simulacion gerencial final

7/23/2019 Simulacion Gerencial Final

http://slidepdf.com/reader/full/simulacion-gerencial-final 1/12

DISEÑO BAJO UN AMBIENTE ESTOCASTICO

PROYECTO FINAL

INTEGRANTES:

TUTOR

INSTITUCIÓN UNIVERSITARIA POLITÉCNICO GRANCOLOMBIANOSIMULACIÒN GERENCIAL

BOGOTÁ2015

PROYECTO GRUPALSIMULACIÓN GERENCIAL 1



INDICE

1 INTRODUCCION2 APLICACIÓN A LA SIMULACION BAJO UN MODELO ESTOCASTICO! CRITERIOS DE LONGITUD DE REPLICAS" NUMERO DE REPLICAS

5 VARIABLES DE RESULTADO# CONCLUSION




1 INTRODUCCION

Si pensamos en alguno de los aspectos del mundo encontraremos que cambia concierta frecuencia, el mundo de hoy está sujeto a constantes cambios, por ejemplo lamedicina, nuevas curas, nuevos tratamientos incluso nuevas enfermedades son lasque están en su entorno.

Estos sectores pueden adaptarse, evolucionar o mejorar si saben con exactitud qué

rumbo tomar mediante la toma de decisiones, este conocimiento se puede lograr mediante una práctica herramienta: la simulacin, esta técnica nos permite simular un entorno en el cual podr!a estar inmerso un aspecto o la totalidad de algunaorgani"acin y manipularlo de modo que cono"camos de antemano los resultados,ventajas, desventajas y repercusiones de los cambios en nuestro entorno sin afectar nuestro contexto real.

#as técnicas de simulacin pueden ser aplicadas de diferentes maneras, sinembargo con el desarrollo de los sistemas de cmputo es posible utili"ar unasimulacin digital, esto quiere decir que con el uso de computadoras y soft$arepodemos implementar un modelo de simulacin de forma rápida, econmica yconfiable, los %odelos Estocásticos requieren de una o más variables aleatoriaspara formali"ar las dinámicas de interés. En consecuencia, el modelo no genera un&nico conjunto de salidas cuando es utili"ado para reali"ar un experimento, sino quelos resultados son utili"ados para estimar el comportamiento real del sistema.

' partir de las nuevas teor!as los modelos determin!sticos ya no son la &nicaherramienta que permite la toma de decisiones. 'hora somos más modestos ytenemos un concepto más restringido de determinismo, entendemos que es unaforma de produccin de sucesos condicionados, aunque no siempre deban hacerlode una manera causal. #o anterior si tenemos en cuenta que actualmente nuestras

relaciones, interacciones y los humanos mismos somos objeto del a"ar y que si bienalgunos detalles pueden preverse, el devenir general es incierto. (ara los individuoses ahora imposible prever siempre cmo serán nuestras actuaciones ya que somosseres independientes, libres de movernos y estamos sujetos al a"ar, de dondederiva el miedo a la incertidumbre en la toma de decisiones.




2 ENUNCIADO DEL PROYECTO

VARIABLES DE INTERES DEMANDA PROMEDIO ALEATORIAS COSTO DE MANO DE OBRA PROMEDIO COSTO DE MATERIALES PROMEDIO INGRESOS PROMEDIO VENTA QUESOS

DECISORIAS INGRESOS PROMEDIO VENTA DE SOUR CREAM UTILIDAD PROMEDIO RESULTANTES DEMANDA Y PRECIO DE LA LECHE

3. APLICACIÓN A LA SIMULACION DEL MODELO ESTOCASTICO

DESCRIPCION DEL MODELO DISEÑADO MODELO ESTOCASTICO

)n modelo es estocástico, cuando alguna de sus variables de entrada es aleatoria,las variables del modelo calculadas a partir de variables aleatorias son tambiénaleatorias, por ello, la evolucin de este tipo de sistemas debe estudiarse entérminos probabil!sticos.

(or ejemplo, considérese el modelo de par*ing, en el cual las entradas y salidas decoches se producen en instantes de tiempo aleatorios, la aleatoriedad de estasvariables se propaga a través de la lgica del modelo, de modo que las variablesdependientes de ellas también son aleatorias. Este ser+a el caso, por ejemplo, deltiempo que transcurre entre que un cliente deja aparcado su veh!culo y lo recoge

tiempo de aparcamiento-, el n&mero de veh!culos que hay aparcados en undeterminado instante, etc. Es importante tener en cuenta que reali"ar una &nicareplica de una simulacin estocástica es equivalente a reali"ar un experimento f!sicoaleatorio una &nica ve".

(or ejemplo, si se reali"a una simulacin del comportamiento del par*ing durante /horas, es equivalente a observar el funcionamiento del par*ing real durante /horas. Si se repite la observacin al d!a siguiente, seguramente los resultadosobtenidos serán diferentes, y lo mismo sucede con la simulacin: si se reali"a unasegunda replica independiente de la primera, seguramente los resultados serándiferentes.




#a consecuencia que debe extraerse de ello es que el dise0o y el análisis de losexperimentos de simulacin estocásticos debe hacerse teniendo en cuenta esta

incertidumbre en los resultados, es decir, debe hacerse empleando técnicasestad!sticas.

#as di1cultades asociadas a la simulacin de modelos estocásticos puedeninvitarnos en ocasiones a reali"ar hiptesis adicionales, con el 1n de eliminar laincertidumbre en el valor de las variables de entrada. )n ejemplo t!pico consiste ensustituir cada variable de entrada aleatoria por otra determinista, cuyo valor sea lamedia de la distribucin de probabilidad de aquella.

#a informacin con la que se cuenta para solucionar el problema es incompleta, esdecir, se conoce el problema, se conocen las posibles soluciones, pero no seconocen con certe"a los resultados que pueden arrojar. 2e otra parte están losmodelos de toma de decisiones bajo incertidumbre. En este caso se poseeinformacin deficiente para tomar la decisin, no se tienen ning&n control sobre lasituacin, no se conoce como pueden variar o la interaccin de la variables delproblema, se pueden plantear diferentes alternativas de solucin pero no se lepuede asignar probabilidad a los resultados que arrojen.3on base en lo anterior hay dos clases de incertidumbre:

4 Estructurada: 5o se sabe que puede pasar entre diferentes alternativas, pero s! seconoce que puede ocurrir entre varias posibilidades.

4 5o estructurada: 5o se sabe que puede ocurrir ni las probabilidades para lasposibles soluciones, es decir no se tienen ni idea de que pueda pasar.

'nte la amplia gama de posibilidades de que disponemos para la toma dedecisiones y el grado de complejidad que estas pueden en ocasiones representar,como alternativa de salida el ejemplo del principio 67897, seg&n el cual no tenemoscontrol sobre el 97 de lo que nos sucede pero tenemos el poder sobre el 67

restante y está determinado por la forma en que reaccionemos a eso que nos pasa.#o anterior hace referencia al poder los sentimientos subjetivos de optimismo quepueden permitir una base ra"onable para la toma de nuestras decisiones y que seráel punto sobre el cual plantearé nuestras reflexiones.

;inalmente planteamos una posicin con una ptica muy optimista desde losmodelos de incertidumbre indicando que la mayor rique"a de la vida es la posibilidadde vivir cada d!a una nueva experiencia sin tener la certe"a de qué será los quesuceda.




' continuacin presentamos la utili"acin del método simulado en la planilla de%icrosoft Excel. Estos son los datos del Ejercicio:

'lgunos estudios como el de 3oates y <uhl, 77=- han mostrado que usar unenfoque estocástico en el la evaluacin econmica de proyectos de inversinconducen a tomas de decisin que toman en cuenta el riesgo impl!cito en losnegocios. <leijnen, 966- menciona que después de responder a preguntasestratégicas en un estudio de simulacin se deben responder preguntas tácticas

como: cuál es el n&mero de réplicas, cuál es el per!odo de calentamiento, y cuál esel per!odo total de la simulacin, aunque éstas son de menor importancia para eltomador de decisiones. >an*s, 797- ha sugerido una regla emp!rica de que lalongitud total sea al menos 97 veces la longitud del periodo de calentamiento. Eltiempo en que las variables de desempe0o llegan a un comportamiento establepuede de ser distinto para cada una, producto de la propia dinámica en queinteract&an los distintos elementos del sistema. (or ello es importante definir cuálesvariables de desempe0o se usaran, as! como los métodos con que se anali"ará sucomportamiento en el estado estable

?abla 79: @alor de la leche seg&n modelo determin!stico aplicando el modeloestocástico en el primer d!a.

FIGURA $UE REPRESENTA EL PRIMER DIA DE PRODUCCION CON ANTERIORVARIABLE DEL PRECIO DE LA LEC%E

01,0002,0003,0004,0005,0006,0007,0008,0009,00010,000

1

PRIMER DIA

Axis Title




T&'(& N) 2 *&(+, -. (& (./. &( &&, .34 6+-.(+ .7+/879/+ &(9/&-+ &(,96., -;& -. ,+-<//9=

2E%'52'A5A3A'# B)ESC

977 )5A2'2ES

(DC2)33AC52E B)ESC

6 (EDSC5'S

(EDSC5'#5E3ES'DAC

9

@'#CD CD5'# 97.777 (ESCS@. #?D #E3FE 9.77 (ESCS#?DS #E3FE G (.B)ESC

9,H #A?DCS

@. #?D #E3FE 9.77 (ESCS(DE3AC B)ESC H.H77 (ESCS

?'S' ')%.(DE3AC B)ESC

7,9

@E5?. SC)D3DE'%

H77 (ESCS

#A?DCS G(DC2)3 B)ESC

=.777 (ESCS

3'(. (DC. G(EDSC5'SC)D3DE'%

= #A?DCS

#A?DCS #E3FE G

(DC2)3SC)D3DE'% 9 #A?DCS




01,0002,0003,0004,0005,0006,0007,0008,0009,00010,000

1

PRIMER DIA DE PRODUCCION

Axis Title

T&'(& N) ! 9/,.6.7+ -. (+ 93,.+ 6.+ (+ /+7+ &(9/&-+ (& ,>(9/&+, (+ 2000 ./.&,9+

0

500,000

1,000,000

1,500,000

2,000,000

2,500,000

3,000,0003,500,000

4,000,000

4,500,000

INGRESO BRUTO

QUESO

INGRESO BRUTO

SOURCREAM

(aso seguido se comien"a a construir el %odelo, en el cual para cada tipo devariable se calcula:

9. El 'cumulando de las probabilidades.




. El promedio y el riesgo.

=. Se aplican las funciones: aleatorio y buscar

/. Se aplica la funcin para determinar la cantidad.

H. Se repite el proceso para cada variable restante

" ANALISIS

Variables de i!er"s de#ada $r%#edi% $re&i%sEl comportamiento de la demanda, como el precio de la leche, insumo principal delqueso-, posee una uncin establecida de probabilidad, sujeta a los datos al periodoanterior, aunada a un comportamiento aleatorio.

(ara el caso del queso es importante tener en cuenta que, dada la uncin deprobabilidad, la cual le asigna una tasa de crecimiento8decrecimiento de acuerdo alvalor obtenido por cada variable, es posible concluir que la demanda de queso através del tiempo es de carácter acumulativo, igual que en el caso de la demanda, elprecio de la leche se caracteri"a por ser acumulativo, es decir, que dependerá de los

valores pasados.

C%s!% de #a% de %bra $r%#edi%

#os salarios de los trabajadores, var!an seg&n el comportamiento de la demanda,por ende se ven influenciados por una variable aleatoria tendiendo la dinámica de lademanda, los salarios, la cantidad de poblacin empleada para la produccin dequeso, Sour 3ream, al estar en unin de dicha variable, esta deberá presentar uncomportamiento similar, o por lo menos aleatorio no relacionado con el queso, esperceptible que la cantidad, el jornal presenta un comportamiento parecido entreellos estrechamente relacionado con la demanda, debido a la relacin linealpresentada de demanda trabajadores, como de estos a jornales, para el caso deS%'r Crea#, dado que es una actividad secundaria sujeta a los residuos de laproduccin de la leche es posible estimar un comportamiento totalmente aleatorio,tanto para la produccin, el salario total, la cantidad empleada de insumos en esteproducto.

C%s!% de #a!eriales $r%#edi%El comportamiento de los precios de venta de queso, crece de manera constante a

una tasa de /,HI, mientras que los precios de Sour 3ream se mantienen constantes




a través del tiempo, es decir el precio del queso tendrá un comportamiento crecientea una tasa constante, dado el precio del periodo anterior.

C+6+,7&69.7+ -. (& *&,9&'(.:2ada la presencia, evolucin de las anteriores variables, los ingresos, los costos, lautilidad presenta una tendencia creciente.

I(res%s $r%#edi%Sabiendo que los ingresos se obtienen de la multiplicacin de los precios pasados,por los bienes producidos, la cantidad vendida, demandada de los mismos, seespera que el comportamiento en el caso de los ingresos por la venta de queso, seacreciente, dado que la demanda los precios de este bien, también lo son, mientrasque $ara el &as% de l%s i(res%s $%r S%'r Crea#) es!%s !edr* '&%#$%r!a#ie!% es!%&*s!i&%) dad% +'e !a!% la &a!idad &%#% l%s $re&i%s de

di&,%s $re&i%s de di&,% bie se &%#$%r!aba de la #is#a -%r#a.

Ve!a de +'es%s $r%#edi% $re&i%s?eniendo en cuenta que la &nica materia prima que obtiene la empresa son losprecios de la leche, donde el costo está caracteri"ado por una relacin lineacin losprecios del insumo, se espera obtener un comportamiento similar al precio de laleche, es decir, un crecimiento constante, exponencial y luego decreciente paradicha variable.

I(res%s $r%#edi% e!a de S%'r Crea#(ara el caso de los ingresos por Sour 3ream, estos tendrán un comportamientoestocástico, dado que tanto la cantidad como los precios de dichos precios de dichobien se comportaban de la misma forma.

U!ilidad $r%#edi%.

En cuanto al caso de la utilidad, esta se genera de la diferencia entre los ingresos ygastos de su relevancia, proporciona ser un factor fundamental a la hora del análisisde los escenarios.

5 VARIABLES DE RESULTADO

2ado que por ahora estamos interesados en estudiar el estadio estacionario, elestado transitorio no es menos importante anali"arlo, ya que desde el punto de vistadel administrador o due0o del negocio, durante este periodo, donde las utilidadesfrecuentemente se encuentran oscilando entre valores positivos y negativos sepueden presentar sentimiento de desánimo, que muchos de los inversionistas nopueden sostener o reconocer, y terminan o bien cerrando el negocio o vendiéndolo.




-500000

0

500000

1000000

1500000

2000000

2500000

3000000

3500000

4000000

4500000

DIA VALOR QUESO

RAND. LECE !ORC. DEMANDA LECE

VALOR LECE RAND QUESO

!ORC. DEMANDA

QUESO

DEMANDA QUESO

DEMAND TRABA"ADOR VALOR DEL "ORNALCA!ACIDAD TRB.

SOBRANTE

!ROD. SOURCREAM

CANT. LECE !ARA

!RODUCCION

COSTO LECE

INGRESO BRUTO

QUESO

INGRESO BRUTO

SOURCREAM

# CONCLUSION

#os procesos estocásticos son en general una agrupacin de variables que tienenun valor incierto, y que se puede tener una aproximacin de los valores que puedentomar estas, los podemos clasificar seg&n qué tan seguido cambian o tambiénseg&n los valores que puedan tomar las variables del proceso, so de granimportancia ya que estos nos pueden servir para pronosticar el precio de una accin,los cuales var!an directamente, as! como para poder pronosticar el rendimiento queesta tendrá ya que no tiene un rendimiento fijo, también podemos utili"arlos parapoder ver la evolucin que tienen los tipos de interés, lo cual altera el rendimientode una obligacin, aunque el riesgo de estas es muy peque0o comparado con otro.




'demás en este proyecto nos permiten evaluar si puede ser rentable efica" y que nose generen perdidas en lugar de ganancias ya que en los métodos de evaluacin de

proyectos ay mucha incertidumbre y es necesario pronosticar bastantes cosas

?eniendo en cuenta la tendencia del precio de la #eche, la demanda de queso y elprecio del mismo, no se recomienda hacer este negocio debido a que la empresaquebrar!a es decir no es rentable ya que los gastos serian superiores a las ventasgenerando una perdida en el corto pla"o básicamente porque el precio de losmateriales var!an diariamente y la tasa de aumento8decremento es muy alta, alobservar la columna de utilidad en el archivo de Excel se puede apreciar como en lamayor!a de los d!as se cierra con pérdida.

's! cuando los empresarios deseen efectuar algunos cambios en sus procesos

pueden recurrir a las técnicas de simulacin y asegurar la toma de decisiones conuna confiabilidad mayor donde se disminuye el riesgo al fracaso gracias al análisisde los modelos. )n modelo es estocástico cuando al menos una variable del mismoes tomada como un dato al a"ar y las relaciones entre variables se toman por mediode funciones probabil!sticas. Sirven por lo general para reali"ar grandes series demuestreos, quitan mucho tiempo en el computador son muy utili"ados eninvestigaciones cient!ficas.

(ara lograr modelar correctamente un proceso estocástico es necesario comprender numerosos conceptos de probabilidad y estad!stica.

BIBLIOGRAFIA

%C2E#CS J %K?C2CS 2E SA%)#'3AL5 ES?C3MS?A3'. '(#A3'3AL5 E5 #'@'#CD'3AL5 2E C(3AC5ES ;A5'53AED'S. )niversidad 3omplutense %adrid,;acultad de %atemáticas. Septiembre de 79=. 2isponible en:http:88$$$.dc.uba.ar8materias8escuelaNcomplutense8798estocasticos.pdf


simulacion gerencial final

Documents