Guía de gestión de proyectos · Riesgo, calidad y control
Simulación de Monte Carlo en la gestión de proyectos: un ejemplo resuelto
La simulación de Monte Carlo es una técnica de análisis cuantitativo de riesgos que ejecuta un modelo del proyecto miles de veces, eligiendo cada vez valores aleatorios dentro del rango de duraciones o costos posibles. Los resultados muestran la probabilidad de que el proyecto termine en una fecha determinada o dentro de un presupuesto determinado.
Puntos clave
- La simulación de Monte Carlo convierte los rangos de estimación en probabilidades de fechas y costos.
- Los planes basados en los valores más probables suelen tener pocas probabilidades de cumplirse.
- Utilice los resultados P50 y P80 para fijar compromisos y contingencias.
- Unas buenas entradas y una lógica del cronograma sólida importan más que el software.
Por qué utilizar la simulación de Monte Carlo
Una estimación puntual oculta la incertidumbre. Si cada tarea tiene un rango de duraciones posibles, sumar los valores «más probables» suele dar una fecha que el proyecto tiene pocas probabilidades de cumplir, porque los excesos tienden a ser mayores que los ahorros. La simulación muestra, en cambio, toda la dispersión de resultados.
- Responde a preguntas como «¿qué confianza tenemos en terminar antes del 30 de septiembre?»
- Ayuda a dimensionar las reservas para contingencias de cronograma y de costos; consulte plan de contingencia.
- Muestra qué tareas o riesgos generan la mayor parte de la incertidumbre.
- Es una de las principales técnicas de análisis cuantitativo en la gestión de riesgos del proyecto.
Cómo funciona
- Construya un modelo: una red del cronograma o un desglose de costos. Consulte método de la ruta crítica para la lógica del cronograma.
- Sustituya las estimaciones únicas por rangos, a menudo una estimación por tres valores (optimista, más probable, pesimista), y elija una distribución como la triangular o la PERT (beta).
- Opcionalmente, añada riesgos discretos con una probabilidad y un impacto, por ejemplo, un 30% de probabilidad de un retraso de 10 días.
- Ejecute el modelo muchas veces, normalmente miles de iteraciones. Cada ejecución toma una muestra de un valor para cada tarea y riesgo.
- Reúna los resultados en un histograma y una curva acumulada (una curva S).
- Lea los niveles de confianza, como P50 y P80, y revise qué entradas determinan el resultado.
Ejemplo resuelto
Un proyecto pequeño tiene tres tareas en secuencia. Las estimaciones están en días laborables:
| Tarea | Optimista | Más probable | Pesimista |
|---|---|---|---|
| A: Diseño | 8 | 10 | 16 |
| B: Construcción | 15 | 20 | 30 |
| C: Pruebas | 4 | 5 | 9 |
| Total | 27 | 35 | 55 |
La suma de los valores más probables da 35 días. Al ejecutar 100,000 iteraciones con distribuciones triangulares se obtuvieron los siguientes resultados (sus cifras variarán ligeramente de una ejecución a otra):
| Medida | Resultado |
|---|---|
| Probabilidad de terminar en 35 días o menos | En torno al 14% |
| P50 (mediana) | Unos 39 días |
| P80 | Unos 42 días |
| P90 | Unos 44 días |
Así, un plan basado en 35 días tiene aproximadamente una probabilidad entre siete de cumplirse. Si el patrocinador quiere un 80% de confianza, el equipo debería comprometerse a unos 42 días y mantener la diferencia como contingencia del cronograma.
Interpretación de los resultados
| Término | Significado |
|---|---|
| P50 | Un 50% de probabilidad de terminar en este valor o por debajo |
| P80 | Un 80% de probabilidad; suele utilizarse para compromisos y para dimensionar reservas |
| curva S | Probabilidad acumulada representada frente a la fecha o el costo |
| Diagrama de tornado | Clasifica las entradas según la intensidad con la que influyen en el resultado |
| Índice de criticidad | Frecuencia con la que una tarea aparece en la ruta crítica en el conjunto de las ejecuciones |
Errores comunes
- Utilizar rangos demasiado estrechos; las personas suelen pecar de exceso de confianza.
- Ignorar la correlación, por ejemplo, cuando una misma causa ralentizaría varias tareas a la vez.
- Modelar un cronograma con una lógica deficiente o con dependencias que faltan.
- Presentar los resultados como hechos precisos en lugar de como estimaciones basadas en las entradas.
- Realizar el análisis una sola vez y no actualizarlo nunca.
Herramientas
La simulación puede realizarse en una hoja de cálculo con fórmulas de números aleatorios, con complementos para hojas de cálculo o con software especializado de análisis de riesgos del cronograma. Algunas herramientas de gestión de proyectos y las herramientas de previsión ágil aplican la misma idea a los datos de throughput para prever cuándo se terminará un backlog; consulte throughput.
Plantillas gratuitas sobre este tema
Preguntas frecuentes
¿Qué es la simulación de Monte Carlo en la gestión de proyectos?
Una técnica que ejecuta un modelo del proyecto muchas veces con valores aleatorios extraídos de los rangos de estimación, para mostrar la probabilidad de cumplir fechas o presupuestos.
¿Qué es una estimación P80 en la simulación de Monte Carlo?
Un valor que, según la simulación, tiene un 80% de probabilidad de no ser superado. Se utiliza habitualmente para compromisos y para dimensionar reservas.
¿Cuántas iteraciones necesita una simulación de Monte Carlo?
Normalmente miles. Los resultados se estabilizan a medida que aumenta el número de ejecuciones; compruebe que las ejecuciones repetidas dan respuestas similares.
¿Qué distribución debo utilizar para la simulación de Monte Carlo?
Las distribuciones triangular y PERT (beta) son habituales para las estimaciones por tres valores porque son sencillas e intuitivas. Utilice datos históricos cuando disponga de ellos.
¿La simulación de Monte Carlo es cualitativa o cuantitativa?
Cuantitativa. Genera probabilidades numéricas de resultados como la fecha de finalización y el costo total.
¿Puedo hacer una simulación de Monte Carlo en Excel?
Sí. Puede tomar muestras de distribuciones con fórmulas y repetir el cálculo con una tabla de datos, o utilizar un complemento.
¿Por qué la simulación de Monte Carlo da una fecha posterior a la del plan?
Porque los rangos de estimación suelen estar sesgados hacia los sobrecostos y las rutas paralelas convergen, por lo que el total más probable rara vez es la suma de las duraciones más probables de las tareas.
¿Qué es un diagrama de tornado en el análisis de Monte Carlo?
Un gráfico de barras que clasifica las entradas según su influencia en el resultado y que sirve para averiguar qué tareas o riesgos importan más. Es una forma de análisis de sensibilidad.
¿Cómo ayuda Monte Carlo con la contingencia?
La diferencia entre el valor planificado y un nivel de confianza elegido, como P80, ofrece un tamaño justificable para la contingencia de cronograma o de costos.
¿Utilizan los equipos ágiles la simulación de Monte Carlo?
Sí. Muchos equipos de Kanban y Scrum toman muestras del throughput histórico para prever cuántos elementos pueden terminar antes de una fecha o cuándo estará terminado un conjunto de elementos.
¿Cuáles son las limitaciones de la simulación de Monte Carlo?
Los resultados solo son tan buenos como el modelo y las estimaciones. Una lógica deficiente, unos rangos estrechos o unas correlaciones ignoradas dan resultados falsamente optimistas.