herramientas para el análisis cuantitativo de riesgos en proyectos

33
© Jairo Abraham Bernal Villanueva Herramientas para análisis cuantitativo de riesgos

Upload: memorias-conferencias-aciem

Post on 31-Mar-2016

249 views

Category:

Documents


3 download

DESCRIPTION

Herramientas para el análisis cuantitativo de riesgos en proyectos

TRANSCRIPT

© Jairo Abraham Bernal Villanueva

Herramientas para análisiscuantitativo de riesgos

Jairo Abraham Bernal Villanueva Ingeniero de sistemas Especialista en proyectos informáticos Especialista en gestión de proyectos de ingeniería Magister en gestión de proyectos Project Management Professional (PMP), Project Management

Institute Profesor de Gestión de Proyectos de la Universidad Distrital Profesor de Gerencia de Proyectos de la Universidad EAN Socio fundador de Dirigiendo Proyectos Amplia experiencia como director de proyectos de diversa índole Consultor empresarial en gestión organizacional de proyectos

Correo-E: [email protected] [email protected]

© Jairo Abraham Bernal Villanueva

Objetivos

Identificar el concepto de riesgos en proyectos Identificar los procesos de la gestión de riesgos Revisar de modo somero los procesos de

planeación, identificación y análisis cualitativo de riesgos. Revisar el proceso de análisis cuantitativo de

riesgos. Identificar herramientas de fácil acceso para

realizar análisis cuantitativo de riesgos.

© Jairo Abraham Bernal Villanueva

Gestión de riesgos en los proyectos

¿Qué es un riesgo? PMBoK: Un evento o condición incierta que, si

sucede, tiene un efecto en por lo menos uno de los objetivos del proyecto. Los objetivos pueden incluir el alcance, el cronograma, el costo y la calidad. NTC-ISO 31000: Efecto de la incertidumbre

sobre los objetivos

© Jairo Abraham Bernal Villanueva

Gestión de los Riesgos –Conceptos

Tolerancia al Riesgo: El nivel de riesgo que el equipo de trabajo y el patrocinador del proyecto, pueden aceptar, para continuar con el proyecto hasta su terminación.

Activadores: Las primeras señales o indicaciones de que el riesgo se va a producir.

Incertidumbre: Estado, incluso parcial, de deficiencia de información relacionada con la comprensión o el conocimiento de un evento, su consecuencia o probabilidad.

Gestión de riesgos en los proyectos

Aumentar la probabilidad y el impacto de los eventosque puedanafectar de forma positivaal proyecto.

Anticiparse y gestionar la

incertidumbre

Disminuir la probabilidad y el impacto de los eventosque puedanafectar de forma negativaal proyecto.

© Jairo Abraham Bernal Villanueva

Problemas vs. RiesgosProblema Evento que está ocurriendo e

impactando el proyecto. Solucionable, requiere acción

inmediata Descubierto (normalmente de

forma reactiva) durante la ejecución del proyecto.

Ejemplo No hay disponibilidad de

infraestructura para la instalación del producto.

Faltan los recursos necesarios para el inicio de cierta actividad

Hay retraso en el cronograma

Riesgo Evento que puede ocurrir y

causar impacto en el proyecto. Es gestionable Puede y debería ser identificable

previamente Puede convertirse en un

problema.

Ejemplo Comportamiento del cambio del

dólar. Modificación en la normatividad

que aplica al proyecto. Los equipos que se adquieran

no son compatibles con la infraestructura actual.

Objetivos del Proyecto

Gestión de Riesgos – ConceptosCAUSAS

RIESGO(EVENTO)

Efectos negativos Efectos positivos

ACTIVADOR

ACTIVADOR

ACTIVADOR

ALCANCE TIEMPO COSTOS CALIDAD

Impacto

Si ocurre OportunidadesAmenazas

Como resultado de «Causa» puede ocurrir «Evento» lo que provocaría «Impacto»

Prevención

Detección

CorrecciónCorrección

Componentes de los Riesgos Evento de riesgo. Probabilidad de ocurrencia. Impacto de los efectos de su ocurrencia. Criticidad.

Probabilidad, es la posibilidad u oportunidad de ocurrencia de un evento. Impacto, es el efecto en el proyecto si el evento

de riesgo ocurre. Medida de Riesgo (criticidad). Se utiliza una

matriz o Probabilidad x Impacto

Procesos de la gestion de riesgos en los proyectos

1. Planificarla gestiónde riesgos Incertidumbre

Anticipación y Gestión

2. Identificarlos riesgos

3. Analizarcualitativamente

los riesgos

4. Analizarcuantitativamente

los riesgos

5. Planificar la respuesta a los

riesgos6. Controlarlos riesgos

© Jairo Abraham Bernal Villanueva

Planificar la gestión de riesgos

¿Como vamos a identificar los riesgos?

¿Cómo haremos el análisis cualitativo?

¿Cómo haremos el análisis cuántitativo?

¿Cómo planificaremos la respuesta?

¿Cómo controlaremos los riesgos?

Plan de gestión de riesgos del proyecto

© Jairo Abraham Bernal Villanueva

Identificación de riesgos

Revisión de documentación

Lluvia de ideas

Técnica Delphi Listado de riesgos

identificadosAnálisis de supuestos

Análisis POAM o DOFA

Juicio de expertos

© Jairo Abraham Bernal Villanueva

Análisis cualitativo

Evaluar la probabilidad

Evaluar el impacto

Calificar los riesgos

Probabilidad Amenazas Oportunidades Muy Alta Alta Media Baja Muy Baja Impacto Muy

Leve Leve Moderado Alto Muy Alto Muy Alto Alto Moderado Leve Muy

Leve

Priorización Riesgos Bajos Riesgos Medios Riesgos Altos

© Jairo Abraham Bernal Villanueva

Análisis cuantitativo de riesgos

Criticidad = Probabilidad x Impacto; Alto Riesgo > 0.25

Probabilidad

0.90

0.70

0.50

0.30

0.10

0.900.700.500.300.10Impacto

0.090.070.050.030.01

0.270.210.150.090.03

0.450.350.250.150.05

0.630.490.350.210.07

0.810.630.450.270.09

ERRÓNEO

Análisis Cuantitativo

Análisis Cualitativo

Analiza los riesgos de forma descriptiva

Evalúa la probabilidad de ocurrencia y el impacto en los objetivos si se produce

Se priorizan los riesgos para su posterior tratamiento

Lidera el análisis cuantitativo de riesgos

Análisis CuantitativoPredice los resultados del proyecto a partir de los efectos de los riesgos

Utiliza distribuciones de probabilidad para caracterizar la probabilidad y el impacto

Utiliza modelos de proyecto (estimados de cronograma y costos)

Utiliza un método cuantitativo, requiere herramientas especializadas

Estima la probabilidad de cumplimiento de los objetivos

Identifica los riesgos con mayor efecto sobre el riesgo global del proyecto

© Jairo Abraham Bernal Villanueva

Distribuciones de probabilidad

0,00000

0,05000

0,10000

0,15000

0,20000

0,25000

0,30000

0,35000

0,40000

0,45000

© Jairo Abraham Bernal Villanueva

Distribuciones de probabilidad

0,00%

5,00%

10,00%

15,00%

20,00%

25,00%

30,00%

35,00%

40,00%

7,5 8,5 9,5 10,5 11,5 12,5 13,5

Optimista 8Más probable 9Pesimista 13

© Jairo Abraham Bernal Villanueva

Estructura del Análisis Cuantitativo de Riesgos

Priorización de los Riesgos(Análisis Cualitativo)

Examinar Interrelaciones entre los Riesgos

Recopilar Información de Alta Calidad de los Riesgos

Modelo de Proyecto(Cronograma, Costos)

Realizar Análisis Cuantitativo

(Simulación de Montecarlo, Análisis de Árboles de

Decisión)

Resultados• Probabilidad de Éxito• Cálculo de contingencia• Riesgos de alta prioridad

© Jairo Abraham Bernal Villanueva

Árboles de decisiónUn director de proyecto analiza ofertas de distintos proveedores para tercerizar uno de los productos del proyecto:El proveedor 1 ofrece el producto por 9 millones de pesos, el proveedor 2 por 10 millones de pesos, desarrollar el producto internamente costaría 8 millones de pesos.Analizando la documentación de proyectos anteriores se encuentra lo siguiente: Hay un 30% de probabilidad de que el proveedor 1 entregue con 45 días

de retraso lo que ocasionaría una multa de 3 millones y medio de pesos. Por otra parte con el proveedor 3 hay una probabilidad del 15% de que

entregue con una semana de retraso, lo que ocasionaría una multa de 500 mil pesos.

Desarrollar el producto internamente implica un 60% de probabilidad de que se entregue con 60 días de retraso lo que ocasionaría una multa de 5 millones de pesos.

Identificar cuál es la mejor alternativa y cuánto es el valor de la reserva que se debe ubicar.

© Jairo Abraham Bernal Villanueva

Árboles de DecisiónDefinición de la decisión Nodo de decisión Nodo de posibilidad Valor neto del

camino

Decisión por tomar Entrada: Costo de cada decisiónSalida: Decisión tomada

Entrada: Probabilidad del escenario, recompensa o multa si ocurreSalida: Valor monetario esperado (EVM)

Calculados: Beneficios menos costos a lo largo del camino

Desarrollar o contratar

Proveedor 1$ 9 M

Proveedor 2$ 10 M

Desarrollo interno $ 8 M

Multa$ 3,5 M

Sin Multa$ 0 M

Multa$ 0,5 M

Sin Multa$ 0 M

Multa$ 5 M

Sin Multa$ 0 M

30 %

70 %

60 %

40 %

15 %

85 %

$ 12,5 M = $ 9 M + $ 3,5 M

$ 9 M = $ 9 M + $ 0 M

$ 15 M = $ 10 M + $ 5 M

$ 8,5 M = $ 8 M + $ 0,5 M

$ 10 M = $ 10 M + $ 0 M

$ 8 M = $ 8 M + $ 0 M

$ 12,5 M

$ 9 M

$ 10,5 M

$ 10 M

$ 13 M

$ 8 M

$ 10,05 M = 0,3 * $ 12,5 M + 0,7 * $ 9 M

$ 10,075 M = 0,15 * $ 10,5 M + 0,85 * $ 10 M

$ 11 M = 0,6 * $ 13 M + 0,4 * $ 8 M

Nodo de decisión

Nodo de posibilidad

Fin de la rama

DecisiónProveedor 1$ 10,05 M

La opción seleccionada es la 1 con $ 9M y una reserva de $ 1,05 M

Reserva de Contingencia

Actividad Costo Probabilidad de Riesgo

Impacto de Riesgo

Reserva

A $ 9M 25% $ 2 M $ 0,5 MB $ 12 M 30% $ 6 M $ 1,8 MC $ 10 M 10% $ 4 M $ 0,4 MD $ 6 M 15% $ 4 M $ 0,6 ME $ 25 M 12% $ 5 M $ 0,6 MTotales $ 62 M $ 3,9 M

Como resultado del análisis cuantitativo podemos establecer la reserva de contingencia de una manera más “objetiva” y con un soporte matemático.

© Jairo Abraham Bernal Villanueva

Estimación PERT

¿Cuál será el rango de la duración total del proyecto con 1 sigma?¿Cuál será el rango de la duración total del proyecto con 2 sigma?¿Si el tiempo impuesto por el patrocinador es de 52 días, cuánto es la probabilidad de cumplir?

En un proyecto hay sólo cinco actividades críticas y tienen una duración estimada que se presenta en la tabla a continuación:

Actividad Optimista Más probable Pesimista Estimado Desviación estándar

A 3 6 9 6 1B 5 11 23 12 3C 6 9 18 10 2D 4 10 22 11 3E 2 8 14 8 2Totales:

𝑧𝑧 =𝑡𝑡𝑝𝑝 − 𝑡𝑡𝑒𝑒𝜎𝜎

=52 − 47

5,2=

55,2

= 0,96=DISTR.NORM.ESTAND(0,96)

La probabilidad es de 83,15%

Varianza

19494

2747 5,20

Simulación MonteCarlo

1. Diseñar el modelo a similar.2. Especificar distribuciones de probabilidad para las variables aleatorias relevantes.3. Incluír posibles dependencias entre variables.4. Muestrear valores de las variables aleatorias5. Calcular el resultado del modelo según los valores del muestreo (iteración) y registrar el resultado6. Repetir el proceso hasta tener una muestra estadísticamenterepresentativa7. Obtener la distribución de frecuencias del resultado de lasiteraciones8. Calcular media, desviación y otras variables estadísticas.

Análisis de Montecarlo

Tiempo ProbabilidadActividad A 1,5 20,00%

2 40,00%3 40,00%

Actividad B 2,5 30,00%2,8 15,00%3 45,00%

3,3 10,00%Actividad C 4 30,00%

4,2 40,00%4,7 30,00%

Actividad D 2,3 10,00%2,5 12,00%2,7 13,00%2,8 60,00%2,9 5,00%

Actividad E 3,1 40,00%3,5 45,00%4 15,00%

Se tiene un proyecto con cinco actividades críticas. Al revisar la base de datos histórica de proyectos de la organización se encuentran actividades similares a las que se deben realizar, se obtienen los tiempos reales de duración de las actividades y se calcula con ellos la probabilidad de ocurrencia.Se solicita elaborar un análisis de Montecarlo que suministre la probabilidad de cumplir con el objetivo de tiempo de 16 días.

© Jairo Abraham Bernal Villanueva

Montecarlo con datos PERT

¿Cuál será el rango de la duración total del proyecto con 1 sigma?¿Cuál será el rango de la duración total del proyecto con 2 sigma?¿Si el tiempo impuesto por el patrocinador es de 52 días, cuánto es la probabilidad de cumplir?

En un proyecto hay sólo cinco actividades críticas y tienen una duración estimada que se presenta en la tabla a continuación:

Actividad Optimista Más probable Pesimista

A 3 6 9B 5 11 23C 6 9 18D 4 10 22E 2 8 14

© Jairo Abraham Bernal Villanueva

Montecarlo con datos PERTfunction [vector]=pertrand(opt, mprob, pes, cantidad)

// Esta función calcula un vector de k elementos // con distribución PERT, los parámetros son:// opt: Valor optimista// mprob: Valor más probable// pes: Valor pesimista// tomando k = 2k = 2;a = 1 + k * (mprob - opt) / (pes - opt);b = 1 + k * (pes - mprob) / (pes - opt);vector = grand(cantidad, 1, 'bet', a, b) * (pes - opt) + opt;

endfunction

http://www.cyta.com.ar/biblioteca/bddoc/bdlibros/pert_van/ESTIMSUB.pdf

© Jairo Abraham Bernal Villanueva

Montecarlo con datos PERTn=20000;clear datos;A=pertrand(3,6,9,n);B=pertrand(5,11,23,n);C=pertrand(6,9,18,n);D=pertrand(4,10,22,n);E=pertrand(2,8,14,n);datos = [A B C D E A+B+C+D+E];clear A;clear B;clear C;clear D;clear E;

Actividad Optimista Más probable Pesimista

A 3 6 9B 5 11 23C 6 9 18D 4 10 22E 2 8 14

© Jairo Abraham Bernal Villanueva

Taller

La practica es el mejor maestro:

SoluciónDefinición de la

decisiónNodo de decisión Nodo de posibilidad Valor neto del

camino

Decisión por tomar Entrada: Costo de cada decisiónSalida: Decisión tomada

Entrada: Probabilidad del escenario, recompensa o multa si ocurreSalida: Valor monetario esperado (EVM)

Calculados: Beneficios menos costos a lo largo del camino

Desarrollar o contratar

Planta grande$ 3 M

Planta pequeña$ 1,5 M

Utilidades$ 5 M

Utilidades$ 3,25 M

Utilidades($ 0,95) M

Utilidades$ 2,5 M

Utilidades$ 2,1 M

Utilidades$ 1,5 M

50 %

20 %

20 %

30 %

30 %

50 %

$ 2 M = $ 5 M - $ 3 M

$ 0,25 M = $ 3,25 M - $ 3 M

($ 3,95) M = - $ 3 M - $ 0,95 M

$ 0,6 M = $ 2,1 M - $ 1,5 M

$ 1 M = $ 2,5 M - $ 1,5 M

$ 0 M = $ 1,5 M - $ 1,5 M

$ 2 M

$ 0,25 M

($ 3,95) M

$ 1 M

$ 0,6 M

$ 0 M

($ 0,135) M = 0,5 * $ 2 M + 0,2 * $ 0,25 M + 0,3 * (-3,95) M

$ 0,62 M = 0,5 * $ 1 M + 0,2 * $ 0,6 M + 0,3 * 0 M

Nodo de decisión

Nodo de posibilidad

Fin de la rama

DecisiónPlanta grande$ 0,62M

Diagrama de Red del punto 2

Solución del punto 3ID ACTIVIDAD PREDECESORAS

DURACIÓN (Semanas)O MP P TE DE V

A Elegir Bodega - 1 3 5 3 0,67 0,44B Crear Plan - 3 4,5 9 5 1,00 1,00C Requisitos de Personal B 2 3 4 3 0,33 0,11D Diseñar medios A, C 2 4 6 4 0,67 0,44E Remodelar interiores D 4 7 16 8 2,00 4,00F Elegir Personal a Trasladar C 1 1,5 5 2 0,67 0,44G Contratar nuevos empleados F 2,5 3,5 7,5 4 0,83 0,69H Trasladar oficinas F 1 2 3 2 0,33 0,11I Realizar arreglos financieros B 4 5 6 5 0,33 0,11J Asegurar el entrenamiento F 1 3 5 3 0,67 0,44K Capacitar al personal H, G, J 1,5 3 4,5 3 0,50 0,25

Totales 20 2,36 5,56

TS = 22Z = 0,85

Probabilidad = 80,19%

Probabilidad = 95,00%Z = 1,64

TE = 23,88

Probabilidad=DISTR.NORM.ESTAND() Z=DISTR.NORM.ESTAND.INV()

Conclusiones

1El análisis cuantitativo de riesgos no essimplemente dar valores a probabilidad e impacto y multiplicar.

2Si se cuenta con información de calidad esrecomendable realizar análisis cuantitativo.

3Se pueden utilizar herramientas de fácilacceso para realizar el análisis cuantitativo.

© Jairo Abraham Bernal Villanueva

© Jairo Abraham Bernal Villanueva