Gestión de proyectos ABC: M de simulación Monte Carlo

Comprende mejor los riesgos, gestiona las incertidumbres y toma decisiones informadas con la ayuda de la simulación Monte Carlo

¿Qué es la simulación de Montecarlo?

La simulación de Montecarlo es un método matemático utilizado para analizar las incertidumbres de los modelos mediante muestras aleatorias.
Consiste en generar repetidamente valores aleatorios dentro de distribuciones de probabilidad definidas para determinadas variables, con el fin de simular un gran número de resultados posibles.
Analizando estos resultados simulados, es posible determinar la probabilidad de los distintos resultados, aunque existan numerosas incertidumbres.
En la gestión de proyectos, por ejemplo, los posibles resultados de un proyecto se simulan con variables como el tiempo, los costes o los riesgos.
Por tanto, este método es especialmente útil en situaciones en las que hay muchas incógnitas o variables cuyo valor exacto es difícil de predecir.
La simulación de Montecarlo se desarrolló en la década de 1940 para resolver problemas complejos en la investigación nuclear.
En concreto, el científico húngaro-estadounidense Stanislaw Ulam y el físico estadounidense John von Neumann contribuyeron significativamente al desarrollo del método mientras trabajaban en el Proyecto Manhattan, un proyecto de investigación para desarrollar la bomba atómica.
El nombre «Montecarlo» procede del famoso casino de juego del Principado de Mónaco, ya que el método utiliza procesos aleatorios similares a los utilizados en los juegos de azar para simular los resultados.

Cómo funciona la simulación de Montecarlo

En primer lugar, se definen rangos o probabilidades realistas para las variables inciertas (por ejemplo, duración del proyecto, costes).
Esto significa que para cada variable incierta debe haber al menos una estimación del valor mejor, peor y más probable.
Por ejemplo, la duración de una tarea podría estar entre 5 y 10 días, siendo la duración más probable 7 días.
Además, hay que determinar qué distribución de probabilidad es la adecuada para cada variable.
Por ejemplo, la probabilidad puede seguir la distribución normal de la curva de campana de Gauss.
Esto significa que la mayoría de los valores están próximos a la media (promedio) y que los valores son menos probables cuanto más se alejan de la media.
En particular, si no hay ninguna suposición sobre qué valores son más probables, también se puede definir una distribución uniforme, lo que significa que todos los valores dentro del intervalo especificado son igualmente probables.
A continuación, la simulación de Montecarlo utiliza procesos aleatorios para crear muchas combinaciones diferentes de estas variables, con el fin de generar distintos escenarios y obtener una buena distribución de los resultados.
Así, en lugar de tener una única estimación, el método genera cientos o miles de resultados posibles.
Esto significa que, tras la simulación, obtienes una distribución de posibles resultados.
En la gestión de proyectos, por ejemplo, puede tratarse de una lista de duraciones de proyectos que muestran cuánto podría durar un proyecto en diferentes condiciones.
Procesado gráficamente, puedes ver claramente con qué frecuencia se produce un determinado resultado.
Z. Por ejemplo, en el ejemplo anterior, la duración de la tarea podría ser de siete días en el 30% de los casos.
Estos resultados pueden interpretarse y utilizarse como base para tomar decisiones y evitar riesgos.

Aplicación de la simulación Monte Carlo en la gestión de proyectos

La simulación de Montecarlo se utiliza en la gestión de proyectos para gestionar mejor las incertidumbres en la planificación y ejecución de los proyectos.
Como muchos proyectos están asociados a factores impredecibles como el tiempo, los costes y los recursos, este método ayuda a evaluar los riesgos y a tomar decisiones bien fundadas.
Por ejemplo, en los siguientes ámbitos:

• Programación: Un proyecto consta de muchas tareas cuya duración exacta es difícil de predecir.
  La simulación de Montecarlo ayuda a tener en cuenta estas incertidumbres estimando el plazo más corto, el más largo y el más probable para cada tarea.
  Simulando muchos calendarios posibles, se puede averiguar la probabilidad de que el proyecto se complete en un plazo determinado.
  Esto permite a los gestores de proyectos determinar los tiempos intermedios y fijar plazos realistas.
• Gestión de costes: Al igual que la programación, los costes también pueden ser difíciles de predecir.
  La simulación de Montecarlo ayuda a simular distintos escenarios de costes registrando distintos costes posibles para cada elemento de coste (materiales, personal, etc.).
  La simulación te da una mejor idea del coste total del proyecto y te permite tomar decisiones presupuestarias con conocimiento de causa.
  Por ejemplo, puedes estimar la probabilidad de que se supere un determinado presupuesto.
• Gestión de riesgos: Los riesgos están presentes en todos los proyectos, pero la simulación de Montecarlo puede utilizarse para evaluar mejor su impacto.
  Si se materializan determinados riesgos, la simulación puede mostrar cómo podrían afectar al tiempo, los costes o la calidad del proyecto.
  Esto permite una evaluación más precisa de los riesgos y sus posibles consecuencias.
  Los directores de proyecto pueden entonces tomar medidas para minimizar esos riesgos y comprender qué estrategias de gestión de riesgos son más eficaces.

Ventajas de la simulación Monte Carlo

Mejor comprensión de las incertidumbres: Con la simulación Monte Carlo, las incertidumbres de los proyectos pueden tenerse en cuenta fácilmente, ya que la simulación crea una gama de posibles resultados con sus probabilidades de ocurrencia.
Esto ayuda a reconocer posibles problemas en una fase temprana.

• Toma de decisiones sólidas: A partir de los escenarios y las probabilidades, se pueden tomar decisiones bien fundadas para lograr el mejor resultado posible del proyecto.
• Transparencia y comunicación: También se facilita la comunicación con todas las partes interesadas, sobre todo cuando se trata de visualizar relaciones complejas.
  Los gráficos y las distribuciones de probabilidad facilitan la comprensión de los riesgos, las previsiones y las decisiones.
• Flexibilidad con diferentes escenarios: Jugar con diferentes escenarios ayuda a desarrollar estrategias y planes de acción alternativos, incluso antes de lanzar el proyecto.
  Esto significa que los gestores de proyectos siempre están en el lado seguro durante la realización del proyecto.
• Mejora de la gestión de riesgos: La simulación también ayuda a demostrar claramente las probabilidades y los efectos de los riesgos potenciales.
  Esto permite evaluar mejor los riesgos e introducir medidas de precaución.

Los retos de la simulación Monte Carlo

• Complejidad del método: la simulación de Montecarlo es bastante compleja y, por tanto, no necesariamente fácil de utilizar.
  La simulación requiere una buena comprensión de las probabilidades y distribuciones, así como las mejores estimaciones posibles, pero no todos los equipos de proyecto cuentan con los expertos necesarios para ello.
• Dependencia de datos precisos: La calidad de la simulación depende en gran medida de los datos de entrada.
  Las estimaciones inexactas o los supuestos incorrectos sobre las distribuciones de probabilidad conducen a resultados erróneos.
  Por eso es importante utilizar datos realistas y bien fundamentados, lo que a menudo resulta difícil en la práctica.
• Dificultad de interpretación: Aunque la simulación proporcione mucha información útil, puede resultar difícil interpretar y comunicar correctamente los resultados.
  La presentación de las probabilidades y los riesgos debe estar bien explicada para que todos los implicados puedan entenderlos y tomar decisiones adecuadas basándose en ellos.
• Tiempo y recursos necesarios: Aunque el método proporciona información valiosa, a menudo requiere mucho tiempo.
  La recogida de los datos necesarios, la realización de la simulación y el análisis de los resultados requieren tiempo y recursos adicionales, lo que supone un reto en muchos proyectos.

Conclusión

La simulación de Montecarlo ofrece claras ventajas y puede ayudar a reducir incertidumbres y riesgos, sobre todo en proyectos grandes y complejos.
Permite una planificación más precisa y basada en datos, y mejora la toma de decisiones.
Sin embargo, los beneficios potenciales deben sopesarse frente a los elevados costes y desafíos, como la complejidad y la necesidad de datos precisos.

Más información sobre el software de gestión de proyectos y carteras myPARM:

¿Quieres conocer myPARM en una demostración?
Entonces, ¡concierta ahora una cita con nosotros!