Procesos

Estocsticos
Simulacin de
MonteCarlo
JUAN CARLOS ALDANA BERNAL

Objetivo general
Desarrollar en el participante la capacidad de simular procesos
productivos con la metodologa de Montecarlo, con el fin de proponer
alternativas de operaciones

DEFINICIN DE LA SIMULACIN DE MONTECARLO

Es una tcnica cuantitativa de simulacin matemtica para el
anlisis del comportamiento de sistemas aleatorios no
dinmicos.
Nace del trabajo de los trabajos de Stan Ulam y John Von
Neumann a finales (1948) en el laboratorio de Los Alamos,
cuando investigaban el movimiento aleatorio de los
neutrones.
Posteriormente se ha venido utilizando en gran cantidad de
modelos exactos o complejos.

UTILIZACIN
Es considerado un mtodo de anlisis muy verstil dado que:
Permite utilizar cualquier distribucin para modelar los
tiempos para salida y modelacin de los componentes.
Permite resolver sistemas en los cuales no existe una solucin
analtica.
Permite obtener las distribuciones de probabilidad de los
ndices de confiabilidad, lo cual es muy til para valorar el riesgo
de que ocurran diferentes valores de los ndices.
Los cambios en el sistema se realizan en los datos.

MODELO DE SIMULACIN MONTE CARLO

Datos de
entrada
probabilsticos

Datos de
entradas
controlables
1.
2.
3.
4.
5.

MODELO

Resultado

Establecer una distribucin de probabilidad para las variables importantes

Construir una distribucin de probabilidad acumulada para cada variable
Establecer un intervalo de nmeros aleatorios para cada variable
Generar nmeros aleatorios
Simular el experimento

EJEMPLO SIMULACIN
Una empresa esta desarrollando una nueva autoparte, de gran calidad y
muy innovadora. Los anlisis iniciales arrojaron los siguientes costos (en
miles de pesos) durante el primer ao:
Precio de venta $249 unidad
Costo administrativo $400.000
Costo de publicidad $600.000
Estos son los parmetros del modelo. El costo de MOD, costo de las piezas
y demanda no se conocen con certeza y son entradas probabilsticas. Las
estimaciones para estos costos son:
C1 : MOD $45 unidad
C2: Costo de cada pieza $90
X: Demanda de 15000 unidades.

EJEMPLO ANALISIS DE SENSIBILIDAD (2)

La utilidad en este caso esta dada por:
Utilidad = (249 C1- C2)X 1000.000 = (249 45 90)15000-1000000
Utilidad = $710.000
Si el grupo de planeacin asume que los costos pueden variar de la siguiente
manera:
Costo MOD entre $43 y $ 47 por unidad
Costo de las piezas entre $80 y $100
Y la demanda anual puede estar entre 1500 y 28500
Se realiza una evaluacin por escenarios
Mejor escenario
Peor escenario

EJEMPLO ANALSIS DE SENSIBILIDAD (3)

El mejor escenario sera:
Utilidad = (249 43 80)28500-1000000
Utilidad = $2591.000
Y el peor escenario sera:
Utilidad = (249 47 100)1500-1000000
Utilidad = - $847.000

EJEMPLO: COSTO DE MANO DE OBRA

De acuerdo con experiencias anteriores el rango de costo tiene las
siguientes caractersticas de distribucin de probabilidad:
Costo
Unitario

Frecuencia

Probabilidad
de ocurrencia

Probabilidad
acumulada

Intervalo nmeros
aleatorios

43

5/50= 0,1

0,1

0,0 <= x < 0,1

44

10

10/50= 0,2

0,3

0,1 <= x < 0,3

45

20

20/50= 0,4

0,7

0,3 <= x < 0,7

46

10

10/50= 0,2

0,9

0,7 <= x < 0,9

47

5/50= 0,1

0,9 <= x < 1

EJEMPLO: COSTO DE LAS PIEZAS

La empresa considera que es igualmente probable un
precio entre $80 y $100, entonces su distribucin seria
uniforme, de la siguiente forma:
Probabilidad
0,06
0,05
0,04

Probabilidad

0,03
0,02
0,01
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

EJEMPLO: DEMANDA
La empresa considera que la demanda tendr un
comportamiento definido por una distribucin normal,
con desviacin estndar de 4500 unidades:
Probabilidad demanda
16000
14000

12000
10000
8000

Probabilidad demanda

6000
4000
2000
0
0

10

EJEMPLO: GENERACIN DE ENSAYOS

Se generan varios ensayos, con los cuales la empresa
este conforme del posible comportamiento del
modelo:
Ensayo

Identificacin
de
parmetros

Generar
costos de
MOD

Generar
costo de
piezas

Generar
demanda

Calcular
utilidad

EJEMPLO: GENERACIN DE COSTO MOD

A partir de una tabla de nmeros aleatorios se generan diez
ensayos con nmeros aleatorios y costos asociado de MOD
Ensayo

No. Aleatorio

Costo MOD

0,91

47

0,28

44

0,65

45

0,03

43

0,34

45

0,27

44

0,68

45

0,62

45

0,49

45

10

0,80

46

EJEMPLO: GENERACIN DE COSTO DE PIEZAS

El costo de las piezas se establece a partir de la frmula:
a + r (b a) = 80 + r ( 100 80).
Ensayo

No. Aleatorio, r

Costo pieza

0,26

85,3

0,58

91,7

0,66

93,3

0,92

98,8

0,41

88,4

0,73

94,7

0,43

88,6

0,11

82,4

0,69

93,9

10

0,78

95,7

EJEMPLO: GENERACIN DE DEMANDA

Con la generacin de nmeros aleatorios , se define la probabilidad
acumulada que tiene un z desviaciones estndar sobre la media. La demanda
es = + z
Ensayo

No. Aleatorio

Demanda

0,70

17366

0,32

12900

0,89

20686

0,18

10888

0,43

14259

0,96

22904

0,56

15732

0,73

17804

0,02

5902

10

0,32

12918

EJEMPLO: GENERACIN DE RESULTADOS

Ensayo

Costo MOD

Costo piezas

Demanda

Utilidad

47

85,3

17366

1025570

44

91,7

12900

461828

45

93,3

20686

1288906

43

98,8

10888

169807

45

88,4

14259

648911

44

94,7

22904

1526769

45

88,6

15732

814686

45

82,4

17804

1165501

45

93,9

5902

-350131

10

46

95,7

12918

385585

Total

449

912,67

151.359

7137.432

Promedio

44,9

91,26

15.136

713.743

EJERCICIO 1: SIMULACIN MONTECARLO

La Gerencia considera lanzar un nuevo producto. El costo fijo para iniciar la
produccin es $30.000. Se espera que el costo variable oscile entre $16 y $24 con un
valor ms probable de $20 por unidad. Se estima vender el producto en $50 por
unidad. Se espera que la demanda este entre 300 y 2100 unidades, con 1200 como
demanda ms probable.
Definir el modelo de utilidad de este producto
Desarrolle el anlisis de escenarios y discuta sus resultados.
Si el precio de venta puede oscilar entre $40 y $60 con igual probabilidad y la
frecuencia de costo variable y la demanda tienen las siguientes frecuencias, realice
10 ensayos para tomar una decisin del lanzamiento de este producto:

Costo
Unitario

Frecuencia

Demanda

16

300

18

10

600

20

20

1200

22

10

1800

24

2100

EJERCICIO 2: SIMULACIN MONTECARLO

El nmero de barcazas que llega a un puerto flucta entre 0 y 5 (Ver
tabla 1 las probabilidades de llegada). Del estudio realizado se
identifica que el nmero de barcazas descargadas tambin cambia de
un da a otro. En la tabla se presenta tambin las probabilidades
asociadas a las descargas diarias.
Las barcazas se descargan segn un sistema FIFO, pero toda barcaza
que no se descargue el da de llegada deber esperar al da siguiente,
lo cual ocasiona quejas de los clientes. El encargado debe realizar una
simulacin de 20 das para determinar los tiempos de llegada,
demoras y descargas y asi determinar recursos adicionales.
No. llegadas

Probabilidad

Tasa descarga

Probabilidad

0,13

0,17

0,05

0,15

0,15

0,25

0,50

0,20

0,20

0,10

0,10

Bibliografa
TAHA Handy. Investigacin de operaciones. Pearson Educacin. Mxico.
2004.
EPPEN G.D. y otros. Investigacin de operaciones en la ciencia
administrativa. Pearson Educacin. Mxico. 2.000.
HILLIER Fredery y LIEBERMAN. Investigacin de operaciones. McGraw Hill.
Mxico. 2.001.
ANDERSON David y otros. Mtodos cuantitativos para los negocios. Ed.
Cengage Learning , 11. Ed. 2010.
HEIZER Jay, Direccin de la Produccin y Operaciones, 8. Edicin,
Prentice Hall, 2007.
KRAJEWSKI Lee, Administracin de Operaciones, 8. Edicin, PrenticeHall,
2008.