METODO MONTECARLO

Integrantes: Jeannette Abufn. Luis Contreras C. Profesor: Eric Barrios.

RESEA HISTRICA: El mtodo se llam as en referencia al Casino de Montecarlo (Principado de Mnaco) por ser la capital del juego de azar, al ser la ruleta un generador simple de nmeros aleatorios. El nombre y el desarrollo sistemtico de los mtodos de Montecarlo datan aproximadamente de 1944 y se mejoraron enormemente con el desarrollo de la computadora. Despus de la Segunda Guerra mundial, a travs de la teora matemtica se aplic la investigacin operacional, para la resolucin de problemas grandes y complejos con muchas variables. La teora de los juegos fue desarrollada por los cientficos Neumann y Morgenster.

Esta implica el uso de la estrategia de mnimo pensar, aunque por lo general se les considera a manera de auxiliar en el entrenamiento administrativo, los juegos de los negocios pueden considerarse como un tipo de tcnica cuantitativa para la toma de decisiones. Las decisiones se expresan en trminos cuantitativos, tales como un determinado nmero de ventas obtenidas, unidades compradas, etc. El juego proporciona al gerente, prctica, conocimiento y la oportunidad de mejorar las acciones administrativas.

Mtodo Montecarlo. Definicin.

Es un mtodo simplificado de simulacin, pero tambin incluye factores de probabilidad. La simulacin es guiada por un muestreo al azar para tomar en cuenta la probabilidad de que el evento suceda. Se emplea una tabla de nmeros al azar para obtener la muestra al azar. El Montecarlo es un medio de tanteo para ver que sucedera cuando ciertos eventos, normales y anormales, se presenten. Este es un enfoque productivo y esta tcnica consiste en la generacin de escenarios futuros en base a la funcin de distribucin de las variables. Por lo tanto, nos permite simular todos los escenarios posibles de los valores que tomen los retornos de los distintos vrtices de riesgo, en base a su funcin de distribucin. Para esto es necesario asumir que los escenarios seguirn alguna distribucin particular y de esta manera poder generar los retornos mediante algn generador de variables o algn proceso estocstico. Las aplicaciones posibles son muy numerosas. La importancia actual del mtodo Montecarlo se basa en la existencia de problemas que tienen difcil solucin por mtodos exclusivamente analticos o numricos, pero que dependen de factores aleatorios o se pueden asociar a un modelo probabilstica artificial (resolucin de integrales de muchas variables, minimizacin de funciones, etc.). Un modelo de toma de decisiones se expresa en trminos de medidas de desempeo, limitantes y variables de decisiones, el propsito de dicho modelo es encontrar los valores ptimos o satisfactorios para las variables de decisin que puedan mejorar el desempeo de los sistemas dentro de las restricciones aplicables. Gracias al avance y uso de las computadoras cambio dramticamente el campo de la administracin de operaciones. La mayora de las operaciones de manufactura emplean ahora computadoras para la administracin de inventarios, programacin de la produccin, control de calidad, etc. Adems las computadoras se utilizan cada vez ms en la automatizacin de las oficinas, hoy en da el uso efectivo de las computadoras es una parte esencial del campo de la

administracin de operaciones. En el mercado existen de hecho varios complementos de Excel (Add-Ins) especficamente diseados para realizar simulacin MC, siendo los ms conocidos: @Risk, Crystall Ball, Insight.xla, SimTools.xla, etc. En aos posteriores, la simulacin de Monte Carlo se ha venido aplicando a una infinidad de mbitos como alternativa a los modelos matemticos exactos o incluso como nico medio de estimar soluciones para problemas complejos. As, en la actualidad es posible encontrar modelos que hacen uso de simulacin MC en las reas informtica, empresarial, econmica, industrial e incluso social . En otras palabras, la simulacin de Monte Carlo est presente en todos aquellos mbitos en los que el comportamiento aleatorio o probabilstico desempea un papel fundamental precisamente. En estos mtodos el error ~ 1/N, donde N es el nmero de pruebas y, por tanto, ganar una cifra decimal en la precisin implica aumentar N en 100 veces, la base es la generacin de nmeros aleatorios de los que nos serviremos para calcular probabilidades. Conseguir un buen generador de estos nmeros as como un conjunto estadstico adecuado sobre el que trabajar son las primeras dificultades con la que nos vamos a encontrar a la hora de utilizar este mtodo.

La funcin ALEATORIO () de Excel Las hojas de clculo como Excel (y cualquier lenguaje de programacin estndar) son capaces de generar nmeros pseudoaleatorios provenientes de una distribucin uniforme entre el 0 y el 1. Este tipo de nmeros pseudo-aleatorios son los elementos bsicos a partir de los cuales se desarrolla cualquier simulacin por ordenador. En Excel, es posible obtener un nmero pseudo-aleatorio -proveniente de una distribucin uniforme entre el 0 y el 1- usando la funcin ALEATORIO: Los nmeros generados mediante la funcin ALEATORIO tienen dos propiedades que los hacen equiparables a nmeros completamente aleatorios: 1. Cada vez que se usa la funcin ALEATORIO, cualquier nmero real entre 0 y 1 tiene la misma probabilidad de ser generado (de ah el nombre de distribucin uniforme). 2. Los diferentes nmeros generados son estadsticamente independientes unos de otros (es decir, el valor del nmero generado en un momento dado no depende de los generados con anterioridad). La funcin ALEATORIO es una funcin voltil de Excel. Esto significa que cada vez que pulsamos la tecla F9 o cambiemos alguno de los inputs del modelo, todas las celdas donde aparezca la funcin ALEATORIO sern recalculadas de forma automtica.

VENTAJAS Y DESVENTAJAS: Ventajas: Es un mtodo directo y exible. Existe un amplio abanico de programas y lenguajes destinados a simular. Cuando el modelo matemtico es demasiado complicado la simulacin permite obtener una aproximacin. La simulacin nos permite formular condiciones extremas con riesgos nulos. La simulacin no interere con el mundo real. Permite experimentar. Permite estudiar la interaccin entre las diferentes variables del problema. Mediante la simulacin podemos inuir en el tiempo de los procesos. La simulacin permite resolver problemas que no tienen solucin analtica.

Desventajas: Una buena simulacin puede resultar muy complicada, gran nmero de variables. La simulacin no genera soluciones ptimas globales. No proporciona la decisin a tomar, sino que resuelve el problema mediante aproximacin para unas condiciones iniciales. Cada simulacin es nica, interviene el azar.

Pueden usarse para resolver problemas con estas preguntas tpicas: Cul es la probabilidad de un evento o combinacin de eventos, que ocurran en un proceso dado?

Qu decisin debe tomarse en base a las alternativas posibles?

EJEMPLO:

Algunos problemas de espera no pueden resolverse directamente con ecuaciones, si los ndices de llegada y salida no son controlables, resulta difcil evaluar las alternativas solo con ecuaciones. La simulacin implica la manipulacin de muchas variables y constantes asociadas con el problema. Como la tcnica Montecarlo es un tipo de simulacin por medio del cual se genera los datos por un generador de nmeros aleatorios, supongamos que el gerente de una planta industrial se enfrente al problema de determinar el nmero ptimo de camiones para su plantilla de reparta. Esta cuestin es de inters para el analista de distribucin de la planta, ya que debe proporcionar almacenamiento, mantenimiento e instalaciones de carga. Si se adquiere una gran flota de camiones, los clientes sern servidos con rapidez y tal vez se requiera poco tiempo extra para ser todas las entregas, sin embargo una gran flota de camiones representa una gran inversin y da como resultado mucho tiempo ocioso para algunos camiones y una flota pequea requiere una inversin menor, menos instalaciones y necesidades de mantenimiento as como tambin pocos camiones ociosos; pero quizs no puede hacer a tiempo todas las entregas necesarias y por lo tanto necesitar demasiado tiempo extra. Para encontrar la solucin ptima es necesario encontrar el nmero de camiones que minimice los costos implicados.

Para mantener el ejemplo sencillo supondremos que la poltica de la empresa es la de entregar todo embarque en el mismo da en que llegue al muelle de carga. Si todos los embarques no pueden ser entregados en una jornada normal de trabajo se requerir tiempo extra para la entrega. Para el ejemplo el costo del tiempo extra por camin y por da se usar como el costo de castigo por tener muy pocos camiones. El nmero optimo de camiones, no eliminar las entregas con tiempo extras.

Supondremos que: 1. La distribucin de arribo de clientes es normal (embarque que deben ser entregados) es de 300 embarque por da, con desviacin estndar de 30 embarques por da, esto es

Distribucin de tiempo de servicio (nmero de embarque que puede ser entregado) es de 60 entrega por da y camin, esto indica que la tasa promedio de entrega

1. El costo de operar un camin de reparto es de $25 por da incluyendo el costo de mano de obra, operacin depreciacin, mantenimiento, etc. 2. El costo de demora en las entregas esta representado por el costo del tiempo extra. Este se supone que cuesta $5 por hora camin. Con esta informacin bsica ms los nmeros al azar disponible en una tabla de nmero aleatorios estamos listos para empezar la simulacin Montecarlo de lo que es posible que suceda con distintos tamaos de la flota.

En la columna A representa el nmero de camiones que se estn probando. En la columna B representa los 5 das de la semana. En la columna C est compuesta de nmeros aleatorios tomados de una tabla de nmeros al azar, estos nmeros se usan para generar datos relativos al nmero de entregas en la columna D. En la columna E est compuesta de nmeros aleatorios tomados de una tabla de nmeros al azar, estos nmeros se usan para calcular el nmero esperado de entregas que sern concluidas en la columna F. En la columna G representa el nmero de entrega en tiempo extra. En la columna H representa el costo de las entregas en tiempo extra. En la columna I representa el total de los costos de tiempo extra para cada tamao de flota alternativa.

Las entregas requeridas estn simuladas multiplicando la desviacin estndar (30) por el nmero aleatorio para ese da y agregando a este producto la tasa promedio de llegada (300)

Las entregas hechas cada da estn simuladas multiplicando la desviacin estndar (6) por el nmero aleatorio para ese da y agregando al producto a la tasa promedio de servicio (60) (entrega hechas por cada camin) Luego esta cifra se multiplica por el nmero de camiones de la flotilla.

Las columnas de tiempo extra de la columna G va a ser igual a la diferencia que existe entre las entregas requeridas de la columna D y las entregas hechas de la columna F.

El costo del tiempo extra de la columna H se encuentra tomando el costo por camin hora $5.00 y multiplicando 8 horas por da, por el nmero de camiones de la columna A y el nmero de entregas de tiempo extra G y dividiendo este producto entre las entregas hechas.

El costo total del tiempo extra para toda la flota que se est simulando es el total de los costos diarios del tiempo extra y est representado por la columna I

Nmero camiones

Entregas Costo Costo Nmero Nmero hechas Nmero Entrega Entregas del total del normal normal en de das requerida hechas tiempo tiempo aleatorio aleatorio tiempo extra extra extras Lunes Martes -0.452 0.238 -0.409 1.276 0.896 -0.452 0.238 -0.409 1.276 286.440 307.140 287.730 338.280 326.880 286.440 307.140 287.730 338.280 0.803 0.835 -1.161 -0.218 0.013 64.818 221.622 136.766 65.010 242.130 148.980 53.034 234.696 177.015 830.944 58.692 279.588 190.546 60.078 266.802 177.637 96.766

Mircoles Jueves Viernes Lunes Martes

0.803 129.636 156.804

0.835 130.020 177.120 108.980 630.944 -1.161 106.068 181.662 137.015 -0.218 117.384 220.896 150.546

2 Mircoles Jueves

Viernes Lunes Martes 3 Mircoles Jueves Viernes Lunes Martes 4 Mircoles Jueves Viernes Lunes Martes 5 Mircoles Jueves Viernes 6 Lunes

0.896 -0.452 0.238 -0.409 1.276 0.896 -0.452 0.238 -0.409 1.276 0.896 -0.452 0.238 -0.409 1.276 0.896 -0.452

326.880 286.440 307.140 287.730 338.280 326.880 286.440 307.140 287.730 338.280 326.880 286.440 307.140 287.730 338.280 326.880 286.440

0.013 120.156 206.724 137.637 0.803 194.454 91.986 56.766 68.980 97.015 430.944

0.835 195.030 112.110 -1.161 159.102 128.628

-0.218 176.076 162.204 110.546 0.013 180.234 146.646 0.803 259.272 0.835 260.040 -1.161 212.136 27.168 47.100 75.594 97.637 16.766 28.980 57.015 230.944 70.546 57.637 0.000 0.000 17.015 65.198 30.546 17.637 0.000 0.000

-0.218 234.768 103.512 0.013 240.312 86.568

0.803 324.090 -37.650 0.835 325.050 -17.910 -1.161 265.170 -0.218 293.460 0.013 300.390 22.560 44.820 26.490

0.803 388.908 -102.468

Martes Mircoles Jueves Viernes Lunes Martes 7 Mircoles Jueves Viernes

0.238 -0.409 1.276 0.896 -0.452 0.238 -0.409 1.276 0.896

307.140 287.730 338.280 326.880 286.440 307.140 287.730 338.280 326.880

0.835 390.060 -82.920 -1.161 318.204 -30.474 -0.218 352.152 -13.872 0.013 360.468 -33.588 0.803 453.726 -167.286 0.835 455.070 -147.930 -1.161 371.238 -83.508 -0.218 410.844 -72.564 0.013 420.546 -93.666

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

Nmero de camiones

Costo del tiempo normal 1 2 3 4 5 6 125 250 375 500 625 750

Costo del tiempo extra

Costo total

830.944 630.944 430.944 230.944 65.198 0.000

955.944 880.944 805.944 730.944 690.198 750.000

875

0.000

875.000

El nmero ptimo de camiones que genera el mnimo gasto de operacin es de 5 camiones.