Iniciar sesión

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Más detalles

Simulación de Montecarlo, análisis de incertidumbre y análisis de sensibilidad en la evaluación del ciclo de vida

Simulación de Montecarlo, análisis de incertidumbre y análisis de sensibilidad en la evaluación del ciclo de vida

Introducción

Cuando se modifican o actualizan determinadas variables, se modelan numerosos resultados mediante una técnica matemática computarizada conocida como simulación de Monte Carlo. Se trata de un modelo informático que se utiliza para examinar cómo funcionan y se comportan los sistemas complejos. El método simula varias posibilidades en un proceso que resulta difícil de resolver con métodos matemáticos tradicionales. La simulación de Monte Carlo se utiliza en muchos campos, entre ellos la banca, la ingeniería, la gestión de riesgos, la física y la evaluación del ciclo de vida (LCA).

 

La metodología se basa en los conceptos de aleatoriedad y probabilidad. En una simulación de Monte Carlo, los números aleatorios generados por un generador de números aleatorios representan una distribución de probabilidad particular (por ejemplo, “distribución normal”). Esta distribución de probabilidad se utiliza luego para determinar ciertas ocurrencias.

 

La simulación de Monte Carlo suele utilizar el análisis de incertidumbre. El análisis de incertidumbre es un método para identificar la incertidumbre en torno a los resultados de la simulación. La variabilidad de los resultados de la simulación causada por factores como la aleatoriedad de la entrada y la variabilidad intrínseca basada en el modelo se mide utilizando esta técnica.

 

La combinación de la simulación de Monte Carlo con el análisis de incertidumbre puede ser una herramienta poderosa para comprender y evaluar el comportamiento y el rendimiento de un sistema. Para mejorar la precisión y la confiabilidad de las simulaciones, en este artículo se analizarán los conceptos y métodos de la simulación de Monte Carlo y el análisis de incertidumbre.

Los fundamentos de la simulación en Monte Carlo

La probabilidad y la aleatoriedad son la base de la simulación de Monte Carlo. Mediante un generador de números aleatorios, el método genera números aleatorios que luego se utilizan para representar una distribución de probabilidad particular. Esta distribución de probabilidad se utiliza luego para determinar ciertas ocurrencias.

 

Los números aleatorios generados por el generador de números aleatorios reflejan una distribución de probabilidad particular. Esta distribución de probabilidad se utiliza luego para determinar ciertas ocurrencias. La distribución de probabilidad se puede mostrar en cualquier forma, incluida una distribución normal, una distribución uniforme o una combinación de las dos.

Luego, se imita la eficiencia y el comportamiento de un sistema utilizando números aleatorios. Por ejemplo, un sistema financiero puede utilizar números aleatorios para replicar el precio de una acción. Luego, se utilizan números aleatorios para calcular diferentes eventos, como el aumento o la caída de los precios de las acciones.

 

Los números aleatorios utilizados en la simulación pueden generarse mediante diversos métodos, como una fórmula matemática o un generador de números aleatorios. Varios métodos pueden generar números aleatorios.

 

Análisis de incertidumbre

El análisis de incertidumbre es un método para identificar la incertidumbre en torno a los resultados de simulación. La variabilidad de los resultados de simulación causada por factores como la aleatoriedad de la entrada y la variabilidad intrínseca basada en el modelo se mide utilizando esta técnica.

 

El análisis de incertidumbre se puede realizar de varias maneras. Una de ellas es el análisis de sensibilidad, que examina los posibles efectos de cambiar los datos de entrada de la simulación sobre los resultados. Otra opción es ejecutar una simulación de Monte Carlo utilizando el análisis de incertidumbre, que examina la variabilidad de los resultados en diferentes simulaciones. Los resultados del análisis de incertidumbre pueden evaluar la precisión del modelo y la fiabilidad de los resultados de la simulación.

 

Simulación (análisis) de Monte Carlo en la evaluación del ciclo de vida: un estudio de caso

Un paso fundamental en la evaluación del ciclo de vida (LCA) es la simulación de Monte Carlo. Se puede llevar a cabo para el modelo que creamos o para un proceso de una base de datos de inventario del ciclo de vida (LCI). Por lo general, se realiza para el sistema que se está modelando. Muestra el LCA El analista puede determinar qué tan inciertos (o cuánta incertidumbre) son los resultados. Normalmente se utiliza la distribución normal para distribuirlos, pero existen otras opciones de distribución. Los resultados se mostrarán como una curva en forma de campana utilizando la distribución normal. Los resultados son más confiables cuando la forma es más estrecha y cuando hay menos casos de incertidumbre.

 

Excel se puede utilizar para realizar operaciones de Monte Carlo en LCAEl método más simple utiliza LCA software como abiertoLCA, gabio SimaPro. Se le solicitará al usuario que ingrese el número de ejecuciones cuando ejecute el análisis utilizando el software (el número de simulaciones). Por lo general, implica al menos 1000 ejecuciones. Los resultados de la simulación son más precisos cuanto mayor sea el número de ejecuciones. Aún así, el tiempo debe tardar mucho más en completar el análisis si se requieren más de 1000 ejecuciones. Monte Carlo funciona de la siguiente manera en un LCA software:

 

  • La simulación asigna todos los valores de parámetros aleatorios entre los valores mínimo y máximo.
  • El software examina las constelaciones de parámetros aleatorios.
  • Para realizar el análisis, examinamos el gráfico en forma de campana: cómo cambia la curva de incertidumbre (forma) en términos de porcentajes de incertidumbre cuando se utilizan ciertas combinaciones aleatorias de parámetros.

 

Mezcla de energía eléctrica de Japón

 

En la siguiente figura se muestra un análisis de Monte Carlo de la combinación de la red eléctrica de Japón para 11 impactos ambientales (se consideran 12 impactos ambientales, incluido el potencial de calentamiento global con incertidumbre de carbono biogénico).

 

Análisis de incertidumbre de los resultados del ACV de la combinación de la red eléctrica de Japón

Resultados del análisis de Monte Carlo de la combinación de la red eléctrica de Japón

 

El eje Y representa “el número de constelaciones de parámetros aleatorios que generan incertidumbre para cada categoría de impacto (o problema ambiental). El eje X representa el porcentaje de incertidumbre para cada una de las categorías de impacto. Nuevamente, cuanto más estrecha sea la forma, mejores serán los resultados generales y más sólidos. Además, cuanto menor sea el valor del eje X y menor el % del eje Y, mejor será el modelo en términos de incertidumbre. El eje X representa el número de la variable aleatoria en la que se produjo el % de incertidumbre y se representa en el eje Y.

 

 

El siguiente gráfico muestra un análisis de inveracidad para la red eléctrica combinada de Japón, pero esta vez solo para el potencial de calentamiento global (GWP): potencial de cambio climático.

 

Análisis de sensibilidad

El análisis de sensibilidad es una técnica para determinar cómo los distintos valores de las variables independientes pueden afectar a una variable dependiente en particular bajo un conjunto específico de supuestos. Es una técnica crucial que se utiliza en la evaluación de riesgos y el análisis financiero y que ayuda a determinar cómo variarían los resultados de una elección o modelo si se modificaran uno o más supuestos subyacentes. También se utiliza para determinar qué factores afectan el funcionamiento de elecciones o modelos específicos, como en la evaluación del ciclo de vida (LCA).

 

El análisis de sensibilidad es una técnica que permite predecir cómo los cambios en factores como las tasas de interés, la inflación y los tipos de cambio pueden afectar el desempeño financiero de una empresa. También permite evaluar cómo las distintas técnicas de inversión afectan los rendimientos previstos. Los inversores y la dirección pueden tomar decisiones acertadas y gestionar mejor sus riesgos examinando cómo los cambios en determinados factores afectarían el desempeño financiero de una empresa.

 

El análisis de sensibilidad se utiliza en la evaluación de riesgos y en el análisis del ciclo de vida (ACV) para identificar los factores que más influyen en el resultado de un modelo. Los expertos pueden determinar qué factores son los más decisivos a la hora de tomar decisiones y controlar los riesgos evaluando la influencia de diversas variables. Con este método también se determinan los supuestos más decisivos para tomar decisiones y controlar los riesgos.

 

El análisis financiero y la evaluación de riesgos son sólo dos aplicaciones del análisis de sensibilidad. También puede examinar cómo las tácticas corporativas afectan la participación de mercado, la moral del personal y la satisfacción del cliente. Los gerentes y ejecutivos pueden tomar decisiones inteligentes y gestionar mejor sus riesgos al observar cómo los cambios en ciertos factores afectarán la satisfacción del cliente, el compromiso del personal y la participación de mercado.

 

El análisis de sensibilidad es fundamental para la evaluación de riesgos y el análisis financiero y ambiental. Resulta útil saber qué factores tienen mayor impacto en el resultado de determinadas opciones o modelos. También permite evaluar cómo las distintas estrategias de inversión afectan a los rendimientos proyectados, determinar qué presunciones son las más cruciales para la toma de decisiones y la gestión de riesgos, y evaluar cómo las distintas estrategias de la empresa afectan a la satisfacción del cliente, el compromiso del personal y la cuota de mercado. El análisis de sensibilidad permite a los inversores y gestores tomar decisiones acertadas y gestionar mejor sus riesgos.

 

Análisis de sensibilidad en la evaluación del ciclo de vida: estudio de caso

Otro método de análisis esencial para la evaluación del ciclo de vida (LCA) es el análisis de sensibilidad. Aquí, utilizamos el análisis Japan Grid Mix Mote Carlo para ilustrar nuevamente el análisis de sensibilidad. El análisis de sensibilidad para este estudio de caso se muestra en la siguiente tabla. Aunque Microsoft Excel también puede realizarlo, explicaremos cómo realizar el análisis de sensibilidad con un software de LCA como, por ejemplo, gabi y el concepto general:

 

  • Las desviaciones estándar de los parámetros se establecerán mediante análisis de sensibilidad.
  • El software LCA multiplica y divide la desviación estándar por los valores de los parámetros (por ejemplo, +50% y -50%).
  • El análisis de sensibilidad demuestra cómo la variación de cada parámetro afecta los resultados.
  • “¿Qué tan sensibles son nuestros resultados a un cambio de +/- 50% en este o aquel parámetro?”

 

  • Cuando se generen los resultados, podrás ver lo siguiente:

    • ¿Qué porcentaje del resultado cambió si se incrementó un solo parámetro, por ejemplo, en un 50%?
    • Al cambiar sólo un parámetro, los resultados cambiaron en un enorme porcentaje, por ejemplo, -50%.

    Consulte los resultados del análisis de sensibilidad de la combinación de la red eléctrica de Japón del ACV. La primera tabla muestra los factores de impacto con IDS correspondientes a los resultados de sensibilidad de la segunda tabla.

 

  • 1

    Potencial de agotamiento de la capa de ozono (ODP, estado estable)

    kg R11 equivalente.

    2

    Potencial de toxicidad humana (inf. HTP)

    kg DCB equivalente.

    3

    Fotoquímica. Potencial de creación de ozono (POCP)

    kg Eteno eq.

    4

    Ecotoxicidad acuática marina Pot. (MAETP inf.)

    kg DCB equivalente.

    5

    Potencial de ecotoxicidad terrestre (inf. TETP)

    kg DCB equivalente.

    6

    Potencial de calentamiento global (GWP 100 años), excluido el carbono biogénico

    kg CO2 eq.

    7

    Agotamiento abiótico (elementos ADP)

    kg Sb eq.

    8

    Ecotoxicidad acuática en agua dulce (FAETP inf.)

    kg DCB equivalente.

    9

    Agotamiento abiótico (ADP fósil)

    MJ

    10

    Potencial de acidificación (PA)

    kg SO2 eq.

    11

    Potencial de calentamiento global (GWP 100 años)

    kg CO2 eq.

    12

    Potencial de eutrofización (PE)

    kg Fosfato eq.

 

 

 

Energía del carbón

Energía hidro

Energía de gas natural

Energía nuclear

Energía a base de fueloil pesado

Panameña de

Energía residual

Energía Eólica

Sensibilidad

1 – Desviación estándar

-1.33%

-0.04%

-1.36%

-0.05%

-1.99%

-0.21%

0.00%

-0.01%

1 + Desviación estándar

1.33%

0.04%

1.36%

0.05%

1.99%

0.21%

0.00%

0.01%

2 – Desviación estándar

-1.58%

-0.20%

-1.05%

-0.07%

-0.78%

-0.53%

-0.22%

-0.04%

2 + Desviación estándar

1.58%

0.20%

1.05%

0.07%

0.78%

0.53%

0.22%

0.04%

3 – Desviación estándar

-2.13%

0.00%

-1.61%

-0.01%

-0.82%

-0.01%

-0.14%

0.00%

3 + Desviación estándar

2.13%

0.00%

1.61%

0.01%

0.82%

0.01%

0.14%

0.00%

4 – Desviación estándar

-1.53%

0.00%

-0.22%

-0.02%

-0.12%

-0.02%

-0.54%

0.00%

4 + Desviación estándar

1.53%

0.00%

0.22%

0.02%

0.12%

0.02%

0.54%

0.00%

5 – Desviación estándar

-1.21%

-0.02%

-1.27%

0.00%

-0.45%

-0.05%

-1.08%

-0.06%

5 + Desviación estándar

1.21%

0.02%

1.27%

0.00%

0.45%

0.05%

1.08%

0.06%

6 – Desviación estándar

-2.29%

0.00%

-1.84%

0.00%

-0.68%

-0.01%

-0.17%

0.00%

6 + Desviación estándar

2.29%

0.00%

1.84%

0.00%

0.68%

0.01%

0.17%

0.00%

7 – Desviación estándar

0%

0%

0%

0%

0%

0%

0%

0%

7 + Desviación estándar

0%

0%

0%

0%

0%

0%

0%

0%

8 – Desviación estándar

-0.80%

-0.01%

-1.62%

-0.28%

-1.91%

-0.06%

-0.05%

0.00%

8 + Desviación estándar

0.80%

0.01%

1.62%

0.28%

1.91%

0.06%

0.05%

0.00%

9 – Desviación estándar

0%

0%

0%

0%

0%

0%

0%

0%

9 + Desviación estándar

0%

0%

0%

0%

0%

0%

0%

0%

10 – Desviación estándar

-2.35%

0.00%

-1.18%

-0.01%

-0.90%

-0.03%

-0.23%

0.00%

10 + Desviación estándar

2.35%

0.00%

1.18%

0.01%

0.90%

0.03%

0.23%

0.00%

11 – Desviación estándar

-2.09%

0.00%

-1.68%

0.00%

-0.62%

-0.01%

-0.42%

0.00%

11 + Desviación estándar

2.09%

0.00%

1.68%

0.00%

0.62%

0.01%

0.42%

0.00%

12 – Desviación estándar

-2.13%

0.00%

-1.48%

-0.01%

-0.76%

-0.02%

-0.27%

0.00%

12 + Desviación estándar

2.13%

0.00%

1.48%

0.01%

0.76%

0.02%

0.27%

0.00%

Conclusión

 

  • Conclusión 2: La influencia de las variables aleatorias y las incertidumbres en un sistema o proceso puede estudiarse mediante el método de simulación de Monte Carlo, también conocido como análisis de incertidumbre. Se trata de una técnica para evaluar los resultados potenciales de un sistema o proceso mediante la ejecución de varias simulaciones creadas aleatoriamente y con diferentes parámetros de entrada, y la combinación de los resultados de varias simulaciones da como resultado una distribución de probabilidad de opciones alternativas. El riesgo asociado con la decisión de realizar inversiones frente a la incertidumbre puede calcularse utilizando esta técnica.

  • Conclusión 3: El análisis de sensibilidad es una técnica fundamental en la evaluación de riesgos, el análisis financiero, la gestión medioambiental y la evaluación del ciclo de vida (LCA). Determina cómo variarían los resultados de una elección o modelo si se modifican uno o más supuestos subyacentes. Los supuestos más importantes para tomar decisiones y controlar los riesgos también se determinan utilizando este método.

 

Capacitación en evaluación del ciclo de vida (LCA)

1448 1024 DEISO
Suscríbete
Empezar a escribir

Datos de contacto.

DIRECCIÓN EN INGLÉS: DEISO LLC, Nivel 21 Edificio Shiodome Shibarikyu, 1-2-3 Kaigan Minato-ku, Tokio 105-0022 Japón.

DIRECCIÓN EN JAPONÉS: 〒105-0022 東京都港区海岸1-2-3 汐留芝離宮ビルディング21階, 合同会社DEISO.

Correo electrónico: info@deiso.co.jp Teléfono: 03-5403-6479 (japonés) Teléfono: +1-361-298-0005 (inglés) Fax: 0488-72-6373.

Últimas noticias

Soluciones de sostenibilidad

Soluciones de capacitación

Soluciones Académicas

Buscador de formación

Servicios y soluciones de TI para empresas sostenibles

Soluciones digitales

Buscador de servicios

Comienza
 
 
 
 
 
 

Contáctenos hoy para hablar sobre su próximo proyecto.

Programas de formación

Ventas de fin de año.

¡Todos nuestros programas de formación ya están a la venta!

hasta 50% de descuento