^s programas nms. ^, ^ y 6 permiten 1^^ entrada de datt^s refrenies a las variable4
aleatorias que se consicieren de cacia clase. Estoti ciatoti serviran cie bdse al programa
nm. 7 para la generacic^n aleatoria de valc3res cie dichas variables utilizando su f^uncin
cie distribucn segn vimos en el apartacio 2. Cada uno de estos tres pro,gramas se
operarn sc^lamente en el casc^ cfe que existan en el proyecto actividades cuya dur<acin
tenga la distribucin correspondiente, ya sea discreta, beta o en histogramas.
Tamando como base la matriz cie datas procedente del programa nm. 3 la metodo-
loga de la simulacic^n consiste en asignar a cada variable aleatoria un valor generado,
segn su distribuci^n y que pasa a acupar el lugar correspandiente en dicha matriz,
sustituyendo al anterior. De esta forma en cada generacin se modifican los valores de
esta matriz dando un resultada distinto al aplicarle el mtoda PERT. Dichos resultados
se van almacenando y/o acumulando para obtener al finat la distribucin de la duracin
del proyecta, as como la informacin ms completa referente a la criticidad de las
actividades y a las holguras de 1as mismas.
Por fin, el programa nm. 8 reatiza la salida mediante la impresora de los resultados
obtenidos anteriarrt3ente al prucesar el resto de los programas.
su numero.
Los programas nrns. 4, S y 6 permiten la entrada de los espacios muestrales y de
las funciones de distribucin de las variables, para ser generados aleatoriamente.
Por motivos de operatividad para alrnacenar los datos que van sienda obtenidos en
cada generacin es canveniente canocer el espacio muestral de dicha variable, esto es,
la duracin total minima y 1a duracin total rnxima. La primera corresponder a la
duracin del proyecto cuanda todas las variables aleatorias toman su valor mnimo y la
segunda, al caso en que stas tomen su valor mximo.
E^t.. C(^)NTRUI._ Df- PRO^'EC`I^^^OS
Una vez dada una visin esquemtica y resumida del contenido fundamental del
bloque SIMUPERT y de la relacin que liga los programas que lo componen, se indica
a continuacin el funcionamiento de los mismos de una manera ms explcita.
Prc^^ru mu rt rn . .3
Seguidamente se forma una matriz con cuatro columnas y tantas filas como activi-
dades tiene el proyecto. La primera columna est ocupada por el nmero de orden
equivalente a la clave representativa de cada actividad; as la clave de las actvdades
ir desde el 1 hasta el valor de N. La segunda columna est ocupada por la duracin de
las actividades. En la tercera columna se encuentra la clave representativa del vrtice
origen de la actividad que encabeza la fila y en la cuarta columna se encuentra la clave
del vrtice fin de dicha actividad.
Una vez introducidos todos los valores correspondientes a esta matriz (A), se
imprime para poder corregir los posibles errores y se enlaza con el programa nm. 7,
que aplica el algoritmo del PERT a esta matriz de datos.
Como se ha indicado anteriormente, este programa, junto con el nm. 7, se pasa dos
veces al principio del clculo, una vez con el tiempo de realizacin mnimo de cada
actividad y otra vez con el tiempo de realizacin mximo, obteniendo de esta forma un
tiempo PERT mnimo y otro mximo para la ejecucin total del proyecto.
f r^^^,^ruirtu nt^rt. 4
Se da al computador el nmero maximu cie valores (NS) que puede tamar una de
estas variables, conociendo ya e1 ordenador, por el prc^grama nm. 3, el nmero de
^:ctividades qE^e siguen este tipo de distrihucin 1N3). ^
Se fiorma una rnatriz R can cios columnas y tantas filas como el valor que toma N3.
En la primera columna de R se recoge el nmero de valores que toma cada una de las
actividades discretas (de la actividad 1 a N3), y en la segunda columna se recoge la
clave de los ficheros donde previamente se han archivado las funciones de distribucin
de cada actividad.
A continuacin se forma una matriz X con tantas filas como actividades discretas
tenga el proyecto y con tantas columnas, para cada actividad, como el nmero de datos
que tengamos de dicha actividad que se encuentra registrado en la primera columna de
R y en la fila correspondiente a la actividad de que se trate. Una vez dispuesta esta
matriz se introducen los datos correspondientes.
Por ltimo se buscan las diferentes funciones de distribucin para las actividades
discretas segn los datos que se encuentran en la segunda columna de R y se
ccanstruye con ellos [a matriz L de funciones de distribucin, donde cada fila repnesenta
la funcin de distribucin de una actividad discreta.
f'ro^,^rurnu nm. S
f'r^^^,^rurrru nt^m.
f'rt^,^^ru^rtu rtt^rt. 7
Este programa es el que realiza el clculo del algoritmo del PERT sobre los datos
existentes en la matriz introducida con el programa nm. 3 en las dos pasadas primeras
(valores mnirnos y valores mximos de la duracin de cada actividad), o sobre los
valores resultantes para dicha matriz cada vez que modificamos algn valor de la
duracin de cierta actividad, con el valor obtenido al simular en cada generacin un
tiempo de ejecucin para todas aquellas actividades cuya duracin es una variable
aleatoria de cualquiera de las clases estudiadas en este trabajo.
Al empezar a procesar este programa hay que darle al computador como datos , el
nmero de generaciones aleatorias que queremos realizar ( V), as como la d uracin
mxima ( D2) y mnima (D t), obtenidas con los valores extremos de la duracin de cada
actividad. Como estos dos valores son los extremos de la variable duracin total del
proyecto que se va a generar V veces y a acumular en f^recuencias, es necesario
calcular la amplitud del intervalo dividiendo la amplitud total D2 - D1 enire 10, ya que
se consideran diez intervalos.
Si hay actividades cuya duracin sigue una distribucin beta (N2 ^ 0) se simula un
valor, en cada generacin, para cada una de ellas y se muditican las dur^aciones
correspondientes en la matriz de datos inicial.
Una vez que se ha simul^iciu un valor para cadd actividad con tiempo de realizacin
variable, se aplica e[ algc^riimu cfel PERT. Para ella calculamc^s los tiempos edrly y
last , as coma la holgura pdra cada suceso c^^ vrtice del grafo. Estos valores los
acumulamos en una matriz T cuya dimensin es M(nmero de vrtices) x 3, siendo
^^na columna para cada valor calculado.
A continuacin se van sumando sobre la matriz M{N, b) el valor de las holguras que
presenta cada actividad en cada generacin y sobre la matri^ N(tVI, 3), se van sumando
los diferentes valores que toman los distintos tiempos en cada generacin real izada.
Par ltimo se van sumando, sobre la variable S 1, los tiempos PERT que resultan en
cada generacin y sobre 52 los cuadrados de estos tiempos y sobre el vector B se
acumula la distribucin de frecuencias de la variable tiempo PERT.
U`na vez realizadas todas las generaciones se calcula el valor rnedio y la varianza de
la distribucin de frecuencias que se ha obtenido para la variable tiempo PERT, as
como los valores medios de todos los tiempos early ylast de los diversos sucesos
y de las holguras de los sucesos y cie las actividades en que se descompone el proyecto.
Prc^^^rujrt^! n ^^ ^T . ^
APLICACION
De las otras cuatro actividades cuyo tiempo de ejecucin es una variable aleatoria
discreta (N3), dos de ellas se ajustan bien a la distribucin binomial negativa por su
propia naturaleza, mientras que las otras dos no se ajustan a ninguna variable discreta
^^fl t:Si^A[)ISTIC^A E:SFANOL..A
CUADRO 1
DATC35 INICIALES
DURACIC)N
Actividad Suceso inicio Suceso fin Naturaleza
Min. Mx.
A_ 1 2 5 1 2 Histgrarrias
B- 2 +6 l 3 Determinstica
C- 3 6 2 4 Determinstica
D- 4 2 5 2 b Binomial negativa
E- 5 2 5 3 7 Beta
F- 6 3 7 4 5 Beta
G- 7 2 4 b 9 Discreta
H- 8 3 7 S Determinstica
I- 9 3 8 9 11 Histogramas
J- lU 6 3 1^ Determinstica
K-11 4 10 10 12 Binomial negativa
L-12 2 5 11 12 Beta
M-13 3 6 5 12 Discreta
N-14 3 12 13 Determinstica
P-15 2 12 15 Determinstica
Q-l 1 5 12 14 Histogramas
R-1? 5 13 15 Determinfstica
S-18 3 9 14 15 Beta
F1-19 0 5 b Determinstica
F2-20 0 8 9 Determinstica
Fi ^u ra 1
Variables continuas
Las cuatro variables que siguen una distribucin beta se describen mediante los cuatro
parmetros que caracterizan la distribucin (p, q) de extremos a y b,
Parmetros
Clave
cr b p q
5 2 5 3,14 0,58
3 7 3,00 U,E^O
12 2 5 U,47 2,94
18 3 9 0,65 3,25
Espacio Funcidn de
Clave muestral distribucin
continuo emprica
1 1-5 0,45-U,3-U,9-U,96-1
9 3-8 U,22-0,7-0,86-0,96-1
16 1-S 0,42-U,72-U,84-0,94-1
Variables discretas
Las actividades cuya duracin se distribuye segn una binomial negativa, se describen
mediante los dos parmetros que caracterizan la distribucin b(k, p) .
Parmetras
Clave
p k
4 0,9b 2
11 0,89 4
KR E-:STAi.^[^iTiC'A E:SPAti()l_A
Por ltimo, las actividades cuya duracin es una variable discreta se especifican segn
su espacio muestral y su funcin de distribucin empirica.
7 2-3-4 ^,33-0,75-1
13 3-^-5-6 U,15-0,50-0,85-1
Planteado as el proyecto, con todos los datos referentes a las distintas actividades,
procedemos a la determinacin de la distribucin de frecuencias de la variable aleatoria
duracin del proyecto, simulando valores para ei tiempo de ejecucin de aquellas
actividades en las que dicho tiempo es una variable aleatoria, tal y como se ha descrito
en el apartado sobre el programa de clculo.
Segn se indic hay que procesar el programa dos veces, en primer lugar, una vez
para cada uno de los valores que aparecen en la columna 3 del cuadro 1(para las
actividades determinsticas su tiempo es fijo y se repite en las dos pasadas, as como en
cada una de las generaciones). A continuacin, y considerando los valores extremos de la
distribucin de frecuencias de la variable duracin del proyecto (tiempos mnimo y
mximo) se procede a la simulacin de nuevas tiempos para las actividades aleatorias
tantas veces como se quiera generar, obteniendo un valor para dicha variable en cada
generacin.
Los valores extremos obtenidos para la variable duracin del proyecto han sido:
tiempo mnimo veintinueve das, tiempo mximo cuarenta y nueve das.
E1 cuadro 2 recoge los valores medios para los *.iempos early ylast, as como de
las holguras de los sucesos y de las actividades. En la ltima columna de este cuadro se
indica el ndice de criticidad obtenido para cada actividad.
Por ltimo se obtienen las caractersticas de la variable aleatoria duracin del proyec-
to, como son la media, la varianza y la distribucin de frecuencias, cuyos valores son:
Aunque el extremo superior de esta variable era de cuarenta y nueve das, una vez
realizadas las 250 generaciones no se han obtenido valores, para la misma, superiores a
ireinta y nueve das. Por este motivo la distribucin de frecuencias se organiza conside-
rando el espacio muestral con los extremos 29 y 39 y dividido en cinco intervalos.
T f, (T1
29-31 0,016
31-33 0,412
33-35 0,412
35-37 0,132
37-39 0,028
^ ^ ^ x ^ ^ ^^^^^
ac el, ^ ^i : ^C ^
^^^xvx ^ ^C
.r: :^ C C .^ ^ ^ G :r ^: C G
^^ ^^ ^!', ^ ... \/^. tJ^^ ti) ^/"i V"r ti, ^ ^ ^1 ^ !r! ^ ^ l!`) ^r
x ^+ r^t ^c x c^a ^ r! -^-^ ^o --^
^^r.a?^.r!'NN`7N`7^^^^^^ ^^N--+
O G C Q` .-+ C J^-+ J --+ C C v', .....
^ ^O C^ C rJ .^.^ t^.
f f f I t f i f f
^^^^^^^^^^^^^^^^^^^
G G O O O O O^ O^ C^D O C^ ^--r O rt
I""' I I i I I
^^ 7^ ^^C.0^4a^+^O^^^^^ ^^
N!t- N N v r^a ra * N^t ^ t-
--,
G--r GO--^C^C--^G ^OC00--^000
^
a^ f I I
u
^
cn
^-^ v^, {n ^n ^, ^r, +n +n ^n er`, ari c+^ r^ ^n v^
^
.- ^ ^^^d^^^^^-^^t'^1^
. . . . ^
--^c^^.-rr--c^oc>^^
I I I 1 I
c4
...i ^-, d^ M . Q'^ M r^.. O`^ ^ CT ^ d^^^^^^ .. M M
c'^ C'`- 4^ ^^, ^ v^ 00 d' c^ J V^ ^r7 u7 QO cY7 O^ M c+i V'^ QO
^ ^-+ r-+ ^-+ ^--+ ^ N N N N N N['^`i N M M ^-+ .--+
...
un
QQ^C?^^^`^1Q^^ O'wCTOc'^^^^d' ^t^^^MCT
^ ...r
t^ Q r's M t^- CT v^ .-+ 00 ^ r^^ v^ ^n ^n ^n o0 ^T ^n ^et
^.-+-' r+NN r-+NNNNN-+^
z,
N ^ O N^^-M-^^^^^.N -.^^ ^^ p ^UNOC^TOO^^
:c ['^ Q r^ O v^ O O u'^ 00 ^r`^ ^^t rt ^7' ^n t^- ^n v'^ O C^
0 w^
cv ^o ac v-^ o^n oo r^ N o^ ^n ^n ^n ac^ r-, r- r^ cn ^n a^
^'+ .-^+ ^--r +-r .-+ N+-+ N N N N(+'^ N M M-r ^-+
^ t~
<
^
U y.
^ N *-+^ ^^ ^OOGTCrQ^^C'^00^
^ !"^^G^U^^GQ^h
h- t^- t^ O v'^ O^r, ^n o0 O^ et tt .[`^- ^
W ~
cv cy ^^ oc7 ^ 04 rri v^ r^ ^ ^ ^.-^ ^ oo t-^- ^ r^
.-+ r-+ .-+ *-, ^--+ N+--^ N N N N N r--+ .-^
^
.-.r
v, cd *-^ C N N N c'^ u'^ !t ^^/'^
O C_ N M ^T +i^ C'`^ ^ ^ 00 r-r .-+ .-^ ..-r .-r r-+ ^-+ .--r --^ -^ ^O O^
y LJ. r r r r r r r r r r ^ r r ^ r r r ^ ^ r
U r
^ - ... *-+ ^--+ N N M d^ tiO [1- O^ 00 O*-^+ ^/') N N N c'h `^f ^`i OC^
in C .--^ T-. .-- .-r r-, .-r .^-,
.-.
u
ee^
>, c'^ ^L? ^O CV `7 `d' `rt t^^ u'`^ ^,p ^G N d' c'^ N M v^ M 0 0
^
^
concluir que la prohabilidad de que ei tiempo total de ejecucin est entre treinta y uno y
treinta y siete das es:
P(31 < T^ 37) = F(T = 37) - F(T = 31) = U,972 - O,U16 = 0,956
Es, por tanto, interesante para el empresario fijar un riesgo mnimo de no cumplir el
proyecto en el plazo prometido y conocer el tiempo Tp, al que puede comprometerse para
acabar el proyecto asumiendo l ese riesgo.
Si asumimos un riesgo (1 -- p) = 5 por 100, el tiempo T^ tal que P(T , Tp) = 0,95 es
en nuestra aplicacin Tp = 36,66, que indica que la probabilidad de terminar el proyecto
en treinta y siete das es algo mayor del 95 por 1C}o.
La ltima columna del cuadro 2 nos indica el ndice de criticidad de las distintas
actividades en que se descompone el proyecto. Este ndice mide el tanto por uno de veces
que cada una de ellas ha sido crtica en el total de las generaciones simuladas (en nuestro
caso 250). As las actividades 4, 13, 15 y 20 que presentan un ndice nulo, nunca han sido
crticas y, por tanto, es presumible que para cualquier valor que tomen los tiempos de
ejecucin de las actividades aleatorias nunca pertenecern al camino crtico; por el contra-
rio, las actividades 1, 3, 6, 7, 9, 12, 14, 17 y 19 presentan un ndice superior al $0 por lUO,
lo que nos hace concluir que es muy probable que pertenezcan al camino crtico cuando el
proyecto se realice. El resto de las actividades tienen un valor para el ndice de criticidad
de 0,284 la 16 y 18 y de O,SU4 las dems.
ANEXC^ I.-URGANIGRANiAS
PROCRAh1^1 Nfl 1
^KIN CI}^7:C^
DAR EL VALOR
^
A( I, J}
^ ^^^
ARCH IV A 1 ^A l'ftATR I Z A
F zrl
E^:L CUNTRUI_ [)E: PRC)YE<"`iU^ 93
PROGRAr^tA NQ 2
_._.._.,,^.---
YRINCI^IO
I = 1
F 1= FN C X^I ^^--1
F 2=FN C ( K-1)
F3=FNC X( I ) -K
s
wo
F(I,2)=F(I,1
F(I,2 =F(I-1,2)^F(I,l
S1
N^
I = I ^ 1
J = 1 ^
.^..^_
F IN
L= =1
.
^
^o
REGRESA A LA FUNCIC}N F
_._._.___.._._.,_^...,.-...
t t c^r^^r^tc^^_ t^E-: t'tzc^tit.r^^ir^^ y5
PROGRA''.^ N9 3
PRINCIPIO
nt ra a de :
N 1= NQ DE VARILBLES EN HISTOGR.
N 2= N 4 DE VARIABLES BETA
N 3= N Q DE VARIABLES DISCRETAS
I = 1
^^-z,-1) -_ _I
A I, 2^=DURAC ION DE LA ACT IV IDAD I
A( I, 3^=VERT ICE ORIGEN
A( I 4)=VERTICE FIN
a
-I
^ I 1
S E LA MA T R IZ DE DATOS
^ I _ ^- 1 i
L D= N g DE ERRORES
NO
^
ENLAZA CUN EL NLU (,^U_E___D^: 1^' J.1,A - ^
9C, ESTAI^lSTiC.`A ESPAI^iC)LA
PRGRAMA NQ 4
^^w ^ ^.^^
FRINCIPIO
_^_______ ^ _ ^ ,.
KS=N Q MAXIIl^O DE VALORES DE X
I = 1
R I, 1 = VALORES DE X I
R( I, 2}=ARCH IY 0 DE LOS VALORES DE X( I)
K{I) =INDICE DE LA ACTIVIDAD I ,
^
L_.____^ ^
^ BU S C A R LA MATR IZ V EN R (I 2)
I^^I,J) = V(J)
J ^
F IN
F:l, C'ONTROL I^F PR(aYFC`T<)S 97
pRO^^^^
_ N^ 5
FRINCIPIO
I =1
PROGRA?^tA Ng 6
PRINCIFIU
K = 1
K 1
P ROC RA 1^1.^ N Q 7
F'RINCIPIC.
SI
O
MAT 8 = ldA T M=b1AT P7 = C ERO
^^^ w^^wi^^^
S1--V 2-0
._._
.___ _ __.
__
^.o.+..^^^
^^
^i ^i ^^^^^W..^^^^
X1 ^RN D ^ 0 . 9^
X2=RND(.5)
^
M8=X1 T ( 1fP ( H )}^X 2 T ( 1fC^(H) )
^
F=_S^^AI:)tST1C A F.SPAN4.)I.R
^ RD^O.?5^
- ^ ---- - --
r^^^.^^^ ^^
E^1_ CUNTRUL DE: PRCJYE:CTC)S 101
1
^
I w= RND ( 0. $j-
T-
X=X( L, I
A[K(L),2]=X
L ^ 1
.
1O^ r^ t:^i>i^, rtc a r.^,t^.a^:c,t .^^
f^:[. (^O^+"I^k<)1. I^)E PFtUYF ( ^^1O^ lll^^
E.STAD[tiTIC'A ESPA!rC)I A
H(I,l)=Ttx(I,4),2) -TtA(I,3),l^-A(I,2)
H(I,2}=T^,A(I,4),1] -TCA{I,3).l^-A(I,2)
H(I.3}=TCA(I,4),l^ -T[A(I,3),2]-A(I,2)
H(I,5}^TCA(I,4),2^ -A{I,2)
H(I.6)=TCACI^3),1^ }ACI.2)
x C i, 4 )^o
= 1
= 1
M( I,J)=M( I,J)-EH{I,J}
I ^ 1
..
iv o
EL C'Cl!YTRC)L_ DE-^ PRt)1'ECCUS
il' = .^
1 ^
J ^ 1
S1= Sl ^ T(M,2}
S2i S2 ^ T(M,2)t2
G^1=[T(1^, 2) - D1^/S
G2= 1 ^ INT ( G1)
i--
H(G2) = B(G2^_ ^ 1_
U = U ^ 1
Ml = Sl/`V
r^I2 = S21`V-Mlt2
ESGRIBE:
VAI,OR bIEDI^} UEL T. TlJTAL = N'1
VARIAI^`ZA DEI, T. TO'rAT^ = D12
1(1f^ F ti[^,lll^.l.l( A f^ tiP.-^+,tit ) ..^,
_ _ _ _ __
^-----
P.^I^:CI.I IO
^SC^I t3^; .
V 3,LQRES I`^I ED I 0 S S I IU LA DO S
ESCRIBE:
ACT IV I TJAD, FECHA DE COb'I EN Z L^AS
TEIri^Ra.NA ^ biAS TARDIA, FECHA DE TER
^ciINAC IO^^ b1AS 3'E^4?FRANA Y blAj^ fiARDIA 1
f^l_ (.^Uri"TRC^L UE^ E'Rt.)YE^^C^"T^Oti ^ ^
ESCRIBE:
DISTRIBUCIC^N DE FRECUENCIAS
TIEM^PG TTAL /
ESCRI BF :
D1 ^ S ^ { I_3^ )_____ g( I
P I N ^^
fSTADISTiCA E^SPA!VC)t_A
ANEXO II.-PROGRAMAS
Programa n^im. 1
Pro^grama nm. 2
Programa nm. 3
10 REM SIMULACION-PERT
2U REDIM M(N,),N(M,3)
30 IF N1=0 AND N2=0 THEN 480
35 IF N3=0 THEN 480
40 DISP "NUMERO DE G ENERACIONES";
50 I NPUT V
60 DISP "Dt.JRACION FINAL MAX, MIN";
70 INPUT D2,D 1
80 S=(D2-D1)/10
90 MAT B=ZER
100 MAT M=ZER
110 MAT N=ZER
120 S1=S2=0
130 FO R U=1 TO V
140 IF N2=0 THEN 230
15U FOR H=1 TO N2
160 Xl = RND(0.9)
170 X2= RND(0.5)
18U M8=X1 T (1jP(H))+X2 T (1/Q(H))
190 IF M8 ? 1 THEN 160
200 A(C(H,1),2)=E(H,1)+(X1 ^` (1/P(H)) * (E(H,2)-E(H,1))/M8
210 PRINT "A("C(H,1)",2) _ "A(C(H,1),2)
22U NEXT H
23U IF N1=0 THEN 370
24(1 FO R K=1 TO N 1
2S0 W= RN D(0. 75 )
260 FO R I=1 TO 5
270 IF W> T(I,K) THEN 350
280 IF I# 1 THEN 310
290 X=G(K,1}+Z{K) * (W%F(1,K))
300 G OTO 320
310 X=G{K,1)+Z{K} * (I-1)+Z(K) * (W-F(I--1,K))/(F(I,K)-F{I-1,K))
320 A(D(K,l),2}=X
112 E:^STADISTIC^A ESPAOC.A
K10 NEXT I
^320 IF N1=0 AND N2=0 THEN 1O8O
^i25 IF N3=O THEN 1{)!^U
H30 FOR J=1 TO 6
840 FOR I=1 TO N
850 M(I,J)=M(I,J)+H(I,J)
8fi0 NEXT I
870 N EXT J
880FORJ=1T03
890 FO R I=1 TO M
900 N(I,J)=N(I,J)+T(I,J)
910 NEXT I
920 N EXT J
930 S1=S1 +T(M,2)
940 S2=S2+T(M,2} ^` 2
950 G1={T(M,2)=D1)/S
960 G2=1+INT(C'^1)
970 B{G2)=B{G2)+ 1
980 N EXT U
990 M1=S1f V
1000 M2=S2^V-Ml ^' 2
1 O 10 MAT M=(1%V )* M
1020 MAT-B = (1/V ) * B
1030 MAT N=(1/V) * N
1040 MAT H = M
1050 MAT T= N
lOfiO PRINT "NALOR MEDIO DEL TIEMPO TOTAL="M1
1070 PRINT "VARIANZA DEL TIEMPO TOTAL="M2
1080 DISP "HECHO";
1()90 END
BIBLIOGRAFIA
CAlYAS MADUEO, J. A., y Dtos PALOMARES, R.: Los mtodos PERT y RUY en el control de
proyectos y los microcomputadores. Proceso de Datos, nm. 94, Madrid, octubre 1979.
PHiLLiPS, D. T.; RAVINDRAN, A,, y SOLBERG, J.: Operations Research: Principtes and Practice. John
Wiley and Sons. INC. USA, 1976.
E=.1. CIUti'TR()1_ UE^ YROYEC"T(:)5 1]5
RoME^RO LbPFZ, C.: Tcn^cas de pro^ramacin ti^ contro! de prc^y^ect^^s^. 2.' ed. Edieiones Pirmide.
Madrid, 19K3.
SUMMARY