You are on page 1of 7

Influencia de la simulacin de Monte Carlo en la toma decisiones gerenciales.

Ral Soto Figueroa

En la actualidad, el objetivo principal de las organizaciones es crear el mximo valor

para sus accionistas, en un mercado que se presenta cambiante producto de la globalizacin,

el cual obliga a las organizaciones a tener una alta capacidad de adaptacin y sentido de

supervivencia hacia las amenazas a los que se ven sometidos, por lo tanto las organizaciones

se ven en la necesidad de implementar proyectos de inversin o de mejora continua que sean

exitosos. En este escenario la tcnica de simulacin de Monte Carlo se aprecia como una

herramienta importante en la valoracin o anlisis de riesgos de los proyectos que presenten

alta incertidumbre, ya que permite preparar mltiples escenarios que permite estimar la

rentabilidad deseada.

El presente ensayo afirma la alta influencia que tiene la simulacin, especficamente la

tcnica de Monte Carlo en la toma de decisiones gerenciales de las organizaciones, para lo

cual en primer lugar se definirn los conceptos de simulacin y la tcnica de Montecarlo,

seguidamente se analizara cmo influye la incertidumbre en la simulacin y la toma de

decisiones para despus evaluar los beneficios de la tcnica de simulacin de Monte Carlo y

su aplicaciones y finalmente se expondr ejemplos reales de anlisis de riesgos mediante el

uso de la tcnica de simulacin de Monte Carlo.

La simulacin, se presenta como una herramienta importante para la valorizacin de

proyectos en las organizaciones y la posterior toma de decisin (Azofeifa, 2004) menciono a

la simulacin como la construccin de un modelo lgico matemtico de un sistema, este

desarrollo tiene como objetivo obtener la reproduccin de la operacin de un proceso real, es

decir se desarrolla una realidad artificial del sistema, la observacin y manipulacin

experimental de esta realidad artificial, permite determinar las caractersticas operacionales

del sistema (Pantoja, Pinto,& Valdivieso,2015) afirmaron que la simulacin tambin es


2

definido como la habilidad de desarrollar modelos que analicen el comportamiento de un

sistema real expuesto a mltiples simulaciones en base a modelos matemticos del tipo

probabilstico o determinstico como variable de entrada (Azarang & Garca, 1998)

presentaron una definicin practica de la simulacin, indicando que los trminos sistema y

modelo son elementos claves y que la simulacin puede ser definida en dos pasos bsicos: (1)

desarrollo del modelo mediante la construccin de formulas lgicas representativas del

sistema y (2) experimentacin con el modelo y su correspondiente evaluacin de cmo

responde el sistema a los cambios en las variables de entrada.

La tcnica de simulacin de Monte Carlo es muy til en las organizaciones, cuando se

requieren evaluar proyectos con altos niveles de incertidumbre dado que evala mltiples

escenarios (Azofeifa, 2004) indico que la simulacin de Monte Carlo es un muestreo

experimental, cuyo propsito es estimar las distribuciones de las variables de salida que a la

vez dependen de las variables de entrada, los cuales se presentan como modelos

probabilsticos; asimismo (Azofeifa, 2004) afirmo que el nombre de esta tcnica proviene por

su similitud al muestreo aleatorio de los juegos de ruleta de los casinos del principado de

Monte Carlo, que por esa poca era considerada como la capital del juego del azar y segn

indico (Daz et al., 2010) se conoce desde el ao 1944 y fue desarrollado con el uso de los

primeros ordenadores que se emplearon para la construccin de las primeras bombas atmicas

durante la segunda guerra mundial (Del Carpio, 2017) afirmo que la clave para desarrollar la

tcnica de simulacin de Monte Carlo es crear un modelo analtico del sistema que

identifique variables de entrada tanto controlables como no controlables; asimismo este

modelo se construye observando y describiendo, notoriamente el experimento de simulacin

es ms preciso cuanto mayor es el numero de experimentos que se ejecuten.

La incertidumbre est presente siempre en los proyectos y ejerce una alta influencia en

los procesos de simulacin ya que se presenta como una condicin que impera cuando se
3

cuenta con poca o nula informacin para tomar decisiones gerenciales. (Anderson &

Sweeney, 2015) mencionaron que la incertidumbre tiene un alto impacto en la toma de

decisiones de las organizaciones y en este contexto el uso de la simulacin es importante para

evaluar el impacto de la incertidumbre en las decisiones que se tomen ya que las

organizaciones prosperan o fracasan como resultado de las decisiones que toman. ( Del

Carpio; 2017) afirmo que la incertidumbre es lo que desconocemos y que tambin forma

parte de nuestros modelos, entendindose que no todos los aspectos de nuestros modelos

tienen factores controlables (Franklin; 2016) menciono seis fuentes de incertidumbre que

afecten las tomas de decisiones gerenciales y pueden darse como resultado de: (1) crisis

econmicas, devaluaciones y recesiones, (2) crisis en la estrategia de negocios, entornos

cambiantes como resultado de la globalizacin (3) crisis del capital humano como

consecuencia de la excesiva rotacin (4) crisis de reputacin, violacin a cdigo de tica (5)

crisis polticas, inestabilidad; y (6) desastres naturales, sismos e incendios.

Los beneficios de la tcnica simulacin de Monte Carlo son muy importantes en las

organizaciones y aportan a la toma de decisiones gerenciales, al respecto (Anderson &

Sweeney, 2015) afirmaron que presenta una facilidad de entendimiento a diferencia de los

modelos analticos, asimismo la metodologa se puede usar para modelar y aprender sobre el

comportamiento de sistemas complejos, tambin se presenta como un laboratorio

experimental a diferencia de un sistema real, lo cual lo hace muy prctico ya que no siempre

es factible experimentar con el sistema real , tambin se presenta como flexible porque al

permitir cambiar los escenarios o diferentes polticas en el modelo ayudan a predecir como

dichos cambios afectaran la operacin del sistema real y por ltimo mientras mayor sea el

numero de datos de entrada probabilsticos que el sistema posee, mas probabilidad existe de

que el modelo se asemeje al sistema real .(Azofeifa, 2004) menciono otros beneficios para la

organizaciones, el cual est relacionado al aprendizaje continuo y la obtencin de experiencia


4

en forma econmica atravez de la simulacin en el computador que hacerlo directamente en

el sistema real, estos resultados rpidos producto del uso del ordenador y el uso de esta

tcnica de simulacin pueden analizar sistemas complejos donde los modelos analticos no lo

pueden resolver.

La tcnica de simulacin de Monte Carlo, ha tenido un amplio campo de accin y es

aplicable a diversos sectores, como el financiero, manufacturero (Azofeifa, 2004) menciono

su aplicacin en la introduccin de productos nuevos donde el objetivo de la simulacin es

determinar la probabilidad que tiene el producto nuevo de generar beneficios para la

organizacin, sobre el particular detalla la relacin de la utilidad con las distintas entradas

probabilsticas que pueden ser, la demanda, el costo de la materia prima y mano de obra, etc.

(Anderson&Sweeney, 2015) tambin mencionan como esta tcnica de simulacin se utiliza

para establecer poltica de inventarios de productos cuya demanda es incierta, en este caso el

objetivo es determinar el nivel de inventarios que resulte en un adecuado nivel de servicio y a

un costo razonable, tambin menciono como esta tcnica de simulacin se utiliza para

analizar las lneas de espera cuyo objetivo es determinar la probabilidad de cunto tiempo

tiene que esperar un cliente para ser atendido, en este caso las variables aleatorias son los

tiempos de llegada de los clientes y el tiempo de atencin por parte de los servidores que

juntos determina el tiempo de espera y finalizacin de atencin para con un cliente. (Azofeifa,

2004) tambin menciono su aplicacin de esta tcnica de simulacin en anlisis de riesgos de

procesos financieros, donde estos podran ser planificacin de inversiones, evaluacin de

retornos de inversin, simulacin de presupuestos y el uso del simulador para administracin

de proyectos, etc.

El anlisis de riesgo es considerado como un proceso de predecir el resultado de una

decisin en incertidumbre, por lo expuesto las organizaciones han tomado conciencia de

evaluar el riesgo a la hora de tomar decisiones o emprender proyectos de inversin ya que se


5

entiende a la prevencin como crucial para el xito (Ortiz, 2015) menciono que el anlisis del

riesgo es el resultado de una toma decisin en un contexto de incertidumbre, en este aspecto

la tcnica de de simulacin de Monte Carlo influye enormente porque permite simular

diferentes escenarios que les permita realizar estimaciones de todas los posibles situaciones

futuras y as implementar controles que ayuden a reducir los riesgos ( Escobar, Linfati,&

Jaimes, 2016), abordaron un estudio de gestin de inventarios para productos perecedores

como el pescado fresco para compaas colombianas donde el objetivo era determinar la

mejora poltica de inventarios de tal manera que asegure la rentabilidad esperada cumpliendo

con los diversos niveles de calidad y satisfaccin de los clientes y el cumplimiento de las

normativas gubernamentales (Tachini &Tachinni, 2012) tambin abordaron la simulacin

como un proceso de anlisis de riesgo que le permita cultivar cerezos en zona no tradicionales

de la ciudad de Mendoza en Argentina, para lo cual atravez de la simulacin evaluaron

diversas zonas de cultivo tomando como en consideracin las principales variables y

ecolgicas y evaluando los resultados econmicos como el precio y el costo de cosecha.

Por lo anterior mencionado se concluye que la tcnica de simulacin de Monte Carlo

tiene una alta influencia en la toma de decisiones de las organizaciones, ya que permite

evaluar proyectos de inversin o de mejora continua con alta incertidumbre, permitiendo

obtener mltiples escenarios de evaluacin que ayudan a los gerentes de las organizaciones a

identificar las ventajas e inconvenientes de sus decisiones atravez de un mtodo cientfico;

asimismo se ha descrito los beneficios y aplicaciones reales de esta tcnica de simulacin que

en la actualidad viene aplicndose exitosamente en muchos proyectos.


6

Referencias.

Burbano, Pantoja.,& Pinto, Sosa.,& Valdivieso Miranda. (2015). Formas de usar la

simulacin como un recurso didctico. Revista virtual Universidad Catlica del

Norte, 45, 16-37. Recuperado de

http://revistavirtual.ucn.edu.co/index.php/RevistaUCN/article/view/653

Carlos, Azofeifa. (2004). Aplicacin de la Simulacin de Monte Carlo en el clculo del riesgo

usando Excel, Tecnologa en marcha. Recuperado de

http://revistas.tec.ac.cr/index.php/tec_marcha/article/view/1438

David, Anderson.& Dennis, Sweeney. (2015, Noviembre). Mtodos cuantitativos para los

negocios (13th ed) (pp.720-749). Mxico: Cengage Learning.

Del Carpio, Luis. Modelos de simulacin. Herramientas para la Toma de Decisiones

Gerenciales. Centrum Escuela de negocios de la Pontificia Universidad Catlica del

Per. 28 de Mayo del 2017.

Enrique, Franklin. (2011). Toma de decisiones empresariales. Contabilidad y Negocios 6 (11).

Recuperado de

http://revistas.pucp.edu.pe/index.php/contabilidadyNegocios/article/view/457

John, Escobar.,& Rodrigo, Linfati.,& Wilson, Jaimes. (2017). Gestin de inventarios para

distribuidores de productos perecederos. Ingeniera y desarrollo Universidad del

Norte, 35(1). Recuperado de

http://rcientificas.uninorte.edu.co/index.php/ingenieria/article/viewArticle/8609

Jorge, Tacchini.,& Federico Tacchini. (2012). Produccin de cerezo en Mendoza: viabilidad

tcnico-econmica, basada en un modelo de simulacin. Revista de la Facultad de

Ciencias Agrarias. Recuperado de

http://www.redalyc.org/articulo.oa?id=382837651008
7

Mohammad, Azarang.,& Eduardo, Garca. (1998, Enero). Simulacin y anlisis de modelos

estocsticos (1th ed) (pp.63-68). Mxico: McGraw Hill.

Pablo, Ortiz (2015).El mtodo Monte Carlo en la evaluacin de riesgos de la Seguridad de la

Informacin. Gobierno, Riesgos, Auditora y Seguridad de la Informacin .Simposio

llevado a cabo en Montevideo, Uruguay en el Congreso Internacional de Riesgos

Recuperado de

https://www.isaca.org/chapters8/Montevideo/cigras/Documents/CIGRAS2015/CIGRA

S-2015.09.10-10.

You might also like