[EN] Scheduling is of critical importance to project management. Traditional project scheduling methods, such as PERT and CPM do not treat interdependence of activities; thus, the dependency structure matrix (DSM) has become a common tool for programming activities in recent years. The DSM has been useful for the analysis of systems with dependence among its components. In the context of scheduling, the DSM can be used to program activities, hence determining the project duration with and without communication times, as well as with and without overlapping of activities. However, the variables representing the DSM have usually been considered as deterministic, a situation that is not consistent with reality, thus limiting the effectiveness of the DSM. All input variables have uncertainties that are essential to the analysis the scheduling using the DSM. This thesis applies uncertainty analysis and global sensitivity analysis (GSA) to DSM-based scheduling. Specifically, the following objectives are explored: a) conduct uncertainty analysis using mathematical intervals (gray theory); b) perform uncertainty analysis using Monte Carlo simulation; c) apply GSA to identify significant variables in project scheduling; d) compare the various methods of GSA for identifying significant activities project scheduling; e) develop a methodology to identify activities and variables that are critical or influential in achieving a desired duration of the project. A conventional sensitivity analysis was conducted. The GSA was performed using scatter plots, partial correlation coefficients, rank partial correlation coefficients, standardized regression coefficients, rank standardized regression coefficients, Morris method, Sobol' method, and Monte Carlo Filtering method. In conclusion, uncertainty and sensitivity analysis should be an integral part of the DSM -based scheduling. This extension provides valuable information for project management that can improve the implementation of projects. From sensitivity analysis in particular, it has been found that the characterization of uncertainty of input variables is a key component in the sensitivity analysis of project duration. With regard to GSA standardized regression coefficients, Morris and Sobol' methods are best suited for GSA. Monte Carlo Filtering provides further assistance in identifying the critical variables. Restricting these critical variables can be used to compress the project duration. / [ES] La programación de actividades es una acción fundamental en la dirección y gestión de proyectos. Considerando que las técnicas tradicionales de planificación y programación de proyectos, PERT y CPM, no tratan bien la interdependencia de actividades, en los últimos años se ha incorporado la matriz de estructura dependiente (MED) como una herramienta para programar actividades. La MED ha mostrado ser una herramienta eficaz para el análisis de sistemas que presentan dependencia entre sus componentes. Su incorporación a la programación de actividades permite determinar la duración de proyectos sin y con tiempos de comunicación, sin y con solape de actividades. Sin embargo, las variables que representan la MED han sido consideradas como determinísticas, situación que no coincide con la realidad, y por lo tanto limitan su aplicación práctica. Todas las variables de entrada presentan incertidumbre que deben ser consideradas para analizar la programación de actividades usando la MED. Esta tesis busca reducir esa brecha de conocimiento estudiando el efecto de la incertidumbre en la programación de actividades basado en la MED realizando análisis de incertidumbre y análisis de sensibilidad global (ASG). Específicamente se plantean los siguientes objetivos: a) realizar análisis de incertidumbre usando matemática de intervalos (teoría gris); b) realizar análisis de incertidumbre usando simulación de Monte Carlo; c) aplicar ASG para identificar actividades y variables significativas en la programación de actividades; d) comparar los diferentes métodos de ASG como métodos para identificar actividades y variables significativas en la programación de actividades; y e) desarrollar una metodología que permita identificar las actividades y variables críticas o influyentes en lograr una duración de proyecto deseada. El análisis de sensibilidad fue realizado siguiendo los pasos convencionales de éste tipo de estudio. El ASG se realizó utilizando diagramas de dispersión, coeficientes de correlación parcial, coeficientes de correlación por rangos parciales, coeficientes de regresión estandarizados, coeficientes de regresión por rango estandarizados, método de Morris, método de Sobol' y método de Monte Carlo Filtering. La principal conclusión es: el análisis de incertidumbre y el análisis de sensibilidad deben ser parte integral de la programación de actividades usando la MED, estas técnicas suministran información valiosa para la dirección y gestión de proyectos que puede ser utilizada junto a otras informaciones para mejorar la ejecución de los proyectos. En particular en el análisis de sensibilidad es posible destacar que la caracterización de la incertidumbre de las variables de entrada es un componente clave en el análisis de sensibilidad en la duración del proyecto. En relación al ASG podemos destacar que los métodos de coeficientes de regresión estandarizados, método de Morris y el método de Sobol' son los más adecuados para realizar ASG. Además, la aplicación de Monte Carlo Filtering facilita la identificación de las variables críticas y su regionalización consigue comprimir la duración del proyecto. / [CAT] La programació d'activitats és una acció fonamental en la direcció i gestió de projectes. Considerant que les tècniques tradicionals de planificació i programació de projectes, PERT i CPM, no tracten bé la interdependència d'activitats, en els darrers anys s'ha incorporat la matriu d'estructura dependent (MED) com una eina per programar activitats. La MED ha mostrat ser una eina eficaç per a l'anàlisi de sistemes que presenten dependència entre els seus components. La seva incorporació a la programació d'activitats permet determinar la durada de projectes sense i amb temps de comunicació, sense i amb solapament d'activitats. No obstant això, les variables que representen la MED han estat considerades com determinístiques, situació que no coincideix amb la realitat, i per tant limiten la seva aplicació pràctica. Totes les variables d'entrada presenten incertesa que han de ser considerades per analitzar la programació d'activitats usant la MED. Aquesta tesi busca reduir aquesta bretxa de coneixement estudiant l'efecte de la incertesa en la programació d'activitats basat en la MED realitzant anàlisis d'incertesa i anàlisi de sensibilitat global (ASG). Específicament es plantegen els següents objectius: a) realitzar anàlisis d'incertesa utilitzant matemàtica d'intervals (teoria gris); b) realitzar anàlisis d'incertesa utilitzant simulació de Monte Carlo; c) aplicar ASG per identificar activitats i variables significatives en la programació d'activitats; d) comparar els diferents mètodes d'ASG com a mètodes per identificar activitats i variables significatives en la programació d'activitats; i e) desenvolupar una metodologia que permet identificar les activitats i variables crítiques o influents en aconseguir una durada de projecte desitjada. L'anàlisi de sensibilitat va ser realitzat seguint els passos convencionals d'aquest tipus d'estudi. L'ASG es va realitzar utilitzant diagrames de dispersió, coeficients de correlació parcial, coeficients de correlació per rangs parcials, coeficients de regressió estandarditzats, coeficients de regressió per rang estandarditzats, mètode de Morris, mètode de Sobol' i mètode de Monte Carlo Filtering. La principal conclusió és l'anàlisi d'incertesa i l'anàlisi de sensibilitat han de ser part integral de la programació d'activitats utilitzant la MED, aquestes tècniques subministren informació valuosa per a la direcció i gestió de projectes que pot ser utilitzada al costat d'altres informacions per a millorar la execució dels projectes. En particular en l'anàlisi de sensibilitat és possible destacar que la caracterització de la incertesa de les variables d'entrada és un component clau en l'anàlisi de sensibilitat en la durada del projecte. En relació a l'ASG podem destacar que els mètodes de coeficients de regressió estandarditzats, mètode de Morris i el mètode de Sobol' són els més adequats per a realitzar anàlisis de sensibilitat global. A més, l'aplicació de Montecarlo Filtering facilita la identificació de les variables crítiques i la seva regionalització aconsegueix comprimir la durada del projecte incloent. / Gálvez Ahumada, ED. (2015). ANÁLISIS DE INCERTIDUMBRE Y ANÁLISIS DE SENSIBILIDAD GLOBAL EN LA DURACIÓN DE PROYECTOS USANDO LA MATRIZ DE ESTRUCTURA DEPENDIENTE [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/58777 / TESIS

En esta Tesis se presentan metodologías que incluyen análisis de sensibilidad global, modelado y optimización dinámica, para el estudio de procesos que se llevan a cabo en sistemas de reacción biológicos, tales como biorreactores para la obtención de etanol y lagunas de tratamiento biológico de aguas residuales. Para ello se utilizan modelos cinéticos fuertemente integrados y dinámicos, de creciente complejidad, representados por sistemas de ecuaciones diferenciales y algebraicas. Los modelos cinéticos presentan un elevado número de parámetros que están involucrados en funciones altamente no lineales. Dichos parámetros tienen asociada incertidumbre que resulta, por ejemplo, de errores de medición y pueden influenciar los valores de las variables de estado. Por esta razón, es importante identificar los parámetros a los que las variables de estado son más sensibles, mediante análisis de sensibilidad. Se propone la implementación del análisis de sensibilidad global, basado en la descomposición de la varianza, aplicado a modelos dinámicos de biorreactores para la producción de bioetanol y del sistema de lagunas de estabilización. Este análisis se basa en la metodología propuesta por Sobol’ y permite obtener perfiles temporales de índices de sensibilidad de primer orden, total y de interacción entre parámetros, lo cual es útil para comprender complejas relaciones entre los parámetros y las variables del modelo. Además, se analizan diferentes estimadores de la varianza condicional, siendo el de Jansen el más adecuado para modelos más complejos proporcionando mejores resultados. La finalidad del estudio es determinar cuáles son los parámetros más importantes y que deben ser estimados con mayor precisión en forma experimental, para tener un modelo ajustado que pueda proveer predicciones confiables ante cambios en las condiciones de operación, tanto en sistemas de biorreactores de producción de etanol como de lagunas de estabilización. Posteriormente, se procede al diseño óptimo de un sistema de lagunas de estabilización para el tratamiento de aguas residuales. El desempeño de estos sistemas es comparable al de los barros activados, aunque el requerimiento de espacio es una condición limitante para su empleo. El diseño se realiza planteando un problema de programación mixto entera no lineal sobre una superestructura que considera tres tipos de lagunas (aeróbica, facultativa y anaeróbica) con la posibilidad de reciclo, lo que permite obtener la configuración óptima para cumplir con el objetivo de minimizar los costos del sistema con la restricción de que la carga orgánica del efluente sea inferior al valor establecido por las regulaciones ambientales. Finalmente, se implementan estrategias de manejo de las lagunas de tratamiento como problemas de optimización dinámica, donde se proponen como variables de control el agregado de nutrientes, esenciales para el desarrollo de los procesos biológicos, y la potencia que se debe proporcionar a los aireadores para asegurar una oxigenación dentro de las lagunas. / In this Thesis, several methodologies that include global sensitivity analysis, modeling and dynamic optimization are presented to deepen the knowledge on processes which take place in biologic reaction systems, such as bioreactors for ethanol production and wastewater treatment ponds. These models are based on dynamic and highly integrated kinetic models based on first principles, which are represented by differential algebraic equations systems. Kinetic models have a large number of parameters embedded in nonlinear functions. These parameters may have a certain degree of uncertainty due, for example, to measurement errors, and can influence the values of the state variables. Sensitivity analysis provides a mean to detect and rank the importance of parameters in a model. In particular, global sensitivity analysis is applied to a dynamic model, based on the variance decomposition using Sobol's method. This allows the calculation of first order, total and interaction indices for each parameter, which are useful to understand complex relationships between parameters. Several variance estimators are considered, being Jansen's the most appropriate for complex models, yielding the best results. As a result of this study, parameters can be ranked by importance and then experiments can be designed to find with the best precision those parameters that produce the largest impact on the prediction of state variables of the model. Furthermore, the design of stabilization ponds systems for wastewater treatment is addressed through the formulation of a mixed integer nonlinear programming problem over a supestructure which considers three types of lagoons (aerobic, anaerobic and facultative), including recycle streams. The objective function is total cost minimization, subject to constraints on the maximum legally allowed organic load. Finally, several strategies are proposed for the management of stabilization pond systems within a dynamic optimization environment, where the control variables are nutrient addition rate along the time horizon and aerators power for a suitable oxygen concentration, where required.