Beneficio en la cotización de mezclas asfálticas mediante simulación de Monte Carlo

Ante realidades inflacionarias, la cotización de los diversos rubros que conforman la obra vial, entre los cuales se destaca el de provisión de la mezcla asfáltica en caliente, genera un grado de incertidumbre, adicional a los habituales por la variación de rendimientos, en cuanto a cuál sería el Beneficio esperable para la empresa proveedora, dada la existencia de un plazo lógico desde la cotización hasta su efectiva provisión y a situaciones en donde por tratarse de sistemas rígidos, los presupuestos no son factibles de verse modificados una vez presentados.
Esto se debe a que si bien es posible considerar una tasa de inflación mensual esperable, ésta se refleja en todos los recursos de manera más confiable y homogénea en plazos que exceden notoriamente a los habitualmente registrados en el ramo para este plazo lógico citado.
El método de simulación Monte Carlo, ofrece una opción de análisis en tal sentido, ya que permitiría la obtención de la distribución probabilística del Beneficio esperable, en función de la inclusión de distribuciones probabilísticas para el incremento de los costos de los recursos. Luego, gracias a esa distribución obtenida podrían establecerse los intervalos de confianza esperables para distintos umbrales de Beneficio, disminuyéndose el grado de incertidumbre en quien tiene la toma de decisión en la confección del presupuesto por parte del proveedor de la mezcla asfáltica.

MATERIALES Y MÉTODOS
La simulación de Monte Carlo es una técnica de análisis que combina conceptos estadísticos (muestreo aleatorio) con la capacidad que tienen las actuales computadoras de generar números pseudo-aleatorios y automatizar cálculos, aplicándose en una infinidad de ámbitos en la estimación de soluciones para problemas complejos como alternativa a los modelos matemáticos exactos.
La técnica es de aplicación en el análisis y evaluación de negocios y toma de decisiones que involucran riesgo en las decisiones, o sea condiciones de incertidumbre. Bajo ese contexto, obtener resultados que se acerquen lo más preciso posible a lo que acontecerá en el futuro se torna imprescindible a la hora de efectuar una evaluación económica.
Tradicionalmente, los análisis de riesgo se efectuaban estudiando escenarios estáticos y unidimensionales, por ejemplo, un escenario pesimista, uno medio y uno optimista prediciendo sólo un resultado al sensibilizar las variables. La simulación de Monte Carlo permite completar ampliamente este enfoque incorporando dinamismo al estudio, obteniendo no sólo los puntos extremos sino todos aquellos escenarios que se encuentran en el medio. De este modo se puede estimar cual es la probabilidad de que un proyecto de inversión sea rentable.
En la actualidad, los encargados de la toma de decisiones acuden a planillas de cálculo para confeccionar sus modelos o evaluar sus proyectos, existiendo programas diseñados como complementos de Microsoft Excel (Add-in). Para este caso en particular de aplicación, se ha procedido a la confección de una planilla de cálculo en Excel, utilizada en la determinación de precio al público de la tonelada de mezcla asfáltica en caliente despachada en la planta asfáltica, a los efectos de permitir la posterior simulación mediante el programa SimulAr de las distribuciones de los costos de los recursos ante escenarios planteados y obtener la distribución probabilística del Beneficio, partiendo del precio de venta al público fijado.
La planilla en cuestión tiene incorporados los siguientes aspectos:

• El rendimiento de la planta asfáltica se establece mediante la producción horaria estimada de la mezcla asfáltica en tn/hora y el nivel mínimo de producción diario para la venta en tn/día.
• Los jornales para la mano de obra se analizan introduciendo en $/hora el costo según salario mínimo para oficial especializado, oficial, ayudante y encargado. Estos valores son luego afectados por una incidencia por mejoras sociales, seguro obrero y otras cargas, obteniéndose en conjunto con las horas de trabajo, los costos diarios para cada categoría de operario en $/día.
• Los materiales son introducidos según su costo puesto en planta sin IVA en $/tn y los combustibles para funcionamiento de la planta y limpieza de la misma en $/litro.
• Los equipos son considerados según su valor económico y potencia requerida en HP, valores a partir de los cuales se establece luego su consumo, amortización, interés, gastos en lubricantes y repuestos y reparaciones. Se incorporan bajo este concepto a la balanza, los cargadores frontales, el depósito de asfalto en caliente y la planta asfáltica propiamente dicha.
• Para el análisis final del costo de producción, se establece adicionalmente la dosificación de la mezcla asfáltica, la conformación de la cuadrilla de operarios y una incidencia del rubro de vigilancia respecto del costo de mano de obra.
• Con el costo de producción, afectando en cada caso como corresponde, se incluye el Beneficio deseable, los gastos generales, los gastos financieros y los impuestos, para arribar finalmente al precio de venta al público.
• Dada esta conformación de la planilla, se desprenden los recursos que son factibles de verse afectados en mayor o menor medida por la inflación, los cuales son:
• $/hora básicos para oficial especializado, oficial, ayudante y encargado.
• $/tn en planta de piedra partida 6:20, arena de trituración 0:6, cal a granel, cemento asfáltico CA-30 (dada la dosificación del caso analizado).
• $/litro en planta de gasoil y mezcla 70-30 de fueloil-gasoil.
• Costo actual de balanza, cargadores frontales, depósito de asfalto en caliente y planta asfáltica propiamente dicha.

Como paso siguiente resta establecer cuáles serían las variables de entrada del sistema a ser simulado, entendiendo a las mismas como a aquellas partidas, factores, índices, etc., que se cree que tendrán un comportamiento aleatorio en el futuro. Ese comportamiento aleatorio responderá a una cierta distribución probabilística, cuya forma será aquella la que mejor de ajuste a sus características intrínsecas.
El análisis del problema en particular permite establecer que la variable de entrada es el incremento porcentual de costos mes a mes, entendiendo al mismo como una tasa de interés compuesta:

Donde:

Para establecer la distribución probabilística de este incremento porcentual mensual, se recurre al análisis de series históricas relacionables en tal sentido, lo cual permite obtener los estadísticos principales que permiten describir tal distribución. Estos estadísticos permiten luego plantear diversos escenarios de simulación, para distintos intervalos (en meses) entre la confección del presupuesto y la provisión efectiva de la mezcla asfáltica.
Con la planilla así confeccionada se fijan las variables de salida, que son aquellas de las cuales se pretende estudiar su comportamiento, siendo indispensables para obtener la información que sirva de apoyo para la toma de decisiones. En este caso las variables de salida seleccionadas son los Beneficios porcentuales respecto del precio de venta al público en los distintos escenarios, el cual es fijado al presupuestar. El Beneficio surge en cada escenario al descontar al precio de venta al público el costo de producción simulado, que es variable en función de los valores que tomen las variables de entrada, y el resto de descuentos ya citados (gastos generales, gastos financieros, impuestos, etc.)
Finalmente se hace correr automáticamente la simulación tantas veces como se desee (el software SimulAr empleado en este trabajo permite fijar este número hasta en 1.000.000 de simulaciones, siendo el valor por defecto de 10.000 simulaciones). Con los resultados de las variables de salida de todas estas simulaciones se construyen sus distribuciones probabilísticas, a partir de las cuales pueden ejecutarse los análisis correspondientes para la toma de decisión.

RESULTADOS
Para establecer la distribución probabilística de las variables de entrada, se ha hallado que de los datos disponibles uno que puede utilizarse como indicativo es el del Indice de Costo de la Construcción (ICC), del Instituto Nacional de Estadísticas y Censos (INDEC), para el rubro de Movimientos de Suelos. Este ítem, si bien no cuenta como insumo a la provisión de mezcla asfáltica, resulta el más relacionable con la misma de entre los que el INDEC pone a disposición en tal sentido (estructura, albañilería, yesería, pintura, etc.). Con esta muestra se confeccionó una gráfica de control para los incrementos de costos mensuales de los últimos 100 meses, hasta abril de 2014, tomados en grupos de a tres. Allí se pudo observar como en los últimos registros la tendencia se dispara hacia arriba, poniendo de manifiesto una acentuación en el proceso inflacionario registrado en el último año.
Tomando los  de los últimos 12 meses se establece la tipología de distribución que mejor refleja a la variable en análisis. Para este caso en particular se ha establecido que esta distribución es la normal, arribándose a un p-valor de 0,67 para el ajuste Chi-Cuadrado, lo cual resulta estadísticamente aceptable, máxime si se lo compara con los obtenidos por la misma vía para otros tipos de distribuciones de las habitualmente utilizables (triangular, uniforme, etc.). La Figura 1 permite observar el ajuste entre la distribución teórica y la distribución normal obtenido al aplicar el análisis mediante el programa SimulAr.

La distribución normal, o de Gauss, es la más ampliamente utilizada en experimentos de este tipo, siendo descripta por su media  y su desvío estándar . Para la muestra analizada, se destaca de entre los estadísticos establecidos, además de la media del 2,69% y del desvío estándar de 3,09%, a los coeficientes de asimetría y de curtosis tipificados, los cuales por presentar valores en el rango de dos, implican un ajuste estadísticamente aceptable para la distribución normal.
Buscando validar estos datos se ha analizado también los registros de costos de la Cámara Argentina de la Construcción (CAC) para una obra civil tipo. De los datos de Indice de Materiales desde enero 2013 a marzo de 2014 se obtienen los incrementos mensuales de costo, presentando una media de 2,99%, muy similar a la obtenida con los datos del INDEC, aunque con un desvío estándar menor, ubicado en el 2%. Dado el aceptable grado de similitud alcanzado con los datos de la CAC, se dan por validados los estadísticos obtenidos con los datos del INDEC.
Para la obtención y análisis de resultados se han elaborado para este trabajo cuatro escenarios, de los cuales tres son factibles de ser simulados. El escenario 1 comprende la concreción de la provisión de la mezcla asfáltica en forma relativamente inmediata a la confección del presupuesto, es decir en aquellas situaciones en donde puede interpretarse no se han producido modificaciones en los costos de los recursos, o al menos en caso de haberse producido estas modificaciones resultan claramente despreciables. Los tres restantes escenarios comprenden las situaciones en donde se registran 1, 2 y 3 meses entre la confección del presupuesto y la concreción de la provisión de la mezcla asfáltica, respectivamente.
El contacto con firmas proveedoras de mezcla asfáltica en caliente de la región de La Plata ha permitido establecer los valores de mercado promedio de los recursos a ser considerados (tanto para la cuadrilla, los materiales y los equipos), los cuales permiten arribar a un Beneficio a abril de 2014 (siempre para la situación promedio) del 11,89% respecto del precio de venta. Este es el escenario 1, que lleva a un análisis estático de la situación.
Al simular luego, mediante 10.000 corridas, los tres escenarios restantes, se arriban a los resultados de la distribución del Beneficio que se vuelcan en la Tabla 1.

A manera de ejemplo se muestra en la Figura 2 la gráfica de la distribución del Beneficio para el escenario a dos meses.

DISCUSIÓN
Las corridas además permiten confección las gráficas de distribución acumuladas que se observan en la Figura 3, para los tres escenarios variables analizados.

Gráficas como esta última resultan muy útiles en la toma de decisión, pues para el precio de venta estimado a partir de los costos actuales, sólo a manera de ejemplo puede deducirse de las mismas que:

• El Beneficio fijo de casi el 12% que se obtendría con la provisión en forma inmediata a la confección del presupuesto, tiene una probabilidad de obtención reducida de aproximadamente el 20% si transcurre un mes entre el presupuesto y la provisión, y cercana al 10% si transcurren entre dos y tres meses.
• Si se reducen en cambio las expectativas de Beneficio en al menos un 10% es posible observar que las probabilidades de obtenerlo si ha transcurrido un mes ascienden a aproximadamente el 60%, si han transcurrido dos meses al 30% y si transcurrieron tres meses al 25%.

Las probabilidades de registrar pérdidas (Beneficio menor al 0%) si hubieran transcurrido tres meses desde el presupuesto hasta la provisión se ubican en un 10%.

CONCLUSIÓN
Se deduce de los conceptos vertidos en este documento, que surgen del estudio de diversas fuentes de información, y de los resultados obtenidos del caso de aplicación de la planilla de cálculo desarrollada, que el análisis por simulación de Monte Carlo resulta una herramienta útil para dar mayor grado de certidumbre en la confección de presupuestos de rubros viales, en este caso de provisión de mezcla asfáltica en caliente, en situación de economías inflacionarias.

* Julián Rivera es subdirector del Centro de Investigaciones Viales, Fac. Reg. La Plata, Universidad Tecnológica Nacional (LEMaC); y Luciano Brizuela, Matias Oviedo y Gustavo Das Neves investigadores del LEMaC.