Buen dia, Agradeceria su apoyo para conocer cual es la regla para la aplicacion de los intervalos optimista, normal y pesimista; asi como la asignacion de probabilidades. Entiendo que los dias estimados es una asociación de mitad+planificado en extremos de los intervalos.
Muchas Gracias!!
If you would like to refer to this comment somewhere else in this project, copy and paste the following link:
ahora mismo la simulación de Monte Carlo funciona de la siguiente manera.
Selecciona todas las tareas de uno de los caminos críticos de un proyecto y le pide al usuario (persona que está planificando), para cada tarea 3 estimaciones.
* Estimación normal (EN). Supone ponernos en un caso de adversidad intermedia, y estimar cuanto se cree que dura la tarea.
* Estimación pesimista (EP). Supone que el usuario estime en circunstancias pesimistas, es decir, poniéndose en los peores casos de progreso de una tarea, cuantos días laborales cree que va a llevar la realización de la tarea.
* Estimimación optimista (EO). Supone que el usuario estime poniéndose en el caso más favarable, si todo va sobre ruedas, cuantos días laborales cree que va a durar una tarea.
Así mismo, para cada tarea se pide acompañar cada una de estas estimaciones de tiempo con un porcentaje de probabilidad. Tiene que cumplirse que:
p(EP)+p(EO)+p(EN) = 1 para cada fila (tarea) siendo P(X) la probabilidad de la estimación.
En el momento presente, la simulación de Monte Carlo no guarda los valores que el usuario cubre para un camino crítico para reutilzarlos en posteriores ejecuciones, de manera que tienen que rellenarse cada vez que el usuario desee ejectuar la simulación. Así mismo, se cubren los siguiente valores por defecto para todas las tareas al entrar en la página de la simulación (y que deben ser cambiados en general):
* Estimación normal. Duración actual de la tarea (en el diagrama de Gantt) y probabilidad 50%
* Estimación pesimista. Un 50% más la duración actual de la tarea y probabilidad 30%.
* Estimación optimista. Un 50% menos de la duración actual de la tarea y probabilidad 20%
A la hora de realizar la simulación, se genera en cada iteración una valor de la variable aleatoria "Duración de la tarea" para cada tarea del camino crítico seleccionado. La función de densidad de probabilidad que supone el programa para la duración de una tarea es una función discreta con 3 valores:
* Estimación normal. Se genera este valor de variable aletoria con probabilidad la indicada para la estimación normal.
* Estimación pesimista. Se genera este valor con probabilidad la configurada para la estimación pesimista.
* Estimación optimista. Se general este valor con la probabilidad configurada para la estimación optimista.
La duración del proyecto de la simulación para cada iteración es la suma de las duraciones de los valores generados de las variables aleatorias de todas las tareas de alguno del caminos crítico seleccionado. Con el total de iteraciones se calcula una función de densidad de probabilidad que refleja la probabilidad de acabar la tarea en un rago de fechas.
Espero que con esta explicación haya quedado un poco más claro. En cualquier caso, si no es así, no dude en volver a preguntar. Lo mismo si tiene cualquier otro comentario.
Un saludo.
If you would like to refer to this comment somewhere else in this project, copy and paste the following link:
Buen dia, Agradeceria su apoyo para conocer cual es la regla para la aplicacion de los intervalos optimista, normal y pesimista; asi como la asignacion de probabilidades. Entiendo que los dias estimados es una asociación de mitad+planificado en extremos de los intervalos.
Muchas Gracias!!
Hola, ¿qué tal?
ahora mismo la simulación de Monte Carlo funciona de la siguiente manera.
Selecciona todas las tareas de uno de los caminos críticos de un proyecto y le pide al usuario (persona que está planificando), para cada tarea 3 estimaciones.
* Estimación normal (EN). Supone ponernos en un caso de adversidad intermedia, y estimar cuanto se cree que dura la tarea.
* Estimación pesimista (EP). Supone que el usuario estime en circunstancias pesimistas, es decir, poniéndose en los peores casos de progreso de una tarea, cuantos días laborales cree que va a llevar la realización de la tarea.
* Estimimación optimista (EO). Supone que el usuario estime poniéndose en el caso más favarable, si todo va sobre ruedas, cuantos días laborales cree que va a durar una tarea.
Así mismo, para cada tarea se pide acompañar cada una de estas estimaciones de tiempo con un porcentaje de probabilidad. Tiene que cumplirse que:
En el momento presente, la simulación de Monte Carlo no guarda los valores que el usuario cubre para un camino crítico para reutilzarlos en posteriores ejecuciones, de manera que tienen que rellenarse cada vez que el usuario desee ejectuar la simulación. Así mismo, se cubren los siguiente valores por defecto para todas las tareas al entrar en la página de la simulación (y que deben ser cambiados en general):
* Estimación normal. Duración actual de la tarea (en el diagrama de Gantt) y probabilidad 50%
* Estimación pesimista. Un 50% más la duración actual de la tarea y probabilidad 30%.
* Estimación optimista. Un 50% menos de la duración actual de la tarea y probabilidad 20%
A la hora de realizar la simulación, se genera en cada iteración una valor de la variable aleatoria "Duración de la tarea" para cada tarea del camino crítico seleccionado. La función de densidad de probabilidad que supone el programa para la duración de una tarea es una función discreta con 3 valores:
* Estimación normal. Se genera este valor de variable aletoria con probabilidad la indicada para la estimación normal.
* Estimación pesimista. Se genera este valor con probabilidad la configurada para la estimación pesimista.
* Estimación optimista. Se general este valor con la probabilidad configurada para la estimación optimista.
La duración del proyecto de la simulación para cada iteración es la suma de las duraciones de los valores generados de las variables aleatorias de todas las tareas de alguno del caminos crítico seleccionado. Con el total de iteraciones se calcula una función de densidad de probabilidad que refleja la probabilidad de acabar la tarea en un rago de fechas.
Espero que con esta explicación haya quedado un poco más claro. En cualquier caso, si no es así, no dude en volver a preguntar. Lo mismo si tiene cualquier otro comentario.
Un saludo.