See

discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/321038584

Riesgo e incertidumbre de la evaluación

económica financiera en proyectos de Ingeniería
Química

Technical Report · January 2003

CITATIONS READS

0 9

2 authors, including:

Elina Fernández Santana

Universidad Tecnológica de la Habana, José Antonio Echeverría
31 PUBLICATIONS 14 CITATIONS

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Degradación físico – química y biológica de residuales industriales y medios receptores de los mismos
View project

Factibilidad económica en plantas químicas View project

All content following this page was uploaded by Elina Fernández Santana on 13 November 2017.

The user has requested enhancement of the downloaded file.

 1

Riesgo e incertidumbre de la

evaluación económica financiera

en proyectos de

Ingeniería Química

Autores:

Dra. Elina Fernández Santana

Dra. Elena Izquierdo Kulich

Departamento de Ingeniería Química

Facultad de Ingeniería Química
Instituto Superior Politécnico José Antonio Echeverría
cujae
Ciudad de la Habana
Cuba
2003
2
 3

Índice

Introducción .................................... 5
1.- Técnicas de evaluación económica financiera utilizadas en proyectos
de inversión ......................................................................................... 7
1.1.- Flujo de caja de una planta .................... 7
1.2.- Valor Actual neto ................... 8
1.3.- Tasa Interna de Rendimiento ..................... 11
2.- Simulación estocástica basada en el método de Montecarlo ................ 13
2.1.- Conceptos fundamentales .......... 13
2.2.- Fundamentos del método de Montecarlo ................. 14
3.- Aplicación del método de Montecarlo en la evaluación económica financiera de
proyectos ............................ 17
4.- Ejemplos de aplicación en la Ingeniería Económica ........................ 20
Conclusiones ........................ 28
Bibliografía ........................... 29
4
 5

Introducción

El objetivo fundamental del ingeniero químico es ¨ Producir productos químicos y

bioquímicos con la calidad requerida y al costo más bajo posible ¨. Para lograr esto el
ingeniero no solo debe tomar en cuenta los aspectos técnicos relacionados con el
diseño y operación de la planta, sino también que el proceso sea económicamente
factible. Este último aspecto conlleva a la necesidad de efectuar un análisis económico
no solo en la etapa de diseño de la planta, sino también durante la operación de la
misma.

La manera de efectuar el análisis económico en una planta de proceso es tan

diversa y está en dependencia de tantos factores a considerar, que no se puede
plantear una metodología específica a seguir en todos los casos. Sin embargo, sí se
puede plantear una estrategia general que posibilite llegar a resultados concretos con
el menor esfuerzo y gasto de recursos disponibles. Es en este sentido que se desarrolla
la ingeniería económica.

La ingeniería económica está conformada por un conjunto de técnicas que

permiten realizar comparaciones entre alternativas desde el punto de vista económico.
De esta manera es posible establecer un procedimiento comprensible y racional, que
permite valorar si una alternativa es económicamente factible, así como comparar
diferentes alternativas entre sí.

Al aplicar las técnicas de ingeniería económica el ingeniero presupone conocidos

un conjunto de parámetros, tales como el costo de producción, los ingresos por
ventas, el tiempo de vida útil y el interés bancario. No obstante, existen situaciones en
las cuales no todos estos parámetros se conocen con una certeza absoluta, como por
ejemplo, el precio de los productos en el mercado internacional que, como se conoce,
está sometido a la influencia de las fluctuaciones de la política y la economía en el
ámbito mundial.

Por otra parte, tanto en la naturaleza como en la sociedad existen procesos o

fenómenos que pueden ocurrir algunas veces, sin que se sepa con certeza en que
momento sucederán ni la magnitud exacta de su influencia. Como ejemplo se pueden
señalar las fluctuaciones en la composición de los productos que se emplean como
materia prima en un proceso dado, cambios climáticos, rotura de equipos que afectan
 6

la operación de los procesos industriales, devaluación de la moneda, incremento o

decremento de los precios, etc.

Generalmente cuando se realiza el análisis técnico – económico de un proceso

estos eventos no son tomados en cuenta de forma explícita. Así, el cálculo del costo de
producción y del flujo de caja se efectúa sin tomar en cuenta las fluctuaciones que
pueden ocurrir en el flujo de materia prima y materiales de producción. Es evidente
que un análisis económico de esta clase resulta hasta cierto punto incompleto, ya que
no toma en cuenta la incertidumbre que puede afectar la eficiencia técnico –
económica real de los procesos industriales.

Por otra parte, los eventos cuya realización no se conoce con certeza no pueden
describirse adecuadamente mediante las técnicas de modelación estadísticas y
deterministas que se emplean habitualmente. En estos casos resulta más adecuado el
empleo de técnicas de modelación estocásticas, las que consideran de forma explícita
la incertidumbre asociada con el comportamiento del fenómeno que se analiza y que se
manifiesta en el hecho de que las variables que lo describen se comportan de forma
aleatoria. Precisamente en este material se expone como las técnicas de modelación
estocásticas pueden ser aplicadas para evaluar la incertidumbre de los métodos de
evaluación económica financiera en proyectos de ingeniería química.

Este trabajo se encuentra estructurado de la siguiente forma: en el capítulo 1 se

exponen brevemente cuales son las técnicas dinámicas de evaluación económica de
proyectos que se emplean con mayor frecuencia en el campo de la ingeniería química.
En el segundo capítulo se exponen los fundamentos de los métodos de modelación
estocásticas basados en la técnica de Montecarlo. En el tercer capítulo se describe
como se aplica el método de Montecarlo para evaluar la confiabilidad del análisis
económico de proyectos. Por último, en el cuarto capítulo se presentan tres ejemplos
donde se ilustra como se aplican los conceptos expuestos en los capítulos anteriores.
 7

1.- Técnicas de evaluación económica financiera utilizadas en

proyectos de inversión

En este capítulo se describen brevemente las técnicas dinámicas de evaluación

económica de proyectos que se aplican más frecuentemente en el campo de la
ingeniería química. Estas técnicas definen si una alternativa de proceso es
económicamente factible, así como permiten escoger entre varias alternativas cual es
la más adecuada desde el punto de vista económico. En el epígrafe 1.1 se expone
como determina el flujo de caja de una planta, aspecto básico para determinar los
índices valor actual neto y tasa interna de rendimiento que se describen en los
epígrafes 1.2 y 1.3, respectivamente.

1.1.- Flujo de caja de una planta

El flujo de caja de una planta se define como el resumen de todos los ingresos y
desembolsos financieros que tienen lugar durante la operación de la misma durante un
período de tiempo predeterminado. En este sentido, se definen los ingresos de caja
anuales como la diferencia existente entre los ingresos por las ventas anuales de los
productos menos los costos totales anuales requeridos para producir y vender los
productos.

Se plantea entonces que:

A CI = A S − A TE (1.1.1)

donde ACI son los ingresos de caja anuales, AS los ingresos debido a las ventas
anuales y ATE son los costos totales anuales.

Los ingresos de caja anuales netos, serán la diferencia entre los ingresos de caja
anuales menos el importe anual por impuestos, quedando:

A NCI = A CI − A IT (1.1.2)
 8

donde ANCI son los ingresos de caja anuales netos y AIT es el importe anual por
impuestos. Es decir, una parte de todo el ingreso en caja debe usarse para pagar los
impuestos gubernamentales. Este monto anual por impuestos viene dado por

A IT = (A CI − A D − A A ).t (1.1.3)

donde AD representa los cargos anuales por depreciación, AA es el monto anual de

otros cargos y t es la razón fraccional de impuestos. Generalmente el valor de t es
igual a 0.5, pero este cambia en dependencia del país, lugar, etc.

El flujo de caja anual después de los impuestos viene dado como:

A CF = A NCI − A TC (1.1.4)

donde ACF es el Flujo de caja anual neto y ATC son los Gastos anuales de capital.

El costo total anual ATC anteriormente mencionado puede ser calculado como la
suma de los costos de operación y gastos generales, por lo que:

A TE = A ME − A GE (1.1.5)

donde AME es el costo de operación anual que implica operar la planta y AGE
representan otros Gastos generales en los cuales se incurre.

1.2.- Valor Actual Neto

La ingeniería económica en su forma mas general, puede definirse como una

colección de técnicas matemáticas, que simplifican las comparaciones económicas. Con
el auxilio de estas técnicas, puede desarrollarse un procedimiento comprensible y
racional, para evaluar los aspectos económicos de los diferentes métodos propuestos.

Como criterio de evaluación para comparar dichos métodos, en Ingeniería

económica se usa fundamentalmente el dinero. Muchas veces usted habrá oído decir
“el dinero hace dinero”, lo cual puede decirse que efectivamente es cierto pues si se
 9

invierte dinero hoy (bien invertido), mañana se tendrá mas dinero acumulado que el
que habrá invertido originalmente. Este cambio en la cantidad de dinero durante un
periodo de tiempo dado, es lo que se llama valor del dinero en el tiempo. La
manifestación del valor del dinero en el tiempo se llama interés y constituye una
medida del incremento entre la suma original y el costo final pagado o acumulado.

El valor del dinero en el tiempo y la tasa de interés utilizadas conjuntamente,

generan el concepto de equivalencia, el cual expresa que diferentes cantidades de
dinero en diferentes tiempos pueden tener igual valor económico.

En la industria de procesos químicos los proyectos potenciales se evalúan usando

un método de rentabilidad dado. Existen diferentes formas de llevar a cabo esta
evaluación, dentro de los cuales se encuentra el plazo de recuperación de la inversión,
el valor actual neto (VAN) y la tasa interna de rendimiento (TIR).

El plazo de recuperación se define como el período de tiempo necesario, para

recuperar el capital invertido en forma de flujo de efectivo de un proyecto de forma
analítica, puede calculase como:

A CFO
PBP = (1.2.1)
A CF
donde ACFo es el capital invertido y ACF es el flujo de efectivo promedio anual, el cual
se determina mediante la siguiente expresión:

∑A
y =1
CFy

A CF = (1.2.2)
n

donde ACFy es el flujo de caja en el año y mientras que n es el número de años de

vida útil de la planta.

El PBP es una medida de lo pronto que se recuperará el dinero invertido. Si la

razón principal de una inversión es recuperarla lo más pronto posible o si se analizan
tecnologías que cambian significativamente en períodos de tiempos cortos, este es el
mejor método de evaluación de una alternativa dada. Sin embargo, esto no es lo que
siempre ocurre, presentando una serie de inconvenientes como son:
 10

- No tiene en cuenta el flujo de efectivo, en períodos posteriores a la liquidación.

- Ignora la vida económica del equipo.
- Ignora el valor del dinero en el tiempo.
- No indica la tasa de rendimiento sobre la inversión y por lo tanto
- Ignora la tasa de rendimiento mínima requerida ó tasa crítica.

El método de comparación del Valor Actual Neto (VAN) o Valor Neto Actual (VNA)
consiste en reducir todas las diferencias futuras entre alternativas a una sola cantidad
presente equivalente. Esto también puede hacerse calculando el VAN de cada
alternativa por separado, antes de restar sus diferencias. El hecho de que el VAN se
aplique tanto a costos como a ingresos en ocasiones puede causar problemas, pues es
lógico pensar en valor como ingreso y no como costo. Solo debe recordarse que el VAN
de una serie de costos es un costo y que la mejor alternativa es la que tenga menor
VAN. Lo contrario ocurre cuando se analiza el VAN de una serie de ingresos, donde la
alternativa más económica es la que tiene mayor VAN. El VAN de una serie, depende
naturalmente del número de términos de la serie y por lo tanto, del período de tiempo
sobre el cual se calcula el VAN.

El VAN de un costo anual de $2000 tiene un valor diferente para un período de 3

años que para otro de 6 años. En la comparación del VAN es necesario definir el
período de comparación; este debe hacerse correctamente, si se quiere que dicha
respuesta sea acertada. La comparación del VAN entre dos alternativas, debe hacerse
por un período tan largo como se espera que existan diferencias de costos entre las
mismas. Si las alternativas tienen vidas iguales, la comparación del VAN se hará para
ese período común, ahora bien, si se comparan dos compresores de vidas económicas
desiguales, la filosofía básica para resolver este problema es la siguiente:

Despreciar los eventos futuros y sus consecuencias, cuando sean posteriores al

término de vida del compresor cuya vida económica sea más corta, ó posterior al
período de estudio.
Predecir los eventos futuros, o sea, los reemplazos de compresores actuales, con el
fin de hacer una predicción para ambas alternativas sobre períodos iguales.

La relación que existe entre el valor P del dinero en el presente y su valor futuro
F involucra a la tasa de interés i y está dado por:
 11

F
P= (1.2.3)
(1 + i)n

donde es posible sustituir los valores futuros por los correspondientes flujos de efectivo
anuales (ACF)n, obteniendo el denominado flujo de efectivo anual descontado como:

A CF ,y
ADCFy = (1.2.4)
(1 + i)y

donde y es el año (1 hasta n) y ADCF es el Flujo de efectivo descontado anual.

La suma de todos los flujos de efectivo descontados anuales para un proyecto

dado, donde existan tanto ingresos como desembolsos, se conoce como VAN. Así se
tendrá que:

n
VAN = ∑ ADCF
y =1
y (1.2.5)

Desarrollando la ecuación anterior se tiene:

ACF1 ACF2 ACFn

VAN = ACFo + + +Λ + (1.2.6)
(1 + i) (1 + i)2
(1 + i)n

1.3.- Tasa interna de rendimiento (TIR)

Se define la tasa interna de rendimiento (TIR), como el valor de i para el cual al

final del tiempo de vida de la alternativa considerada, su VAN se hace igual a cero. En
otras palabras, es el rendimiento que se obtiene de una inversión, de forma tal que los
beneficios que la misma genera, son tales que la inversión no recuperada es igual a
cero. La TIR se calcula mediante un tanteo y error a partir de la ecuación siguiente:
 12

ACF1 ACF2 ACFn

0 = ACF0 + + +Λ + (1.3.1)
(1 + TIR ) (1 + TIR )2
(1 + TIR )n

Para cada campo de ingeniería química se establece un valor de la TIR mínima

que debe tomarse en cuenta cuando se va a decidir si se procede a realizar una
inversión. El valor de la TIRmín se encuentra generalmente entre 25 y 30%, aunque su
valor real depende del estado del mercado mundial. Cuando para una alternativa dada
se encuentra que su TIR es mayor que el TIRmín es factible realizar la inversión. En
caso contrario la misma no debe llevarse a cabo.

Por otra parte, cuando se quieren comparar alternativas no se puede seleccionar

la mejor, como aquella que tenga el mayor valor de TIR, o mayor rendimiento, sino
que se hace necesario llevar a cabo un análisis incremental entre variantes.

El análisis incremental es una metodología que consta de los siguientes pasos:

1. Se ordenan las alternativas de menor a mayor costo inicial

2. Se calcula la diferencia entre los flujos de efectivo (ACF), planteando siempre la de
menor costo como base.
3. Con la información obtenida actualmente al igual que una sola alternativa se
calcula la TIR
4. Se decide la mejor alternativa mediante el siguiente criterio

Si TIR >= TIR min Se elimina la alternativa base

Si TIR <= TIR min Se elige la alternativa base
 13

2.- Simulación estocástica basada en el método de Montecarlo

En este capítulo se exponen brevemente los fundamentos del método de

Montecarlo. En el primer epígrafe se describen un conjunto de conceptos
fundamentales a tomar en cuenta cuando se trata de modelar procesos y fenómenos
desde el punto de vista estocástico, mientras que en el segundo epígrafe se describe el
algoritmo en que se basa la simulación estocástica mediante el método de Montecarlo.

2.1.- Conceptos fundamentales

El método de Montecarlo es una técnica numérica que se emplea para simular el

comportamiento de un proceso estocástico. Ahora bien, para poder comprender esta
técnica se necesita conocer previamente una serie de conceptos fundamentales
relacionados con los procesos estocásticos.

Una variable aleatoria es aquella que en lugar de tomar un valor fijo y

determinado con certeza absoluta puede tomar un conjunto de valores y cada uno de
estos tiene asociada una probabilidad dada. En este sentido, al definir una variable
estocástica es necesario conocer cual es su función de distribución de probabilidad
correspondiente. Cuando en un proceso o fenómeno dado aparecen involucradas
variables aleatorias se plantea que este proceso o fenómeno es estocástico.

Los modelos estocásticos, como su nombre sugiere, describen el comportamiento

de procesos estocásticos. Son aquellos en los cuales aparecen variables o parámetros
de naturaleza estocástica. Esto significa que estas variables y parámetros en lugar de
tomar un valor fijo y determinado, pueden tomar un conjunto de valores con una
determinada probabilidad. De esta manera si al definir una variable determinista esto
se hace en función del intervalo de posibles valores que puede tomar, al definir una
variable estocástica lo que se establece es la función de distribución de probabilidad
que muestra los valores posibles que puede tomar y la probabilidad asociada a cada
uno de estos valores.

Estrechamente vinculado con el concepto de probabilidad se encuentra el

concepto de certeza. En este sentido, una variable determinista toma el valor
especificado con una certeza igual a la unidad, mientras que una variable estocástica
 14

tomará un valor específico con una certeza que se encuentra entre 0 y 1. La

imposibilidad de que la variable determinista o estocástica pueda tomar un valor
determinado se describe con una certeza igual a cero. De igual forma este concepto
puede ser aplicado a la ocurrencia o no ocurrencia de determinados eventos. Por
ejemplo, la certeza de que una temperatura sea igual a –2 Kelvin es igual a cero,
mientras que la certeza de que esta se encontrará por encima de 0 Kelvin es igual a 1.

De esta forma, el grado de certeza o incertidumbre constituye una medición

cuantitativa de la posibilidad de ocurrencia de un evento y se asocia generalmente con
la probabilidad de que ocurra este evento. El riesgo, en cambio, es una descripción
cualitativa asociada a las consecuencias negativas que puede traer como resultado la
ocurrencia de un evento, mientras que la confiabilidad constituye una medida
cuantitativa, asociada con la probabilidad, de que el proceso se comporte de forma
favorable. De esta manera una central nuclear es un proceso de alto riesgo debido a
las consecuencias que tendría para el ambiente y la salud la ocurrencia en este de
eventos indeseables, como puede ser el escape de sustancias radiactivas o la explosión
de un reactor nuclear. Sin embargo, esta planta puede ser muy confiable, ya que se
diseña de forma tal que la probabilidad de que ocurran estos eventos catastróficos sea
muy baja.

2.2.- Fundamentos del método de Montecarlo

El método de Montecarlo se emplea fundamentalmente cuando se requiere modelar

el comportamiento del fenómeno considerando que el mismo se encuentra en estado
estacionario, es decir, no se toma en cuenta de forma explícita el efecto del tiempo.
Para su aplicación se requiere del empleo de métodos estadísticos para ajustar las
funciones de probabilidad correspondientes a las variables estocásticas involucradas,
así como el conocimiento del modelo matemático del proceso.

El método de Montecarlo se basa en generar un conjunto de valores posibles que

puede tomar la variable independiente a partir del conocimiento de su función de
probabilidad correspondiente. El número de valores que deben ser generados es
seleccionado a criterio del especialista que realiza la modelación, pero se recomienda
que este no sea menor de 300. Entonces se calcula el valor de la variable de interés
que describe el comportamiento del proceso correspondiente a cada uno de los valores
generados de la variable independiente, para lo cual se emplea el modelo matemático.
 15

Posteriormente se toman todos los valores calculados de la variable de interés y, a

partir de estos, se determina mediante técnicas estadísticas la función de probabilidad
correspondiente. En la Figura 2.2.1 se muestra un diagrama de bloques donde se
detalla esta metodología.
 16

Definir las variables

independientes X1 ,..,Xn
y sus correspondientes
funciones de probabilidad
P1, .., Pn

J=1

Generar n números
aleatorios entre 0 y 1.

Para cada número

aleatorio i, i = 1..n,
determinar el valor de
la variable Xi a partir
de su correspondiente
probabilidad Pi

Calcular la variable de
interés YJ
Y = f(X1 ,..,Xn )

J = J+1

J > 300 No

Ajustar la función de
probabilidad
correspondiente a Y a
partir de los valores de
Yj calculados. J = 1..300

Figura 2.2.1. Estrategia de aplicación del método de Montecarlo

 17

3.- Aplicación del método de Montecarlo en la evaluación

económica financiera de proyectos

En Ingeniería Económica es posible aplicar los conceptos relacionados con las

técnicas de modelación estocásticas. En este caso no existe una forma única para ello.
Por ejemplo, se puede decir que un proceso es económicamente confiable si:

- Si la probabilidad de que el costo de producción sea inferior al valor máximo

permitido es alta
- Si la probabilidad de que el flujo de caja sea igual a cero sea muy baja
- Si la probabilidad de que la tasa interna de rendimiento se encuentre por debajo
del valor mínimo es baja.

Todo depende del punto de vista adoptado y de los intereses involucrados. De

igual manera, un proceso se dice que implica un riesgo económico cuando existen
consecuencias importantes para la sociedad en caso de que los resultados no sean los
deseados. Por ejemplo, si al realizar una inversión importante esta no da los frutos
esperados, de forma tal que para poder recuperarla y evitar la quiebra es preciso
despedir a una parte de los trabajadores para así disminuir los costos por concepto de
salario.

Como se ha explicado anteriormente las variables estocásticas se caracterizan

por su distribución de probabilidad. Además existen dos parámetros asociados a esta
distribución que resultan de gran importancia: el valor medio y la varianza.

El valor medio es el promedio de todos los valores posibles que puede tomar la
variable y constituye a la vez el valor al cual le debe corresponder la probabilidad más
alta. La varianza es el promedio del cuadrado de la diferencia entre el valor que toma
la variable y el valor promedio. La raíz cuadrada de la varianza es la desviación
estándar y constituye una medida cuantitativa que caracteriza el tamaño de las
fluctuaciones.

Para modelar el comportamiento de una variable estocástica se requiere el

empleo de una computadora y de software dedicados a este fin, así como programas
que realizan cálculos estadísticos. El programa EXCEL de Windows posee funciones que
 18

hacen posible la modelación del comportamiento de este tipo de variables, mientras

que para los cálculos estadísticos se puede utilizar el STATGRAPHICS. En este caso la
estrategia general a seguir es la siguiente:

3. Recolectar los datos correspondientes al comportamiento histórico de la variable

cuyo comportamiento se quiere modelar.
4. Tomar los datos históricos y ajustarle la función de distribución de probabilidad que
mejor describa su comportamiento. Para esto se utiliza el programa
STATGRAPHICS.
5. Una vez ajustada la función de probabilidad se genera un número aleatorio, el cual
se utiliza para calcular el valor inverso de la función de probabilidad
correspondiente. Para esto se utiliza la función de probabilidad inversa
correspondiente a la función de probabilidad que se encuentra disponible en el
programa EXCEL.
6. El paso 3 se repite muchas veces hasta obtener un conjunto de datos que
representa el comportamiento de la variable. El número de datos que modela el
comportamiento de la variable se define por el especialista y depende del uso
posterior de estos.

Una vez que se conoce la estrategia para modelar el comportamiento de la

variable manipulada es posible entonces conocer de qué forma se realiza la
determinación de la confiabilidad técnico – económica de un proceso dado. En este
caso se aplica la siguiente estrategia:

1) Se establece el criterio de confiabilidad que será asumido. En este caso este criterio
se debe encontrar asociado a un índice económico específico, de forma tal que la
confiabilidad se define como la probabilidad de que el índice económico se
seleccionado se encuentre dentro del rango de valores establecido.
2) Se especifica el modelo matemático que se emplea usualmente para calcular el
índice económico especificado.
3) En el modelo matemático definido en 2 se identifican las variables que fluctúan y
que pueden considerarse como variables estocásticas.
4) Se modela el comportamiento temporal de las variables estocásticas de acuerdo
con la estrategia anteriormente explicada. En este caso para cada variable se debe
obtener al menos un conjunto de 100 valores.
 19

5) Se sustituyen los juegos de valores de cada variable obtenidos por modelación en

el modelo obtenido en el paso 2, de forma tal que se obtenga un conjunto de
valores que modelan el comportamiento del índice económico. Para esto se hace
uso del programa EXCEL.
6) Los valores del índice económico que se modelaron en el paso 5 se introducen
entonces en el STATGRAPHICS y se le determina la función de probabilidad
correspondiente.
7) Una vez obtenida la función de probabilidad asociada al índice económico se hace
uso de la función de probabilidad directa (la cual debe encontrarse como una
función en el programa EXCEL) para determinar la probabilidad de que el índice
económico se encuentre dentro del rango de valores permisibles.
8) La confiabilidad técnico – económica del proceso se identifica con la probabilidad
calculada en el paso 7.
 20

4.- Ejemplos de aplicación en la ingeniería económica

En este capítulo se presentan tres ejemplos de cómo es posible aplicar el método

de Montecarlo para evaluar la confiabilidad de la decisión adoptada en relación con la
factibilidad económica de un proyecto. En el primer ejemplo se muestra el caso en que
existen fluctuaciones en la demanda de los materiales de producción durante la
operación de la planta y como estas fluctuaciones influyen en la confiabilidad con que
se determina el costo de producción. En el segundo ejemplo se ilustra como influyen
las fluctuaciones en los precios en la cnfiabilidad que se tiene al calcular el ingreso en
caja. por último, en el tercer ejemplo se ilustra como influyen las fluctuaciones en la
demanda de los materiales de producción en la confiabilidad que se tiene al comparar
entre sí diferentes alternativas para seleccionar cual es la mejor desde el punto de
vista económico.

Ejemplo 4.1

Se tiene un proceso en el cual se conoce que la demanda de agua de

enfriamiento presenta fluctuaciones apreciables. Un estudio realizado en relación con el
comportamiento histórico de esta variable arrojó que la misma responde a una
distribución normal, con valor esperado igual a 12089 m3/año y una desviación
estándar de 1387 m3/año. La ecuación para el cálculo del costo de producción en
función de la cantidad de agua de enfriamiento consumida Q está dada por:

COSTO = 1259.Q + 13000

Se requiere determinar la confiabilidad técnico – económica de este proceso si se

establece que el costo de producción máximo sea igual a 17000000 $/año.

Solución:

El primer paso para responder la cuestión planteada consiste en modelar el

comportamiento de la variable Q. Para ello se utiliza el programa EXCEL, haciendo uso
de la función DIST.NORM.INV, con una probabilidad generada mediante la función
ALEATORIO() para obtener un número aleatorio, y el valor promedio y la desviación
 21

estándar dadas por dato, e igual a 12089 y 1387 respectivamente. Parte de los
resultados obtenidos en la modelación se muestran en la figura 4.1.1.

COMPORTAMIENTO DE Q

20000
15000
Q(i)
10000
5000
0

11

16

21

26

31

36
1

6 i

Figura 4.1.1. Modelación del comportamiento del agua de enfriamiento

Para cada uno de los valores de Q obtenido por modelación se calcula mediante
el EXCEL el valor del costo de producción de acuerdo con la ecuación COSTO = 1259.Q
+ 13000. Una parte de los valores del costo obtenido se muestran en la figura 4.1.2:

COMPORTAMIENTO DEL COSTO

30000000
costo(i)

20000000

10000000

0
11

16

21

26

31

36
1

Figura 4.1.2. Comportamiento del costo de producción

Los valores de costo obtenidos se utilizan como dato en el programa de

estadística STATGRAPHICS y se le ajusta la función de probabilidad correspondiente.
Los resultados obtenidos muestran que el costo se puede describir mediante una
función de distribución normal con valor esperado de 1,4951.107 y una desviación
estándar de 1,91674.106.
 22

Los resultados del ajuste obtenidos con el STATGRAPHICS indican que la función
de distribución de probabilidad asociada al costo es normal con un valor medio de
1,4951.107 y una desviación estándar de 1,91674.106.

El criterio adoptado en relación con la confiabilidad es que el costo no debe

rebasar el valor máximo permitido. Por lo tanto, la confiabilidad se establece como la
probabilidad de que el costo sea menor que este valor máximo, igual a 17000000
$/año. Por esta razón, la confiabilidad se determina como el valor de la probabilidad
acumulativa asociada a la distribución normal correspondiente al costo. Para su
determinación se hace uso de la función DIST.NORM. del EXCEL, donde la variable x se
hace igual al costo máximo permitido, la media y varianza que se entregan de datos
son los valores calculados con el STATGRAPHICS y se establece la opción VERDADERO,
para indicar que se trata de la distribución acumulativa.

En este caso se obtiene que la confiabilidad es igual a 83%. Esto significa que la
probabilidad de que el costo se encuentre por debajo del valor máximo especificado es
de un 85%.

Ejemplo 4.2

De acuerdo con un análisis estadístico, la fluctuación del precio de un producto

fabricado por una empresa X muestra una distribución normal, con valor esperado
igual a 200 $/t y una desviación estándar de 40 $/t. Por otra parte, se presentan
variaciones en la demanda de uno de los materiales de producción Y, los cuales
mostraron una distribución ganma con parámetros alfa = 100 y beta = 0.8. La
demanda de producto D es igual a 500 t/año. La ecuación para determinar los costos
de producción está dada por:

COSTOS = 35,658.D + 150.Y

Se requiere determinar la confiabilidad económica de la empresa si se requiere

que el ingreso en caja sea superior a 60000 $/año.

Solución:
 23

El primer paso consiste en modelar el comportamiento de las variables

estocásticas demanda de material de producción Y y del precio del producto P
utilizando para ello el programa EXCEL. Para modelar el comportamiento de Y se hace
uso de la función DIST.GAMMA.INV, utilizando los valores de ALFA y BETA
especificados (100 y 0,8 respectivamente), mientras que la probabilidad se establece
como un número aleatorio que se genera mediante la función aleatorio(). Con cada
uno de los valores de Y calculado se calcula el costo de acuerdo con la ecuación
COSTOS = 35,658.D + 150.Y, donde D es igual a 500 t/año. Para modelar el
comportamiento de P se hace uso de la función DIST.NORM.INV, con valor esperado
igual a 200 $/t, desviación estándar de 40 $/t y una probabilidad que se determina por
la función aleatorio(), la cual genera un número aletorio. La determinación del precio
de venta se determina de acuerdo con la fórmula VENTA = P.D, donde D es igual a
500 t/año. El comportamiento de los costos (ATE) y de las ventas (AS) se muestran en
la figura 4.2.1:

Com portam iento de ATE y AS

150000
100000
50000
0
1 3 5 7 9 11 13 15 17 19 21

Costo venta

Figura 4.2.1. Comportamiento del costo y las ventas

Posteriormente para cada uno de los valores de costo y venta calculados se

determina el ingreso en caja (ACF) de acuerdo con la siguiente ecuación:

ACF = AS – ATE

El comportamiento del ingreso en caja se muestra en la figura 4.2.2:

 24

Com portam iento de ACF

150000

100000

50000

Figura 4.2.2. Comportamiento del ingreso en caja

Los valores calculados de ACF se introducen en el STATGRAPHICS para el ajuste

de la función de probabilidad correspondiente. En este caso se obtiene como resultado
una función de probabilidad normal, con valor esperado de 72203 y una desviación
estándar de 21200.

Para determinar la confiabilidad hay que tomar en cuenta de que el

requerimiento establecido es que el ingreso en caja se encuentre por encima de un
valor límite, en este caso 60000 $/año. La probabilidad acumulativa de que el flujo de
caja tome este valor significa que esta es la probabilidad de que la variable se
encuentre entre el valor mínimo que debe tomar y el valor de 60000. Por esta razón la
confiabilidad se define como:

CONFIABILIDAD = (1- P(60000)).100%

donde P es la función de probabilidad normal acumulativa con valor esperado de 72203

y desviación estándar de 21202. Para determinar este valor se hace uso de la función
DIST.NORM del EXCEL, encontrándose como resultado una confiabilidad de un 71%.

Ejemplo 4.3

En una empresa X se desea realizar una inversión con el objetivo de aumentar la

capacidad de producción. Para ello se dispone de dos alternativas de solución, donde la
primera tiene un costo de inversión de $50000 y la segunda $55000. Al realizar un
análisis técnico – económico relacionado con la operación del proceso, se observó que
 25

se preveen fluctuaciones importantes en la demanda de los materiales de producción

para cada una de estas alternativas, producto de lo cual las ecuaciones para calcular el
flujo de caja se necesitan expresar en función de variables estocásticas. En este caso
se obtiene:

Alternativa 1: ACF = 30.X + 10897.

X responde a una función de probabilidad normal, con valor esperado igual a 120
y desviación estándar igual a 52.

Alternativa 2: ACF = 30.X + 11908

X responde a una función de probabilidad normal, con un valor esperado de 80 y
una desviación estándar de 35.

Se requiere seleccionar cual es la mejor alternativa si la tasa mínima de

rendimiento es igual a 10 y el tiempo de vida útil es igual a 5 años.

Solución:

En este caso se observa que el valor del flujo de caja no se puede precisar con
exactitud para cada año debido a que para cada una de las alternativas se encuentra
en función de una variable estocástica, respectivamente. Esto hace que el TIR también
se comporte como una variable estocástica, de aquí que no se pueda predecir con
exactitud si su valor será superior al valor mínimo establecido.

El procedimiento a seguir en este caso es el siguiente. Para cada alternativa se

calculan los posibles valores del flujo de caja y el TIR correspondiente para cada caso,
respectivamente. Para ello se aplica la misma estrategia que se empleó para resolver
los ejemplos anteriores. Los resultados obtenidos se muestran en las figuras 4.3.1 y
4.3.2.
 26

TIR de la alternativa 1

20%
15%
10%
5%
0%
1 3 5 7 9 11 13 15 17

Figura 4.3.1. Comportamiento de la Tasa Interna de Rendimiento de la alternativa 1

T IR d e la alt e r n at iva 2

12%
10%
8%
6%
4%
2%
0%

Figura 4.3.2. Comportamiento de la Tasa Interna de Rendimiento de la alternativa 2

Se puede observar que para cada alternativa pueden obtenerse valores del TIR
que se encuentran tanto por encima como por debajo del valor mínimo.

Para determinar la confiabilidad asociada a cada alternativa se determina

mediante el STATGRAPHICS las correspondientes funciones de probabilidad asociadas
al TIR de cada alternativa. Para la alternativa 1 se obtiene que el TIR responde a una
distribución normal con valor medio de 12.9375 y desviación estándar de 1.94829.
Para la alternativa 2 se obtiene que el TIR responde a una distribución normal con
valor medio de 10.0 y desviación estándar de 1.46059.

A partir de las funciones de probabilidad se determina la confiabilidad. Como en

este caso el requerimiento establecido es que el TIR sea mayor que el valor mínimo
establecido, la confiabilidad se determina de acuerdo con la relación:
 27

CONFIABILIDAD = 100.(1 – P(TIR,mín))

donde P es la función de probabilidad acumulativa, la que se evalúa en función del TIR

mínimo. En este caso se obtiene:

Confiabilidad de la alternativa 1: 93%

Confiabilidad de la alternativa 2: 50%

Tomando como base el criterio de confiabilidad se recomienda seleccionar la

alternativa 1. No obstante, es necesario aplicar el método de análsis incremental para
determinar cual es la mejor alternativa. En caso de que existan discrepancias entre
ambos resultados habría que tomar en cuenta otros factores o aplicar otros métodos
de evaluación de alternativas.
 28

Conclusiones

El análisis de la factibilidad económica de proyectos, operación de plantas ya en

funcionamiento y la selección desde el punto de vista económico de la mejor
alternativa de solución a problemas constituyen aspectos de importancia en el trabajo
del ingeniero químico. No solo este debe ser capaz de garantizar que se obtengan
productos con la calidad requerida, sino también que la operación de la planta permita
obtener ganancias desde el punto de vista financiero.

Sin que necesariamente se convierta en economista, el ingeniero químico debe

ser capaz de dominar las técnicas de ingeniería económica que se emplean
generalmente en su campo de trabajo. Las más conocidas son el plazo de recuperación
de la inversión, el valor actual neto y la tasa interna de rendimiento, aunque
preferiblemente se aplican las dos últimas debido a que son técnicas dinámicas que
toman en consideración el valor del dinero en el tiempo y la tasa de interés.

Cuando se aplican las técnicas de evaluación económica se precisa determinar un

conjunto de parámetros, tales como el volumen de producción, la demanda, los precios
de los productos y la tasa de interés, entre otros. De forma tradicional estos
parámetros se trabajan como variables deterministas con un valor exacto y conocido.

Sin embargo, en la realidad estos parámetros pueden verse sometidos a cambios

que no pueden predecirse con certeza, como es el caso de los precios, sujetos al
estado de la política y la economía mundial o los costos de operación, sujetos a
problemas tecnológicos que se presentan esporádicamente durante la operación de la
planta. Por esta razón un análisis económico más completo precisa de tomar en cuenta
la incertidumbre en el comportamiento de las variables involucradas.

En este trabajo se propone considerar a las técnicas de análisis económicos como

modelos estocásticos, en los cuales sus variables y parámetros pueden considerarse
como aleatorios o estocásticos. A partir de esta premisa se propone como emplear el
método de Montecarlo para determinar la confiabilidad de los resultados obtenidos del
análisis económico.
 29

Bibliografía

Chou S., Fan L., Nassar R. 1988. Modeling of complex chemical reactions in a
continuos flow reactor: A Markov chain approach. Chem. Eng. Sci. 43:2807-2815
Fan L., Shen B., Chou S. 1991. Stochastic modeling of transient residence time
distributions during start - up. Chem. Eng. Sci. 50:211-221
Feller W. 1968. An introduction to probability theory and its applications. Ed. Wiley.
New York
Gardiner C. 1985. Handbook of stochastic methods. Ed. Springer. Berlín.
Perry Robert H. 1989. Perrýs Chemical Engineers Handbook Primera edición cubana.
Peters M,S. 1991. Plant Design and Economics for Chemical Engineerings
Van Kampen N. 1992. Stochastic processes in physics and chemistry. Ed. Elsevier.
Amsterdam.

View publication stats