El método de Monte Carlo es un método de simulación que permite calcular estadísticamente el valor final de una secuencia de sucesos no deterministas (sujetos a variabilidad). Por la complejidad de esta tarea, la simulación se realiza por computadora con algún programa adecuado.
El nombre de este método viene en referencia al Casino de Monte Carlo | Mónaco | ya que la ruleta es un juego que genera siempre números aleatorios o al azar.
CONFIABILIDAD
La confiabilidad de un equipo es la probabilidad de que desempeñe satisfactoriamente las funciones para las que fue diseñado, durante el período de tiempo especificado y bajo las condiciones de operación dadas. La confiabilidad es una medida que resume cuantitativamente el perfil de funcionalidad de un elemento y ayuda en el momento de seleccionar un equipo entre varias alternativas.
Los métodos de análisis más utilizados en confiabilidad de sistemas de distribución son frecuencia y duración y la simulación de Monte Carlo.
Cómo funciona la simulación Monte Carlo
La simulación Monte Carlo realiza el análisis de riesgo con la creación de modelos de posibles resultados mediante la sustitución de un rango de valores —una distribución de probabilidad— para cualquier factor con incertidumbre inherente. Luego, calcula los resultados una y otra vez, cada vez usando un grupo diferente de valores aleatorios de las funciones de probabilidad. Dependiendo del número de incertidumbres y de los rangos especificados, para completar una simulación Monte Carlo puede ser necesario realizar miles o decenas de miles de recálculos. La simulación Monte Carlo produce distribuciones de valores de los resultados posibles.
El análisis de riesgo se puede realizar cualitativa y cuantitativamente. El análisis de riesgo cualitativo generalmente incluye la evaluación instintiva o “por corazonada” de una situación, y se caracteriza por afirmaciones como “Eso parece muy arriesgado” o “Probablemente obtendremos buenos resultados”. El análisis de riesgo cuantitativo trata de asignar valores numéricos a los riesgos, utilizando datos empíricos o cuantificando evaluaciones cualitativas. Vamos a concentrarnos en el análisis de riesgo cuantitativo.
Mediante el uso de distribuciones de probabilidad, las variables pueden generar diferentes probabilidades de que se produzcan diferentes resultados. Las distribuciones de probabilidad son una forma mucho más realista de describir la incertidumbre en las variables de un análisis de riesgo.
La simulación Monte Carlo proporciona una serie de ventajas sobre el análisis determinista o “estimación de un solo punto”:
Resultados probabilísticos. Los resultados muestran no sólo lo que puede suceder, sino lo probable que es un resultado.
Resultados gráficos. Gracias a los datos que genera una simulación Monte Carlo, es fácil crear gráficos de diferentes resultados y las posibilidades de que sucedan. Esto es importante para comunicar los resultados a otras personas interesadas
Análisis de sensibilidad. Con sólo unos pocos resultados, en los análisis deterministas es más difícil ver las variables que más afectan el resultado. En la simulación Monte Carlo, resulta más fácil ver qué variables introducidas tienen mayor influencia sobre los resultados finales.
Análisis de escenario. En los modelos deterministas resulta muy difícil modelar diferentes combinaciones de valores de diferentes valores de entrada, con el fin de ver los efectos de situaciones verdaderamente diferentes. Usando la simulación Monte Carlo, los analistas pueden ver exactamente los valores que tienen cada variable cuando se producen ciertos resultados. Esto resulta muy valioso para profundizar en los análisis.
Correlación de variables de entrada. En la simulación Monte Carlo es posible modelar relaciones interdependientes entre diferentes variables de entrada. Esto es importante para averiguar con precisión la razón real por la que, cuando algunos factores suben, otros suben o bajan paralelamente.
RECURSOS PARA APLICAR EL MÉTODO DE MONTE CARLO
Actualmente existen diferentes programas comerciales que permiten aplicar el método de Montecarlo, bien de forma independiente, o partiendo de la planificación realizada en Microsoft Project o Oracle Primavera. @RISK
Aplicación sobre Excel pero que permite integrarse con Microsoft Project para hacer análisis de Montecarlo para el cronograma, considerando los riesgos del proyecto. CRISTAL BALL
Aplicación basada en Excel para obtener una visión fiable de riesgos, crear modelos predictivos precisos, buscar la mejor solución y maximizar su inversión mediante análisis de MonteCarlo. FULL MONTE
Software de análisis de Montecarlo compatible con Project y Primavera. GOLD SIM
Programa de análisis de Montecarlo con varias aplicaciones dentro del ámbito de los negocios, la gestión de proyectos, y la ingeniería en general. KATMAR
Aplicación de análisis de Montecarlo focalizada en el estudio del presupuesto del proyecto. RISKY PROJECT
Software de gestión de riesgo en proyectos que trabaja con Project o Primavera.
