Está en la página 1de 23

UNIVERSIDAD NACIONAL DE INGENIERÍA

FACULTAD DE INGENIERÍA INDUSTRIAL Y DE SISTEMAS


ÁREA DE GESTIÓN DE LA PRODUCCIÓN

Monografía N°1

Curso: Planeamiento y Control de la Producción - GP404U


Estudiante: [Apellidos, Nombres] [Código]
Estrada Flores, Milagros Fiorella 20177006J
Ticona Tapia, Adrian Oswaldo 20170190J
Uceda Paredes, Said Leonardo 20170213J
Yauri Chavez, Waldir Anthony 20134523B

Profesor: Ing. Luis Acuña Pinaud

Diciembre 2020-2
Índice

1. Introducción..................................................................................................................... 3
2. Pronósticos de producción..............................................................................................5
3. Pronóstico de demanda en el horizonte de tiempo..........................................................5
3.1. Tipos de pronóstico..................................................................................................5
4. Pronóstico método Delphi...............................................................................................7
4.1. Características del método Delphi............................................................................8
4.2. Aplicación del Método Delphi...................................................................................9
4.3. Ventajas y Limitaciones..........................................................................................10
5. Pronóstico MonteCarlo..................................................................................................12
5.1. ¿Utilidad del método de Montecarlo en proyectos?................................................12
5.2. Aplicación del Método Monte Carlo........................................................................14
5.3. Ventajas y Limitaciones de su Aplicación...............................................................20
6. Bibliografía.................................................................................................................... 22

1|Página
1. Introducción

Claramente, en el mundo empresario de hoy, la toma de decisiones de largo plazo


(2 a 5 años) se realiza en contextos inciertos o imprecisos dificultando la gestión
estratégica de las organizaciones. Esta incertidumbre suele complicar el proceso de
definición de planes estratégicos sobre todo porque no se pueden proyectar,
mediante métodos tradicionales, la evolución que tendrán ciertas variables
económicas que tienen alto impacto en el posible devenir de los negocios.
Hay muchos ejemplos que en la actualidad están muy agudizados en nuestro país:
el tipo de cambio, la inflación, el PBI, etc.
Ante estas situaciones los métodos de consulta a expertos comienzan a tener
resultados positivos. Ante la falta de datos históricos que permitan realizar
proyecciones confiables, nada mejor que conocer la opinión de los que más saben
de un tema para estimar el comportamiento futuro de una variable.
No obstante, estos métodos suelen utilizar números precisos para representar
variables que no lo son. Para superar este inconveniente, se puede combinar
fácilmente esta herramienta con una serie de conocimientos matemáticos que se
adapten a la naturaleza de la información que se pretende consultar, es decir,
instrumentos que permitan operar en estados de incertidumbre. Hasta el momento,
el cuerpo de conocimientos que mejor ha demostrado trabajar con variables
inciertas es la Matemática Borrosa; y dentro de ésta, los números borrosos
triangulares surgen como una de los mejores instrumentos para cuantificar variables
económicas en este tipo de situaciones. Es por ello que este trabajo persigue el
objetivo de combinar la Matemática Financiera y la Matemática Borrosa para
resolver problemas en situaciones de incertidumbre, adaptando métodos conocidos
(como Delphi) al nuevo entorno empresario que, sin dudas, se mantendrá por
bastante tiempo.
En el mundo de los negocios, las organizaciones empresariales ejecutan sus
actividades en medio de las interacciones con los demás agentes económicos
conocidos como stakeholders. La información que se genera producto de estas
relaciones organizacionales es sistematizada y resumida en un conjunto de informes
que contribuyen a la toma de decisiones, tales como: optimizar recursos, evitar
despilfarros, programar producción, definir estrategias de mercado, analizar riesgos,
entre otros.

2|Página
Con base en la información histórica y en el diagnóstico de su situación actual, las
organizaciones requieren anticipar sus resultados como una valiosa herramienta
para la administración y el uso de sus recursos. Por esta razón, la proyección de
estados financieros es una importante labor que requiere de la consideración de
diferentes elementos conocidos y desconocidos, pues en condiciones de
incertidumbre, la gestión del riesgo es un factor clave en el éxito de las
organizaciones.
La simulación Monte Carlo es un método que combina el uso de los sistemas de
información organizacional (información histórica principalmente) y la aleatoriedad
para estimar la posibilidad de ocurrencia de un evento. Aplicando este método para
proyectar los estados financieros, la administración de una organización puede
reconocer la probabilidad de ocurrencia de escenarios deseables o no deseables,
con el fin de tomar acciones sobre las variables que puede controlar.
Aplicar la simulación Monte Carlo requiere la identificación de las variables claves
que afectan el resultado a proyectar, así como la distribución de probabilidad que
defina el comportamiento de estas variables.
Este trabajo pretende resaltar el uso de la simulación Monte Carlo como
herramienta poderosa de la administración para la gestión estratégica de sus
recursos en el corto plazo, en especial, de las variables que afectan el resultado del
periodo: ingresos, costos y otros gastos. De esta manera, con base en un análisis
de sensibilidad sobre el resultado del periodo, se podrá identificar las probabilidades
de ocurrencia de un escenario no favorable, uno optimista y el más probable.

3|Página
2. Pronósticos de producción

Un pronóstico de demanda o pronóstico de producción en el ámbito de fabricación,


consiste en predecir eventos futuros asociados al producto o servicio que
ofrecemos. En este caso pensamos a futuro para estimar cuánto vamos a vender, lo
que nos permitirá desarrollar proyecciones de ventas.

Otras definiciones más generales colocan al pronóstico como un proceso de


estimación en situaciones de incertidumbre.

Con esto logramos hacernos una idea que nos permite ver qué es lo que vamos a
encontrar en el post de hoy: Cómo estimar la demanda buscando elegir el mejor
método para disminuir la incertidumbre en nuestras decisiones. Iniciamos.

Métodos, técnicas y modelos de pronósticos hay muchos, y su aplicación puede


depender del tiempo en que pronosticamos y de si tenemos o no datos históricos o
de la antigüedad de nuestro producto o servicio.

3. Pronóstico de demanda en el horizonte de tiempo

Los métodos de pronóstico de producción a largo y mediano plazo manejan


aspectos más generales, pues en ellos se toman decisiones administrativas que
impactan en la planeación, los productos, plantas y procesos. Los pronósticos a
corto plazo suelen ser más precisos que los de largo plazo, ya que los factores que
influyen en la demanda cambian constantemente y al ampliar la línea de tiempo del
pronóstico, será más probable que su exactitud se vea afectada.

¿Y si no se pronosticaba la demanda? Bueno, traería consecuencias negativas. Por


ejemplo, al no tener pronosticada la demanda, será necesario contratar y despedir
sin previo aviso al personal, esto para el ámbito de recursos humanos. Impacta la
capacidad, lo que puede conllevar pérdida de clientes o de participación del
mercado. La cadena de suministro también es tocada, pues no pronosticar ocasiona
aumento en el precio de materiales e insumos al no tener definido los pedidos con el
proveedor.

4|Página
3.1. Tipos de pronóstico

Se tienen tres tipos de pronósticos principales:

● Cualitativos: método Delphi, investigación de mercado, etc.


● Series de tiempo: Media móvil simple, media móvil ponderada, suavizamiento
exponencial, análisis de regresiones de tiempo, etc.
● Simulación: Montecarlo, etc.

Cada tipo de pronóstico debe ajustarse al tipo de datos o serie de tiempo que desea
será analizada. Por ejemplo para una serie de alta densidad de datos y baja
variabilidad, la media móvil puede ser un buen método de pronóstico, dado que
construye el pronóstico a partir del promedio de los datos anteriores. A modo de
ejemplo, el siguiente gráfico muestra la demanda de un producto durante más de un
año. Los datos reales se presentan en negro, mientras en verde se muestra el
pronóstico con media móvil y en azul el pronóstico con Holt-Winters. Vemos que
ambos pronósticos difieren de la realidad, pero se van moviendo de acuerdo a la
demanda.

5|Página
4. Pronóstico método Delphi

El Método Delphi probablemente es la Técnica Cualitativa de Pronósticos de Ventas


o demanda que más se utiliza. Este método (que toma su nombre del famoso
oráculo de Delfos de la antigua Grecia) consiste en un proceso de varias etapas
(iterativo) y considera la participación de un grupo de expertos.

En la primera etapa cada persona del grupo proporciona una respuesta escrita a las
preguntas que se le hacen. Después se tabulan dichas respuestas y se realimenta
al grupo con ellas, incluyendo alguna elaboración en base a valores estadísticos
(promedio, desviación estándar, valores máximos, mínimos, etc). A continuación, y
de existir un cierto grado de dispersión en las respuestas originales, se pide a cada
miembro del grupo que reconsidere sus respuestas anteriores y responda de nuevo
las preguntas. Las respuestas de la segunda etapa se vuelven a resumir y se da
feedback al grupo para una tercera etapa, y así sucesivamente. Este proceso se
repite hasta alcanzar un grado suficiente de acuerdo, utilizándose como pronósticos
los resultados de la última etapa.

De esta forma las ideas y percepciones de un grupo que en general es de


naturaleza heterogénea va convergiendo progresivamente a consensos, lo cual
ayuda a disminuir el riesgo asociado a la toma de decisiones en el ámbito de los
Pronósticos de Ventas.

En consideración a lo anterior, una representación esquemática del Método Delphi


(o Método Delfos) se presenta a continuación:

6|Página
4.1. Características del método Delphi
El método Delphi pretende extraer y maximizar las ventajas que presentan los
métodos basados en grupos de expertos y minimizar sus inconvenientes. Para ello
se aprovecha la sinergia del debate en el grupo y se eliminan las interacciones
sociales indeseables que existen dentro del mismo. De esta forma se espera
obtener un consenso lo más fiable posible del grupo de expertos gracias a sus tres
características fundamentales: • Anonimato: Mientras dura el proceso de consulta,
ningún experto conoce la identidad de los otros que componen el grupo de debate.
Con esto se elimina la posibilidad de que un miembro del grupo sea influenciado por
la reputación de otro de los miembros o por el peso que supone oponerse a la
mayoría. Permite que un miembro pueda cambiar sus opiniones sin que eso
suponga una pérdida de imagen. • Iteración y retroalimentación controlada: La
iteración se consigue al presentar varias veces el mismo cuestionario, agregando o
quitando preguntas según la opinión del grupo. Además, se pueden presentar los
resultados obtenidos con los cuestionarios anteriores, para que los expertos vayan
conociendo los distintos puntos de vista y puedan ir modificando o continuar
sosteniendo su opinión ampliando sus argumentos. • Respuesta del grupo en forma
estadística: La información que se presenta a los expertos no es sólo el punto de

7|Página
vista de la mayoría, sino que se presentan todas las opiniones indicando el grado de
acuerdo que se ha obtenido.

4.2. Aplicación del Método Delphi

APLICACIÓN DEL MÉTODO DELPHI A LAS DECISIONES FINANCIERAS EN


SITUACIONES DE INCERTIDUMBRE

APLICACIÓN PROPUESTA: DELPHI “BORROSO” Con el fin de focalizar el trabajo


en la combinación de las herramientas presentadas en los puntos anteriores, se
describe a continuación un ejemplo ilustrativo. El mismo consiste en la necesidad
que puede tener una organización privada o pública a la hora de efectuar su plan
estratégico, referido a planes de inversión, para los próximos años (en el ejemplo
período 2004-2005). Para ello, esta organización necesitará conocer cómo variarán
la inflación (medida a través del índice de precios mayoristas – IPM – y el índice de
precios minoristas – IPC) y el tipo de cambio al que se cotizará el dólar. Para
simplificar el ejemplo, se solicitará a los expertos que estimen el valor medio de
dichas variables para los años 2004 a 2006. Dado que las cuestiones a consultar a
los expertos son acotadas y están claramente definidas, el método Delphi Borroso
partirá de un cuestionario cerrado donde se forzará a los consultados a pensar en
términos de un NBT. Para alcanzar este fin, se solicitará a cada experto que piense
un escenario pesimista, un escenario base (o más posible) y un escenario optimista.
Como se puede apreciar estos tres escenarios se convertirán en los valores
característicos del NBT que represente la opinión de cada experto para las variables
consultadas. Un potencial formato para realizar estas consultas puede ser:

Con este formato y repitiéndolo para cada período consultado se efectuará la


consulta al panel de expertos, a quienes a su vez se les puede solicitar que
fundamenten la estimación brindada. Incluso, para tener mayor detalle a la hora de

8|Página
planificar, se pueden efectuar consultas para unidades de tiempo menores como ser
semestres, trimestres, hasta incluso mensual si se hiciera para el 2003. Siguiendo
los pasos descritos en la figura 1 de las fases del método Delphi tradicional, se
efectuará la entrega de las instrucciones y objetivos del estudio, así como la primera
versión del cuestionario a los expertos elegidos en la etapa de planificación de este
proceso. Suponiendo que se le otorgará el mismo peso o importancia a cada una de
las respuestas recibidas, la operación matemática que se realizará es el promedio
de cada uno de los NBT resultantes de esta encuesta. Si los valores recibidos para
el tipo de cambio en 2004 son:

Con estos valores se puede calcular el NBT medio para la variable tipo de cambio
para el año 2004: TC = (4.03; 4.43; 4.93). Es oportuno aclarar la particularidad que
tiene este NBT: el valor mínimo representa la visión optimista de cada experto, por
ello el límite inferior del NBT medio que se calcule representará la mejor de las
situaciones posibles para el país respecto a la variable bajo análisis. A su vez, el
valor central representa el escenario con más posibilidades de ocurrir según el panel
consultado.

4.3. Ventajas y Limitaciones

Ventajas

● La opinión subjetiva o basada en la experiencia de un grupo de especialistas


siempre será de mayor calidad en comparación con la opinión de un solo
especialista, debido a la mayor cantidad de información que dispone un
grupo.

9|Página
● Minimiza la influencia de los líderes de opinión, permitiendo a cada
participante, expresarse libremente.
● El anonimato y la confidencialidad que deben mantenerse, permite disentir de
opiniones generalizadas y/o mantenidas en el tiempo como verdades
absolutas. En las etapas sucesivas el participante tendrá la opción de
defender su posición.
● Es un método útil para la toma de decisiones y su aplicación es muy amplia
en cualquier ámbito.
● Permite la participación simultánea de expertos geográficamente muy
distantes.
● Es un método de obtención de la opinión de expertos que cuenta con muchos
años de experiencia y que ha evolucionado utilizando los canales de
comunicación más expeditos que brindan las nuevas tecnologías, haciéndolo
más flexible, cómodo y rápido.

Limitaciones

● Los resultados dependen de la exactitud de las preguntas. Es decir, que no


haya duda sobre su contenido porque la interpretación debe ser única.
● La longitud de las frases debe ser cuidadosamente evaluada. A mayor
número de palabras en una pregunta, mayor posibilidad de error en la
interpretación de la misma.
● El sesgo de los participantes debido a su bagaje cultural, edad y género,
puede incidir en algunos casos. Por esto, la elección de los expertos debe ser
cuidadosa.
● Después de la primera vuelta, algunos participantes caen en la tentación de
sumarse a la puntuación más cercana a la del grupo total, sin argumento
propio.
● Es un método intuitivo más que racional, pero su valor se acrecienta a
medida que se cumplen los requisitos para desarrollar el método
correctamente en todas sus etapas. En muchos casos, es adecuado
concertar la organización del proceso con profesionales que tengan
experiencia en la aplicación del método Delphi.

10 | P á g i n a
5. Pronóstico MonteCarlo

La simulación de Monte Carlo es una técnica matemática que te permite tomar en


cuenta el riesgo y te ayuda a tomar decisiones basadas en datos. Se basa en datos
históricos que se ejecutan a través de un gran número de simulaciones aleatorias
para proyectar el resultado probable de proyectos futuros en circunstancias
similares.
La simulación Monte Carlo es una técnica cuantitativa que permite el desarrollo de
un modelo lógico-matemático del que se obtienen la imitación de un proceso del
sistema a través del tiempo. Por lo tanto, la simulación involucra la generación de
una historia artificial del sistema y la observación de esta historia mediante la
manipulación experimental; además, ayuda a inferir las características
operacionales de tal sistema. (Azofeifa, 2004). El término SMC proviene por su
similitud al muestro aleatorio en los juegos de ruleta en los casinos de Monte Carlo.

5.1. ¿Utilidad del método de Montecarlo en proyectos?

Las estimaciones de plazo y coste que hacemos durante la planificación de un


proyecto están sujetas a variabilidad. Esta variabilidad es debida tanto a la
variabilidad intrínseca de las estimaciones, una determinada tarea no cuesta o dura
siempre lo mismo, como a los riesgos asumidos, los cuales tienen una determinada
probabilidad de ocurrir y un impacto.
Por ello no es conceptualmente correcto dar un valor determinado para el coste o la
duración del proyecto, aunque todos lo hacemos, ya que estos van a estar sujetos a
variabilidad. Por el contrario, lo más correcto sería hablar de un valor medio y una
variabilidad para el coste y la duración totales, los cuales pueden determinarse
mediante el análisis de Montecarlo.

11 | P á g i n a
De

esta forma el método de Montecarlo permite calcular el valor de coste y plazo del
proyecto en base a un determinado grado de confianza, y así determinar en qué
medida nuestra planificación es realista, y va a permitir conseguir los objetivos del
proyecto. Esto significa determinar en qué porcentaje de las simulaciones
realizadas, el plazo y el coste totales son menores a los objetivos del proyecto.

Si este porcentaje es menor al grado de confianza que la organización define como


aceptable, podemos determinar que la planificación no es factible, por lo que
deberemos modificar esta, o tendremos datos objetivos para defender delante del
sponsor o el comité de dirección del proyecto que una determinada restricción o
petición no es asumible.

Otra utilidad, si planificamos por el método de cadena crítica, es usar este análisis
para determinar el valor de la protección en cada grupo de tareas y del conjunto del
proyecto. Esto se realiza de la misma forma que con el proyecto completo, pero
ejecutando el análisis en el grupo de tareas que queremos estudiar.

12 | P á g i n a
Una vez hemos completado la planificación del proyecto, el análisis de Montecarlo
sigue siendo útil para estudiar los efectos de los cambios o de las contramedidas
sobre el proyecto.

5.2. Aplicación del Método Monte Carlo

APLICACIÓN DE LA SIMULACIÓN MONTE CARLO EN LA PROYECCIÓN DEL


ESTADO DE RESULTADOS

El estudio de caso es aplicado a una empresa que presta el servicio de testing de


software, particularmente cinco tipos de pruebas con las siguientes convenciones:
de alta automatización (S1), de automatización clásica (S2), contables (S3),
funcionales (S4) y de performance (S5). La empresa cuenta con un sistema de
costos que realiza la clasificación de sus recursos en variables, fijos y semivariables,
donde a estos últimos les aplica el método de los mínimos cuadrados para separar
el costo en sus componentes fijo y variable. Igualmente clasifica los costos y gastos
fijos en identificables por servicio y no identificables. Los primeros son asignados a
cada servicio, los segundos se asigna a nivel corporativo y no se distribuyen por
servicio. A continuación, se describe los pasos para la configuración del modelo y
hallazgos de la aplicación de la SMC:

Paso 1 variables independientes y sus distribuciones de probabilidad. La empresa


tiene creada 177 cuentas contables de costos y gastos, de las cuales sólo 33 se
consideran en el análisis, pues se utilizó un Pareto para determinar cuáles cuentas
contables representan el 94% de los costos. De las 33 cuentas, 22 cuentas
presentan un comportamiento variable o semivariable. La empresa objeto de estudio
suministró el costo variable unitario de estas cuentas y un historial de 30 meses del
tiempo de prestación del servicio por cada uno de los tipos de servicios

13 | P á g i n a
mencionados. Siguiendo los supuestos del modelo CVU, sólo al componente
volumen de producción se le realizaron las pruebas de bondad de ajuste con el
criterio AndersonDarling, en la Tabla 1 se presenta la distribución de probabilidad y
los parámetros para cada variable y se utilizó la aplicación @risk para realizar las
pruebas de bondad de ajuste. Para las cuentas que tienen un comportamiento fijo,
se utilizó como valor determinístico el valor monetario definido por la compañía en
su sistema de costos por mes (CTF costo total fijo o GTF gasto total fijo) al igual que
el costo variable unitario en función de una hora de prestación de servicio (CUV
costo unitario variable o GUV gasto unitario variable). En las tablas 2 y 3, se
presenta el resumen de los anteriores datos.

14 | P á g i n a
Paso 2 calcular las correlaciones entre las variables independientes. La definición
de un costo variable es que cambia si hay cambios en la producción, es decir, que
debe existir una correlación entre las 22 cuentas contables y las variables tiempo del
personal en la prestación del servicio. El coeficiente de correlación en modelos
lineales es una forma de medir la existencia de correlación entre las variables
mencionadas, pues mide la intensidad de la relación lineal entre las variables del
costo total (cuenta contable) y el nivel de operación (tiempo del personal en la
prestación del servicio). (Gutiérrez & de la Vara, 2008). Se verificó que las 21
cuentas presentan correlación positiva con el tiempo del personal en la prestación

15 | P á g i n a
del servicio, aunque el valor en muchos casos no alcanza el valor mínimo de 0,6
para el coeficiente.

Paso 3 construir el modelo a proyectar. El modelo de proyección construido fue un


Estado de Resultados bajo el método marginal, pues como se indicó en incisos
anteriores, es necesario clasificar los costos en fijos y variables para la aplicación de
la SMC. El Estado de Resultados por el método marginal es aquel que detalla los
costos fijos y variables de un período. En la Tabla 4 se presenta un escenario como
ejemplo.

Paso 4 generar números aleatorios. Dado que las variables aleatorias son el tiempo
de prestación del servicio por tipo de servicio, se requería la generación de seis
números aleatorios por corrida o escenario. Los números aleatorios se generaron
con la función de Excel ALEATORIO.

Paso 5 alimentar los procesos estocásticos. El número aleatorio se emplea como la


probabilidad de ocurrencia de un evento, por lo tanto, al ingresar dicha probabilidad
en la distribución correspondiente ésta arroja el valor de la variable que cumpla esa
distribución. En la Tabla 5, se presenta la función de Excel que permite hallar cada
variable aleatoria que se utilizó como unidad de medida las horas o la fórmula de
cálculo, en el caso de la distribución triangular, no existe la respectiva función en
Excel. La denotación es para el número aleatorio y para las horas de prestación del
servicio en un mes.

Paso 6 calcular el número de simulaciones. La cantidad de simulaciones a realizar


puede ser un dato escogido por el analista, que, apoyado en la teoría de los grandes
números, entre más simulaciones contemple mejor estimación se tendrá de los
valores muestrales. Para el estudio de caso se realizaron 2.730 simulaciones. El
analista también puede aplicar alguna de las técnicas que se tienen en estadística
para determinar el número de la muestra.

16 | P á g i n a
Paso 7 realizar el análisis de estadística descriptiva. En la Tabla 6 y en la Figura 4
se presentan algunas mediciones clásicas de estadística descriptiva y el histograma
resultado de la simulación. Se puede observar que el promedio de las 2.730 corridas
es negativo e igual a una pérdida $74.149.290 (COP), aunque tiene una desviación
estándar con un valor cercano a la media, indicando que los datos tienden alejarse
del promedio en $74.117.768 (COP).

17 | P á g i n a
Paso 8 hacer análisis de sensibilidad. En la Figura 5 se presenta el gráfico de
tornado, el cual despliega una jerarquía relativa de una variable independiente
versus otras, al comparar los efectos de todas estas variables en el comportamiento
de la variable dependiente. La longitud de la barra indica la cantidad de cambio que
la variable independiente causa sobre los resultados o la variable dependiente, sin
cambiar las demás variables de entrada. En este caso, las variables importantes de

18 | P á g i n a
analizar son las aleatorias, que son las que presentan incertidumbre en el corto
plazo, es decir, las horas de prestación del servicio por tipo de servicio.

5.3. Ventajas y Limitaciones de su Aplicación

El proceso de simulación permite construir las distribuciones de probabilidad para


todo tipo de indicador financiero, lo que hace posible realizar un análisis bajo riesgo
de cualquier aspecto de la empresa, esto es, que sería posible trasladar el análisis
financiero tradicional realizado en términos determinísticos a un ambiente de
incertidumbre. (Medina & Restrepo, 2013). Por lo anterior, muchos teóricos indican
que la SMC es un gran apoyo para la gestión de los riesgos en las organizaciones,
ya que no solo brinda el valor más probable sino también, la ventana de todos los
resultados posibles que pueden ser analizados a través de su distribución de
probabilidad. (Lledó & Rivarola, 2007, pág. 401)

Otras ventajas de la SMC son: identificar a través de sus predicciones el grado de


sensibilidad de las variables independientes o de entrada con la variable
dependiente o de salida. En la medida en que se identifique la variable
independiente más sensible a la variable dependiente, la compañía podrá hacer

19 | P á g i n a
mejor control sobre esas variables sensibles para que los resultados finales sean
similares a los esperados o deseables (Mancilla H., 1999).

Es importante reconocer que esta herramienta puede generar una gran cantidad de
escenarios en los cuales se puede ajustar el resultado final, por lo tanto, otorga un
rango muy amplio de posibilidades que requieren del análisis de información
complementaria cuantitativa y cualitativa que permita delimitar más el escenario en
el que se puede encontrar la empresa en el corto plazo.

En relación a desventajas de la utilización de la SMC, Rodríguez (2011) nos


relaciona las siguientes:

● Un gran número de variables hace una buena simulación, pero resulta


complicada sino se tiene una herramienta tecnológica.
● La simulación no genera situaciones o soluciones óptimas, como maximizar
utilidades o minimizar costos.
● Cada simulación es única por intervenir el azar.

La simulación Monte Carlo no se ha diseñado para encontrar la mejor solución o


soluciones óptimas, como en la programación lineal o en análisis de decisiones, sino
que evalúan diferentes alternativas y se toma una decisión con base en una
comparación de los resultados. Es decir, se evalúa el desempeño de sistemas
previamente especificados. (Azofeifa, 2004)

20 | P á g i n a
6. Bibliografía

 https://www.pricing.cl/conocimiento/metodos-de-pronosticos/
 https://ingenioempresa.com/pronostico-de-demanda/#:~:text=Un%20pron
%C3%B3stico%20de%20demanda%20o,producto%20o%20servicio%20que
%20ofrecemos.&text=Otras%20definiciones%20m%C3%A1s%20generales
%20colocan,estimaci%C3%B3n%20en%20situaciones%20de
%20incertidumbre.
 https://www.gestiondeoperaciones.net/proyeccion-de-demanda/metodo-
delphi-para-pronosticos-de-ventas/#:~:text=El%20M%C3%A9todo%20Delphi
%20probablemente%20es,de%20un%20grupo%20de%20expertos.

 https://eco.mdp.edu.ar/cendocu/repositorio/00179.pdf

 https://kanbanize.com/es/recursos-de-kanban/metricas-kanban/simulaciones-
de-monte-carlo

21 | P á g i n a
 https://www.recursosenprojectmanagement.com/metodo-de-montecarlo/#
%C2%BFQue_es_el_metodo_de_Montecarlo

 https://www.researchgate.net/publication/335001474_Aplicacion_de_la_simul
acion_Monte_Carlo_en_la_proyeccion_del_estado_de_resultados_Un_estudi
o_de_caso/link/5d499cae4585153e59412101/download

 https://eco.mdp.edu.ar/cendocu/repositorio/00179.pdf
 https://www.andarupharma.com/metodo-delphi-proyectosmarketing-
marketinghealhcare_marketingsalud-comunicacionsalud/

22 | P á g i n a