Análisis de Monte Carlo
Introducción
El término Análisis de Monte Carlo, que lleva el nombre del principado famoso por sus casinos, evoca imágenes de una intrincada estrategia destinada a maximizar las ganancias de uno en un juego de casino.
Sin embargo, el análisis de Monte Carlo se refiere a una técnica en la gestión de proyectos donde un gerente calcula y calcula el costo total del proyecto y el cronograma del proyecto muchas veces.
Esto se hace utilizando un conjunto de valores de entrada que se han seleccionado después de una cuidadosa deliberación de las distribuciones de probabilidad o los costos potenciales o duraciones potenciales.
Importancia del análisis de Monte Carlo
El análisis de Monte Carlo es importante en la gestión de proyectos, ya que permite a un director de proyecto calcular un costo total probable de un proyecto, así como encontrar un rango o una fecha potencial de finalización del proyecto.
Dado que un análisis de Monte Carlo utiliza datos cuantificados, esto permite que los gerentes de proyectos se comuniquen mejor con la alta gerencia, especialmente cuando esta última está presionando por fechas de finalización de proyectos poco prácticas o costos de proyectos poco realistas.
Además, este tipo de análisis permite a los directores de proyecto cuantificar los peligros y las ambigüedades en los cronogramas del proyecto.
Un ejemplo simple del análisis de Monte Carlo
Un director de proyecto crea tres estimaciones para la duración del proyecto: una es la duración más probable, otra el peor de los casos y la otra el mejor de los casos. Para cada estimación, el director del proyecto asigna la probabilidad de ocurrencia.
El proyecto es uno que involucra tres tareas:
Es probable que la primera tarea tarde tres días (70% de probabilidad), pero también se puede completar en dos o incluso cuatro días. La probabilidad de que tarde dos días en completarse es del 10% y la probabilidad de que tarde cuatro días en completarse es del 20%.
La segunda tarea tiene un 60% de probabilidad de tardar seis días en completarse, un 20% de probabilidad de que cada una se complete en cinco u ocho días.
La tarea final tiene un 80% de probabilidad de completarse en cuatro días, un 5% de probabilidad de completarse en tres días y un 15% de probabilidad de completarse en cinco días.
Usando el análisis de Monte Carlo, se realizan una serie de simulaciones sobre las probabilidades del proyecto. La simulación debe ejecutarse mil veces y para cada simulación, se anota una fecha de finalización.
Una vez que se complete el Análisis de Monte Carlo, no habrá una fecha única de finalización del proyecto. En cambio, el director del proyecto tiene una curva de probabilidad que describe las fechas probables de finalización y la probabilidad de lograr cada una.
Con esta curva de probabilidad, el director del proyecto informa a la alta dirección de la fecha prevista de finalización. El director del proyecto elegiría la fecha con un 90% de posibilidades de alcanzarla.
Por tanto, se podría decir que utilizando el Análisis de Monte Carlo, el proyecto tiene un 90% de posibilidades de completarse en X días.
De manera similar, un gerente de proyecto puede adjudicar el presupuesto estimado para un proyecto usando probabilidades para simular diferentes resultados finales y, a su vez, usar los hallazgos en una curva de probabilidad.
¿Cómo se realiza el análisis de Monte Carlo?
El ejemplo anterior era uno que contenía solo tres tareas. En realidad, estos proyectos contienen cientos, si no miles, de tareas.
Usando el análisis de Monte Carlo, un gerente de proyecto puede derivar una curva de probabilidad para mostrar la ambigüedad que rodea la duración y los costos que rodean a estos cientos o miles de tareas.
La realización de simulaciones que involucran cientos o miles de tareas es un trabajo tedioso que se realiza manualmente.
Hoy en día existe un software de programación de gestión de proyectos que puede realizar miles de simulaciones y ofrecer al director del proyecto diferentes resultados finales en una curva de probabilidad.
Los diferentes tipos de distribuciones / curvas de probabilidad
Un análisis de Monte Carlo muestra el análisis de riesgo involucrado en un proyecto a través de una distribución de probabilidad que es un modelo de valores posibles.
Algunas de las distribuciones o curvas de probabilidad comúnmente utilizadas para el análisis de Monte Carlo incluyen:
The Normal or Bell Curve - En este tipo de curva de probabilidad, los valores del medio son los más probables de ocurrir.
The Lognormal Curve -Aquí los valores están sesgados. Un análisis de Monte Carlo proporciona este tipo de distribución de probabilidad para la gestión de proyectos en la industria inmobiliaria o la industria petrolera.
The Uniform Curve -Todas las instancias tienen la misma probabilidad de ocurrir. Este tipo de distribución de probabilidad es común con los costos de fabricación y los ingresos por ventas futuros de un nuevo producto.
The Triangular Curve -El director del proyecto ingresa los valores mínimos, máximos o más probables. La curva de probabilidad, triangular, mostrará valores alrededor de la opción más probable.
Conclusión
El análisis de Monte Carlo es un método importante adoptado por los gerentes para calcular las muchas fechas posibles de finalización del proyecto y el presupuesto más probable requerido para el proyecto.
Usando la información recopilada a través del Análisis de Monte Carlo, los gerentes de proyecto pueden brindar a la alta gerencia la evidencia estadística del tiempo requerido para completar un proyecto, así como proponer un presupuesto adecuado.