Aproximación de Medidas de desempeño en Redes de Duración Estocástica

Jaime M. Bustos, jbustos@ufro.cl

Universidad de La Frontera, Casilla 54-D Temuco-Chile

Robert Storer
Lehigh University

Resumen
Analizamos el problema de obtener la función de distribución (y/o sus primeros
momentos) de medidas de desempeño en redes cuyas actividades poseen una duración
estocástica. Se analiza diferentes métodos de aproximación (secuencial polinomial,
integración multivariada y simulación de Monte Carlo) para dos medidas de desempeño
comúnmente usadas en redes (Makespan y Tardanza total Ponderada) con énfasis en su
enfoque para manejar los operadores “max” y “convolución” de variables
correlacionadas.
Analizamos el problema de obtener la función de distribución (y/o sus primeros
momentos: media y varianza) de medidas de desempeño en redes cuyas actividades
poseen una duración estocástica. Este problema es especialmente relevante en análisis de
redes de proyectos y en scheduling de job shops con tareas de duración estocástica. A
partir de una red de tareas y sus duraciones estocásticas se propone elaborar una “Carta
Gantt Estocástica” como la de la figura donde tanto los tiempos de término de cada
trabajo como la medida de desempeño tienen asociadas funciones de distribución
probabilísticas (que aparecen representadas como CDFs en cada bloque de tareas de la
carta)

Start Completion
P (predecesors finish by time t) job,opn 1 - P (operation is finished by time t)
Marginal Probability Marginal Probability

M1 1,1 3,2 2,3

M2 2,1 1,2 3,3

3,1 2,2 1,3

M3
Marginal PDFs
C 3 C 2
C 1
Time

Se analiza diferentes métodos de aproximación de los tiempos de término de los trabajos:

1. Secuencial con discretización de las distribuciones
2. Secuencial con aproximación polinomial,
3. Integración multivariada
4. Simulación de Monte Carlo
Se considera dos medidas de desempeño comúnmente usadas en redes (Makespan y
Tardanza total Ponderada) con énfasis en su enfoque para manejar los operadores “max”
y “convolución” de variables correlacionadas.
A través de trabajo experimental en un extenso set de problemas demostramos que los
enfoques basados en simulación de Monte Carlo dominan a los otros enfoques en calidad
de la estimación. Una alternativa interesante es la aproximación multivariada de
momentos propuesta por Clark para el caso del Makespan.