Uno de los más importantes proveedores de energía hidroeléctrica en Colombia y Latinoamérica ha realizado una gran inversión durante los últimos cinco años para convertirse en uno de los principales suministradores. Antes de emprender un proyecto hidroeléctrico, la compañía de electricidad considera los costos que implica la construcción de una planta. Para determinar la viabilidad y la rentabilidad de construir una nueva planta, es importante estimar de forma precisa las cantidades y el costo por unidad de los elementos necesarios para la construcción. Para ello, la compañía recurrió al software @RISK de Palisade para estimar el presupuesto de forma precisa mediante un modelo estocástico basado en perfiles de riesgo e incertidumbre para determinar las cantidades y los precios de los elementos clave de construcción.

La necesidad del análisis tradicional frente al análisis estocástico
Las plantas de energía a menudo deben construirse bajo tierra.  Debido al alto riesgo e incertidumbre que implica una construcción subterránea, es importante evaluar con precisión las implicaciones presupuestarias durante la fase de planificación para definir la viabilidad del proyecto.

Muchas organizaciones suman un porcentaje adicional a los costos para tener en cuenta las condiciones de riesgo e incertidumbre en la elaboración de un presupuesto. Sin embargo, es un proceso de estimación inadecuado, ya que es posible que estos costos no sean los apropiados para el proyecto. Una estimación inadecuada puede tener como consecuencia proyectos que superan el presupuesto o proyectos que nunca llegan a ejecutarse debido a unas estimaciones de costos excesivas.

Los modelos estocásticos para estimar el presupuesto es la solución más adecuada, ya que tiene en cuenta la incertidumbre y utiliza perfiles de riesgo para determinar las cantidades y los precios. Los modelos estocásticos sencillamente incluyen rangos de valores para factores inciertos en el análisis.  A partir de estos datos, es posible calcular una distribución de probabilidad precisa para un presupuesto.  

@RISK en el trabajo
Antes de embarcarse en la construcción de un proyecto de energía hidroeléctrica, la compañía estima los fondos requeridos utilizando indicadores financieros como el Valor actual neto (VAN) y la Tasa interna de devolución (IRR). Asimismo, necesita optimizar el esquema de adquisición, estimar la Pérdida máxima probable (PML) para garantizar el proyecto, definir las políticas de seguros y evaluar el costo del riesgo. La evaluación de costos se puede ver obstaculizada por las condiciones de riesgo e incertidumbre, implícitas en las cantidades y el costo por unidad de cada partida del presupuesto. Utilizando @RISK, se tienen en cuenta estas incertidumbres para desarrollar un enfoque probabilístico del presupuesto necesario para cada proyecto.

Tres presupuestos diferentes

Utilizando @RISK, la compañía calcula tres “vistas” de presupuestos diferentes de un proyecto:

-Una vista determinística que no tiene en cuenta la variación y el riesgo de los precios y cantidades de los componentes clave del proyecto. Como resultado, es similar a una instantánea del proyecto porque es estática (de forma poco realista).

-Una vista estocástica que solamente considera las variaciones esperadas que el proyecto puede tener en cuanto a cantidades y precios.

-Finalmente, un modelo estocástico con riesgo que tiene en cuenta las variaciones esperadas y los eventos inesperados (riesgo) que el proyecto puede tener en cantidades y precios.

Se consideran las diferencias entre estos tres cálculos para comprender la importancia de tener en cuenta la variación y los eventos inesperados en un proyecto y para analizar los diferentes impactos.

Un proyecto de muestra
En un proyecto reciente, la compañía de electricidad utilizó las siguientes funciones de distribución de probabilidad en @RISK para describir la incertidumbre inherente en los precios y las cantidades de los componentes del proyecto:

Distribución triangular: Debido a la cantidad limitada de datos del mercado, la compañía utilizó la opinión y el asesoramiento de los expertos para construir esta distribución, sencilla aunque precisa. La distribución triangular solo requiere unos pocos datos: los valores mínimo, más probable y máximo.

Distribución discreta: Se utilizó la distribución discreta para los eventos inesperados donde se podían encontrar más de tres valores utilizando la opinión y el asesoramiento de los expertos.

Bernoulli: La distribución de Bernoulli se utilizó para los eventos inesperados que ocurren con poca frecuencia. La distribución considera la probabilidad de que los eventos ocurran o no.

Una distribución discreta

Una distribución triangular

Una distribución de Bernoulli

El modelo analizó la simulación de varias salidas diferentes, como el costo asociado a diferentes flujos de trabajo y el cálculo del presupuesto total del proyecto.

Resultados de una simulación
Se descubrieron diferencias significativas en los perfiles de distribución entre las tres vistas presupuestarias.  En el modelo determinístico, no se consideró la probabilidad de que las variables de entrada cambiaran.  En su lugar, se utilizaron las estimaciones de punto para “adivinar” el mejor caso, el peor caso y los escenarios más probables.

En el modelo estocástico de @RISK en el que se permitía que las entradas variaran en función de las expectativas, la compañía observó que el costo del proyecto total esperado era más alto que la previsión del modelo determinístico y era capaz de determinar en qué rango podría variar el costo del proyecto total.  La media era de aproximadamente 560 millones de dólares, sin embargo, hay que resaltar igualmente que existía un riesgo de que el proyecto total alcanzara los 595 millones de dólares.  De hecho, había un 50% de probabilidad de exceder el costo esperado.

Cuando se permitió que el modelo estocástico de @RISK considerase eventos inesperados, el costo total medio ascendió aún más, hasta cerca de 586 millones de dólares.  Asimismo, aparecieron dos escenarios generales; uno donde los eventos de riesgo no tuvieron lugar, lo que permitió un costo de alrededor de 570 millones de dólares, y otro donde estos eventos ocurrieron más, con un costo total de 620 millones de dólares.  Esta información ayudó a la compañía a realizar una planificación más adecuada de contingencias, adquisiciones, control de diseño, condiciones del proveedor y financiación.  Ayudó a identificar los riesgos clave que llevaron a estos resultados y sus implicaciones económicas en los presupuestos de los trabajos individuales y del proyecto total.  En general, ayudó a determinar la viabilidad técnica y económica del proyecto.

Estocástico que tiene en cuenta el riesgo

“El cálculo del presupuesto más preciso para el proyecto es el modelo que considera la variabilidad y el riesgo en cantidades y precios”, afirmó el jefe de la compañía de estrategia de seguros y riesgos. “Utilizando @RISK, pudimos utilizar la simulación Monte Carlo para crear muchos escenarios diferentes para aproximarnos a la realidad. Las funciones del software como el ajuste de distribuciones, la inclusión de distribuciones en una celda y los datos de simulación resultan extremadamente útiles para evaluar las diferentes posibilidades.”

» @RISK