Considere el proyecto cuya información se adjunta.
import pandas as pd
pd.set_option("display.max_columns", None)
pd.set_option("display.max_rows", None)
import numpy as np
import matplotlib as plt
%matplotlib inline
datos_enunciado = pd.DataFrame([
# actividad, predecesora, duracion media, desviación típica
('A', '--- ', 10, 1.5 ),
('B', '--- ', 5, 0.4 ),
('C', 'A ', 6, 0.8 ),
('D', 'A ', 2, 0.7 ),
('E', 'B,C,D', 7, 1.8 ),
('F', 'B,D ', 8, 0.8 ),
('G', 'E,F ', 4, 1.4 ),
('H', 'B ', 7, 1.6 ),
] ,columns=['activity', 'predecessor', 'mean', 'stdev']).set_index('activity')
datos_enunciado| predecessor | mean | stdev | |
|---|---|---|---|
| activity | |||
| A | --- | 10 | 1.5 |
| B | --- | 5 | 0.4 |
| C | A | 6 | 0.8 |
| D | A | 2 | 0.7 |
| E | B,C,D | 7 | 1.8 |
| F | B,D | 8 | 0.8 |
| G | E,F | 4 | 1.4 |
| H | B | 7 | 1.6 |
datos_proyecto = datos_enunciado.copy()
prelaciones = PredecessorTable.from_dataframe_of_strings(datos_proyecto, activity='activity', predecessor='predecessor')
proyecto = prelaciones.create_project()
proyecto.pert(ranksep=0.6, nodesep=0.6)
path_matrix = proyecto.path_matrix(dummies=False)
proyecto.display_rutas("pert")number_of_samples = 1000activity_names = datos_proyecto.index
np.random.seed(2025) # reproducibilidad de la simulación
duration = pd.DataFrame([np.random.normal(size = number_of_samples,
loc = datos_proyecto.loc[task, 'mean',],
scale= datos_proyecto.loc[task, 'stdev'])
for task in activity_names
],
index=activity_names)duration.T.head()| activity | A | B | C | D | E | F | G | H |
|---|---|---|---|---|---|---|---|---|
| 0 | 9.861415 | 5.333463 | 5.664786 | 2.503223 | 8.664686 | 7.610057 | 3.623105 | 6.154956 |
| 1 | 11.101428 | 5.365496 | 3.876074 | 2.087051 | 8.603406 | 7.468062 | 2.533273 | 7.211664 |
| 2 | 7.841677 | 5.043916 | 6.088211 | 2.025739 | 5.381889 | 8.508664 | 4.581449 | 8.517712 |
| 3 | 9.004867 | 5.430444 | 7.022188 | 3.160544 | 9.021766 | 9.098809 | 1.077909 | 8.956832 |
| 4 | 9.848908 | 4.842277 | 5.885648 | 0.245137 | 8.982527 | 6.907041 | 4.243551 | 7.096002 |
La duración del proyecto se obtiene multiplicando la matriz de caminos por las duraciones de las actividades. El resultado es la duración de las rutas en cada iteración.
duraciones_caminos = path_matrix @ duration # Multiplicación matricial
duraciones_caminos.T.head()| Route_1 | Route_2 | Route_3 | Route_4 | Route_5 | Route_6 | |
|---|---|---|---|---|---|---|
| 0 | 27.813991 | 24.652429 | 23.597800 | 17.621254 | 16.566625 | 11.488419 |
| 1 | 26.114181 | 24.325158 | 23.189814 | 16.502174 | 15.366830 | 12.577159 |
| 2 | 23.893226 | 19.830753 | 22.957528 | 15.007254 | 18.134028 | 13.561628 |
| 3 | 26.126730 | 22.265085 | 22.342128 | 15.530118 | 15.607161 | 14.387276 |
| 4 | 28.960635 | 23.320124 | 21.244638 | 18.068356 | 15.992870 | 11.938279 |
La duración del proyecto en cada iteración se obtiene calculando el máximo de la duración de los caminos en esa iteración.
duracion_proyecto = duraciones_caminos.max(axis="rows").to_frame(name='duracion_proyecto')
duracion_proyecto.head(10)| duracion_proyecto | |
|---|---|
| 0 | 27.813991 |
| 1 | 26.114181 |
| 2 | 23.893226 |
| 3 | 26.126730 |
| 4 | 28.960635 |
| 5 | 26.674733 |
| 6 | 29.099118 |
| 7 | 28.088891 |
| 8 | 29.190272 |
| 9 | 28.317675 |
from pmule import display_histograma_tikz
display_histograma_tikz(duracion_proyecto['duracion_proyecto'])
duracion_proyecto.describe()| duracion_proyecto | |
|---|---|
| count | 1000.000000 |
| mean | 27.061946 |
| std | 2.666572 |
| min | 18.545490 |
| 25% | 25.198429 |
| 50% | 27.088022 |
| 75% | 28.783172 |
| max | 35.433588 |
Markdown(f"La duración media del proyecto es: {round(duracion_proyecto.mean(), 1)}, la desviación típica de la duración del proyecto es: {round(duracion_proyecto.std(), 1)}")La duración media del proyecto es: duracion_proyecto 27.1 dtype: float64, la desviación típica de la duración del proyecto es: duracion_proyecto 2.7 dtype: float64
Podemos ordenar los valores en sentido ascendente y quedarnos con aquél valor superior al 98% de las muestras.
resultado_1 = round(duracion_proyecto.sort_values(ascending=True, by='duracion_proyecto').iloc[int(0.98*number_of_samples),0], 1)Markdown(f"Podemos ordenar los valores en sentido ascendente y quedarnos con aquél valor superior al 98% de las muestras. De esta manera obtenemos un resultado igual a {resultado_1} periodos")Podemos ordenar los valores en sentido ascendente y quedarnos con aquél valor superior al 98% de las muestras. De esta manera obtenemos un resultado igual a 32.8 periodos
O bien, utilizando la función quantile
resultado_2 = round(duracion_proyecto.quantile(q=0.98, interpolation='higher'), 1)
from pmule import display_histograma_tikz
display_histograma_tikz(duracion_proyecto['duracion_proyecto'], percentil=0.98)
Markdown(f"O bien, utilizando la función `quantile`, obteniendo igualmente un valor de {resultado_2} periodos.")O bien, utilizando la función quantile, obteniendo igualmente un valor de duracion_proyecto 32.8 Name: 0.98, dtype: float64 periodos.