Taller Internacional IEEE sobre Inteligente de Adquisición de Datos y Computación Sistemas Avanzados: Tecnología y Aplicaciones 21-23 septiembre de 2009,

Rende
(Cosenza), Italia

Monte Carlo en Gestión de Riesgos en Proyectos

Uso de Excel
Wolfgang Tysiak, Alexander Sereseanu
Universidad de Ciencias Aplicadas de Dortmund, Emil-Figge-Strasse 44 D-44227 Dortmund, Alemania
Wolfgang.Tysiak@FH-Dortmund.de , Alex.Sereseanu@gmail.com

Resumen - En todos los proyectos, especialmente en software y proyectos de TI, se modelan juntos. Aquí técnicas de modelación que se utilizan de
existe la necesidad de realizar una gestión de riesgos elaborado. Una de las tareas simulación o de árboles de decisión de Monte Carlo. El análisis cuantitativo
principales que a menudo causa problemas es el análisis cuantitativo de riesgos. En
de riesgos debe proporcionar una impresión del análisis probabilístico de
este artículo vamos a mostrar cómo hacer frente a esto mediante el uso de un producto
todo el proyecto y no de los diferentes riesgos individuales.
estándar conocido: EXCEL.

Palabras clave - la gestión de riesgos, la simulación de Monte Carlo, PERT, Excel
I. INTRODUCCIÓN
En todos los proyectos, especialmente en software y proyectos de TI,
existe la necesidad de realizar una gestión de riesgos elaborados ([1] el
capítulo 11, [2] el capítulo C3, como una primera lectura recomiendo [3]). Este
proceso de gestión de riesgos incluye varios pasos:
Paso 1: planificación de la gestión de riesgos
El plan de gestión de riesgos describe cómo la gestión de
riesgos se estructura y se realizó en el proyecto. El plan de gestión
de riesgos incluye
metodología, las funciones y responsabilidades, el presupuesto de riesgo, el
tiempo, las categorías de riesgo, etc.
Paso 5: planificación de la respuesta de Riesgos
la planificación de la respuesta al riesgo es el proceso de desarrollo de
opciones, y determinar acciones para mejorar las oportunidades y reducir las
amenazas a los objetivos del proyecto. Al lado de la aceptación del riesgo, también
se puede tratar de evitar, reducir o transferir el riesgo o para mitigar el impacto.
Paso 6: supervisión de riesgos y control
Durante todo el proyecto de la identificación, análisis y planificación para que surjan
nuevos riesgos es un proceso permanente. También hay que hacer un seguimiento de
los riesgos identificados y los de la lista de vigilancia, volver a analizar los riesgos
existentes, vigilancia de las condiciones de activación de planes de contingencia,
seguimiento de los riesgos residuales, y la revisión de la ejecución de las respuestas a
la los riesgos.

Especialmente en el cuarto paso se necesita una gran cantidad de métodos

Paso 2: Identificación de riesgos
analíticos estocásticos, lo que hace que este paso un poco complicado.
La identificación de riesgos determina qué riesgos pueden afectar al proyecto
Queremos demostrar esto con dos ejemplos. Después vamos a resolver estos
y documenta sus características. En esta fase una gran cantidad de técnicas de
ejemplos mediante el uso de métodos de Monte Carlo con Excel.
creatividad (por ejemplo, de intercambio de ideas, técnica Delphi) se puede
aplicar. El resultado debe ser un registro de riesgos que contiene el riesgo
identificados y sus causas, posibles respuestas, etc. II. METRO ONTE do ARLO S EN IMULATION mi XCEL

Como todo el mundo sabe simulación de Monte Carlo es un método que

se basa en el muestreo aleatorio repetido a partir de distribuciones dadas
Paso 3: análisis de riesgos cualitativa
[6]. Debido a su dependencia de los números aleatorios o pseudoaleatorios
análisis de riesgos cualitativa incluye métodos para
priorizar y evaluar los riesgos identificados para su posterior análisis. Aquí repetidas cálculos y, métodos de Monte Carlo son los más adecuados para

también se puede encontrar la aplicación de una variedad de técnicas de el cálculo de los ordenadores.

creatividad (por ejemplo, de intercambio de ideas, el experto en la entrevista, y

la técnica Delphi). El resultado debe ser una actualización del registro de
riesgos que ahora también contiene una estimación de la probabilidad
(densidad) de la ocurrencia y el impacto de un riesgo. Tal vez va a detectar
dependencias entre varios riesgos en esa etapa.
Paso 4: análisis de riesgo cuantitativo
Durante el análisis de riesgo cuantitativo de los riesgos individuales
Por este punto de partida de cualquier simulación de Monte Carlo es
siempre la generación de números aleatorios que siguen una distribución dada.
Teóricamente se puede obtener números aleatorios que siguen a cualquier
distribución como siempre que se sepa la inversa de la función de distribución,
porque entonces se puede crear números aleatorios que se distribuyen de
manera uniforme en el intervalo [0, 1] y tomar la inversa de la función de
distribución. (Véase la Fig. 1 y 2)

978-1-4244-4 88 1-4 / 09 / $ 25,00 © 2009 IEEE 581

 0,25
III. T WO do ASES

0,2 Caso 1
En el primer ejemplo queremos considerar la red de un proyecto y
0,15 queremos analizar la duración de todo el proyecto. Para ello se han
estimado la distribución de la duración de las varias tareas. Puede
0,1
encontrar la información en la Fig. 3 y la tabla 1.

0,05

UNA segundo sol

0

-5 0 5 10 15 20
comienzo Fin
do

Fig. 1. La densidad de una distribución normal. re F

mi
1,2

Fig. 3. Plan de red del proyecto.

0,8 1

Tabla I
0,6 D URACIÓN DE LA A CTIVIDADES

0,4
Actividad predeter-
cesador distribución de la duración (días)
0,2 UNA - triangular OD = 4, MD = 5, PD = 7
segundo UNA normal μ = 7, σ = 2
0
do B, D OD triangular = 9, MD = 11, PD = 14
-5 0 5 10 15 20
re - Normal μ = 8, σ = 1

Fig. 2. La función de distribución y la inversa indicado de una mi re triangular OD = 6, MD = 7, PD = 8

distribución normal. F C, E Si la fecha de inicio de F es menor o igual 23 de
lo normal μ = 9, σ = 1 en caso contrario μ = 12, σ = 2

en Excel hay algunas funciones inversas sol do normal μ = 15, σ = 3 la duración de la actividad B y
distribuciones ya aplicadas como G están correlacionados con ρ = - 0,3

- distribución beta
- la distribución chi-cuadrado
Este es un problema típico en la gestión de proyectos. Todo el
- F-distribución
mundo sabe que no tiene ningún sentido trabajar con promedios
- distribución gamma de aplicar la RPC, pero también no puede utilizar PERT (véase [7])
- distribución lognormal porque el uso de PERT significa usar la distribución Beta. De
- Distribución normal hecho, este no es que un gran problema, ya que puede crear
distribuciones beta que son bastante similares a triangular dado o
- t-distribución.
distribución normal. Pero hay otra desventaja de PERT, porque
Si existe la necesidad de nuevas distribuciones existe por un lado la PERT asume una ruta crítica único y calcula la distribución de este
posibilidad de crear ellos como funciones definidas por el usuario camino. En la práctica, con la realización de las diferentes
mediante el uso de una macro VBA. Por otro lado hay una gran cantidad actividades que usted podría obtener diferentes caminos críticos.
de complementos gratuitos disponibles en la red. Por ejemplo, en PERT también asume la independencia entre las diferentes
Internet se pueden encontrar los productos Esim [4] y @RISK [5] con actividades y como se puede ver, tenemos una correlación
distribuciones adicionales. Normalmente instalamos Esim, ya que ofrece negativa entre las actividades B y G. 1
una distribución triangular, lo cual es bastante intuitiva en el trabajo
práctico, ya que hay que estimar los valores del pesimistas y optimistas,
y el valor más probable en el medio. Además de esto, ofrece algunas
yz 2 usted puede crear fácilmente un número aleatorio r 1 yr 2 que siguen dos
Esim más distribuciones como la exponencial y la distribución de
distribuciones normales dadas N ( μ 1, σ 1) y N( μ 2, σ 2) con correlaciones ρ entre
Poisson.
ellos mediante el uso de:

r1 = +σ 1μ 1
⋅ z1 (1)

582
 Solución 1 caso
( pz⋅ + - )
2
r2 = +σ 2μ 2 1
1 pz ⋅ 2
(2) En la Fig. 4 - 6 se observan varias captura de pantalla que muestra la solución
del caso 1. A continuación, cada fila es una realización del proyecto y, de hecho,
Otro aspecto que no podía ser manejado con PERT es la condición sólo hay que formular el problema de una vez en una fila. Después se puede
adicional para la actividad de F. Esto es sólo un ejemplo y debe mostrar que copiar tantas veces como desee para producir otras realizaciones independientes.
dentro de EXCEL una amplia gama de condiciones de ese tipo podría ser En el caso 1, decidimos elegir un número de 10.000 muestras.
fácilmente tomado en cuenta.

Fig. 4. Parte 1 de la solución de caso 1.

Fig. 5. Parte 2 de la solución de caso 1.

Fig. 6. Parte 3 de la solución de caso 1.

583
 Al final se obtiene una distribución del tiempo total necesario (Fig. 7). Al tener Por supuesto es la probabilidad de que falle todo el proyecto. Las probabilidades
toda la distribución, estamos en condiciones de responder a preguntas como: de los pasos individuales se dan en la Fig. 8.

- ¿Cuál es el momento más probable para terminar el proyecto? (Respuesta:

Probabilidades fallen
39 días)
20%
- Dentro de este tiempo somos capaces de terminar el problema con una 20%

probabilidad del 95%? (Respuesta: 44 días) 20%

20% 10%

10%
0,07
15%
30%
0,06 10% 30%
25%

0,05
20%

0,04 Fase 1 Fase 2 Fase 3

0,03
Fig. 8. Las tres fases del proyecto de caso 2.
0,02

0,01
Solución 2 casos

0,00
En la Fig. 9 - 11 se ve varias captura de pantalla que muestra la solución del
25 30 35 40 45 50 55
caso 2. Resulta que la probabilidad de un éxito es aproximadamente el 84%.

Fig. 7. La función de densidad de la duración en el caso 1.

En este caso podemos modelar la solución mediante el uso exclusivo de
los operadores lógicos. El resultado de cada fase se prueba individualmente,
caso 2
luego se combinan para probar éxito de todo el proyecto. La parte más difícil
En el segundo caso que en realidad no necesita ninguna función de se encuentra dentro de la prueba de los resultados de la segunda fase debido
distribución, porque sólo tenemos eventos binomial. En un proyecto de I a los vínculos de las actividades de la fase a las actividades de la fase
+ D que tiene que superar tres fases diferentes. En cada fase varias
anterior. Aquí, un resultado exitoso se produce cuando alguna actividad A1 y
tareas han de realizarse y para cada tarea no es la probabilidad de fallar.
una de las actividades de B1, B2, y B3 o actividad A2 y uno de B4, B5 y B6
Mientras que en las dos primeras fases, al menos, una de las tareas
son exitosos. Por último, el éxito del proyecto depende del resultado positivo
necesita un resultado positivo para superar la fase, en la tercera etapa al
de las tres fases del proyecto.
menos tres de las cuatro tareas tiene que ser un éxito para superar este
paso. La pregunta aquí de

Fig. 9. Parte 1 de la solución de caso 2.

584
 Fig. 10. Parte 2 de la solución de caso 2.

Fig. 11. Parte 3 de la solución de caso 2.

Sin embargo, vamos haya también un mensaje de advertencia a los que

IV. S RESUMEN Y R eMarks
El uso de la simulación de Monte Carlo con Excel ofrece una herramienta
que permite también no estadísticos para modelar y simular eventos,
actividades y resultados de los proyectos de la vida real. Especialmente en el
área de análisis de riesgo que están equipadas con una amplia
instrumentación para el análisis de impactos y probabilidades de riesgo
independientes y agregados. Entre las principales ventajas subrayadas en
este trabajo se cuenta la relativa disponibilidad rentable y difundir en
prácticamente todos los negocios y los hogares en el mundo del Excel o
paquetes de software equivalentes. Otra ventaja es el de superar algunos de
los problemas tradicionales de instrumentos de análisis clásicos tales como
PERT suponiendo único
crítico caminos, distribuciones dadas
independencia de las actividades individuales.
Debido a que todos los productos de Microsoft, como Excel le ofrece
la oportunidad de utilizar VBA-macros, también tiene la posibilidad de
crear sus propias funciones especiales, sus propios menús, o lo que
podrían caer en una “trampa de la figura” y se basan en gran medida en modelos
teóricos y simulaciones en la toma de decisiones del mundo real. Estos tienen
que ser respaldado por la intuición, el sentido común y la capacidad de liderazgo.
El tejido del contexto del proyecto se teje en un intrincado patrón, muchas
decisiones requieren compensaciones y compromisos, y el factor de la influencia
humana rara vez es cuantificable en un modelo de cifras. Siempre hay que tener
en cuenta que un modelo matemático está a un solo modelo de la realidad que
se encarga de simplificaciones y reducciones del problema del mundo real.
R EFERENCIAS
[1] PMI (ed.): Una guía para la Dirección de Proyectos
y Conocimiento, ( PMBOK®Guide) PMI 2004 [2] Schelle / Ottmann / Pfeiffer: Project
Manager, GPM alemán
Asociación para la Gestión de Proyectos, 2006 [3] Tom DeMarco, Timothy Lister, Waltzing
con los osos, Dorset House
Publishing, New York 2003 [4] www.analycorp.com [5] www.palisade-europe.com [6] RY
Rubinstein, DP Kroese, La simulación y el Monte Carlo

quiera configurar su modelo individual. Esto también le da la

oportunidad de crear bibliotecas con funciones predefinidas / macros Método (2ª ed.). Nueva York: John Wiley & Sons 2007 [7] Harold Kerzner, Gestión de
que hace que el uso de esta técnica más eficiente. proyectos: un enfoque sistémico
Planificación, Programación y Controlling (octavo Ed. Ed.). Wiley 2003.

585