Tipos de Curva S menos comunes: Rangos de control y gestión de recursos

En la primera parte de esta guía analizamos la estructura básica de la Curva S y cómo utilizar la metodología de Valor Ganado (EVM) para proyectar el costo final de un proyecto. Sin embargo, limitarse a la curva física o financiera estándar es solo rascar la superficie.

Existen otras formas de modelar la Curva S que son mucho menos utilizadas por los equipos de proyecto, pero que resultan críticas para el control avanzado y la gestión de recursos clave. En esta sección nos enfocaremos en ellas.

La Curva Banana: el rango de control que no existe en el Excel de nadie

Este es el concepto más avanzado y el menos implementado: la curva envolvente o banana curve.

En lugar de tener una sola línea de plan, un plan robusto tiene tres curvas de avance planificadas:

1. Curva Temprana (Early Start): Qué avance se lograría si cada actividad inicia en su fecha más temprana posible. Es la curva superior, el mejor escenario.
2. Curva Base (Planned): El programa oficial negociado.
3. Curva Tardía (Late Start): Qué avance habría si cada actividad inicia en su fecha más tardía sin atrasar el proyecto (usando la holgura total del cronograma). Es la curva inferior, el límite antes del atraso.

La zona entre la curva temprana y la tardía forma una banda con forma de banana. Mientras el avance real esté dentro de esa banda, el proyecto está en control, aunque visualmente parezca “atrasado” respecto a la curva base.

1
import numpy as np
2
import pandas as pd
3

4
meses = np.arange(0, 13)
5

6
def s_curve(t, t_total, k=8, offset_months=0):
7
    """
8
    Genera una curva S desplazada en el tiempo.
9
    offset_months positivo = curva desplazada hacia adelante (más temprana).
10
    offset_months negativo = curva desplazada hacia atrás (más tardía).
11
    """
12
    t_shifted = t - offset_months
13
    t_norm = (t_shifted / t_total) * k - k / 2
14
    s = 1 / (1 + np.exp(-t_norm))
15
    s = np.clip((s - s[0]) / (s[-1] - s[0]) * 100, 0, 100)
16
    return np.round(s, 1)
17

18
curva_temprana = s_curve(meses, 12, offset_months=-1.5)   # Adelantada 1.5 meses
19
curva_base     = s_curve(meses, 12, offset_months=0)
20
curva_tardia   = s_curve(meses, 12, offset_months=1.5)    # Retrasada 1.5 meses
21

22
# Avance real del proyecto (simulado)
23
avance_real = np.array([0, 2.5, 7.0, 17.4, 30.1, 44.8, 60.0, None, None, None, None, None, None])
24

25
df_banana = pd.DataFrame({
26
    'mes': meses,
27
    'curva_temprana': curva_temprana,
28
    'curva_base': curva_base,
29
    'curva_tardia': curva_tardia,
30
    'avance_real': avance_real,
31
})
32

33
# Diagnóstico al mes 6
34
mes_actual = 6
35
real_6 = avance_real[mes_actual]
36
rango_min = curva_tardia[mes_actual]
37
rango_max = curva_temprana[mes_actual]
38
base_6 = curva_base[mes_actual]
39

40
print(f"=== Diagnóstico al Mes {mes_actual} ===\n")
41
print(f"  Avance Real:        {real_6:.1f}%")
42
print(f"  Curva Base:         {base_6:.1f}%")
43
print(f"  Rango de Control:   [{rango_min:.1f}% - {rango_max:.1f}%]")
44
print()
45

46
if rango_min <= real_6 <= rango_max:
47
    desviacion_base = real_6 - base_6
48
    print(f"  ✓ DENTRO DEL RANGO (desviación vs base: {desviacion_base:+.1f}%)")
49
    print(f"    El proyecto está bajo control aunque parezca 'atrasado' vs la base.")
50
else:
51
    print(f"  ✗ FUERA DEL RANGO - Se requiere acción correctiva.")

1
=== Diagnóstico al Mes 6 ===
2

3
  Avance Real:        60.0%
4
  Curva Base:         65.6%
5
  Rango de Control:   [51.8% - 76.7%]
6

7
  ✓ DENTRO DEL RANGO (desviación vs base: -5.6%)
8
    El proyecto está bajo control aunque parezca 'atrasado' vs la base.

Un avance de 60% cuando la curva base dice 65,6% genera ansiedad inmediata en reunión. Pero si el rango de control va de 51,8% a 76,7%, ese 60% está perfectamente dentro de lo aceptable. La decisión de acción correctiva debe tomarse con el rango, no con la línea base como único referente.

La Curva S de Recursos: el uso que nadie hace

Hasta aquí hemos hablado del avance físico o financiero. Pero la Curva S puede y debe aplicarse a los recursos de forma separada:

• Curva S de Horas Hombre: ¿El despliegue de mano de obra sigue el perfil planificado?

El gráfico superior muestra la Curva S de Horas Hombre combinada con el Histograma de Personal (la campana). Esta visualización revela información logística crítica: el “pico” mensual dicta la infraestructura de terreno necesaria (campamentos, buses, supervisores), mientras que la aceleración previa indica el riesgo de “apilamiento” de faenas.

• Curva S de Materiales: ¿Las adquisiciones están al ritmo correcto?

Nota cómo la curva de materiales (ámbar) crece rápido al inicio para asegurar el abastecimiento de equipos pesados, y luego se aplana formando una “cola” de varios meses destinada a compras menores y terminaciones de obra.

• Curva S de Flujo de Caja: ¿Las salidas de dinero siguen el ritmo presupuestado?

De las tres, la curva de Flujo de Caja es crítica y casi nunca se modela correctamente en fase de planificación.

1
import numpy as np
2
import pandas as pd
3

4
# El avance físico puede ir según plan, pero el flujo de caja puede estar desfasado.
5
# Ejemplo: obra que paga materiales antes de instalarlos (stock de seguridad)
6
# y cobra al mandante con 30-45 días de desfase.
7

8
meses = np.arange(1, 13)
9

10
# Gasto real en materiales (se compra con 1 mes de anticipación al uso)
11
gasto_materiales_acum = np.array([
12
    3.5, 9.2, 18.0, 30.5, 44.1, 56.8,
13
    67.4, 76.2, 83.1, 88.9, 93.7, 97.5
14
])
15

16
# Ingresos del proyecto (cobros al mandante con 45 días de rezago)
17
ingresos_acum = np.array([
18
    0.0, 1.2, 5.8, 14.3, 26.7, 40.0,
19
    54.3, 65.8, 75.9, 83.1, 89.4, 94.8
20
])
21

22
# Brecha de caja en cada mes (en %, relativo al presupuesto total)
23
brecha_caja = gasto_materiales_acum - ingresos_acum
24

25
df_flujo = pd.DataFrame({
26
    'mes': meses,
27
    'gasto_acum_pct': gasto_materiales_acum,
28
    'ingreso_acum_pct': ingresos_acum,
29
    'brecha_caja_pct': brecha_caja
30
})
31

32
print("=== Análisis de Brecha de Caja por Curva S ===\n")
33
print(f"{'Mes':<5} {'Gasto (%)':<12} {'Ingreso (%)':<13} {'Brecha (%)'}")
34
print("-" * 45)
35
for _, row in df_flujo.iterrows():
36
    alerta = " ← PICO" if row['brecha_caja_pct'] == brecha_caja.max() else ""
37
    print(f"  {int(row['mes']):<4} {row['gasto_acum_pct']:<12.1f} {row['ingreso_acum_pct']:<13.1f} {row['brecha_caja_pct']:.1f}%{alerta}")
38

39
print()
40
print(f"Brecha máxima de caja: {brecha_caja.max():.1f}% del presupuesto total en mes {np.argmax(brecha_caja)+1}")

1
=== Análisis de Brecha de Caja por Curva S ===
2

3
Mes   Gasto (%)    Ingreso (%)   Brecha (%)
4
---------------------------------------------
5
  1    3.5          0.0           3.5%
6
  2    9.2          1.2           8.0%
7
  3    18.0         5.8           12.2%
8
  4    30.5         14.3          16.2%
9
  5    44.1         26.7          17.4% ← PICO
10
  6    56.8         40.0          16.8%
11
  7    67.4         54.3          13.1%
12
  8    76.2         65.8          10.4%
13
  9    83.1         75.9          7.2%
14
  10   88.9         83.1          5.8%
15
  11   93.7         89.4          4.3%
16
  12   97.5         94.8          2.7%
17

18
Brecha máxima de caja: 17.4% del presupuesto total en mes 5

Si el presupuesto del proyecto es $500.000.000, la brecha de caja pico de 17,4% en el mes 5 equivale a $87.000.000 que la empresa debe financiar con capital propio o línea de crédito. Ese número debería estar calculado y presentado antes de firmar el contrato. La mayoría de los proyectos lo descubren en el mes 5.

La ilusión del mes 12 y el margen atrapado

Si miras el gráfico y la tabla con detención, notarás algo muy contra-intuitivo: el proyecto termina físicamente en el mes 12, pero la línea de ingresos nunca cruza a la de gastos en pantalla. ¿No se supone que el proyecto era rentable y debía cerrarse con ganancias?

Sí, lo es (el margen teórico en este ejemplo es positivo). Pero aquí radica una de las trampas operativas más crueles de nuestra industria:

1. Los gastos van al día: Tienes que comprar los materiales al contado o a 30 días, y pagar las horas hombre a fin de mes. Si no hay dinero, la obra física se detiene.
2. Los ingresos van con rezago: Terminas el avance de este mes, presentas el Estado de Pago al mes siguiente, el cliente lo revisa, y te lo termina pagando a 45 o 60 días.
3. Las retenciones secuestran el margen: Además, es habitual que el contrato te retenga un 5% al 10% de cada pago como garantía de fiel cumplimiento, monto que no se libera hasta la firma de la Recepción Definitiva, muchos meses después de que te fuiste del terreno.

Por lo tanto, el proyecto opera durante casi toda su vida física en déficit de caja. El tan anhelado “cruce”, donde por fin recuperas el capital de trabajo invertido y ves la utilidad líquida en tu cuenta de banco, ocurre matemáticamente recién en los meses 13, 14 o 15.

Esta es con precisión la razón por la cual decenas de empresas contratistas quiebran estando con múltiples proyectos vigentes: se enamoran de su utilidad estimada en el papel (Estado de Resultados), pero no prevén que necesitan suficiente oxígeno financiero para sobrevivir operando bajo el agua durante un año entero antes de poder cobrar su premio.

Conclusión

Estas curvas menos comunes no son adornos de reporte. Son herramientas operativas directas:

• La Curva Banana protege al equipo de la micro-gestión al definir un rango de tolerancia real basado en la holgura del cronograma.
• Las Curvas de Horas Hombre y Materiales alertan sobre cuellos de botella logísticos y de abastecimiento antes de que se detenga la producción.
• La Curva de Flujo de Caja calcula de antemano el oxígeno financiero que requiere la empresa para sobrevivir operando bajo el agua.

Usar la Curva S en su máximo potencial requiere mirar más allá del avance físico. Requiere entender que todo avance físico arrastra un consumo de recursos y una dinámica financiera invisible que, si no es modelada, tarde o temprano pasa la factura.