MONTE CARLO (MC) APLICADO

Los cálculos que se utilizan se basan en los documentos siguientes:

Los supuestos que se han utilizado para el método de MC:

  • Número de simulaciones: 10000
  • Número de muestras diarias que pueden entrar: Entre 15 y 40
  • Porcentaje de muestras complejas de las que entran: entre 20% y 60%.
  • Tiempo de análisis: 24 minutos de promedio técnico/analista para muestras sencillas y 42 minutos para muestras complicadas.
  • Coste de reparación: 5000 euros de media.

FUNCIONES A UTILIZAR

#Funcion para calcular costes

library(ggplot2)
## Warning: package 'ggplot2' was built under R version 4.5.2
library(scales) # Para formatear números fácilmente
graficar_costes <- function(conceptos, euros, titulo) {
  
  # 1. Calcular el total y los porcentajes
  total_euros <- sum(euros)
  porcentajes <- (euros / total_euros) * 100
  
  # 2. Crear el data frame
  df <- data.frame(
    Concepto = conceptos,
    Euros = euros,
    Porcentaje = porcentajes
  )
  
  # 3. Crear el gráfico
  p <- ggplot(df, aes(x = reorder(Concepto, Porcentaje), y = Porcentaje)) +
    geom_col(fill = "#2c3e50") + # Color azul oscuro profesional
    coord_flip() +
    # Añadimos etiqueta con el % y el valor original en € para mayor claridad
    geom_text(aes(label = paste0(round(Porcentaje, 1), "% (", Euros, "€)")), 
              hjust = -0.1, 
              size = 4) +
    # Ajustar escala para dejar espacio a las etiquetas
    scale_y_continuous(limits = c(0, max(porcentajes) * 1.2), 
                       labels = scales::percent_format(scale = 1)) +
    labs(
      title = titulo,
      subtitle = paste("Coste total (€):", format(round(total_euros,2), big.mark = "."), "€"),
      x = NULL,
      y = "Peso sobre el coste total (%)"
    ) +
    theme_minimal(base_size = 13) +
    theme(panel.grid.minor = element_blank())

  return(p)
}

coste_amortizacion <- function(equipo, muestras) {
  
  # Calcular las muestras al año asumiendo que el equipo, teniendo en cuenta mantenimiento y averias puede trabajar una media de 240 dias al año laborables
  
  muestras_year<-muestras*240
  
  # Calcular la amortizacion a 7 años, siendo lo normal entre 5 y 10 años
  
  amortizacion<-round(equipo/(muestras_year*7),2)
  
  return (amortizacion)
}

COSTE

## Warning in prettyNum(.Internal(format(x, trim, digits, nsmall, width, 3L, :
## 'big.mark' y 'decimal.mark' son ambos '.', lo cual puede ser confuso

## Warning in prettyNum(.Internal(format(x, trim, digits, nsmall, width, 3L, :
## 'big.mark' y 'decimal.mark' son ambos '.', lo cual puede ser confuso

MONTE CARLO

## --- RESULTADOS DE LA SIMULACIÓN ---
## Coste medio por muestra:  25.55 €
## Coste máximo esperado (P95):  34.16 €
## Coste mínimo esperado (P5):  20.08 €

## --- ESTADÍSTICAS DE RIESGO ---
## Coste MEDIANO:  34.21 €
## Coste en el PEOR ESCENARIO (P99):  288.18 €

## --- ANÁLISIS DE RENTABILIDAD ---
## Punto de equilibrio estimado:  3.6  muestras/día
## Probabilidad de tener pérdidas en un día cualquiera:  5.24 %
## Beneficio medio esperado por día:  871.5 €

CAPACIDAD DE UN EQUIPO