Simulación de Monte Carlo aplicada a la producción de vehículos

La simulación de Monte Carlo es una técnica que trata de combinar conceptos estadísticos sobre muestreo aleatorio representativo generando números de tal modo que se pueden automatizar cálculos, pudiendo imitar modelos reales de comportamiento aleatorio.

Una de las claves de este tipo de simulaciones es conseguir desarrollar un modelo para un sistema, proceso o actividad como foco de estudio para describir cuales son las entradas que provocan la variabilidad del proceso y poder resolver problemas con la ayuda de otras metodologías o herramientas que consiguen detectar desperdicios y eliminarlos.

Este tipo de simulaciones se aplican en numerosos campos tanto comerciales como industriales, siempre y cuando exista un comportamiento probabilístico e implique la posibilidad de realizar estudios con azar como base clave para la obtención de resultados. Con el valor añadido de plantear nuevos escenarios mediante análisis “What-if”, modificando valores dentro de la propia hoja Excel.

- Descargar archivo Excel.

  

En el caso de nuestro estudio nos centramos en una fábrica de coches, en ella realizamos una medición sobre los vehículos defectuosos frente al total de producción y los ingresos generados en cada situación (es un caso hipotético donde manejamos una producción baja 20 coches/día) extrapolable a casos de producción real.

En nuestro caso encontramos fallos de distintos tipos producción en nuestra producción de coches, esto repercute en un reproceso del vehículo con un consiguiente gasto no esperado disminuyendo ingresos. Desde el numero de errores producidos anteriormente podemos ver cuál será la tendencia de ocurrencia de fallos, calculamos la probabilidad acumulada y así establecemos los límites sobre los que podemos trabajar y cuales nos marcan la franja para cada uno de los errores, mediante la fórmula “=Aleatorio” de Excel, nos lanza de forma aleatoria números comprendidos de 0 a 1 y se asocian a un tipo de fallo dependiendo del intervalo al que pertenezca, una vez asociado el número aleatorio al fallo mediante la formula “=Buscar” tenemos el coste que supone el reproceso. En este caso solo trabajamos con que en cada suceso se produce un fallo, se podría añadir el caso en que se diera más de un error en un vehículo.

Con este tipo de estudios podemos realizar análisis “What if” como hemos mencionado antes, podemos modificar el escenario cambiando los resultados en cada una de las casillas para ver cómo se comportaría la probabilidad de fallos y cómo afectaría esto al balance de beneficios.

Entonces podemos obtener cual es el balance beneficios-gastos previstos, hacer una estimación de pérdidas y actuar al respecto. Ver cual es fallo más frecuente y actuar al respecto. Para la resolución de estos errores podemos utilizar técnicas como Jidoka para implicar al empleado desde el primer momento en la resolución de fallos u otras metodologías como Six Sigma o Lean donde mediante un grupo de trabajo se consigue disminuir la probabilidad de fallo.

 

Autor: Rodrigo González González

Grupo PDCA Home