Professional Documents
Culture Documents
INVESTIGACIÓN OPERATIVA
SIMULACIÓN MONTE CARLO
INVESTIGACIÓN OPERATIVA
Introducción
La Simulación Monte Carlo es una técnica que se utiliza para resolver sistemas con elementos cuyo
comportamiento está regido por el azar, del árabe zahr, dado, literalmente “flores”.
Si hoy es lunes, mañana es martes; si pago, puedo comprar; si bajo el andén, pasará el metro; etc.
>>Probabilidad = 1. ¿La vida es determinista?
¿Tu hijo nacerá en martes?... ¿Cuánto tardarás en la cola del hipermercado?... ¿A qué hora pasará el
próximo colectivo para tu trabajo?... Estamos rodeados de fenómenos azarosos… La vida en general
es aleatoria.>> Probabilidad variable.
En muchos casos, es muy complicado calcular estas probabilidades explícitamente. El método Monte
Carlo lo que hace es simular estos fenómenos –muchas veces, con ordenador- y aproximarlos, para
ello se sirve de los números aleatorios.
Historia
Los orígenes de esta técnica están ligados al trabajo desarrollado por Stanislaw Ulam y John von
Neumann.
A partir de los juegos militares o de operaciones, durante la Segunda Guerra Mundial el gran
matemático John von Neumann desarrolló un nuevo concepto, la simulación Monte Carlo. Debido a
que trabajaba con neutrones en el laboratorio científico Los Alamos, utilizó la simulación para
resolver problemas de física cuyo análisis manual o mediante un modelo físico era demasiado
complejo o costoso. La naturaleza aleatoria de los neutrones sugería la utilización de una rueda de
SIMULACIÓN MONTE CARLO | 03/12/2010
ruleta para manejar sus posibilidades. En razón de la naturaleza del juego, von Neumann lo bautizó
como modelo Monte Carlo para estudiar las leyes del azar. Monte Carlo fue uno de los casinos más
célebres en juegos de ruleta inaugurado en 1861.
En años posteriores, la simulación Monte Carlo se ha venido aplicando a una infinidad de ámbitos
como alternativa a los modelos matemáticos exactos o incluso como único medio de estimar
soluciones para problemas complejos. Así, en la actualidad es posible encontrar modelos que hacen
uso de simulación MC en las áreas informática, empresarial, económica, industrial e incluso social.
1
2. Plazo de entrega para que lleguen los pedidos de inventario.
3. Tiempo entre descomposturas de maquinaria.
4. Tiempos entre llegadas en una instalación de servicio.
5. Tiempos de servicios.
6. Tiempos para terminar las actividades de un proyecto.
7. Número de empleados ausentes de trabajo cada día.
Una probabilidad acumulada es la probabilidad de que la variable sea menor que o igual a un valor
específico. Ordena en una lista todos los valores y probabilidades posibles.
Se debe asignar un grupo de números para representar cada valor o resultado posible a estos se los
conoce como intervalos de números aleatorios.
Si los números aleatorios son muy grandes y el proceso a estudiar involucra miles de pruebas de
simulación, se pueden encontrar programas de cómputo para generar los números aleatorios
requeridos.
Si la simulación se lleva a cabo a mano los números pueden seleccionarse mediante el giro de una
rueda de ruleta de 100 divisiones, sacando a ciegas piezas numeradas. El método que se utiliza más
comúnmente es elegir números de un cuadro de dígitos aleatorios.
2
Paso 1. Establecimiento de una distribución de probabilidad
3
Paso 4. Generación de números aleatorios.
4
Resultados obtenidos:
5
Resolución del problema en QM for WIN
SIMULACIÓN MONTE CARLO | 03/12/2010
6
SIMULACIÓN MONTE CARLO | 03/12/2010
CONCLUSIÓN
Luego de haber resuelto el problema por diferentes métodos obtuvimos resultados similares en los
tres: a mano, EXCEL y QM for Win. El promedio de automóviles que llegan varia entre 6 y 7 por
hora.
7
no se cuenta con modelos matemáticos analíticos que permitan alcanzar resultados óptimos en el
estudio de sistemas y subsistemas, debido a la complejidad que presentan, a las relaciones estocásticas
que existen entre sus componentes o a la ausencia de información y datos. Quienes toman decisiones
en las organizacionales, sean de tipo administrativo, económico, de negocios, de inventarios, de
nuevas instalaciones, etcétera enfrentan situaciones que posiblemente no experimentaron nunca antes,
y entonces, los intentos por usar modelos analíticos para resolver sus problemas de decisión, por lo
general, requieren tantas suposiciones simplicadoras, que es probable que las soluciones sean
inadecuadas para ponerlas en práctica.
Actualmente, existen técnicas para probar con anticipación los resultados de algunas de las
decisiones que se piensan tomar en las organizaciones; esto es posible mediante la simulación en
computadoras de los procesos o sistemas reales de esas organizaciones y, de hecho, ya existe un gran
número de empresas en todo el mundo que han implantado modelos de simulación en computadoras
para seleccionar cursos de acción en áreas financieras, de mercadotecnia, producción, inventarios,
etc.
Bibliografía consultada
Métodos cuantitativos para los negocios, Render –Stair – Hanna, novena edición, Cap. 15 Modelado
de la Simulación.
Simulación de Monte Carlo con EXCEL, Autores: Javier Faulín (ffaulin@uoc.edu), Ángel A. Juan
(ajuanp@uoc.edu).
SIMULACIÓN MONTE CARLO | 03/12/2010