Professional Documents
Culture Documents
Facultad de Ingeniería
Departamento de Ingeniería Industrial
Simulación Operativa
Integrantes:
Profesor:
Índice
1.INTRODUCCIÓN 2
6. ANÁLISIS Y SIMULACIÓN 7
7.CONCLUSIONES 21
1
Universidad de La Serena
Facultad de Ingeniería
Departamento de Ingeniería Industrial
Simulación Operativa
1.Introducción
Según la ley de cooperativas, estos entes son las cooperativas de servicio que
tengan por objeto único y exclusivo brindar servicios de intermediación financiera en
beneficio de sus socios.
Para ello, entre otras actividades, esta entidad puede recibir depósitos de sus
socios y de terceros, otorgar préstamos, además de emitir y operar tarjetas de crédito.
2
Universidad de La Serena
Facultad de Ingeniería
Departamento de Ingeniería Industrial
Simulación Operativa
3
Universidad de La Serena
Facultad de Ingeniería
Departamento de Ingeniería Industrial
Simulación Operativa
2.2. Método
Para el desarrollo del informe se utilizó una simulación de Montecarlo con Excel, el cual
corresponde a un método cuantitativo que a partir de una muestra estadística y una serie
de números aleatorios analiza el comportamiento de sistemas reales no dinámicos.
Para este caso se utilizó una base de datos facilitada por la empresa a tratar, la cual
se centra principalmente en dos flujos de productos, libretas de ahorro y créditos de
consumo. Esta base de datos pertenece a los valores ya antes mencionados, en el periodo
de tiempo Enero 2014- Octubre 2014 para todo lo relacionado con los créditos y Octubre
2013- Octubre 2014 para los datos relacionados con las cuentas de ahorro. Con esto será
posible determinar una cierta estacionalidad, además como se dijo anteriormente una
ventaja en cuanto a la toma de decisiones futuras.
Ambas variables (créditos y ahorro) forman parte del modelo que se mostrará más
adelante, si bien ambas tienen un tratamiento similar en cuanto a los datos, se debe tener
presente qué tipo de variables son.
Ahora bien, lo mismo ocurre con el concepto de montos. Aunque de cierto modo
es un tanto más difícil de visualizar, porque esta variable fue tratada como intervalo, pero
pertenece a una variable aleatoria discreta.
Una vez recolectados los datos e identificadas las variables, se inicia con su
procesamiento según la necesidad del sistema, en este caso se utilizaron los datos para
simular el modelo que se detallará en el siguiente ítem.
4
Universidad de La Serena
Facultad de Ingeniería
Departamento de Ingeniería Industrial
Simulación Operativa
Para el desarrollo del modelo se procedió a plantear el siguiente sistema con su respetiva
forma general, como función:
Sistema Créditos y ahorro
Recibir Solicitud
Pendiente Aceptado
4.1.1. Modelo
Dónde:
*Se consideran los créditos entregados entre Enero 2014 y Octubre 2014, por lo tanto la
variable “i” toma valores entre cero y diez.
5
Universidad de La Serena
Facultad de Ingeniería
Departamento de Ingeniería Industrial
Simulación Operativa
Considerando esto, para deducir el modelo se cuenta con las siguientes variables:
En primer lugar se debe tener claro que un crédito es un préstamo realizado por una
entidad financiera a una persona natural, con el fin de hacer la compra de un bien o
servicio ;el pago correspondiente más los intereses devengados son enterados en un plazo
que se haya convenido entre las partes pero que normalmente se realiza en el corto o
mediano plazo. Por lo mismo tanto la solicitud y el monto son variables que no pueden
estar una sin la otra, pues el valor incide directamente en que si la solicitud se aceptada o
no, ya que si bien cada entidad financiera tiene su propia política para aceptar o rechazar,
el complemento monto v/s sueldo es un gran peso en cundo a aceptar o no un crédito.
Por otro lado las libretas de ahorro, como todos lo sabes son documentos que un banco o
caja entrega a la persona que abre una cuenta y en la que se van registrando los
movimientos que hace con su dinero.
Para el cálculo del número óptimo de simulaciones, debido a que ninguna variable se
ajusta a la distribución del tipo normal, se utilizara el teorema de Tchebycheff, el cual nos
entrega el número óptimo de simulaciones a realizar.
𝑚^2
𝑛=
𝛼
Dónde:
6
Universidad de La Serena
Facultad de Ingeniería
Departamento de Ingeniería Industrial
Simulación Operativa
α=0,05
Entonces:
1
( )^2
0,11547
𝑛= = 1500
0,05
6. Análisis y simulación
Los índices obtenidos por este método se utilizan para ajustar los datos originales
con lo que se obtienen los valores desestacionalizados o datos ajustados estacionalmente
a partir de las cuales se procede a obtener pronósticos para los trimestres futuros.
7
Universidad de La Serena
Facultad de Ingeniería
Departamento de Ingeniería Industrial
Simulación Operativa
Frecuencia
30
20
10 frecuencia
0
0 10 20 30 40 50 60
8
Universidad de La Serena
Facultad de Ingeniería
Departamento de Ingeniería Industrial
Simulación Operativa
9
Universidad de La Serena
Facultad de Ingeniería
Departamento de Ingeniería Industrial
Simulación Operativa
10
Universidad de La Serena
Facultad de Ingeniería
Departamento de Ingeniería Industrial
Simulación Operativa
Libretas de ahorro
Prob.
Mes Mes Fecuencia Prob.
acumulada
1 Noviembre 30 0,064103 0,06410256
2 Diciembre 28 0,059829 0,12393162
3 Enero 49 0,104701 0,22863248
4 Febrero 53 0,113248 0,34188034
5 Marzo 54 0,115385 0,45726496
6 Abril 51 0,108974 0,56623932
7 Mayo 59 0,126068 0,69230769
8 Junio 27 0,057692 0,75
9 Julio 51 0,108974 0,85897436
10 Agosto 25 0,053419 0,91239316
11 Septiembre 27 0,057692 0,97008547
12 Octubre 14 0,029915 1
Total 468
Para poder simular lo que pasara con las libretas de ahorro fue necesario calcular
500 números pseudoaleatorio validados correctamente, tablas que se pueden apreciar en
los Excel adjuntos al trabajo. Dando como resultado la siguiente tabla que se muestra,
aquí se muestra un posible escenario futuro para la apertura de libretas con su respectivo
intervalo de confianza.
11
Universidad de La Serena
Facultad de Ingeniería
Departamento de Ingeniería Industrial
Simulación Operativa
80 En el gráfico se puede
70 aprecia que los datos
60 modelados se comportan
50
40 similar a los reales es por
30 Fecuencia Real esto que se puede
20
10
suponer que la
Frecuencia modelado
0 simulación fue correcta.
Julio
Diciembre
Abril
Mayo
Octubre
Agosto
Enero
Febrero
Marzo
Junio
Noviembre
Septiembre
Libretas de ahorro
F. relativa
Mes Mes Fecuencia F. relativa
absoluta
1 Q1 nov 15 0,03 0,03
2 Q2 nov 15 0,03 0,06
3 Q1 dic 14 0,03 0,09
4 Q2 dic 15 0,03 0,13
5 Q1 ene 20 0,04 0,17
6 Q2 ene 28 0,06 0,23
7 Q1 feb 25 0,05 0,28
8 Q2 feb 28 0,06 0,34
9 Q1 mar 33 0,07 0,41
10 Q2 mar 29 0,06 0,47
11 Q1 abr 28 0,06 0,53
12 Q2 abr 12 0,03 0,56
13 Q1 may 35 0,07 0,63
14 Q2 may 27 0,06 0,69
15 Q1 jun 19 0,04 0,73
16 Q2 jun 9 0,02 0,75
17 Q1 jul 17 0,04 0,79
18 Q2 jul 28 0,06 0,85
19 Q1 ago 17 0,04 0,88
20 Q2 ago 13 0,03 0,91
21 Q1 sep 16 0,03 0,95
22 Q2 sep 13 0,03 0,97
23 Q1 oct 7 0,01 0,99
24 Q2 Oct 5 0,01068376 1
Total 468
12
Universidad de La Serena
Facultad de Ingeniería
Departamento de Ingeniería Industrial
Simulación Operativa
En el gráfico se 0,1
puede apreciar que 0,09
se comportan de 0,08
manera similar los 0,07
datos reales con los 0,06
datos simulados. 0,05 Prob.
0,04
Frecuencia relativa
0,03
0,02
0,01
0
Q1 Q1 Q1 Q1 Q1 Q1 Q1 Q1 Q1 Q1 Q1 Q1
nov dic ene feb mar abr may jun jul ago sep oct
13
Universidad de La Serena
Facultad de Ingeniería
Departamento de Ingeniería Industrial
Simulación Operativa
14
Universidad de La Serena
Facultad de Ingeniería
Departamento de Ingeniería Industrial
Simulación Operativa
15
Universidad de La Serena
Facultad de Ingeniería
Departamento de Ingeniería Industrial
Simulación Operativa
140
120
100
80
60 Series1
40
20
0
1 2 3 4 5 6 7 8 9 10111213141516171819
16
Universidad de La Serena
Facultad de Ingeniería
Departamento de Ingeniería Industrial
Simulación Operativa
6.4.Simulación créditos
Para solucionar la problemática de cuántas son las posibles solicitudes que
ingresan a la financiera mensualmente y cuál es el flujo de efectivo que egresa en el
mismo periodo de tiempo (Enero-Octubre) es que se decidió simular el flujo de caja con
los egresos por mes. Para esto se siguió la metodología Montecarlo, se realizaron 1500
simulaciones (ya que es un valor cercano al real dentro del mismo periodo) en base a la
función de densidad de cada uno de los items.
Costo anual
Intervalo Intervalo Frecuencia Frec. relativa Frec. Acum.
1 0-1.933.197 1235 0,76517968 0,76517968
2 1.933.198-3.866.395 187 0,11586121 0,88104089
3 3.866.396-5.799.593 77 0,04770756 0,92874845
4 5.799.594-7.732.791 54 0,03345725 0,9622057
5 7.732.792-9.665.989 25 0,01548947 0,97769517
6 9.665.990-11.599.187 19 0,011772 0,98946716
7 11.599.188-13.532.385 11 0,00681537 0,99628253
8 13.532.386-15.465.583 3 0,00185874 0,99814126
9 15.465.584-17.398.781 1 0,00061958 0,99876084
10 17.398.782-19.331.979 1 0,00061958 0,99938042
11 19.339.980-21.265.177 0 0 0,99938042
17
Universidad de La Serena
Facultad de Ingeniería
Departamento de Ingeniería Industrial
Simulación Operativa
N° de intervalos: 1+3,3log(N)
N= 1614
Solicitud de créditos
Solicitud de créditos
Valor más probable Intervalo de confianza
250
Mes Créditos solicitados Lim. Inf. Lim. Sup.
Enero 118 88 148 200
Febrero 101 71 131
Marzo 120 90 150 150
Abril 130 100 160
100
Mayo 140 110 170
Junio 189 159 219 50
Julio 183 153 213
Agosto 181 151 211 0
1 2 3 4 5 6 7 8 9 10
Septiembre 180 150 210
Real Simulación
Octubre 158 128 188
18
Universidad de La Serena
Facultad de Ingeniería
Departamento de Ingeniería Industrial
Simulación Operativa
Créditos aprobados
Créditos aprobados
Valor más probable Intervalo de confianza
250
Mes Créditos aprobados Lim. Inf. Lim. Sup.
Enero 122 95 149 200
Febrero 118 91 145
150
Marzo 127 100 154
Abril 135 108 162 100
Mayo 150 123 177
50
Junio 176 149 203
Julio 182 155 209 0
Agosto 167 140 194 1 2 3 4 5 6 7 8 9 10
Septiembre 204 177 231 Real Simulación
Octubre 119 92 146
Con estas simulaciones se puede estimar cuántos son los créditos que serán
solicitados y aprobados cada mes, al igual que el intervalo de dinero al cual pertenece la
mayoría de los créditos. Es precisamente con este valor que se puede estimar el flujo de
egresos de dinero de la financiera mensualmente, utilizando como el valor del intervalo la
media entre sus 2 extremos.
Para esto se calcularon según Montecarlo 1500 créditos con sus montos
respectivos (números aleatorios validados diferentes para cada caso), los cuales
permitieron obtener la siguiente estimación de egresos mensuales (+/- 1σ).
19
Universidad de La Serena
Facultad de Ingeniería
Departamento de Ingeniería Industrial
Simulación Operativa
20
Universidad de La Serena
Facultad de Ingeniería
Departamento de Ingeniería Industrial
Simulación Operativa
7.Conclusiones
Siguiendo con el tema de la estacionalidad, se puede concluir que los meses de mayor
flujo de clientes son Enero y Febrero, que según apreciación personal, puede deberse a la
disponibilidad del público en general, tanto como la disponibilidad de la sucursal (periodo de
vacaciones, flujo más expedito).
21