{"id":81105,"date":"2026-09-18T12:13:09","date_gmt":"2026-09-18T15:13:09","guid":{"rendered":"https:\/\/a3aengenharia.com\/?post_type=articles&p=81105"},"modified":"2026-09-18T12:13:09","modified_gmt":"2026-09-18T15:13:09","slug":"estimacion-parametrica-que-es-cuando-usar-limitaciones","status":"publish","type":"articles","link":"https:\/\/a3aengenharia.com\/es-es\/contenido\/articulos-tecnicos\/estimacion-parametrica-que-es-cuando-usar-limitaciones\/","title":{"rendered":"Estimaci\u00f3n Param\u00e9trica: qu\u00e9 es, cu\u00e1ndo usarla y cu\u00e1les son sus limitaciones"},"content":{"rendered":"\n

La estimaci\u00f3n param\u00e9trica<\/strong> es una estimaci\u00f3n de costos construida a partir de relaciones entre el costo y uno o m\u00e1s par\u00e1metros medibles del proyecto, utilizando datos hist\u00f3ricos, benchmarks, modelos o relaciones de costo previamente calibradas. En lugar de descomponer integralmente el proyecto en servicios, cantidades y composiciones unitarias, el m\u00e9todo busca explicar econ\u00f3micamente el proyecto mediante variables que tengan una relaci\u00f3n consistente con su costo.<\/p>\n\n\n\n

Esto no significa simplemente multiplicar un \u00e1rea por un valor medio por m\u00b2. El \u00e1rea es solamente uno de los posibles par\u00e1metros. Dependiendo del proyecto, la capacidad productiva, potencia, caudal, longitud, n\u00famero de unidades, masa de equipos, capacidad cr\u00edtica u otra variable funcional puede representar mejor el verdadero driver de costo.<\/p>\n\n\n\n

La estimaci\u00f3n param\u00e9trica es especialmente \u00fatil cuando todav\u00eda no existe definici\u00f3n suficiente para desarrollar un presupuesto detallado. Sin embargo, esa utilidad viene acompa\u00f1ada de incertidumbre: cuanto menor sea la madurez del proyecto y peor la calidad de los datos hist\u00f3ricos, mayor debe ser el cuidado con comparabilidad, normalizaci\u00f3n, validaci\u00f3n y comunicaci\u00f3n del rango probable de resultados.<\/p>\n\n\n\n\n

Qu\u00e9 es una estimaci\u00f3n param\u00e9trica de costos<\/h2>\n\n\n\n

Una estimaci\u00f3n param\u00e9trica utiliza relaciones previamente observadas o modeladas entre caracter\u00edsticas medibles de proyectos y sus costos. El objetivo no es reproducir detalladamente cada \u00edtem del futuro proyecto, sino generar una previsi\u00f3n econ\u00f3micamente coherente a partir de la informaci\u00f3n efectivamente disponible en esa etapa.<\/p>\n\n\n\n

Par\u00e1metro<\/h3>\n\n\n\n

Un par\u00e1metro es una variable medible utilizada para representar alguna caracter\u00edstica relevante del proyecto. Puede ser f\u00edsica, funcional, productiva o de capacidad.<\/p>\n\n\n\n

Ejemplos incluyen \u00e1rea construida, potencia instalada, capacidad de procesamiento, longitud de red, n\u00famero de camas, plazas, puntos, unidades, caudal, throughput o cantidad de equipos principales.<\/p>\n\n\n\n

Un par\u00e1metro solo tiene valor para la estimaci\u00f3n cuando existe una relaci\u00f3n t\u00e9cnicamente defendible entre su variaci\u00f3n y el comportamiento del costo.<\/p>\n\n\n\n

Variable de costo<\/h3>\n\n\n\n

La variable de costo es el resultado que se pretende predecir. Normalmente es el CAPEX total o el costo de un determinado paquete, disciplina, sistema, instalaci\u00f3n o activo.<\/p>\n\n\n\n

Es esencial que la variable est\u00e9 definida de manera consistente. Dos proyectos no pueden utilizarse en la misma base hist\u00f3rica si el \u201cCAPEX\u201d de uno incluye ingenier\u00eda, contingencia y owner’s costs mientras el otro contiene solamente construcci\u00f3n y suministro.<\/p>\n\n\n\n

Cost Estimating Relationship \u2014 CER<\/h3>\n\n\n\n

Una Cost Estimating Relationship \u2014 CER<\/strong> es una relaci\u00f3n matem\u00e1tica o emp\u00edrica utilizada para vincular uno o m\u00e1s par\u00e1metros al costo esperado. En su forma m\u00e1s simple, una CER puede asociar costo y capacidad. En modelos m\u00e1s desarrollados, pueden utilizarse m\u00faltiples variables simult\u00e1neamente.<\/p>\n\n\n\n

La l\u00f3gica puede expresarse conceptualmente como:<\/p>\n\n\n\n

Costo = f(par\u00e1metros t\u00e9cnicos, escala, ubicaci\u00f3n, complejidad, tecnolog\u00eda y dem\u00e1s variables relevantes)<\/strong><\/p>\n\n\n\n

Modelo param\u00e9trico<\/h3>\n\n\n\n

El modelo param\u00e9trico es la estructura que transforma los par\u00e1metros en una estimaci\u00f3n. Puede ser simple, con una \u00fanica relaci\u00f3n unitaria, o m\u00e1s sofisticado, utilizando regresi\u00f3n, factores de escala, m\u00faltiples variables y ajustes de ubicaci\u00f3n o complejidad.<\/p>\n\n\n\n

La sofisticaci\u00f3n matem\u00e1tica, sin embargo, no compensa datos deficientes. Un modelo simple sustentado por buenos datos comparables puede ser m\u00e1s \u00fatil que un modelo complejo calibrado sobre una muestra inconsistente.<\/p>\n\n\n\n

Resultado estimado<\/h3>\n\n\n\n

El resultado debe interpretarse como una previsi\u00f3n sujeta a incertidumbre. Las estimaciones iniciales no deber\u00edan transmitir la misma apariencia de precisi\u00f3n que un presupuesto basado en un proyecto maduro, cantidades detalladas, composiciones y cotizaciones espec\u00edficas.<\/p>\n\n\n\n\n

La estimaci\u00f3n param\u00e9trica no es solamente costo por metro cuadrado<\/h2>\n\n\n\n

Uno de los usos m\u00e1s comunes de la parametrizaci\u00f3n en construcci\u00f3n es el costo por \u00e1rea. Sin embargo, la simplicidad del indicador hace que se utilice frecuentemente fuera de su dominio de validez.<\/p>\n\n\n\n

El costo por m\u00b2 es solamente un posible par\u00e1metro<\/h3>\n\n\n\n

El costo por metro cuadrado puede funcionar razonablemente cuando el \u00e1rea tiene una fuerte relaci\u00f3n con la cantidad de sistemas y servicios necesarios y cuando los proyectos comparados presentan caracter\u00edsticas similares.<\/p>\n\n\n\n

En edificios relativamente repetitivos, por ejemplo, el \u00e1rea puede ser un indicador \u00fatil para estudios preliminares. Esto no significa que el mismo indicador sea adecuado para cualquier tipo de activo.<\/p>\n\n\n\n

El verdadero driver de costo puede ser otro<\/h3>\n\n\n\n

Cada proyecto posee variables que explican mejor su formaci\u00f3n econ\u00f3mica. Una buena estimaci\u00f3n param\u00e9trica busca identificar esas variables antes de seleccionar el indicador.<\/p>\n\n\n\n

En una red lineal, la longitud puede ser dominante. En una instalaci\u00f3n de tratamiento, la capacidad o el caudal pueden explicar mejor el costo. En una planta industrial, la capacidad productiva o los equipos principales pueden ser mucho m\u00e1s representativos que el \u00e1rea construida.<\/p>\n\n\n\n

El \u00e1rea puede explicar poco en determinados proyectos<\/h3>\n\n\n\n

Los proyectos con elevada densidad tecnol\u00f3gica pueden presentar costos muy diferentes incluso cuando tienen \u00e1reas semejantes. Data Centers, centros de operaci\u00f3n, laboratorios, hospitales, subestaciones e instalaciones industriales son ejemplos en los que sistemas electromec\u00e1nicos, redundancia, disponibilidad, automatizaci\u00f3n o proceso pueden dominar el CAPEX.<\/p>\n\n\n\n

Equipos y sistemas especiales pueden dominar el CAPEX<\/h3>\n\n\n\n

Cuando una gran parte de la inversi\u00f3n est\u00e1 asociada a equipos de proceso, generaci\u00f3n, refrigeraci\u00f3n, sistemas el\u00e9ctricos, seguridad, telecomunicaciones o automatizaci\u00f3n, un indicador puramente geom\u00e9trico puede ocultar los principales drivers econ\u00f3micos.<\/p>\n\n\n\n

Proyectos diferentes exigen par\u00e1metros diferentes<\/h3>\n\n\n\n

El par\u00e1metro debe seguir el comportamiento econ\u00f3mico del activo. No existe obligaci\u00f3n de utilizar la misma variable para todos los sectores o incluso para todos los paquetes de un \u00fanico proyecto.<\/p>\n\n\n\n

El par\u00e1metro debe seguir el driver econ\u00f3mico del proyecto; no al contrario.<\/strong><\/p>\n\n\n\n

\n

Parametrizar no es elegir un indicador conveniente.<\/strong> Un par\u00e1metro solo agrega valor cuando existe una relaci\u00f3n t\u00e9cnica y econ\u00f3mica defendible con el costo y cuando los datos utilizados son comparables, normalizados y trazables.<\/p>\n\n\n

Ingenier\u00eda de Costos para estructurar estimaciones param\u00e9tricas, anal\u00edticas y memorias de c\u00e1lculo<\/a><\/p>\n<\/div>\n\n\n\n\n

C\u00f3mo funciona un modelo param\u00e9trico<\/h2>\n\n\n\n

A pesar de las diferencias entre sectores, un proceso t\u00e9cnicamente defendible suele seguir una l\u00f3gica com\u00fan: reunir datos, normalizarlos, identificar drivers, desarrollar relaciones, probar el modelo y solamente entonces aplicarlo al nuevo proyecto.<\/p>\n\n\n\n

Datos hist\u00f3ricos<\/h3>\n\n\n\n

El modelo comienza por una base de referencia. Cuanto mayor sea la consistencia de los datos hist\u00f3ricos, mayor la posibilidad de identificar relaciones \u00fatiles.<\/p>\n\n\n\n

Los hist\u00f3ricos corporativos son particularmente valiosos porque pueden contener detalles de alcance, contrataci\u00f3n, productividad, cambios, resultados reales y premisas que dif\u00edcilmente aparecen en bases p\u00fablicas.<\/p>\n\n\n\n

Identificaci\u00f3n de cost drivers<\/h3>\n\n\n\n

No toda informaci\u00f3n disponible debe convertirse en par\u00e1metro. El equipo debe identificar qu\u00e9 variables tienen plausibilidad t\u00e9cnica y capacidad explicativa.<\/p>\n\n\n\n

Los drivers deben reflejar c\u00f3mo el proyecto crece, gana complejidad o consume recursos. Elegir par\u00e1metros solamente porque son f\u00e1ciles de recopilar puede generar correlaci\u00f3n espuria y baja capacidad de generalizaci\u00f3n.<\/p>\n\n\n\n

Normalizaci\u00f3n<\/h3>\n\n\n\n

Antes de comparar proyectos, es necesario colocarlos sobre una base econ\u00f3mica y t\u00e9cnica comparable. Esto puede involucrar fecha base, moneda, ubicaci\u00f3n, contenido de CAPEX, escala, impuestos, estrategia de contrataci\u00f3n y criterios de alcance.<\/p>\n\n\n\n

Construcci\u00f3n de la relaci\u00f3n entre costo y par\u00e1metro<\/h3>\n\n\n\n

Con los datos normalizados, puede evaluarse c\u00f3mo responde el costo a los par\u00e1metros seleccionados. Dependiendo de la base, esto puede resultar en una relaci\u00f3n unitaria simple, curva de capacidad, regresi\u00f3n o modelo multivariable.<\/p>\n\n\n\n

Calibraci\u00f3n<\/h3>\n\n\n\n

Calibrar significa ajustar el modelo para que represente adecuadamente la poblaci\u00f3n de proyectos utilizada como referencia. El proceso debe buscar equilibrio entre adherencia a los datos hist\u00f3ricos y capacidad de funcionar en proyectos nuevos.<\/p>\n\n\n\n

Validaci\u00f3n<\/h3>\n\n\n\n

Un modelo no deber\u00eda considerarse adecuado solamente porque explica bien la propia muestra utilizada en la calibraci\u00f3n. Siempre que sea posible, debe probarse contra proyectos que no participaron en la construcci\u00f3n del modelo o contra resultados reales posteriores.<\/p>\n\n\n\n

Aplicaci\u00f3n al nuevo proyecto<\/h3>\n\n\n\n

Solo despu\u00e9s de estas etapas se aplican los par\u00e1metros del nuevo proyecto. Aun as\u00ed, es necesario verificar si el nuevo caso est\u00e1 dentro del rango de escala, tecnolog\u00eda, ubicaci\u00f3n y complejidad cubierto por los datos originales.<\/p>\n\n\n\n\n

Qu\u00e9 es una Cost Estimating Relationship \u2014 CER<\/h2>\n\n\n\n

La CER es uno de los elementos centrales de la estimaci\u00f3n param\u00e9trica. Formaliza la relaci\u00f3n entre variables explicativas y costo.<\/p>\n\n\n\n

Relaci\u00f3n entre variable dependiente y variables explicativas<\/h3>\n\n\n\n

El costo normalmente se trata como variable dependiente. Los par\u00e1metros t\u00e9cnicos o econ\u00f3micos se utilizan como variables explicativas.<\/p>\n\n\n\n

Una CER debe tener significado t\u00e9cnico, no solamente estad\u00edstico. Una relaci\u00f3n matem\u00e1tica puede presentar correlaci\u00f3n aparente y aun as\u00ed no representar causalidad \u00fatil para ingenier\u00eda.<\/p>\n\n\n\n

CER simple<\/h3>\n\n\n\n

Una relaci\u00f3n simple puede utilizar un \u00fanico par\u00e1metro:<\/p>\n\n\n\n

Costo estimado = costo unitario de referencia \u00d7 capacidad<\/strong><\/p>\n\n\n\n

Esta forma es f\u00e1cil de aplicar, pero presupone un comportamiento aproximadamente proporcional y comparabilidad suficiente.<\/p>\n\n\n\n

CER con m\u00faltiples variables<\/h3>\n\n\n\n

Los proyectos m\u00e1s complejos pueden exigir m\u00e1s de un driver. Un modelo puede combinar capacidad, ubicaci\u00f3n, tecnolog\u00eda, nivel de redundancia u otros factores relevantes.<\/p>\n\n\n\n

Relaciones lineales<\/h3>\n\n\n\n

Los modelos lineales suponen que la variaci\u00f3n del costo responde de manera aproximadamente proporcional a los cambios de los par\u00e1metros dentro del rango considerado.<\/p>\n\n\n\n

Relaciones no lineales<\/h3>\n\n\n\n

Muchos activos presentan econom\u00edas o deseconom\u00edas de escala. En esos casos, funciones exponenciales, logar\u00edtmicas, potenciales u otros modelos pueden representar mejor el comportamiento observado.<\/p>\n\n\n\n

Escalas y factores<\/h3>\n\n\n\n

Los factores de capacidad son comunes en estimaciones iniciales de instalaciones industriales. La premisa fundamental es que costo y capacidad no necesariamente crecen en la misma proporci\u00f3n.<\/p>\n\n\n\n

El uso de factores exige que tecnolog\u00eda, rango de capacidad y contenido de costo permanezcan comparables.<\/p>\n\n\n\n\n

De d\u00f3nde provienen los datos de una estimaci\u00f3n param\u00e9trica<\/h2>\n\n\n\n

El modelo es tan confiable como los datos que lo sustentan. Pueden combinarse fuentes diferentes, pero deben identificarse y normalizarse.<\/p>\n\n\n\n

Proyectos hist\u00f3ricos propios<\/h3>\n\n\n\n

Los datos internos generalmente ofrecen mejor trazabilidad. Pueden incluir presupuesto original, costo contratado, cambios, costo final, cantidades, cronogramas, productividad, ubicaci\u00f3n y caracter\u00edsticas t\u00e9cnicas.<\/p>\n\n\n\n

Benchmarks externos<\/h3>\n\n\n\n

Los benchmarks de mercado pueden ampliar la muestra y comprobar si los costos corporativos son coherentes con el sector. Deben utilizarse con cautela cuando se desconoce el nivel de detalle del alcance.<\/p>\n\n\n\n

Bases de costos<\/h3>\n\n\n\n

Las bases estructuradas de costos y composiciones ayudan a cubrir brechas, principalmente cuando determinados componentes del proyecto ya cuentan con alguna definici\u00f3n t\u00e9cnica.<\/p>\n\n\n\n

Contrataciones anteriores<\/h3>\n\n\n\n

Los contratos y propuestas hist\u00f3ricos pueden proporcionar datos \u00fatiles siempre que se actualicen, igualen y analicen respecto de diferencias de alcance y condiciones comerciales.<\/p>\n\n\n\n

Estudios sectoriales<\/h3>\n\n\n\n

Los indicadores sectoriales pueden servir como referencias iniciales o pruebas de coherencia. Su uso exige comprender la poblaci\u00f3n y metodolog\u00eda que originaron el indicador.<\/p>\n\n\n\n

Proyectos comparables<\/h3>\n\n\n\n

Un proyecto comparable es aquel suficientemente semejante en los aspectos que efectivamente dirigen el costo. La similitud visual o funcional gen\u00e9rica no es suficiente.<\/p>\n\n\n\n

Datos p\u00fablicos<\/h3>\n\n\n\n

Los sistemas p\u00fablicos, informes institucionales y bases abiertas pueden complementar la inteligencia de costos, especialmente cuando cuentan con metodolog\u00eda y fecha base claramente identificadas.<\/p>\n\n\n\n\n

Los datos hist\u00f3ricos deben ser comparables antes de utilizarse<\/h2>\n\n\n\n

Los proyectos hist\u00f3ricos rara vez est\u00e1n inmediatamente listos para modelado. La etapa de comparabilidad es lo que transforma un conjunto de n\u00fameros en una base de conocimiento de costos.<\/p>\n\n\n\n

Alcance<\/h3>\n\n\n\n

Es necesario verificar qu\u00e9 est\u00e1 incluido en cada valor. Proyecto, suministro, construcci\u00f3n, comisionamiento, impuestos, contingencia, administraci\u00f3n del propietario, adquisici\u00f3n de terrenos y otras partidas deben ser normalizados.<\/p>\n\n\n\n

Fecha base<\/h3>\n\n\n\n

Los costos de a\u00f1os diferentes deben llevarse a una base temporal com\u00fan mediante \u00edndices o mecanismos coherentes con el tipo de activo y mercado analizado.<\/p>\n\n\n\n

Ubicaci\u00f3n<\/h3>\n\n\n\n

Las diferencias regionales afectan salarios, productividad, fletes, impuestos, disponibilidad de proveedores, log\u00edstica y condiciones de ejecuci\u00f3n.<\/p>\n\n\n\n

Moneda<\/h3>\n\n\n\n

Los proyectos en monedas diferentes exigen un criterio de conversi\u00f3n consistente. Utilizar simplemente un tipo de cambio actual para costos hist\u00f3ricos puede distorsionar la comparaci\u00f3n.<\/p>\n\n\n\n

Inflaci\u00f3n<\/h3>\n\n\n\n

La inflaci\u00f3n general y la inflaci\u00f3n sectorial pueden divergir. Equipos importados, materiales, mano de obra y servicios especializados pueden seguir din\u00e1micas distintas.<\/p>\n\n\n\n

Capacidad<\/h3>\n\n\n\n

Los proyectos de escalas muy diferentes pueden no ser directamente comparables. Cuando existe efecto de escala, el costo unitario tiende a variar con la capacidad.<\/p>\n\n\n\n

Tecnolog\u00eda<\/h3>\n\n\n\n

Los cambios tecnol\u00f3gicos pueden romper relaciones hist\u00f3ricas. Un benchmark de una soluci\u00f3n convencional puede perder adherencia cuando el nuevo proyecto adopta arquitectura, materiales o sistemas significativamente diferentes.<\/p>\n\n\n\n

Estrategia de contrataci\u00f3n<\/h3>\n\n\n\n

EPC, EPCM, design-bid-build, contrataci\u00f3n por paquetes y otros modelos distribuyen riesgos, responsabilidades y m\u00e1rgenes de manera diferente.<\/p>\n\n\n\n

Condiciones de ejecuci\u00f3n<\/h3>\n\n\n\n

Greenfield y brownfield, instalaciones en operaci\u00f3n, \u00e1reas remotas, restricciones horarias, requisitos especiales de seguridad y log\u00edstica pueden modificar fuertemente costos y productividad.<\/p>\n\n\n\n

Inclusiones y exclusiones<\/h3>\n\n\n\n

Toda base hist\u00f3rica debe contar con un diccionario de contenido. Sin ello, dos valores pueden parecer comparables aunque representen objetos econ\u00f3micos diferentes.<\/p>\n\n\n\n

Los datos hist\u00f3ricos no normalizados pueden producir un modelo matem\u00e1ticamente elegante y t\u00e9cnicamente incorrecto.<\/strong><\/p>\n\n\n\n\n

Qu\u00e9 significa normalizar datos de costos<\/h2>\n\n\n\n

Normalizar significa transformar datos de or\u00edgenes diferentes en una referencia com\u00fan para permitir comparaci\u00f3n y modelado.<\/p>\n\n\n\n

Normalizaci\u00f3n temporal<\/h3>\n\n\n\n

Todos los costos deben convertirse a una fecha base definida. El m\u00e9todo de actualizaci\u00f3n debe registrarse y ser reproducible.<\/p>\n\n\n\n

Normalizaci\u00f3n monetaria<\/h3>\n\n\n\n

Cuando existen monedas distintas, el proceso debe separar efectos cambiarios, inflaci\u00f3n local y momento econ\u00f3mico del proyecto.<\/p>\n\n\n\n

Normalizaci\u00f3n geogr\u00e1fica<\/h3>\n\n\n\n

Los factores de ubicaci\u00f3n pueden ajustar diferencias de mercado, log\u00edstica y productividad. Cuando no existe un factor confiable, puede ser preferible separar grupos regionales en lugar de forzar una equivalencia artificial.<\/p>\n\n\n\n

Normalizaci\u00f3n de alcance<\/h3>\n\n\n\n

Es una de las etapas m\u00e1s importantes. Los costos que no pertenecen al alcance objetivo deben eliminarse; las partidas faltantes pueden necesitar ser estimadas y a\u00f1adidas.<\/p>\n\n\n\n

Normalizaci\u00f3n de capacidad<\/h3>\n\n\n\n

Cuando la relaci\u00f3n entre capacidad y costo no es lineal, pueden ser necesarios factores de escala o curvas espec\u00edficas.<\/p>\n\n\n\n

Normalizaci\u00f3n de condiciones comerciales<\/h3>\n\n\n\n

Impuestos, fletes, seguros, garant\u00edas, contingencias, m\u00e1rgenes, forma de contrataci\u00f3n y condiciones de pago tambi\u00e9n pueden necesitar normalizaci\u00f3n.<\/p>\n\n\n\n

Normalizaci\u00f3n del contenido de CAPEX<\/h3>\n\n\n\n

El concepto de CAPEX debe ser uniforme en toda la muestra. Una base de datos de capital debe dejar claro si contempla EPC, ingenier\u00eda del propietario, contingencia, startup, repuestos, terreno y dem\u00e1s componentes.<\/p>\n\n\n\n\n

C\u00f3mo elegir un buen par\u00e1metro de costo<\/h2>\n\n\n\n

Un buen par\u00e1metro no es simplemente aquel disponible en todos los proyectos. Debe explicar razonablemente por qu\u00e9 cambia el costo.<\/p>\n\n\n\n

Relaci\u00f3n causal o econ\u00f3micamente explicable<\/h3>\n\n\n\n

El equipo debe poder explicar t\u00e9cnicamente por qu\u00e9 la variable influye en el costo. Las relaciones sin interpretaci\u00f3n f\u00edsica o econ\u00f3mica presentan mayor riesgo de fallar fuera de la muestra.<\/p>\n\n\n\n

Disponibilidad de datos<\/h3>\n\n\n\n

El par\u00e1metro debe estar disponible de manera consistente en la base hist\u00f3rica y en el nuevo proyecto. Las variables raramente registradas pueden inviabilizar el uso operativo del modelo.<\/p>\n\n\n\n

Consistencia de medici\u00f3n<\/h3>\n\n\n\n

La definici\u00f3n del par\u00e1metro debe ser uniforme. \u201c\u00c1rea\u201d, por ejemplo, debe significar la misma magnitud en todos los proyectos: \u00e1rea construida, \u00fatil, climatizada, equivalente u otra definici\u00f3n previamente establecida.<\/p>\n\n\n\n

Capacidad de diferenciaci\u00f3n entre proyectos<\/h3>\n\n\n\n

El par\u00e1metro debe ayudar a explicar por qu\u00e9 dos proyectos tienen costos diferentes. Si todos los proyectos presentan valores semejantes del par\u00e1metro, su utilidad anal\u00edtica ser\u00e1 limitada.<\/p>\n\n\n\n

Estabilidad de la relaci\u00f3n hist\u00f3rica<\/h3>\n\n\n\n

La relaci\u00f3n debe permanecer razonablemente consistente a lo largo de la muestra. Una gran dispersi\u00f3n puede indicar que faltan drivers importantes.<\/p>\n\n\n\n

Adherencia al tipo de proyecto<\/h3>\n\n\n\n

Los par\u00e1metros eficaces en un sector pueden ser inadecuados en otro. El modelo debe respetar la arquitectura econ\u00f3mica del activo.<\/p>\n\n\n\n

Sensibilidad al costo<\/h3>\n\n\n\n

Los drivers con gran impacto en el CAPEX merecen atenci\u00f3n prioritaria. El an\u00e1lisis de sensibilidad ayuda a identificar qu\u00e9 variables realmente modifican el resultado.<\/p>\n\n\n\n

La correlaci\u00f3n estad\u00edstica sin explicaci\u00f3n t\u00e9cnica no deber\u00eda ser suficiente para elegir un par\u00e1metro de Ingenier\u00eda de Costos.<\/strong><\/p>\n\n\n\n\n

Ejemplos de par\u00e1metros utilizados en estimaciones<\/h2>\n\n\n\n

No existe una lista universal de par\u00e1metros. Algunos ejemplos ayudan a comprender la l\u00f3gica de selecci\u00f3n.<\/p>\n\n\n\n

Tipo de proyecto<\/td>Posible driver de costo<\/td><\/tr>
edificio convencional<\/td>\u00e1rea construida o equivalente<\/td><\/tr>
estacionamiento<\/td>n\u00famero de plazas y \u00e1rea<\/td><\/tr>
red lineal<\/td>longitud y densidad de puntos<\/td><\/tr>
subestaci\u00f3n<\/td>potencia, nivel de tensi\u00f3n y alcance funcional<\/td><\/tr>
data center<\/td>capacidad cr\u00edtica, potencia y nivel de redundancia<\/td><\/tr>
sistema de tratamiento<\/td>caudal o capacidad de procesamiento<\/td><\/tr>
planta industrial<\/td>capacidad productiva y equipos principales<\/td><\/tr>
almac\u00e9n<\/td>\u00e1rea, volumen y nivel de automatizaci\u00f3n<\/td><\/tr>
hospital<\/td>\u00e1rea, n\u00famero de camas y complejidad asistencial<\/td><\/tr>
infraestructura digital<\/td>cantidad de sites, puntos, capacidad o cobertura<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

\u00c1rea<\/h3>\n\n\n\n

Es \u00fatil cuando la cantidad de sistemas tiende a crecer de manera consistente con el \u00e1rea y los proyectos presentan una tipolog\u00eda semejante.<\/p>\n\n\n\n

Volumen<\/h3>\n\n\n\n

Puede ser relevante en dep\u00f3sitos, almacenamiento, movimiento de tierras y otras aplicaciones en las que el volumen representa directamente la cantidad f\u00edsica del activo.<\/p>\n\n\n\n

Longitud<\/h3>\n\n\n\n

Es frecuente en carreteras, ductos, redes, fibras, l\u00edneas y sistemas lineales, pero debe combinarse con caracter\u00edsticas como densidad, terreno o cantidad de estructuras especiales cuando sean materialmente relevantes.<\/p>\n\n\n\n

Capacidad<\/h3>\n\n\n\n

Es com\u00fan en activos productivos, utilities, tratamiento, generaci\u00f3n e infraestructura cuya funci\u00f3n econ\u00f3mica depende de throughput o producci\u00f3n.<\/p>\n\n\n\n

Potencia<\/h3>\n\n\n\n

Puede ser relevante en sistemas el\u00e9ctricos, misi\u00f3n cr\u00edtica, generaci\u00f3n e instalaciones de elevada carga, siempre que tensi\u00f3n, redundancia, arquitectura y contenido de alcance est\u00e9n controlados.<\/p>\n\n\n\n

Cantidad de unidades<\/h3>\n\n\n\n

Puede ser \u00fatil en programas repetitivos de sites, estaciones, salas, unidades habitacionales, plazas u otros activos modulares.<\/p>\n\n\n\n

Caudal<\/h3>\n\n\n\n

Es com\u00fan en sistemas hidr\u00e1ulicos y de proceso, pero la calidad del fluido, tratamiento, presi\u00f3n y tecnolog\u00eda pueden modificar significativamente el costo.<\/p>\n\n\n\n

Producci\u00f3n<\/h3>\n\n\n\n

La capacidad productiva puede funcionar como driver en plantas industriales cuando tecnolog\u00eda y configuraci\u00f3n son comparables.<\/p>\n\n\n\n

Equipos principales<\/h3>\n\n\n\n

En algunos sectores, el costo de los equipos principales se utiliza como base para estimar sistemas auxiliares, montaje y otras partidas mediante factores hist\u00f3ricos.<\/p>\n\n\n\n

Otros drivers funcionales<\/h3>\n\n\n\n

Cualquier par\u00e1metro puede considerarse si existe una relaci\u00f3n econ\u00f3mica defendible, datos consistentes y un dominio de aplicaci\u00f3n claramente definido.<\/p>\n\n\n\n\n

El efecto de escala en la estimaci\u00f3n param\u00e9trica<\/h2>\n\n\n\n

Uno de los errores m\u00e1s comunes es asumir una proporcionalidad perfecta entre capacidad y costo.<\/p>\n\n\n\n

Los costos no necesariamente crecen de forma lineal<\/h3>\n\n\n\n

Duplicar una capacidad no significa necesariamente duplicar todas las partidas de la inversi\u00f3n. Ingenier\u00eda, terreno, infraestructura com\u00fan y sistemas auxiliares pueden presentar comportamientos distintos.<\/p>\n\n\n\n

Econom\u00edas de escala<\/h3>\n\n\n\n

Los proyectos mayores pueden diluir costos fijos y utilizar equipos de mayor capacidad con costo unitario inferior.<\/p>\n\n\n\n

Costos fijos y variables<\/h3>\n\n\n\n

Separar componentes fijos y dependientes de la capacidad mejora la calidad del an\u00e1lisis. Un modelo que trate todo el CAPEX como variable proporcional puede sobreestimar o subestimar ampliaciones.<\/p>\n\n\n\n

Factores de capacidad<\/h3>\n\n\n\n

Los factores de escala pueden representar relaciones no lineales entre costo y capacidad. Su uso exige adherencia a la tecnolog\u00eda y al rango de aplicaci\u00f3n que originaron el factor.<\/p>\n\n\n\n

L\u00edmites de extrapolaci\u00f3n<\/h3>\n\n\n\n

Un modelo desarrollado para proyectos entre determinadas capacidades no debe extrapolarse indefinidamente. Fuera del rango hist\u00f3rico, las relaciones tecnol\u00f3gicas y econ\u00f3micas pueden cambiar.<\/p>\n\n\n\n\n

Cu\u00e1ndo utilizar una estimaci\u00f3n param\u00e9trica<\/h2>\n\n\n\n

La parametrizaci\u00f3n es m\u00e1s valiosa cuando es necesario tomar decisiones antes de que el proyecto est\u00e9 suficientemente definido para un presupuesto bottom-up.<\/p>\n\n\n\n

Estudios de oportunidad<\/h3>\n\n\n\n

Puede proporcionar r\u00e1pidamente un orden de magnitud de la inversi\u00f3n para evaluar si una oportunidad merece desarrollo adicional.<\/p>\n\n\n\n

Project screening<\/h3>\n\n\n\n

Ayuda a comparar un gran n\u00famero de alternativas en una fase en la que detallar cada soluci\u00f3n ser\u00eda econ\u00f3micamente ineficiente.<\/p>\n\n\n\n

Estudios preliminares<\/h3>\n\n\n\n

Puede sustentar evaluaciones iniciales de configuraci\u00f3n, ubicaci\u00f3n, capacidad y tecnolog\u00eda.<\/p>\n\n\n\n

Estudio de Viabilidad T\u00e9cnica y Econ\u00f3mica<\/h3>\n\n\n\n

La estimaci\u00f3n param\u00e9trica puede integrar modelos econ\u00f3micos de viabilidad cuando el nivel de ingenier\u00eda todav\u00eda no permite un presupuesto anal\u00edtico completo. La incertidumbre debe reflejarse en el an\u00e1lisis econ\u00f3mico.<\/p>\n\n\n\n

FEL 1<\/h3>\n\n\n\n

En el Front-End Loading inicial, los par\u00e1metros y las analog\u00edas ayudan a dimensionar la oportunidad y seleccionar conceptos que merecen profundizaci\u00f3n.<\/p>\n\n\n\n

FEL 2<\/h3>\n\n\n\n

A medida que se definen las alternativas, el modelo puede refinarse con nuevos par\u00e1metros, datos preliminares, equipos principales e informaci\u00f3n de ubicaci\u00f3n.<\/p>\n\n\n\n

Comparaci\u00f3n de alternativas<\/h3>\n\n\n\n

Cuando todas las opciones se eval\u00faan bajo la misma base y metodolog\u00eda, el m\u00e9todo puede ser eficaz para comparar tendencias de CAPEX e identificar drivers.<\/p>\n\n\n\n

Planificaci\u00f3n de CAPEX<\/h3>\n\n\n\n

Los portafolios de proyectos todav\u00eda inmaduros pueden utilizar par\u00e1metros normalizados para formar previsiones de inversi\u00f3n, siempre que la incertidumbre se considere expl\u00edcitamente.<\/p>\n\n\n\n

Priorizaci\u00f3n de portafolio<\/h3>\n\n\n\n

Las estimaciones preliminares consistentes permiten comparar iniciativas y concentrar recursos de ingenier\u00eda en los proyectos con mayor potencial estrat\u00e9gico.<\/p>\n\n\n\n

Estudios de ubicaci\u00f3n<\/h3>\n\n\n\n

Las diferencias log\u00edsticas, regionales y de capacidad pueden incorporarse mediante factores o escenarios para comparar alternativas de implantaci\u00f3n.<\/p>\n\n\n\n

Validaci\u00f3n independiente de una estimaci\u00f3n<\/h3>\n\n\n\n

Los modelos param\u00e9tricos tambi\u00e9n pueden utilizarse como prueba top-down de una estimaci\u00f3n bottom-up. Las desviaciones relevantes indican necesidad de revisi\u00f3n, no necesariamente un error de uno de los enfoques.<\/p>\n\n\n\n\n

Relaci\u00f3n entre madurez del proyecto y m\u00e9todo de estimaci\u00f3n<\/h2>\n\n\n\n

La elecci\u00f3n del m\u00e9todo debe acompa\u00f1ar la calidad de la informaci\u00f3n disponible. AACE e IPA convergen en este principio: no existe una \u00fanica t\u00e9cnica adecuada para todo el ciclo de desarrollo.<\/p>\n\n\n\n

Proyecto poco definido<\/h3>\n\n\n\n

En las fases iniciales predominan m\u00e9todos que no dependen de cantidades completas: analog\u00eda, factores, modelos param\u00e9tricos, benchmarking y juicio t\u00e9cnico estructurado.<\/p>\n\n\n\n

El resultado debe interpretarse como una estimaci\u00f3n de alta incertidumbre y utilizarse para decisiones compatibles con esa etapa.<\/p>\n\n\n\n

Proyecto intermedio<\/h3>\n\n\n\n

A medida que algunos paquetes maduran, pueden coexistir par\u00e1metros para \u00e1reas todav\u00eda conceptuales, costos unitarios para elementos ya definidos, assemblies, cantidades preliminares y cotizaciones para equipos principales.<\/p>\n\n\n\n

Proyecto maduro<\/h3>\n\n\n\n

Con mayor definici\u00f3n, pasa a ser posible utilizar predominantemente cantidades de proyecto, composiciones de costos, cotizaciones espec\u00edficas, planificaci\u00f3n ejecutiva, first principles y m\u00e9todos bottom-up.<\/p>\n\n\n\n

El m\u00e9todo de estimaci\u00f3n debe madurar junto con el proyecto.<\/strong><\/p>\n\n\n\n\n

Estimaci\u00f3n param\u00e9trica y Clases de Estimaci\u00f3n AACE<\/h2>\n\n\n\n

El sistema de clasificaci\u00f3n de AACE ayuda a comprender por qu\u00e9 las t\u00e9cnicas param\u00e9tricas son m\u00e1s frecuentes en las estimaciones iniciales. La clase se define por la madurez de los entregables de definici\u00f3n del proyecto; la metodolog\u00eda, finalidad y rango de precisi\u00f3n son caracter\u00edsticas secundarias.<\/p>\n\n\n\n

Clase 5<\/h3>\n\n\n\n

Posee un nivel muy bajo de definici\u00f3n y normalmente atiende concept screening, planificaci\u00f3n estrat\u00e9gica, estudios iniciales y evaluaci\u00f3n de alternativas. Son comunes los m\u00e9todos param\u00e9tricos, factores, curvas de capacidad, analog\u00eda y juicio.<\/p>\n\n\n\n

Clase 4<\/h3>\n\n\n\n

Est\u00e1 asociada a estudios y viabilidad con mayor definici\u00f3n, aunque todav\u00eda limitada. Los modelos param\u00e9tricos y m\u00e9todos factorados contin\u00faan siendo relevantes.<\/p>\n\n\n\n

Clase 3<\/h3>\n\n\n\n

Ya posee mayor definici\u00f3n y normalmente sustenta autorizaci\u00f3n presupuestaria o funding. Los costos unitarios a nivel de assemblies y los m\u00e9todos m\u00e1s deterministas ganan importancia, aunque los factores todav\u00eda pueden aparecer en partidas menos maduras.<\/p>\n\n\n\n

Clases 2 y 1<\/h3>\n\n\n\n

Se caracterizan por un mayor nivel de definici\u00f3n y fuerte uso de cantidades y costos unitarios detallados. La parametrizaci\u00f3n tiende a migrar de m\u00e9todo principal a instrumento de validaci\u00f3n o a partidas espec\u00edficas todav\u00eda no detalladas.<\/p>\n\n\n\n

La clase de estimaci\u00f3n se determina por la madurez de la definici\u00f3n del proyecto \u2014 no por la t\u00e9cnica utilizada aisladamente ni por un rango de precisi\u00f3n elegido previamente.<\/strong><\/p>\n\n\n\n\n

Estimaci\u00f3n param\u00e9trica y precisi\u00f3n no son sin\u00f3nimos<\/h2>\n\n\n\n

La utilizaci\u00f3n de un modelo param\u00e9trico no determina autom\u00e1ticamente un rango de precisi\u00f3n.<\/p>\n\n\n\n

El m\u00e9todo no determina por s\u00ed solo la precisi\u00f3n<\/h3>\n\n\n\n

La misma metodolog\u00eda puede producir resultados muy diferentes seg\u00fan calidad de los datos, similitud, tecnolog\u00eda, complejidad y madurez.<\/p>\n\n\n\n

Calidad de los datos<\/h3>\n\n\n\n

Las bases incompletas, inconsistentes o sesgadas elevan la incertidumbre incluso cuando el modelo presenta un buen ajuste matem\u00e1tico.<\/p>\n\n\n\n

Similitud entre proyectos<\/h3>\n\n\n\n

Un nuevo proyecto fuera del dominio hist\u00f3rico presenta mayor riesgo de error. La comparabilidad es parte central de la estimaci\u00f3n.<\/p>\n\n\n\n

Madurez de la definici\u00f3n<\/h3>\n\n\n\n

Cuantas m\u00e1s indefiniciones existen en alcance, layout, equipos, condiciones de implantaci\u00f3n y estrategia de ejecuci\u00f3n, mayor tiende a ser la dispersi\u00f3n de los resultados posibles.<\/p>\n\n\n\n

Tecnolog\u00eda<\/h3>\n\n\n\n

Una tecnolog\u00eda nueva o poco conocida puede romper relaciones derivadas de activos convencionales.<\/p>\n\n\n\n

Complejidad<\/h3>\n\n\n\n

La complejidad t\u00e9cnica, interfaces y ejecuci\u00f3n pueden modificar costos de una manera que un par\u00e1metro simple no capture.<\/p>\n\n\n\n

Ubicaci\u00f3n<\/h3>\n\n\n\n

Las regiones remotas, mercados restringidos y condiciones log\u00edsticas especiales ampl\u00edan la incertidumbre.<\/p>\n\n\n\n

Mercado<\/h3>\n\n\n\n

Los ciclos de demanda, disponibilidad de recursos, inflaci\u00f3n sectorial y tipo de cambio pueden reducir la adherencia de los hist\u00f3ricos.<\/p>\n\n\n\n

Experiencia del estimador<\/h3>\n\n\n\n

La selecci\u00f3n, normalizaci\u00f3n e interpretaci\u00f3n de los datos exigen juicio profesional. El modelo no elimina la responsabilidad t\u00e9cnica.<\/p>\n\n\n\n

Riesgos<\/h3>\n\n\n\n

El rango de resultados debe considerar riesgos e incertidumbres espec\u00edficos del proyecto. AACE advierte que los rangos de precisi\u00f3n de estimaciones individuales no deben simplemente predeterminarse por la clase.<\/p>\n\n\n\n\n

Por qu\u00e9 una estimaci\u00f3n param\u00e9trica debe presentarse como un rango<\/h2>\n\n\n\n

Una estimaci\u00f3n inicial es la previsi\u00f3n de un futuro todav\u00eda parcialmente indefinido. Comunicar solamente un n\u00famero puede sugerir un nivel de certeza que no existe.<\/p>\n\n\n\n

Point estimate<\/h3>\n\n\n\n

El valor puntual puede representar media, mediana, valor m\u00e1s probable u otro resultado del modelo. Su interpretaci\u00f3n debe explicitarse.<\/p>\n\n\n\n

Incertidumbre<\/h3>\n\n\n\n

Parte de la variaci\u00f3n deriva de la propia falta de definici\u00f3n del proyecto y de la imperfecci\u00f3n de los datos utilizados.<\/p>\n\n\n\n

Rango de resultados posibles<\/h3>\n\n\n\n

Un rango comunica mejor la amplitud de resultados plausibles y evita tratar la estimaci\u00f3n puntual como compromiso financiero definitivo.<\/p>\n\n\n\n

Valor m\u00e1s probable<\/h3>\n\n\n\n

El valor central puede ser \u00fatil para planificaci\u00f3n, pero debe estar acompa\u00f1ado por el contexto que explica su posici\u00f3n dentro de la distribuci\u00f3n.<\/p>\n\n\n\n

Sensibilidad<\/h3>\n\n\n\n

Probar variaciones de los principales par\u00e1metros ayuda a mostrar qu\u00e9 decisiones de proyecto tienen mayor impacto econ\u00f3mico.<\/p>\n\n\n\n

Probabilidad<\/h3>\n\n\n\n

Cuando existe una base adecuada, los m\u00e9todos probabil\u00edsticos pueden asociar distintos costos a niveles de confianza. Su uso debe ser proporcional a la madurez y calidad de los datos; la sofisticaci\u00f3n estad\u00edstica aplicada a datos fr\u00e1giles puede generar falsa confianza.<\/p>\n\n\n\n\n

Incertidumbre no es lo mismo que contingencia<\/h2>\n\n\n\n

Los conceptos se relacionan, pero no son equivalentes.<\/p>\n\n\n\n

Incertidumbre de la estimaci\u00f3n<\/h3>\n\n\n\n

Es la dispersi\u00f3n asociada al conocimiento incompleto, premisas, variaci\u00f3n de par\u00e1metros y limitaci\u00f3n de los modelos.<\/p>\n\n\n\n

Riesgos<\/h3>\n\n\n\n

Son eventos o condiciones que pueden modificar el resultado si ocurren. Pueden ser sist\u00e9micos o espec\u00edficos del proyecto.<\/p>\n\n\n\n

Contingencia<\/h3>\n\n\n\n

Es una provisi\u00f3n econ\u00f3mica asociada a riesgos e incertidumbres reconocidos dentro del alcance, definida mediante una metodolog\u00eda compatible con el proceso de gesti\u00f3n de riesgos.<\/p>\n\n\n\n

Alcance no definido<\/h3>\n\n\n\n

La falta de detalle no debe ocultarse mediante un \u00fanico porcentaje gen\u00e9rico. Debe explicitarse en las premisas y reflejarse en el rango de estimaci\u00f3n.<\/p>\n\n\n\n

Cambio de alcance<\/h3>\n\n\n\n

Una modificaci\u00f3n posterior del objeto no es simplemente un \u201cerror de precisi\u00f3n\u201d. La comparaci\u00f3n estimate-to-actual exige separar el crecimiento de costo del alcance originalmente estimado de los cambios efectivos de alcance.<\/p>\n\n\n\n

Evitar doble conteo<\/h3>\n\n\n\n

El equipo debe verificar si la misma incertidumbre ya est\u00e1 incorporada en par\u00e1metros conservadores, rangos, factores o contingencia.<\/p>\n\n\n\n\n

El papel de los riesgos sist\u00e9micos en estimaciones iniciales<\/h2>\n\n\n\n

En las fases m\u00e1s iniciales, muchos riesgos espec\u00edficos todav\u00eda no son conocidos. En cambio, las caracter\u00edsticas sist\u00e9micas del proyecto y de la organizaci\u00f3n ya pueden indicar un fuerte potencial de crecimiento de costos.<\/p>\n\n\n\n

Madurez del alcance<\/h3>\n\n\n\n

Una baja definici\u00f3n aumenta la probabilidad de omisiones, cambios y premisas que deber\u00e1n ser sustituidas por soluciones reales.<\/p>\n\n\n\n

Tecnolog\u00eda<\/h3>\n\n\n\n

Una tecnolog\u00eda nueva reduce la disponibilidad de precedentes y ampl\u00eda la incertidumbre de implantaci\u00f3n.<\/p>\n\n\n\n

Complejidad<\/h3>\n\n\n\n

M\u00e1s interfaces, dependencias y disciplinas aumentan el riesgo de que un modelo simple no represente adecuadamente el comportamiento del proyecto.<\/p>\n\n\n\n

Calidad de los datos de costos<\/h3>\n\n\n\n

Los datos hist\u00f3ricos incompletos o sin trazabilidad constituyen un riesgo sist\u00e9mico del propio proceso de estimaci\u00f3n.<\/p>\n\n\n\n

Calidad del proceso de estimaci\u00f3n<\/h3>\n\n\n\n

Los m\u00e9todos inconsistentes, ausencia de revisi\u00f3n independiente y presi\u00f3n por fechas pueden degradar la confiabilidad del resultado.<\/p>\n\n\n\n

Experiencia del equipo<\/h3>\n\n\n\n

Los equipos con poca familiaridad con la tecnolog\u00eda o el mercado pueden seleccionar par\u00e1metros, analog\u00edas y ajustes inadecuados.<\/p>\n\n\n\n

Sesgo de la estimaci\u00f3n<\/h3>\n\n\n\n

La presi\u00f3n organizacional por un n\u00famero previamente deseado puede comprometer las premisas y la selecci\u00f3n de referencias.<\/p>\n\n\n\n\n

Sesgo y falsa precisi\u00f3n en estimaciones param\u00e9tricas<\/h2>\n\n\n\n

Los modelos cuantitativos no son inmunes a sesgos. La elecci\u00f3n de la muestra, los par\u00e1metros y los ajustes puede reproducir o ampliar distorsiones.<\/p>\n\n\n\n

Optimism bias<\/h3>\n\n\n\n

Las premisas excesivamente favorables sobre productividad, plazo, precio o implantaci\u00f3n pueden reducir artificialmente el costo esperado.<\/p>\n\n\n\n

Sampling bias<\/h3>\n\n\n\n

Las muestras que representan solamente un subconjunto del mercado pueden generar relaciones inadecuadas para otros tipos de proyecto.<\/p>\n\n\n\n

Survivorship bias<\/h3>\n\n\n\n

Las bases formadas solamente por proyectos concluidos con \u00e9xito pueden omitir experiencias con cancelaciones, fuerte crecimiento de costos o cambios relevantes.<\/p>\n\n\n\n

Selecci\u00f3n parcial de benchmarks<\/h3>\n\n\n\n

Seleccionar solamente proyectos pr\u00f3ximos al valor deseado transforma el benchmarking en justificaci\u00f3n, y no en validaci\u00f3n.<\/p>\n\n\n\n

Presi\u00f3n por un valor predeterminado<\/h3>\n\n\n\n

Cuando el resultado esperado se define antes del m\u00e9todo, existe riesgo de ajustar par\u00e1metros hasta alcanzar el n\u00famero deseado. La estimaci\u00f3n debe ser objetiva e independiente.<\/p>\n\n\n\n

Precisi\u00f3n decimal no significa precisi\u00f3n econ\u00f3mica<\/h3>\n\n\n\n

Un modelo puede devolver BRL 127,43 millones<\/strong> y aun as\u00ed tener un rango de incertidumbre de decenas de millones. Las cifras decimales son una consecuencia matem\u00e1tica, no una evidencia de precisi\u00f3n del proyecto.<\/p>\n\n\n\n\n

Analog\u00eda y estimaci\u00f3n param\u00e9trica son m\u00e9todos diferentes<\/h2>\n\n\n\n

Aunque se utilizan frecuentemente en conjunto, los dos m\u00e9todos siguen l\u00f3gicas diferentes.<\/p>\n\n\n\n

Analog\u00eda<\/h3>\n\n\n\n

La analog\u00eda parte de uno o pocos proyectos comparables y ajusta sus diferencias para aproximar el nuevo proyecto.<\/p>\n\n\n\n

Param\u00e9trica<\/h3>\n\n\n\n

La estimaci\u00f3n param\u00e9trica utiliza relaciones entre par\u00e1metros y costos desarrolladas a partir de un conjunto de observaciones o de una metodolog\u00eda calibrada.<\/p>\n\n\n\n

Cu\u00e1ndo se combinan los dos m\u00e9todos<\/h3>\n\n\n\n

Los proyectos an\u00e1logos pueden proporcionar los datos utilizados para desarrollar o validar relaciones param\u00e9tricas. Tambi\u00e9n es posible estimar un determinado paquete por analog\u00eda y otro por par\u00e1metro dentro de la misma estimaci\u00f3n.<\/p>\n\n\n\n

Benchmarking tampoco es estimaci\u00f3n param\u00e9trica<\/h2>\n\n\n\n

Benchmarking es un proceso de comparaci\u00f3n. Puede sustentar el desarrollo del modelo, pero no es autom\u00e1ticamente una t\u00e9cnica de estimaci\u00f3n.<\/p>\n\n\n\n

Benchmark como comparaci\u00f3n<\/h3>\n\n\n\n

Permite posicionar un proyecto respecto de referencias hist\u00f3ricas, sectoriales o corporativas.<\/p>\n\n\n\n

Benchmark como validaci\u00f3n<\/h3>\n\n\n\n

Puede identificar que la estimaci\u00f3n est\u00e1 muy por encima o por debajo de casos comparables e indicar necesidad de investigaci\u00f3n.<\/p>\n\n\n\n

Benchmark como fuente para desarrollar el modelo<\/h3>\n\n\n\n

Una base estructurada de benchmarks puede alimentar la construcci\u00f3n de CER y factores param\u00e9tricos.<\/p>\n\n\n\n

Benchmark no sustituye necesariamente la estimaci\u00f3n<\/h3>\n\n\n\n

El hecho de que un proyecto semejante haya costado un determinado valor no define por s\u00ed solo cu\u00e1nto deber\u00eda costar el nuevo proyecto.<\/p>\n\n\n\n\n

\u00bfEl CUB es una estimaci\u00f3n param\u00e9trica?<\/h2>\n\n\n\n

El Costo Unitario B\u00e1sico brasile\u00f1o (CUB) puede utilizarse como un par\u00e1metro dentro de una estimaci\u00f3n inicial de edificaciones, pero el propio CUB no debe confundirse con un presupuesto completo.<\/p>\n\n\n\n

La relaci\u00f3n simplificada \u00e1rea \u00d7 CUB<\/strong> es una forma elemental de estimaci\u00f3n param\u00e9trica por \u00e1rea. Su utilidad depende de la adherencia del proyecto al proyecto est\u00e1ndar, \u00e1rea equivalente, per\u00edodo de referencia, regi\u00f3n y tratamiento adecuado de las partidas no contempladas.<\/p>\n\n\n\n

Cuanto mayor sea la diferencia entre el proyecto y los proyectos est\u00e1ndar de la NBR 12721, menor tiende a ser el poder explicativo del indicador.<\/p>\n\n\n\n

\u00bfEl costo por m\u00b2 es una estimaci\u00f3n param\u00e9trica?<\/h2>\n\n\n\n

Puede ser un m\u00e9todo param\u00e9trico simple cuando existe una relaci\u00f3n consistente entre \u00e1rea y costo en la poblaci\u00f3n de proyectos analizada.<\/p>\n\n\n\n

Puede ser un m\u00e9todo param\u00e9trico simple<\/h3>\n\n\n\n

Cuando los activos son repetitivos y comparables, el costo por unidad f\u00edsica puede ofrecer r\u00e1pidamente un orden de magnitud.<\/p>\n\n\n\n

Depende de la comparabilidad de los proyectos<\/h3>\n\n\n\n

El costo por m\u00b2 de hospital, almac\u00e9n, oficina, data center e industria no debe tratarse como si todos fueran equivalentes.<\/p>\n\n\n\n

Debe existir normalizaci\u00f3n<\/h3>\n\n\n\n

Fecha base, alcance, regi\u00f3n, est\u00e1ndar, instalaciones y contenido de CAPEX deben ser normalizados.<\/p>\n\n\n\n

Cuanto mayor la heterogeneidad, menor la adherencia<\/h3>\n\n\n\n

Un promedio obtenido de proyectos muy diferentes puede no representar adecuadamente a ninguno de ellos.<\/p>\n\n\n\n\n

Estimaci\u00f3n param\u00e9trica en la Ley brasile\u00f1a 14.133\/2021<\/h2>\n\n\n\n

La legislaci\u00f3n brasile\u00f1a reconoce expresamente la metodolog\u00eda param\u00e9trica en un contexto espec\u00edfico de contrataci\u00f3n p\u00fablica.<\/p>\n\n\n\n

Contrataci\u00f3n integrada y semiintegrada<\/h3>\n\n\n\n

En el art. 23, \u00a75.\u00ba, la Ley n.\u00ba 14.133\/2021 establece un tratamiento particular para obras y servicios de ingenier\u00eda en reg\u00edmenes de contrataci\u00f3n integrada o semiintegrada.<\/p>\n\n\n\n

Metodolog\u00eda expedita o param\u00e9trica<\/h3>\n\n\n\n

La ley admite metodolog\u00eda expedita o param\u00e9trica para partes del proyecto que todav\u00eda no est\u00e9n suficientemente detalladas en el anteproyecto.<\/p>\n\n\n\n

Partes todav\u00eda no suficientemente detalladas<\/h3>\n\n\n\n

La l\u00f3gica legal es coherente con la Ingenier\u00eda de Costos: donde la informaci\u00f3n no permite un detalle confiable, es necesario utilizar un m\u00e9todo compatible con la madurez disponible.<\/p>\n\n\n\n

Donde existe detalle suficiente, debe utilizarse mayor detalle<\/h3>\n\n\n\n

La metodolog\u00eda param\u00e9trica no debe ser pretexto para dejar de utilizar cantidades, composiciones u otra informaci\u00f3n que ya est\u00e9 suficientemente definida.<\/p>\n\n\n\n

Referencias y justificaci\u00f3n<\/h3>\n\n\n\n

El m\u00e9todo, fuentes, par\u00e1metros, premisas y ajustes deben permanecer documentados para permitir control, an\u00e1lisis y auditor\u00eda del valor estimado.<\/p>\n\n\n\n

\n

La metodolog\u00eda param\u00e9trica no elimina el riesgo; hace indispensable explicitar la incertidumbre.<\/strong> Cuanto menor sea la definici\u00f3n del proyecto, m\u00e1s importante es separar premisas de alcance, incertidumbre de la estimaci\u00f3n, riesgos identificados y contingencia, evitando doble conteo o falsa precisi\u00f3n.<\/p>\n\n\n

Vea c\u00f3mo estructuramos la Gesti\u00f3n de Riesgos de Ingenier\u00eda<\/a><\/p>\n<\/div>\n\n\n\n\n

La estimaci\u00f3n param\u00e9trica no elimina la Ingenier\u00eda<\/h2>\n\n\n\n

La aplicaci\u00f3n de un modelo exige decisiones t\u00e9cnicas en todas las etapas.<\/p>\n\n\n\n

Definici\u00f3n de drivers<\/h3>\n\n\n\n

Es necesario comprender el activo para identificar las variables que realmente explican sus costos.<\/p>\n\n\n\n

Selecci\u00f3n de la referencia<\/h3>\n\n\n\n

Los proyectos hist\u00f3ricos y benchmarks deben seleccionarse por comparabilidad, y no solamente por disponibilidad.<\/p>\n\n\n\n

Normalizaci\u00f3n<\/h3>\n\n\n\n

Las diferencias de fecha, regi\u00f3n, alcance, moneda y contrataci\u00f3n deben tratarse antes de la comparaci\u00f3n.<\/p>\n\n\n\n

Ajustes de ubicaci\u00f3n<\/h3>\n\n\n\n

Los factores regionales deben tener fundamento y un rango de aplicaci\u00f3n conocido.<\/p>\n\n\n\n

Ajustes de alcance<\/h3>\n\n\n\n

Las inclusiones y exclusiones deben compatibilizarse con el objeto estimado.<\/p>\n\n\n\n

An\u00e1lisis de riesgos<\/h3>\n\n\n\n

El resultado debe reflejar las incertidumbres relevantes para la decisi\u00f3n.<\/p>\n\n\n\n

Validaci\u00f3n<\/h3>\n\n\n\n

Las comparaciones independientes, back-testing y revisi\u00f3n t\u00e9cnica aumentan la confiabilidad del modelo.<\/p>\n\n\n\n

Documentaci\u00f3n<\/h3>\n\n\n\n

Un modelo sin memoria de c\u00e1lculo, premisas y trazabilidad dif\u00edcilmente podr\u00e1 sustentar decisiones relevantes.<\/p>\n\n\n\n\n

C\u00f3mo elaborar una estimaci\u00f3n param\u00e9trica paso a paso<\/h2>\n\n\n\n

Un proceso estructurado puede organizarse en las siguientes etapas:<\/p>\n\n\n\n

    \n
  1. definir la finalidad de la estimaci\u00f3n;<\/li>\n
  2. identificar la fase y la madurez del proyecto;<\/li>\n
  3. registrar el alcance conocido;<\/li>\n
  4. identificar brechas de definici\u00f3n;<\/li>\n
  5. estructurar una divisi\u00f3n coherente del proyecto;<\/li>\n
  6. identificar los principales cost drivers;<\/li>\n
  7. reunir datos hist\u00f3ricos y benchmarks;<\/li>\n
  8. verificar la comparabilidad de los datos;<\/li>\n
  9. normalizar el alcance;<\/li>\n
  10. normalizar la fecha base;<\/li>\n
  11. normalizar ubicaci\u00f3n y moneda;<\/li>\n
  12. seleccionar par\u00e1metros explicativos;<\/li>\n
  13. desarrollar o seleccionar relaciones de costo;<\/li>\n
  14. verificar la coherencia t\u00e9cnica de las relaciones;<\/li>\n
  15. calibrar el modelo;<\/li>\n
  16. validar contra proyectos no utilizados en la calibraci\u00f3n cuando sea posible;<\/li>\n
  17. aplicar los par\u00e1metros del nuevo proyecto;<\/li>\n
  18. tratar por separado los componentes que no sean adecuadamente param\u00e9tricos;<\/li>\n
  19. analizar sensibilidad;<\/li>\n
  20. analizar riesgos e incertidumbre;<\/li>\n
  21. comparar el resultado con benchmarks independientes;<\/li>\n
  22. establecer un rango de estimaci\u00f3n coherente;<\/li>\n
  23. documentar premisas, exclusiones y fuentes;<\/li>\n
  24. definir qu\u00e9 informaci\u00f3n debe desarrollarse para reducir la incertidumbre en la siguiente fase.<\/li>\n<\/ol>\n\n\n\n

    La secuencia no necesita ser r\u00edgidamente lineal. Nuevos datos pueden exigir revisi\u00f3n de los par\u00e1metros, la muestra o la propia metodolog\u00eda.<\/p>\n\n\n\n

    \n

    La estimaci\u00f3n param\u00e9trica es m\u00e1s \u00fatil cuando deja claro lo que todav\u00eda no se conoce.<\/strong> La memoria de la estimaci\u00f3n debe registrar par\u00e1metros, muestra, ajustes, exclusiones y el rango de aplicaci\u00f3n del modelo \u2014 e indicar qu\u00e9 informaci\u00f3n de ingenier\u00eda debe madurar en la etapa siguiente.<\/p>\n\n\n

    Conozca el servicio de Presupuesto de Obras y Servicios de Ingenier\u00eda<\/a><\/p>\n<\/div>\n\n\n\n\n

    Una estimaci\u00f3n param\u00e9trica puede combinar varios m\u00e9todos<\/h2>\n\n\n\n

    Un proyecto puede tener niveles de madurez diferentes entre paquetes. La utilizaci\u00f3n de una metodolog\u00eda h\u00edbrida suele ser m\u00e1s adecuada que forzar todo el proyecto a un \u00fanico nivel de detalle.<\/p>\n\n\n\n

    Param\u00e9trica para una disciplina<\/h3>\n\n\n\n

    Una disciplina todav\u00eda conceptual puede estimarse mediante par\u00e1metros mientras otras ya cuentan con cantidades.<\/p>\n\n\n\n

    Cotizaci\u00f3n para equipo principal<\/h3>\n\n\n\n

    Los equipos cr\u00edticos o de alto valor pueden cotizarse directamente y los sistemas asociados estimarse mediante factores.<\/p>\n\n\n\n

    Costo unitario para un elemento ya definido<\/h3>\n\n\n\n

    Cuando existe cantidad y especificaci\u00f3n suficiente, las composiciones unitarias pueden sustituir par\u00e1metros gen\u00e9ricos.<\/p>\n\n\n\n

    Analog\u00eda para un paquete todav\u00eda conceptual<\/h3>\n\n\n\n

    Un paquete con poca definici\u00f3n puede utilizar un proyecto an\u00e1logo ajustado.<\/p>\n\n\n\n

    First principles para elementos maduros<\/h3>\n\n\n\n

    Los paquetes de mayor madurez pueden estimarse bottom-up incluso dentro de un estudio predominantemente param\u00e9trico.<\/p>\n\n\n\n

    El nivel de madurez puede ser diferente entre los diversos paquetes de un mismo proyecto.<\/strong><\/p>\n\n\n\n\n

    C\u00f3mo validar un modelo param\u00e9trico<\/h2>\n\n\n\n

    La validaci\u00f3n reduce el riesgo de que un modelo simplemente reproduzca el pasado sin capacidad para predecir nuevos casos.<\/p>\n\n\n\n

    Validaci\u00f3n estad\u00edstica<\/h3>\n\n\n\n

    Cuando el modelo utiliza regresi\u00f3n u otras t\u00e9cnicas cuantitativas, es necesario evaluar la calidad del ajuste, significancia de las variables, dispersi\u00f3n y estabilidad.<\/p>\n\n\n\n

    Validaci\u00f3n t\u00e9cnica<\/h3>\n\n\n\n

    Los especialistas deben confirmar que los par\u00e1metros y relaciones tienen sentido f\u00edsico, operativo y econ\u00f3mico.<\/p>\n\n\n\n

    Back-testing<\/h3>\n\n\n\n

    Aplicar retrospectivamente el modelo a proyectos conocidos permite comparar el valor estimado con los resultados reales.<\/p>\n\n\n\n

    Comparaci\u00f3n estimado vs. realizado<\/h3>\n\n\n\n

    Tras la conclusi\u00f3n de los proyectos, los resultados deben alimentar la base hist\u00f3rica y permitir un an\u00e1lisis continuo del desempe\u00f1o del m\u00e9todo.<\/p>\n\n\n\n

    Prueba con proyectos fuera de la muestra<\/h3>\n\n\n\n

    Separar parte de los datos para validaci\u00f3n ayuda a identificar overfitting y probar la generalizaci\u00f3n.<\/p>\n\n\n\n

    An\u00e1lisis de residuos y desviaciones<\/h3>\n\n\n\n

    Las desviaciones sistem\u00e1ticas pueden revelar par\u00e1metros ausentes, problemas de normalizaci\u00f3n o cambios de mercado.<\/p>\n\n\n\n

    Sensibilidad<\/h3>\n\n\n\n

    Modificar los principales drivers dentro de rangos plausibles muestra qu\u00e9 par\u00e1metros dominan el resultado.<\/p>\n\n\n\n

    Revisi\u00f3n por especialistas<\/h3>\n\n\n\n

    Los modelos de gran impacto financiero merecen revisi\u00f3n independiente, especialmente cuando se utilizar\u00e1n para funding o decisiones de inversi\u00f3n.<\/p>\n\n\n\n\n

    Cu\u00e1ndo un modelo param\u00e9trico deja de ser v\u00e1lido<\/h2>\n\n\n\n

    Ning\u00fan modelo permanece universalmente v\u00e1lido. Su dominio debe identificarse y monitorearse.<\/p>\n\n\n\n

    Extrapolaci\u00f3n fuera del rango de datos<\/h3>\n\n\n\n

    Aplicar el modelo en una capacidad mucho mayor o menor que la muestra puede producir un error significativo.<\/p>\n\n\n\n

    Cambio tecnol\u00f3gico<\/h3>\n\n\n\n

    Una nueva arquitectura o tecnolog\u00eda puede modificar completamente la estructura de costos.<\/p>\n\n\n\n

    Cambio de mercado<\/h3>\n\n\n\n

    La escasez de recursos, nuevos proveedores, industrializaci\u00f3n, cambios tributarios o macroecon\u00f3micos pueden reducir la validez de las relaciones hist\u00f3ricas.<\/p>\n\n\n\n

    Nueva regi\u00f3n<\/h3>\n\n\n\n

    Los mercados con log\u00edstica, mano de obra y productividad muy diferentes pueden exigir recalibraci\u00f3n.<\/p>\n\n\n\n

    Escala muy diferente<\/h3>\n\n\n\n

    Las econom\u00edas y deseconom\u00edas de escala pueden modificar los coeficientes del modelo.<\/p>\n\n\n\n

    Cambio de estrategia de contrataci\u00f3n<\/h3>\n\n\n\n

    La transferencia de riesgos y m\u00e1rgenes puede modificar el contenido econ\u00f3mico del valor observado.<\/p>\n\n\n\n

    Alteraci\u00f3n estructural del alcance<\/h3>\n\n\n\n

    Cuando el nuevo proyecto incluye sistemas que no exist\u00edan en los hist\u00f3ricos, simplemente ajustar un par\u00e1metro puede ser insuficiente.<\/p>\n\n\n\n

    Un modelo calibrado para un determinado dominio no debe extrapolarse indefinidamente.<\/strong><\/p>\n\n\n\n\n

    Principales limitaciones de la estimaci\u00f3n param\u00e9trica<\/h2>\n\n\n\n

    Las limitaciones deben conocerse antes de utilizar el resultado como base para una decisi\u00f3n.<\/p>\n\n\n\n