Saltar al contenido principal

​
Visión general

Una sola ejecución (Run) de simulación usa un sorteo aleatorio de cada distribución (Distribution) en tu modelo (Model) — es una versión posible de la realidad. Monte Carlo corre la misma configuración muchas veces con diferentes semillas aleatorias y reporta la distribución de resultados en lugar de una estimación puntual. Esa es la diferencia entre “el rendimiento (Throughput) es 847 unidades/día” y “el rendimiento es 847 ± 23, con un percentil 95 de 891”. Una vez que puedes leer la distribución, puedes razonar sobre la confianza: una estrecha significa que la respuesta es robusta a la aleatoriedad; una amplia significa que el desempeño del modelo depende fuertemente de cómo se desarrollan los eventos (Events) estocásticos. Monte Carlo es la herramienta correcta para cuantificación de incertidumbre de configuración única. Para comparar diferentes configuraciones lado a lado, ver Experimentos (Experiments). Para paneles (Dashboards) ad-hoc a través de ejecuciones, ver Hallazgos (Insights).
Monte Carlo varía la semilla aleatoria, no tus parámetros. Te dice qué tan confiado deberías estar en el comportamiento de una Instantánea (Snapshot). Para barridos de parámetros — ¿qué pasa si agrego una máquina CNC? — captura múltiples Instantáneas y compáralas en un Experimento.

​
Antes de ejecutar

Un lote de Monte Carlo corre contra la configuración de la Ejecución actual. La configuración se captura completamente en el momento de encolado:
  • La Instantánea contra la que se ejecutó la Ejecución
  • El calendario (Schedule) que estaba activo
  • Los KPIs y gráficos como están definidos cuando encolas el lote
Una vez encolado, el lote es fijo. Editar KPIs, gráficos o el modelo después no afecta el lote en vuelo o completado.
Los KPIs están bloqueados en el momento de encolado. Si encolas un lote y luego editas una definición de KPI, el lote mantiene la definición antigua hasta completarse. Para recoger cambios de KPI, encola un lote nuevo después de que la edición aterrice.

​
Ejecutando un lote

Monte Carlo puede dispararse desde dos lugares:
  • Monte Carlo de ejecución única. En la página de Resultados de cualquier Ejecución, haz clic en Monte Carlo en la barra superior para cambiar la página a la vista Monte Carlo, luego haz clic en Run Monte Carlo. El modal pide N Runs — el número de semillas a barrer.
  • Monte Carlo por Instantánea dentro de un experimento. Dentro de un Experimento, dispara Monte Carlo en la página de Ejecución individual de cada Instantánea cuando quieras tanto comparación entre Instantáneas como intervalos de confianza por Instantánea.
El campo N Runs predetermina a 100 y acepta cualquier valor entre 1 y 1,024.
El predeterminado de 100 semillas es el punto de partida correcto para la mayoría de los modelos. Sube a 200+ cuando te importen las métricas de cola (P95, P99) — las colas necesitan más muestras para estabilizarse. El máximo duro por lote es 1,024; si necesitas más, ejecuta múltiples lotes y agrégalos.

​
Leyendo tus resultados

Un lote completado produce una vista de Resultados de Monte Carlo con tres capas de detalle:
  • Resúmenes estadísticos para cada KPI — media, desviación estándar, mediana y percentiles (25, 75, 90, 95, 99).
  • Histogramas de la distribución de cada KPI a través de todas las semillas — qué tan a menudo ocurrió cada resultado.
  • Box plots mostrando la dispersión, cuartiles y valores atípicos de un vistazo.
La ejecución de cada semilla individual también es accesible — haz clic en la fila de una sola semilla para abrir su página de Resultados si quieres inspeccionar el event log o gráficos de una réplica específica.

​
Construyendo gráficos

Los gráficos alcanzados a Monte Carlo son mejores para visualizar a través de réplicas en lugar de a lo largo del tiempo de simulación. Tipos útiles:
  • Histogramas — distribución de un KPI a través de las semillas
  • Box plots — cuartiles y valores atípicos por grupo (por ejemplo, por recurso (Resource))
  • Scatter — relación entre dos KPIs a través de las semillas (por ejemplo, ¿el rendimiento se correlaciona con el WIP?)
Créalos a través de Dexter de la misma forma que crearías cualquier otro gráfico — describe lo que quieres y Dexter escribe la consulta subyacente contra el conjunto de resultados multi-semilla.

​
Interpretando resultados

Algunas cosas a observar al leer la distribución:
  • Las distribuciones estrechas son tranquilizadoras. Una desviación estándar pequeña relativa a la media significa que el comportamiento del modelo es robusto a la aleatoriedad — la estimación puntual es confiable.
  • Las distribuciones amplias son una señal. Una dispersión amplia significa que los eventos estocásticos impulsan una varianza material de resultados; la media por sí sola puede ser engañosa.
  • Las colas importan para los SLAs. “El rendimiento promedio está bien” no te dice nada sobre el peor caso. P95/P99 es donde encuentras los días en que un compromiso descendente no puede cumplirse.
  • El modelo no cambió. Si las distribuciones de dos lotes lucen idénticas, eso es el sistema diciéndote que el cambio que hiciste no importa bajo ruido — a veces una respuesta útil.

​
Trampas comunes

  • Editar el modelo a mitad del lote. El lote usa la configuración capturada en el momento de encolado. Las ediciones no se propagan; encola un lote nuevo.
  • Confundir Monte Carlo con Experimentos. MC = muchas semillas, una configuración. Experimentos = muchas configuraciones, una semilla cada una (o muchas semillas cada una). Usa ambos cuando ambas preguntas importen.
  • Leer P95 con muy pocas semillas. Los percentiles de cola son ruidosos a 50–100 semillas. Sube a 200+ antes de sacar conclusiones sobre el comportamiento en el peor caso.

​
Funciones relacionadas

  • Instantáneas — la congelación inmutable contra la cual corre un lote de Monte Carlo
  • Experimentos — comparando múltiples Instantáneas lado a lado, con Monte Carlo por Instantánea
  • Resultados — la superficie alcanzada a Ejecución donde se renderizan las ejecuciones de semillas individuales
  • Hallazgos — paneles duraderos que pueden resumir a través de lotes