Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Universidad Nacional Abierta y A Distanc PDF
Universidad Nacional Abierta y A Distanc PDF
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
14
26
30
31
34
34
35
37
38
39
40
42
43
50
51
51
52
53
56
56
57
57
58
58
59
60
68
69
72
73
74
74
75
75
75
76
76
77
78
79
80
80
81
83
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.
Conceptualizacin de sistemas
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
Conceptualizacin
sobre
sistema,
modelo
y
Formativas
representacin
Denominacin
de Captulo 1: La Idea De Sistema
captulos
Captulo 2: El Modelado
Captulo 3: Diagramas De Influencias
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.
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 deleuziana2 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
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 sistema4 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
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 Wiener5 (1948), la Teora de la informacin de Shannon6 (1948) y
la Teora de los juegos de von Neumann y Morgenstern7 (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 Cannon8 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.
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.
figura 2
Remolino de agua9.
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.
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.
figura 3
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
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.
figura 5
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
figura 7
Modelo y Realidad14.
figura 8
figura 9
figura 10
figura 11
Modelado de rplica
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.
figura 13
Modelado de construccin.
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.
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.
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.
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 referencia19
19
figura 15
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
20
21
figura 17
figura 18
Diagrama de influencias
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.
figura 19
figura 20
figura 21
figura 22
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
figura 24
Ciclos acoplados
figura 25
Crecimiento en S
figura 26
Retardos
Pensamiento de sistemas,
prctica de sistemas.
Diagramas de Forrester
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
Desarrollar la habilidad para la representacin de
Formativas
fenmenos de diversa naturaleza a partir de las nociones
de razn de cambio y acumulacin, adems de los
retardos y la realimentacin.
Denominacin
de Captulo 4: Elementos De Los Diagramas De Forrester
captulos
Captulo 5: Elaboracin De Diagramas De Forrester
Captulo 6: Simulacin
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.
figura 27
Tomado de http://www.flickr.com/photos/rockdrigo68/3321611111/
figura 28
Smil hidrodinmico23
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
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.
figura 29
24
( )
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
figura 31
Diagrama de Forrester
figura 32
Diagrama de Forrester
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
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.
figura 34
Diagrama de Forrester
figura 35
Diagrama de Forrester
figura 36
Diagrama de Forrester
figura 37
Diagrama de Forrester
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.
figura 38
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(CTN1>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
figura 40
Multiplicador
figura 41
figura 42
Ilustracin de un retardo
figura 43
( )
( )
( )
( )
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
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.
(
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
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
figura 46
26
figura 47
figura 48
figura 49
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
figura 50
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.
figura 51
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
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
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.
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.
Variables
Var 1
Var 2
Var 3
Var 4
Var 5
TMC
0,05
0,05
0,05
0,05
0,05
Escenario 1
TNC Conejos
0,20
15
0,19
15
0,18
15
0,17
15
0,16
15
TMZ Zorros
0,08
5
0,08
5
0,08
5
0,08
5
0,08
5
figura 54
Anlisis de Sensibilidad
figura 55
Anlisis de Sensibilidad
figura 56
Anlisis de Sensibilidad
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
Variables
Var 1
Var 2
Var 3
Var 4
Var 5
TMC
0,05
0,04
0,03
0,02
0,01
Escenario 2
TNC Conejos
0,2
15
0,2
15
0,2
15
0,2
15
0,2
15
TMZ Zorros
0,08
5
0,08
5
0,08
5
0,08
5
0,08
5
figura 58
figura 59
27
Grfica adaptada de Sterman, 2000. Business Dynamics: Systems Thinking and Modeling for a Complex World. Cap. 21.
28
figura 60
En las lecciones que siguen se enuncian los distintos tipos de pruebas segn lo
que se ha presentado en esta leccin.
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 madurados30.
30
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.
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.
32
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.
figura 61
figura 62
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
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.
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.
figura 65
figura 66
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.
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
Machado33, 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.
figura 67
Sistema Agropecuario34
34
Adaptado de http://scielo.sld.cu/img/revistas/pyf/v31n4/f0105408.gif
figura 68
35
figura 69
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
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.
figura 70
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
figura 71
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
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.
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.
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.
40
ANDRADE, H et al. (2001). Pensamiento Sistmico: Diversidad en Bsqueda de Unidad. Primera Edicin, Bucaramanga:
Ediciones UIS.
41
WB. Kannel, Contributions of the Framingham Study to the conquest of coronary artery disease. Am J Cardiol.
1988;62:1109-1112.
42
MOORE, TW. introduccin a la teora de le educacin. Madrid: Alianza editorial S.A, 1995.
Software Recomendado
Software
Descarga
Evolucion
4.1
Vensim
Powersim
Descripcin
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
http://simon.uis.e de Sistemas e Informtica; el profesor es
du.co/joomla/hom reconocido en muchas partes del mundo por sus
e/index.php?optio aportes realizados en Dinmica de Sistemas
n=com_content& (DS), Pensamiento Sistmico y otras reas, entre
view=article&id=2 sus principales aportes se encuentra Evolucin,
13&Itemid=94
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 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
http://www.vensi
represntan las relaciones causales, que se
m.com/freedownl muestran mediante la conexin de palabras con
oad.html
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.
Desde el manejo de una operacin especfica
hasta las estrategias que le dan forma a las
empresas, quienes toman decisiones utilizan
http://www.power
modelos todos los das para sus tomas de
sim.com/main/pro
decisiones.
Cuando nos enfrentamos a un
ducts___services
problema, utilizamos nuestros modelos mentales
/download/demo/
para formular hiptesis sobre cual cadena de
causa y efecto podemos utilizar para alcanzar el
resultado deseado. La complejidad de nuestros