Modulo de Dinamica de Sistemas V 21 de Dic 2013

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERA.

CONTENIDO DIDCTICO DEL CURSO: 301126 DINMICA DE SISTEMAS

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERA
PROGRAMA DE INGENIERA DE SISTEMAS

301126 DINMICA DE SISTEMAS

ELICER PINEDA BALLESTEROS
(Director Nacional)

BUCARAMANGA
Diciembre de 2013


NDICE DE CONTENIDO

INTRODUCCIN .................................................................................................... 9
NDICE DE CONTENIDO ........................................................................................ 2
UNIDAD 1 CONCEPTUALIZACIN SOBRE SISTEMAS Y MODELOS ................. 8
CAPTULO 1: LA IDEA DE SISTEMA ................................................................... 12
Introduccin ....................................................................................................... 12
Leccin 1: Mquinas, Sistemas y Modelos ........................................................ 12
Mquinas ........................................................................................................ 12
Las mquinas simples .................................................................................... 13
Sistemas ........................................................................................................ 14
Orgenes y perspectivas del pensamiento sistmico ..................................... 14
La teora General de Sistemas ....................................................................... 15
Sistemas Abiertos y Cerrados ........................................................................ 16
Modelos .......................................................................................................... 18
Leccin 2: La Ciberntica .................................................................................. 19
Los campos de aplicacin de la ciberntica ................................................... 20
Leccin 3: El Concepto de Sistema ................................................................... 22
Leccin 4: El Pensamiento de Sistemas ............................................................ 24
Leccin 5: Perspectivas del Pensamiento de Sistemas ..................................... 27
CAPTULO 2: EL MODELADO .............................................................................. 29
Introduccin .................................................................................................... 29
Leccin 6: La Dinmica del Ser al Existir ........................................................... 30
Leccin 7: La idea de Modelo ............................................................................ 33
Modelo y modelado ........................................................................................ 33
Leccin 8: Modelo: para Representar o para ser Representado ....................... 34
Leccin 9: Modelado Segn su Uso .................................................................. 36
Modelado Para El Aprendizaje ....................................................................... 36
Modelado Para La Explicacin ....................................................................... 38
Modelado Para La Intervencin ..................................................................... 38
Leccin 10: Modelado Segn su Proceso.......................................................... 40
Modelado De Rplica ..................................................................................... 40
Modelado De Reconstruccin ........................................................................ 41
Modelado De Construccin ............................................................................ 42
CAPTULO 3: DIAGRAMAS DE INFLUENCIAS ................................................... 45
Introduccin ....................................................................................................... 45
Leccin 11: Causalidad vs Correlacin .............................................................. 46
Leccin 12: Modo de Referencia y la Hiptesis Dinmica ................................. 48
Hiptesis dinmica ......................................................................................... 48
Modo de referencia ........................................................................................ 49
Leccin 13: Elementos de los Diagramas de Influencias ................................... 51
La estructura del sistema ............................................................................... 51
Los diagramas de influencias ......................................................................... 52
Recomendaciones para construir diagramas de influencias .......................... 54


Errores comunes en la realizacin de diagramas de influencias .................... 54
Leccin 14: Los Ciclos de Realimentacin ........................................................ 56
Ciclo de realimentacin positiva ..................................................................... 56
Ejemplo de ciclo de realimentacin positivo ................................................... 56
Ciclo de realimentacin negativa ................................................................... 57
Ejemplo de ciclo de realimentacin negativo ................................................. 57
Ciclos de realimentacin acoplados ............................................................... 58
El crecimiento sigmoidal ................................................................................. 58
Leccin 15: Los retardos ................................................................................... 60
ACTIVIDADES DE AUTOEVALUACIN DE LA UNIDAD UNO ........................ 61
FUENTES DOCUMENTALES DE LA UNIDAD UNO ........................................ 63
UNIDAD 2: DIAGRAMAS DE FORRESTER ......................................................... 65
CAPTULO 4: ELEMENTOS DE LOS DIAGRAMAS DE FORRESTER ................ 66
Introduccin ....................................................................................................... 66
Leccin 16: La Nocin de Razn de Cambio y Acumulacin ............................. 67
Nociones acerca del cambio .......................................................................... 67
El cambio cualitativo ...................................................................................... 67
Cambio cuantitativo ........................................................................................ 67
La razn de cambio ........................................................................................ 68
Leccin 17: Diagramas de Forrester .................................................................. 69
Los elementos del diagrama de Forrester ...................................................... 70
Leccin 18: Los Niveles y los flujos ................................................................... 73
Construccin del diagrama de Forrester ........................................................ 73
Algunas recomendaciones para reconocer los niveles y los flujos ................. 74
Ejemplos de niveles: ...................................................................................... 75
Flujos asociados a los niveles ........................................................................ 75
Leccin 19: Las variables Auxiliares, los Multiplicadores y las No Linealidades 77
Variables auxiliares ........................................................................................ 77
No linealidades ............................................................................................... 78
Los Multiplicadores ........................................................................................ 78
Leccin 20: Caracterizacin de los Retardos ..................................................... 80
Retardos de material. ..................................................................................... 81
Retardo de informacin .................................................................................. 82
CAPTULO 5: ELABORACIN DE DIAGRAMAS DE FORRRESTER .................. 85
Introduccin ....................................................................................................... 85
Leccin 21: Leyendo el Diagrama de Influencias .............................................. 86
Del ser al existir de la dinmica conejo-zorro ................................................. 86
El diagrama de influencias del modelo presa predador ................................. 87
Leccin 22: Definiendo los Niveles .................................................................... 89
Manos a la obra. ............................................................................................ 89
Leccin 23: Identificando los Flujos ................................................................... 91
Leccin 24: Usando las variables auxiliares ...................................................... 94
Leccin 25: Usando los retardos y tablas .......................................................... 96
CAPTULO 6: SIMULACIN ............................................................................... 101
Introduccin ..................................................................................................... 101
Leccin 26: Escenarios de Simulacin ............................................................ 102


Algunas caractersticas del diseo de escenarios: ....................................... 103
Escenarios y pronsticos ........................................................................... 104
Los escenarios y la toma de decisiones ....................................................... 104
Cmo construir o Simular escenarios........................................................... 104
Etapas .......................................................................................................... 104
Leccin 27: Anlisis de Sensibilidad ................................................................ 107
El anlisis de sensibilidad permite: .............................................................. 107
Limitaciones del Anlisis de Sensibilidad ..................................................... 107
Leccin 28: Validacin de Modelos ................................................................. 111
Introduccin a la validacin de modelos....................................................... 111
El proceso de validacin de un modelo ........................................................... 112
Fases en la validacin de un modelo ........................................................... 113
Leccin 29: Pruebas de modelos en la prctica .............................................. 115
Prueba de lmites del modelo ....................................................................... 115
Pruebas de evaluacin de la estructura ....................................................... 115
Evaluacin de parmetros ............................................................................ 116
Pruebas de condiciones extremas ............................................................... 116
Pruebas de reproduccin de comportamiento .............................................. 116
Leccin 30: Experimentacin Simulada ........................................................... 117
Aprendizaje organizacional "natural" ............................................................ 117
Mundos virtuales para el aprendizaje organizacional "artificial" ................... 118
Incrementando la eficiencia del aprendizaje organizacional ........................ 118
FUENTES DOCUMENTALES DE LA UNIDAD DOS ...................................... 122
UNIDAD 3: TOMA DE DECISIONES APOYADA CON SIMULACIN ................ 123
CAPTULO 7: TOMA DE DECISIONES .............................................................. 124
Introduccin ..................................................................................................... 124
Leccin 31: Introduccin a la Toma de Decisiones .......................................... 125
Decisiones en situacin de certeza .............................................................. 125
Decisiones en situacin de incertidumbre .................................................... 125
Decisiones en situacin de riesgo ................................................................ 126
Leccin 32: La empresa como sistema ........................................................... 127
Leccin 33: Modelo en prosa de caso de estudio ............................................ 129
Leccin 34: Modelo del caso ........................................................................... 131
Diagrama de influencias ............................................................................... 131
Diagrama de Forrester ................................................................................. 132
Ecuaciones del modelo ................................................................................ 133
Leccin 35: Simulaciones y toma de decisiones .............................................. 135
Diseo de escenario .................................................................................... 135
Experimentacin Simulada. .......................................................................... 135
CAPTULO 8: CASO DE ESTUDIO .................................................................... 138
Introduccin ..................................................................................................... 138
Leccin 36: Los sistemas agroindustriales ...................................................... 139
Leccin 37: Visin sistmica de las cadenas productivas................................ 141
Bases conceptuales ......................................................................................... 141
Leccin 38: Descripcin de la Cadena Productiva del Tabaco ........................ 143


Leccin 39: El diagrama de influencias y diagrama de Forrester de la cadena
productiva del tabaco ....................................................................................... 145
Leccin 40: Experimentacin simulada, la cadena productiva del tabaco. ...... 148
CAPTULO 9: PERSPECTIVAS DE USO DE LA DINMICA DE SISTEMAS .... 151
Introduccin ..................................................................................................... 151
Leccin 41: Modelado en Ingeniera de Petrleos ........................................... 152
Produccin De Pozos Petroleros ................................................................. 152
Pensamiento Sistmico y Dinmica de sistemas ......................................... 153
Leccin 42: Modelado en Economa ................................................................ 154
El Aprendizaje De La Economa .................................................................. 154
Micromundos De Experimentacin Como Alternativa Para El Aprendizaje De
Teoras Econmicas .................................................................................... 154
Leccin 43: Modelado en la Salud ................................................................... 156
Cmo la dinmica de sistemas y los sistemas expertos pueden contribuir en
la solucin del problema? ............................................................................. 156
Leccin 44: Modelado en Pedagoga .............................................................. 157
La simulacin y su relacin con la pedagoga. ............................................. 157
Leccin 45: Modelado en Educacin Bsica ................................................... 158
La Participacin Ciudadana como una Competencia Ciudadana ................ 158


LISTADO DE GRFICOS Y FIGURAS

Figura 1 Representacin De La Metfora Deleuziana
.
14
Figura 2 Remolino De Agua
.
26
Figura 3 Ilustracin De La Peste En La Biblia De Toggenburg
.
30
Figura 4 El Tringulo De La Significacin 31
Figura 5 Modelo Del Circuito Rlc. 34
Figura 6 Modelo Y Pintor De George Owen Wynne Apperley. 34
Figura 7 Modelo Y Realidad. 35
Figura 8 Modelado Para El Aprendizaje. 37
Figura 9 Modelado Para La Explicacin. 38
Figura 10 Modelado Para La Intervencin 39
Figura 11 Modelado De Rplica 40
Figura 12 Modelado De Reconstruccin. 42
Figura 13 Modelado De Construccin. 43
Figura 14 Modo De Referencia 50
Figura 15 Llenado Del Vaso. 51
Figura 16 Variables En El Proceso De Llenado Del Vaso. 51
Figura 17 Estructura Del Sistema. 52
Figura 18 Diagrama De Influencias 53
Figura 19 Estructura Y Comportamiento Ciclo De Realimentacin Positivo 56
Figura 20 Estructura Y Comportamiento Ciclo De Realimentacin Positivo 56
Figura 21 Estructura Y Comportamiento Ciclo De Realimentacin Negativo 57
Figura 22 Ciclo De Realimentacin Negativo 57
Figura 23 Ciclos Acoplados 58
Figura 24 Comportamiento Ciclo Acoplado 58
Figura 25 Crecimiento En S 59
Figura 26 Retardos 60
Figura 27 Flujo De Monedas Que Llena La Alcanca 68
Figura 28 Smil Hidrodinmico 69
Figura 29 Elementos Del Diagrama De Forrester En Distintos Software 72
Figura 30 Diagrama De Forrester 73
Figura 33 Relacin Entre Nivel Y Flujo 75
Figura 38 Diagrama De Forrester Del Smil Hidrodinmico 77
Figura 39 No Linealidad 78
Figura 40 Multiplicador 79
Figura 41 Retardo En Las Ventas Consecuencia Del Precio 80
Figura 42 Ilustracin De Un Retardo 80
Figura 43 Retardo De Orden Uno De Material 81
Figura 44 Retardo De Orden Uno De Informacin 83


Figura 45 Retardo De Orden Uno De Informacin 84
Figura 46 Modelo Presa Predador 86
Figura 47 Diagramas De Influencias Presa Predador 87
Figura 48 Nivel Y Flujos Asociados A Los Conejos 91
Figura 49 Modelo Presa - Predador 92
Figura 50 Modelo Presa Predador Con Variables Auxiliares 95
Figura 51 Modelo Presa Predador Con Retardo 96
Figura 52 Multiplicador 97
Figura 53 Modelo Presa Predador Con Retardo Y Multiplicador 98
Figura 54 Anlisis De Sensibilidad 108
Figura 57 Resultado Del Anlisis De Sensibilidad Escenario 1 109
Figura 58 Resultado Del Anlisis De Sensibilidad Escenario 2 110
Figura 59 Proceso De Modelado Segn Sterman 111
Figura 60 Proceso De Validacin De Un Modelo 114
Figura 61 Tabla Pronstico De Ventas 129
Figura 62 Diagrama De Influencias Del Caso De Estudio 131
Figura 63 Diagrama De Forrester Del Caso De Estudio 132
Figura 64 Escenario De Simulacin 135
Figura 65 Datos De La Simulacin Experimentada 136
Figura 66 Resultados De La Simulacin Experimenta 137
Figura 67 Sistema Agropecuario 140
Figura 68 Cadena Productiva Cadena De Textiles-Confecciones 142
Figura 69 Cadena Productiva Del Tabaco 143
Figura 70 Diagrama De Influencias De La Cadena Productiva Del Tabaco 145
Figura 71 La Poblacin Y La Demanda De Tabaco 146
Figura 72 La Siembra De Tabaco 146
Figura 73 Diagrama De Forrester Del Primer Prototipo De La Cadena Productiva
Del Tabaco 147


ASPECTOS DE PROPIEDAD INTELECTUAL Y VERSIONAMIENTO

El presente mdulo fue diseado y escrito en el ao 2011 por el Ing. Elicer
Pineda Ballesteros, docente auxiliar de la UNAD, y ubicado en el CEAD de
Bucaramanga. El profesor Pineda es Ingeniero de Sistemas y Economista,
Especialista en Docencia Universitaria, y Magster en Informtica; se ha
desempeado como tutor de la UNAD desde el ao 2004 hasta la fecha y ha sido
catedrtico de la Universidad Industrial de Santander y de la Universidad Pontificia
Bolivariana, entre otras.

Este mdulo se desarrolla como primera versin, acorde a las necesidades
propias del modelo pedaggico centrado en el aprendizaje autnomo promovido
por la UNAD.


INTRODUCCIN

El mdulo de Dinmica de Sistemas se ofrece a la comunidad unadista como una
posibilidad de acceder al modelado estructural mediante una forma didctica
asumiendo elementos de orden pedaggico que posibilitan el aprendizaje sobre el
supuesto de que quien asume este curso lo hace de manera libre y que a su vez lo
motiva una genuina necesidad por aprender.

La Dinmica de Sistemas fue creada a mediados de los aos 50 como respuesta a
una serie de problemas relacionados con la incapacidad del hombre para dar
cuenta del comportamiento de fenmenos de cierta complejidad. Su creador fue
Jay W. Forrester (1958), profesor del MIT, ingeniero electrnico, creador adems
de la memoria RAM.

El curso proveer a los estudiantes de los tiles necesarios para abordar
procesos serios de modelado de fenmenos de diversa naturaleza que los habilita
para la toma de decisiones con un nivel menor de incertidumbre.
Adicional a lo anterior no slo se desarrollarn en los estudiantes competencias
para el modelado sino que tambin se promovern en ellos habilidades tiles para
su futuro desempeo profesional puesto que, segn los profesores Michael J.
Radzicki y Barbara Karanian (2002), al estudiarse la dinmica de sistemas las
personas (Traduccin Libre):
Pueden ver la naturaleza genrica de los flujos y niveles y las estructuras
de realimentacin.
Se les provee de una herramienta interdisciplinaria que puede ser utilizada
para resolver sistemas dinmicos que fueron vistos por ellos como
estticos, en el colegio.
Desarrollan habilidades para resolver e integrar problemas
multidisciplinarios.
Aprenden va procesos experimentales desarrollando competencias
esenciales.
Aprenden mediante procesos de aprendizaje centrado en el aprendiz.
Se les provee de una herramienta para estudiar la interaccin entre
tecnologa y sociedad.

Teniendo como gua lo antes expuesto, el mdulo de Dinmica de Sistemas se
dise teniendo en cuenta tres partes. La primera de ellas se concentrar en la
conceptualizacin sobre el pensamiento de sistemas, el modelado estructural y los
diagramas de influencias; la segunda parte dar los lineamientos necesarios para
abordar la elaboracin de los diagramas de Forrester, la representacin de no
linealidades y el tratamiento de los retardos de material y de informacin y la
tercera parte se dedicar a mostrar como el modelado y simulacin de fenmenos
son apropiados para abordar el proceso de toma de decisiones a partir de
modelos previamente validados y probados.


Se espera que el estudio de este mdulo sea suficientemente provechoso y para
ello se sugiere una lectura consciente de cada una de las lecciones que lo
componen.


UNIDAD 1 CONCEPTUALIZACIN SOBRE SISTEMAS Y MODELOS

Nombre de la Unidad Conceptualizacin de sistemas
Introduccin Esta unidad introduce el marco conceptual requerido para
el desarrollo de la competencia modelstica, concentrado
en la nocin ontolgica de sistema y modelo.
Justificacin Una habilidad previa al modelamiento es la capacidad de
representacin que puede ofrecer la teora general de
sistemas. Esta unidad se concentra en definir claramente
el aporte de la TGS, la ontologa, la epistemologa, etc.
Intencionalidades
Formativas
Conceptualizacin sobre sistema, modelo y
representacin
Denominacin de
captulos
Captulo 1: La Idea De Sistema
Captulo 2: El Modelado
Captulo 3: Diagramas De Influencias


CAPTULO 1: LA IDEA DE SISTEMA

Introduccin
Este captulo pretende re-introducir al estudiante en uno de los conceptos
fundamentales para el modelado dinmico sistmico objeto de este curso. Las
lecciones buscan poner de manifiesto las relaciones existentes entre el
pensamiento mecanicista y el pensamiento sistmico y cmo se parte de los
quiebres onto-epistemolgicos del primero para llegar al segundo. Al terminar este
captulo el estudiante habr reelaborado el concepto de sistema necesario para la
comprensin del mundo desde esa ptica y la subsecuente representacin de la
misma mediante los tiles de la dinmica de sistemas y su posterior uso para el
apoyo en la toma de decisiones.

Leccin 1: Mquinas, Sistemas y Modelos
Mquinas
Desde que el hombre ha hecho uso consciente de la razn ha tratado de dominar
las fuerzas de la naturaleza; en esta tarea ha aprendido a construir y utilizar
artefactos ajenos a l. A continuacin se citan algunos ejemplos: en la lucha entre
pueblos prehistricos, ya las armas rsticas eran comunes compuestas
fundamentalmente por piedras y huesos. Luego aparecen los primeros esfuerzos
por construir de diques y zanjas de irrigacin, usados para la agricultura, los que
exigieron el uso de herramientas, tales como los arados y los azadones. La
construccin de caminos lleg a ser un arte de gran desarrollo, durante la era del
imperio Romano, esto se logr bsicamente como resultado del desarrollo de
nuevas mquinas y tcnicas.

Una mquina est compuesta de mecanismos los cuales se definen como un
conjunto de elementos, que conectados entre s por medio de articulaciones
mviles tienen la misin de transformar una velocidad en otra velocidad; una
fuerza en otra fuerza; una trayectoria en otra diferente o un tipo de energa en otro
tipo distinto.

Segn el nmero de elementos, los mecanismos se pueden clasificar como
simples, si tienen dos elementos de enlace o como complejos, si tienen ms de
dos elementos de enlace.

De lo anterior es posible definir un sistema mecnico o mquina como una
combinacin de mecanismos que transforma velocidades, trayectorias, fuerzas o
energas mediante una serie de transformaciones intermedias. Se invita al lector a
comparar y establecer las similitudes entre la definicin de mquina y la definicin
ms usual de sistema.


Las mquinas simples
Muchas de las mquinas simples
1
existen desde la antigedad, desde tiempos
muy remotos el hombre ha buscado la manera de resolver los problemas que se le
presentan. En las comunidades primitivas, los humanos se agrupaban para cazar
y hacer actividades cada vez ms complicadas con ayuda de las mquinas
simples. Se dividan el trabajo y los beneficios obtenidos eran para todos. Al
organizarse, desarrollaron el lenguaje, lo que les sirvi para comunicarse mejor.
Fue entonces cuando los grupos humanos inventaron mquinas simples, que
funcionan como extensin de sus manos, uas y dientes: rocas afiladas, como
cuchillos, instrumentos de madera para cavar, arpones con puntas agudas de
hueso y muchas otras.

Las cuatro mquinas simples desarrolladas por los hombres primitivos fueron la
palanca, el plano inclinado, la polea y el tornillo.

La palanca es una mquina simple formada por una barra rgida o indeformable,
que gira sobre un punto de apoyo y sirve para vencer una fuerza grande mediante
una fuerza aplicada mucho menor.

El tornillo es un plano inclinado enrollado alrededor de un cilindro. El tornillo, algo
ms que una mquina simple, fue uno de los inventos que hizo girar el rumbo de
la humanidad, por muy pequeo e insignificante que parezca. El tornillo fue
inventado por el griego Arquitas de Tarento, filsofo pitagrico. A l tambin se
debe otro de los grandes inventos del hombre, la polea.

El plano inclinado es una superficie plana que forma con otra un ngulo agudo. En
la naturaleza aparece en forma de rampa, pero el ser humano lo ha adaptado a
sus necesidades hacindolo mvil, como en el caso del hacha. El plano inclinado
es el punto de partida de un nutrido grupo de operadores y mecanismos cuya
utilidad tecnolgica es indiscutible. Sus principales aplicaciones son tres: Se
emplea en forma de rampa para reducir el esfuerzo necesario para elevar una
masa, en forma de hlice para convertir un movimiento giratorio en lineal y en
forma de cua para apretar, cortar y separar o abrir.

Las poleas son discos con una parte acanalada o garganta por la que se hace
pasar un cable o cadena; giran alrededor de un eje central fijo y estn sostenidas
por un soporte llamado armadura.

Combinando varias mquinas simples se pueden obtener mquinas compuestas,
como las que invent Leonardo Da Vinci. Es evidente que las mquinas simples
se acoplan como partes que e interaccin mutua determinan mecanismos capaces
de cumplir con un fin o propsito.

1
Material redactado teniendo como referencia bibliogrfica al texto mquinas simples disponible en lnea en:
http://iesillue.educa.aragon.es/tecno/zonadescarga/maquinasimples.pdf


Sistemas
Una de las definiciones clsicas de la idea de sistemas es la de un conjunto de
partes en interaccin mutua con un fin o propsito, esta definicin muestra una
clara relacin con la nocin preliminar de mquina. A partir del uso de la metfora
de sistema para ver el mundo surge un tipo de pensamiento al que se le llama
pensamiento sistmico, en lo que sigue se hace una breve reflexin sobre este
tipo de pensamiento.
Orgenes y perspectivas del pensamiento sistmico
El pensamiento sistmico es un pensamiento impulsado continuamente por un
afn holista. En el texto titulado pensamiento sistmico: diversidad en bsqueda
de unidad, se hace una narrativa del mismo por parte del profesor Hernn Lpez
Garay (2001), usando para ello la metfora deleuziana
2
y mediante la cual se
pretende dar cuenta del devenir del pensamiento sistmico a partir de un ejercicio
sistmico, es decir, un ejercicio autorreferencial.

figura 1 Representacin de la Metfora Deleuziana
3.

En primer instancia se parte del paradigma mecanicista, pues se considera que el
pensamiento sistmico surge como reaccin a ste; posteriormente se hace un
despliegue de las tres olas del pensamiento sistmico, mostrando para cada una
de ellas los supuestos onto-epistemolgicos que la originan y los quiebres o fallas
que dan paso a la nueva ola.

El paradigma mecanicista parte del hecho de ver el mundo como si ste fuera una
mquina, esto es, que se supone la realidad como compuesta por piezas bsicas
o fundamentales que sostienen una interaccin mecnica para realizar alguna
tarea. En el caso de la materia, las piezas que se consideran son los tomos, los
protones, los electrones, etc., y su interaccin constituye la materia de la cual est

2 Metfora que ilustra una forma mediante la cual se puede contemplar el estado actual del pensamiento filosfico. Sera
similar a la forma como se contemplara una formacin geolgica con los ojos de un gelogo, esto es, no solo se estara
interesado en hacer mapas y clasificaciones de las rocas expuestas en la superficie de la tierra, sino tambin, en explicar el
origen y la distribucin de las mismas.
3 Imagen tomada de http://copyme.org.mx/imagenes_copyme/sidic/remolino.jpg


hecho el mundo natural. Este paradigma considera que para conocer la realidad,
sta debe ser desmontada de la misma forma en que se procede a la hora de
intentar conocer una mquina, es decir, desarmndola. Una vez analizada la
mquina se procede a reunir todas sus partes, se ensambla y una vez logrado
esto, ser posible explicar cmo funciona. El mecanicismo supone que la realidad
es independiente del observador implicando, que ste no tiene acceso directo a
ella y que entonces es necesaria la mediacin de los sentidos para poder
atraparla. Esto, a su vez, implica concebir a la mente como un espejo, en el cual
se refleje la realidad para que se produzca el conocer. Ahora bien, para que exista
la objetividad, es necesario que el espejo est siempre limpio. Una manera de
mantener la mente limpia es tratar de corregir las distorsiones que puedan causar
los valores y las emociones, pero cmo hacer esto?

Esta situacin posibilita el surgimiento de los quiebres del paradigma mecanicista
que dan paso al paradigma sistmico y que segn la exposicin del profesor
Lpez (2001), emergen de la incapacidad por parte del mecanicismo de resolver
problemas asociados a las nociones de telos y propsito, al considraselas como
ilusorias, mas sin embargo, cuesta trabajo desconocer que la accin humana es
accin con sentido, con propsito.

El pensamiento sistmico tiene como base fundamental la teora general de
sistemas, en lo que sigue se hace una descripcin de la misma sin profundizar en
demasa.

La teora General de Sistemas
El concepto de sistema
4
es usado ampliamente para referirse a un sinnmero de
cosas que van desde los sistemas sociales hasta los sistemas fsicos. Este
concepto ha invadido todos los campos de la ciencia y ha penetrado en el
pensamiento y el habla del comn y en los medios masivos de comunicacin.

Las races de este proceso son complejas. Por un lado est el trnsito desde la
ingeniera energtica -la liberacin de grandes cantidades de energa, as en las
mquinas de vapor o elctricas- hasta la ingeniera de control, que dirige procesos
mediante artefactos de baja energa y que ha conducido a las computadoras y la
automacin, es decir, el paso del mecanicismo al sistemismo.

Ante la situacin previamente descrita se hizo necesario desarrollar un enfoque
de sistemas. Este enfoque propone que si se tiene un determinado objetivo, se
deben encontrar o disear caminos o medios para alcanzarlo lo que requiere que
el especialista en sistemas (o el equipo de especialistas) considere o disee
soluciones posibles y elija las que prometen optimizacin, con mxima eficiencia y
mnimo costo en una red de interacciones tremendamente compleja. De esto se
desprende la necesidad de mquinas complejas con alta capacidad de cmputo,

4
Texto reconstruido a partir de material disponible en la web: http://www.docstoc.com/docs/57788698/tgsbertalanffy


como las actuales computadoras, que demuestren capacidades ms all de los
alcances propios de un matemtico.

La necesidad y factibilidad de un enfoque de sistemas no fue evidente hasta que
se evidenciara que el pensamiento mecanicista de vas causases aislables
resultaba insuficiente para enfrentarse a problemas tericos, especialmente en las
ciencias biosociales, y a los problemas prcticos planteados por la tecnologa
moderna.

A principios de la tercera dcada del siglo XX, Ludwing von Bertalanffy (1930) se
senta desconcertado ante vacos evidentes en la investigacin y la teora
biolgicas. El enfoque mecanicista entonces imperante y que acaba de ser
mencionado, pareca desdear, si no es que negar activamente, lo que es, ni ms
ni menos, esencial en los fenmenos de la vida. Bertalanffy abog por una
concepcin organsmica en biologa que hiciera hincapi en la consideracin del
organismo como un todo o sistema y viese el objetivo principal de las ciencias
biolgicas en el descubrimiento de los principios de organizacin a sus diversos
niveles.

En conexin con trabajos experimentales acerca del metabolismo y el crecimiento,
por una parte, y con un esfuerzo por concretar el programa organsmico, por otra,
fue adelantada la teora de los sistemas abiertos, fundada en el hecho bastante
trivial de que el organismo resultaba ser uno de ellos. De estos estudios qued de
manifiesto una generalizacin. En muchos fenmenos biolgicos, pero tambin de
las ciencias sociales y del comportamiento, resultan aplicables las mismas
expresiones y modelos matemticos. La similitud estructural entre semejantes
modelos y su isomorfismo en diferentes campos se tomaron ostensibles, y en el
centro quedaron precisamente problemas de orden, organizacin, totalidad,
teleologa, etc., excluidos programticamente de la ciencia mecanicista. Tal fue, la
idea de la teora general de los sistemas.

Sistemas Abiertos y Cerrados
La fsica ordinaria slo se ocupa de sistemas cerrados, de sistemas que se
consideran aislados del medio circundante. La termodinmica declara que, en un
sistema cerrado, cierta magnitud, la entropa, debe aumentar hasta el mximo, y el
proceso acabar por detenerse en un estado de equilibrio. Puede formularse este
principio de diferentes modos, segn uno de los cuales la entropa es medida de
probabilidad, y as un sistema cerrado tiende al estado de distribucin ms
probable.

Hay sistemas que, por su misma naturaleza y definicin, no son sistemas
cerrados; este es el caso de los organismos vivientes que son ante todo sistemas
abiertos. Ellos se mantienen en continua incorporacin y eliminacin de materia,
constituyendo y demoliendo componentes, sin alcanzar, mientras la vida dure, un
estado de equilibrio qumico y termodinmico, sino mantenindose en un estado


llamado uniforme que difiere de aqul. Tal es la esencia misma de ese fenmeno
fundamental de la vida llamado metabolismo, los procesos qumicos dentro de las
clulas vivas. Es obvio que las formulaciones habituales de la fsica no son en
principio aplicables al organismo vivo entendido como un sistema abierto y en
estado uniforme, en consecuencia es posible atribuir muchas de las
caractersticas de los sistemas vivos, que resultan paradjicas vistas segn las
leyes de la fsica, a este este hecho particular. La TGS ha aclarado muchos
fenmenos oscuros en fsica y biologa, y ha conducido asimismo a importantes
conclusiones generales, de las cuales se mencionan dos.

La primera es el principio de equifinalidad. En cualquier sistema cerrado, el estado
final est inequvocamente determinado por las condiciones iniciales: p. ej., en un
equilibrio qumico, las concentraciones finales de los compuestos reaccionantes
depende naturalmente de las concentraciones iniciales. Si se alteran las
condiciones iniciales o el proceso el estado final cambiar tambin. No ocurre lo
mismo en los sistemas abiertos. En ellos puede alcanzarse el mismo estado final
partiendo de diferentes condiciones iniciales y por diferentes caminos. Es lo que
se llama equifinalidad, y tiene significacin para los fenmenos de la regulacin
biolgica.

La segunda es el aparente contraste entre la naturaleza inanimada y la animada
es lo que fue descrito a veces como violenta contradiccin entre la ley de la
disipacin en fsica y la ley de la evolucin en biologa. De acuerdo con el segundo
principio de la termodinmica, la tendencia general de los acontecimientos en la
naturaleza fsica apunta a estados de mximo desorden. En contraste, el mundo
vivo exhibe, en el desarrollo embrionario y en la evolucin, una transicin hacia un
orden superior, heterogeneidad y organizacin. En todos los procesos irreversibles
la entropa debe aumentar. Por tanto, el cambio de entropa en sistemas cerrados
es siempre positivo. En los sistemas abiertos, sin embargo, no slo se tiene
produccin de entropa debida a procesos irreversibles, sino tambin entrada de
negentropa (entropa negativa o informacin). Tal es el caso en el organismo vivo,
que importa complejas molculas ricas en energa libre. As, los sistemas vivos,
mantenindose en estado uniforme, logran evitar el aumento de entropa y hasta
pueden desarrollarse hacia estados de orden y organizacin crecientes.

Hay un fenmeno importante relacionado con los sistemas, la realimentacin. sta
es la propiedad en virtud de la cual las entradas de un sistema provocan salidas
que luego se convierten en nuevas entradas cerrando un ciclo. Hay algunos
ejemplos en la naturaleza, por ejemplo la homeostasis. El enfriamiento de la
sangre estimula ciertos centros cerebrales que echan a andar los mecanismos
productores de calor del cuerpo, y la temperatura de ste es registrada a su vez
por aquellos centros, de manera que la temperatura es mantenida a nivel
constante. Existen en el cuerpo mecanismos homeostticos anlogos que
preservan la constancia de gran nmero de variables fisicoqumicas.


Para terminar esta leccin hay que hacer notar que una caracterstica de la ciencia
moderna, el esquema de unidades aislables actuantes segn causalidad
unidireccional, result insuficiente. De ah la aparicin, en todos los campos de la
ciencia, de nociones como las de totalidad, holismo, organismo, Gestalt, etc., que
vienen a significar todas, en ltima instancia, que se debe pensar en trminos de
sistemas de elementos en interaccin mutua, es decir, en trminos de sistemas.

Anlogamente, las nociones de teleologa y directividad parecan caer fuera del
alcance de la ciencia y ser escenario de misteriosos agentes sobrenaturales o
antropomorfos, o bien, tratarse de un seudo-problema, intrnsecamente ajeno a la
ciencia, mera proyeccin mal puesta de la mente del observador en una
naturaleza gobernada por leyes sin propsito. Con todo, tales aspectos existen, y
no puede concebirse un organismo sin tener en cuenta lo que, variada y bastante
vagamente, se llama adaptabilidad, intencionalidad, persecucin de metas y cosas
semejantes.

Caracterstico del presente punto de vista es que estos aspectos sean tomados en
serio, como problemas legtimos para la ciencia; y tambin se est en condiciones
de procurar modelos que simulen tal comportamiento.

Modelos
Esta parte de la leccin est destinada a ilustrar algunas caractersticas iniciales
acerca del modelado estructural, propio de la dinmica de sistemas, para hacer
representaciones de diferentes tipos de fenmenos.

Inicialmente procede indicar por qu se da en llamar a este tipo de modelado
estructural y posteriormente se hace una breve descripcin del modelado funcional
para que el lector haga sus inferencias.

Se dice que es modelado estructural pues todo el inters del modelador se
concentra en describir la estructura que gobierna el fenmeno, estructura que se
determina a partir de las partes que integran el fenmeno, sobre el supuesto
ontolgico de que dicho fenmeno puede ser entendido como si fuera un sistema,
en el mismo sentido que fuera definido anteriormente.

En una cierta oposicin al modelado estructural est el modelado funcional en el
que el principal inters del modelador consiste en encontrar una funcin que
describa la diada entrada-salida de un sistema, pero asumiendo el sistema como
una caja negra. Este tipo de modelado es soportado por la estadstica y en l los
datos son muy importantes; un ejemplo claro de este tipo de modelado es la
Econometra.

En el captulo dos se retoman estas ideas y se amplan con el propsito de que
sea el fundamento conceptual necesario para el proceso de modelado sea exitoso.


Leccin 2: La Ciberntica
A la par que se desarrollaba Teora General de Sistemas surge la Ciberntica de
Norbert Wiener en el ao de 1948 como resultado de los adelantos entonces
recientes en la tecnologa de las computadoras, la teora de la informacin y las
mquinas autorreguladas. Otra vez se dio una coincidencia importante pues
aparecieron casi al mismo tiempo tres contribuciones fundamentales, la
Ciberntica de Wiener
5
(1948), la Teora de la informacin de Shannon
6
(1948) y
la Teora de los juegos de von Neumann y Morgenstern
7
(1944). Wiener llev los
conceptos de ciberntica, realimentacin e informacin mucho ms all de los
campos de la tecnologa, y los generaliz en los dominios biolgico y social. El
concepto de homeostasia debido a Cannon
8
fue piedra angular en estas
consideraciones. La enorme popularidad de la ciberntica en la ciencia, la
tecnologa y la publicidad general se debe a Wiener, con su proclamacin de la
Segunda Revolucin Industrial.

Si bien la teora de la informacin y la teora de juegos era importante, el proyecto
que mayor repercusin iba a tener en el desarrollo de la ciberntica fue
emprendido por Wiener casi inmediatamente despus de comenzada la segunda
guerra mundial con el fin de proceder al perfeccionamiento de la artillera
antiarea. De all surgen los siguientes razonamientos. El primero, referido a la
absoluta precisin que ha de llevar el proyectil para dar en el blanco, establece
que predecir el futuro de una curva [en este caso, la de un aeroplano a gran
velocidad] implica resolver una cierta operacin sobre su pasado; el segundo
alude al control humano de la mquina (aeroplano), es decir, los movimientos y
caractersticas de la actuacin del piloto, ya que este conocimiento es tambin
determinante para solucionar el problema de que el proyectil alcance el blanco.

Sobre esta segunda cuestin, Wiener concluye que un factor extremadamente
importante en la actividad voluntaria [del piloto] es lo que los ingenieros de control
denominan regenerador. La idea aqu clave es que cuando se desea un
movimiento para seguir un modelo dado, la diferencia entre ese modelo y el
movimiento llevado a cabo, de hecho se utiliza como una nueva entrada para
hacer que la parte regulada se mueva en tal direccin que realice su movimiento
ms cerca al dado por el modelo, esto es, la realimentacin.

Junto a este concepto de regenerador, Wiener tambin se refiere a otras dos ideas
fundamentales que aparecen en sus investigaciones sobre ingeniera del avin: la
idea de mensaje y la de cantidad de informacin.

5 Cybernetics or Control and Communication in the Animal and the Machine. Norbert Wiener. New York: John Wiley & Sons,
Inc., 1948. 194 pp
6 Shannon, C.E. (1948), "A Mathematical Theory of Communication", Bell System Technical Journal, 27, pp. 379423 &
623656, July & October, 1948.
7 John von Neumann and Oskar Morgenstern: Theory of Games and Economic Behavior, Princeton University Press (1944).
8 Walter Cannon, Organization for Physiological Homeostasis, Physiological Reviews, 9 (1929): 399427.


La primera, seala que en la comunicacin sobre ingeniera del avin se hizo claro
que los problemas de ingeniera de control y de ingeniera de comunicacin eran
inseparables y que se centraban no sobre la tcnica de ingeniera elctrica sino
sobre la nocin mucho ms fundamental del mensaje, ya fuera transmitido por
medios elctricos y mecnicos o nerviosos.

La otra nocin, la de cantidad de informacin es importante en la moderna teora
de las comunicaciones. El avance de la ingeniera de la comunicacin supuso
necesariamente el desarrollo de una teora estadstica de la cantidad de
informacin, en la que la cantidad y unidad de informacin era aquella transmitida
como una sola decisin entre alternativas igualmente probables.

Es en este contexto en el que la Teora General de Sistemas suele ser
frecuentemente identificada con la ciberntica y la teora del control, pero esto es
incorrecto. La ciberntica, como teora de los mecanismos de control en la
tecnologa y la naturaleza, fundada en los conceptos de informacin y
realimentacin, no es sino parte de una Teora General de Sistemas; los sistemas
cibernticos son un caso especial de los sistemas que exhiben autorregulacin.

La Ciberntica, en consecuencia, es una teora de los sistemas de control basada
en la comunicacin (transferencia de informacin) entre sistema y medio
circundante, y dentro del sistema, y en el control (realimentacin) del
funcionamiento del sistema en consideracin al medio. Segn ha mencionado el
modelo tiene extensa aplicacin pero no ha de identificarse con la Teora General
de Sistemas en general. En biologa y otras ciencias bsicas, el modelo
ciberntico conviene para describir la estructura formal de mecanismos de
regulacin, p. ej. Mediante diagramas de niveles y de flujo. As se logra reconocer
la estructura reguladora aun cuando los genuinos mecanismos permanezcan
desconocidos y sin describir, y el sistema sea una caja negra definida slo por
entradas y salidas. Por razones parecidas, el mismo esquema ciberntico puede
aplicarse a sistemas hidrulicos, elctricos, fisiolgicos, etc.

En el primer captulo del libro Ciberntica, referente al problema del tiempo en
relacin con la ingeniera de la comunicacin, Wiener hace una interesante
consideracin de carcter filosfico. La cuestin central es la de la reversibilidad e
irreversibilidad del tiempo. En la mecnica de Newton el tiempo es reversible. Esto
significa que las leyes fundamentales de esta mecnica permanecan inalterables
por la transformacin de la variable de tiempo t en su negativo.

Los campos de aplicacin de la ciberntica
Algunos de los campos ms destacados en los que la ciberntica tiene, o puede
tener en el futuro, importantes aplicaciones prcticas, son las prtesis en
miembros amputados o paralizados, la construccin de robots y mquinas
artificiales, la de mquinas diseadas para realizar diagnsticos mdicos y las
mquinas de traducir.


Pero va a ser en el campo de las ciencias humanas, principalmente en la
sociologa y en la economa, donde desde muy pronto se pretender que incida la
ciberntica, a fin de paliar o resolver los agudsimos problemas sociales y
econmicos de esta poca. Amparndose en la importancia de la nocin y tcnica
de la comunicacin en el sistema social, as como en los trabajos de Von
Neumann y Morgenstern sobre la teora de los juegos, los antroplogos doctores
Gregory Bateson y Margaret Mead insistieron a Wiener para que dedicase una
gran parte de sus energas a discutir la relacin de la ciberntica con el conjunto
social, a fin de paliar los problemas sociolgicos y econmicos de la presente era
de confusin.


Leccin 3: El Concepto de Sistema
Existe una amplia gama de definiciones para el concepto de sistema. Una
definicin genrica de sistema es la proporcionada por Bertalanffy (1976) quien lo
define como un complejo de elementos interactuantes.

Otra definicin de sistema, la proporciona McLeod (2000) afirmando que un
sistema es un grupo de elementos que se integran con el propsito comn de
lograr un objetivo.

Para OBrien (1993) la idea de sistema se puede formular como sigue: grupo de
componentes interrelacionados que trabajan juntos hacia un fin comn, aceptando
inputs y produciendo outputs en un proceso de transformacin organizado.

En Murdic (1988) se propone que sistema es un conjunto de elementos
organizados que se encuentran en interaccin, que buscan alguna meta o metas
comunes, operando para ello sobre datos o informacin sobre energa o materia u
organismos en una referencia temporal para producir como salida informacin o
energa o materia u organismos.

De la racionalizacin de las definiciones previas se deducen las siguientes
consideraciones: Un sistema es un conjunto de elementos organizados que
interactan entre s, esta interaccin entre los elementos es vital para que un
conjunto de partes pueda ser considerada como si fuera un sistema. En oposicin
un conjunto de elementos sin interaccin entre ellos no puede ser visto como un
sistema, al menos para los propsitos de este curso.

Para que algo pueda ser visto como si fuera un sistema es claro que no debe ser
la simple suma de sus partes. La idea de sistema presupone metas y objetivos,
adems, de la interaccin entre elementos, stos deben tener un objetivo,
compartido o no. Los fenmenos que son vistos como sistemas tendrn entradas y
salidas, tomando las entradas, procesndolas y generando una o varias salidas.

Se cita a continuacin algunos ejemplos de cosas a las que se les puede
denominar como sistemas, para continuar ilustrando el concepto. En primer lugar,
un sistema por antonomasia: el sistema solar; en este caso los elementos que lo
componen pueden ser considerados, a su vez, sistemas: planetas y satlites,
estrellas, etc. Otro ejemplo de sistema, de naturaleza distinta es una central
nuclear; en ella los elementos interactan entre s con la meta final de obtener
energa. Un tercer ejemplo de sistema que se puede citar es una computadora,
cuyos componentes interactan entre s con objeto de facilitar el trabajo de las
personas. Otro ejemplo tpico de sistema es la universidad, en cuyo seno se
pueden distinguir grupos que pueden tener, a su vez, la consideracin de
sistemas. Un ltimo ejemplo de sistema puede ser el constituido por una
empresa de venta de muebles, en el que se pueden distinguir diferentes
elementos, cada uno de los cuales tiene sus propios objetivos que pueden, en


ocasiones, entrar en conflicto con los objetivos de otros elementos del mismo
sistema. Ntese que algunas veces el concepto de sistema va entre comillas, con
ello se quiere significar que los sistemas, como las cosas, no tienen existencia
propia, pues son ideas, ideas que al igual que los nmeros usamos para tener un
referente para comunicarnos. Es claro que es posible ver un dos o un tres, slo se
usan esas nociones para decir, por ejemplo, 2+3 = 5, lo que s hay son dos
rboles o tres vehculos.

Se podra seguir proponiendo ejemplos sin temor a que se agoten, pero los
anteriores son, por el momento, suficientes para apreciar la gran disparidad de
cosas a las que podemos llamar sistema. Sin embargo, la esencia bsica en
todas esas cosas es la misma: todas estn compuestos por partes que se inter
relacionan.


Leccin 4: El Pensamiento de Sistemas
Esta leccin tiene como propsito hacer un recorrido sobre las diferentes nociones
acerca del pensamiento sistmico teniendo como punto de partida el pensamiento
ciberntico.

La crisis del modelo tradicional de la ciencia, el paradigma mecanicista, da paso a
la primera ola del pensamiento sistmico, denominada paradigma ciberntico que
consista en una especie de lectura mecanicista del organismo, el cual tomaba
como objeto de estudio los sistemas de control y autocontrol tanto en organismos
como en mquinas, poniendo de manifiesto que la premisa fundamental del
mecanicismo se mantiene, es decir, que se sigue asumiendo que la realidad es
independiente del observador y que la mente es un espejo que debe mantenerse
limpio. En este paradigma se asume que la realidad est formada por sistemas,
compuestos de estructura o configuraciones bsicas que les permiten cumplir con
sus fines o funciones. En este orden de ideas, los fenmenos pueden ser
explicados en su comportamiento a partir de la configuracin de sus estructuras,
enfoque que tambin es llamado estructuralista.

Una de las preguntas que pueden surgir en el paradigma ciberntico es
precisamente la que indaga por el cmo identificar algo como sistema; se debe
recordar que se ha dicho que en este paradigma la realidad est compuesta por
sistemas; adems asociada a esta pregunta surge la de cmo se determinan los
lmites del sistema. Es posible intentar resolver estas preguntas indagando por los
fines del sistema, pero esto trae como inconveniente el que no es posible hacerlo
de manera objetiva, pues no se puede describir un sistema independientemente
de los puntos de vista de cada quien, esto quiere decir segn el profesor Lpez
(2001), que la descripcin incluye al que describe.

Ante esta imposibilidad por definir objetivamente los lmites del sistema, el
paradigma ciberntico se encuentra ante hechos que es incapaz de explicar, es
decir, aparece un quiebre o falla que posibilita el que emerja un nuevo paradigma.
ste es el paradigma perspectivista, en el que se puede identificar dos ideas
claves que se originan a partir de la problemtica de la relacin sistema objeto de
estudio y observador, la idea de perspectiva y la idea de construccin de la
realidad. La primera de ellas, el perspectivismo, supone que las cosas se
presentan segn la perspectiva del observador, es decir, que la realidad no se
presenta independiente del observador y su punto de vista. A si mismo aparece
otro supuesto que indica que una sola perspectiva no agota la realidad del objeto,
esto quiere decir que cada perspectiva solo abre un aspecto especfico de la
realidad. Ante esta situacin puede aparecer como pertinente la siguiente
pregunta: Cmo se podra saber cundo una perspectiva no es buena y por lo
tanto los conocimientos que se obtienen no sean verdaderos? Podra decirse,
segn Lpez Garay, que se debera contrastar los resultados con los hechos; pero
a su vez esto traera como problema el que se debera elaborar una perspectiva
neutra o perspectiva de perspectivas, pero a su vez este hecho entra en


contradiccin con los supuestos iniciales del paradigma perspectivista. La segunda
idea resulta en el paradigma constructivista y puede ayudar a responder la
pregunta que se aparece en el paradigma perspectivista. La respuesta comienza
por aceptar que el conocimiento que se tiene del mundo, siempre va a estar ligado
a la perspectiva de la cual proviene y en consecuencia se debe aceptar que no
existe cosa alguna como la realidad absoluta e independiente del observador,
esto es, que como observadores se contribuye en la construccin de la realidad
que es percibida. Los abanderados de esta propuesta son los profesores chilenos
Humberto Maturana y Francisco Varela (1984), quienes plantean que la existencia
de una realidad depende de las operaciones de distincin que se hacen el
lenguaje, por ello de algn modo el observador y lo observado se constituyen
mutuamente. En la medida en que es posible existir en diferentes dominios de
descripciones, cada uno con criterios de validacin propios, se tendr que hablar
de mltiples realidades y no de una sola. Debe quedar claro que a diferencia del
perspectivismo, en donde se tienen diferentes perspectivas de una misma
realidad, lo que plantea Maturana (1997) es que existen mltiples realidades o
multiversos.

Si todos no pueden acudir a la misma realidad, cmo se puede asegurar algo
sobre la verdad o validez de cada descripcin? Esta validez se da en la
confrontacin con los otros, es decir, que sta se da en el lenguaje, lo cual implica
que haya un consenso, a partir de la coordinacin de coordinacin de acciones en
un espacio o dominio comn de experiencia.

Ante este panorama en que se tiene, que por un lado la realidad existe
independiente del observador y por otro, que la realidad es mera construccin
conversacional del hombre aparece el paradigma holista fenomenolgico. El
problema que subyace a estos dos extremos consiste en que la separacin entre
sujeto y objeto no es posible sostenerla intocable ni siquiera en la fsica y de otra
parte la posibilidad de que el mundo sea solamente creacin conversacional, hay
que descartarla si por ello se entiende la sola construccin mental de los agentes
que conversan. La respuesta que la tercera ola plantea es, segn el profesor
Lpez (2001), qu tal si el manifestarse de las cosas es primario a cualquier
divisin mente-objeto, sujeto-objeto?, esto es, que las cosas son, pero son con
nosotros, es decir, que las cosas son en su relacin con nosotros, al presentarse
en un fondo con el cual forman una unidad. Para este paradigma sistmico
emergente desaparece la nocin de cosa como objeto fijo y cobra predominancia
los eventos fundadores de las cosas y el continuo devenir de la existencia, el flujo
del mundo.

En sntesis, todo lo que es va precedido de un evento fundador, se da siempre en
un fondo y es un continuo siendo. Una metfora que explica estas ideas es el
remolino de agua.


figura 2 Remolino de agua
9.

Finalmente, comenta el profesor Lpez (2001), aparece la intencionalidad como la
fuerza que continuamente trae a presencia todo lo que es, desplegndolo en el
abierto que somos y al mismo tiempo haciendo presente nuestra presencia.

Con esto se termina esta breve presentacin de lo que ha sido el desplegar del
paisaje del pensamiento sistmico. Para una mayor descripcin del mismo se
invita al lector a revisar el libro Pensamiento Sistmico, diversidad en bsqueda
de unidad, ediciones UIS 2001.

9 Imagen tomada de http://copyme.org.mx/imagenes_copyme/sidic/remolino.jpg


Leccin 5: Perspectivas del Pensamiento de Sistemas
En 1947 Bertalanffy (1979) afirmaba: existen modelos, principios y leyes
aplicables a sistemas generalizados o a subclases suyas independientemente de
su naturaleza, del carcter de los elementos componentes y de las relaciones o
"fuerzas" existentes entre ellos. Esta Teora General de Sistemas surge, segn
Bertalanffy, de las siguientes consideraciones que son citadas por Javier Aracil
(1987).

Existe una tendencia general hacia la integracin en todas las ciencias,
tanto naturales como sociales;
Esta integracin puede centrarse en una teora general de sistemas;
Esta teora puede ser un medio importante para conseguir una teora
exacta en los campos no fsicos de la ciencia;
Esta teora conduce a la unidad de la ciencia, al desarrollar principios
unificadores que integran, verticalmente, el universo de las ciencias
individuales;
Todo ello puede conducir a una integracin, ampliamente necesitada, en la
educacin cientfica.

Sobre los anteriores puntos Bertalanffy intent construir una meta-teora de alto
nivel sobre sistemas. En 1955 se anuncia la creacin de la Sociedad para el
Progreso en Teora General de Sistemas. El propsito de sta era la promocin de
"sistemas tericos aplicables a ms de un campo de los tradicionalmente
considerados en la ciencia". En Checkland (1981) se mencionan sus objetivos.

Investigar el isomorfismo de conceptos, leyes y modelos en varios campos
y facilitar la transferencia de conocimientos de un campo a otro;
Promover el desarrollo de modelos tericos adecuados en las reas que
carezcan de ellos;
Suprimir la duplicacin de esfuerzos tericos en diferentes campos;
Promover la unidad de la ciencia a travs de la mejora de las
comunicaciones entre especialistas.

Para los seguidores de Bertalanffy la Teora General de Sistemas es, en ltima
instancia, una perspectiva o paradigma nuevo, una nueva forma de hacer ciencia,
incluso van ms all al considerar que ms que una teora, en el sentido
tradicional del trmino, es un paradigma para desarrollar teoras y sntesis trans-
disciplinarias.

En cuanto al enfoque sistmico, se trata ms de una forma de interpretacin, de
una herramienta, que de una disciplina cientfica. No se propone como un nuevo
paradigma cientfico aunque se reconoce la importancia de este nuevo punto de
vista. Para la mayora de los pensadores sistmicos es una herramienta
conceptual que permite manejar realidades complejas y que adems es un reflejo


de esa realidad. Otra cosa es que se disponga de mtodos genricamente vlidos
para tratar con los sistemas o que se haya alcanzado un grado de formalizacin
aceptable. Para terminar este apartado se puede citar al economista Herbert
Simon (1967), quien resume muy bien el papel que juega el enfoque sistmico: "su
popularidad es ms la respuesta a una acuciante necesidad de sintetizar y
analizar la complejidad que el desarrollo de un cuerpo de conocimientos y tcnicas
para tratar la complejidad".


CAPTULO 2: EL MODELADO

Introduccin
Esta parte del captulo 2 estar destinada a la revisin del concepto de modelo
procurando dejar claras las diferencias que se dan entre entender modelo como
gua y modelo como representacin, sta es una diferencia clave a la hora de
abordar el proceso formal de modelado.

El modelado es bsicamente una actividad que mediante un procedimiento y el
conocimiento de una tcnica permite construir representaciones del mundo.
Generalmente se modelan problemas pues el propsito del modelado es conocer
su estructura de tal forma que sea posible disear estrategias de intervencin que
lleven de la situacin actual (situacin problmica) a una situacin deseada.


Leccin 6: La Dinmica del Ser al Existir
Esta leccin tiene como propsito que el lector haga una aproximacin a la
manera en que se generan los conceptos a partir de los procesos de connotacin
y denotacin que se dan entre la cosa observada y el observador. Este apartado
toma como gua el trabajo del Dr. Luis Facundo Maldonado y el MsC. David
Macas, titulado, el universo de las competencias en el aprendizaje.

Los autores proponen como supuesto ontolgico el hecho de que hay un universo
de entidades independiente del proceso de conocimiento humano. Para
contextualizar la idea usan el ejemplo de la llamada Peste Negra, la cual hizo
estragos en la poblacin de Europa y Asia en el Siglo XIV; algo similar sucedi con
la Gripe en los aos 30 del siglo XX. Los autores indican que detrs de los dos
fenmenos hubo microorganismos responsables de las enfermedades, sin
embargo, para esa poca, estos agentes eran desconocidos. Eran, pero no
existan. Estaban actuando, pero no haba persona alguna que los hubiera
identificado representado objetivamente. Se necesit desarrollar un sistema
conceptual y dispositivos tecnolgicos, como el microscopio y los reactivos
qumicos, para poder identificar a estos seres minsculos capaces de invadir a los
organismos humanos y provocar su muerte. En este momento estos
microorganismos existen para los expertos. Otros microorganismos an no
existen, es decir no han sido descubiertos.

figura 3 Ilustracin de la Peste en la Biblia de Toggenburg
10.

Siguiendo con la lgica planteada por Maldonado y Macas el existir implica el ser
y el conocimiento de ese ser. El existir, en consecuencia, es una forma de relacin
entre entidades y los agentes que las pueden conocer. Las entidades son y,

10 Imagen tomada de http://www.esacademic.com/dic.nsf/eswiki/540575


cuando alguien las conoce, existen para ese alguien. El avance de la investigacin
y del conocimiento se da en la medida en que las entidades pasan del universo del
ser al universo del existir.

A continuacin los autores referenciados exponen el proceso de transicin de una
entidad del universo del ser al universo del existir. Cuando hay algn contacto
entre la entidad (fenmeno) y el sistema perceptivo del agente cognoscente, ste
genera nombres para el fenmeno. Dado que el cognoscente es un sistema con
memoria, cuando, en el futuro aparece el nombre, ste suscita el recuerdo o
imagen mental del fenmeno; y cuando aparece nuevamente la entidad, se suscita
el recuerdo del nombre.

Hay una relacin entre la representacin mental concepto -, el objeto y el
nombre. Aristteles denomin a esta relacin, el tringulo de la significacin, ver la
figura 4.

figura 4 El tringulo de la significacin

Por ejemplo, el nombre casa es el significante, es decir, la manera fontica.
Cuando se escucha el nombre, pasan dos cosas en el cerebro: viene a la persona
el significado de ese nombre, que para el caso es un lugar para vivir y tambin
recrea una imagen mental del nombre y del concepto, que es la imagen de una
casa (objeto), muy seguramente la que conozca la persona.

Los nombres tienen como referente la entidad manifestada al cognoscente o
fenmeno, en un contexto. Se habla de denotacin para indicar la relacin del
nombre con la entidad y de connotacin para indicar la relacin de la entidad con
el contexto donde aparece, y a la forma como podemos entrar en contacto con la
entidad.

El contexto de una entidad son otras entidades y fenmenos asociados a ellas. El
proceso de conocer necesariamente involucra un proceso de diferenciacin
progresiva, de tal manera que, en la medida en que suceden contactos entre la


entidad y el cognoscente, las dimensiones denotacin y connotacin se hacen
ms evidentes.

Los nombres en cuanto denotan y connotan entidades y contextos, forman las
categoras. El nombre responde a una representacin mental, soportada por una
estructura neuronal interna, que naturalmente tiene un sistema de rasgos de una
entidad como referente y que se forma como resultado de las veces en que las
entidades son reconocidas como de la misma clase y se diferencian de los
contextos asociados y las condiciones de observacin.

Por tanto, la representacin que externamente aparece como un nombre y
neurolgicamente se muestra como una estructura- patrn de reconocimiento -,
constituye el concepto.

El nombre y el concepto van fuertemente asociados. Puede haber varios nombres
que corresponden a la misma representacin o concepto. Un ejemplo ilustrativo es
el de las palabras de diferentes idiomas para el mismo concepto. El concepto es la
base comn en las traducciones de un idioma a otro.

Normalmente, si un cientfico descubre una entidad, trata de repetir observaciones
de la misma, generando variaciones en los contextos para consolidar la
diferenciacin del concepto. Como resultado, la representacin se generaliza
identificando los rasgos fundamentales que se preservan en los diferentes
contextos e identifica las formas de observacin y, en algunos casos, formas de
medida. La ltima dimensin es muy importante en las prcticas cientficas. Un
concepto, por tanto, denota un tipo de entidades, abstrae caractersticas hasta
quedarse con las que considera fundamentales, y asocia dimensiones
operacionales para relacionarse con las entidades que denota. Estas tres
dimensiones constituyen el significado del concepto.

Los planteamientos de Maldonado y Macas resultan de capital importancia pues
es a partir de ellos que se inicia todo proceso de modelado, es decir, no se puede
iniciar el proceso en s mismo si el fenmeno no existe para el modelador.


Leccin 7: La idea de Modelo
Modelo y modelado
Para efectos de un mejor entendimiento de este texto es pertinente hacer claridad
sobre algunos conceptos que se manejarn en adelante con el sentido que
seguidamente se expone.

Se definir inicialmente la idea de modelo y para ello se recurrir a algunos
autores. Por ejemplo, Mario Bunge (1985), define modelo como cualquier
representacin esquemtica de un objeto. Otro autor que puede aportar en la
definicin de modelo es Peter Checkland (1992) para quien modelo es una
construccin intelectual y descriptiva de una entidad en la cual al menos un
observador tiene un inters. Segn se puede apreciar es posible identificar dos
posiciones ontolgicas bien definidas; de una parte una posicin fenomenolgica
en la cual se puede ubicar la definicin de Checkland y una positivista en la cual
se puede encuadrar la definicin de Mario Bunge
11
.

Por tanto es importante, que al hablar de modelos, se declare formalmente cules
son las posturas ontolgicas en las cules est ubicado el modelador, pues
dependiendo de stas la idea de modelo puede tomar rumbos incluso hasta
contrarios. Lo anterior se recrea en las siguientes definiciones de modelo, que
parafraseando a Jess Mosterin (1984) seran: aquello que sirve para representar
o aquello que sirve para ser representado. Se sugiere revisar la figura 7.

En la leccin que sigue se hace una mayor definicin de lo que se entiende por
estas dos acepciones del concepto modelo.

11 Una posicin ontolgica fenomenolgica es aquella que se caracteriza por un afn en conceder ms importancia a los
procesos de construccin mental de los observadores, que al mundo externo; y a su vez, en una posicin ontolgica
positivista, el afn est en conceder primordialmente atencin al mundo externo como dado, el cual puede ser conocido
fundamentalmente mediante la evidencia experimental.


Leccin 8: Modelo: para Representar o para ser Representado
En lo que sigue se presenta un dibujo que ilustra la idea de modelo como aquello
que sirve para representar; en l la ecuacin diferencial (A) es el modelo del
grfico del circuito (B) y ste a su vez es el modelo del circuito real (C). Incluso se
puede afirmar tambin que A es el modelo de C, es decir, que A representa a C.
Ntese que en este caso el modelo es posterior a la realidad modelada.

figura 5 Modelo del circuito RLC
12
.

La siguiente pintura ilustra el caso tpico en que el pintor se sirve de una modelo
para realizar su obra de arte. En este caso la mujer es el modelo que servir
para ser representado en la pintura; como se puede deducir, el modelo (la mujer)
es primero en el tiempo.

figura 6 Modelo y Pintor de George Owen Wynne Apperley
13
.

12 Imgenes tomadas de la Internet
13 Imgenes tomadas de http://www.culturandalucia.com/pintor_y_modelo.jpg


Ahora se invita al lector para que observe detenidamente la siguiente grfica, en
ella se muestra un cono de la ciudad de Paris, adems de exponer una serie de
representaciones, todas ellas sobre la famosa torre Eiffel. Se expone de nuevo las
definiciones expuestas por Mosterin: Modelo como aquello que sirve para
representar y Modelo como aquello que sirve para ser representado.

figura 7 Modelo y Realidad
14
.
Se espera que luego de haber observado detalladamente la figura 7 el lector est
en capacidad de dar respuesta las siguientes preguntas: qu es modelo de
qu?, qu cosa es realidad, el plano, la maqueta, la torre o el sndwich?, se
podra acaso afirmar que la maqueta es un modelo en tanto que sta sirvi para
ser representada en la torre o que el sndwich es un modelo porque sirve para
representar la torre? Se espera que el lector pueda, de manera consciente, dar
respuesta a estos interrogantes.

Continuando con la figura 7 es vlido reflexionar con respecto al sentido de la
lnea del tiempo al momento de definir algo como modelo, pues en ocasiones el
modelo es antes que lo que representa y en otras tantas es posterior a lo
representado, esto dependiendo de lo que se asuma como modelo.

En Dinmica de Sistemas es claro que la idea de modelo que interesa es aquella
en la que el modelo representa la cosa modelada y que ste servir a quien hace
la representacin para responderse preguntas acerca de la cosa representada. En
este orden de ideas modelo, segn Pineda (2005), podra definirse como aquella
representacin que un observador construye a partir de su propia o ajena
percepcin de lo real y que posteriormente usar segn sus propsitos. sta
definicin plantea de inmediato el problema de definir otros conceptos como:
representar, observador, lo real y propsito. Se deja esto como tarea para que los
estudiantes la realicen en sus momentos de ocio.

14 Imgenes tomadas de la Internet


Leccin 9: Modelado Segn su Uso
Segn sea el resultado esperado, a partir del uso que el modelador haga del
modelo, se puede entonces determinar una clasificacin
15
del proceso de
modelado. Si el principal inters radica en el entendimiento del fenmeno para
quien realiza el modelado, se puede aseverar entonces que se trata de un
modelado para el aprendizaje; pero si el modelado se realiza con la pretensin de
que el modelo resultante sirva para dar cuenta a otros del fenmeno, entonces se
estara hablando de un modelado para la explicacin; y en tercera instancia si no
solo se desea aprender o explicar, sino que la intencin central consiste en tener
un referente (en el modelo) sobre el fenmeno para posteriormente realizar en l
(lo real) una accin con un propsito especfico, se estara hablando de un
modelado para la intervencin.

En los prrafos siguientes se har una descripcin ms detallada de cada una de
dichas opciones de modelado.

Modelado Para El Aprendizaje
Segn el diccionario de la RAE, aprender es adquirir el conocimiento de algo por
medio del estudio o de la experiencia. Considerando la anterior definicin y
teniendo en cuenta lo que implica el proceso de modelado en el modelador, es
posible considerar que ste llega a construir conocimiento sobre lo modelado; de
no ser as, no sera posible la realizacin del modelo, puesto que dicho modelo
viene siendo la representacin del fenmeno.

En la figura 8 se ilustra la forma como, mediante el proceso de modelado, se
puede llegar a generar aprendizaje en el modelador. Tambin se puede apreciar
que el punto de partida viene siendo la observacin de lo real. Aqu lo real
subyace a la idea segn la cual se asume la existencia de un universo
16
y es por
ello que se puede hablar de lo real como algo nico de lo cual cada quien tiene
una percepcin. Segn Parra y Andrade (2002), dicha percepcin presupone
entonces que no se tiene una anteojera especial que le permita a cada
observador percibir lo real de la misma manera y el hecho de llegar a reconocer
dicha situacin sienta las bases para que se pueda dar el reconocimiento de las
diferentes perspectivas y en consecuencia que se d el reconocimiento de la
perspectiva del otro.

Se debe considerar tambin que la percepcin que tiene el modelador de lo real,
es decir la realidad por l percibida, es posible que la adquiera ya sea por su
propia capacidad de observacin, o haciendo uso de la capacidad de otros, es
decir, usando las teoras que tambin son una interpretacin consensuada y

15 Esta clasificacin resulta de un proceso reflexivo en torno a la praxis de modelado realizado en el grupo Simon de
investigaciones de la UIS, orientado especialmente por el profesor Hugo Hernando Andrade Sosa.
16 Para un mayor detalle consultar el texto La objetividad, un argumento para obligar escrito por el doctor Humberto
Maturana..


ampliamente aceptada de lo que aqu se ha dado en llamar como lo real. Luego
que se ha percibido lo real, esta percepcin se aloja en la mente del modelador en
la forma de un modelo mental que, segn Peter Senge (1999), son supuestos
hondamente arraigados, generalizaciones e imgenes que influyen sobre nuestro
modo de comprender el mundo y actuar. Tales modelos mentales se convierten
entonces en las representaciones que cada modelador tiene de su propia
percepcin de lo real.

figura 8 Modelado para el aprendizaje.

Segn se aprecia en la figura 8 se cierra un primer ciclo de aprendizaje al cual
cabe sealrsele como aprendizaje informal, pues no hay ms presencia de dicho
aprendizaje que en la mente del modelador. Posteriormente el modelador puede
explicitar su modelo mental mediante alguna forma de modelado (Econometra,
Dinmica de Sistemas, etc.) de tal forma que se tiene un copia formalizada,
mediante el lenguaje de modelado usado, del modelo mental.

El modelo formal tiene la ventaja que puede ser ms fcilmente comprendido por
otros observadores sin la indispensable presencia del modelador, en tanto que
stos solo requieren del conocimiento del lenguaje de modelado con el cual fue
hecho. Ya con el modelo formalizado, preferiblemente de manera matemtica, se
puede recurrir a la simulacin por computador para generar posibles estados del
sistema que contrastados con la percepcin de lo real puede generar cambios en
los modelos mentales del modelador y es aqu en donde surge un segundo ciclo
de aprendizaje denominado aprendizaje formal. De esta manera si el modelado
slo se realizara hasta este punto se tendra entonces un modelado para el
aprendizaje; dicho modelado puede llegar a ser pertinente en la medida en que se
pueda adoptar como estrategia pedaggica en los procesos de aprendizaje
formalmente establecidos.


Modelado Para La Explicacin
Si el proceso de modelado no se detiene en el punto antes sealado y por el
contrario es usado por parte del modelador para dar cuenta del fenmeno
modelado, a otros observadores, se estara en frente de un modelado para la
explicacin. Ver la figura 9.

figura 9 Modelado para la explicacin.

El modelado para la explicacin contiene dentro de s el modelado para el
aprendizaje y considera adems las relaciones establecidas en la figura que van
desde el modelo formal haca la percepcin de lo real; dicha relacin as indicada
muestra que el modelo formal, pertinente segn el criterio del modelador para el
caso que le ocupa, puede en consecuencia ser usado para dar cuenta del
fenmeno cerrndose nuevamente otro ciclo sealado como el ciclo de la
explicacin. En este caso el modelado para la explicacin sera favorable a
aquellos que cumplen con la tarea de la docencia en un primer instante en el
proceso de enseanza, posteriormente los alumnos podran usarlo para realizar
explicaciones de sus propios modelos mentales, convirtindose as el modelado
en una buena estrategia para el aprendizaje, en la medida en que se tendran
modelos mentales compartidos.
Modelado Para La Intervencin
Si adems de aprender y poder ofrecer explicaciones sobre lo modelado, la
intencin del modelador es intervenir en lo modelado, es decir, en lo real para
llevarlo a un estado deseado, se estara frente a un modelado para la intervencin.
Dicho modelado adems de incluir las dos anteriores formas de modelado
considerara de parte del modelador su intervencin directa sobre lo modelado en
procura de la consecucin de objetivos: Se dira aqu que se usa el modelo para
apoyar el proceso de toma de decisiones, pues esta situacin particular pone de
manifiesto que el proceso de modelado no solo sera apropiado en los procesos


de aprendizaje, sino que tambin lo seran en el campo de desempeo profesional
del modelador. En la figura 10 se observa como el modelado para la intervencin
incluye un nuevo ciclo al que se le ha denominado ciclo para la intervencin,
entendindose que lo que se interviene es lo real.

Dicho ciclo se muestra con la lnea que va del modelo formal a lo real y en l se
indica como el modelado, considerado de esta manera, puede ser muy importante
a la hora de tomar decisiones, pues mediante la simulacin por computador se
tendra a disposicin un futuro plausible, lo que hara del proceso de toma de
decisiones ciertamente un tanto menos incierto.

figura 10 Modelado para la intervencin
De esta leccin queda claro que es posible, mediante el proceso de modelado,
promover la formacin de competencias interpretativas, argumentativas y
propositivas en la medida en que se aprende, se explica y se disean estrategias
de intervencin a partir del proceso de modelado, respectivamente.


Leccin 10: Modelado Segn su Proceso
Cuando se aborda la construccin de un modelo es posible llevarla a cabo cuando
menos de tres formas a saber: el modelado de rplica, el modelado de
reconstruccin y el modelado de construccin. En lo que sigue se har una
descripcin de cada una de estas formas.

Modelado De Rplica
Se caracteriza principalmente por ofrecer explicaciones de las perspectivas de lo
real a partir de las que ofrece la teora u otra persona distinta al modelador. Este
tipo de modelado parte de la teora que explica el fenmeno a ser modelado y
procede a implementar, con los tiles de la forma de modelado usada, las
explicaciones que la teora ofrece sobre lo real. En este tipo de modelado, el
modelador cumple meramente con un papel secundario, el de traductor del
lenguaje de la teora al lenguaje de la forma de modelado. Debe entenderse que
en este tipo de modelado, el rol del modelador es pasivo en el proceso de
aprehensin y comprensin del fenmeno, pues su perspectiva de lo real no
interesa aqu, sino la que la teora o el otro plantea. En este tipo de modelado se
busca que el modelo replique lo que la teora explica y no hay mucha
preocupacin si dicha rplica es coincidente con la perspectiva que tiene el
modelador.

figura 11 Modelado de rplica

Esta clase de modelado se soporta en una serie de supuestos que se hacen
explcitos facilitando el dar sentido por parte del modelista a su labor. A
continuacin se indican los que se han identificado como los principales supuestos
subyacentes al modelado de rplica.


El primero es que la realidad existe de manera independiente al observador por lo
que es posible describirla por intermedio de una teora sin importar quien la usa y
el contexto en el que se aplica. En el caso del modelado de rplica la
representacin que se hace de la realidad corre por cuenta de la capacidad de
explicacin que tenga la teora; pues en este caso se asume la teora como la
mejor explicacin y acto seguido se procede a armar el modelo con los tiles o
herramientas de modelado, logrando de esta manera representar la realidad que
muestra la teora al modelista.

Otro de los supuestos se basa en que la explicacin de la realidad es asumida por
la teora. Finalmente se reconoce que la estructura es asumida directamente de la
teora y que en la mayora de los casos estas estructuras son de tipo secuencial
antes que circular, debido a la forma de pensamiento dominante, es decir, la
perspectiva reduccionista o mecanicista.

Modelado De Reconstruccin
Otro proceso de modelado es el de reconstruccin en el cual las explicaciones que
brindan los modelos siguen siendo guiadas por la teora pero no ya como una
repeticin de lo expuesto por ella sino que en este caso la teora es una gua y el
modelista intenta, a partir de su propia perspectiva de lo real, reconstruir el
conocimiento que representa la teora.

Es importante sealar que en este caso el modelador empieza a involucrar en el
proceso de modelado su propia perspectiva de lo real tratando de reconstruir el
conocimiento que se encuentra inmerso en la teora que le sirve como gua. Este
tipo de modelado es de inters, pues de alguna manera el modelista comienza a
ser consciente del proceso de modelado lo que en cierto sentido genera un
proceso de construccin del conocimiento, idea bastante cercana a lo que propone
al respecto, el constructivismo, en la perspectiva de Vigotsky. Esta situacin se
sale definitivamente de la mera accin calculadora del modelado de rplica y se
pasa a una accin con propsito mucho ms reflexiva, en la medida en que el
modelista debe recrear la realidad percibida haciendo que dicha percepcin
recreada en el modelo represente de una forma que se corresponde ms con lo
real.

Esta forma de modelado tiene en cuenta la realidad tanto al momento de modelar
como al momento de validar, claro est, mantenindose a la teora como el eje
central de la indagacin. Ver la figura 12.

Al igual que en el modelado de rplica existen algunos supuestos entre ellos que:


La realidad se percibe como existente de manera independiente al observador
17
,
siendo la teora la que mejor puede describirla. Este hecho no implica una
condicin monopolstica para la teora pues se admite que el observador puede
tener representaciones de lo real, claro est, mediadas por la explicacin terica.

figura 12 Modelado de reconstruccin.

Es a partir de esta situacin en que el observador puede notar que ciertas cosas
que su percepcin de lo real presenta o manifiesta, no son plenamente explicadas
por la teora, situacin que da inicio a un proceso de reflexin conducente a uno
ms complejo como es el aprendizaje. Otro de los supuestos es que la teora
sigue siendo la que tiene la mayor capacidad de explicar la realidad, pero es el
modelista el que empieza a ser parte activa en esta interpretacin, sin gozar an
de plena discrecionalidad para definir sus propias explicaciones.

Modelado De Construccin
La tercera forma de modelado corresponde a una forma de construccin del
conocimiento; en esta forma de modelado no se renuncia a la teora como gua,
pero sta pierde su papel protagnico cedindoselo a la realidad o percepcin de
lo real, que se convierte as en la fuente inspiradora y sobre la cual posteriormente
se actuar con el modelo ya construido. La construccin del modelo, en este caso
particular, tiene un especial inters, pues se incita al modelizador a emanciparse
del poder monoplico-explicativo que ostenta la teora acerca de lo real y lleva al
modelador a atreverse a proponer explicaciones que se soportan en su propia
perspectiva, es decir, se genera nuevo conocimiento.

17

Es decir que todo observador comparte con los dems la misma percepcin de lo real.


En esta forma de modelado es posible encontrar claras diferencias en trminos del
modelado, fundamentalmente en la concepcin ontoepistemolgica
18
de la
realidad, es decir, el ser y el deber ser de la misma, en tanto se asume la realidad
como si fuera un sistema y por tanto estudindola como tal.

Entre los principales supuestos se tiene que la realidad puede ser concebida como
dependiente del observador, es decir, que existirn tantas realidades o
percepciones de lo real como observadores haya. Esto no quiere decir que las
diferentes perspectivas sean completamente irreconciliables, lo que se espera
precisamente es que se d un espacio para reconocer la perspectiva del otro. En
este espacio debe aparecer un proceso de aprendizaje a partir de la explicitacin
de los modelos mentales de quienes participan en el proceso de modelado, sobre
el supuesto de que el modelado se asume como elemento comn de la
construccin de conocimiento. Lo importante de la coexistencia de tantas
explicaciones de la realidad surge en el momento en que el modelista puede ser
consciente de ello y finalmente las reconoce como explicaciones que co-existen
con la suya.

La realidad se representa mediante los modelos los cuales que pueden cumplir
con esta tarea, solo que lo que se explicita en este caso no es la teora como tal
sino la percepcin de quien modela. Ver figura 13.

figura 13 Modelado de construccin.
De esta manera se describe el proceso de modelado y la manera en que los
modelos pueden ser usados a partir de los intereses que tenga el modelador.

18

El juicio ontolgico original del enfoque de sistemas puede ser formulado del siguiente modo: Las cosas (los fenmenos) son todos que trascienden la mera reunin de sus partes. Dado que el
enfoque de sistemas tiene una vocacin cientfica y tecnolgica, a esta posicin ontolgica le sigue un postulado epistemolgico, a saber, Las cosas (los fenmenos) deben ser estudiadas como
todos trascendentes y no como meras reuniones de partes. La reunin de ambas proposiciones anuncia lo que se le llama el clamor ontoepistemolgico del enfoque de sistemas. Ideas tomadas de
Las Races del Reduccionismo: Una Contra-Ontoepistemologa para el Enfoque de Sistemas Escrito por Ramses Fuenmayor, Departamento de Sistemologa Interpretativa, Universidad de Los
Andes, Mrida, Venezuela.


Seguidamente se revisar el modelado estructural y el l especficamente el
modelado con dinmica de sistemas.


CAPTULO 3: DIAGRAMAS DE INFLUENCIAS

Introduccin
Este captulo estar apoyado en la propuesta de modelado que hace el profesor
Javier Aracil y que describe muy bien en su libro dinmica de sistemas publicado
on line por ISDEFE, en http://www.isdefe.es/monografias/docs/dinamica.pdf.

Inicialmente se establecer la diferencia entre causalidad y correlacin,
clarificacin importante a la hora de abordar el proceso de modelado.

Una vez establecida la diferencia entre causalidad y correlacin se procede a
presentar los elementos constitutivos de los diagramas de influencias.

Se termina este captulo presentando las ideas asociadas a los ciclos de
realimentacin, la forma en que stos se acoplan, la definicin de los modos de
referencia y la determinacin de las hiptesis dinmicas.


Leccin 11: Causalidad vs Correlacin
En esta leccin se presentan algunos elementos en procura de dar claridad sobre
una confusin bastante frecuente entre las personas cuando indistintamente
hacen referencia a la causalidad y la correlacin como si fueran sinnimos.

Para ello se realizar una serie de simulaciones mentales para acercarse
paulatinamente al entendimiento de la diferencia que subyace en estos dos
trminos.

Desde muy pequeo el ser humano comienza por establecer relaciones entre los
eventos que percibe. Antes de continuar es preciso sealar algo, no es que la
relacin siempre exista en la realidad, de hecho, en la mayora de los casos, una
vez se encuentra una es fcil comenzar a creer en ella. Por ejemplo, supngase
que un nio toca con su mano la llama de una vela, naturalmente se quemar. Es
muy fcil para el nio encontrar una relacin entre estos dos episodios.
Seguramente ser capaz de establecer la relacin entre fuego y quemadura sin la
necesidad de que un adulto se la haga explcita. Otra situacin podra darse si un
nio al caminar descalzo, nota al da siguiente que se enferm de gripa. Tambin
es sencillo encontrar una relacin entre estos dos eventos. Si el nio no ha sido
capaz de establecer la relacin entre estar descalzo y padecer la gripa,
probablemente un adulto le har caer en la cuenta de ello.

Lo presentado anteriormente no presupone problema alguno, es slo la prueba de
la habilidad de los seres humanos para establecer este tipo de relaciones, lo cual
llega a ser, incluso, un criterio para evaluar su capacidad cognitiva, no obstante
tambin es muy fcil generalizar una relacin entre dos eventos y llevarla a una
causalidad errneamente.

Se invita al lector a reflexionar sobre esto: una cosa es pensar, he caminado
descalzo 3 veces y las 3 veces me he resfriado y otra muy diferente, en trminos
del tipo de razonamiento y de su validez, es si camino descalzo, me enfermo. Es
posible llegar a establecer, incluso con precisin estadstica, que se da la relacin
entre andar descalzo y estar enfermo de gripa; sin embargo, eso no significa
necesariamente que el haber caminado descalzo haya sido la causa de que
apareciese la enfermedad.

En la niez se aprende que las causas preceden en el tiempo a los efectos;
aunque hay que decirlo, esto no es del todo preciso, particularmente cuando se
analizan los fenmenos a la luz del pensamiento sistmico, es decir, no hay una
causalidad lineal sino ms bien una influencia circular.

Entonces, cuando se ve una o varias relaciones entre dos fenmenos del mundo,
como andar descalzo y tener gripa es muy fcil creer que se ha encontrado
una causalidad. El problema es que este tipo de inferencias no siempre son
correctas, pues el hecho de que no sea correcta no quiere decir que no funcione


en nuestra mente como si lo fuera; con este tipo de trampas hay que tener mucho
cuidado. Se invita al lector a establecer claramente la diferencia entre creer y
conocer.

Hasta aqu lo dicho se puede generalizar que siempre que hay causalidad, hay
relacin y que sin embargo, no siempre que hay relacin, hay causalidad, de lo
que se desprende que mientras la correlacin es una dependencia funcional entre
variables, positiva o negativa, la causalidad adems aade una relacin de causa
y efecto verificable entre las mismas, es decir que hay correlacin cuando hay
causalidad, por ejemplo, si llueve, entonces normalmente hay atascos, pero no
siempre al revs, es decir, los sntomas de una enfermedad suelen aparecer
juntos, de forma correlacionada, pero ninguno es causa de otro. Obviamente,
causalidad implica correlacin, pero no al revs.


Leccin 12: Modo de Referencia y la Hiptesis Dinmica
Hiptesis dinmica
La "hiptesis dinmica" es una conceptualizacin, en la cual se define qu
variables hacen parte del modelo inicial teniendo en cuenta todo lo que parece ser
determinante para el comportamiento del sistema, pero ningn elemento que no
tenga correspondencia directa con algo en el problema modelado. La hiptesis
dinmica es una explicacin terica acerca de cul es la forma como se genera el
problema; lo que implica la explicacin de las relaciones causales existentes entre
las variables, la forma como los efectos se propagan en ellos, los ciclos de
realimentacin que se forman y los retardos, siendo estos dos ltimos elementos
los responsables de la complejidad del sistema.

Se habla de hiptesis, porque es la idea inicial que ha de ser probada por el
modelo, pudiendo ser aceptada o rechazada; adems, porque es susceptible de
ser modificada a medida que se logra un mayor aprendizaje en las dems etapas
del proceso. Y se dice que es dinmica, puesto que incluye la explicacin de los
procesos de realimentacin que generan el problema. En pocas palabras, es la
teora de trabajo de la forma como se presenta el problema.

La formulacin de la hiptesis dinmica, demanda un proceso continuo de
aprendizaje y de discusin acerca de la forma como se relacionan las variables,
as como de recurrir a otras fuentes adecuadas de informacin, como expertos y
literatura.

Puesto que en esta etapa se generan las reglas de interaccin de las variables, las
reglas de decisin del modelo y su estructura general, por lo menos en lo terico;
tambin es necesario llegar a un anlisis o explicacin exgena del problema, es
decir, plantear la forma como las variables de carcter exgeno, as como sus
comportamientos y variaciones, afectan al sistema y sus procesos de
realimentacin.

Un modelo no debe contener demasiadas variables exgenas, puesto que cada
una significa una posible variable de escenario o en su defecto, de decisin;
aspectos ambos, que en cualquier caso, generan inconvenientes. Un gran nmero
de variables de escenario, generar tambin un amplio nmero de posibles
escenarios, puesto que se podrn construir gran cantidad de combinaciones de
variaciones de ellas. En el caso que se intente limitar a pocas combinaciones, se
genera un problema casustico, en el cual deben cumplirse muchas cosas para
que se presente ese futuro, el cual comienza a no ser plausible. Si por el contrario,
se posee gran cantidad de variables de decisin, lo que se presenta es la
incapacidad para manipular el modelo, y responder a cambios y comportamientos
de l; adems, no se entender los procesos de propagacin de efectos, es decir,
se perder el enfoque de aprendizaje de la Dinmica de Sistemas.


La formacin de la Hiptesis Dinmica puede estar apoyada en herramientas de
carcter grfico, las cuales permiten la correcta comunicacin de las ideas
construidas. En lo que al curso corresponde se usarn los diagramas de
influencias y los diagramas de Forrester o flujos y niveles.

Los diagramas empleados para la formulacin de la hiptesis, presentan
claramente los elementos que enmarcan las condiciones del sistema. Nuevamente
en esta etapa es necesario considerar qu elementos permitirn la construccin
de escenarios y es importante que se aprecien en cada uno.

Enseguida se materializa la hiptesis dinmica en el modelo y se procede a
simular: slo la simulacin como prueba podr revelar si las ideas expresadas son
suficientes para explicar el comportamiento del sistema. Es condicin necesaria
que modelo supere una serie de pruebas para que sea considerado como vlido,
es decir, confiable; en el caso contrario se hace evidente la necesidad de seguir
reflexionando y modelando. Por lo tanto, el rigor se trae a la reflexin mediante la
simulacin.

Modo de referencia
Uno de los primeros pasos en el proceso de modelado es la definicin precisa de
los aspectos del problema, procediendo luego a describirlos de forma clara, breve
y precisa (La dinmica del ser al existir) es decir, el establecimiento de la hiptesis
dinmica. Esta etapa puede implicar la descripcin del comportamiento dinmico
que se trata de estudiar; de esta descripcin se graficar el comportamiento
temporal de las principales magnitudes de inters, lo cual constituye el llamado
Modo de Referencia y sirve como una imagen aproximada de las grficas que se
debern obtener del modelo inicial. El modo de referencia deber emerger del
establecimiento de una adecuada hiptesis dinmica.

Si se modela un fenmeno pasado, se representar en ese modo de referencia el
comportamiento histrico registrado, que se trata de reproducir en el modelo. Si se
modelan situaciones futuras, el modo de referencia es ms ambiguo, pero deber
ser capaz de abarcar, a travs de las correspondientes variaciones de parmetros,
el conjunto de diferentes tipos, modos o pautas de desarrollo. El establecimiento
del modo de referencia determina el horizonte temporal del modelo.

Resumiendo hasta aqu el modo de referencia se constituye por un conjunto de
grficas que demuestran la formulacin del problema, estas grficas deben incluir
otros datos, definir variables de inters claves y establecer un horizonte de
planificacin apropiado que sea relevante para comprender el problema.

Por ejemplo, supngase que se est haciendo un modelo para describir la
evolucin del precio del caf; la figura 14 podra ser un buen ejemplo de modo de
referencia para esta situacin particular.


figura 14 Modo de referencia
19

Es importante tener en cuenta que el modo de referencia, es decir, aquella grfica
que inicialmente nos muestra como se ha comportado la variable o como se
espera que, segn la teora usada, se deba comportar, debe ser un elemento que
emerja de la adecuada formulacin de la hiptesis dinmica.

19
Tomado de: http://www.cepes.org.pe/cendoc/cultivos/cafe/2001/cafejunio2001/cafejunio.htm


Leccin 13: Elementos de los Diagramas de Influencias
La estructura del sistema
Esta parte del mdulo estar apoyada en la propuesta de modelado que hace el
profesor Javier Aracil y que describe muy bien en su libro dinmica de sistemas
publicado en la web por el instituto de defensa de Espaa, ISDEFE, en doi:
http://www.isdefe.es/monografias/docs/dinamica.pdf.

Atendiendo al profesor Aracil en lo que a la idea de sistema se refiere este autor
manifiesta que la descripcin mnima de un sistema viene dada por la
especificacin de las distintas partes que lo forman, mediante el conjunto C de su
composicin, y por la relacin R que establece cmo se produce la influencia entre
esas partes
20
. Seguidamente Aracil propone que para comprender lo antes
expuesto es preciso que se analice la estructura sistmica de un proceso. Para
ello propone como ejemplo el hecho de llenar un vaso con algn lquido. Quien lo
haya hecho alguna vez sabe que el procedimiento consiste en abrir la llave y una
vez se va alcanzando la cantidad que se requiere, la llave se cierra. En este
ejemplo aparece un agente quien es el que llena el vaso y lo hace hasta un valor
deseado, este valor sirve de gua para tomar la decisin de empezar a cerrar la
llave, una vez el nivel del vaso se va acercando al nivel deseado. Ver la figura 15.

figura 15 Llenado del vaso
21
.

A simple vista no es fcil identificar las variables que all intervienen, para ello se
usar la figura 16, que es una modificacin de la primera.

figura 16 Variables en el proceso de llenado del vaso.

20
Aracil Javier. Dinmica de Sistemas. Ediciones Isdefe, 1995. P. 18.
21
Fuente http://www3.uji.es/~agrandio/apu/37493f2e.jpg


Al observar detenidamente la figura es posible identificar el agente, quien llena el
vaso, el flujo de lquido o razn de cambio del sistema, el nivel del vaso o
acumulacin del sistema y dos elementos que dependen del agente, el nivel
deseado y el clculo instantneo de la diferencia entre el nivel del vaso y el nivel
deseado.

Una vez se logra determinar las partes del sistema y las relaciones entre estas se
dispone de una estructura, que ya puede ser til para ofrecer explicaciones acerca
de la dinmica del fenmeno representado. Un poco ms formal sera abstraer las
variables y relaciones y construir un grafo signado como paso previo al proceso de
formalizacin matemtico del sistema.

figura 17 Estructura del sistema.
A partir de la estructura y de la forma como sta se configura es posible hacer
inferencias plausibles de cul podr ser el comportamiento del sistema. En la
figura 17 es posible afirmar que a una mayor diferencia entre el nivel del vaso y el
nivel deseado se mantendr el flujo en su mayor dimensin, as mismo si el flujo
aumenta lo har tambin el nivel. Ntese que en ambos casos las flechas tienen
signos + mas en sus extremos lo que quiere decir que la variacin en la variable
de origen provoca una variacin en la variable de destino en el mismo sentido.
Siguiendo con el grfico, si el nivel del vaso aumenta la diferencia tiende a
reducirse, hay que notar que al final de la flecha que va de nivel del vaso a
diferencia es menos, ello debe leerse como que a una variacin en la variable
de origen provoca una variacin en la variable de destino en el sentido contario.

Los diagramas de influencias
En gran parte de la bibliografa existente sobre dinmica de sistemas es comn
hablar de diagramas causales, pero autores, como Aracil, recomiendan llamar a
dichos diagramas como diagramas de influencias, en la medida en que llamarlos
causales podra dar a entender que se trata de establecer relaciones estrictamente
de causa a efecto, lo que podra implicar un anlisis secuencial de las relaciones
entre variables. Al llamarles diagramas de influencias se deja en claro que las
relaciones circulares son perfectamente posibles; relaciones ms allegadas al
paradigma sistmico.


Entre los elementos que constituyen el fenmeno se establece un bosquejo
esquemtico en el cual se representan las relaciones entre aquellos relacionados
entre s, unindolos a travs de flechas. El diagrama resultante es el de
influencias, el cual permite conocer, como se dijo antes, la estructura del sistema.
Esta estructura viene dada por la especificacin de las variables que aparecen en
el mismo y por el establecimiento de la existencia o no, de una relacin entre cada
par de elementos.

Supngase dos elementos A y B. Si A influencia a B, se denotar A B. Sobre la
flecha, por medio de un signo, se indica si las variaciones de los dos elementos
son en el mismo sentido, o en sentido contrario. Es decir, un aumento o
disminucin de A corresponde un aumento o disminucin de B, lo cual se
representa como sigue: A
+
B. Se dice entonces que se tiene una relacin
positiva sin que ello implique necesariamente que se valore como bueno o malo
en s mismo.

Por otra parte, si a un aumento o disminucin) de A, corresponde una disminucin
o aumento de B, se denotar as: A
-
B. De ah se dice que es una relacin
negativa. En este caso lo negativo no significa una valoracin mala.

Al diagrama de influencias se llega por un proceso que implica una mezcla de
observaciones sobre el sistema, discusiones con especialistas en el sistema y
anlisis de datos acerca del mismo. En los diagramas de influencias, las
relaciones que unen dos elementos entre s pueden ser de dos tipos: la relacin
causal propiamente dicha, que se da cuando un elemento A determina a otro B,
con una relacin causa-efecto y la relacin correlativa, es aquella cuando existe
una correlacin (estadstica, por ejemplo) entre dos elementos del sistema, sin
existir entre ellos una relacin de causa efecto propiamente dicha.

Veamos el siguiente diagrama de influencias que intenta representar una situacin
asociada al incremente de un poblacin cualesquiera.

figura 18 Diagrama de influencias


En el diagrama de la figura 18 se pueden identificar 5 variables, la Poblacin, los
Nacimientos, las Muertes y las tasas de Natalidad y Mortalidad. Entre estas
variables se establecen relaciones, unas de material y otras de informacin. Las
de material son las de color negro, para el caso van directamente desde
Nacimientos y Muertes hacia Poblacin. La primera indica que se agregan
personas a la poblacin, en tanto que la segunda indica que se sustraen
individuos de la misma. La relacin que va desde Muertes hacia Poblacin tiene
un signo negativo, lo que quiere decir que a medida que aumentan las Muertes,
disminuye la Poblacin. De otra parte la relacin que va de Nacimientos a
Poblacin tiene un signo positivo, pues a medida que aumentan los Nacimientos,
tambin lo hace la Poblacin.
Recomendaciones para construir diagramas de influencias
Lo primero que se recomienda es hacer una lista con todas las variables posibles,
que pueden ser cuantitativas o cualitativas, por ejemplo: Las Ventas o el Estrs

Lo segundo que debe hacerse es revisar la lista para refinarla, es decir, revisar si
alguna variable ya est incluida en otra o significan lo mismo o si una variable si es
realmente crtica o no.

Como tercer paso se recomienda poner un nombre adecuado a cada variable, la
idea es usar sustantivos, en lugar de verbos, por ejemplo: Es correcto escribir
Nuevos productos, pero no desarrollar nuevos productos. Es correcto escribir
ganancias y no lo es escribir ser rentable.

Se recomienda usar nombres ms neutrales o positivos, por ejemplo: Satisfaccin
en el trabajo en lugar de inconformidad con el trabajo. Sera correcto decir
Moral en el Recurso Humano y no lo sera escribir Mala vibra.
Errores comunes en la realizacin de diagramas de influencias
En la prctica, se han identificado varios tipos de errores que son comunes en la
elaboracin de los diagramas de influencias.

Uso de variables no cuantificables: se suelen bautizar las variables con nombres
que no sugieren cantidad.

Variables que incorporan la polaridad: se da cuando el nombre de la variable tiene
un verbo que sugiere su incremento o decremento.

Relacin de variables vs. Hiptesis dinmica: surge cuando se relacionan
variables, y hasta se logra plantear ciclos, pero en realidad esta relacin no est
explicando nada del fenmeno en cuestin.

Causalidades redundantes: se presenta cuando se plantean causalidades para
lograr efectos que otras causalidades ya lograron.


Nivel de agregacin: por exceso o por defecto. Se hacen diagramas muy grandes
y detallados para situaciones muy simples, o diagramas muy pequeos para
situaciones complejas.

Diagramas causales sin dinmica: cuando se hace un diagrama causal en el cual
los ciclos carecen de relaciones que permitan la realimentacin.


Leccin 14: Los Ciclos de Realimentacin
En los diagramas de influencias aparecen unas estructuras circulares
denominadas ciclos de realimentacin. Popularmente a los ciclos de
realimentacin se les conoce como crculos viciosos. Los ciclos de
realimentacin pueden ser positivos o negativos, en lo que sigue se presenta ms
en detalle cada uno de ellos.
Ciclo de realimentacin positiva
En el ciclo de realimentacin positiva todas las influencias son positivas, pero si
las hubiese negativas, tendran que compensarse por pares. Este tipo de ciclo
representa un proceso en el que un estado determina una accin, que a su vez
refuerza este estado, y as indefinidamente, tambin es conocido como bola de
nieve. En la parte izquierda de la figura 21 se muestra la estructura y en la
derecha el comportamiento correspondiente, del ciclo de realimentacin positiva

figura 19 Estructura y comportamiento Ciclo de realimentacin positivo
Ejemplo de ciclo de realimentacin positivo
En el proceso de crecimiento de una poblacin, el estado es la poblacin y la
accin es su crecimiento. Cuanto mayor sea la poblacin, mayor es su
crecimiento, por lo que a su vez mayor ser la poblacin, y as indefinidamente.

figura 20 Estructura y comportamiento Ciclo de realimentacin positivo


En la figura 18 se identifica un ciclo de realimentacin positivo determinado por la
relacin existente entre la variable Poblacin y la variable Crecimiento, ntese que
los signos en ambas flechas son positivos + esto quiere decir que a un aumento
de la Poblacin le sigue un incremento del Crecimiento y ste a su vez implica un
aumento de la Poblacin.
Ciclo de realimentacin negativa
El ciclo de realimentacin negativa, representa un tipo de situacin en el que se
trata de decidir acciones para modificar el comportamiento con el fin de alcanzar
un determinado objetivo.

figura 21 Estructura y comportamiento Ciclo de realimentacin negativo
Su estructura bsica es la de realimentacin, puesto que las decisiones se toman
a partir de la informacin sobre los resultados de las acciones previamente
adoptadas. Como estas acciones son a su vez el resultado de decisiones
anteriores se tiene as una cadena circular sin fin.
Ejemplo de ciclo de realimentacin negativo
En el figura 22 la flecha que va de la variable atractividad a migracin
representa una influencia positiva, es decir que a un incremento en la atractividad
de la comunidad, se incrementa la migracin hacia la comunidad. La flecha de
poblacin a empleos disponibles per cpita es una influencia negativa, es decir
que un incremento en la poblacin de la comunidad causar un decremento en el
nmero de empleos disponibles per cpita.

figura 22 Ciclo de realimentacin negativo
Es importante sealar que en la figura 22 se lee que un cambio en migracin
producir un cambio en poblacin en la misma direccin, pero un decremento en
migracin no producir un decremento en poblacin a menos que la migracin sea


negativa. Este tipo de situaciones deben ser tenidas en cuenta para evitar
conclusiones erradas. Se invita al lector para que revise la figura 18 e identifique
all tanto los ciclos de realimentacin positivos como negativos.

Ciclos de realimentacin acoplados
Es habitual encontrar sistemas complejos en los que coexistan mltiples bucles o
ciclos de realimentacin, tanto positivos como negativos. En este caso el
comportamiento resultante depender de cules de los bucles sean dominantes
en cada momento.

figura 23 Ciclos acoplados

figura 24 Comportamiento ciclo acoplado

La grfica representa de procesos en los que inicialmente se produce un
crecimiento, pero todo crecimiento debe de cesar, no hay crecimiento indefinido.
Este efecto limitador se incorpora mediante un bucle de realimentacin negativa.
En lo que sigue se presenta con mayor grado de profundidad el crecimiento
sigmoidal o logstico que es ejemplo de los ciclos de realimentacin acoplados.

El crecimiento sigmoidal
El crecimiento en S, sigmoidal o logstico se asemeja mucho al crecimiento
exponencial, sin embargo, a partir de un cierto punto el crecimiento se ralentiza,
este hecho permite que la curva pueda representar adecuadamente la
propagacin de rumores, la extensin de una innovacin tecnolgica o una
epidemia, ntese que una misma estructura permite dar cuenta de diferentes
fenmenos, es esto a lo que Bertalanffy se refera con la idea de una teora


general de sistemas y bsicamente lo referido a la ubicuidad de la estructura
sistmica. Al principio tanto el rumor, como la apropiacin de una innovacin
tecnolgica y la cantidad de enfermos se propagan rpidamente, cada "infectado"
o "afectado" por la innovacin es susceptible de traspasar el "contagio" a otro
individuo que tenga contacto con l, pero a cuando el nmero de "infectados"
crece es ms difcil encontrar una persona que previamente no haya estado en
contacto con la enfermedad o innovacin.

Una magnitud P (Estado); que sigue un crecimiento logstico tiene un crecimiento
que puede ser representado por el siguiente diagrama de influencias:

figura 25 Crecimiento en S

En donde: r (Condicin limitadora) es la tasa de crecimiento, cuando P; es
pequea en relacin a k; la tasa de crecimiento de la variable es prcticamente
proporcional a r, tal como sucede en un modelo de crecimiento exponencial; k
(Condicin limitadora); es la capacidad o nivel de saturacin de la variable,
normalmente representa alguna restriccin que el ecosistema o el medio en el que
crece la variable impone un lmite mximo por encima del cual la variable no
puede seguir creciendo. P es la variable que crece y la variacin de P est
representada CP (Accin reforzante). El crecimiento de la poblacin CP estar
limitada por DP (Accin estabilizadora) que es la relacin entre la cantidad de P y
la posibilidad de seguir creciendo que lo da k, por P y por la tasa natural de
crecimiento r en caso de no haber limitaciones.


Leccin 15: Los retardos
Un aspecto importante que se debe considerar en el modelamiento con dinmica
de sistemas es el retardo que se produce en la transmisin ya sea de informacin
o de material. Al construir el diagrama de influencias se debe considerar que la
relacin causal que une a dos variables puede implicar la transmisin de
informacin o material para la cual se requiere el transcurso de un cierto tiempo;
es entonces cuando s est en presencia de un retardo, retraso o demora, como
tambin se conoce. Para formarse una idea sobre la situacin de cierto problema
es necesario que trascurra un cierto tiempo antes de tomar una decisin y una vez
tomada deba transcurrir algn tiempo hasta que se observen los efectos en la
misma.

Los retardos de materiales se producen cuando existen elementos en el sistema
que almacenan el material que fluye por el mismo. Por ejemplo, cuando se enva
un grupo de cartas a diferentes destinatarios, stas permanecern un cierto
tiempo en poder de la empresa de correos, desde que el remitente la enva hasta
que el destinatario la recibe.

Los retardos de informacin resultan de la necesidad de conservar y almacenar
informacin del sistema antes de tomar una decisin. Los retardos en la
transmisin de informacin actan como filtros que son capaces de aislar los picos
que presenta la evolucin de una variable, tomando para ello un valor promedio de
la misma. Al promediarse ponderarn los datos disponibles de manera que los
ms recientes influyan significativamente en los ms antiguos.

En la figura 26 se muestra un bucle de realimentacin negativa en el que la
influencia entre la variable C y la variable A produce un retardo, representado, e
este caso por dos trazos en la flecha.

figura 26 Retardos
Los retardos en los bucles de realimentacin positiva determinan que el
crecimiento no se produzca tan rpidamente como se esperaba. Los retardos en
los bucles de realimentacin negativa, al producirse de forma lenta los resultados
puede llevar a que se tomen decisiones drsticas, esto naturalmente conduce a
una oscilacin del sistema, lo que Forrester llama el efecto ltigo (bullwhip); se
invita al lector a profundizar sobre este concepto.


ACTIVIDADES DE AUTOEVALUACIN DE LA UNIDAD UNO

1. Indique las diferencias entre un sistema, una mquina y un modelo.
2. Dibuje un sistema, una mquina y un modelo.
3. Se puede afirmar que un modelo sirve para ser representado, diga por qu.
4. Cules son las propiedades de los sistemas?
5. Cuntas y cules son las mquinas simples?
1. Qu es la Ciberntica?
2. Cul es su importancia para el modelado?
3. Qu es la realimentacin?
4. Indique dos casos en que sea evidente la realimentacin?
5. Se puede afirmar que la ciberntica pertenece al pensamiento de sistemas?
1. Elabore una definicin propia de la nocin de Sistema
2. Puede el mundo ser visto como si fuera un sistema?
3. Qu cosas del mundo se pueden representar como si fueran sistemas?
4. Averige qu cosa es la entropa y la sinergia y establezca relaciones entre
ellas.
5. Qu cosa es la equi-finalidad?
1. Hay diferencias entre el pensamiento de sistemas y la teora general de
sistemas, indquelas?
2. Es correcto afirmar que una visin sistmica es una visin que reduce los
objetos para poderlos estudiar y ah termina el proceso? D una argumentacin
vlida a su respuesta.
3. Qu le hace pensar esta frase: "lo no suficientemente sistmico es
suficientemente sistmico"? Escrbalo.
4. Es lo mismo un sistema que un conglomerado, por qu?
5. Usted piensa sistmicamente?, Cmo lo podra comprobar?
1. Qu es el isomorfismo?
2. Es posible apoyarse en otras ciencias para estudiar los de otra ciencia?
3. Qu es la teora General de Sistemas?
4. Cmo piensa usted que el pensamiento de sistemas aporta para su
desempeo profesional?
5. Es Ren Descartes un pensador sistmico?
1. Qu es el ser de las cosas?
2. Qu es el existir de las cosas?
3. El ser implica la existencia?
4. Cul es la importancia de la dinmica del existir en los procesos de modelado?
5. Las cosas pueden ser sin existir?
1. Una modelo de ropa qu tipo de modelo es?
2. La ropa que lleva una modelo es un modelo?
3. Los prototipos de buen comportamiento son modelos?
4. Los modelos matemticos para qu sirven?
5. Qu es modelar, es lo mismo que simular?
1. Un modelo es aquello que sirve para representar?
2. Un modelo es aquello que sirve para ser representado?


3. Cul de las dos acepciones de modelo anterior es pertinente al modelado en
ingeniera?
4. Una ecuacin es un modelo?
5. Explique sus respuestas anteriores
1. El modelado para el aprendizaje implica slo una representacin mental?
2. El modelado para la explicacin implica modelos formales?
3. El modelado para la intervencin supone toma de decisiones?
4. Qu competencias desarrolla el proceso de modelado?
5. Explique todas sus respuestas
1. Diga qu es el modelado de rplica?
2. Explique en qu consiste el modelado de reconstruccin
3. Argumente acerca del modelado de construccin
4. Establezca las diferencias entre el modelado de rplica, de reconstruccin y de
construccin
5. Disee una tabla comparativa entre las tres formas de modelado
1. Qu es la correlacin?
2. Qu es la Causalidad?
3. Diferencie de forma clara los trminos causalidad y casualidad
4. S dos variables estn fuertemente correlacionadas son causa y efecto?
1. Un modo de referencia es un comportamiento histrico?
2. Diga qu es una hiptesis dinmica
3. Defina la relacin entre modo de referencia e hiptesis dinmica
4. Por qu se habla de hiptesis dinmica y no esttica?
1. Es lo mismo causal que influencia?
2. Para qu sirve un diagrama de influencias?
3. Cules son los elementos de un diagrama de influencias?
4. Cules son los errores que comnmente se cometen la crear un diagrama de
influencias?
5. Sustente las respuestas anteriores a travs de un grfico
1. Qu es un ciclo de realimentacin
2. De un ejemplo de ciclo de realimentacin positivo
3. De otro ejemplo de realimentacin negativa
4. Qu es el feedback
5. Busque el trmino "retroalimentacin" en www.rae.es
1. Qu es un retardo?
2. Indique un par de ejemplos en donde se presenten retardos
3. Qu es el efecto ltigo?
4. Muestre un par de ejemplos en donde se presente este el fenmeno ltigo
5. Averige en internet cul fue el aporte de Forrester para describir el efecto
ltigo.


FUENTES DOCUMENTALES DE LA UNIDAD UNO

LOPEZ, H., SOTAQUIR, R., ANDRADE, H., ESPINOZA, A., DYNER, I., (2001).
Pensamiento Sistmico: Diversidad en bsqueda de unidad. Ediciones UIS.

FORRESTER, J. W. (1958). "Industrial Dynamics--A Major Breakthrough for
Decision Makers." Harvard Business Review, Vol. 36, No. 4, pp. 37-66.

RADZICKI M. et al, (2002). Why Every Engineering Student Should Study System
Dynamics, en 32nd ASEE/IEEE Frontiers in Education Conference, 2002 IEEE
November 6 - 9, Boston, MA.

WIENER, N. (1948). Cybernetics or Control and Communication in the Animal and
the Machine. New York: John Wiley & Sons, Inc., 194 pp

SHANNON, C.E. (1948), "A Mathematical Theory of Communication", Bell System
Technical Journal, 27, pp. 379423 & 623656, July & October, 1948.

Von NEUMANN, J. and MORGENSTERN, O., (1944). Theory of Games and
Economic Behavior, Princeton University Press

CANNON, W., (1929). Organization for Physiological Homeostasis, Physiological
Reviews, 9 399427.

MATURANA, H. y VARELA, F. (1984): El rbol del Conocimiento. Las bases
biolgicas del entendimiento humano, Buenos Aires, Lumen/Editorial Universitaria,
2003, 172 pp.

MATURANA, H. (1997). El sentido de lo humano. Dolmen. TM editores. Santiago
de Chile. Novena edicin.

Von BERTALANFFY, L. (1930). Lebenswissenschaft und Bildung, Stenger, Erfurt.

Von BERTALANFFY, L. (1976). Teora general de los sistemas -fundamentos,
desarrollo, aplicaciones. 1" ed. en espaol, 1976, Fondo de Cultura Econmica,
Mxico, Madrid y Buenos Aires, 311p.

Von BERTALANFFY, L. (1979). Perspectivas en la Teora General de Sistemas,
Alianza Universidad, Madrid.

McLEOD, R., (2000). Sistemas de Informacin Gerencial. Pearson Educacin.

MURDICK, R., (1988). Sistemas de informacin administrativa. Mxico.


MOSTERIN, J. (1984). Conceptos y Teoras en la Ciencia, Alianza Universidad,
Madrid.

BUNGE, M. (1985). Teora y realidad. Editorial Ariel. 310 p.

CHECKLAND, P. (1992). Pensamiento de sistemas, prctica de sistemas.
Editorial Limusa, p.352.

PINEDA, E., (2005). Un Reconocer A Nivel Prctico De Las Diferencias Y
Coincidencias De Los Enfoques De Modelado Conductista Y Estructural En La
Economa. Trabajo de grado en Economa, Universidad Industrial de Santander. P.
38.

ARACIL, J. (1987) Dinmica de Sistemas, Alianza Universidad. Madrid, tercera
edicin.

SIMON, H.A. (1969). The Sciences of the Artificial, MIT Press, Cambridge Ma.

SENGE, P. (1999). La quinta disciplina, Granica. 490 p.

PARRA J. y ANDRADE, H. (2002). Reconocimiento, Diversidad y Aprendizaje.
Disponible en: http://www.colombiaaprende.edu.co/html/mediateca/1607/articles-
75601_archivo.pdf

ARACIL, J. (1995). Dinmica de Sistemas. Ediciones Isdefe.


UNIDAD 2: DIAGRAMAS DE FORRESTER

Nombre de la Unidad Diagramas de Forrester
Introduccin Los diagramas de Forrester son los elementos de tipo
conceptual que permiten el modelado estructural de la
dinmica de sistemas.
Justificacin Es un paso previo del modelado cualitativo al modelado
cuantitativo, que llevado a los software especializados
posibilita la generacin de las ecuaciones en diferencias.
Intencionalidades
Formativas
Desarrollar la habilidad para la representacin de
fenmenos de diversa naturaleza a partir de las nociones
de razn de cambio y acumulacin, adems de los
retardos y la realimentacin.
Denominacin de
captulos
Captulo 4: Elementos De Los Diagramas De Forrester
Captulo 5: Elaboracin De Diagramas De Forrester
Captulo 6: Simulacin


CAPTULO 4: ELEMENTOS DE LOS DIAGRAMAS DE FORRESTER
Introduccin
Una vez construido el diagrama de influencias en el cul se han graficado las
variables y las relaciones constitutivas del problema modelado es preciso pasar a
una segunda parte en la cual se deber expresar dicho modelo en trminos de
acumulaciones y variaciones, fundamentalmente.

sta es una de las partes que demandan mayor cuidado pues de la correcta
identificacin de las variables, ya sean acumulaciones o razones de cambio,
depender el xito en el proceso de modelado.

Este captulo se concentra especialmente en dar algunos elementos que guiarn
al estudiante en la adquisicin de habilidades que le permitan reconocer de
manera adecuada cada una de estas variables.

Se recomienda al lector una prctica consciente y dedicada para que pueda lograr
sus propsitos, pues como todo proceso de aprendizaje se da en la medida en
que haya un genuino inters por aprender expresado este en la necesidad
intrnseca del estudiante por hacerlo.


Leccin 16: La Nocin de Razn de Cambio y Acumulacin
Nociones acerca del cambio
En el inicio de algunos artculos es comn leer que lo nico que permanece
constante es el cambio, este hecho naturalmente genera en el hombre la urgente
necesidad por determinar las variaciones ocurridas ya sea desde una descripcin
de las circunstancias o a partir de la medicin de las mismas. Rendn (2009)
citando a Lyotard (1984) muestra como ejemplo de las consecuencias del cambio
que las condiciones socio-econmicas y polticas de pases o regiones guardan
diversas relaciones entre s, ya sea de similitud, subordinacin- dominacin o
antagonismo, las cuales pueden favorecer ambientes de cooperacin,
competencia o incluso conflicto, determinando con ello las dinmicas de cambio
propias del mundo contemporneo".

Esta situacin conduce a que el cambio se conciba de diferentes forma, es decir
desde lo descriptivo o cualitativo y lo numrico o cuantitativo. En las siguientes
secciones se describen estas concepciones.

El cambio cualitativo
En este mdulo se acepta que lo cualitativo es aquello que denota cualidad, es en
este sentido que debe entenderse el cambio cualitativo que implica la posible
comparacin con otras situaciones similares, afines o de la misma especie. Es
preciso indicar que la mayor de las veces este anlisis depende de la percepcin
del observador, en este sentido, se podra afirmar que lo cualitativo, depende de
quien lo percibe y, a diferencia de lo cuantitativo, es mucho ms difcil de precisar
con especificidad en distintos escenarios y de diversas perspectivas individuales.

Para Rendn (2009) el cambio cualitativo se caracteriza por:

Distinguir las caractersticas necesarias para identificar modificaciones de
un objeto, situacin o accin propias de un contexto.
Permitir representar una situacin con una definicin pobre (parcial, incierta
y/o imprecisa), soportando el proceso de solucin y proporcionando una
interpretacin de los resultados.
Ser la forma ms ampliamente utilizada para explicar las modificaciones
ocurridas respecto a algo, desde el razonamiento por sentido comn.

Cambio cuantitativo
En Rendn (2009) se define el cambio cuantitativo como la nocin de medida, es
decir, el valor numrico, que deviene de la operacin cotidiana de comparar
conjuntos y no slo se vincula con el nmero de elementos de un conjunto, sino
tambin con la nocin de extensin, por ejemplo; largo-corto.


En la evolucin del conocimiento, el ser humano no solo se enfrentado con el
hecho de medir, sino tambin con la necesidad de determinar la variacin de
dichas mediciones. Estas variaciones hacen referencia a los cambios de las
medidas, es decir, se relaciona con los cambios cuantitativos. Adems pretende
definir un nmero asociado a las modificaciones ocurridas, es decir que, en
cualquier circunstancia, sea posible enunciar la cantidad de aumento y/o
disminucin.

El cambio cuantitativo, segn Rendn (2009), se describe con base a los factores
que lo generan, matemticamente son llamadas variables, las cuales son tomadas
como causas, es decir, como relaciones de dependencia que dan cuenta de lo
ocurrido. El modelado con dinmica de sistemas tiene tiles que pueden utilizarse
para representar tanto el cambio cualitativo (diagramas de influencias) como
cuantitativo (diagramas de Forrester).

La razn de cambio
La razn de cambio junto con la nocin de acumulacin son centrales en el
modelamiento con dinmica de sistemas. En trminos elementales la razn de
cambio es aquella que da cuenta o que es responsable de los procesos de
acumulacin. Con un sencillo ejemplo se pretende clarificar an ms esta idea.
Supngase que se tiene una alcanca en la cual cada mes se guarda una moneda
de $100 pesos; a esta cantidad de dinero guardada mensualmente se le denomina
razn de cambio, pues es la responsable del aumento (cambio) de la cantidad de
dinero que se ir almacenando (acumulando) en la alcanca.

figura 27 Flujo de monedas que llena la alcanca
22

Matemticamente la razn de cambio de una variable respecto a otra es la
magnitud del cambio de una variable por unidad de cambio de la otra. Tambin se
le llama tasa de cambio. Si las variables no tienen ninguna dependencia la tasa de
cambio es cero.

La compresin del concepto de razn de cambio o razn de variacin se considera
de gran importancia dentro de las matemticas, puesto que posibilita la
comprensin de diversos fenmenos de la naturaleza lo cual posibilita que stos
sean modelados, entre otras cosas, con ecuaciones diferenciales.

22
Tomado de http://www.flickr.com/photos/rockdrigo68/3321611111/


Leccin 17: Diagramas de Forrester
Una vez se ha construido el diagrama de influencias debe ser elaborado el
diagrama de Forrester o diagrama de flujos y niveles. En este diagrama se deben
ubicar los distintos elementos que constituyen el diagrama de influencias, teniendo
especial cuidado de identificar cuando uno de estos elementos representa ya sea
una acumulacin, una razn de cambio o un simple clculo intermedio entre una
razn de cambio y una acumulacin.

Las variables o elementos del diagrama de influencias, una vez identificados como
acumulaciones, o razones de cambio o clculos intermedios son representados
mediante:
variables de nivel o acumulaciones
variables de flujo o razones de cambio
variables auxiliares o de clculo intermedio

Los diagramas de Forrester son la modelacin en forma pictrica de la relacin
que existe entre los 3 tipos de variables con el fin de establecer una interface con
el modelado de sistemas a travs de una computadora. Los conos que son
usados para la elaboracin de un diagrama de Forrester provienen del smil
hidrodinmico que fuera usado en los comienzos de la dinmica de sistemas como
metfora para representar la evolucin de los sistemas dinmicos.

figura 28 Smil hidrodinmico
23

El problema que implica el smil hidrodinmico tiene que ver con que un
observador debe controlar el contenido de lquido en los niveles N1, N2 y N3 y
para ello tiene la posibilidad de abrir o cerrar las llaves F1, F2, F3 y F4.
Naturalmente el lquido se va acumulando en los tanques o niveles y es claro que
tendr que llenarse primero el tanque o nivel N1 antes de que comience a llenarse
el nivel N3, una vez se vaya alcanzando el nivel deseado el observador deber
obturar las llaves, para evitar que se pierda el lquido.

23
Figura tomada y modificada de http://tgs7233.galeon.com/introdds.htm


Es clave notar que el tanque o nivel N1 se llena si la llave F1 est abierta, es decir,
si hay un flujo de lquido que entre y vaya llenando el tanque. Tambin es cierto
que el nivel N1 se desocupa o disminuye o se des-acumula si la llave F2 permite
que el lquido de N1 fluya a N2 e igual sucede con el nivel 2 y el nivel 3.

A estas alturas el lector debe tener claro porqu el smil hidrodinmico sirve como
metfora de los diagramas de Forrester o de flujos y niveles. Segn el smil los
niveles se llenan o se desocupan mientras que los flujos provocan el incremento o
decremento de los niveles. Aparece aqu implcita la idea de acumulacin y razn
de cambio respectivamente.

Los elementos del diagrama de Forrester
Las variables de estado o "niveles" se definen como aquellos elementos que
muestran en cada instante la situacin del modelo, simulan una acumulacin y
varan solo en funcin de los "flujos". Los niveles se representan por medio de un
rectngulo. Para el caso del smil hidrodinmico los niveles son N1, N2 y N3. El
rectngulo representa la variable de nivel. La evolucin de este tipo de variables
resulta siendo muy significativa para el estudio del sistema. La variable de nivel al
cambiar a travs del tiempo alcanza lo que se conoce con nombre de estado del
sistema. La eleccin de los elementos o variables que se pueden representar
mediante niveles en un modelo determinado depende del problema especfico qu
se est considerando; sin embargo una caracterstica comn a todos los niveles
es que cambian lenta o rpidamente en respuesta a variaciones de otras
variables. A cada nivel se le puede asociar un flujo de entrada (FE) o un flujo de
salida (FS) o una combinacin de los dos. Un ejemplo de nivel podra ser la
cantidad de personas que hay dentro de la sala de un teatro.

Los llamados "canales de informacin", transmiten, como su nombre indica,
informaciones que por su naturaleza no se conservan. Las magnitudes fsicas
entre flujos y niveles se transmiten a travs de los denominados "canales de
material".

Las razones de cambio, vlvulas o "flujos" son elementos que se definen como
funciones temporales, pues recogen las acciones resultantes de las decisiones
tomadas en el sistema, determinando las variaciones de los niveles. Las variables
de flujo caracterizan las acciones que se toman en el sistema, las cuales quedan
acumuladas en los correspondientes niveles. Debido a su naturaleza se trata de
variables que no son medibles en s, sino que se miden por los efectos que se
producen en las variables de nivel de tal forma que las variables de nivel se
asocian con ecuaciones que definen el comportamiento del sistema. Un ejemplo
de flujo podra ser la cantidad de personas que entran a un teatro por unidad de
tiempo, 5 personas por minuto.


La nube representa una fuente o un sumidero de material que puede
interpretarse como un nivel que no es importante para el modelador y es
prcticamente inagotable.

Las constantes o parmetros se usan para representar aquellos valores que no
cambian a travs del tiempo. Son determinantes para calcular el valor de los flujos.
Un ejemplo de constante es la tasa de natalidad de una poblacin o la tasa de
inters de un prstamo.

Los "retardos", que simulan el tiempo que demora la transmisin de los materiales
o las informaciones. En los sistemas socioeconmicos es frecuente la existencia
de retardos en la transmisin de material e informacin y tienen una gran
importancia en la determinacin del comportamiento del sistema. Ejemplo: si se
siembra una semilla de maz se esperara que a los 90 das hubiera una mazorca,
es decir, habra un retardo de 90 das desde el momento de la siembra hasta el
momento de la cosecha.

Las variables exgenas son las influencias que afectan el sistema, pero lo que
suceda en el sistema no la afecta. Un ejemplo puede ser la cantidad de agua lluvia
que afecta a un cultivo.

Las "variables auxiliares" son clculos intermedios y valores fijos,
respectivamente, que permiten una visualizacin mejor de los aspectos que
condicionan el comportamiento de los flujos.

Las tablas se usan para representar aquellas relaciones entre variables que son
no lineales, este tipo de comportamientos se pueden observar por ejemplo entre la
sensacin de hambre y la cantidad de alimento consumido; a medida que se come
la sensacin de hambre disminuye, pero no proporcionalmente a la cantidad de
alimento consumido. Tambin se usan para representar multiplicadores que son
las relaciones entre variables que no permanecen constantes a travs del tiempo.
Ejemplo de ello sera una tasa de inters variable.

En la figura 29 se pueden apreciar los conos que se usan en diferentes software
para representar los elementos de los diagramas de Forrester.


figura 29 Elementos del diagrama de Forrester en distintos software
24

24
Figura tomada y modificada de internet.


Leccin 18: Los Niveles y los flujos
Construccin del diagrama de Forrester
Como se ha dicho en varias ocasiones los niveles son las variables que se
acumulan o se des-acumulan, este hecho les permite mantener la memoria del
sistema. Otro hecho que hay que tener presente es que siempre debe haber por lo
menos un flujo relacionado con un nivel, en caso contrario ese nivel permanecer
invariable, es decir, parecer ms una constante o parmetro.

Una de las primeras variables que deben ser identificadas en un diagrama de
influencias son las variables de nivel, para ello es necesario preguntarse, cul de
cada variable una de esas variables tendr comportamientos relacionados con
procesos de acumulacin y des-acumulacin, es decir, cules de ellas se llenan o
se desocupan.

Volviendo sobre el smil hidrodinmico, de la figura 28, se puede apreciar que los
tres tanques se pueden llenar o desocupar dependiendo de cul de las 4 llaves
est abierta o cerrada. Es decir que la cantidad de lquido almacenada en el
sistema depender de que tanto se manipulen las vlvulas o llaves.

Una caracterstica comn a las variables de nivel es que cambian lentamente en
respuesta a las variaciones de otras variables, en concreto de las variables de
flujo. A cada nivel N(t) se le puede asociar un flujo de entrada Fe(t) y salida Fs(t),
de acuerdo con

() ()

O en forma de ecuacin diferencial

La anterior ecuacin se denomina ecuacin de nivel diagrama se representa
mediante el diagrama de Forrester que se muestra en la figura 30

figura 30 Diagrama de Forrester
Las variables de flujo son aqullas variables que determinan los cambios en las
variables de nivel del sistema y caracterizan las acciones que se toman en l, las
cuales quedan acumuladas en los niveles correspondientes. Fsicamente


expresan como se convierte la informacin disponible en el sistema en una accin
y estn asociadas a las vlvulas o llaves del smil hidrodinmico. A cada flujo F(t)
se le asocia una ecuacin llamada ecuacin de flujo o funcin de decisin que
admite como variables de entrada los niveles, las variables auxiliares y las
constantes, en trminos generales.

F(t) = TN *M(t)*N(t)

EN donde TN es el flujo normal (constante), M(t) es el multiplicador del flujo
normal (auxiliar) y N(t) (nivel). El diagrama de Forrester, de la ecuacin de flujo, se
presenta en la figura 31.


Algunas recomendaciones para reconocer los niveles y los flujos
Lo primero que hay que tener en cuenta es que los niveles son generalmente una
cantidad mientras que los flujos son medidos en las mismas unidades del nivel por
unidad de tiempo. Por ejemplo: si el nivel es la poblacin las unidades sern las
personas y los flujos asociados a ese nivel estarn dados como personas/ao; si
la unidad de tiempo es el ao.

Una metfora que contribuye en la caracterizacin de las variables de flujo y
niveles es la prueba de la foto en tanto que los niveles caracterizan el estado de
un sistema. Imagine usted lector que se congela el sistema como en una foto; los
niveles seran las cosas que se pueden contar.



Otra recomendacin importante tiene que ver con que se debe respetar la ley de la
conservacin de la materia, en este sentido, los contenidos de las redes de niveles
y flujos se deben conservar. Por ejemplo, las cosas, (cuentas por cobrar) en el
nivel permanecen ah hasta que salen por pagos o por defaults. Ver la figura 32.

Slo los flujos deben estar relacionados directamente con los niveles, es decir,
que un nivel nicamente cambia por flujos de entrada y salida. Los niveles a su
vez determinan los flujos. Ver la figura 33.

figura 33 Relacin entre nivel y flujo
Ejemplos de niveles:
El inventario en una bodega, (nmeros de objetos)
Empleados en un negocio, (nmero de personas)
La cuenta de ahorros, (Cantidad de dinero)
Computadores en una empresa, (cantidad de computadores)
Usuarios de un servicio (la cantidad de suscriptores )
Flujos asociados a los niveles
El inventario se incrementa por el flujo de produccin y decrece por el flujo de
despachos.


El nmero de computadoras en una empresa se incrementa con nuevas
adquisiciones y se reduce por obsolescencia.



El saldo de la cuenta de ahorros se incrementa con los depsitos y decrece con
los gastos.


El nmero de usuarios de un servicio se incrementa con nuevos clientes y se
reduce por los clientes que cambian de proveedor o cambian de servicios.


Se invita al lector para que proponga nuevos ejemplos de niveles y flujos propios
de su dominio de conocimiento. Se insiste mucho en que los niveles son
acumuladores y los flujos aquellos responsables de la acumulacin.


Leccin 19: Las variables Auxiliares, los Multiplicadores y las No
Linealidades
Variables auxiliares
Las variables auxiliares representan pasos en los que se descompone el clculo
de una variable de flujo a partir de los valores tomados por los niveles y de otras
variables. El propsito del uso de las variables auxiliares est en facilitar la
comprensin y definicin de las variables de flujo, aunque no es exclusiva esta
tarea, ya que las variables auxiliares suelen representar en s mismas conceptos
individuales.

Si se hace un modelo del smil hidrodinmico aparecen all variables auxiliares que
son definitivas para determinar los flujos. Se sugiere al lector que revise de nuevo
la figura 28.

figura 38 Diagrama de Forrester del smil hidrodinmico

Ntese en el modelo, figura 38, que se requieren 4 variables Auxiliares y cinco
parmetros para modelar la informacin que permite al observador actuar sobre
las llaves. Los parmetros indican el valor del flujo en cada caso y el parmetro CT


se usa para indicar la capacidad total de los niveles. Las variables auxiliares
toman informacin de los niveles y del parmetro CT y determinan si an es
posible adicionar ms lquido. Como se puede intuir, las variables auxiliares son
variables de decisin. En el caso de la variable auxiliar A1 se define como: IF(CT-
N1>0,VF1,0), es decir, que si al restar de la capacidad total el contenido del nivel 1
es mayor que cero, quiere decir que no est lleno, en tal caso F1 permite que el
lquido fluya, en otro caso la llave (F1) se cierra. Se deja como trabajo para el
lector que deduzca cules han de ser las ecuaciones que corresponden a las otras
tres variables auxiliares.
No linealidades
Si dos variables A y B estn relacionadas por B = f(A) siendo f no lineal, B una
variable auxiliar y A una variable de nivel, se emplea el smbolo de la figura 39 en
el diagrama de Forrester. Esta es una representacin que dependiendo del
software usado puede cambiar. Se invita al lector a repasar la figura 29, la parte
correspondiente a tabla.

figura 39 No linealidad
Las no-linealidades se usan para representar aquellas relaciones entre variables
que son no lineales, este tipo de comportamientos se pueden observar por
ejemplo entre la sensacin de hambre y la cantidad de alimento consumido; a
medida que se come la sensacin de hambre disminuye, pero no
proporcionalmente a la cantidad de alimento consumido.
Los Multiplicadores
Los multiplicadores son tasas cambiantes que afectan una variable. Un efecto
multiplicador es el que ocurre cuando una persona aumenta la ingesta de
alimentos, eso tiene un efecto sobre el valor nominal del peso, aunque la persona
siga siendo la misma. Es importante advertir que las personas no suben de peso a
un mismo ritmo consecuencia de la misma ingesta sostenida de alimentos. Otro
ejemplo que ilustra la idea de multiplicador es el efecto que tiene sobre una
poblacin la disponibilidad de recursos. A medida que crece la poblacin, si hay
suficiente recursos, crecer a una tasa natural y mostrando un comportamiento
exponencial. Una vez los recursos empiecen a escasear tendrn un efecto sobre
los nacimientos haciendo que estos decrezcan.

En figura 40 es posible observar como sobre la variable nacimientos tiene efecto la
tasa de nacimientos, pero adems la disponibilidad de recursos tambin tiene su
efecto limitante. La estrella en el diagrama muestra que habra un efecto
multiplicador sobre la cantidad de nacimientos producto de la escasez de
recursos. En este caso la multiplicacin reduce el valor nominal de los nacimientos
teniendo un comportamiento no-lineal, es decir, a medida que comienza a


escasear el recurso la tasa de nacimientos se ir haciendo cada vez ms pequea
al punto de que se igualen los nacimientos y las muertes y se estabilice el sistema.

figura 40 Multiplicador

Finalmente el modelador deber disear numricamente los multiplicadores para
que surtan el efecto observado en el fenmeno.

Tanto los multiplicadores como las no linealidades son tratadas de forma similar
por la mayora de los software disponibles, la diferencia subyace a la definicin de
cada uno de ellos. No olvidar que una no-linealidad es una funcin que transforma
una entrada en una salida relacionadas ambas de forma no lineal; mientras que un
multiplicador altera el valor nominal de una variable, la aumenta o disminuye, pero
no hay cambio de unidades.


Leccin 20: Caracterizacin de los Retardos
Una caracterstica que debe ser considerada al modelar sistemas dinmicos es el
retardo producido, en la transmisin de material o en la transmisin de
informacin, esto ya se revis en la leccin 5 del captulo 3. En lo que sigue se
revisa la formulacin matemtica del mismo.

figura 41 Retardo en las ventas consecuencia del precio

Al revisar la figura 41 se puede verificar que si el precio de los computadores
disminuye sbitamente, el nmero de ellos vendidos no aumenta de la misma
forma si no que lo hace de manera gradual, lo cual se debe al retardo de
informacin en la medida en que se necesita de un cierto tiempo para que los
compradores perciban el cambio en el precio.

figura 42 Ilustracin de un retardo
La figura 42 recrea la idea de retardo, si se sigue la secuencia se podr inferir las
consecuencias.


Seguidamente se hace una presentacin grfica del concepto de retardo tanto de
material como de informacin.

Retardos de material.
El retardo de material se produce cuando existen elementos en el sistema que
almacenan temporalmente y luego fluyen. En la figura 43 se muestra la estructura
de un retardo de orden uno y tiempo de ajuste 3 con un valor inicial, que va a ser
retardado, de 100. El orden de un retardo viene dado por el nmero de niveles que
tenga la estructura que lo determina. Al revisar el cuadro rojo se percibe all un
nivel identificado con el nombre N1, este es el elemento que almacena el material
que se va retardar, un flujo F1 que representa el valor del retardo, es decir, el
valor que se va liberando del nivel N1, un parmetro TA que es el tiempo de ajuste
o tiempo promedio que permanece un elemento en el sistema. La cantidad
retardada est representada por el valor del flujo Fe.

figura 43 Retardo de orden uno de material
En donde el Fe es un valor nico que en t=0 es de 100, N1 en t=0 es 100, F1(t)=
N1(t)/TA y finalmente TA=3, es decir, el tiempo de retardo.

La figura 43 muestra la grfica caracterstica de un retardo de material de orden
uno (1) y tiempo de ajuste de tres (3). El tiempo de ajuste siempre debe cumplir
que sea mayor o igual que el orden. Se invita al lector que como prctica
demuestre mediante los resultados de simulacin que efectivamente el promedio
de permanencia de una unidad en el sistema es igual al TA.

Matemticamente el retardo se representa mediante la siguiente ecuacin

() () ()

()
()


Algunos ejemplos de retardo de material podra ser, por ejemplo, las rdenes de
material, los tiempo de construccin, La demora en la entrega de algn pedido,
etc.

Retardo de informacin
Este retardo se produce cuando es necesario conservar y almacenar la
informacin del sistema antes de tomar una decisin. Los retardos de informacin
representan un mecanismo de filtro cuya principal virtud consiste en suavizar los
picos que presenta la evolucin de una variable teniendo un valor promedio de la
misma como punto de referencia. En este proceso la informacin ms reciente
influye en el promedio de forma ms significativa que la antigua.

Al igual que el retardo de material en este retardo, la informacin toma tiempo en
fluir de un punto a otro en el sistema, por lo que habitualmente se usa este tipo de
retardo para representar el ajuste gradual de las percepciones o las creencias.

El hecho de que las creencias, expectativas y proyecciones de los seres humanos
estn basadas en la informacin disponible hasta el momento y que las personas
no cambian su forma de pensar inmediatamente, frente al arribo de nueva
informacin, son consideradas como las principales razones por las cuales se
provocan retardos en la transmisin de la informacin en un sistema.

Los retardos de informacin no pueden ser modelados de la misma forma que se
modelan los retardos de material, bsicamente porque no hay entrada ni salida
fsica o de material. En los retardos de material tanto las entradas como las salidas
se deben conservar, por ejemplo, si se enva un cierto nmero de cartas, el mismo
nmero de cartas ha de llegar a sus destinatarios o en caso extremo, deben volver
a la oficina de correos aquellas que no pudieron entregarse para devolverlas al
remitente. A diferencia de los materiales las percepciones o las creencias no se
conservan, es decir, si alguien conoce una informacin y la comparte a otra
persona, este hecho no implica que la primera persona ya no tenga la informacin
y la segunda s, como sucede cuando el cartero entrega una carta.

Como se dijo al comienzo de esta seccin el retardo de informacin tambin se
denomina como suavizador de la entrada. La estructura general de un retardo de
informacin de primer orden es como se muestra en la siguiente grfica.


figura 44 Retardo de orden uno de informacin

En este caso La Entrada asume un valor de 100 en t=0, TA tiene un valor de tres
(3), N1 (que es la salida) en T=0 es 0 y Fe = (Entrada-N1)/TA.

(
)

Como se puede inferir, tanto el comportamiento de un retardo de informacin
como uno de material son cuantitativamente iguales, la diferencia radica en la
forma en que stos se conceptualizan matemticamente hablando y naturalmente
la estructura en trminos de los elementos de dinmica de sistemas.

Se presentan retardos de informacin cuando, por ejemplo, los economistas no
saben el valor nominal del PIB hoy, y no lo pueden saber porque los trabajos
disponibles no se informan inmediatamente a las personas que los estn
buscando, es decir, hoy el PIB tiene un valor, pero ste slo podr calcularse un
tiempo despus una vez se recolecte los datos necesarios para calcularlo, este
tiempo ser el tiempo de retardo. Otro ejemplo se presenta cuando se toman
decisiones sobre, por ejemplo, qu tanto producir basado nicamente en la
informacin de las ventas; en este caso las ventas promedio pueden ser utilizadas
como expectativas de venta real.

Es importante que el lector recuerde que el orden de un retardo viene dado por el
nmero interno de niveles que tenga la estructura que lo representa y que el
tiempo de ajuste TA es el tiempo promedio que una unidad permanece dentro del
retardo.

En la siguiente figura se muestra como se implementa un retardo en Evolucion .
La variable auxiliar Entrada se define como Entrada = IF(t=0,100,0), es decir, que
para t=0, tendr un valor de 100, en cualquier otro tiempo su valor ser 0. El
retardo se define como Salida = RETARDO(Entrada, TA, 1, 0), en donde Entrada
representa el origen de los datos, TA es el tiempo de ajuste o tiempo de retardo, 1


indica el orden y 0 el valor inicial del retardo. Se invita al lector para que observe
cuidadosamente la figura 45 y establezca la relacin con la figura 44.

figura 45 Retardo de orden uno de informacin

Tanto el retardo de informacin, como el retardo de material se representan con la
misma funcin en Evolucion , la diferencia debe estar clara en la mente del
modelador.


CAPTULO 5: ELABORACIN DE DIAGRAMAS DE FORRRESTER

Introduccin
Este captulo retoma los referentes tericos que han sido planteados desde un
comienzo del curso, referidos especialmente a la teora general de sistemas, el
pensamiento sistmico, la elaboracin de diagramas de influencias y los
elementos de los diagramas de Forrester.

Para conseguir mostrar la forma en que se elabora un diagrama de Forrester se
llevar a cabo el modelado del fenmeno relacionado con la dinmica de la presa
predador que fuera presentado formalmente por Lotka y Volterra
25
. Los autores
referenciados plantearon un modelo en ecuaciones diferenciales para representar
la evolucin de dos tipos de especies diferentes que estn unidas por un fuerte
vnculo enmarcado en el ms puro darwinismo (Las especies que sobreviven no
son las especies ms fuertes, ni las ms inteligentes, sino aquellas que se
adaptan mejor a los cambios); una especie presa, por ejemplo conejos, y otra
especie predadora, para el caso, los zorros que conforman un mismo ecosistema.

25
Se invita al lector a consultar esta pgina web: http://jmonzo.blogspot.com/2008/09/lotka-volterra-interdependencia.html


Leccin 21: Leyendo el Diagrama de Influencias
Una de las primeras tareas que hay que llevar a cabo para construir los diagramas
de Forrester es asegurarse de que el fenmeno que se est modelando ya existe
en nuestra mente, (no olvidar la dinmica del ser al existir de la leccin 1, del
captulo 2, de la unidad 1) y una vez que el fenmeno exista lo podamos
representar mediante un diagrama de influencias. En lo que sigue se mostrar una
manera en la que se evidencia que el fenmeno existe, luego se muestra cmo se
modela mediante el diagrama de influencias y el de Forrester.

Se sigue con la solucin propuesta por Lotka y Volterra (1978) a la dinmica que
se desarrolla en el espacio de un ecosistema cuando dos especies conviven
siendo una de ellas la presa y el otro el predador. Se invita al lector a revisar esta
direccin web http://forio.com/simulate/billy/predator-prey-dynamics/run/

Del ser al existir de la dinmica conejo-zorro
Se har aqu una descripcin de la dinmica propia del fenmeno en estudio. Para
ello se definirn unos supuestos iniciales, los cuales en las primeras versiones de
un modelo deben ser lo ms simples posible. Para este caso el primer supuesto es
que la especie presa se desenvuelve en un medio sin escasez de alimento, el
segundo supuesto es que la especie presa no tiene otro predador adicional; el
tercer supuesto es que la especie predadora nicamente consume la especie
presa, es decir, slo existe competencia inter-especfica y no competencia intra-
especfica o canibalismo.

Es preciso sealar que los supuestos simplifican el fenmeno, pero se requiere
hacerlo para poder iniciar el proceso de modelado, ahora bien, en la medida en
que sea necesario incrementar el poder explicativo del modelo habr que incluir
ms variables y replantear los supuestos. Lo antes expuesto implica que el modelo
parte de la hiptesis de que se trata de un sistema cerrado, es decir que ambas
especies estn encerradas en un espacio con las condiciones de una isla como si
se tratara de un reality show al estilo del big brother.

figura 46 Modelo Presa Predador
26

26
Fotografa tomada de:
http://sakshat.amrita.ac.in/VirtualLab/?sub=BIOTECH&brch=POE&sim=lotka_volta_simulator&cnt=theory


Para elaborar el diagrama de influencias se procede a identificar las variables
importantes para la descripcin del sistema.

El diagrama de influencias del modelo presa predador
Recordando los supuestos iniciales de que slo hay una especie predadora y una
presa, que no hay problemas de alimentos para los conejos y que se trata de un
sistema cerrado, las variables a considerar son las siguientes:

El nmero de conejos, el nmero de zorros, la necesidad alimenticia de los zorros,
la tasa de natalidad de los zorros y los conejos, la vida promedio de los zorros y
conejos, la densidad poblacional de los zorros y conejos.

Cada una de estas variables se relaciona mediante arcos entre ellas formando el
diagrama de influencias que se muestra en la figura 47. Se invita al lector a revisar
el captulo tres de la Unidad Uno.

figura 47 Diagramas de Influencias Presa Predador
Del grfico es posible observar que la cantidad de conejos aumenta consecuencia
de los nacimientos y stos a su vez aumentan consecuencia de la tasa de
natalidad y la cantidad actual de conejos. Igual anlisis se aplica con los zorros,


slo que los nacimientos, en el caso de stos, depende de la cantidad de conejos,
su fuente de alimento.

Es importante que el lector note el signo en la punta de cada fecha, por ejemplo de
nacimientos de conejos a conejos la flecha tiene un signo ms +, esto indica que
al haber nacimientos se incrementa el nmero de conejos y a su vez si el nmero
de conejos aumenta, los nacimientos de conejos tambin aumentan, es decir,
aparece una relacin circular o ciclo de realimentacin, en este caso, positivo. Se
invita al lector a revisar los ciclos de realimentacin 2, 3 y 4 y despus que
identifique un ciclo adicional en el grfico.

Es importante sealar que la metodologa de dinmica de sistemas plantea la
elaboracin de una hiptesis dinmica, la cual, como se ha dicho antes, se
presenta mediante un diagrama de influencias el cual debe capturar las relaciones
bsicas de realimentacin que dan cuenta del fenmeno estudiado. No obstante,
el diagrama de influencias no recoge otras caractersticas tiles del sistema: no se
tiene informacin sobre el tiempo de simulacin, ni se explica s una variable est
describiendo el estado del sistema, o la magnitud de las relaciones que se dan en
su interior, as como la relacin funcional entre las variables, es decir, no informa
claramente sobre los niveles, los flujos o las variables auxiliares, respectivamente.

Es importante sealar que no se debe confiar plenamente en la versin final de un
diagrama causal a menos que se haya hecho un diagrama de flujos y niveles a
partir de l, pues la construccin del diagrama de Forrester permite corregir
relaciones que se pasan por alto cuando se hace un diagrama de influencias.


Leccin 22: Definiendo los Niveles
Esta leccin mostrar algunas prcticas que son convenientes de llevar a cabo a
la hora de identificar los niveles a partir del diagrama de influencias.

Inicialmente se debe recordar que los niveles son acumulaciones, que
caracterizan el estado del sistema, que generan informacin para la toma de
decisiones, que son la memoria del sistema y adems que crean retardos al
acumular la diferencia entre lo que entra y lo que sale. De otra parte se debe tener
en cuenta que los niveles son generalmente una cantidad y que son los flujos los
que causan las variaciones de dicha cantidad.

As mismo es importante tener en cuenta que se debe cumplir con el principio de
conservacin de la materia, es decir, que los contenidos de los niveles y de los
retardos de material se conservan, es decir, que las cosas deben permanecer en
los niveles o retardos hasta que salen.

Otro aspecto importante a considerar es que los sistemas dinmicos modelados
con dinmica de sistemas son de estado determinado, esto es, que un nivel
nicamente cambia por flujos de entrada y salida, y estos a su vez son
determinados por los niveles.

Manos a la obra.
Inicialmente hay que hacerse la siguiente pregunta: qu cosas se acumulan o se
van disminuyendo en el fenmeno? Para el caso de la isla y teniendo en cuenta
los supuestos es claro que tanto los conejos como los zorros se acumulan, es
decir, la cantidad de zorros que se tiene hoy en la isla ser igual a la cantidad que
haba ayer ms los que nacen entre ayer y hoy, menos los que mueren en el
mismo intervalo de tiempo. Igual anlisis opera con los conejos, se invita al lector
para que lo realice por su propia cuenta.

Si lo anterior se expresa en trminos de ecuaciones en diferencias se tiene que:

Z(t) = Z(t-1) + NacZ(t-1) MueZ(t-1),

En donde Z(t) es la cantidad de zorros en el tiempo t, NacZ(t-1) es la cantidad de
zorros nacidos entre t y t-1 y MueZ(t-1) es la cantidad de zorros que mueren entre
t y t-1.

Ntese que Z(t) es el resultado de una suma algebraica.

Al revisar las dems variables, ninguna de ellas tiene un comportamiento que
implique acumulacin. Se sugiere revisar el smil hidrodinmico.

Solamente las variables de nivel pueden ser incrementadas o disminuidas por
variables de flujo. Si un parmetro o una variable auxiliar, est conectada a una


variable de nivel, es porque es la condicin inicial de la variable de nivel, y
depende de ese parmetro o variable auxiliar. Despus del tiempo cero, el nivel se
calcular a partir de la tasa neta de los flujos.


Leccin 23: Identificando los Flujos
Una vez se han identificado los niveles la tarea de identificar los flujos resulta ms
sencilla pues los flujos siempre estarn relacionados con los niveles.

Se debe recordar que el tiempo es dinmica de sistemas es continuo, pero los
flujos deben ser necesariamente instantneos. La Dinmica de Sistemas
representa el tiempo como continuo, bsicamente porque los eventos ocurren en
cualquier momento y el tiempo puede ser dividido en finos intervalos de tiempo
(dt). De otra parte nadie podr medir el valor instantneo de ningn flujo, pues
siempre el flujo se dar entre dos instantes de tiempo, a ese espacio temporal se
le denomina t y en clculo infinitesimal es dt.

Las unidades que fluyen hacia y desde un nivel pueden ser o continuamente
divisibles como es el caso de la fracciones de pesos o un nmero discreto de
cosas, por ejemplo, cantidad de personas.

En el caso de los conejos y los zorros de la isla es claro que si un nivel est
determinado por el nmero de Conejos, habr dos cosas que lo afectan, de un
lado los nacimientos y de otro las muertes. Se sugiere revisar figura 47.

Fjese seor lector que la cantidad de conejos se incrementa con los conejos que
nacen. As mismo la cantidad de conejos se disminuye con las muertes. De esta
manera se identifica un par de flujos que afectan al nivel. En la siguiente grfica se
ilustra esta situacin.

figura 48 Nivel y Flujos asociados a los conejos


La figura 48 muestra el diagrama de influencias, el diagrama de Forrester y una
grfica de comportamiento, asociados a la dinmica propia de los Conejos. En
dicha grfica es posible observar el nivel Conejos y los flujos Naci_Conejos y
Muerte_Conejos responsables de las variaciones de ste. Si los nacimientos son
mayores a las muertes se espera lgicamente un crecimiento de la cantidad de
conejos; si las muertes son mayores a los nacimientos se producir una
disminucin de la cantidad de conejos a tal punto de llevarlos a la extincin; si
ambos flujos son iguales el nivel se mantendr con el mismo valor inicial.

Revisemos en lo que sigue la manera como se desarrolla el modelo de los conejos
y los zorros.

figura 49 Modelo presa - predador

En este modelo tanto la variable Conejos y como Zorros son los niveles o
variables de estado y representan el nmero de conejos y zorros respectivamente.
A, B, C y D son constantes positivas, para el caso de la dinmica de sistemas son
parmetros. Los cuatro trminos tienen el siguiente significado: A y C reflejan las
condiciones de crecimiento de las especies, es decir, A es igual a la tasa de
natalidad de conejos menos la tasa de mortalidad de conejos y C refleja la misma
relacin pero con respecto de los zorros. Para el caso de B y D estos parmetros
reflejan las interacciones entre los zorros y conejos, es decir, B establece la


relacin condicionante de existencia de conejos para la reproduccin de los zorros
y D representa la relacin de depredacin de los conejos por parte de los zorros.

En ausencia de zorros la poblacin de conejos, (la velocidad de variacin del
nmero de conejos), aumenta con el tiempo de forma proporcional al nmero de
conejos. El crecimiento es exponencial (ley de crecimiento malthusiana) y A es su
ritmo o tasa de crecimiento, es decir, su tasa de reproduccin; en el modelo esta
situacin es modelada con el flujo Nacimientos de conejos.

En ausencia de conejos el nmero de zorros (su velocidad de variacin) disminuye
exponencialmente y de forma proporcional (con ritmo C) al nmero de zorros
presentes; en el modelo ste efecto se simula con el flujo muerte de zorros. Se
supone que resulta esencial la existencia de conejos suficientes para poder crecer
o, al menos, mantener la poblacin actual.

En presencia de los zorros el nmero de conejos disminuye como consecuencia
de los posibles encuentros entre presa-predador y este efecto se supone
proporcional al producto de ambas poblaciones (-B*Conejos*Zorros), esto se
refleja en el modelo mediante el flujo de muertes de conejos; mientras que la
poblacin de zorros aumenta como consecuencia de estos encuentros en una
forma similar (D*Zorros*Conejos); en el modelo esto se representa en el flujo
Nacimiento de zorros.

Es preciso que el lector reconozca lo dicho en los prrafos anteriores en el
modelo.


Leccin 24: Usando las variables auxiliares
Las lecciones previas han dado algunas ideas para identificar niveles y flujos; en lo
que sigue se darn expondrn algunas ideas acera de cmo usar adecuadamente
las variables auxiliares.

Las variables auxiliares representan pasos o etapas en que puede llegar a estar el
clculo de una variable de flujo a partir de los valores representados por los
estados de la variable de nivel. Las variables auxiliares unen los canales de
informacin entre las variables de nivel y las de flujo, aunque en realidad son parte
de las variables de flujo. Sin embargo se distinguen de ellas en la medida en que
su significado real sea ms explcito. Las variables auxiliares de pueden emplear
para mostrar relaciones no lineales.

Si se revisa el modelo de conejos-zorros, all an no hacen aparicin las variables
auxiliares, bsicamente por no ser necesarias, pero podran ser incluidas para
aumentar el poder explicativo del modelo.

La manera en que se deben usar las variables auxiliares se ilustra en la figura 50.
Si se observa con detenimiento es posible percatarse de como aparecen las
variables Mul_Lim_Comida, Enc_Probables y Con-Depredados. La primera
variable considera el efecto que sobre los nacimientos de los predadores tiene la
presencia o no de presas; esta variable (Mul_Lim_Comida) se determina a partir
de un parmetro (Efecto_nac_zor) y la cantidad de conejos, expresando
finalmente el efecto que la abundancia o escasez de comida tiene sobre los
nacimientos de los predadores. La variable auxiliar Enc_Probables calcula de
manera instantnea la cantidad de encuentros entre zorros y conejos, variable que
resulta determinada por la cantidad de zorros, la de conejos y por la probabilidad
de que ocurra un encuentro entre miembros de las poblaciones. Finalmente la
variable Con-Depredados calcula la cantidad de conejos que son depredados
consecuencia de la cantidad de zorros existentes. La importancia de esta variable
auxiliar consiste en que logra separar de un lado a los conejos que mueren de
forma natural y de otra a aquellos que mueren en las fauces de los zorros. No
olvidar, en todo caso, que el modelo de Locka-Volterra del cual se parti no hace
esta distincin.

Los parmetros utilizados representan cantidades que no cambian a travs del
tiempo y permanecen constantes o su tasa de cambio es tan lenta que en el
horizonte temporal considerado no logra un cambio significativo que produzca
sesgos importantes en los resultados del modelo.

Se invita al lector para que revise detenidamente el modelo y logre identificar all
las nuevas variables auxiliares que se incluyeron en el modelo al igual que los
parmetros que fue necesario incluir.


figura 50 Modelo presa predador con variables auxiliares

Ntese tambin que los valores de las curvas lo mismo que los aspectos
cualitativos han cambiado, pero mostrando un comportamiento ms suave que
podra ser ms cercano a la realidad.


Leccin 25: Usando los retardos y tablas
Cuando se incluye un retardo en un modelo, ste puede producir alteraciones en
el comportamiento observado. Si se revisa el modelo es claro que los nacimientos
de zorros aumenta la cantidad de zorros, pero tambin es cierto que todos los
zorros no van a cazar conejos, ya sea porque estn muy pequeos o porque estn
muy viejos, en cuyo caso o comen las sobras o simplemente mueren.

Si al modelo de zorros y conejos se le adiciona un retardo que represente el
tiempo que le lleva a un zorro cachorro convertirse en adulto se ganara en
capacidad explicativa del modelo, pues el supuesto de que todos los zorros cazan
sera ms real; en este caso habra que calcular los nacimientos con una nueva
variable auxiliar (NacZorros) y luego retardar su inclusin en el nivel de zorros un
cierto tiempo equivalente al necesario para que el cachorro se convierta en adulto.
La variable de flujo ahora se llama EntradaZorrosAdu, es decir, que slo se
considera al flujo como entrada de zorros a la isla, o en otras palabras, zorros que
abandonan a la madre y se convierten en potenciales cazadores. Se invita al lector
a revisar la siguiente figura.

figura 51 Modelo Presa Predador con Retardo
Ntese las elipses rojas que indican los cambios antes descritos, obsrvese el
efecto sobre, los zorros y los conejos, luego de haber incluido un retardo. Los


retardos en los sistemas son los responsables de los cambios, en la mayora de
los casos, contra-intuitivos por lo que son difciles de identificar en el fenmeno
modelado. Cuando se usan retardos, stos se deben indicar en el diagrama de
influencias con un par de barras paralelas, ver el diagrama de influencias de la
figura 51. Conviene repasar la leccin 5 del captulo 4: Caracterizacin de los
Retardos.

Las tablas se usan en dinmica de sistemas para representar ya sea no
linealidades o multiplicadores.

En el actual modelo se ha considerado que la relacin entre conejos y zorros, para
garantizar la supervivencia de los ltimos es de 0.17, (que equivale a decir que un
zorro se come dos conejos en promedio en cada intervalo de tiempo, en las
condiciones iniciales del modelo) este valor es constante sin importar la relacin
entre unos y otros que suele cambiar a travs del tiempo, lo que hara que se
incrementaran o disminuyeran los nacimientos por la consideracin bsica de la
densidad poblacional.

Si en el modelo se cambia la taza natural de nacimiento de zorros por una relacin
cambiante segn se explic arriba, se tendra que usar un multiplicador que
recogera el efecto del cambio en la densidad poblacional y lo aplicara a la
variable nacimientos de zorros. Este hecho naturalmente cambia de nuevo la
dinmica del comportamiento, pero sigue mostrando una cualitativamente
semejante.

La figura 53 se muestra cmo queda el modelo despus de hacer los cambios
indicados y en la siguiente el multiplicador diseado para reemplazar la tasa TNZ.

figura 52 Multiplicador


Ntese que la salida TNZ vara entre 0.080 y 0.182, es decir que esos valores
estn por encima y por debajo de 0.17 que era el valor del parmetro anterior
llamado TNZ.

figura 53 Modelo Presa Predador con Retardo y Multiplicador

Es importante ver que la entrada del multiplicador es la variable auxiliar relconzor
que se calcula a partir de la relacin nmero de zorros dividido por el doble del
nmero de conejos. Es importante sealar que este cambio nos muestra en el
modelo un comportamiento que se aproxima a la solucin terica de Locka-
Voletra.

Para elaborar el modelo tenga en cuenta las siguientes ecuaciones.

Nombre = CONEJOS :Nivel_
Definicin = 15
Descripcin =

Nombre = Con_Depredados :Auxiliar_
Definicin = Enc_Probables*P_Z_C_C
Descripcin =


Nombre = Efecto_Nac_zor :Parametro_
Definicin = 0.06
Descripcin =

Nombre = Enc_Probables :Auxiliar_
Definicin = PosEncuentros*P_Z_E_C
Descripcin =

Nombre = EntradaZorrosAdu :Flujo_
Definicin = RetCreZorros
Descripcin =

Nombre = Mu_Nat_Con :Flujo_
Definicin = (TMC*CONEJOS)+Con_Depredados
Descripcin =

Nombre = Mue_Nat_Zor :Flujo_
Definicin = TMZ*ZORROS
Descripcin =

Nombre = Mul_Lim_Comida :Auxiliar_
Definicin = CONEJOS*Efecto_Nac_zor
Descripcin =

Nombre = NacZorros :Auxiliar_
Definicin = (TNZ*ZORROS)*Mul_Lim_Comida
Descripcin =

Nombre = Nac_Nat_Con :Flujo_
Definicin = TNC*CONEJOS
Descripcin =

Nombre = P_Z_C_C :Parametro_
Definicin = 0.7
Descripcin =

Nombre = P_Z_E_C :Parametro_
Definicin = 0.05
Descripcin =

Nombre = PosEncuentros :Auxiliar_
Definicin = CONEJOS*ZORROS
Descripcin =

Nombre = RetCreZorros :Retardo_
Definicin = RETARDO(NacZorros,1,1,0)


Descripcin =

Nombre = TMC :Parametro_
Definicin = 0.05
Descripcin =

Nombre = TMZ :Parametro_
Definicin = 0.08
Descripcin =

Nombre = TNC :Parametro_
Definicin = 0.2
Descripcin =

Nombre = TNZ :Tabla_
Definicin =
INTLINEAL(2,0.2,0.3,0.08069644,0.08623956,0.09732579,0.1192878,0.153278,0.
1683122,0.175,0.18,0.182,0.183,0.1815029)
Descripcin =

Nombre = ZORROS :Nivel_
Definicin = 5
Descripcin =

Nombre = relconzor :Auxiliar_
Definicin = ZORROS/(2*CONEJOS)
Descripcin =


CAPTULO 6: SIMULACIN

Introduccin
Se acepta comnmente que la simulacin es la experimentacin que se lleva a
cabo usando un modelo de una hiptesis o de un conjunto de hiptesis que dan
cuenta de un sistema o de la solucin a un problema simulado.

Shannon (1976) define la simulacin como "el proceso de disear un modelo de
un sistema real y llevar a trmino experiencias con l, con la finalidad de
comprender el comportamiento del sistema o evaluar nuevas estrategias -dentro
de los lmites impuestos por un cierto criterio o un conjunto de ellos - para el
funcionamiento del sistema".

Para Naylor (1971) la simulacin es una tcnica numrica para conducir
experimentos en una computadora digital. Estos experimentos comprenden ciertos
tipos de relaciones matemticas y lgicas, las cuales son necesarias para describir
el comportamiento y la estructura de sistemas complejos del mundo real a travs
de largos periodos de tiempo.

En adelante se puede asumir que la simulacin es la generacin de posibles
estados de un sistema con el concurso de las matemticas y las computadoras
dentro del contexto de un lenguaje de modelado.


Leccin 26: Escenarios de Simulacin
Los escenarios de simulacin son el equivalente a las condiciones iniciales que se
usan en la resolucin de ecuaciones diferenciales. Se definen a partir de los
valores de los parmetros y las variables de estado o niveles y las formas
particulares de las no-linealidades y los multiplicadores.

Hasta ac debe ser claro que la simulacin permite tomar decisiones de manera
virtual, aprender de los errores y de los aciertos, y luego volver atrs como si nada
hubiese ocurrido, es decir, que con un buen modelo, se pueden evaluar diferentes
estrategias y estudiar sus efectos en el entorno para extrapolar conclusiones. Se
adquiere experiencia con costos bajos y evitando el riesgo de enfrentar
potenciales consecuencias adversas.

Mediante un plan de pruebas, se evaluarn los beneficios y los riesgos asociados
a cada alternativa en los escenarios simulados; as podr identificarse la estrategia
ms conveniente en cada caso.

Una situacin comn en los albores del siglo XXI es la prisa o el ansia por obtener
resultados en el corto plazo, la falta de plantificacin y elaboracin de soluciones.
Por este motivo una de las tareas a las que todo individuo con poder de decisin
debera dedicarse es al modelado y diseo de escenarios de simulacin.

Pensar los escenarios de simulacin es una tarea pesada y que la mayora
prefiere dejar para otros, pero sin esta base las decisiones no sern tomadas de
forma acertada debido bsicamente a la falta de direccin, estrategia, visin y
planificacin, y mucho ms en un entorno cambiante.

Alguno tericos como Peter Schwartz (1991), proponen algunas estrategias para
llevar a cabo de forma exitosa simulaciones de escenarios, definiendo posibles
situaciones futuras para determinar las acciones a desarrollar. No es una receta
infalible, sino de una tcnica mediante la cual se trata de definir cmo ser el
entorno en el medio y largo plazo (con varios escenarios) y definir las acciones a
desarrollar para lograr los objetivos propuestos.

La tcnica de Schwartz, adecuada al modelado dinmico sistmico, tiene 5 pasos.

1. Realizar un modelo: procurando identificar las variables relevantes del
sistema.

2. Definir un mapa con dos ejes; los ejes vendrn determinados por las dos
variables ms inciertas que se haya identificado.

3. Imaginar futuros posibles. A veces definir escenarios es muy fro, de forma
que puedes tratar de transformar cada escenario en una historia de futuro.


4. Pensar en implicaciones y acciones. Para cada escenario pensar en
implicaciones y acciones a desarrollar

5. Finalmente ser necesario definir indicadores de seguimiento. Definidos los
escenarios y las actuaciones es imprescindible realizar un seguimiento de
los mismos con la finalidad de poder ir modulando las acciones.

Este ejercicio no dar el escenario futuro exacto pero si ayudar a:

Analizar la situacin actual
Analizar el entorno
Reelaborar los modelos mentales acerca de la realidad
Mantenerse atento a los cambios
Disponer de un plan de actuacin a medio y largo plazo
Huir de la coyuntura de un momento

En lo que sigue se hacen un par de aclaraciones que es preciso que el lector
domine conceptualmente. Un escenario debe ser entendido como la descripcin
de una situacin que pudiese presentarse como resultado de una accin o por una
dinmica evolutiva en el tiempo. As mismo la construccin de escenarios implica
el diseo y elaboracin de un nmero de visiones consistentes internamente de
futuros posibles, combinando la informacin disponible y las posibilidades de
futuro.

El diseo de escenarios de simulacin permiten en esencia visualizar el futuro, y
es especialmente til cuando ste no puede ser visto como una simple
prolongacin del pasado, es decir, cuando una mera extrapolacin generada por
una regresin es suficiente. Tal visualizacin consiste en tener un panorama de
futuros posibles, representados cada uno de ellos en un escenario determinado.

Algunas caractersticas del diseo de escenarios:

Ejercicio colectivo, es decir, se debe desarrollar un proceso de reflexin
compartida.
Se proyecta al largo plazo, esto es, 10, 15 o 20 aos son los horizontes
temporales habituales.
Se valoran las proyecciones en el marco del fenmeno determinado por sus
efectos sociales, polticos y econmicos.
Se analizan y valoran los obstculos que se oponen a la materializacin de
las proyecciones o comportamientos esperados y se revisan las fuerzas
que pueden facilitarlas. Alta dependencia con la realidad modelada.


Escenarios y pronsticos
Los escenarios tienen que ver con los procesos relativos a precisar lo que va a
pasar, como consecuencia de una accin determinada o de una dinmica
evolutiva de un proceso de naturaleza esencialmente incierto.

El pronosticar es en esencia un sinnimo de predecir y el resultado de un buen
proceso de simulacin de escenarios ha de ser cul de un conjunto posible de
escenarios es ms probable, es decir, cul ser el escenario que ha de ser
pronosticado.

Los escenarios y la toma de decisiones
La inteligencia en la toma de decisiones se entiende como la capacidad de reunir y
analizar datos para la difusin de informacin relevante que permita crear
conocimiento apto, empleando para ello la simulacin mediante escenarios como
herramienta de estudio de los pronsticos o de los futuros plausibles, con el fin de
determinar entre todos los escenarios posibles el ms favorable y probable.

Tanto la cobertura como el tipo de simulacin a seguir la debe definir el usuario
final del modelo, esto se justifica en la medida en que la simulacin de escenarios
puede ser aplicada a cualquier problema que pueda ser modelado y que requiera
de una solucin estratgica.

Cmo construir o Simular escenarios.
Adicional a la propuesta de Peter Schwartz (1991), en trminos generales se
puede proponer como etapas para la construccin y simulacin de escenarios las
siguientes:

Etapas
1. Identificar el tema focal, los objetivos del anlisis, el horizonte temporal, el
problema a modelar y a resolver.

2. Seleccionar el grupo de trabajo que puede ser mediante la aplicacin de:

2.1. Tcnicas prospectivas, es decir: seleccionar un grupo con un nivel lo ms
homogneo posible; realizar trabajo individual; que haya anonimato entre
los integrantes del grupo y que los datos se den a partir de juicios de valor
basados en conocimiento, experiencia, imaginacin, sentido comn e
intuicin.
2.2. aplicando la inteligencia empresarial, mediante el aporte de especialistas
en Inteligencia empresarial ms un grupo pequeo de expertos (con
iguales caractersticas). El grupo de expertos apoya el trabajo y lo
complementa, pero los datos principales, parten de los productos de
inteligencia previamente realizados, ej: estudios de tendencias.


3. Analizar el entorno, que consiste bsicamente en identificar el contexto dentro
del cual se desarrolla el problema procurando identificar variables exgenas
determinantes o determinadas por el problema en cuestin.

4. Identificar y caracterizar las variables claves predecibles, construir el modelo,
para ello se siguen los lineamientos previamente presentados en las lecciones
precedentes, pero vale la pena recordar que es conveniente la determinacin:

4.1. de varios indicadores que caractericen el futuro de una variable.
4.2. de las variables o indicadores que caractericen un escenario o situacin.
4.3. y de las variables considerando las tendencias y eventos que permitan
construir todos los escenarios posibles: Tendencias: variables continuas
importantes en la descripcin del estado de un escenario, basadas en
consideraciones polticas, econmicas, sociales y tcnicas. Eventos:
cambios repentinos que pueden ocurrir en el futuro, donde la ocurrencia de
un evento puede alterar la estructura de los escenarios y por tanto de una
o ms tendencias.

5. Recopilacin de los datos. Esta fase consiste bsicamente en la
caracterizacin de una o varias variables a partir de fuentes confiables como
opiniones de expertos o datos medidos por otras fuentes. Cada variable debe
quedar expresada en su escala natural de medicin y todos los resultados
deben ser expresados en una sola escala de medicin, la ms factible, esto
redunda en la homogeneidad de los resultados.

6. Procesamiento y anlisis de los resultados. Para este propsito se pueden
realizar desde dos perspectivas ya sea la sinttica o la analtica. En el primer
caso se obtiene un escenario con los con los valores sntesis de cada variable
y en el segundo se construyen escenarios posibles, tomando en consideracin
todas las relaciones entre los eventos y las tendencias.

7. Construccin del escenario futuro o de todos los posibles, con la determinacin
de los ms probables y favorables. Para lograrlo se propone:

7.1. Determinacin del escenario ms probable. Empleo de Evolucin o Vensim
o cualquier otro software.
7.2. En el grupo de trabajo se determinan los escenarios: ms optimista y
pesimista entre los ms probables.
7.3. Elaboracin de un plan de accin para cada escenario seleccionado, que
permita, en la medida de la variacin de las circunstancias, tomar medidas
con la previsin adecuada. Interaccin con el futuro

8. Evaluacin de las implicaciones de los escenarios al planeamiento estratgico
que pueden ser de alcance:


Nacional o regional, por ejemplo en la:
Determinacin del futuro socioecnmico de una regin o pas.
Identificar campos de desarrollo y aplicacin de la tecnologa.
Caracterizacin de las tecnologas futuras en un sector determinado.
Futuro del comercio internacional: nuevas modalidades.
Caracterizacin de escenarios futuros de sectores industriales.

Empresarial en el anlisis y comprensin de las fuerzas que operan en el entorno
y que determinan o determinarn los escenarios en los que deben o debern
gestionar las empresas. Algunos ejemplos:
Estrategia para la comercializacin de un producto o servicio.
Evaluacin de la factibilidad de un proceso de transferencia de tecnologa.
Evaluacin de la factibilidad de una fusin o alianza.

9. Toma de decisiones. Interaccin con el futuro, acciones dirigidas al escenario
ms favorable. Para lograr una efectiva toma de decisiones se debe:

Partir de un conocimiento profundo de las realidades del espacio a
caracterizar y de las herramientas y metodologas a emplear.
Manejar tanto la inteligencia organizacional, como la prospectiva, los
pronsticos y la simulacin de escenarios, consideradas stas como
herramientas estratgicas.
Emplear la simulacin de escenarios para predecir o generar futuros
plausibles posibilitando la interaccin con ste, permitiendo alcanzar una
mayor competitividad.
Simular escenarios teniendo en cuenta que se trata de una de las
herramientas claves para la realizacin de pronsticos y la prctica de la
prospectiva contribuyendo directamente en la reduccin del nivel de
incertidumbre.

En la leccin que sigue se construir un par de escenarios con el modelo de los
conejos y los zorros y se proceder con el anlisis de sensibilidad.


Leccin 27: Anlisis de Sensibilidad
El anlisis de sensibilidad tiene como propsito, a partir del diseo de un
escenario, identificar los lugares en los que el sistema es ms sensible, es decir,
aquellos lugares en que con poco esfuerzo se logran resultados importantes.

El anlisis de sensibilidad permite:
Estimar la sensibilidad de los resultados del modelo a cambios de un
parmetro, realizando anlisis del tipo que pasa si.
Conocer qu variables de riesgo son importante y estn asociadas al
manejo de incertidumbre, por ejemplo, una variable es importante
dependiendo de su participacin porcentual en los beneficios o costos y de
su rango de valores probables.
Determinar la direccin del cambio en las variables. En el caso de un
proyecto de inversin el anlisis de punto de quiebre permite determinar
cunto una variable puede cambiar hasta que su VAN se vuelva negativo.

Limitaciones del Anlisis de Sensibilidad
Rango y distribucin de probabilidad de variables.
El Anlisis de Sensibilidad tpicamente no representa el posible rango de
valores.
El Anlisis de Sensibilidad no representa las probabilidades para cada
rango. Generalmente hay una pequea probabilidad de estar en el extremo.
Direccin de los efectos.

Para la mayora de variables, la direccin es obvia

Conejos aumentan Los zorros aumentan
Las muertes de conejos aumentan La cantidad de conejos baja
Si los lobos aumentan No es tan obvio cuando comienzan a disminuir los
conejos

Un anlisis basado en el cambio de una sola variable no es realista porque las
variables estn interconectadas.
Si el nmero de conejos aumenta, la cantidad de zorros aumentar.
Si se acabara la comida de los conejos, todos, conejos y zorros se
disminuiran.

Siguiendo con el modelo de zorros y conejos se proponen dos escenarios y se
realiza el anlisis de sensibilidad con cambios en los parmetros del modelo y se
observa el efecto sobre algunas variables del modelo.


Supngase que se tiene el siguiente escenario, en el que se va a modificar la TNC
(tasa natural de nacimiento de conejos sin presencia de depredadores) desde el
20 % al 16 % disminuyendo en cada caso un 1%. Ver la siguiente tabla.

Escenario 1
Variables TMC TNC Conejos TMZ Zorros
Var 1 0,05 0,20 15 0,08 5
Var 2 0,05 0,19 15 0,08 5
Var 3 0,05 0,18 15 0,08 5
Var 4 0,05 0,17 15 0,08 5
Var 5 0,05 0,16 15 0,08 5

Este escenario permite ver qu sucede si hay cambios en la tasa de natalidad
natural de los conejos, obsrvese que puede ser un parmetro controlable por el
modelador mediante algn tipo de medicamento o mediante la disminucin de
machos en la isla.

Para hacer esto en Evolucion 4.1 inicialmente se escoge la opcin nuevo anlisis
de sensibilidad con variacin de parmetros, vea en la siguiente figura el crculo
verde.

figura 54 Anlisis de Sensibilidad



Se selecciona donde indica la estrella verde la opcin de trayectorias y se incluyen
los escenarios, ver la siguiente grfica.

Para el caso que nos ocupa se selecciona el parmetro, ver grfico rojo. Luego se
escoge la variacin, recuerden que variamos de 20% a 16%, la TNC por eso se
escoge -0.01, valo verde. Luego se escoge la variable que se quiere observar, es
decir, qu pasa con la cantidad de conejos, cuadrado azul. Luego se selecciona el
nmero de iteraciones, valo marrn y finalmente se da clic en Aceptar, estrella
morada. El resultado es el siguiente.

figura 57 Resultado del Anlisis de Sensibilidad Escenario 1


Obsrvese como una baja en la tasa de natalidad natural provoca oscilaciones en
la cantidad de conejos, parece que hay en el modelo un comportamiento contra-
intuitivo explicado bsicamente por el efecto ltigo que se produce en el retardo y
posiblemente el efecto amplificador que tiene la no-linealidad.

Se invita al lector para que disee nuevos escenarios de simulacin teniendo en
cuenta qu variable desea observar y bajo qu condiciones. Suponga este nuevo
escenario en que se analiza los cambios en la TMC y su efecto en los zorros.

Escenario 2
Variables TMC TNC Conejos TMZ Zorros
Var 1 0,05 0,2 15 0,08 5
Var 2 0,04 0,2 15 0,08 5
Var 3 0,03 0,2 15 0,08 5
Var 4 0,02 0,2 15 0,08 5
Var 5 0,01 0,2 15 0,08 5

Y observar que sucede con el nmero de zorros en el sistema. Debera suceder
algo como lo que se muestra en la siguiente grfica.

figura 58 Resultado del Anlisis de Sensibilidad Escenario 2

El lector deber interpretar las variaciones a partir de las relaciones de las
variables del sistema y dar una explicacin plausible.


Leccin 28: Validacin de Modelos
El modelamiento es un proceso iterativo en la medida en que no hay un proceso
secuencial que lo soporte, por ello los resultados de cada paso pueden llevar a
mejorar la comprensin del problema y revisiones de pasos previos, como se
indica en el centro del diagrama que sigue. Cada lnea implica un ir de vuelta
desde una etapa a otra, por ejemplo, se va de la etapa 1 a la 2, pero igualmente
es posible regresar de la cinco a cualquiera de las dems fases.

figura 59 Proceso de modelado segn Sterman
27

Introduccin a la validacin de modelos
En los procesos de toma de decisiones en los que se usan modelos, ya sean
formales o mentales, es preciso que stos sean adecuadamente validados dado
que es una eficaz manera de garantizar que el modelo sea una representacin
adecuada de la realidad y que est acorde con el propsito para el cual fue hecho.

Este proceso presupone la pregunta acerca de si realmente importan los
supuestos y especficamente a quin, adems de la consideracin asociada a la
documentacin, la cual es frecuentemente ignorada, que debe conducir hacia una

27
Grfica adaptada de Sterman, 2000. Business Dynamics: Systems Thinking and Modeling for a Complex World. Cap. 21.


adecuada comprensin, evidenciable sta en la rplica y la crtica, expresadas ya
sea por otros o por el mismo modelador.

Para el desarrollo de esta actividad se cuenta con una amplia gama de pruebas,
que determinan la robustez y las limitaciones del modelo; es un proceso de
construir confianza en el modelo. La validacin debe iniciarse desde la primera
ecuacin del modelo velando porque desde un comienzo haya consistencia en las
unidades usadas. Al validar el modelo lo que se pretende es verificar que
representa la realidad modelada y no meramente la realizacin de rplicas, no se
trata de que se repliquen comportamientos funcionales si no que stos se deriven
de la estructura del modelo.

Es importante asegurarse que cada variable tiene una relacin con la realidad, es
decir, debe ser factible establecer para cada variable, el tringulo de la
significacin.

No se debe perder de vista que el hecho de que las variables se clasifican en
suaves y duras. Las variables suaves son aquellas que representan metas,
expectativas o percepciones. Al respecto Forrester (1961) dice omitir tales
variables (las suaves) es equivalente a decir que ellas tienen efecto cero,
probablemente el nico valor que se conozca sea equivocado (traduccin libre)
28
,
pero en todo caso hay que considerarlas.

El proceso de validacin de un modelo
29

Un modelo en dinmica de sistemas ha de ser validado tanto en lo que a su
estructura como a su comportamiento se refiere, aunque valga decir, finalmente
resulta en que se valida la estructura de forma directa o indirecta.

La validacin de la estructura del modelo consiste en establecer que las relaciones
usadas en un modelo son una representacin adecuada de la realidad o
relaciones reales, y estn acordes con los propsitos del modelamiento. Este tipo
de evaluacin puede ser hecha de dos maneras: directa o indirecta.

La prueba de la estructura directa evala la validez de la estructura del modelo
comparndola directamente con el conocimiento cierto acerca de la estructura real
del fenmeno modelado. Esto implica evaluar cada relacin en el modelo mientras
haya conocimiento verificado del sistema modelado. Estas pruebas son
cualitativas por naturaleza, no involucran la simulacin.

28
FORRESTER, J. W. (1961) Industrial Dynamics. Waltham, MA: Pegasus Communications.
29
Basado en el texto de BARLAS, Y. and KANAR, K. (2000), Structure-oriented Behavior Tests in Model Validation,
disponible on line en http://www.systemdynamics.org/conferences/2000/PDFs/barlas43.pdf, consultado el 2 de mayo de
2011


La prueba de estructura indirecta o de comportamiento evala la validez de la
estructura indirectamente al aplicar ciertas pruebas de comportamiento sobre los
patrones de comportamiento generados por el modelo. Por ejemplo, la prueba de
las condiciones extremas implica asignar valores extremos a parmetros
seleccionados y comparar el comportamiento generado por el modelo con el
comportamiento esperado o el observado en el sistema real bajo la misma
condicin extrema. stas son pruebas extremas de comportamiento que pueden
proporcionar informacin indirecta sobre las posibles fallas estructurales.

En una prueba tpica de comportamiento orientada a la estructura, el modelador
hace una afirmacin de la forma: "si el sistema funciona bajo la condicin C,
entonces dara como resultado el comportamiento (s) B." El modelo se ejecuta
bajo la condicin C y se dice que ste pasa la prueba comportamiento orientada
a la estructura, si el comportamiento resultante es similar al comportamiento
esperado.

Para estos modelos, la validez significa en ltima instancia la validez de la
estructura interna del modelo.

Aunque la validacin estructural es crucial, la mayora de la literatura sobre
investigacin tcnica sobre la validacin de los modelos se ocupa slo de lo que
se conoce como la validacin del comportamiento. Puede haber dos razones
principales por las que la validacin de la estructura ha sido ignorada tanto tiempo
en la literatura sobre modelos. El primero se deriva de una falta de reconocimiento
de la importancia filosfica de la validacin de la estructura en los modelos de caja
transparente (a diferencia de modelos de caja negra). La segunda razn tiene que
ver con la dificultad tcnica para disear formalmente herramientas estadsticas
orientadas a determinar la validez estructural.

Fases en la validacin de un modelo
En el siguiente grfico se muestran las fases, como un proceso iterativo, para
lograr la validacin de un modelo.

Inicia con la construccin del modelo y sus posteriores revisiones a partir de los
fallos en el intento por pasar alguna de las pruebas. Despus se harn las
pruebas de desempeo directo, es decir, las pruebas sobre la estructura del
modelo. Si no pasa la prueba se ha de devolver a la fase uno. La siguiente fase
evala la estructura a partir de los comportamientos simulados versus los
observados u esperados. Si hay fallo en esta prueba, se ha de revisar de nuevo el
modelo. La cuarta fase se concentra en validar los resultados del modelo frente a
patrones de desempeo. De nuevo si falla en estas pruebas deber ir a revisin el
modelo. Finalmente se comunican los resultados de la validacin a los
interesados quienes proceden a su implementacin.


figura 60 Proceso de validacin de un modelo

En las lecciones que siguen se enuncian los distintos tipos de pruebas segn lo
que se ha presentado en esta leccin.


Leccin 29: Pruebas de modelos en la prctica
Se ha venido insistiendo en la importancia que tiene el proceso de validacin de
modelos, en lo que sigue se har una descripcin de las pruebas comnmente
usadas.

Los modelos de dinmica de sistemas son causales y descriptivos, esto quiere
decir que estn orientados al diseo en vez del propsito, por lo tanto, los que es
esencial en la validacin de un modelo es la estructura interna. Resultado
correcto por las razones correctas.

Prueba de lmites del modelo
Esta prueba busca determinar cules son los lmites que fueron considerados a la
hora de definir las variables del sistema y permite deducir si tales lmites son
apropiados para el problema en cuestin, es decir, permite verificar que los lmites
del modelo se correspondan con su propsito. Para ello es necesario construir un
lmite inicial y a partir del mismo estudiar las variables exgenas que podran ser
endgenas y las variables exgenas que podran variar en el tiempo de acuerdo
con el horizonte temporal.

La prueba de los lmites del sistema tienen como propsito determinar qu
variables son exgenas y cules son endgenas, es decir, cuales son
influenciadas e influencian el sistema o cuales son influenciadas o influencian, el
sistema, pero no ambas a la vez.

Otro aspecto a considerar es el lmite temporal, es decir, el horizonte de tiempo,
en el cual se da la evolucin del sistema a partir delas condiciones iniciales.

Pruebas de evaluacin de la estructura
Las pruebas aplicadas a la estructura tiene como propsito verificar la consistencia
de la estructura con el sistema real, es decir, que busca establecer una correlacin
alta entre los elementos constitutivos de la realidad modelada y las variables del
modelo.

Entre los elementos a considerar estn el nivel de agregacin, la topologa del
sistema fsico y las reglas de decisin. Por ejemplo, sera inconsistente tener un
modelo que admita un nivel de agua negativo. Adems se debe tener en cuenta
que haya consistencia dimensional, es decir, no es coherente que los flujos
asociados a un nivel sean de unidades diferentes a lo contenido en el nivel, es
decir, si hay un nivel que contiene agua, sera incoherente que hubiere un flujo de
vino y que lo que sigue estando contenido en el nivel sea agua. Concluyendo,
esta prueba verifica que en el modelo se haya considerado las caractersticas del
sistema real relevantes para su propsito.


Evaluacin de parmetros
Esas pruebas deben determinar qu tanto los parmetros tienen un significado
claro y evidenciable con respecto del fenmeno modelado. Estas pruebas son
realizadas con el concurso de herramientas estadsticas o con la opinin de los
expertos en el dominio de conocimiento al cual pertenece la realidad modelada.

Pruebas de condiciones extremas
Esta prueba tiene como propsito probar la robustez del modelo bajo condiciones
extremas, es decir, permite analizar si el modelo se comporta apropiadamente
cuando las entradas toman valores extremos, por ejemplo:

Ante la pregunta de cuntos nacimientos habran si no hay conejas en la isla? y
si la pregunta fuera cunto sera el nmero de carros vendidos si el precio se
incrementa a 300 millones por carro? El lector puede estar pensando que son
obvias las repuestases decir, debera ser obvio que el modelo debera pasar las
pruebas de condiciones extremas.

Pruebas de reproduccin de comportamiento
Para evaluar la habilidad de reproducir el comportamiento en un modelo puede
usarse estadsticas comunes, por ejemplo, el R, coeficiente de determinacin, por
ejemplo, la fraccin de la varianza en los datos que es explicada por el modelo,
esto es, una prediccin perfecta.

Tambin se puede usar el MAE: Mean Absolute Error, el MAPE: Mean Absolute
Percent Error, la MAE/Mean, el (R)MSE: (Root) Mean Square Error, que pone
mayor peso en los errores grandes que en los pequeos.

Si se desea evaluar matemticamente el nivel de ajuste de los resultados del
modelo con respecto a los datos reales, se usa el Estadstico de Theil, que permite
obtener una medida del nivel de ajuste de un modelo conforme a la realidad y
consiste en dividir el cuadrado medio del error en tres componentes: sesgo (Um),
variacin desigual (Us, unequal variation) y covariacin desigual (Uc, unequal
covariation). El sesgo crece cuando la salida del modelo y los datos reales difieren
en su media. La variacin desigual indica que la varianza de las dos series difiere.
La covariacin desigual indica que el modelo y los datos reales no estn bien
correlacionados, es decir, que difieren punto por punto.
Para un ejemplo completo se invita al lector a revisar el artculo titulado Un
modelo de simulacin de la Produccin de quesos madurados
30
.

30
MARQUEZ, Renny y RAMIREZ, Vicente. Un modelo de simulacin de la Produccin de quesos madurados.
Agroalim, jun. 2009, vol.15, no.28, p.107-122. ISSN 1316-0354.


Leccin 30: Experimentacin Simulada
31

Forrester (1961) enuncia una situacin problemtica en la organizacin: el proceso
de aprendizaje organizacional es costoso, ineficiente, por ensayo y error. Luego
propone la correspondiente mejora: experimentar con laboratorios administrativos.

Estos laboratorios, como lo menciona en su libro, tienen como instrumento
principal de experimentacin un modelo simulable en el computador construido
mediante la dinmica de sistemas. La argumentacin de Forrester inicia
caracterizando ciertas limitaciones del proceso "natural" de aprendizaje
organizacional que ocasionan ineficiencias en el mismo. Como solucin plantea la
constitucin de un proceso "artificial", en laboratorio, de aprendizaje
organizacional. La DS es la metodologa para el diseo del laboratorio y de sus
instrumentos, y para la experimentacin simulada. Este proceso "artificial" debe de
cierta manera superar algunas de las ineficiencias de su contraparte "natural" y de
este modo debe hacer ms eficiente el aprendizaje en la organizacin.

A partir de este esquema interpretativo sobre los planteamientos de Forrester, la
pregunta por las razones que hacen a la dinmica de sistemas adecuada para
aplicaciones de AO puede ser desagregada en tres grupos de interrogantes
particulares:

Cmo sucede el proceso "natural" de aprendizaje organizacional? y Cules son
sus limitaciones?

Cmo sucede el proceso "artificial" de aprendizaje organizacional? y Por qu la
dinmica de sistemas es la metodologa gua para ejercitar este proceso?

De qu manera el proceso "artificial" al ser "implantado" sobre el proceso
"natural" mejora la eficiencia del aprendizaje organizacional?

A continuacin se abordan en este orden cada uno de los interrogantes.

Aprendizaje organizacional "natural"
Sotaquir et al (1996) indican que Forrester caracteriz este proceso natural de
aprendizaje como la constitucin progresiva de una capacidad de juicio como
resultado de experiencias de decisin y de accin en situaciones organizacionales.
A su vez, esta capacidad de juicio acta como orientadora de las decisiones y
acciones en situaciones futuras. En consecuencia, el aprendizaje organizacional
natural es un proceso cclico. Cabe recordar que en dinmica de sistemas el
concepto de ciclo de realimentacin es fundamental porque es considerado el

31
Tomado parcialmente de RICARDO SOTAQUIRA GUTIERREZ, LILIA NAYIBE GELVEZ PINTO, "Una revisin crtica del
Aprendizaje organizacional Dinmica de Sistemas" En: Colombia. 1996. Evento: Coloquio Latinoamericano sobre
aplicaciones del Pensamiento Sistmico y la Investigacin-Accin Participativa Ponencia:Libro:Memorias del Coloquio
Latinoamericano sobre aplicaciones del Pensamiento Sistmico y la Investigacin-Accin Participativa, Universidad De Los
Andes , p.1 - 10


elemento estructural bsico de los sistemas. Finalmente hay que sealar que esta
visin del aprendizaje organizacional, como un solo ciclo de realimentacin, es
incompleta, por cuanto no presenta la manera como se va constituyendo y
modificando la capacidad de juicio para decidir.

Mundos virtuales para el aprendizaje organizacional "artificial"
Con el fin de superar o atenuar esas limitaciones sobre el proceso natural de
aprendizaje organizacional, los investigadores dinmico-sistmicos, como lo
seal Forrester, sugieren un proceso artificial. Este ltimo, como todo proceso
de aprendizaje a la luz de la dinmica de sistemas, tambin est constituido por un
ciclo doble de realimentacin. Pero a diferencia del natural, no se sucede sobre
la cotidianidad de la organizacin sino que ocurre en laboratorio.

Para hacer posible un proceso de aprendizaje organizacional en laboratorio, es
necesario disponer de un modelo de la realidad organizacional sobre el cual se
pueda experimentar. Es decir, de manera anloga al aprendizaje natural que
sucede en la organizacin, el aprendizaje artificial ocurre alrededor de un modelo
de la organizacin, que se denomina micromundo o mundo virtual.

El aprendizaje artificial en la organizacin es semejante al natural, lo que
cambia es el objeto de aprendizaje y accin, ahora es un mundo virtual. No
cualquier modelo de la organizacin sirve como mundo virtual para el aprendizaje
en laboratorio. Sobre el mundo virtual debe ser posible experimentar la toma de
decisiones y, seguidamente, recibir informacin de realimentacin sobre sus
consecuencias. El mundo virtual debe ser entonces un modelo que simule el
comportamiento dinmico de la organizacin ante diferentes alternativas de accin
y bajo diferentes escenarios organizacionales y ambientales.

Incrementando la eficiencia del aprendizaje organizacional
Habindose presentado la dinmica de sistemas como una metodologa adecuada
para la creacin del laboratorio para el aprendizaje artificial en la organizacin,
surge una pregunta. Cmo sera un proceso eficiente de aprendizaje en la
organizacin? Un aprendizaje organizacional eficiente sera aquel que, en primer
lugar, cumpla con el objetivo principal de hacer explcitos y modificar los modelos
mentales individuales y colectivos, lo cual sucede de manera espontnea y
espordica en situaciones naturales; y que, en segundo lugar, permita el
cumplimiento del objetivo de una manera ms rpida, mediante la superacin de
los obstculos naturales citados, inherentes a la realidad organizacional. En
consecuencia, se deben satisfacer estas dos condiciones para sustentar que el
aprendizaje "artificial" acoplado al proceso natural da como resultado un
incremento en la eficiencia del aprendizaje organizacional.

La segunda condicin implica el vencer las complejidades y limitaciones propias
de la situacin organizacional real que es objeto de aprendizaje. Esta dificultad se


hace patente durante la construccin del modelo y por este motivo el modelo solo
puede ser una representacin simplificada de tal realidad, con mayor razn un
modelo en dinmica de sistemas por cuanto implica lograr una formalizacin
matemtica del fenmeno. Este modelo, el mundo virtual, es el objeto de
aprendizaje y experimentacin en el espacio del laboratorio. Sobre el mundo
virtual se tiene informacin perfecta acerca de su estructura, expresada en el
modelo en dinmica de sistemas, y de su comportamiento, debido a la posibilidad
de simulacin.


ACTIVIDADES DE AUTOEVALUACIN DE LA UNIDAD DOS

1. Qu semejanzas hay entre una derivada y una razn de cambio?
2. Referencie casos en los cuales hay una razn de cambio
3. Explique por qu razn hay cambio en los ejemplos anteriores
4. Cul es la relacin que hay entre razn de cambio y procesos dinmicos?
5. Qu es un sistema dinmico?
1. Diga que es un nivel y d tres ejemplos
2. Diga que es un flujo y d tres ejemplos
3. Diga que es un parmetro y d tres ejemplos
4. Diga que es una variable auxiliar y d tres ejemplos
5. Explique adecuadamente cada respuesta
1. Cmo se identifica un nivel?
2. Cmo se identifica un flujo?
3. Qu diferencia un flujo de un nivel?
4. D otros ejemplos de flujos acoplados a niveles
5. Sustente adecuadamente sus respuestas anteriores
1. Es lo mismo una variable auxiliar que una de nivel, explique?
2. Qu es una no linealidad?
3. Qu es un multiplicador?
4. Enuncie las diferencias entre un multiplicador y una no linealidad?
5. En qu casos se usa un multiplicador y cuando una no linealidad, d
ejemplos?
1. Qu es un retardo y cmo se representa matemticamente?
2. Es lo mismo un retardo de informacin que uno de material?
3. Qu es el orden de un retardo?
4. Qu es el grado de un retardo?
5. Cul es la principal ventaja de poder usar retardos en el modelado?
1. Que hace que una poblacin de conejos aumente?
2. Qu hace que la poblacin de zorros se incremente?
3. Qu variables de ese ecosistema sera un nivel?
4. Qu variables de ese ecosistema sera un flujo?
5. Podra haber retardos en el sistema, explique las razones?
1. Por qu se decide que los zorros y los conejos son niveles?
2. Podra haber ms niveles?
3. Qu pasa si un nivel se agota?
4. Un nivel debe tener alguna capacidad o puede ser infinito?
5. Tiene sentido que un nivel tenga valores negativos? explique su respuesta
1. Por qu los nacimientos de conejos son un flujo?
2. Las muertes de los zorros podran modelarse de otra manera, explique su
respuesta?
3. Un flujo en qu se diferencia de un nivel, explique la diferencia usando el
modelo de zorros y conejos?
4. Qu pasa si nacen muchos conejos?
5. Qu sucedera si aumenta la tasa de natalidad de zorros?
1. Por qu son importantes las variables auxiliares?


2. Una variable auxiliar puede ser reemplazada por un parmetro?
3. Las variables auxiliares se conectan directamente con un nivel?
4. Una variable auxiliar se usa para valores constantes?
5. Qu errores se pueden cometer al elaborar un modelo?
1. Qu elementos hay que tener en cuenta al incluir un retardo en el modelo,
para el caso de Evolucion 4.1?
2. El retardo determina los comportamientos cclicos, por qu?
3. La tabla se confecciona de qu manera, con datos reales o con la precepcin
del modelador?
4. Cundo usar un multiplicador?
5. Cundo usar una no-linealidad?
1. Qu es la simulacin?
2. Es igual simular a experimentar?
3. Qu es la experimentacin simulada?
4. La simulacin podra servir para aprender?
5. Qu otro nombre podra servir para la simulacin?
1. En qu consiste la sensibilidad de un sistema?
2. El anlisis de sensibilidad permite conocer qu tipo de elementos del sistema?
3. Cul es la importancia del anlisis de sensibilidad?
4. Enumere los pasos requeridos para realizar el anlisis de sensibilidad?
5. Cul es la relacin que existe entre un anlisis de sensibilidad y un escenario?
1. Por qu es importante validar los modelos?
2. Cules son las estrategias para validar un modelo?
3. Cules pasos deben tenerse en cuenta para validar un modelo?
4. Qu problemas pueden surgir si no se validan los modelos?
5. La estadstica es importante a la hora de validar modelos?
1. En qu consiste la prueba de los lmites del sistema?
2. Para qu se realiza la prueba de la estructura del sistema?
3. Cmo se aplica la evaluacin de parmetros?
4. Cul es el sentido de aplicar una prueba extrema?
5. La prueba de reproduccin del comportamiento qu permite?
1. Qu es la simulacin experimentada?
2. Qu es el aprendizaje organizacional?
3. Si se modela una organizacin, se aprende sobre ella, explique?
4. Puede hablarse de organizaciones inteligentes?
5. En definitiva, cul es el aporte de la dinmica de sistemas al entendimiento de
las organizaciones?


FUENTES DOCUMENTALES DE LA UNIDAD DOS

SHANNON, R; JOHANNES, J. D. (1976). Systems simulation: the art and
science. IEEE Transactions on Systems, Man and Cybernetics 6(10). pp. 723-
724. http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=4309432.

NAYLOR, T. H., BOUGHTON J. M. (1971). Computer simulation experiments with
models of economic systems. Editorial Wiley.

SCHWARTZ, P. (1991). The Art of the Long View: Planning for the Future in an
Uncertain World. New York: Doubleday.

STERMAN, (2000). Business Dynamics: Systems Thinking and Modeling for a
Complex World. Chapter 21.

FORRESTER, J. W. (1961) Industrial Dynamics. Waltham, MA: Pegasus
Communications.

BARLAS, Y. and KANAR, K. (2000), Structure-oriented Behavior Tests in Model
Validation, disponible on line en
http://www.systemdynamics.org/conferences/2000/PDFs/barlas43.pdf, consultado
el 2 de mayo de 2011

MARQUEZ, Renny y RAMIREZ, Vicente. Un modelo de simulacin de la
Produccin de quesos madurados. Agroalim, jun. 2009, vol.15, no.28, p.107-
122. ISSN 1316-0354. Disponible en lnea en:
http://www.scielo.org.ve/scielo.php?pid=S1316-
03542009000100010&script=sci_arttext

SOTAQUIRA, R, GELVEZ, L., (1996) "Una revisin crtica del Aprendizaje
organizacional Dinmica de Sistemas" En: Colombia. 1996. Evento: Coloquio
Latinoamericano sobre aplicaciones del Pensamiento Sistmico y la Investigacin-
Accin Participativa Ponencia: Libro: Memorias del Coloquio Latinoamericano
sobre aplicaciones del Pensamiento Sistmico y la Investigacin-Accin
Participativa, Universidad De Los Andes, p.1 - 10


UNIDAD 3: TOMA DE DECISIONES APOYADA CON SIMULACIN

Nombre de la Unidad Toma de decisiones apoyada con Simulacin
Introduccin La toma de decisiones es una de las principales tareas de
los administradores de las organizaciones. Una de las
principales dificultades radica en el manejo de la
incertidumbre. El modelado ofrece una estrategia que
reduce en parte la incertidumbre conduciendo a una
buena toma de decisiones.
Justificacin En tanto que una acertada toma de decisiones conduce al
xito en la gerencia de organizaciones, es claro que este
captulo cobra capital importancia.
Intencionalidades
Formativas
Que se desarrolle la habilidad para la toma acertada de
decisiones.
Denominacin de
captulos
Captulo 7: Toma De Decisiones
Captulo 8: Caso de Estudio
Captulo 9: Perspectivas De Uso De La Dinmica De
Sistemas


CAPTULO 7: TOMA DE DECISIONES

Introduccin
Una decisin es una eleccin consciente y racional, orientada a conseguir un
objetivo, que se realiza entre diversas posibilidades de actuacin o escenarios.
Antes de tomar una decisin se debe calcular mediante simulacin cul ser el
resultado de escoger una alternativa. En funcin de las consecuencias previsibles
para cada alternativa, que pueden ser generadas a partir de la simulacin, se
tomar una decisin. En este orden de ideas, los elementos que constituyen la
estructura de la decisin son: los objetivos de quin decide y las restricciones para
conseguirlos (modelado y simulacin); las alternativas posibles y potenciales (los
escenarios de simulacin y el anlisis de sensibilidad); las consecuencias de cada
alternativa (los resultados de simular los escenarios); el escenario en el que se
toma la decisin y las preferencias de quien decide.

Es importante saber que las decisiones se presentan en todos los niveles de la
sociedad, sean de mayor o menor incidencia; pero estas implican una accin que
conlleva a un determinado fin u objetivo propuesto.

Es de gran utilidad conocer que procesos se deben aplicar y abarcar para tomar
decisiones efectivas. Es por ello que en este trabajo se realiza una investigacin
basada en autores y textos que se refieren a la toma de decisiones y su utilizacin
como una herramienta de uso cotidiano en el estudio de las organizaciones y la
administracin.

Para lograr una efectiva toma de decisiones se requiere de una seleccin racional,
para lo que primero se debe aclarar el objetivo que se quiere alcanzar; eso s, se
deben tener en cuenta varias alternativas, evaluando cada una de sus ventajas,
limitaciones y adoptando la que se considere ms apropiada para conseguir el
objetivo propuesto.


Leccin 31: Introduccin a la Toma de Decisiones
32

En la accin de tomar decisiones est inmersa la una situacin de incertidumbre
ya que no hay nada que garantice que las condiciones en las que se tome la
decisin sigan siendo las mismas, dado que se est en un medio en el que lo
nico constante es el cambio.

Tomar una decisin es el primer paso para elegir un plan de accin; es por esto
que el trabajo central consiste en decidir: qu hacer, cmo delegar su realizacin a
quienes se considere ms capacitados para ello, cmo justificar para qu debe
hacerse, cundo debe hacerse y as lograr la optimizacin.

Existen diversas situaciones en las que se deben tomar decisiones; en lo que
sigue asumiremos como contexto, una empresa en la que puede darse tres tipos
de situaciones: las de certeza, incertidumbre y riesgo. Se explicar brevemente
cada una de ellas, en los siguientes apartes.

Decisiones en situacin de certeza
Una situacin de certeza es aquella en la que un sujeto tiene informacin completa
sobre una situacin determinada, sobre cmo evolucionar y conoce el resultado
de su decisin. Ejemplo: decisiones sobre compras cuando se conoce la
demanda, de distribucin de personal cuando se conoce el coste por persona y
operacin, etc. La toma de decisiones en un marco de certeza no implica dificultad
alguna, ms all de las relacionadas con la gestin empresarial.

Decisiones en situacin de incertidumbre
Una situacin de incertidumbre es aquella en la que un sujeto toma la decisin sin
conocer toda la informacin y por ello existen varios resultados para cada
estrategia. Pueden ser decisiones no competitivas y competitivas.

Las decisiones no competitivas son aquellas en las que nadie se opone a la
estrategia del sujeto que decide. Por ejemplo: vendedores de peridicos (se quiere
conocer la cantidad a adquirir de acuerdo con las ventas). Para decidir existen una
serie de criterios de eleccin:
Maximin, pesimista o Wald
Maximax, optimista o Hurwicz
Coeficiente de optimismo-pesimismo
Razn suficiente o Laplace
Mnimax, coste de oportunidad o Savage

32
Leccin soportada en el texto de toma de decisiones disponible en lnea en:
http://www.virtual.unal.edu.co/cursos/sedes/manizales/4010014/html/descargar.html


El criterio maximin supone maximizar el resultado mnimo, es decir el decisor
quiere asegurarse la eleccin mejor en caso que se d la situacin ms
desfavorable. Es pesimista. Es til en situaciones muy inciertas, si quieren evitarse
riesgos o si existe conflicto.

El criterio maximax consiste en maximizar el mximo; escoger el resultado mximo
entre los mejores de cada alternativa. El decisor es optimista.

El criterio del coeficiente de optimismo-pesimismo se sita entre los dos
anteriores. Se parte de un grado de optimismo y de pesimismo relacionados del
siguiente modo: Coeficiente de optimismo = p; coeficiente de pesimismo = (1-p) =
q; donde p + q = 1 y 0 < p < 1. Dentro de la misma alternativa o estrategia se
considera el resultado mayor de cada alternativa como p mientras que el resultado
menor ser q. Se escoge el mayor tras ponderar los resultados esperados por los
coeficientes de optimismo y pesimismo.

El criterio del principio de razn suficiente espera que todas las situaciones de
futuro tengan la misma probabilidad de suceder. Ante esta situacin se elige el
resultado medio ms elevado.

El criterio minimax plantea elegir en funcin de lo que se dejar de ganar. Por
tanto, en primer lugar debe calcularse el mximo coste de oportunidad de
cualquier opcin y, en segundo lugar, elegir el menor de ellos.

Las decisiones competitivas son aquellas en que por ejemplo una empresa se
enfrenta a un oponente que conoce sus estrategias y que escoger aquella que
ms le perjudique, por ejemplo: los duopolios (coca-cola y pepsi-cola) y los
oligopolios (fabricantes de coches). Estas decisiones se estudian en la teora de
juegos. Esta teora considera que en la toma de decisiones intervienen pocos
individuos, con informacin diferente y, generalmente incompleta, sobre los
resultados de las decisiones. Pueden darse dos situaciones genricas:

Conflicto puro en donde las ganancias de un jugador son prdidas para el
otro (juego bipersonal de suma cero).

Conflicto mixto y de cooperacin en donde los que deciden pueden llegar a
acuerdos o colaborar para mejorar sus resultados aunque ambos se
arriesgarn en el juego. Se denomina juego cooperativo o de suma no cero.
Decisiones en situacin de riesgo
En este tipo de situaciones se conoce la probabilidad de que ocurra cada
situacin. Se trata de analizar beneficios y prdidas ponderados por las
probabilidades de que sucedan.


Leccin 32: La empresa como sistema
En la empresa, quienes la gestionan deben tomar decisiones estratgicas que
afectarn en el mediano y largo plazo a la organizacin.

Si se quiere dar cuenta del desempeo de los distintos subsistemas, en cuanto al
cumplimiento de los objetivos que se le asignaron, es que se elaboran informes
que exteriorizan la evolucin de las principales variables involucradas. Este
control de la gestin permite analizar comportamientos no deseados y realizar
las correcciones necesarias para el cumplimiento de los objetivos fijados, es decir,
tomar decisiones.

Se dinamiza de esta manera proceso de realimentacin en donde el sistema
incorpora el conocimiento de los resultados alcanzados durante un perodo
anterior, permitindole re-acomodar su comportamiento en el perodo siguiente.

Un mecanismo como el antes descrito hace perentorio que las unidades de tiempo
consumidas por dicho proceso de realimentacin sean las menores posibles, es
decir, se requiere la informacin de retorno muy rpido para poder realizar
cambios en forma inmediata ante la presencia de comportamientos no deseados.

De lo antes expuesto resulta evidente que los controles de gestin, no solo son
necesarios sino que son imprescindibles, pues stos se refieren a hechos
ocurridos, describen el pasado, la historia de la organizacin, lo que permitira
encausarla.

Es posible que en una organizacin se tenga por costumbre que siempre que
ocurre un determinado comportamiento no deseado, visible en una variable del
sistema, se deba tomar una decisin para intentar corregir su evolucin, pero
puede ser que los efectos de tal decisin, que podrn ser evaluados recin
despus que transcurran algunas unidades de tiempo desde su ejecucin, los
controles de gestin podran mostrar, que a pesar de las medidas tomadas, se da
un mayor deterioro de la variable que se quiso reencauzar, es decir, se tendra un
comportamiento contra-intuitivo.

Una situacin como la anteriormente descrita, puede indicar que los controles de
gestin, que se usan tradicionalmente para evaluar los efectos de una decisin,
teniendo como estrategia esperar a que el sistema reaccione y que transcurra
algn tiempo para percatarse de si tal decisin fue o no correcta, no parece ser lo
ms apropiado.

Surge entonces la cuestin acerca de la suficiencia de los controles de gestin
en cuanto a herramienta sustentadora de decisiones que mantengan el
comportamiento del sistema en sintona con un plan estratgico. Parece ser que
los rganos decisorios tienen que recurrir al procedimiento de prueba y error, es


decir, implementar una decisin, controlar sus efectos y corregir; hecho que no
resulta ser del todo deseable pues puede salir muy costoso.

Resulta pues muy alentador el hecho de poder contar con una herramienta que
permitiese corroborar hiptesis, comprobar los efectos de las decisiones antes de
que stas sean implementadas. Una herramienta que contestase la pregunta :
qu pasara si.?, bueno a estas alturas el lector deber estar pensando en el
modelado y simulacin.

La empresa como sistema social:
A estas alturas resulta incontrovertible que la empresa sea un sistema social,
puesto que se trata de uno de los mbitos naturales de actuacin del profesional
en cualquier rea del conocimiento.

Los profesionales trabajan con personas, comunicaciones, expectativas,
conflictos, valores. Adems, la empresa conforma un sistema, o sea que se trata
de una red de interrelaciones que se producen en su interior, y que dado el
particular comportamiento e interaccin producido por sus elementos
componentes es posible de ser distinguida del entorno. El hecho de que el mbito
de actuacin sea un sistema y que dicho sistema sea social caracteriza de
manera determinante su anlisis.


Leccin 33: Modelo en prosa de caso de estudio
Con el propsito de mostrar la manera en que un modelo puede ser usado para la
toma de decisiones, por ejemplo, en una empresa, podra tomarse en
consideracin un caso de estudio cuyo propsito sea el de introducir al lector en la
aplicacin prctica de los conceptos de dinmica de sistemas para el desarrollo de
una acertada toma de decisiones en las organizaciones.

Desarrollo del caso:
El caso que se revisar en esta seccin est orientado a analizar si la poltica de
una empresa, cuyas caractersticas se detallarn luego, resulta correcta para
mantener una situacin de Caja y de Existencias equilibradas en un perodo de al
menos 6 ejercicios o periodos de tiempo regulares. Se entender por situacin
equilibrada simplemente aquella en la que el inventario no estar vaco en ningn
momento para atender las ventas de un perodo y que la situacin financiera no
ser de comn deficitaria.

La empresa en cuestin comercializa un producto que a su vez sta adquiere en
el mercado. Las ventas son estimadas de acuerdo a un pronstico, cuyos datos
concretos se encuentran en la tabla denominada Pronstico de Ventas. El cobro
de los montos vendidos se realiza, el 50% al momento de hacer la venta y el 50%
restante se cobra a los 30 das de hecha la venta.

figura 61 Tabla pronstico de ventas

Las unidades vendidas se reponen, es decir, se vuelven a comprar, existiendo en
esta operacin una demora de tres perodos o intervalos de tiempo para su
concrecin. Los pagos son al contado. La poltica de compras determina que se
comprar todo lo necesario para la reposicin mientras exista saldo de caja
suficiente; de lo contrario se comprar lo que el saldo permita, con un mnimo de $


1.250, es decir, se comprar el mximo entre el saldo de caja y 1.250. En cada
perodo se deben afrontar costos fijos por $ 6.000.

Aqu se propone un primer escenario de simulacin y se da como el punto de
partida:
saldo inicial de caja de $ 50.000
existencia actual de unidades para la venta: 10.000
precio de costo por unidad: $ 7
precio de venta por unidad: $10

La resolucin de este caso busca demostrar la incapacidad de los modelos
mentales para dar cuenta de situaciones complejas, y muestra adems cmo la
falta de una perspectiva sistmica, que contemple interrelaciones como
realimentacin de informacin en el transcurso del tiempo, puede llevar al tomador
de decisiones a conclusiones equivocadas.


Leccin 34: Modelo del caso
Diagrama de influencias
El grfico que se muestra a continuacin expresa las interrelaciones del sistema
mediante el denominado diagrama de influencias, de tal forma que le permite
comprender las relaciones y sus sentidos.

figura 62 Diagrama de influencias del caso de estudio

Del grfico vale la pena destacar el ciclo de realimentacin negativo que se
establece entre compras, egresos y caja. Esto significa que ser una estructura
importante en la manera en que se comportar el modelo y tratar de mantenerlo
en equilibrio. No se reconocen ms ciclos de realimentacin pero se indican las
variables del sistema, sus relaciones y el sentido de las mismas.

Del diagrama de influencias se puede deducir que tanto el inventario como la caja
sern niveles, pues la caja se aumenta con los ingresos y disminuye con los
egresos, de igual manera el inventario se incrementa con las compras, pero
disminuye con las ventas. Las variables que directamente afectan los niveles son
flujos. Note seor lector que tanto los ingresos como los egresos se miden en
pesos, las unidades del nivel caja. De otra parte las compras y ventas se miden en
unidades almacenadas, que son las unidades del inventario.

En la siguiente leccin se ilustra el diagrama de Forrester o de flujos y niveles y
seguidamente se mostrarn las ecuaciones del modelo.


Diagrama de Forrester
Revisando el diagrama de influencias, se identificaron los niveles y los flujos. Para
la elaboracin del modelo y cumplir con los requerimientos o las caractersticas del
enunciado o modelo en prosa, se acudi a otras variables.

Se us un retardo denominado REPOSICION, para recrear la situacin aquella de
que se hace un pedido una vez se realiza una venta igual a la venta, pero ste se
demora tres meses en llegar. La ecuacin de la variable REPOSICION es
RETARDO(VENTAS, 3, 3, VENTAS), es decir, un retardo de orden 3 y tiempo de
ajuste 3.

La variable PRONOSTICO_VENTA se represent mediante una variable exgena
con ecuacin = INTLINEAL(0,0,6,1000,1300,2500,2250,2000,2100,2200,1850,
1500,1589,1678,1767,1856,1944,2033,2122,2211,2300,2167,2033,1900), segn
la figura 61.

figura 63 Diagrama de Forrester del caso de estudio

Dado que el pago se recibe en dos contados, se us la variable valor anterior para
operacionalizar esta situacin, mediante la variable VENTA_ANTERIOR, que
guarda por una unidad de tiempo la cantidad vendida.


Se utiliz una variable auxiliar POSIBLE_COMPRAR para calcular los productos
que se podran comprar sobre la restriccin de los 1250 pesos, la cantidad de
dinero y el costo por unidad. Su ecuacin es (CAJA-COSTO_FIJO-
MINIMO_CAJA)/COSTO_UNITARIO.

Los dems son parmetros que consideran los valores del escenario.

Ecuaciones del modelo

Nombre = CAJA :Nivel_
Definicin = 50000
Descripcin = Cantidad de dinero disponible en la caja.
u: pesos

Nombre = COMPRAS :Flujo_
Definicin =
IF(POSIBLE_COMPRAR>2500,MIN(REPOSICON,POSIBLE_COMPRAR),0)
Descripcin =

Nombre = COSTO_FIJO :Parametro_
Definicin = 6200
Descripcin = Costos operativos o fijos.
u: pesos.

Nombre = COSTO_UNITARIO :Parametro_
Definicin = 7
Descripcin = Precio por unidad.
u: pesos

Nombre = EGRESOS :Flujo_
Definicin =
IF(CAJA>(COSTO_FIJO+(COMPRAS*COSTO_UNITARIO)),COSTO_FIJO+(COM
PRAS*COSTO_UNITARIO),CAJA)
Descripcin = Salida de dinaeo.
u: pesos/periodo

Nombre = INGRESOS :Flujo_
Definicin = PRECIO_VENTA*(VENTAS/2+VENTA_ANTERIOR/2)
Descripcin =

Nombre = INVENTARIO :Nivel_
Definicin = 10000
Descripcin = Inventario.
u: unidad


Nombre = MINIMO_CAJA :Parametro_
Definicin = 1250
Descripcin =

Nombre = POSIBLE_COMPRAR :Auxiliar_
Definicin = (CAJA-COSTO_FIJO-MINIMO_CAJA)/COSTO_UNITARIO
Descripcin =

Nombre = PRECIO_VENTA :Parametro_
Definicin = 10
Descripcin = Pecio de venta.
u: pesos

Nombre = PRONOSTICO_VENTA :Exogena_
Definicin =
INTLINEAL(0,0,6,1000,1300,2500,2250,2000,2100,2200,1850,1500,1589,1678,17
67,1856,1944,2033,2122,2211,2300,2167,2033,1900)
Descripcin =

Nombre = REPOSICON :Retardo_
Definicin = RETARDO(VENTAS, 3, 3, VENTAS)
Descripcin =

Nombre = VENTAS :Flujo_
Definicin =
IF(INVENTARIO>0,IF(INVENTARIO>PRONOSTICO_VENTA,PRONOSTICO_VE
NTA,INVENTARIO),0)
Descripcin =

Nombre = VENTA_ANTERIOR :Anterior_
Definicin = 0
Descripcin =


Leccin 35: Simulaciones y toma de decisiones
Esta leccin muestra el diseo de un escenario, el anlisis de sensibilidad y la
toma de decisiones a partir de la experimentacin simulada.

Diseo de escenario
Puede ser de inters para el dueo de la empresa averiguar qu efecto tiene
sobre los inventarios y sobre la caja el hecho de que gradualmente los costos fijos
varen.

Para ello se propone analizar cul sera el comportamiento de los inventarios y la
caja si se incrementa sistemticamente en 50 unidades los costos fijos.

Para ello se debe disear un escenario en el que se cambia los valores asociados
al parmetro, costos fijos, y luego se debe observar que sucede tanto con los
inventarios como con la caja.

Se propone el siguiente escenario, teniendo en consideracin el inters que se ha
manifestado.

figura 64 Escenario de simulacin

Ntese que en el escenario se tiene los valores iniciales de los niveles Inventario y
Caja, los cules estn Ceteris Paribus con respecto de los costos fijos que
variaran en 50 unidades para cada experimento.

Experimentacin Simulada.
Se recuerda al seor lector que la experimentacin simulada es un proceso
"diseado" que debe de cierta manera superar algunas de las ineficiencias de su
contraparte "natural", es decir, la organizacin y de este modo permite hacer ms
eficiente el aprendizaje en la organizacin y la consecuente toma de decisiones
con un menor nivel de incertidumbre.


Para realizar la experimentacin simulada es preciso acudir a una herramienta
informtica que ayude con esa tarea. Una de estas herramientas es Evolucion 4.1,
hay muchas ms en el mercado, en este caso se est usando la herramienta
antes sealada por ser de uso libre para propsitos acadmicos y por ser una obra
de la ingeniera de sistemas colombiana.

A partir del escenario se procede a hacer un anlisis de sensibilidad por
escenarios para observar que sucede.

figura 65 Datos de la Simulacin Experimentada
Si se observa en la figura 65, se encuentra all que se debe seleccionar nuevo
anlisis de sensibilidad con variacin de parmetros, ver crculo rojo de la parte
superior de la figura. Luego se da clic en definir trayectorias y aparece la ventana
de dilogo que est sealada con cuadros verdes. La elipse muestra el parmetro
que se va a variar, es este caso es el parmetro costo fijo, ntese que se
escoge una variacin de 50 y que se observar su efecto sobre el nivel inventario,
la que corresponde al campo, variable seleccionada. Finalmente se escoge el
nmero de iteraciones, es decir, cuantos cambios se har en el parmetro, en este
caso se cambiar tres veces y habr cuatro simulaciones. Veamos.


figura 66 Resultados de la Simulacin Experimenta

De la grfica es posible resaltar que si los costos fijos son 6200 o 6250 no hay
mucha diferencia en el comportamiento del inventario.

Ahora, cuando el costo fijo pasa de 6300 a 6350 se nota una reaccin del sistema
en el sentido de llegar a niveles de inventario igual a 0. Esto es naturalmente
contraproducente para los intereses de la organizacin, porque la funcin principal
del negocio es la venta del producto.

En este caso, la gerencia de la empresa debera tomar decisiones que no afecten
los costos fijos, pues si lo hace correra con el peligro de desestabilizar el sistema,
tal como lo permite inducir la grfica de color verde.


CAPTULO 8: CASO DE ESTUDIO

Introduccin
Desde principios del siglo pasado, distintas ciencias llegaron a la conclusin de
que era necesario estudiar como una totalidad tanto los fenmenos naturales
como los sociales, debido bsicamente a su complejidad y dinamicidad la cual se
debe a los entramados de relaciones internas y la relacin de stas con el medio.
En tiempos anteriores al surgimiento de este paradigma, la preocupacin de las
ciencias se haba centrado en una concepcin reduccionista de los fenmenos
estudiados.

Ludwing von Bertalanffy, public, en 1968, el libro Teora General de Sistemas,
considerado como la gnesis del enfoque sistmico. Este enfoque gener un
amplio inters. La ecologa fue de las primeras que lo incorpor masivamente,
para explicar fenmenos dinmicos como, por ejemplo, la competencia entre
especies animales y vegetales y las interrelaciones entre factores fsico-qumicos y
biolgicos en lagos, ros y otros tipos de sistemas ecolgicos. El enfoque fue
incorporado a las ciencias y tecnologas aplicadas al desarrollo de la computacin,
al punto de llegar a generar una nueva disciplina denominada la Ingeniera de
Sistemas.

Es en la dcada de los 60s y 70s, que el enfoque gan incrementalmente
partidarios entre las ciencias silvo-agropecuarias, desarrollndose en Asia las
primeras aplicaciones realmente importantes. De all se ha extendido a todo el
mundo, destacndose su uso en frica, Europa, y en el continente americano.
Varios de los centros de investigacin ms importantes a nivel mundial, han
adoptado esta metodologa. En Colombia se conocen los trabajos de Absaln
Machado
33
, de la Universidad Nacional, sobre todo en torno a los sistemas de
produccin agroalimentarios, quien es, de los economistas latinoamericanos, uno
de los pioneros en la incorporacin de la TGS en sus planteamientos tericos.

Este captulo muestra como la dinmica de sistemas, cuyo padre es el
pensamiento sistmico, aporta para el entendimiento y la gestin de los sistemas
agro-industriales y dentro de ellos, especficamente la cadena productiva del
tabaco.

33
Absaln Machado C. y Jorge Torres O, El sistema agroalimentario. una visin integral de la cuestin agraria en Amrica
Latina, 1. ed. 1987, CEGA, Siglo Veintiuno Editores, Bogot , D.E., Colombia.


Leccin 36: Los sistemas agroindustriales
Muchos de los fenmenos que cotidianamente son percibidos se ajustan a la idea
de que el todo es ms que la suma de las partes. As, por ejemplo, una
limonada, tiene caractersticas como el sabor que no se encuentran en ninguna
de las partes de ese refresco; bsicamente porque los componentes se relacionan
entre s, dando origen a caractersticas emergentes no explicables por la mera
suma algebraica de los componentes, es decir, no se obtiene la sensacin de
haber tomado limonada si por ejemplo alguien consume una taza de azcar, luego
dos cucharadas de jugo de limn y finalmente dos vasos de agua helada, o en
cualquiera de sus seis posibles combinaciones.

Hay numerosos ejemplos en los que se evidencia como el entramado de
relaciones entre los componentes del sistema determinan comportamientos a
veces inesperados, verbigracia, se sabe que una intervencin, como represar un
ro o invadir un pas vecino con propsitos antiterroristas, puede dar origen a una
'reaccin en cadena' que terminar afectando en el primer caso a una enorme
cantidad de especies animales y vegetales, etc., y en el segundo caso a la
poblacin de un pas entero, por las medidas de reaccin del pas ofendido. Que
una accin pueda llegar a tener tan amplias consecuencias, indica que en esa
zona hay numerosos fenmenos y componentes que se encuentran muy
vinculados entre s, a veces a travs de reacciones que no se alcanzan a percibir.
Esto es sntoma de estar frente a un fenmeno que puede ser percibido como si
fuera un sistema.

Para los propsitos de este mdulo se acepta que un sistema es bsicamente una
buena idea que permite ver los fenmenos como un conjunto de elementos en
interaccin mutua y que tienen un fin o propsito comn (diagrama de influencias);
en el que se identifican propiedades como sinergia, recursividad, organizacin y
jerarqua, bsicamente.

Considerando lo expuesto anteriormente puede definirse el sistema de produccin
como un sistema de actividades humanas que un grupo (por ejemplo, la familia
campesina) organiza, dirige y realiza, de acuerdo a sus objetivos, cultura y
recursos, utilizando prcticas en respuesta al medio ambiente fsico. Por tanto
para conocer un sistema de produccin, se debe partir de la observacin de sus
elementos constitutivos, las actividades all realizadas, los medios y recursos con
que cuenta, las cantidades y caractersticas de las personas que en l viven o
trabajan, las propiedades del suelo o clima, etc. Ver la figura 67.

Ahora bien, como una de las caractersticas principales de todo fenmeno
concebido como sistema es la organizacin y aceptndose que adems se tienen
relaciones entre los elementos, se debera entender las propiedades o
proporciones en que estos componentes estn presentes; el rol o funcin que
cada uno cumple y las interacciones que suceden entre los componentes. Por
ejemplo, cmo se distribuye la mano de obra entre los diferentes rubros y
actividades del predio?; cmo se distribuyen los ingresos entre consumo,


produccin y ahorro?; cmo la produccin de un rubro contribuye a la generacin
de productos para el autoconsumo y para la venta?, etc.

figura 67 Sistema Agropecuario
34

Para completar la descripcin del sistema de produccin ha de ser necesario dar
cuenta de la complejidad dinmica del sistema de produccin, es decir, ser
capaces de describir su comportamiento a travs del tiempo. Por ejemplo, poder
dar respuesta a este tipo de preguntas. Cmo se distribuye la mano de obra a
travs del ao?; Cules son los meses de mayor actividad y cules los de mayor
escasez?

Pareciera que la descripcin de un sistema de produccin demanda ingentes
esfuerzos intelectuales, pero no lo es tanto. El modelado y simulacin de dichos
sistemas permitirn ganar en comprensin del mismo, en ese sentido es en que se
propone el uso del modelado y simulacin en este escrito.

34
Adaptado de http://scielo.sld.cu/img/revistas/pyf/v31n4/f0105408.gif


Leccin 37: Visin sistmica de las cadenas productivas
Esta parte del texto se dedica a hacer una exposicin del concepto de cadena
productiva desde diferentes perspectivas pero buscando bsicamente aterrizar en
una perspectiva sistmica de las mismas. Se toma como punto de referencia
artculos que irn siendo referenciados a medida que sea preciso hacerlo.
Bases conceptuales
Segn rastreo bibliogrfico realizado por Isaza (2005) es posible encontrar en dos
autores importantes como Hirschman y Porter gran parte de los elementos
terico-conceptuales que dan posibilidad de existencia al concepto actual de
cadena productiva. El primero de ellos en su trabajo sobre el desarrollo econmico
explica que el xito en la generacin de riqueza en las organizaciones se deba
especialmente a la existencia de encadenamientos de cooperacin, fenmeno
presente principalmente en las economas industrializadas del primer mundo. Un
tiempo despus, Porter advierte que la articulacin eficiente de las empresas
alrededor de una cadena de valor que va desde los proveedores de materias
primas e insumos y que termina con los servicios al cliente, son los elementos que
dan cuenta de la generacin de ventajas competitivas y por tanto de una mayor
generacin de riqueza. Es en la dcada de los noventas en que estos conceptos
articulados a las nociones de desarrollo regional originan la nocin de cadena
productiva en Latinoamrica.

En este orden de ideas es que Isaza (2005) propone ubicar el origen del concepto
de cadena productiva en la escuela de la planeacin estratgica. Segn esta
escuela, la competitividad de una empresa se explica no solo a partir de sus
caractersticas internas a nivel organizacional o micro, sino que tambin est
determinada por factores externos asociados a su entorno. En tal sentido, las
relaciones con proveedores, el Estado, los clientes y los distribuidores, entre otros,
generan estmulos y permiten sinergias que facilitan la creacin de ventajas
competitivas.

En consecuencia la cadena productiva puede definirse como un conjunto de
eslabones vinculados entre s por relaciones de tipo proveedor-cliente-proveedor.
Vista en su conjunto, una cadena productiva comprende desde los bienes
primarios, su transformacin en bienes intermedios, otros bienes intermedios
originados en una cadena productiva diferente, hasta los bienes finales. Para
Isaza (2005) la cadena productiva puede ser caracterizada como un conjunto de
unidades econmicas integradas alrededor de la produccin de un bien o servicio
y que van desde los productores de materias primas hasta el consumidor final.

Resumiendo lo dicho, es factible afirmar que las cadenas productivas se
subdividen en eslabones, los cuales comprenden conjuntos de unidades
econmicas con funciones especficas dentro del proceso productivo. Segn el
documento del DNP citado previamente, un ejemplo de cadena productiva lo
constituye la Cadena de Textiles-confecciones que incluye desde la produccin de


algodn, su procesamiento, la fabricacin de hilados y tejidos, y por ltimo la
confeccin de prendas de vestir que representan el eslabn final de la cadena.
Cada una de las etapas de transformacin del producto puede ser vista como un
eslabn en la cadena productiva y en cada uno de stos se expresan los
determinantes del desempeo de toda la cadena. Se invita al lector para que
revise la figura 68.

figura 68 Cadena productiva Cadena de Textiles-confecciones
35

De la figura 68 es claro que aparecen all los elementos identificados en la
definicin propuesta por el DNP, pero no se identifican elementos importantes
como la informacin y el dinero que fluye en ambos sentidos y que cierran los
ciclos de realimentacin que es en gran parte lo que determina que una cadena
productiva puede ser vista y estudiada como si sta fuera un sistema. Lo antes
expuesto es coherente con los planteamientos de Hirschman, citados por Isaza
(2005), relacionados especficamente con la idea de la presencia de
encadenamientos hacia adelante y hacia atrs. Los encadenamientos hacia atrs
estn representados por las decisiones de inversin y cooperacin orientadas a
fortalecer la produccin de materias primas y bienes de capital necesarios para la
elaboracin de productos terminados y los encadenamientos hacia adelante
promueven, por parte de los empresarios, la creacin y diversificacin de nuevos
mercados para la comercializacin de los productos existentes.

35
Tomado y adaptado de: http://www.agroancash.gob.pe/public/dpa/temas/pag_05.html


Leccin 38: Descripcin de la Cadena Productiva del Tabaco
Para la descripcin de la cadena productiva del tabaco se toma en cuenta la
presentacin que de la misma se hace en el texto del Departamento Nacional de
Planeacin (DNP). En dicho documento se indica que la cadena productiva del
tabaco comprende desde el cultivo de la hoja de tabaco hasta la fabricacin de
cigarrillos y otros productos como los aromas y esencias de tabaco. Como en el
resto del mundo, en Colombia esta actividad se caracteriza por un alto nivel de
concentracin y adems un nivel de integracin vertical importante. Dos empresas
dominan el mercado de cigarrillos que se estima en 20 mil millones de unidades al
ao. Se trata de Coltabaco, considerado lder del mercado, y Protabaco. Estas
empresas controlan la actividad desde la extraccin primaria de la hoja hasta la
fabricacin de los cigarrillos.

figura 69 Cadena productiva del tabaco
36

El proceso productivo para la obtencin de los cigarrillos se puede describir en tres
etapas: produccin primaria, primera industrializacin y obtencin de los cigarrillos.

La produccin primaria de la hoja de tabaco se realiza principalmente en regiones
tropicales, con climas clidos y hmedos (18 a 28C), y comprende los siguientes
pasos:

Preparacin del suelo, siembra, transplante y desflore, desbrote, cosecha,
primer curado y preclasificacin en fardos de 20 a 50 kgs.
El primer curado tiene por objeto preservar las hojas de tabaco al generar,
va calor, condiciones organolpticas adecuadas para conservar la calidad
potencial de la hoja.

36
Tomado de Tabaco, material del DNP, disponible en lnea en:
http://www.dnp.gov.co/PortalWeb/Portals/0/archivos/documentos/DDE/Tabaco.pdf


Este proceso consiste en secar las hojas naturalmente (por exposicin al sol o
suspendiendo la cosecha en lugares muy aireados) o de manera artificial, en
cmaras por las cuales circula aire caliente. El tabaco que recibe este tratamiento
se denomina Virginia. En figura 5, esta etapa corresponde al eslabn de hoja de
tabaco.

En la primera etapa de industrializacin, se limpia la hoja, se reclasifica, se
despalilla o desnerva (proceso que consiste en separar el palo o nervadura de la
hoja) y por ltimo se vuelve a secar. El secado es un proceso crtico para la
calidad del tabaco. En el diagrama del proceso productivo se identifica esta etapa
de produccin como el eslabn de hoja de tabaco desvenada y preparada.

En la segunda parte de la industrializacin del tabaco, se utilizan los procesos de
humidificacin en caliente, a temperaturas decrecientes; torrefaccin del tabaco y
en algunos casos des-nicotizacin. Una vez se estabiliza la temperatura el
producto se somete a aromatizacin. Del proceso de aromatizacin, quedan
algunos subproductos como el rap, los extractos y las esencias, cuya
comercializacin es marginal.


Leccin 39: El diagrama de influencias y diagrama de Forrester de la cadena
productiva del tabaco
Como se ha visto en lecciones previas, el diagrama de influencias considera, para
este caso, los elementos constituyentes de la cadena que se han descrito en la
anterior leccin.

figura 70 Diagrama de influencias de la Cadena productiva del tabaco
37

Este diagrama inicia con la siembra del tabaco, ver figura 70, la cual luego de un
tiempo se convertir en tabaco o ms exactamente plantas de tabaco. A medida
que aumenta la cantidad de plantas de tabaco, aumenta la produccin de hojas de
tabaco y en consecuencia la recoleccin tambin aumentar. Una vez se recolecta
el tabaco, ste se somete a un proceso de secado y de ah va al procesamiento
para producir picadura, o pasa al proceso de aromatizacin para luego convertir la
hoja de tabaco en cigarrillos o puros. Tanto la picadura, como los puros y
cigarrillos son vendidos, esta venta se compara con la demanda y generar la
demanda insatisfecha que a su vez generar una nueva siembra. Este es el ciclo
completo del tabaco, en l aparece como agente dinamizador la poblacin y sobre
todo la dinmica de sta, pues si la poblacin aumenta, aumentar tambin la
demanda y por tanto habr un efecto sobre la demanda insatisfecha, aqu se
acopla al ciclo de produccin, el efecto poblacional.

Lo que sigue es el diseo del diagrama de Forrester, para lo cual es til
preguntarse cul de las variables se acumulan a travs del tiempo y acto seguido,
que otras variables son las responsables de dicho cambio. El diagrama de
influencias es la principal gua en este caso.

37
Tomado de Tabaco, material del DNP, disponible en lnea en:


Ante la pregunta de qu cosas se acumulan, puede responderse que lo hacen: la
poblacin, las plantas de tabaco, el tabaco en proceso de secado, la picadura, el
tabaco aromatizado y tanto los cigarrillos como los puros.

Al responder que causa dichas acumulaciones se encuentra que lo que
incrementa la poblacin es, de forma general, un incremento de la poblacin y
ste a su vez es determinado por la tasa de variacin poblacional y la poblacin.
Es importante sealar que al tomar como ejemplo la poblacin colombiana la tasa
de variacin poblacional cambia por lo que se usa una variable exgena para
representarla (tvp). La cantidad de poblacin determina a su vez la demanda de
tabaco (DmTabaco) que es determinado por el consumo percpita
(ConsumoPercapita). Se asume la poblacin fumadora como mayor de 15 aos.

figura 71 La poblacin y la demanda de tabaco

La siguiente variable que se acumula estn las plantas de tabaco, en este caso se
incrementa su nmero gracias a la siembra y disminuyen gracias a la cosecha.

figura 72 La siembra de tabaco


Naturalmente hay un tiempo de retardo (tct) entre la siembra y la cosecha; para los
propsitos de este modelo, se asume un tiempo promedio, pues se sabe que las
hojas de la parte inferior de la planta se cosechan primero y las hojas de la parte
superior se cosechan de ltimo. Se debe reconocer que la siembra depender
bsicamente de la demanda insatisfecha, es decir, de la relacin que hay entre las
ventas y la demanda de tabaco en general.

Una vez se recolecta el tabaco este se acumula en un proceso de secado, una vez
seco el tabaco una parte se almacena para el proceso de picadura y otro pasa al
proceso de aromatizacin, produciendo luego cigarrillos y puros, los cuales al
venderse junto a la picadura determina las ventas. Revisar la figura 73.

figura 73 Diagrama de Forrester del primer prototipo de la cadena productiva
del tabaco
Se invita al lector para que haga una lectura del diagrama e identifique all los
flujos que alteran los niveles y as mismo las variables auxiliares, retardos y
parmetros que determinan los flujos.

Se invita al lector que proponga una estrategia para la validacin del anterior
modelo teniendo en cuenta la leccin 3 del captulo 6 de este mdulo.


Leccin 40: Experimentacin simulada, la cadena productiva del tabaco.
Se propone al estudiante que asuma tres escenarios que se llamarn: el optimista,
el pesimista y el normal en la demanda del tabaco. Luego realice la simulacin del
modelo y determine las conclusiones a las que se llega luego de este proceso.

Las siguientes son las ecuaciones del modelo.

Nombre = Aromatizado :Nivel_
Definicin = 1260000
Descripcin =

Nombre = Cigarrillos :Nivel_
Definicin = 1000000
Descripcin =

Nombre = ConsumoPercapita :Exogena_
Definicin = INTLINEAL(2,1970,5,2.613,2.7,2.561,2.27,1.884,1.582,1.408)
Descripcin =

Nombre = Cosecha :Flujo_
Definicin = min(tct,PlantasTabaco)
Descripcin =

Nombre = DI :Auxiliar_
Definicin = IF(VENTAS>DmTabaco,0,DmTabaco-VENTAS)
Descripcin = Demanda expresada en unidades de cigarrillos

Nombre = DmTabaco :Auxiliar_
Definicin = (1-PobMenorDe15)*POBLACION*(ConsumoPercapita/12)
Descripcin = Demanda en Kilos de tabaco

Nombre = GramosPorPlanta :Parametro_
Definicin = 0.085
Descripcin = Gramos por planta

Nombre = IP :Flujo_
Definicin = POBLACION*(tvp/12)
Descripcin =

Nombre = KiloPorPlanta :Parametro_
Definicin = 0.085
Descripcin =

Nombre = POBLACION :Nivel_
Definicin = 21954000


Descripcin = Poblacin iniciando 1970 en colombia.

Nombre = Picadura :Nivel_
Definicin = 320000
Descripcin =

Nombre = PlantasTabaco :Nivel_
Definicin = 25000000
Descripcin =

Nombre = PobMenorDe15 :Parametro_
Definicin = 0.33
Descripcin =

Nombre = PorDemCigarrillo :Parametro_
Definicin = 0.7
Descripcin =

Nombre = PorDemPica :Parametro_
Definicin = 0.1
Descripcin =

Nombre = PorDemTabaco :Parametro_
Definicin = 0.2
Descripcin =

Nombre = PorcentajePicadu :Parametro_
Definicin = 0.2
Descripcin =

Nombre = ProcCiga :Parametro_
Definicin = 0.8
Descripcin =

Nombre = Procesamiento :Flujo_
Definicin = Secado*PorcentajePicadu
Descripcin =

Nombre = Proceso :Flujo_
Definicin = Secado*(1-PorcentajePicadu)
Descripcin =

Nombre = ProdCiga :Flujo_
Definicin = Aromatizado*ProcCiga
Descripcin =


Nombre = ProdTab :Flujo_
Definicin = Aromatizado*(1-ProcCiga)
Descripcin =

Nombre = Puros :Nivel_
Definicin = 200000
Descripcin =

Nombre = Secado :Nivel_
Definicin = 1600000
Descripcin =

Nombre = Siembra :Flujo_
Definicin = DI/GramosPorPlanta
Descripcin =

Nombre = TabacoparaSecado :Flujo_
Definicin = Cosecha*KiloPorPlanta
Descripcin =

Nombre = VENTAS :Auxiliar_
Definicin = VentaPicadura+VentaCiga+VentaTaba
Descripcin =

Nombre = VentaCiga :Flujo_
Definicin =
IF(DmTabaco*PorDemCigarrillo>Cigarrillos,Cigarrillos,DmTabaco*PorDemCigarrill
o)
Descripcin =

Nombre = VentaPicadura :Flujo_
Definicin =
IF(DmTabaco*PorDemPica>Picadura,Picadura,DmTabaco*PorDemPica)
Descripcin =

Nombre = VentaTaba :Flujo_
Definicin =
IF(DmTabaco*PorDemTabaco>Puros,Puros,DmTabaco*PorDemTabaco)
Descripcin =

Nombre = tct :Retardo_
Definicin = RETARDO(Siembra, 3, 2, Siembra)
Descripcin =

Nombre = tvp :Exogena_


Definicin =
INTSPLINE(2,0,66,0.0276,0.0237,0.0226,0.0210,0.0204,0.017,0.0135,0.0123,0.01
18)
Descripcin =
CAPTULO 9: PERSPECTIVAS DE USO DE LA DINMICA DE SISTEMAS
Introduccin
En este captulo se presentan algunas opciones para la implementacin del
modelado dinmico sistmico.

Se destaca que hay propuestas que van desde el campo de la salud, pasando por
la economa, la pedagoga, la ingeniera etc.

Es importante que el lector perciba lo multifactico de la dinmica de sistemas en
tanto es capaz de dar cuenta de diversos fenmenos.


Leccin 41: Modelado en Ingeniera de Petrleos
En la formacin de los ingenieros en Colombia, especficamente en lo que se
denomina el ciclo bsico o los primeros dos aos de formacin, la gran mayora
de las asignaturas corresponden a exposiciones tericas de modelos matemticos
que por lo general son realizadas por parte del docente. Posteriormente el
estudiante deber memorizarlos y ganar experticia en su manipulacin para
entonces hallar soluciones a problemas planteados por el docente. Como
resultado de esta actividad quedan dudas si efectivamente el estudiante estara en
capacidad de dar cuenta del fenmeno estudiado o si solo est capacitado para
manipular eficazmente tales modelos.

Autores del rea de dinmica de sistemas plantean ciertas ideas que permiten
apoyar la anterior hiptesis, entre ellos Radzicki
38
et al (2002) quienes proponen
algunos argumentos para que los estudiantes de ingeniera aprendan dinmica de
sistemas; estos son:
podran ver la naturaleza genrica de los flujos y niveles y las estructuras
de realimentacin.
tendran una herramienta interdisciplinaria que puede ser usada para hallar
soluciones a los sistemas dinmicos que son generalmente percibidos
como estticos.
desarrollaran habilidades para resolver e integrar problemas
multidisciplinarios.
Aprenderan, va procesos experimentales, desarrollando competencias
esenciales y procesos de aprendizaje centrado en el aprendiz.
les aportara una herramienta para estudiar la interaccin entre tecnologa y
sociedad.

Es en este contexto se desarroll un trabajo con dinmica de sistemas que busc
medir qu tanto influye, en la capacidad de comprender un fenmeno, el que un
estudiante trabaje con micromundos realizando experimentos guiados por el
docente.

Produccin De Pozos Petroleros
En el mbito de la ingeniera de petrleos y en especial el ingeniero de produccin
debe desarrollar las competencias que le permitan hacer producir los pozos de
aceite y para ello se requiere que comprenda los principios que rigen tanto el
movimiento del aceite como el del gas y el agua desde la formacin hasta el
cabezal del pozo. Segn Nind
39
(1987), las principales fases que dan cuenta del
comportamiento del pozo, son las prdidas de presin en un flujo vertical bifsico,

38
RADZICKI M et al, Why Every Engineering Student Should Study System Dynamics, en 32nd ASEE/IEEE Frontiers in
Education Conference, (2002). IEEE November 6 - 9, 2002, Boston, MA.
39
NIND, T.E.W. , (1987) Fundamentos de produccin y mantenimiento de pozos petroleros, Mxico, Limusa.


el comportamiento de la relacin gas-aceite y los problemas de bombeo de los
pozos profundos que definen los ndices de productividad. As mismo indica que
el ingeniero ha de tener las competencias que le permitan hacer uso del arsenal
terico pero con plena conciencia de lo que est haciendo. Tambin hace notar
que un pozo productor de aceite o petrleo es solo una parte de un sistema
complejo el cual comprende el yacimiento, los pozos mismos y las instalaciones
superficiales.
Pensamiento Sistmico y Dinmica de sistemas
El pensamiento sistmico aporta elementos conceptuales que permiten ver el
mundo como si ste fuera un sistema. La trampa que debe evitarse a toda costa
es la de creer que los sistemas tienen existencia fsica, debe quedar claro que un
sistema es una idea que se percibe al observar conjuntos de partes que estn
interrelacionadas y que en conjunto tienen un fin o propsito y adems dichas
partes estn regidas por relaciones de jerarqua.

De otra parte y emparentada con el pensamiento sistmico emerge en los aos
cincuenta la dinmica de sistemas, creada por el profesor J. W. Forrester del MIT,
como una forma de modelado que permite representar la dinmica propia de un
fenmeno a partir de la definicin de la estructura que a ste le subyace. En este
trabajo la dinmica de sistemas se concibe como una unidad paradigma-lenguaje,
pues a medida que se representa un fenmeno se va adquiriendo mayor destreza
para identificar los elementos, las relaciones y los bucles de realimentacin. Los
modelos construidos con dinmica de sistemas utilizan los cinco lenguajes de
formalizacin descritos ampliamente por Andrade
40
et al (2001).

Del trabajo con los estudiantes de ingeniera de petrleos se concluy:

Un acercamiento al pensamiento dinmico sistmico, como el realizado por los
estudiantes de sistemas de produccin de pozos petroleros, mejora su habilidad
para la comprensin de fenmenos fsicos.

El uso de micromundos, con modelos de simulacin dinmica contribuye para
mejorar la percepcin de los fenmenos fsicos, como la variacin de la presin en
un pozo petrolero y la declinacin de la produccin.

La descripcin de los procesos de aprendizaje de la dinmica de sistemas
contribuye para mejora las habilidades dinmico-sistmicas de los estudiantes en
la medida que mejora la percepcin de las acumulaciones y las razones de
cambio. Cuando se parte de la simulacin manual, en un proceso de modelado, se
obtienen mejores resultados, cuando se est en el proceso de aprender dinmica
de sistemas.

40
ANDRADE, H et al. (2001). Pensamiento Sistmico: Diversidad en Bsqueda de Unidad. Primera Edicin, Bucaramanga:
Ediciones UIS.


Leccin 42: Modelado en Economa
El Aprendizaje De La Economa
La falta de conciencia de las dificultades que presenta la ciencia econmica
aunada a un proceso educativo inadecuado, no promueve en los estudiantes de
economa aptitudes que permitan superar la crisis mundial. Un ejemplo de ello se
encuentra en la mayora de facultades de economa del pas las ctedras de teora
econmica, que deberan ser las bases para la conformacin de una visin
particular de los procesos econmicos, se convierte en una exposicin por parte
del profesor y el estudiante tiende nicamente a almacenar informacin, sin
procesarla ni relacionarla y sin llegar a construir un modelo mental de lo que
recibi. En otros casos, se deja al estudiante la lectura de las obras cumbre de los
economistas ms importantes y se le solicita que escriba un ensayo; dicho ensayo
termina siendo en el mejor de los casos un resumen de la bibliografa consultada,
sin relacionar los conceptos ledos ni con la situacin actual ni con sus
preconceptos. Esta falta de apropiacin impide a los estudiantes estudiar con
cierta profundidad los problemas y fenmenos econmicos del pas.

Micromundos De Experimentacin Como Alternativa Para El Aprendizaje De
Teoras Econmicas
En general, el hombre manifiesta reiteradamente la necesidad de realizar
representaciones que le permitan explicarse los fenmenos que observa. En este
sentido, los economistas no son la excepcin, estando llamados a la construccin
de representaciones que, por un lado les facilite la explicacin de los fenmenos
econmicos y por otro, les permita formalizar e integrar un cuerpo de
conocimiento que agrupe diferentes teoras o cree unas nuevas. Estas
representaciones, denominadas modelos, han utilizado la matemtica como medio
de expresin por excelencia, como se puede observar en la mayora de las
ciencias bsicas, como la fsica y la qumica, de tal manera que a cada fenmeno
(por ejemplo: el movimiento, las reacciones qumicas, etc.) se asocia una
expresin que permite cuantificarlo y explicarlo.

La alternativa de modelamiento econmico que ms comnmente se utiliza en la
actualidad recibe el nombre de Econometra. Los modelos matemticos que ofrece
la Econometra corresponden a complicados sistemas de ecuaciones, que no
ofrecen mayor descripcin de la conformacin del fenmeno, y cuya solucin
requiere de un avanzado y riguroso ejercicio matemtico y estadstico.

Lo anterior hace necesaria la introduccin de otro de tipo de herramientas con las
que, adems de facilitar el proceso de representacin matemtica y su solucin,
se obtenga un medio para adquirir un mayor grado de comprensin de la
naturaleza de los fenmenos econmicos. Como una alternativa frente al
enfoque funcional de la Econometra se presenta el enfoque sistmico-estructural,
y para desarrollarlo la Dinmica de Sistemas se introduce como un lenguaje


Dinmico-Sistmico y estructural que adems se constituye en un til que facilita
el uso de los poderosos recursos de la tecnologa de la computacin, expresados
en la simulacin.

Pero, cmo introducir la Dinmica de Sistemas en la Economa? Una estrategia
es incentivar a la comunidad educativa para la utilizacin de herramientas
informticas como Micromundos de Experimentacin que promuevan el
modelamiento y simulacin utilizando Dinmica de Sistemas.

Estos Micromundos de Experimentacin constituyen ambientes en los cuales se
pone a disposicin del estudiante diferentes niveles de representacin del
fenmeno, que permiten ir abordando progresivamente mayor complejidad en las
descripciones y en los modelos que se realicen. Uno de los objetivos es proveer a
los estudiantes de Economa de Laboratorios en los cuales mediante la
experimentacin y la reflexin constante se induzcan procesos de pensamiento
dinmico-sistmicos; todo lo anterior se enmarca en una concepcin
constructivista del aprendizaje con el profesor como gua y orientador.


Leccin 43: Modelado en la Salud
En los pases en desarrollo, la mortalidad provocada por las enfermedades
cardiovasculares ha aumentado en la ltima dcada, causando ms muertes que
cualquiera de las enfermedades infecciosas
41
. Esta situacin ha generado gran
preocupacin en los sectores pblicos y privados de la salud por la prdida de
aos de vida saludables de los pacientes y el aumento en los costos de su
tratamiento y rehabilitacin.

Los eventos coronarios han merecido una consideracin especial, debido a la
gravedad de las secuelas fisiolgicas y psicolgicas, de una parte, y los enormes
costos que representan para las empresas prestadoras de salud, demostrando la
poca efectividad de las polticas de prevencin primaria, secundaria y terciaria que
utilizan estas empresas para garantizar una balanza favorable en la relacin costo
beneficio de ambas partes.
Cmo la dinmica de sistemas y los sistemas expertos pueden contribuir
en la solucin del problema?
Para resolver dicho problema podran plantearse las siguientes cinco fases.

Fase 1. Recoleccin del conocimiento: en esta fase se busca toda la
informacin relacionada con el objeto de estudio (tanto la enfermedad coronaria,
como las estrategia de prevencin) necesarias para la elaboracin del modelo y
del sistema experto.

Fase 2. Construccin del sistema experto: en esta parte se sigue la
metodologa de desarrollo de sistemas expertos que consta de las siguientes
subfases: Estudio preliminar, Estudio de factibilidad, Desarrollo de prototipos,
Desarrollo del sistema, Evaluacin final y Mantenimiento.

Fase 3. Modelado y simulacin de la evolucin de la enfermedad
cardiovascular; en esta fase se realizar el modelo usando dinmica de sistemas
Terminada la fase 3 se tendr un modelo capaz de recrear la evolucin de la
enfermedad coronaria a partir de diversos escenarios de simulacin.

Fase 4. Anlisis, diseo e implementacin del ambiente informtico: Esta
fase culminar con la implementacin del micro-mundo usando la metodologa de
diseo Software.

Fase 5. Experimentacin: Esta fase se procede a evaluar la certeza diagnstica
de la herramienta y supone la puesta en marcha del sistema con pacientes e
involucra un seguimiento que no podra ser menor a dos aos.

41
WB. Kannel, Contributions of the Framingham Study to the conquest of coronary artery disease. Am J Cardiol.
1988;62:1109-1112.


Leccin 44: Modelado en Pedagoga
La simulacin y su relacin con la pedagoga.
De la relacin que se puede establecer entre la simulacin y el aprendizaje
comienzan a aparecer una serie de cuestionamientos alrededor de lo que el
sistema educativo tradicional propone y hace. Al respecto De Zubira (2006) dice
que la escuela tradicional abandon el pensamiento y concentr sus esfuerzos en
los aprendizajes mecnicos y particulares obtenidos mediante la reiteracin de la
exposicin y la prctica, esta situacin se refleja principalmente en la dificultad
que los estudiantes tienen a la hora de realizar acciones como la redaccin de un
informe y an ms cuando se trata de escribir un ensayo.

Una de las principales prcticas de la escuela tradicional consiste en ensear las
ciencias desprendindolas de su carcter abstracto y explicativo de la realidad,
haciendo que el estudiante pierda la posibilidad de cualificar su representacin del
mundo y de desarrollar su pensamiento, manteniendo as las representaciones
que ha elaborado en su niez y debilitando por consiguiente su natural tendencia a
preguntarse acerca de lo que ve y no comprende.

En una experiencia relatada por Marchisio et al (2004) se describe el uso de los
simuladores para el aprendizaje de la mecnica cuntica, cronolgicamente
posterior al estudio de la mecnica clsica. En el texto se sostiene que
especficamente pueden destacarse como aspectos relevantes la necesidad de un
cambio sustancial de paradigma e indica adems que su objeto de estudio, para el
caso de la mecnica clsica, no es accesible a nuestros sentidos en forma directa.

Segn Moore
42
, para que una teora se considere educativa debe cumplir entre
otros los siguientes requisitos: un objetivo, supuestos correctos respecto a los
sujetos de la educacin, conocimientos y mtodos que sean morales, que
permitan a los alumnos participar en la educacin y que sean pedaggicamente
eficaces con contenidos cambiantes.

42
MOORE, TW. introduccin a la teora de le educacin. Madrid: Alianza editorial S.A, 1995.


Leccin 45: Modelado en Educacin Bsica
La Participacin Ciudadana como una Competencia Ciudadana
La competencia ciudadana es definida como la capacidad que, en virtud de la
Constitucin Nacional, tiene el ciudadano del comn para jalonar procesos de
transformacin social, al concederle la apertura de un canal de relacin
permanente con los gobernantes. Dicha propuesta, del estado colombiano, quiere
la actuacin conjunta con el fin de propiciar espacios en donde las decisiones
puedan ser ms razonadas, es decir, que sean el producto de un mayor consenso,
que se conozcan mejor los problemas que aquejan a una sociedad y que se
busque, de manera participativa, las posibles soluciones de los mismos.

El contexto educativo nacional del momento est encaminado a satisfacer la
demanda de lineamientos pedaggicos para orientar procesos de aprendizaje, con
los cuales se puedan desarrollar y fundamentar las competencias ciudadanas en
la prctica y el conocimiento (saber y saber hacer) del estudiante colombiano de
bsica primaria y secundaria. Investigadores a nivel nacional e internacional, que
han ponderado la iniciativa del gobierno nacional por promover las competencias
ciudadanas en el aula de clase colombiana, afirman que el programa de
Competencias Ciudadanas colombiano es el primero en Latinoamrica en
desarrollar estndares de nivel nacional en temas como las competencias
cognitivas de descentracin, pensamientos sistmico, juicios imparciales,
superacin de prejuicios y estereotipos, etc.; competencias afectivas como el
manejo de las emociones y el reconocimientos de sus efectos en nuestras
decisiones; y competencias comunicativas que buscan la capacidad de empata
en la escucha y construccin conjunta de ideas que interesen a todos; con una
prueba especfica para la evaluacin de los mismos
43

La herramienta, al surgir como aporte de la Dinmica de Sistemas y el Enfoque
Pedaggico Constructivista, ofrece una alternativa a la educacin tradicional,
permitindole al estudiante la oportunidad de explorar, simular y tener nuevas
alternativas en el manejo de las ideas sobre polticas implementadas para dar una
solucin a una situacin en particular. De esta manera le permite al estudiante de
una forma alternativa ver como se comportaran los fenmenos sociales, bajo
ciertos supuestos y le brinda la posibilidad de comparar sus modelos mentales con
los resultados de la simulacin.

Con la implementacin de herramientas que tengan en su conceptualizacin los
principios bsicos de la Participacin Ciudadana y que a su vez incluyan ejemplos
ilustrativos en la vida real, se logra crear en el estudiante cierto grado de
conciencia y orientacin hacia el uso de los mecanismos de Participacin
Ciudadana.

43
Documento convocatoria_224. pdf obtenido del sitio Web http://www.colciencias.gov.co/servicios/guiapresentproy.html


Para el caso, la dinmica de sistemas, dentro de un micromundo, puede
presentarse como una alternativa de aprendizaje diferente a las herramientas
computacionales tradicionales (software educativo) que comnmente estn siendo
utilizadas en el medio colombiano. Esto crea tanto en el alumno como en el
docente, una nueva perspectiva sobre el software educativo orientndolos hacia la
existencia de otra clase de material educativo que facilite el proceso de co-
construccin del conocimiento.

El desarrollo de Micromundos interactivos es una opcin alternativa que debera
ser abordada por desarrolladores de software educativo. El avance de las nuevas
tecnologas, unido con la cultura informtica es cada vez mayor a nivel de
estudiantes y profesores, esto permite pensar en tener materiales educativos
computarizados que propendan por generar procesos reflexivos en procura de
explotar todo el potencial tecnolgico en pro de apoyar efectivamente el proceso
de co-construccin del conocimiento.


ACTIVIDADES DE AUTOEVALUACIN DE LA UNIDAD TRES

1. Cul es el aporte del modelado para la toma de decisiones?
2. Qu es tomar decisiones?
3. Qu es una situacin de incertidumbre?
4. El modelado minimiza la incertidumbre, por qu?
5. Es importante la toma de decisiones para la organizacin si sta tiene bajos
niveles de incertidumbre?
1. Qu es un sistema?
2. Qu es una organizacin?
3. Puede verse una organizacin como si fuera un sistema?
4. Si la organizacin es un sistema, puede sta modelarse?
5. Toma usted decisiones en la empresa donde labora, usara modelos en
adelante?
1. Qu estrategia se usara para representar los datos del grfico del caso de
estudio?
2. Puede construirse un modelo de dicho caso?
3. Qu cosas seran un nivel?
4. Qu cosas seran un flujo?
5. Qu cosas seran variables auxiliares?
1. Por qu razn la caja es un Nivel?
2. Por qu razn los egresos son un flujo?
3. Explique la razn por la cual pronstico de venta es una variable exgena?
4. Qu papel cumple la variable "Venta_Anterior"?
5. Proponga elementos adicionales que puedan contribuir en la mejora del modelo
1. El modelo reacciona segn lo esperado?
2. Los comportamiento eran previsibles?
3. El parmetro analizado es sensible?
4. Qu decisiones se pueden tomar teniendo en cuenta el modelo y los
resultados de simulacin?
5. Modificara algo del modelo, qu?
1. Qu es un sistema agropecuario?
2. Cules son los componentes del sistema agropecuario?
3. Ese tipo de sistemas son factibles de ser modelados?
4. Qu variables identifica como niveles en dicho sistema?
5. Conoce usted algn sistema agropecuario, descrbalo?
1. Qu es una cadena de valor?
2. Qu es una cadena de suministro?
3. Qu es una cadena productiva?
4. Qu relacin hay entre el efecto ltigo y la cadena productiva?
5. Cules son los principales flujos en las cadenas productivas?
1. Cules son los principales eslabones de la cadena productiva del tabaco?
2. Cules de las variables de dicha cadena son niveles?
3. Cules de las variables de dicha cadena son flujos?
4. Cules de las variables de dicha cadena son variables auxiliares?
5. Haga una primera aproximacin al diagrama de flujos y niveles


1. Los elementos del diagrama de Forrester estn bien determinados?
2. Qu elementos hacen falta en el modelo?
3. Defina los datos del modelo?
4. Disee un posible escenario?
5. Haga el anlisis de sensibilidad?
1. Qu problemas tuvo al momento de elaborar el escenario?
2. Se reconoce la diferencia entra cadena de valor y cadena productiva?
3. Qu aplicaciones percibe de este tipo de modelado?
4. De acuerdo a su carrera en que tpicos se podra usar la dinmica de
sistemas?
5. Podra usted usar la dinmica de sistemas para orientar su vida, cmo?
Proponga un posible desarrollo de la dinmica de sistemas que pueda ser
aplicado en otra rama del conocimiento, para ello defina:
1. Ttulo
2. Objetivos
3. Marco referencial
4. Metodologa
5. Programacin de tiempos


FUENTES DOCUMENTALES DE LA UNIDAD TRES

RADZICKI M. et al, Why Every Engineering Student Should Study System
Dynamics, en 32nd ASEE/IEEE Frontiers in Education Conference, 2002 IEEE
November 6 - 9, 2002, Boston, MA.

NIND, T.E.W. , (1987) Fundamentos de produccin y mantenimiento de pozos
petroleros, Mxico, Limusa.

ANDRADE, H et al. (2001). Pensamiento Sistmico: Diversidad en Bsqueda de
Unidad. Primera Edicin, Bucaramanga: Ediciones UIS.

KANNEL WB., Contributions of the Framingham Study to the conquest of coronary
artery disease. Am J Cardiol. 1988;62:1109-1112.
1 MOORE, TW. introduccin a la teora de le educacin. Madrid: Alianza editorial
S.A, 1995.

Toma de decisiones disponible en lnea en:
http://www.virtual.unal.edu.co/cursos/sedes/manizales/4010014/html/descargar.ht
ml

MACHADO C, A. y TORRES O, J, El sistema agroalimentario. una visin integral
de la cuestin agraria en Amrica Latina, 1. ed. 1987, CEGA, Siglo Veintiuno
Editores, Bogot , D.E., Colombia.

MOORE, TW. introduccin a la teora de le educacin. Madrid: Alianza editorial
S.A, 1995.

PINEDA, E. et al: El Modelado Y Simulacin Para La Comprensin De Los
Sistemas De Produccin De Pozos Petroleros en: Revista de Investigaciones-
UNAD, Volumen 8, Nmero 1, Junio De 2009. ISSN: 0124 793X, Indexada
Colciencias tipo C. pp. 135-152.

PINEDA, E, et al. VI Congreso Colombiano De Informtica Educativa. Ponencia
Presentada. El Cambio En El Aprendizaje De La Economa, Guiado Con
Micromundos Construidos Con Dinmica De Sistemas, Micras 1.0. EAFIT
Medelln, Julio De 2002.

PINEDA, E, et al. VI Congreso Internacional de Informtica en Salud: Ponencia
presentada: Una Forma De Usar Los Sistemas Expertos Y La Dinmica De
Sistemas Como Apoyo En Los Procesos De Prevencin Cardiovascular, La
Habana, Febrero De 2007.

PINEDA, E, et al. VII Congreso Colombiano De Informtica Educativa. Ponencia
Presentada. Cmo Desde La Ingeniera De Sistemas, Abordar El Estudio De


Los Procesos De Participacin Ciudadana, En Procura De Crear Competencias
Ciudadanas? Burgpolis 1.0. Hotel Tequendama, Bogot, Julio De 2004.

TABACO, material del DNP, disponible en lnea en:


Software Recomendado
Software Descarga Descripcin
Evolucion
4.1
http://simon.uis.e
du.co/joomla/hom
e/index.php?optio
n=com_content&
view=article&id=2
13&Itemid=94
Evolucin inici con una propuesta del ingeniero
Hugo Hernando Andrade Sosa profesor de la
Universidad Industrial de Santander, fundador del
grupo SIMON de Investigacin en Modelamiento
y Simulacin adscrito a la Escuela de Ingeniera
de Sistemas e Informtica; el profesor es
reconocido en muchas partes del mundo por sus
aportes realizados en Dinmica de Sistemas
(DS), Pensamiento Sistmico y otras reas, entre
sus principales aportes se encuentra Evolucin,
software producido en la UIS, y que ha sido de
gran utilidad en diferentes instituciones
educativas, para la enseanza y la investigacin
en DS. Este proyecto agradece a l la idea inicial
de Evolucin y el incansable esfuerzo e inters
por mejorarlo.
Vensim
http://www.vensi
m.com/freedownl
oad.html
Vensim es una herramienta grfica de creacin
de modelos de simulacin que permite
conceptualizar, documentar, simular, analizar y
optimizar modelos de Dinmica de Sistemas.
Vensim proporciona una forma simple y flexible
de crear modelos de simulacin, sean con
diagramas causales o con diagramas de flujos.
Las relaciones entre los elementos del sistema
represntan las relaciones causales, que se
muestran mediante la conexin de palabras con
flechas. Esta informacin se usa despus por el
Editor de Ecuaciones para crear el modelo de
simulacin. Se puede analizar el modelo en el
proceso de construccin teniendo en cuenta las
causas y el uso de las variables, y tambin
estudiando los ciclos relacionados con una
variable. Mientras que se construye un modelo
que puede ser simulado, Vensim permite explorar
el comportamiento del modelo.
Powersim
http://www.power
sim.com/main/pro
ducts___services
/download/demo/
Desde el manejo de una operacin especfica
hasta las estrategias que le dan forma a las
empresas, quienes toman decisiones utilizan
modelos todos los das para sus tomas de
decisiones. Cuando nos enfrentamos a un
problema, utilizamos nuestros modelos mentales
para formular hiptesis sobre cual cadena de
causa y efecto podemos utilizar para alcanzar el
resultado deseado. La complejidad de nuestros


"modelos mentales" exceden nuestra capacidad
para anticipar las implicaciones de nuestras
decisiones basadas en estos modelos. Es por
esta razn que se utilizan herramientas de
Modelado & Simulacin como la provista por
Powersim para "mapear" (construir un mapa o
dibujo) de manera formal nuestros modelos
mentales en modelos que pueden ser simulados
y analizados en las computadoras.

Modulo de Dinamica de Sistemas V 21 de Dic 2013

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Modulo de Dinamica de Sistemas V 21 de Dic 2013

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERA.

También podría gustarte