seminario de analisis de riesgo y toma de decisiones en la industria

SEMINARIO DE ANALISIS DE RIESGO Y TOMA DE DECISIONES EN LA
INDUSTRIA ELECTRICA
TOPICO
1
2
3
Introducción al @RISK
Uso del RISKView
Variables aleatorias
correlacionadas en
@RISK
4
Introducción a la
selección de funciones
de distribución
5
Selección de
distribuciones
apropiadas con datos
disponibles
6
7
8
Selección de
distribuciones basadas
en el criterio experto
Construcción de un
modelo de flujo de caja
ejemplo con @RISK
Introducción al
RiskOptimizer
HORAS DETALLE
24,0
El objetivo de este curso eminentemente práctico es brindar una
capacitación especializada a profesionales de la industria de generación
eléctrica, en el uso de la herramienta de análisis de riesgo y toma de
decisiones Decisión Tools de Palisade Corporation. Se establecen los
fundamentos prácticos estadísticos, se desarrollan prácticas para
conocimiento y navegación del software de simulación Monte Carlo
(@RISK) y optimización por algoritmos genéticos (RISKOptimizer) y se
realizan ejercicios de aplicaciones específicas en la industria de
generación eléctrica.
3,6
Preliminares, celdas de variabilidad, celdas de salida, revisión de estructura
del modelo @Risk, correlación de variables, ajuste de la simulación, selección
de reportes de Excel, inicio de simulación, revisión de resultados, verificación
de convergencia de los resultados de distribución, distribuciones utiles para el
analista de riesgos principiante
1,0
Examen visual de distribuciones, examen de la funcionalidad de sobreposición
en RISKview, distribuciones Truncadas, el Artista de Distribuciones en
@RISK. Exploración de distribuciones de probabilidad seleccionadas
disponibles en @RISK
1,5
Introducción, interdependencia entre variables inciertas, ¿Qué es correlación?,
clarificación de la confusión entre la correlación y qué tan pronunciada es una
pendiente, efecto de correlación entre dos variables de entrada @Risk en una
simulación, correlación jerarquizada, la importancia de la correlación a la
distribución resultante, estimación del Producto-Momento Pearson y las
Correlaciones jerarquizadas de los datos, creación de una nueva tabla de
correlación.
0,7
Introducción, reducción de las alternativas, estándar de la industria,
distribución Normal, distribución Lognormal, distribuciones normal truncada y
lognormal truncada, distribución Pert, distribución Beta General, distribuciones
Discretas, distribuciónn binomial, otras Distribuciones, estimación de
distribuciones usando datos, estimación de distribucones basada en la
información de expertos, decidiendo entre distribuciones alternativas.
1,5
Este capítulo provee una introducción a un tema importante: Cómo
seleccionar la distribución correcta. De hecho, hay siempre más de una
manera de resolver un problema. Aquí se discuten detalles sobre algunas de
las distribuciones más útiles para representación de la incertidumbre.
0,8
Este capítulo introduce la versión de BestFit que se encuentra integrada
dentro de Risk 4.5 (Profesional e Industrial). Si usted dispone de datos,
BestFit proveerá distribuciones tentativas de una biblioteca de más de 20
distribuciones Risk. No existe ninguna garantía de que se pueda encontrar
una “buena” distribución. Es posible que los datos sean tan irregulares, que
ninguna distribución paramétrica funcione. En tal caso, se requerirá del buen
juicio.
2,1
Se construye un modelo de flujo de caja empresarial utilizando los conceptos
fundamentales de operación de @RISK. El propósito de este módulo es
integrar los conocimientos, prácticas y herramientas aprendidas a lo largo dela
capacitación introductoria al @RISK utilizando para ella el módelo clásico de
valuación de flujos financieros para la obtención de un valor actual neto y una
tasa interna de retorno.
1,5
El @RISK se utiliza para obtener estadísticas descriptivas en situaciones en
donde tomamos decisiones bajo incertidumbre. Con el RISKOptimizer,
podemos realmente encontrar la MEJOR decisión a realizar bajo
incertidumbre. El siguiente ejemplo sencillo nos introducirá al poder del
RISKOptimizer.
9
Uso de @Risk para
determinación de
capacidad de planta
10
Usando RISKOptimizer
y Solver para
determinar
capacidades de planta
óptimas
11
Planeamiento de
capacidad para una
empresa de servicios
eléctricos
12
Ajuste de series de
datos históricas de
caudales para
planeamiento
hidroeléctrico
1,5
13
Modelo optimizado de
predicción de
generación
hidroeléctrica
2,1
2,1
Como usar RISK para determinar la capacidad de planta que maximiza el VAN
del flujo de caja.
2,6
Este ejemplo lidia con la determinación de la configuración óptima de planta
para un nuevo producto. La demanda del producto es incierta, de forma tal
que la determinación de los niveles de capacidad es complicada. Una vez que
se establezca un nivel de capacidad de planta, sabemos que se debe
optimizar la distribución dado tales niveles de capacidad. Este ejemplo utiliza
tanto el RISKOptimizer como el Solver de Excel utilizando macros para su
resolución.
3,0
Las empresas eléctricas se enfrentan a decisiones muy complejas. Por
ejemplo, debería una generadora de electricidad vender algunas de sus
plantas y adquirir energía de otros productores. Este ejemplo muestra cómo el
RISKOptimizer y el Solver pueden ser utilizados conjuntamente para
determinar cuáles plantas generadoras debería operar una empresa y cuáles
debería cerrar.
En esta sesión, se proveen series históricas de datos relevantes a la
generación eléctrica (caudales de potencial hidroeléctrico, precipitaciones,
consumos, etc.). Con estas series de datos, se realizarán análisis utilizando el
Best Fit, la herramienta de Palisade para la búsqueda del mejor ajuste de los
datos a distribuciones de frecuencia.
Una empresa generadora hidroeléctrica debe planear para un año por
anticipado la venta de capacidad y disponibilidad energética de acuerdo el
canon de compra que le plantea un comprador monopólico. Si ofrece más de
lo que puede producir y disponer, el comprador le cobrará una multa por
indisponibilidad. Si ofrece menos, pierde la oportunidad de vender con altas
utilidades su capacidad generadora anual. El desafío consiste en pronosticar
de la mejor forma su oferta de generación y de disponibilidad dada la
incertidumbre en precipitación y caudales para cada estación del año y los
picos diarios de demanda del contrato.