Método Montecarlo en SimaPro: Incertidumebre en el Análisis del Ciclo de Vida
Introducción al método de Montecarlo y su relevancia en el ACV
Cuando hablamos de sostenibilidad y análisis ambiental, el Análisis de Ciclo de Vida (ACV) se ha convertido en una herramienta esencial para evaluar el impacto ambiental de productos, servicios y sistemas a lo largo de su existencia. Sin embargo, uno de los grandes retos del ACV es cómo manejar la incertidumbre de los datos: ¿qué pasa si la información que alimenta el modelo varía? ¿Cómo afecta eso a los resultados?
Ahí es donde entra el modelo de Montecarlo, una herramienta estadística poderosa que permite estimar cómo se comportan los resultados de un modelo cuando las entradas presentan incertidumbre. Esta técnica se integra directamente en herramientas especializadas como SimaPro, uno de los softwares más utilizados en el ámbito del ACV.
He trabajado ampliamente con este modelo y su integración en SimaPro, y puedo asegurar que entenderlo bien marca la diferencia entre un análisis superficial y uno riguroso. De hecho, parte de mi labor profesional incluye ofrecer un curso avanzado sobre el uso del modelo de Montecarlo en el contexto del ACV con SimaPro. Pero antes de hablar de formación, entendamos de dónde viene todo esto.
Historia y origen del método de Montecarlo
Cuando pienses en el Método Montecarlo quiero que recuerdes el Proyecto Manhattan de la Segunda Guerra Mundial y la ruleta de los casinos.
Primero, El método de Montecarlo fue desarrollado durante la Segunda Guerra Mundial por dos brillantes matemáticos del Proyecto Manhattan: Stanislaw Ulam y John von Neumann.
La idea central, según Ulam, surgió al jugar al solitario: era más fácil jugar muchas partidas y ver cuántas ganaba que calcular matemáticamente la probabilidad de terminarlo. Estos números aleatorios se utilizan para simular diferentes casos o escenarios. Al repetir algo muchas veces (miles o millones de veces), se pueden obtener buenas aproximaciones sin tener que resolver la ecuación o problema de forma exacta, lo cual a veces es muy costoso, muy complejo o requiere experimentos peligrosos.
Para entender mejor el método de Monte Carlo lo mejor es una ruleta de casino, juega mil veces la ruleta y veras cual es la probabilidad que salga alguno de sus números.
Fundamentos de las simulaciones de Montecarlo
El método Montecarlo es una técnica de simulación que utiliza valores aleatorios dentro de rangos predefinidos. El beneficio de ese método es que podemos repetir algo muchas veces podemos tener buenas aproximaciones del cálculo real, sin tener que tocar un papel o una ecuación
Esto no solo nos permite ver cuál es el resultado más probable, sino también qué tan sensibles son nuestras conclusiones ante pequeñas variaciones en los datos. Es una herramienta fundamental para pasar del “más o menos” al “estamos bastante seguros”.
Distribuciones de probabilidad en las simulaciones de Montecarlo
El método Montecarlo es una técnica de simulación que utiliza valores aleatorios dentro de rangos predefinidos. El beneficio de ese método es que podemos repetir algo muchas veces podemos tener buenas aproximaciones del cálculo real, sin tener que tocar un papel o una ecuación
Esto no solo nos permite ver cuál es el resultado más probable, sino también qué tan sensibles son nuestras conclusiones ante pequeñas variaciones en los datos. Es una herramienta fundamental para pasar del “más o menos” al “estamos bastante seguros”.
Uno de los aspectos clave al implementar una simulación de Montecarlo es seleccionar la distribución de probabilidad adecuada para cada dato de entrada. Esta elección dependerá del tipo de dato, la cantidad de información disponible y el conocimiento del proceso que se está modelando.
Los tipos de distribuciones más comunes en SimaPro son:
Log Normal
Se utiliza cuando son valores muy pequeños
Normal
Se utiliza cuando la mayoría de los valores están cerca del promedio
Triangular
Se utiliza cuando se conocer el valor mínimo, máximo y el más probable
Uniforme
Se utiliza cuando todos los valores tienen una misma probabilidad de ocurrir.
¿Qué modelo de distribución elgir?
Para elegir el mejor modelo de distribución es graficar los datos y determinar que figura esta generando. Lo importante aquí es tener muchos datos que permitan generar una tendencia de los valor. Solo así vas a identificar con claridad una figura de los modelos de distribución
Aplicación del método de Montecarlo en SimaPro
SimaPro ha integrado la funcionalidad de simulación del Método Montecarlo, pero no de una manera muy intuitiva.
Análisis de incertidumbre y sensibilidad en el ACV
Montecarlo no solo sirve para reflejar la variabilidad de los resultados, sino también para identificar qué datos son más críticos para el resultado final. Esto se conoce como análisis de sensibilidad. SimaPro te permite ver, después de una simulación, cuáles variables influyen más en la variación del impacto ambiental.
Aplicación en SimaPro
Cuando crear un proceso o abres un proceso en SimaPro, no te preguntas que es eso de “Distributició”, “DS^2 or 2*DS”, y “Min/Max”. Pues dejame decirte que eso se utiliza para aplicar el método de Montecarlo en este software.
En “Distribución”, debes elegir el modelo de distribución.
En “DS^2 or 2*DS”, solo se activará si eliges un modelo de distribución normal o lognormal. Si eliges el modelo de log normal debes utilizar la fórmula “DS^2”, donde DS es la Desviación estándar. Esto quiere decir que debes elevar a la potencia de 2 la desviación que obtienes luego de hacer la gráfica de tus datos. Si eliges Normal, debras multiplicar tu desviación estándar por 2.
En “Min/Max”, se activará si seleccionas los modelos de distribución Triangular y Unirme. Deberas el valor mínimo y el valor máximo en el cual quieres el que programa coloque valores aleatorios. En el caso del modelo Uniforme, que es la mayoria de los casos de los ACV, te recomiendo colocar el menor valor y el valor más alto.
Luego, dirigete a “Configuración de cálculo” en el navegador de SimaPro, y crea un nuevo cálculo.
En “Configuración del cálculo”, en la parte inferior de la pantalla encontrarás una sección que se llama: “Criterio de interrupción para Montecarlo”.
El primer criterio que debes completar es: “Número fijo de serie”. Montecarlo es un módelo que utiliza valores aleatorio, pero la pregunta es cuántos valore. En esta sección debes elegir la cantidad de datos que quieres el el programa cálcule. Entre más datos, más se va a demorar y más preciso va a ser con la realidad.
Si no quieres elegir la cantidad de datos, y que el programa lo haga por ti, entonces elige la opción de “Usar factor de corte”, donde aleatoriamente el programa eligirá la cantidad de datos a utilizar pero tu deberás decirle el rango de datos quie debe elegir. Ej. 0,005 (0,5%)
En “Valor base”, lo puedes activar si quieres que el programa comience la corrida de datos en un valor específico.
Por último, en “Valor” aparecera el valor que se desea mostrar al momento de hacer el cálculo. Esto aparece automáticamente si llegaste aquí por los iconos de la parte superior de SimaPro.
Como recomendación, si estas aprendiendo a utilizar este método, elige un numero de serie fijos y no actives la opción de valor base. Será todo mucho más fácil.
Beneficios de utilizar simulaciones de Montecarlo en SimaPro
El uso de simulaciones Montecarlo en SimaPro tiene múltiples ventajas, tanto desde el punto de vista técnico como estratégico:
Mejor toma de decisiones: Ofrece una base estadística sólida para evaluar opciones con incertidumbre.
Credibilidad: Mejora la transparencia y la confianza en los resultados del ACV.
Priorización de mejoras: Facilita el análisis de sensibilidad y permite enfocar esfuerzos donde más impacto tiene.
Optimización de recursos: Reduce el esfuerzo en recolección de datos al saber dónde realmente influye.
Evaluación comparativa robusta: Permite comparar alternativas bajo múltiples escenarios, no solo en un punto específico.
Si te tuviera que resumir el beneficio de utilizar este método en un ACV sería:
Curso avanzado sobre Montecarlo y SimaPro
Dada la creciente demanda de profesionales capaces de trabajar con datos complejos y extraer conclusiones sólidas, he diseñado un curso para principiantes en Montecalo, pero intermedios en SimaPro, dentro del contexto del ACV.
Mi objetivo con este curso es formar expertos capaces de traducir datos inciertos en decisiones confiables, usando las mejores prácticas y herramientas que el mercado ofrece.
Curso de Monte Carlo en SImaPro
-
Fundamentos matemáticos del modelo de Montecarlo
-
Selección y aplicación de distribuciones
-
Configuración de simulaciones en SimaPro
-
Interpretación estadística de resultados
-
Análisis de sensibilidad y visualización de resultados
-
Estudios de caso reales