Glosario
Simulación de Montecarlo: probar mil semanas posibles antes de decidir
Definición
La simulación de Montecarlo calcula un resultado repitiendo muchas veces un mismo cálculo con valores sacados al azar de lo que podría pasar. En stock, se simulan miles de semanas con ventas y plazos posibles, y se cuenta en cuántas se agota el producto. Sirve para medir el riesgo de rotura cuando las fórmulas cerradas no encajan: ventas irregulares, plazos variables o varias reglas a la vez.
Cuando la fórmula no basta (plazos que varían, ventas a golpes, mínimos del proveedor), se puede hacer lo que haría cualquiera con tiempo: jugar la semana miles de veces con ventas al azar y contar cuántas veces falla. Eso es Montecarlo.
Qué es exactamente
La simulación de Montecarlo es una familia de métodos que obtienen un resultado numérico repitiendo un muestreo aleatorio. Wikipedia resume la idea así: usar el azar para resolver problemas que en el fondo son deterministas. El patrón es siempre el mismo: defines qué valores de entrada son posibles, sacas unos al azar según su probabilidad, haces el cálculo con ellos y juntas los resultados de todas las repeticiones.
El método nació en los años cuarenta. Stanisław Ulam se preguntó cuántas partidas de solitario salen bien y pensó que sería más fácil jugar muchas y contarlas que calcular la probabilidad. La misma idea sirvió para problemas de física en Los Alamos, y el nombre lo propuso Nicholas Metropolis, por el casino de Mónaco.
También se le llama
Método de Montecarlo, Monte Carlo simulation, simulación estocástica o, en previsión, simulación de trayectorias futuras. La guía de Hyndman y Athanasopoulos usa ese mismo principio, simular futuros posibles remuestreando errores pasados, para construir intervalos de predicción que no necesitan suponer una campana.
Cómo se calcula
Se aplica el patrón al stock en cuatro pasos. Uno: para un producto en un sitio, se toma el stock disponible hoy y la previsión de cada semana con su incertidumbre. Dos: se sortea una venta para cada semana y un plazo de entrega según lo que ha ocurrido de verdad con ese proveedor. Tres: se avanza semana a semana, restando ventas y sumando la reposición cuando llega. Cuatro: se anota si en algún momento el stock llega a cero. Se repite diez mil veces.
Ejemplo con una tienda de material de buceo que tiene 14 reguladores de segunda etapa, vende de media 6 por semana con ventas irregulares, y el proveedor entrega en 2 semanas con una variación de más o menos 3 días. Si en 640 de las 10.000 repeticiones el stock se queda a cero antes de que llegue el pedido, el riesgo de rotura de esa decisión es del 6,4 %. Cambias el pedido de 20 a 24 reguladores, repites y comparas: es así de directo. Las cifras son un ejemplo inventado, pero el procedimiento es el real.
Ojo con esto
Lo que hay que vigilar:
- Basura entra, basura sale: el resultado vale lo que valga el modelo de ventas y plazos del que sacas los números al azar. Si el histórico está tapado por roturas, la simulación subestima la demanda.
- Pocas repeticiones: con cien, el resultado baila; con diez mil, se estabiliza. Con eventos raros hacen falta más.
- Falsa precisión: «6,4 %» da la impresión de una exactitud que el modelo no tiene. Se comunica como un orden de magnitud: alrededor de uno de cada quince.
- Ignorar lo que pasa fuera del modelo: un cierre de fábrica o una huelga no están en los datos y no los sortea.
Dónde aparece en el sistema
El sistema usa simulación para calcular el riesgo de rotura de cada envío propuesto cuando las fórmulas simples no encajan, y para comparar alternativas: mandar 15, mandar 13 o esperar. Cada simulación sale con su porcentaje y su porqué, y la persona que revisa puede ver cómo cambia al tocar el envío.
La simulación con tus datos es otro uso del mismo espíritu aplicado al pasado: repite fechas anteriores con lo que se sabía ese día y compara con lo que se hizo. Se llama backtest.
Términos relacionados
Análisis what-if, escenario de demanda, previsión probabilística, modo sombra y la guía de cómo calcular el riesgo de rotura.
Preguntas frecuentes
¿Montecarlo es lo mismo que el backtest?
No. Montecarlo sortea futuros posibles; el backtest repite el pasado real. Se complementan: el primero mide el riesgo de una decisión, el segundo comprueba si el método habría funcionado con tus datos.
¿Hace falta mucho ordenador para simularlo?
No para un producto y un sitio: diez mil repeticiones tardan fracciones de segundo. Con decenas de miles de combinaciones producto y sitio, se paraleliza y se hace de noche.
¿Se puede hacer en Excel?
Sí, con números aleatorios y una tabla de datos, para un producto suelto. Se vuelve pesado enseguida con muchos productos y sitios, y cuesta mantenerlo fiable.