SIMULACIÓN

GERENCIAL
 

 
 
Introducción a la Simulación
 

 
 
 
 

   
 
 

 
 
 
 

 
 
 

 
 
 
 

 
 
 
   
  

• INTRODUCCIÓN  A  LA  SIMULACIÓN  

 

1. Índice  
1. Introducción    
2. ¿Qué  es  simulación?  
2.1. Terminología  básica  
2.2. Tipos  de  modelos  de  simulación  
3. Pasos  de  un  estudio  de  simulación  
Simulación  de  Montecarlo  
 

2. Introducción  
El   propósito   del   presente   documento   es   presentar   a   los   estudiantes   la   definición   de   la  
simulación  como  herramienta  esencial  para  el  soporte  en  el  proceso  de  toma  de  decisiones  
dentro   de   las   organizaciones.   Con   el   objetivo   de   presentar   esta   definición   se   dará   al  
estudiante  la  terminología  general  usada  en  este  ámbito  así  como  los  tipos  de  simulación.  
Por  otra  parte,  teniendo  en  cuenta  que  el  objetivo  general  del  módulo  es  que  los  estudiantes  
desarrollen  las  capacidades  necesarias  para  llevar  a  cabo  un  estudio  completo  de  simulación,  
en   esta   unidad,   se   presentará   paso   a   paso   cuáles   son   las   actividades   que   deben   realizarse  
para  lograr  un  estudio  exitoso.  
Finalmente,   se   presentará   al   estudiante   el   concepto   de   la   simulación   de   Montecarlo,   eje  
central  del  módulo.  
 

3. Metodología  
La  cartilla  les  dará,  de  forma  estructurada,  los  conceptos  básicos  a  los  estudiantes  para  iniciar  
la  presentación  de  lo  que  es  la  Simulación  y  particularmente  la  Simulación  de  Montecarlo.  
La   cartilla   inicia   con   la   presentación   de   conceptos   generales   de   sistemas   y   modelaje   para  
construir  de  forma  lógica  el  concepto  completo  de  lo  que  es  la  Simulación  como  herramienta  
que  da  soporte  y  permite  argumentar  las  decisiones  que  se  toman  con  respecto  a  algún  tema  
en  específico.  
Habiendo  definido  lo  que  es  la  simulación  se  presentarán  algunos  términos  básicos  propios  
de  la  materia,  términos  que  se  utilizarán  con  frecuencia  a  lo  largo  del  proceso  de  aprendizaje.  
Asimismo   se   presentará   al   estudiante   la   metodología   necesaria   cuando   se   quiere   llevar   a  
cabo  un  proceso  de  simulación.  
Finalmente,  se  le  dará  al  estudiante  el  concepto  de  la  simulación  de  Montecarlo,  eje  central  
del  módulo.  
 
 

 
2   [ POLITÉCNICO GANCOLOMBIANO]
  

4. Mapa  conceptual  del  módulo  

 
 
 
 
 
 
 
 
 
 
 
   
 
 
 
 
 
 
 
 
 
 
 

5. Objetivo  General  
Al   finalizar   el   módulo   los   estudiantes   sabrán   cuáles   son   los   conceptos   básicos   de   la  
simulación  de  Montecarlo  y  algunas  de  sus  aplicaciones.  
Al  finalizar  la  primera  semana  de  aprendizaje:  

1. Identificar  los  conceptos  fundamentales  de  la  Simulación  

2. Aprenderá  los  pasos  a  seguir  para  realizar  un  estudio  de  Simulación.  

6. Desarrollo  temático  
 
6.1  Componente  motivacional  
Actualmente,  con  el  ánimo  de  minimizar  los  costos  en  los  procesos  de  toma  de  decisiones,  
las  organizaciones  han  desarrollado  metodologías  más  cuidadosas  en  las  que  se  disminuya  el  
riesgo   de   realización   pero   que   de   igual   manera   constituyan   un   soporte   real   a   decisiones  
tomadas  al  interior  de  la  compañía.  
 

 
[ SIMULACIÓN GERENCIAL ] 3
  

Por   ejemplo:   suponga   que   cierta   compañía   se   encuentra   analizando   la   posibilidad   de  

modificar   la   forma   como   se   encuentra   dispuesta   su   línea   de   producción   porque   considera  
que  actualmente  ésta  es  ineficiente  y  la  tasa  de  unidades  producidas  por  unidad  de  tiempo  
no  es  suficiente.  
 
Existen  dos  formas  de  tomar  la  decisión  de  realizar  el  cambio:  
1. Hacer   un   experimento   directamente   sobre   la   línea   de   producción,   es   decir,   realizar   las  
modificaciones   sobre   el   sistema,   moviendo   maquinaria,   realizando   ajustes   necesarios,  
realizando  pruebas.  
2. Hacer  un  experimento  sobe  un  modelo  que  represente  la  línea  de  producción,  es  decir,  
realizar   las   modificaciones   en   un   modelo   computarizado,   en   el   cual   no   se   deba   mover  
maquinaria  y  tampoco  ajustes  directos.  
 
Si   después   de   realizar   el   experimento   se   demuestra   que   el   cambio   propuesto   no   es   válido  
porque  no  se  logra  aumentar  la  tasa  de  producción,  es  evidente  que  con  la  opción  número  
uno,  la  inversión  y  el  tiempo  de  prueba  del  experimento  es  mucho  mayor  que  con  la  opción  
número  dos.  
 
A   partir   de   lo   anterior   resulta   relevante   que   el   egresado   del   Politécnico   Grancolombiano  
desarrolle   todas   las   habilidades   necesarias   para   emplear   herramientas   de   vanguardia   que  
permitan  a  las  compañías  ser  más  competitivas  dentro  del  mercado,  cualquiera  sea  en  el  que  
se  desarrolle.  
 

6.2  Recomendaciones  académicas  

Dentro   de   las   recomendaciones   generales   que   debe   seguir   el   estudiante   para   lograr   un  
excelente  desempeño  en  el  desarrollo  del  módulo,  tenemos  un  primer  paso  que  consiste  en  
realizar   la   evaluación   diagnóstica   del   módulo   pues   esta   le   permitirá   identificar   cuáles   son   sus  
fortalezas   y   acrecentarlas   y   por   supuesto   cuáles   son   sus   debilidades   para   enfrentarlas   y  
mejorarlas.  

Por  otra  parte,  con  el  objetivo  de  tener  una  excelente  comunicación  el  estudiante  deberá:  

• Aprovechar  el  chat  semanal  en  el  cual  se  tendrá  un  encuentro  sincrónico  con  el  tutor.  
• Presentar  sus  dudas  a  través  de  mensajes  personalizados  para  el  tutor.  
• Realizar   los   ejercicios   de   los   talleres   propuestos,   los   cuales   permitirán   reforzar   los  
conceptos  presentados  en  las  cartillas.  
 
Además,  el  estudiante  debe  tener  presente  que  la  educación  virtual  es  un  proceso  autónomo  
en  gran  medida  por  lo  cual  exige  un  nivel  de  compromiso  verdadero,    recuerden  que  1  hora  
de   educación   presencial   es   equivalente   a   3   horas   de   educación   virtual,   no   olviden   revisar  
semana   a   semana   las   actividades   recomendadas   así   como   las   fechas   para   entregas   del  

 
4   [ POLITÉCNICO GANCOLOMBIANO]
  

proyecto,   realización   de   quices,   parciales   y   examen   final   y   por   supuesto   la   participación   en  

los  foros  obligatorios  de  discusión.  
 

6.3    Desarrollo  de  cada  una  de  las  unidades  temáticas.    

 
INTRODUCCIÓN  
El  modelamiento  es  el  arte  de  diseñar  una  representación  simplificada  de  un  sistema  real  con  
el  propósito  de  predecir  el  comportamiento  futuro  de  tal  sistema,  a  través  del  análisis  de  sus  
medidas   de   desempeño.   Dicha   representación   es   un   modelo.     Los   modelos   son   utilizados  
para  capturar  ciertos  aspectos  del  comportamiento  del  sistema  –  los  que  son  de  interés  para  
el  analista-­‐  y  de  esta  manera  se  adquiere  un  mayor  entendimiento  de  su  funcionamiento.  
   
El   modelaje   requiere   dos   competencias   fundamentales:   Abstracción   y   Simplificación.   Estas  
habilidades  deben  ser  aplicadas  teniendo  en  cuenta  el  contexto  en  el  cual  se  desenvuelve  la  
situación   o   el   sistema   de   interés.   Es   decir,   si   cada   elemento   del   sistema   en   estudio,   se  
reprodujera  en  un  modelo  tan  detallado  en  el  orden  de  minuto  a  minuto,  el  costo  del  modelo  
sería   equivalente   al   costo   del   sistema   real,   lo   que   implicaría   que   el   modelaje   fuese   una  
alternativa   poco   atractiva   o   nada   viable.     Por   lo   tanto,   cabe   aclarar   cuáles   son   las  
circunstancias   en   las   cuales   hay   motivaciones   para   recurrir   a   la   metodología   del   modelaje   de  
sistemas.  Tales  motivaciones  se  resumen  a  continuación:  

• Evaluar  el  desempeño  de  un  sistema  bajo  condiciones  usuales  e  inusuales.  Un  modelo  
se  puede  convertir  en  una  necesidad  si  la  operación  rutinaria  de  un  sistema  real  bajo  
análisis,  no  puede  ser  interrumpida  sin  generar  consecuencias  severas.  (Por  ejemplo,  
intentar   implementar   una   modificación   a   una   línea   de   producción   cuando   se   está  
tratando  de  cumplir  fechas  de  entrega  muy  próximas).  
• Predecir  el  desempeño  de  sistemas  experimentales.  Cuando  el  sistema  de  interés  aún  
no   existe,   la   construcción   del   modelo   es   mucho   más   económica   y   segura   que   la  
construcción  del  sistema  real  o  incluso,  de  su  prototipo.  
• Evaluar   múltiples   alternativas   de   diseño.   Este   caso   está   relacionado   con   el   anterior,  
sólo   que   la   motivación   económica   es   mucho   mayor.   Los   resultados   del   desempeño  
potencial  del  sistema  son  evaluados  junto  con  indicadores  de  costo-­‐beneficio.  

Los  modelos  pueden  tener  varias  tipificaciones,  entre  ellas  se  encuentran:  

• Modelos  físicos:  Corresponden  a  objetos  físicos  simplificados  o  a  escala  (por  ejemplo,  

aviones  a  escala  o  maquetas).  
• Modelos   analíticos:   Es   un   conjunto   de   ecuaciones   o   relaciones   entre   variables   de   tipo  
matemático.  

Un   modelo   de   simulación,   objeto   principal   de   este   curso,   es   un   caso   especial   de   los   modelos  
de   tipo   analítico.   Mientras   que   los   modelos   enteramente   matemáticos   se   enfocan   en   la  

 
[ SIMULACIÓN GERENCIAL ] 5
  

obtención  de  soluciones  óptimas  del  problema  a  través  de  procedimientos  algorítmicos,  los  
modelos   de   simulación   buscan   soluciones   aproximadas   a   instancias   muestrales   específicas  
del   sistema   en   estudio.   Para   aclarar   esta   diferencia,   supóngase   que   se   desea   estudiar   una  
línea  de  producción,  la  cual  conceptualmente  se  puede  modelar  como  un  sistema  de  colas.    
El   enfoque   matemático   crearía   un   modelo   analítico   de   colas,   representado   a   través   de  
sistemas   de   ecuaciones   y   variables   de   decisión   y   mediante   la   aplicación   de   técnicas  
matemáticas  de  optimización  se  encuentran  las  soluciones  al  problema  planteado.  El  modelo  
de   simulación   crearía   una   representación   computacional   del   sistema   de   colas   y   la   correría   un  
número  de  veces  suficiente  de  tal  forma  que  los  resultados  permitan  afirmar  que  el  modelo  
es  una  fiel  representación  (muestra)  del  sistema  en  estudio.  
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Figura  1.  Formas  de  estudiar  un  sistema  
 

2.¿QUÉ  ES  SIMULACIÓN?  

Simular   es   imitar   la   operación   de   un   proceso   o   sistema   real.   Implica   la   generación   de   una  
historia   “artificial”   del   sistema   y   mediante   observación   de   esa   historia   se   realizan   inferencias  
de  las  características  y  desempeños  del  sistema  en  estudio.  Con  base  en  esta  definición  y  en  
lo   explicado   en   párrafos   anteriores,   se   puede   afirmar   que   la   simulación   debe   utilizarse   con  
los  siguientes  propósitos:  
 

 
6   [ POLITÉCNICO GANCOLOMBIANO]
  

• Estudiar  y  experimentar  con  las  interacciones  de  un  sistema  complejo  

• Observar  el  efecto  de  las  alteraciones  al  sistema  en  el  modelo  
• Tener  conocimiento  del  comportamiento  del  sistema  
• Experimentar  nuevas  políticas  o  nuevos  diseños  antes  de  su  implementación  
• Determinar  requerimientos  de  capacidad  
• Entrenamiento  y  aprendizaje.  

Sin   embargo,   debe   tenerse   presentes   aquellas   circunstancias   en   las   cuales   no   sería  
conveniente  la  aplicación  de  la  simulación  como  metodología  de  estudio  de  los  sistemas,  a  
saber:  

• El  problema  puede  resolverse  por  sentido  común  

• El  problema  puede  ser  abordado  y  resuelto  analíticamente  
• Es  más  fácil  realizar  experimentación  directa  
• No  hay  tiempo  o  recursos    para  realizar  los  estudios  
• No  hay  datos  disponibles.  

Dentro  de  las  áreas  de  aplicación  más  relevantes  de  la  simulación  se  pueden  enumerar:  

• Industria  manufacturera  
• Construcción  y  administración  de  proyectos  
• Industria  militar  
• Logística,  cadena  de  abastecimiento  y  distribución  
• Transporte  
• Procesos  de  negocio  
• Servicios  de  salud  
• Redes  de  telecomunicaciones  
• Análisis  de  call  centers.  

Terminología  básica:  

 Sistema:   Grupo   de   objetos   que   relacionados   entre   sí   ordenadamente   contribuyen   al  

cumplimiento  de  determinado  objetivo,  por  ejemplo,  una  línea  de  producción,  una  oficina  
bancaria,  etc.  
 Entidad:   Un   objeto   de   interés   en   el   sistema,   por   ejemplo,   una   pieza   de   la   línea   de  
producción.  
 Atributo:  Un  rasgo  o  característica  de  la  entidad.  
 Estado  del  sistema:  Conjunto  de  variables  necesarias  para  describir  el  sistema  en  cualquier  
momento.  
 Evento:  Suceso  que  puede  cambiar  el  estado  del  sistema.  
 Recurso:  Objeto  del  sistema  que  transforma  o  presta  servicio  a  la  entidad.  
 Sistema   Discreto:   Aquel   donde   la   variable   de   estado   cambia   en   un   conjunto   discreto   de  
puntos   en   el   tiempo,   por   ejemplo,   el   número   de   clientes   disminuye   en   una   oficina  

 
[ SIMULACIÓN GERENCIAL ] 7
  

bancaria  si  un  cliente  ya  termina  su  transacción  y  sale  de  la  instalación  en  el  instante  t.  Por  
lo  tanto,  dicha  oficina  podría  considerarse  un  sistema  discreto.  
 Sistema  Continuo:  Aquel  donde  la  variable  de  estado  cambia  continuamente  en  el  tiempo,  
por  ejemplo,  el  nivel  de  agua  de  una  represa.  

Tipos  de  Modelos  de  Simulación  

1. Según  la  naturaleza  de  los  parámetros:  

 Determinísticos:  Los  datos  de  entrada  son  conocidos  con  plena  certeza.  
 Estocásticos:   Los   datos   tienen   un   grado   de   incertidumbre   tal   que   deben   ser  
manejados  como  variables  aleatorias.  
 
2. Según  el  carácter  evolutivo  del  modelo:  
 Estáticos:   El   modelo   evoluciona   sin   tener   en   cuenta   los   cambios   que   genera   el  
paso  del  tiempo.  (Simulación  Monte  Carlo).  
 Dinámicos:   Las   variables   de   estado   cambian   en   la   medida   que   el   tiempo  
transcurre.  
 
3. Según  el  tipo  de  variable  de  estado:  
 Discretos:  La  variable  de  estado  cambia  en  un  conjunto  discreto  de  puntos  
 Continuos:  La  variable  de  estado  cambia  continuamente  en  el  tiempo.  

Cabe  aclarar  que,  según  esta  tipificación,  el  enfoque  de  este  módulo  está  encaminado  hacia  
el   diseño   y   la   construcción   de   modelos   estocásticos,   dinámicos   y   discretos,   características  
fundamentales  del  paradigma  de  la  Simulación  de  Eventos  Discretos.  
 

3. PASOS  DE  UN  ESTUDIO  DE  SIMULACIÓN  

Como   se   mencionó   inicialmente,   el   modelaje   incluido   el   de   simulación,   es   una   actividad  

complicada   que   combina   arte   y   ciencia.   Sin   embargo,   desde   una   óptica   más   general,   el  
proceso   para   llevar   a   cabo   un   estudio   de   simulación   se   puede   resumir   en   los   siguientes  
pasos:  

1. Formulación  del  problema.  Este  primer  paso  consiste  esencialmente  en  el  análisis  del  
sistema  y  definición  del  problema  a  resolver.    
2. Fijación  de  los  objetivos.  En  esta  fase,  se  define  el  alcance  del  estudio,  y  las  fronteras  
del  problema  que  va  a  ser  abordado.  Es  decir,  debe  determinarse  cuáles  instancias  del  
problema  se  van  a  estudiar  y  solucionar.  
3. Conceptualización   del   modelo.   En   esta   etapa   se   incluyen   actividades   tales   como   la  
identificación   de   los   parámetros   de   entrada,   las   medidas   de   desempeño   de   interés,  
establecimiento   de   las   relaciones   entre   los   parámetros   y   variables.   La   información  
aquí  se  puede  representar  en  diagramas  de  flujo  o  árboles  jerárquicos.  

 
8   [ POLITÉCNICO GANCOLOMBIANO]
  

4. Recolección   de   información.   Es   una   de   las   fases   más   importantes   y   críticas   del  

estudio,   ya   que   producto   de   esta   etapa   está   la   estimación   de   los   parámetros   de  
entrada  del  modelo,  y  dependiendo  de  la  calidad  de  la  información  recogida,  está  el  
éxito  de  los  resultados  del  modelo.  En  esta  fase,  el  analista  hace  presunciones  sobre  
las   distribuciones   de   probabilidad   de   los   datos   recolectados   y   luego,   a   través   de  
pruebas  de  hipótesis,  corrobora  o  rechaza  los  supuestos  planteados.  
5. Construcción   del   modelo.   Una   vez   el   problema   ha   sido   analizado   y   la   información  
procesada,   se   procede   a   construir   el   modelo   e   implementarlo   en   un   programa  
computacional.  Este  programa  puede  ser  un  lenguaje  de  programación  general  (C++,  
Visual   Basic,   Java,   entre   otros),   o   un   software   especializado   de   simulación   (Arena,  
Promodel,  ExtendSim,  entre  otros).  
6. Verificación   del   modelo.   El   propósito   de   esta   fase   consiste   en   asegurarse   que   el  
modelo   está   diseñado   y   construido   correctamente.   Esta   verificación   es   una   labor  
delicada   de   inspección   y   radica   en   la   comparación   del   código   de   modelo   con   la  
especificación  del  mismo.  
7. Validación  del  modelo.  La  validación  examina  el  grado  de  ajuste  del  modelo  con  los  
datos   empíricos   del   sistema.   Es   decir,   compara   el   desempeño   del   modelo   con   la  
información  real  arrojada  por  el  sistema  en  estudio.  
8. Diseño   de   experimentos.   Una   vez   validado   y   calibrado   el   modelo,   el   analista   procede  
con  la  planeación  y  el  diseño  de  las  experimentaciones  que  se  llevarán  a  cabo  sobre  
el   modelo   de   simulación.   En   esta   etapa   se   definen   los   distintos   escenarios   en   los  
cuales  se  va  a  analizar  el  desempeño  del  modelo,  así  como  el  número  de  réplicas  o  
corridas  que  se  ejecutarán  con  el  propósito  de  garantizar  la  confiabilidad  del  estudio.  
9. Corridas   y   análisis   de   resultados.   En   esta   fase   se   ejecutan   las   corridas   oficiales   del  
modelo,   cuyos   resultados   serán   el   objeto   de   análisis,   de   naturaleza   estadística  
principalmente.  Una  actividad  típica  de  esta  fase  consiste  en  la  determinación  de  la  
mejor   alternativa   mediante   la   comparación   de   los   desempeños   de   todas   las  
alternativas  estudiadas.  

 
 
 
 
   
 
 
 
 
 
 
 
 

 
[ SIMULACIÓN GERENCIAL ] 9
  

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Figura  2.  Pasos  de  un  estudio  de  simulación  

 
4. SIMULACIÓN  DE  MONTECARLO  

La   Simulación   de   Montecarlo   es   una   técnica   cuantitativa   que   hace   uso   de   muestreos  

estadísticos   para   imitar,   mediante   modelos   matemáticos,   el   comportamiento   aleatorio   de  
sistemas  reales  no  dinámicos.  
 
Generalmente   en   estadística,   los   modelos   aleatorios   se   usan   para   simular   fenómenos   que  
poseen   algún   componente   aleatorio.   Pero   en   la   Simulación   de   Montecarlo   el   objeto   de   la  
investigación  es  el  objeto  en  sí  mismo,  es  decir,  un  suceso  aleatorio  o  pseudo-­‐aleatorio  se  usa  
para  estudiar  el  modelo.  
 
La   clave   de   la   Simulación   de   Montecarlo   consiste   en   crear   un   modelo   matemático   del  
sistema,  proceso  o  actividad  que  se  quiere  analizar,  identificando:  
 

 
10   [ POLITÉCNICO GANCOLOMBIANO]
  

• Variables   de   Entrada   (Inputs   del   modelo):   Son   aquellas   cuyo   comportamiento  

aleatorio  determina  el  comportamiento  global  del  sistema.  Se  utilizan  por  medio  de  
la  Generación  de  números  y  variables  aleatorias.  
• Variables   de   Resultado   (Outputs   del   modelo):   Son   aquellas   que   dependen   de   las  
variables   aleatorias   y   que   sirven   para   medir   el   desempeño   del   sistema   que   se   está  
modelando.   Se   debe   tener   en   cuenta   que,   estas   variables   dependen   del  
comportamiento   aleatorio   de   las   variables   de   entrada,   por   lo   que   su   resultado  
siempre  será  aleatorio.  
• Resultados  de  la  Simulación  (Experimento):  Analizar  el  comportamiento  del  sistema  
ante  los  valores  generados.  El  objetivo  es  repetir  n  veces  el  experimento  obteniendo  
n   observaciones   sobre   el   comportamiento   del   sistema.   Los   resultados   serán   más  
precisos  cuanto  mayor  sea  el  número  n  de  experimentos  que  llevemos  a  cabo.    

La  Simulación  de  Montecarlo  se  puede  utilizar  de  acuerdo  a  los  siguientes  algoritmos:  
 
• Simulación   de   Montecarlo   Pura:   Está   fundamentada   en     la   generación   de   números  
aleatorios   por   el   método   de   Transformación   Inversa,   el   cual   se   basa   en   las  
distribuciones  acumuladas  de  frecuencias.  Dicho  tema  se  verá  más  adelante.  
• Combinación  de  Variables  Aleatorias:  Cuando  el  resultado  de  la  simulación  se  da  por  
la  combinación  de  las  VA,  se  debe  realizar  y  verificar:  
 
- Desarrollar  un  modelo  conceptual  o  lógico  de  decisión  
- Construir   un   modelo,   especificando   la   relación   entre   las   variables   y   las  
distribuciones  de  probabilidad  para  las  variables  aleatorias  
- Verificar  y  validar  el  modelo  
- Diseñar  experimentos  utilizando  el  modelo  
- Analizar  los  resultados  y  concluir.  
 
Las   principales   características   a   tener   en   cuenta   para   la   implementación   o   utilización   de   la  
SMC  son:  
 
• El   sistema   debe   ser   descripto   por   1   o   más   funciones   de   distribución   de   probabilidad  
(FP).  
• Las   técnicas   de   generación   de   Números   aleatorios   o   pseudo–aleatorios   debe   ser  
correcta  y  no  debe  existir  correlación  entre  los  valores  muéstrales.  
• Establecer   límites   y   reglas   de   muestreo   para   las   FP,   es   decir,   se   debe   definir   que  
valores  pueden  adoptar  las  Variables  Aleatorias.  
• Estimación   del   error   (¿Con   qué   error   trabajamos?   ¿Cuánto   error   podemos   aceptar  
para  que  una  corrida  sea  válida?)  
 
 
 

 
[ SIMULACIÓN GERENCIAL ] 11
  

A  continuación  se  presentan  dos  ejemplos  de  Simulación  de  Montecarlo:  

 
Ejemplo   1   (Simulación   de   Montecarlo   Pura):   Se   tiene   la   siguiente   distribución   de  
probabilidades   para   una   demanda   aleatoria   (diaria)   y   queremos   ver   qué   sucede   con   el  
promedio  de  la  demanda  en  varias  iteraciones:  
 
Frecuencia  
Unidades   Frecuencia  
Acumulada  
42   0,1   0,1  
45   0,2   0,3  
48   0,4   0,7  
51   0,2   0,9  
54   0,1   1  
Figura  3.  Demanda  y  Probabilidades  -­‐  Ejemplo  1  
 
Generando  los  valores  aleatorios  vamos  a  ver  cómo  se  obtiene  el  valor  de  la  demanda  para  
cada  día:  
 
Número   Valor  de  la  
Iteración  
Aleatorio  [R]   Demanda  

1   0,886   51  

2   0,021   42  

…   …   …  

n   0,225   45  
Figura  4.  Demanda  y  Probabilidades  -­‐  Ejemplo  1  
 
Si  se  aumenta  el  número  de  réplicas,  los  resultados  obtenidos  son:  
 
Iteración   Media   Desviación   Error  

10   48,60   3,41   1,078  

100   48,12   3,16   0,316  
1000   47,87   3,28   0,104  

 
12   [ POLITÉCNICO GANCOLOMBIANO]
  

10000   47,87   3,30   0,033  

Figura  5.  Resultados  e  Iteraciones  -­‐  Ejemplo  1  
 
Ejemplo  2  (Combinación  de  Variables  Aleatorias):  La  compañía  Plásticos  de  Colombia  S.A.,  se  
dedica   a   la   fabricación   de   productos   plásticos   y   telas   vinílicas.   En   la   actualidad,   están  
analizando   la   posibilidad   de   lanzar   un   nuevo   producto   llamado   impermeable   plástico   (en  
colores   amarillo   y   negro).   Este   producto   puede   ser   utilizado   como   protector   solar   o   como  
recubrimiento  para  la  lluvia  por  las  personas  y  las  industrias.    
 
Teniendo   en   cuenta   que   es   un   producto   nuevo,   la   gerencia   de   la   compañía   ha   analizado   la  
situación   y   ha   encontrado   que   para   fabricarlo   se   requiere   de   una   máquina   especializada,   con  
la  que  no  se  cuenta  en  la  actualidad.  Por  lo  tanto,  han  definido  como  alternativa  arrendar  la  
máquina  que  se  requiere.  
 
La   compañía   ha   identificado   dos   modelos   de   máquinas   que   se   ajustan   a   las   necesidades  
actuales   de   producción   de   impermeable   de   color   negro   y   de   color   amarillo.   La   primera  
alternativa  es  arrendar  la  máquina  TX-­‐1.  Esta  máquina  tiene  una  capacidad  de  producción  de  
32.000  metros  al  mes,  y  su  costo  de  leasing  es  1’950.000/mes.  
 
La  segunda  alternativa  es  arrendar  la  máquina  TX-­‐2.  Esta  máquina  tiene  un  costo  de  leasing  
más  bajo  $1’650.000.  Su  capacidad  de  producción  es  mayor  (5.000  metros  más  que  la  TX-­‐1).  
 
Para   estimar   el   comportamiento   de   la   demanda   del   nuevo   producto,   la   compañía   ha  
recolectado   información   sobre   la   demanda   esperada   por   mes   del   impermeable   plástico  
negro   y   la   demanda   de   impermeable   amarillo,   y   ha   encontrado   los   siguientes   resultados  
respecto  al  comportamiento  de  cada  mercado:  
 
•  Color  Amarillo:  Mínimo  12000  metros,  máximo  21000  metros,  y  valor  más  probable  18000  
metros.  
 
•  Color  Negro:  Entre  17000  y  23000  metros  
 
Adicionalmente,   la   compañía   estima   que   el   precio   de   venta   por   metro   de   impermeable  
amarillo  es  de  $2500,  y  el  precio  de  venta  por  metro  de  impermeable  negro  es  de  $2300.  
 
Los   costos   unitarios   asociados   con   la   producción   en   cada   máquina   se   presentan   a  
continuación:  
 
Costos  Variables   TX-­‐  1   TX  -­‐  2  
Distribución   Normal   Normal  

 
[ SIMULACIÓN GERENCIAL ] 13
  

Media   $  950   $  1.100  

Desviación  Estándar   $  90   $  25  
Figura  6.  Distribución  de  los  Costos  Variables  -­‐  Ejemplo  2  
 
 
¿Qué  decisión  debe  tomar  la  compañía?  
 
El  modelo  Conceptual  sería:  
 
Ítem   Alternativa  1  -­‐  TX-­‐1   Alternativa  2  -­‐  TX-­‐2  
Arriendo   $                        2.100.000   $                        2.500.000  
Servicios   $                              300.000   $                              450.000  
Imp.  Negro   $                                                -­‐   $                                                -­‐  
Costo  
Producción   Imp.  
$                                                -­‐  
Amarillo    
Imp.  Negro   $                                      1.400   $                                      1.400  
Precio  Venta   Imp.  
$                                      2.300  
Amarillo    
Imp.  Negro   $                                                -­‐   $                                                -­‐  
Metros  
Demandados   Imp.  
$                                                -­‐  
Amarillo    
Ganancia  
$                      (2.400.000)   $                      (2.950.000)  
Esperada    
 
Figura  7.  Modelo  Conceptual  -­‐  Ejemplo  2  
 
 
 
 
 
 
 
 
 
 
 
 

 
14   [ POLITÉCNICO GANCOLOMBIANO]
  

Obteniendo  como  resultado:  

 
 

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Figura  8.  Ganancia  Esperada  –  TX  1  -­‐  Ejemplo  2  
 
 
 
 
 
 
 
 
 
 
 
 
 
 

 
 
 
 
 
Figura  9.  Ganancia  Esperada  –  TX  2  -­‐  Ejemplo  2  

 
[ SIMULACIÓN GERENCIAL ] 15