Dinamica de Sistemas PDF

Excelencia Académica
PROGRAMACIÓN GENERAL
INTRODUCCIÓN A LA DINÁMICA DE SISTEMAS
Autoaprendizaje 3 horas
Unidad 1
MODELOS DE SISTEMAS
Unidad 2
ANÁLISIS DE SISTEMAS DE REALIMENTACIÓN

Unidad 3
DIAGRAMA DE FORRESTER Y MODELOS MATEMÁTICOS

Unidad 4
USO DEL SOFTWARE DE SIMULACIÓN

Unidad 5
RETRASOS EN LOS SISTEMAS

Unidad 6
SIGNIFICANCIA Y ANÁLISIS DE MODELOS DINÁMICOS

Unidad 7
TÓPICOS AVANZADOS Y DESARROLLO DE CASOS

Unidad 8
5
6
TABLA DE CONTENIDO
Pag.
Presentación 3
Programa General 5
UNIDAD TEMÁTICA N° 01:
INTRODUCCIÓN ALA DINÁMICA DE SISTEMAS 9
¿Qué es un Sistema? 9
Características de los Sistemas 10
Clasificación de los Sistemas 11
¿Qué es un Sistema Dinámico? 13
Como Nace la Dinámica de Sistemas 14
La Dinámica de Sistemas 16
MODELADO DE SISTEMAS
El Desarrollo de Modelos de Sistemas 21
Desarrollo de Diagramas Causales 23
Los Ciclos Causales 25
Descripción de la Metodología para Desarrollo de Modelos 27

33
Bucle de Realimentación Negativa
Bucle de Realimentación Positiva 34
Sistemas Complejos y Estructuras Genéricas 38
41
Diagrama de Forrester y Modelos Matemáticos

47
Como Iniciar la Construcción de un Diagrama de Forrester
Clasificación de Variables
Modelo Matemático 47
48
UNIDAD TEMÁTICA N° 05: 54
Uso del Software de Simulación
Paseando por el Stella 59

Un Ejemplo para Aprender a Manejar Stella®
Relaciones Analíticas 59
7
Simulando con el Software Stella 60

64
Retrasos en los Sistemas
Retrasos en la Transmisión de Material 75

Retrasos en la Transmisión de Información
Reglas para Aplicar Retrasos 77
84
Significancia y Análisis de Modelos Dinámicos
Significancia 89
Análisis de Sensibilidad del Modelo Dinámico
Implantación de Políticas en el Sistema 89
91
Tópicos Avanzados y Desarrollo de Casos
Realimentación Negativa de Segundo Orden 99

Realimentación Positiva de Segundo Orden
Desarrollo de Casos 99
101
104
8
INTRODUCCIÓN ALA DINÁMICA DE SISTEMAS

La sistémica con sus diversas metodologías aporta instrumentos para estudiar
aquellos problemas que resultan de las interacciones que se producen en el seno de
un sistema complejo. La Dinámica de sistemas, constituyéndose como la
metodología mas acertada dentro del mundo sistémico, propone el tratamiento de
dichas complejidades considerando la causa y el efecto que las enmarca.
En esta primera unidad, vamos a recordar algunos conceptos básicos de la teoría
de sistemas, y su relación con la Dinámica de Sistemas, formalizaremos su
concepción y veremos su evolución en el tiempo.
Al terminar el estudio de la presente unidad, el estudiante:

 Repasa los conceptos generales de la sistémica
 Describe las características y elementos de los sistemas
 Conoce la historia y precedentes de la Dinámica de Sistemas.
 Entiende el concepto de Dinámica de Sistemas
¿QUÉ ES UN SISTEMA?
Vamos a ver algunas definiciones de lo que es un sistema:
L. Von Bertalanffy (1968): "Un sistema es un conjunto de unidades en interrelación."
Ferdinand de Saussure (1931): "Sistema es una totalidad organizada, hecha de
elementos solidarios que no pueden ser definidos más que los unos con relación a
los otros en función de su lugar en esa totalidad."
IEEE Standard Dictionary of Electrical and Electronic Terms: "Sistema es un todo
integrado, aunque compuesto de estructuras diversas, interactuantes y
especializadas. Cualquier sistema tiene un número de objetivos, y los pesos
asignados a cada uno de ellos pueden variar ampliamente de un sistema a otro. Un
9
sistema ejecuta una función imposible de realizar por cualquiera de las partes
individuales. La complejidad de la combinación está implícita."
Estándar X3.121970 (ANSI), Estándar 2382/V, VI (ISO) Vocabulary for Information
Processing: "Sistema es una colección organizada de hombres, máquinas y métodos
necesarios para cumplir un objetivo específico."
Resumiendo y obteniendo aspectos relevantes:
 La presencia de elementos heterogéneos pero interconectados.
 El concepto de partes formando un todo global.
 La presencia del exterior influenciando en el sistema.
 El surgimiento de nuevas propiedades, resultado de las interrelaciones de las

partes.
 El objetivo común compartido por todos los elementos participantes en el
sistema.
Figura 1.1. Visión sistémica
CARACTERÍSTICAS DE LOS SISTEMAS

1. Globalismo.- Dentro del funcionamiento de los sistemas surge un
acontecimiento llamado globalismo, el cual se da cuando un elemento presenta
un cambio que inevitablemente repercutirá en todos los demás afectando así al
sistema. Todo sistema tiene naturaleza orgánica; cualquier estimulo en cualquier
unidad del sistema afectará a todas las demás unidades debido a la relación
existente entre ellas.
10
2. Entropía.- Predisposición que tienen los sistemas al deterioro o desintegración,

es decir, a medida que la entropía acrecienta los sistemas se descomponen en
estados más simples. El segundo principio de la termodinámica establece el
crecimiento de la entropía, es decir, la máxima probabilidad que los sistemas
caigan en la desorganización y, finalmente, homogeneización con el ambiente.
Los sistemas cerrados están irremediablemente condenados a la
desorganización. No obstante, hay sistemas que, al menos temporalmente,
revierten esta tendencia al aumentar sus estados de organización (negentropía,
información).
3. Homeostasis.- Equilibrio dinámico entre las partes del sistema, esto es, la
tendencia de los sistemas a adecuarse al equilibrio de los cambios internos y
externos del ambiente. Este concepto está referido con énfasis a los organismos
vivos, por lo tanto, sistemas adaptables. Los procesos homeostáticos operan
ante variaciones de las condiciones del ambiente, corresponden a las
compensaciones internas al sistema que sustituyen, bloquean o complementan
estos cambios con el objeto de mantener invariable la estructura sistémica, es
decir, hacia la conservación de su forma. La subsistencia de formas dinámicas o
trayectorias se denomina homeorrosis (sistemas cibernéticos)
4. Equifinalidad.- Se refiere al hecho que un sistema vivo a partir de distintas
condiciones iniciales y por distintos caminos llega a un mismo estado final. No
importa el proceso que reciba, el resultado es el mismo. El fin se refiere a
mantener un estado de equilibrio fluyente. “Puede alcanzarse el mismo estado
final, la misma meta, partiendo de diferentes condiciones iniciales y siguiendo
distintos itinerarios en los procesos orgánicos”. El proceso inverso se denomina
multifinalidad, es decir, “condiciones iniciales similares pueden llevar a estados
finales diferentes”.
CLASIFICACIÓN DE LOS SISTEMAS

 Sistemas naturales: Los sistemas naturales nacen en respuesta a fenómenos
físicos, químicos y biológicos creados por la naturaleza. Son los existentes en el
ambiente. Una célula, un ser vivo, la Biosfera o la Tierra entera son ejemplos de
sistemas naturales.
 Sistemas artificiales: Los sistemas artificiales son aquellos que fueron logrados
por la intervención directa de la mano del hombre. El hombre participa de
manera activa en su diseño, manejo, control y ejecución.
11
 Sistemas sociales: Integrados por personas cuyo objetivo tiene un fin común.
Considera el contenido y significado de mensajes, la naturaleza y dimensiones
del sistema de valores, la trascripción de imágenes en registros históricos, sutiles
simbolizaciones artísticas, música, poesía y la compleja gama de emociones
humanas.
 Sistemas hombre-máquina: Emplean equipos u otra clase de objetos, que a
veces se desean logren autosuficiencia. Representa una combinación de uno o
más seres humanos y uno o más componentes físicos, que actúan
recíprocamente para efectuar, a partir de unas entradas de energía e información
determinadas, una producción o salida deseada.
 Sistemas abiertos: Se caracteriza porque su estado original se transforma
constantemente por la acción retroalimentadora del ambiente, desde su creación
hasta su declive. Su vida útil depende de su adaptabilidad a las exigencias del
ambiente (homeostasis). Intercambian materia y energía con el ambiente
continuamente.
 Sistemas cerrados: Se caracteriza porque no tiene capacidad de cambio por si

mismo para adaptarse a los requerimientos del ambiente. Es irreversible y su
estado presente y final esta determinado por su estado original. Son efímeros por
desgaste (entropía).
 Sistemas temporales: Duran cierto periodo de tiempo y posteriormente

desaparecen.
 Sistemas permanentes: Duran mucho más que las operaciones que en ellos
realiza el ser humano, es decir, el factor tiempo es más constante.
 Sistemas estables: Un sistema se dice estable cuando puede mantenerse en
equilibrio a través del flujo continuo de materiales, energía e información. La
estabilidad de los sistemas ocurre mientras los mismos pueden mantener su
funcionamiento y trabajen de manera efectiva (mantenibilidad).
 Sistemas no estables: No siempre es constante y cambia o se ajusta al tiempo

y a los recursos.
 Sistemas adaptativos: Reaccionan con su ambiente, mejora su funcionamiento,

logro y supervivencia.
 Sistemas no adaptativos: tienen problemas con su integración, de tal modo que
pueden ser eliminados o bien fracasar.
 Sistemas determinísticos: Interactúan en forma predecible.
12
 Sistemas probabilísticos: Presentan incertidumbre.
 Subsistemas: Sistemas más pequeños incorporados al sistema original.
 Supersistemas: Sistemas extremadamente grandes y complejos, que pueden

referirse a una parte del sistema original.
1. En sus propias palabras defina lo que es un sistema.

2. Mencione ejemplos relevantes de cada uno de los tipos de sistemas.
¿QUÉ ES UN SISTEMA DINÁMICO?

Un sistema dinámico es un sistema complejo que presenta un cambio o evolución de
su estado en el tiempo, el comportamiento en dicho estado se puede caracterizar
determinando los límites del sistema, los elementos y sus relaciones; de esta forma
se puede elaborar modelos que buscan representar la estructura del mismo sistema.
Al especificar los límites del sistema, en primer lugar, se selecciona a aquellos
elementos que contribuyan a establecer las formas de comportamiento, y
seguidamente debemos determinar el lugar donde se llevará a cabo el estudio,
dejando de lado toda clase de aspectos irrelevantes.
En cuanto a la elaboración de los modelos, los elementos y sus relaciones, se debe
tener en cuenta que:
1. Un sistema está formado por un conjunto de elementos en interacción.
2. El comportamiento del sistema se puede modelar a través de diagramas
causales.
3. Hay varios tipos de variables: variables exógenas (son aquellas que afectan al
sistema sin que éste las provoque) y las variables endógenas (afectan al sistema
pero éste sí las provoca).
Tipos de sistemas dinámicos

Un sistema dinámico se dice discreto si el tiempo se calcula en pequeños lapsos;
éstos son modelados como relaciones recursivas, tal como se muestra en la
13
ecuación logística:
, donde t denota los pasos discretos del tiempo y x es la

variable que cambia con éste.
Si el tiempo es medido en forma continua, el sistema dinámico continuo resultante
es expresado como una ecuación diferencial ordinaria; por ejemplo:
, donde x es la variable que cambia con el tiempo t. La variable

cambiante x es normalmente un número real, aunque también puede ser un vector
en Rk.
Sistemas lineales y no lineales

Se distingue entre sistemas dinámicos lineales y sistemas dinámicos no lineales. En
los sistemas lineales, el lado derecho de la ecuación es una expresión que depende
en forma lineal de x, tal como:
Si se conocen dos soluciones para un sistema lineal, la suma de ellas es también

una solución; esto se conoce como principio de superposición. En general, las
soluciones provenientes de un espacio vectorial permiten el uso del álgebra lineal y
simplifican significativamente el análisis. Para sistemas lineales continuos, el método
de la transformada de Laplace también puede ser usado para transformar la
ecuación diferencial en una ecuación algebraica.
Los sistemas no lineales son mucho más difíciles de analizar y a menudo exhiben un
fenómeno conocido como caos, con comportamientos totalmente impredecibles.
COMO NACE LA DINÁMICA DE SISTEMAS

Jay Wright Forrester (Fig. 1.2), es considerado el patriarca de la Dinámica de
Sistemas, una metodología derivada de la Teoría de Sistemas, especializada en el
estudio de toda clase de sistemas complejos, con conceptos aplicados originalmente
en ingeniería. La aportación personal de Forrester incluye la aplicación a problemas
del campo de las ciencias sociales, inicialmente a través del modelado de
organizaciones empresariales. Forrester es también el autor de una de las
formalizaciones más empleadas en la formulación de modelos cibernéticos, el
llamado diagrama de Forrester.
14
Forrester nació en 1918 en Nebraska, EUA, y después de haber obtenido el título de

Ingeniero Eléctrico en la Universidad de Nebraska, continuó sus estudios en el MIT.
Forrester fue un pionero del desarrollo de la informática, que participó hacia 1950 en
la invención de la memoria de acceso aleatorio RAM y es considerado autor de la
primera imagen animada sintética, la representación del bote de una pelota usando
un osciloscopio.
Jay W. Forrester planteaba que el mundo esta lleno de sistemas, la mayoría de
éstos son bastante simples y fácilmente entendibles para el ser humano. No
obstante, los problemas sociales son sistemas con una gran cantidad de variables y
sumamente complicados.Por esa razón, Forrester plantea el uso de computadores
para la simulación de sistemas reales, mediante la enunciación de modelos
sencillamente traducibles a programas informáticos. De esta manera, el ser humano
aspira a prever el comportamiento de sistemas complejos como los que se
presentan en las sociedades.
En su libro "Industrial Dynamics" (considerado el punto de partida de la Dinámica de
Sistemas), Forrester pone de manifiesto el hecho de que el actual crecimiento de la
población es insostenible por más de 100 años. Forrester, junto con otras
personalidades fundó el Club de Roma, organización Internacional cuyo objetivo es
la concienciación de que el actual sistema es insostenible y está próximo al colapso.
Forrester estableció un paralelismo entre los sistemas dinámicos (o en evolución) y
los hidrodinámicos, constituido por depósitos, intercomunicados por canales con o
sin retardos, variando mediante flujos su nivel, con la concurrencia de fenómenos
exógenos.
La dinámica de sistemas, permite en estos días ir más allá de los estudios de casos
y las teorías descriptivas. La dinámica de sistemas no está restringida a sistemas
lineales, pudiendo hacer pleno uso de las características no-lineales de los sistemas.
Combinados con los ordenadores, los modelos de dinámica de sistemas permiten
una simulación eficaz de sistemas complejos. Dicha simulación representa la única
forma de determinar el comportamiento en los sistemas no-lineales complejos.
15
Figura 1.2. Jay W. Forrester
LA DINÁMICA DE SISTEMAS
La Dinámica de Sistemas es una metodología para la construcción de modelos de
simulación para sistemas complejos, como los estudiados por las ciencias sociales,
la economía o la ecología.
La Dinámica de Sistemas aplica métodos de sistemas duros, básicamente las ideas
de realimentación y sistema dinámico, junto con la teoría de modelos en el espacio
de estados y procedimientos de análisis numérico. Por tanto sería una metodología
más entre las de sistemas duros. Sin embargo, en su punto de mira están los
problemas no estructurados (blandos), como los que aparecen en los sistemas
socioeconómicos. Planteando esto dos tipos de dificultades:
 Cuantificación:
En Dinámica de Sistemas se comienza por identificar las variables de interés y
las relaciones que ligan entre sí a estas variables. A continuación es
imprescindible cuantificar dichas relaciones, lo que en ocasiones plantea
dificultades insalvables.
 Validación:
Una vez construido el modelo hay que preguntarse si refleja razonablemente la
realidad. Esta cuestión puede resolverse por ejemplo en caso de que se
16
disponga de informaciones cuantitativas de la evolución del sistema real en el

pasado. Si el modelo es capaz de generar los comportamientos característicos
del sistema real, entonces obtendremos una cierta confianza en la validez del
modelo.
En Dinámica de Sistemas la simulación permite obtener trayectorias para las
variables incluidas en cualquier modelo mediante la aplicación de técnicas de
integración numérica. Sin embargo, estas trayectorias nunca se interpretan como
predicciones, sino como proyecciones o tendencias. El objeto de los modelos
dinámicos es, como ocurre en todas las metodologías de sistemas blandos, llegar a
comprender cómo la estructura del sistema es responsable de su comportamiento.
Esta comprensión normalmente debe generar un marco favorable para la
determinación de las acciones que puedan mejorar el funcionamiento del sistema o
resolver los problemas observados. La ventaja de la Dinámica de Sistemas consiste
en que estas acciones pueden ser simuladas a bajo coste, con lo que es posible
valorar sus resultados sin necesidad de ponerlas en práctica sobre el sistema real.
Lo que distingue a la dinámica de sistemas de otras aproximaciones al estudio de
los mismos problemas, es el uso de bucles de realimentación. La construcción de
modelos por la dinámica de sistemas parte de la distinción esencial entre depósitos y
flujos. Con estos elementos se edifican modelos que describen sistemas
internamente conectados por bucles de realimentación; sistemas que muestran el
carácter no lineal que se suele encontrar en los problemas del mundo real.
1. Cuales son las características de un Sistema Dinámico.

2. Que relación encuentra entre la Dinámica de sistemas y las demás metodologías
sistémicas
En esta primera unidad, hemos recordado lo que es un sistema, llegando a la

conclusión que en un sistema existen conceptos muy importantes como: la
presencia de elementos heterogéneos pero interconectados, partes formando un
todo global, el exterior influenciando en el sistema, el surgimiento de nuevas
propiedades, resultantes de las interrelaciones de las partes y el objetivo común
compartido par todos los elementos participantes en el sistema.
17
También vimos las características, más relevantes, ligados a los sistemas, como lo
es el Globalismo, la Entropía, la Homeostasis y finalmente la Equifinalidad, se detallo
su implicancia y presencia en la estructura orgánica de los sistemas, se aprecio su
necesidad y la diferencia que implicaban cada uno de ellos. Seguidamente
especificamos la clasificación de los sistemas, esto se dio en base a su tamaño,
comportamiento, tiempo de vida, naturaleza; tomando en cuenta todo tipo de
características que permitan ofrecer una amplia gama de tipos de sistemas.
Finalmente vimos la historia predecesora a la Dinámica de Sistemas, como es que
Jay W. Forrester, su fundador, impulso su crecimiento y su formalización a través del
tiempo y como el mundo pudo apreciar su valides a través de las distintas
aplicaciones que se desarrollaron. Definimos lo que es la Dinámica de Sistemas, de
que trata, cual es la importancia de su estudio e impulso.
Forrester, J. W., Principies of Systems, Wright-AIIen Press, Inc., Cambridge,

Massachusetts, 1968.
Roberts, R. B., System Dynamics - An Introduction, Managerial Appiications of
System Dynamics, ed. by R. B. Roberts, The MIT Press, Cambridge, Massachusetts,
1978.
Forrester, J. W., Industrial Dynamics, Productivity Press, inc., Portland, Oregon,
1961.
Direcciones de Internet
http://www.catunesco.upc.es/bads/bads.htm
http://www.isdefe.es/webisdefe.nsf/0/6878CA75CB854180C12570F90036EDC2?Op
enDocument
18
La siguiente unidad se encarga de abordar aspectos del modelado de los sistemas,

siguiendo las especificaciones que nos ofrece la Dinámica de Sistemas, recuerden
que en esta unidad se ha comprendido dicho concepto.
Introducción ala Dinámica de Sistemas – Unidad Nº 1

Responda las siguientes preguntas:
1. Halle aplicaciones en el mundo real de Dinámica de Sistemas (4 ejemplos)
2. ¿Que relación existe entre los sistemas complejos y la Dinámica de Sistemas?
19
20
MODELADO DE SISTEMAS
Un aspecto importante del enfoque sistémico es la construcción de modelos. Un
modelo es una abstracción de la realidad que captura aspectos relevantes y
funcionales de los sistemas, considerando los suficientes detalles como para poder
usarse en la investigación y la experimentación en lugar de hacerlo con el sistema
real, evidentemente esto implica menor riesgo, tiempo y costo.
En la medida que un modelo particular represente acertadamente a un sistema,
este modelo puede representar una ayuda muy valiosa para el análisis de políticas,
la toma de decisiones y la resolución de problemas.
En esta segunda unidad incorporamos conceptos y técnicas que nos ayudaran a
modelar diferentes tipos de sistemas, nos valdremos de los diagramas Causales
para la representación de dichos sistemas.
1. Entiende la importancia de planificar, plasmar y desarrollar modelos de sistemas.

2. Valora el uso de diagramas causales para explicar el comportamiento de un
sistema. .
3. Decide el método adecuado a seguir observando el contexto organizacional.
EL DESARROLLO DE MODELOS DE SISTEMAS

En la ingeniería de sistemas aplicada, se utilizan tres formas complementarias de
construir modelos y son: verbal, gráfica y matemática. Los modelos verbales tienden
a ser descripciones escritas o expresiones orales del fenómeno en cuestión, de
forma evidente, reflejan las ideas implícitas de un modelo mental (Fig. 2.1), y
constituyen un medio esencial para mejorarlo. Los modelos gráficos están formados
por diagramas que proporcionan un nexo de unión entre los modelos matemáticos y
verbales, por una parte el autor del modelo y su audiencia, por la otra.
21
Los modelos matemáticos son “simbólicos”, ya que para describir un sistema

emplean normalmente notaciones matemáticas en forma de ecuaciones. A menudo
estas ecuaciones matemáticas tienen representaciones gráficas análogas. Hay tres
características de los modelos matemáticos que los hacen particularmente útiles:
son precisos, concisos y manejables. Desafortunadamente, por otra parte, estas
características tan deseables no son en general apreciadas por los políticos, por los
gerentes, por aquellos que tienen la batuta de la organización, ya que no
comprenden la simbología o las reglas de utilización. Idealmente, esta barrera en la
comunicación entre los autores de los modelos y sus usuarios se salva gracias al
uso de modelos verbales o gráficos.
Figura 2.1 Modelos Mentales

Con el advenimiento de la Era de los Sistemas han aparecido varias tendencias
metodológicas basadas en procedimientos, herramientas y técnicas diferenciadas.
Estas incluyen la programación lineal, la econometría, el análisis de entradas y
salidas (input-output), la simulación estocástica y la dinámica de sistemas. Todas
estas tendencias existentes para el desarrollo de modelos y tienen en común varios
conceptos relativos a las propiedades de los sistemas del mundo real, el proceso de
desarrollo de modelos, el uso del ordenador y el papel de los modelos en el proceso
de toma de decisiones. Además de estos conceptos comunes y generales entre
todos los modelos matemáticos, cada tendencia metodológica emplea sus propias y
únicas hipótesis básicas, o paradigmas, las cuales proporcionan una perspectiva
22
única del mundo, desde el punto de vista de una disciplina particular del desarrollo
de modelos, influyendo, de este modo, en el contenido y la forma de sus modelos.
Las distintas metodologías de sistemas pueden diferenciarse por la forma en que los
desarrolladores consideran el concepto de modelos. Se pone de manifiesto tres
tendencias. En la primera, se tiene una fe completa en un tipo de modelo
matemático, dentro de cuyas limitaciones tiene que representarse; a programación
lineal y los modelos de entradas y salidas (input-output) son ejemplos de esto. En la
segunda, se mantiene que los datos lo son todo; en lugar de desarrollar modelos, los
miembros de esta tendencia se limitan a obtener curvas que se ajusten a los datos;
la econometría es una metodología de este tipo. En la tercera tendencia, se busca la
realidad a través de un proceso interactivo entre la experiencia y la información,
entre la mente y los datos. La dinámica de sistemas forma parte de esta última
tendencia.
Estas tres tendencias del desarrollo de modelos se describen generalmente de la
forma siguiente:
 Orientadas hacia la optimización,
 Casuales y
 Causales.
Se cree que los modelos causales tienen la máxima aplicación en la ingeniería de
sistemas y reciben la atención central de esta unidad. Con todo esto en mente, y con
lo visto en la unidad anterior, definimos un “sistema” como un conjunto
interconectado de elementos cuya “estructura” determina todas las modalidades del
“comportamiento” dinámico. El comportamiento, se refiere a los valores de las
variables del sistema a lo largo del tiempo. La estructura se puede describir como el
número, la disposición, la polaridad y el orden de los bucles de realimentación en el
modelo del sistema.
DESARROLLO DE DIAGRAMAS CAUSALES

La premisa de una metodología de sistemas, tal como lo es la dinámica de sistemas,
es que las tendencias dinámicas persistentes en cualquier sistema complejo surgen
a partir de sus estructuras causales, y a partir de los objetivos sociales, progreso
tecnológico, limitaciones económicas, limites físicos y presiones políticas, que hacen
que la gente se comporte de la manera en que lo hace, y generan de forma
acumulada las tendencias dinámicas del sistema total. Por consiguiente, un aspecto
esencial del enfoque sistémico para desarrollar modelos es pensar en función de
23
relaciones causa-efecto. Una herramienta importante para mostrar interacciones

causa-efecto entre las variables claves durante el desarrollo del modelo de un
sistema dinámico es el diagrama causal.
El primer paso para desarrollar un diagrama causal es identificar las variables clave
que describen la situación problema, y registrar la manera de funcionamiento del
sistema que está siendo analizado. Estas variables clave, deducidas de un modelo
mental o de una descripción verbal de un sistema, se representan en una hoja de
papel. Las relaciones causa-efecto entre pares de variables se representan en la
segunda fase por medio de flechas. Por ejemplo, la construcción de departamentos
causa el aumento de la cantidad de departamentos y la relación causal se
representa como:
CONSTRUCCIONES  CANTIDAD DE DEPARTAMENTOS
En donde la flecha entre las dos variables puede ser interpretada como “causa”. A
veces estos diagramas con flecha son más claros si uno se imagina la palabra
“afecta” o “influye” en vez de causa, como en el ejemplo:
BEBER ALCOHOL  SALUD
En esta expresión causal en donde se describe una relación entre dos elementos,
está implícita la declaración: “mientras que todas las otras cosas sigan siendo
iguales”.
Para mostrar la acción de una variable sobre otra se utiliza una flecha, pero además
es necesario indicar la polaridad. La polaridad indica como el crecimiento o
decrecimiento de una variable hace que la otra variable aumente o disminuya.
Polaridad positiva
La polaridad positiva indica que el cambio en la variable raíz hace que la variable
resultante varié en el mismo sentido. Es decir que al aumentar la variable causa
aumenta la variable efecto y al disminuir la variable causa disminuye la variable
efecto.
El aumento o la disminución de madres adolescentes causan el aumento o

disminución de los niños abandonados en relación a las madres adolescentes.
Madres adolescentes Niños abandonados
24
Polaridad negativa
La polaridad negativa indica que el cambio en la variable causa hace que la variable
efecto varié en sentido contrario. Es decir que al aumentar la variable causa
disminuye la variable efecto y al disminuir la variable causa aumenta la variable
efecto.
En el mismo problema de los niños abandonados, la respuesta o acciones del

gobierno, a través de las entidades encargadas, que se dan para luchar contra este
problema, relacionado con el número de niños abandonados y puede ser
representando por la siguiente relación:
Respuesta del gobierno Número de Niños

abandonados
Al aumentar o disminuir la respuesta del gobierno disminuye / aumenta el número de
niños abandonados en dirección contraria. Con este ejemplo no se pretende decir
que para solucionar el problema solo el gobierno debe intervenir, lo que se pretende
es dar un ejemplo con una de las tantas relaciones, que existen para solucionar este
problema.
2.1.
1. ¿Cuál es la importancia del modelado en la Dinámica de Sistemas?
2. Mencione 5 ejemplos de causa y efecto en el problema de pobreza en el Perú.
LOS CICLOS CAUSALES
Las relaciones causales entre las variables a veces se afianzan sobre sí mismas y
forman bucles de realimentación. Dentro de un bucle de realimentación, un cambio
en una variable se transmite a través de la cadena entera de variables que forman el
25
bucle, hasta que la causa inicial produce un efecto indirecto sobre sí misma. Un
aspecto clave del análisis de un sistema es centrar la atención sobre los bucles de
realimentación.
Roberts [1] se refiere a cuatro niveles jerárquicamente distintos de la estructura del
sistema de realimentación: variable, enlace, bucle de realimentación y sistema de
realimentación. Una variable es una cantidad que puede cambiar en función del
tiempo. Puede ser una variable de decisión o una cantidad que se ve afectada por
dichas decisiones. Cuando la variable no es afectada por otras variables del sistema,
se denomina como “exógena” o externa al sistema. Una variable que es afectada por
las otras variables del sistema se denomina “endógena”.
Un enlace es la conexión causa-efecto entre dos variables ilustrada mediante una
flecha en el diagrama causal. Un bucle de realimentación consiste en dos o más
enlaces conectados de tal modo que, a partir de cualquier variable, se puedan seguir
las flechas y volver a la variable inicial. En toda representación causa-efecto de un
bucle de realimentación están implícitos los retardos de tiempo desde cada decisión
hasta cada una de sus consecuencias, y los retardos en la realimentación de la
información de cada consecuencia hasta que influyen sobre la próxima decisión.
Para lograr una mayor sencillez, las notaciones relativas a estos retardos de tiempo
se omiten en los diagramas causales. Del mismo modo que los enlaces tienen dos
direcciones posibles, los bucles de realimentación poseen también dos polaridades
posibles, positiva o negativa. En el centro del bucle de realimentación se encuentra
un símbolo que indica su polaridad, un signo positivo si el bucle actúa para reforzar
los cambios de variables en la misma dirección que el cambio inicial, con lo que se
favorece al crecimiento o disminución continua de las variables del bucle, y un signo
menos si el bucle actúa para resistirse u oponerse a los cambios de variables, y de
este modo produce una tendencia contraria al cambio inicial y contribuye al
mantenimiento del equilibrio en el bucle. Una manera sencilla de determinar la
polaridad de un bucle de realimentación es contar el número de enlaces negativos:
si es par, el bucle es positivo; si es impar, el bucle es negativo. Para evitar
ecuaciones simultáneas en el modelo matemático derivado del diagrama causal,
dentro del procedimiento del desarrollo del modelo se requiere un tratamiento
especial para un bucle de realimentación. Una técnica, empleada en dinámica de
sistemas, consiste en introducir en todo bucle de realimentación dos tipos especiales
de variables: de niveles y de flujo. Una variable de nivel indica el estado del sistema,
y una variable de flujo produce cambios en las variables de nivel a lo largo del
tiempo. En el contexto de los diagramas causales, la relación causal entre una
variable de flujo, tal como el índice de construcción de departamentos
26
(departamentos / año), y una variable de nivel, tal corno el inventario

(departamentos), es un “flujo físico” que estará representado por una línea sólida. No
obstante, la relación entre la variable de nivel (departamentos) y la variable de tasa
de cambio (índice de construcción) constituye un “flujo de información”, siendo la
información relativa al estado de la cantidad de departamentos la que influye en el
índice de construcción. Pero la cantidad de departamentos, medido en
departamentos por año, se acumula como entidades físicas en cantidad de
departamentos
DESCRIPCIÓN DE LA METODOLOGÍA PARA DESARROLLO DE MODELOS

La metodología propuesta, en este texto auto-instructivo, utiliza todas las clases
principales empleadas en la dinámica de sistemas, variables de nivel, variables de
tasa de cambio (flujo), variables auxiliares y constantes. (Fig. 2.2) La diferencia
estriba en que en los diagramas dinámicos de sistemas son innecesarias las formas
geométricas: rectángulos, válvulas, círculos, etc. Por ejemplo, una variable de nivel
siempre está en la punta de una flecha continua, y una variable de flujo siempre está
en el origen de una flecha continua. El signo sobre una flecha continua nos indica si
la tasa de cambio se añade o se sustrae de una variable de nivel (estado). Mientras
que las flechas continuas indican flujos físicos, las flechas discontinuas en el
diagrama causal definen flujos de información desde las variables de nivel hasta las
tasas de cambio o variables de flujo. Se llama variable auxiliar a cualquier variable
intermedia en el camino desde una variable de nivel, o de una entrada exógena,
hasta una variable de tasa de cambio. Las entradas exógenas en un diagrama
causal se identifican fácilmente porque no tienen flechas que terminen en las
mismas, pero tienen una o más flechas cortadas que salen de ellas, En contraste,
las variables auxiliares no forman parte del mismo sistema, sino que indican
solamente su rendimiento y, por consiguiente, se identifican siempre porque están al
final de una flecha discontinua, y no tienen flechas que emanen de ellas.
Resumamos la convención de los diagramas causales:
 Las flechas describen la dirección de la causalidad entre pares de variables;
 Las líneas (continuas o discontinuas) denotan flujos (físicos o de información)
 Y los signos nos indican la naturaleza de la relación (directa o inversa) entre un

par de variables dependientes-independientes.
27
Figura 2.2. Representación de un Diagrama Causal

La metodología para el desarrollo del curso utiliza el lenguaje de ordenador Stella®
asociado con la dinámica de sistemas. En terminología de ecuaciones diferenciales,
cualquier variable de nivel se expresa como función de las variables de tasa de
cambio R1 y el valor previo del nivel:
n
Li (t  dt )  l i (t )  ( dt )  R j (t ) . i  1 ,... m , (Ec. 2.1)
i 1
En donde las Rj’s se suponen constantes en el intervalo desde t a t +dt. Las

variables de tasa de cambio tienen la forma

R j ( t )  F L i ( t ), E k ( t ), A ij ( t ), A kj ( t )  (Ec 2.2)
En donde Ek son los impactos de las variables auxiliares en los flujos causales
desde la variable i y la entrada exógena k, respectivamente. Puesto que las
entradas exógenas son funciones conocidas del tiempo, o constantes, si se conocen
los valores iniciales de las variables de nivel, todas las otras variables pueden
calcularse a partir de ellas y para dicho intervalo de tiempo. Entonces, a partir de la
ecuación (2.1), se pueden encontrar los nuevos valores de las variables de nivel
para el próximo instante de tiempo.
28
2.2.
1. Del los ejemplos desarrollados en la actividad 2.1, sobre el tema de pobreza,
intente construir bules de realimentación (3 ejemplos), asigne a cada relación la
respectiva polaridad.
2. Dado el siguiente diagrama:
a) precio
+
+
cambio en el precio
+
tasa de inflación
Realice una descripción del comportamiento presente en el diagrama, considere

la polaridad de las relaciones.
[Richmond] identifica tres calificaciones relativas al pensamiento sistémico:

pensamiento sobre sistemas como causa, pensamiento sobre bucles cerrados y
pensamiento operativo. “Pensamiento sistémico como causa” es la noción de que es
útil considerar la estructura de un sistema como la causa de los comportamientos
exhibidos por los sistemas, en ves de considerar estos comportamientos como
resultado de factores externos. “Pensamiento sobre bucles cerrados” es el siguiente
paso en la progresión: si la estructura es la causa del comportamiento, ¿cuáles son
sus características, cómo se organiza? El “pensamiento operativo” completa la
progresión.
29
Roberts, R. B., System Dynamics - An Introduction, Managerial Applications of

System Dynamics, ed. by R. B. Roberts, The MIT Press, Cambridge, Massachusetts,
1978.
Espejo, R., What is Systems Thinking?, System Dynamics Review, Vol. 10, No. 3,
1994.
Richmond, 8. Systems Thinking/Systems Dynamics, System Dynamics Review, Vol.
10, No. 3, 1994.
Forrester, J. W, Market Growth as Influenced by Capital Investment, Collected
Papers of Jay W. Forrester, Wright-AIlen Press, Inc., Cambridge, Massachusetts,
1975.
http://www.wiphala.net/courses/IS0850/2007-I/index.html
http://es.wikipedia.org/wiki/Din%C3%A1mica_de_sistemas
http://dinamicasistemas.utalca.cl/din_sis/DS%20en%20la%20Educaci%F3n.htm
Los bucles cerrados (realimentación) están compuestos de inventarios (niveles) y

flujos (tasas de cambio), de forma que puedan evitarse las ecuaciones simultáneas.
Estas aplicaciones del pensamiento sistémico son el tema del siguiente capítulo.
Modelado de Sistemas – Unidad Nº 2

Desarrolle los siguientes casos:
1. El siguiente ejemplo es un caso de Control de los Inventarios de un Almacén, el
cual cuenta inicialmente con 100 unidades; el sistema funciona de la siguiente
forma:
30
Los pedidos son salidas de productos para su venta, estas son supongamos
constantes al día en 20 unidades/día. La producción de cada unidad se da con
una razón de producción diaria del 15%, para lograr mantener un inventario
deseado, el sistema tiene un sistema de prevención, que esta en función de lo
que se quiere mantener como inventario deseado y lo que se tiene en el almacén
como inventario físico (diferencia entre lo deseado y lo real), El sistema funciona
en un tiempo de 30 días a partir del día 0 con la revisión de cada día en la
simulación dinámica.
 Obtenga las variables relevantes, desarrolle del diagrama causal, y
relaciones, así como el tipo de comportamiento que sigue
2. Observe el siguiente diagrama causal:
Realice una descripción del comportamiento presente en el diagrama, considere

la polaridad de las relaciones.
31
32

Un sistema de realimentación es uno o más ciclos de realimentación relacionados
entre sí. El grado del sistema es determinado por aquel ciclo de realimentación que
contengas el número máximo de variables de nivel dentro del bucle. El
comportamiento de las variables en cada bucle de realimentación se puede propagar
a través de la conexión, y afectar a otras variables de otros bucles dentro del
sistema de realimentación. Estos sistemas, integrados por muchos bucles de
realimentación conectados entre sí, describen problemas complejos de organización.
Los métodos analíticos formales son difíciles de aplicar a medida que la complejidad
de la realimentación aumenta. Esta unidad centra su atención en el área de análisis
de sistemas de realimentación con la presencia de uno o de múltiples bucles.
Un modelo es una representación abreviada de ciertas características relevantes de
un sistema real. Cuando construimos modelos matemáticos, dejamos de lado el
mundo real para introducimos en un mundo abstracto de conceptos matemáticos. Y
luego dejamos al computador y a sus técnicas matemáticas que manipule dicho
modelo para la obtención de resultado que luego analizaremos para finalmente,
regresar al mundo real con la posible solución del problema matemático, que
posteriormente se convierte en una solución útil al problema real. Es importante
recalcar que el principio y el fin del proceso se sitúan en el mundo real.
En conformidad con la metodología propuesta por la Dinámica de Sistemas, es
importante comprender la incorporación de modelos matemáticos para resolver
problemas. Aun que debemos recordar que la formulación inicial es conceptual y
necesitamos buscar expresiones cuantitativas que representen a nuestras
formulaciones verbales.
Todo modelo debe tener un objetivo específico que tiene que indicarse con claridad,
desde el principio. Es evidente que el Weltanschau del modelador y el objetivo,
influirán en la concepción de dicho modelo. Sin embargo, al construir modelos bajo
la perspectiva de la Dinámica de Sistemas, se busca una nueva percepción, se trata
de comprender las consecuencias de líneas de acción alternativas, y no una
previsión relativa al futuro. Mediante esta metodología se desarrollan modelos
matemáticos y se dan soluciones analíticas, se utiliza la simulación para llegar a
conclusiones fiables acerca del comportamiento, tratando de comprender cada vez
más la estructura de realimentación subyacente.
33
Es bien conocido que ciertos tipos de sistema realimentación crean ciertos tipos de
comportamiento. Entonces, si se conoce el modo de comportamiento de referencia
existente (patrón de comportamiento), debería ser posible deducir la estructura del
sistema de realimentación, como el número y la estructura de los bucles de
realimentación, su polaridad y orden. En esta unidad se analizará el comportamiento
de estructuras básicas de sistemas de realimentación usando para ello distintas
aplicaciones.
1. Comprende la importancia de analizar los ciclos de realimentación.

2. Diferencia con claridad un bule de realimentación positiva con uno negativo.
3. Incorpora complejidad en la elaboración de los diagramas Causa - Efecto
BUCLE DE REALIMENTACIÓN NEGATIVA

El proceso considerado en la Figura 3.1, al que se le asocia un diagrama causa -
efecto que puede ser apreciado en la Figura 3.2, es un caso particular de la situación
general de un bucle de realimentación negativa (Figura 3.3). En esta figura se tiene
que el nivel definido por cierta cantidad (el nivel de agua en el ejemplo anterior)
viene determinado por la acumulación del flujo (el flujo de agua) que a su vez es
resultado de la discrepancia entre el estado alcanzado y lo deseado, que en la
Figura 3.3 se denomina objetivo. Es decir, la discrepancia entre el nivel actual y
objetivo (nivel deseado) determina la acción que modificara el estado actual con la
finalidad de alcanzar el objetivo deseado (que la discrepancia sea cero).
Figura 3.1: Llenando un vaso de agua
34
NIVEL DESEADO
NIVEL
DISCREPANCIA
NIVEL
Figura 3.2 Diagrama causal para el proceso de llenar agua
35
NIVEL
OBJETIVO
FLUJO DISCREPANCIA
Figura 3.3 Diagrama elemental de un ciclo de realimentación negativa
El diagrama de la Figura 3.3 recibe la denominación de bucle de realimentación

negativa, y representa un tipo de situación muy frecuente en el que se trata de
decidir acciones para modificar el comportamiento, con el fin de alcanzar un
determinado objetivo. Un diagrama de esta naturaleza se puede aplicar tanto al
sencillo acto de pintar una casa, detectando mediante la vista la discrepancia entre
las posiciones de la mano y de la brocha; otro ejemplo a mencionar se hallaría en el
proceso de regulación de la temperatura en una habitación, en el que la discrepancia
entre la temperatura actual y la considerada agradable determina la actuación de un
agente calefactor para corregir esa discrepancia (ver Figura 3.4); y tantos otros
procesos de naturaleza semejante. El diagrama de un bucle de realimentación
negativa aporta el esquema básico de todo comportamiento orientado a un objetivo.
36
Su ubicuidad fue puesta de manifiesto por Norbert Wiener cuando, en el decenio de

los años 40, sentó las bases de la cibernética.
TEMPERATURA EN
LA HABITACIÓN
TEMPERATURA
DESEADA
EFECTO DEL
CALEFACTOR DISCREPANCIA
Figura 3.4 Ciclo de realimentación negativa, en el proceso de regulación de la

Temperatura
Un bucle de realimentación negativa tiene la notable propiedad de que si, por una
acción exterior, se perturba alguno de sus elementos, el sistema, en virtud de su
estructura, reacciona tendiendo a anular esa perturbación. En efecto, consideremos
el bucle de la Figura 3.5, en el que los elementos se han representado, de forma
general, mediante las letras A, B y C. Supongamos que uno cualquiera de ellos, por
ejemplo B, se incrementa. En virtud de las relaciones de influencia, el incremento de
B determinará el de C, ya que la polaridad de influencia es positiva. A su vez, el
incremento de C determinará el decrecimiento de A, ya que así lo determina el
carácter negativo de la polaridad. El decrecimiento de A dará lugar al de B, pues la
relación es positiva. Por tanto, el incremento inicial de B le “retorna”, a lo largo de la
cadena realimentación, como un decremento; es decir, la propia estructura de
realimentación tiende a anular la perturbación inicial, lo que era un incremento,
generando un decremento. De este modo se comprende que los bucles de
realimentación negativa son bucles equilibradores, que tienden a anular las
perturbaciones exteriores. Por ello, los ingenieros que diseñan sistemas de
regulación automática los incorporan en sus proyectos como elementos básicos para
conseguir la acción reguladora. El efecto de un bucle de realimentación negativa es,
por tanto, tratar de conseguir que las cosas continúen como están, que no varíen.
Son bucles que estabilizan los sistemas.
37
A
C
Figura 3.5 Estructura y Comportamiento de Realimentación Negativa

Ejemplo 3.1: Modelo de control de almacenamiento de agua.
Vamos a considerar un depósito como los que pueden ser utilizados en una ciudad
pequeña. El depósito se llena mediante cañerías que provienen de una estación de
bombeo, y a su vez da agua a la ciudad a través de una red de distribución. El
tanque del depósito tiene un área de 750 metros cuadrados y una altura de 9
metros, con una capacidad de almacenamiento de 6750 metros cúbicos. Se
considera que una altura de agua de 7.5 metros es conveniente para el
almacenamiento de emergencia y para garantizar una presión adecuada en las
redes de distribución. El depósito está provisto de un sistema automático de control
para regular el flujo de entrada, de forma que la discrepancia entre la altura real y la
38
deseada estaría conectada a una constante de tiempo igual a diez minutos. Se

supone que el ritmo de salida es una constante igual a 500 metros cúbicos por
minuto. Inicialmente el depósito tiene una altura de dos metros. El diagrama causal
de la Figura 3.6. muestra que se ha elegido el volumen del tanque, como la variable
de nivel con variables de flujo, flujo de entrada y flujo de salida. Mas adelante, en
las próximas unidades veremos el planteamiento de las ecuaciones matemáticas
CONSTANTE
FLUJO
DE SALIDA
ALTURA VOLUMEN DEL

TANQUE
DISCREPANCIA
FLUJO
DE ENTRADA
ALTURA
DESEADA
CONSTANTE
DE TIEMPO
ÁREA
Figura 3.6 Diagrama Causal del Modelo de control de almacenamiento de agua
BUCLE DE REALIMENTACIÓN POSITIVA

La otra forma que puede adoptar un bucle de realimentación es la que se muestra
en la Figura 3.7, en la que se tiene un bucle de realimentación positiva. Se trata de
un bucle en el que todas las influencias son positivas (o si las hubiese negativas,
tendrían que compensarse por pares). En general la Figura 3.7 representa un
proceso en el que un estado determina una acción, que a su vez refuerza este
estado, y así indefinidamente. En este caso el estado es una población, y la acción
son los nacimientos. En tal caso, cuanto mayor sea la población, habrá mayores
nacimientos, por lo que a su vez mayor será la población, y así sucesivamente. Se
tiene, por tanto, un crecimiento explosivo de la población.
39
POBLACIÓN
NACIMIENTOS
Figura 3.7 Ciclo de Realimentación Positiva: Crecimiento de la Población

En la Figura 3.8 se representa de forma esquemática, mediante las letras A, B y C,
un bucle de esta naturaleza. Con ayuda de este diagrama se puede razonar, de
forma general, el comportamiento que deriva de los bucles de realimentación
positiva. Si cualquiera de sus elementos sufre un cambio, éste se propaga,
reforzándose, a lo largo del bucle. En efecto, si A crece, entonces, en virtud del
signo de la influencia, lo hará B, lo que a su vez determinará el crecimiento de C y,
de nuevo, el de A. Por lo tanto, la propia estructura del sistema determina que el
crecimiento inicial de A “vuelva” a reforzar a A, iniciándose de este modo un
proceso sin fin que determinará el crecimiento de A (Figura 3.8). Este efecto se
conoce chabacanamente como “círculo vicioso” o “efecto bola de nieve”. El cambio
se amplifica produciendo más cambio.
A C
40
Figura 3.8 Estructura y Comportamiento de Realimentación Negativa

Se trata, por tanto, de una realimentación que incrementa las perturbaciones y que,
por tanto, desequilibra al sistema. En este sentido se puede decir que su efecto es
inverso al del bucle de realimentación negativa. Si aquella equilibra, esta
desequilibra.
Antes de terminar con esta presentación elemental de los bucles de realimentación
positiva y negativa debe quedar bien claro que el comportamiento asociado a estos
bucles, sea el comportamiento autorregulador del bucle de realimentación negativa o
el comportamiento exponencial del positivo, son modos de comportamiento que
derivan de la estructura del sistema, y no a las partes que lo forman. Recuérdense
las Figuras 3.5 y 3.8 que nos han suministrado el esquema básico de estos bucles
de realimentación. Con estas Figuras hemos podido entender el comportamiento
correspondiente, prescindiendo de los elementos concretos que representasen A, B
y C. En este sentido decimos que los bucles de realimentación son elementos
básicos para la generación endógena (desde dentro del propio sistema) del
comportamiento.
Ejemplo 3.2: El Modelo de Crecimiento de Autopistas
Aunque el crecimiento del transporte por autopista es un fenómeno mundial, es de
especial interés en los Estados Unidos porque es el resultado lógico de la creación
de un fondo reservado para autopistas, en el que todos los ingresos de las
autopistas deben ser utilizados para el mantenimiento y construcción de éstas.
Considérese la siguiente descripción verbal del modelo:
Las Autopistas, son incrementadas por la Construcción de Autopistas y reducidas
por el Abandono de Autopistas. Dicho abandono esta dado por una constante C,
pero la Construcción de Autopistas se incrementa cuando aumentan los Ingresos
que provienen de las Autopistas y baja cuando aumenta los Costes de Construcción
CC. El Ingreso varía directamente con la cantidad de Autopistas, con los Ingresos
Generados por Vehículo/Milla y con el Volumen Anual de Tráfico. El diagrama causal
que corresponde a la descripción verbal aparece en la Figura 3.9.
41
CONSTRUCCIÓN COSTE DE
DE AUTOPISTAS CONSTRUCCIÓN
AUTOPISTAS
CONSTANTE
ABANDONO DE
AUTOPISTAS
INGRESOS POR
AUTOPISTAS
INGRESOS
GENERADOS POR
VEHICULO/MILLA VOLUMEN
ANUAL DE
TRAFICO
Figura 3.9 Diagrama Causal del Modelo de crecimiento de Autopistas
1. Dado el siguiente caso:

Se maneja la siguiente hipótesis sobre el funcionamiento urbano. La
Disponibilidad de Empleos produce una Migración hacia la ciudad. Los
emigrantes que llegan expanden la Población de Empleados de la ciudad. La
población absorbe los trabajos disponibles, disminuyendo la Disponibilidad de
Empleos. A la larga, la población empleada demanda más servicios urbanos lo
cual facilita un nuevo incremento en el número total de Empleos. Más Empleos
incrementan la Disponibilidad de Empleos
Construir un diagrama Causa Efecto, asignarle las polaridades a las relaciones y
definir que tipo de bule (positivo / negativo).
42
SISTEMAS COMPLEJOS Y ESTRUCTURAS GENÉRICAS

Los bucles de realimentación positiva y negativa constituyen los ejemplos más
simples de estructura de un sistema capaces de generar comportamiento de forma
autónoma. Sin embargo, en los sistemas usuales no es frecuente que consideren
descripciones en la que surja únicamente uno de estos bucles (negativo / positivo).
Por el contrario, lo habitual es que nos encontremos con sistemas complejos en los
que convivan múltiples bucles de realimentación, tanto positivos como negativos. En
tal caso el comportamiento resultante dependerá de cuáles de los bucles sean
dominantes en cada momento.
El ejemplo más simple de un sistema con varios bucles de realimentación es el que
se muestra en la Figura 3.10, en el que se tiene una estructura en la que coexiste un
bucle de realimentación positiva con uno negativo. Existen muchos procesos en la
realidad a los que es aplicable este diagrama. En este caso se trata de procesos en
los que inicialmente se produce un crecimiento (construcción de departamentos); es
decir, al principio el bucle de realimentación positiva es el dominante. Sin embargo,
sabemos que todo proceso de crecimiento tarde o temprano debe cesar. No hay un
crecimiento indefinido. Este efecto limitador del crecimiento se incorpora mediante
un bucle de realimentación negativa (demolición de departamentos), como el que se
muestra a la derecha de la Figura 3.10. Cuando el estado (cantidad de
departamentos) ha alcanzado un considerable nivel de crecimiento, como
consecuencia de que el bucle de realimentación positiva es dominante, se invierte la
dominancia de los bucles, de modo que el nuevo bucle dominante es el negativo y
se produce la limitación del crecimiento.
+ -
CONSTRUCCIONES + DEPARTAMENTOS - DEMOLICIONES
+ +
+
DEPARTAMENTOS
DESEADOS
Figura 3.10 Diagrama Causal del Modelo de crecimiento de Autopistas
43
Al analizar el comportamiento resultante de este tipo de modelos, pareciese

combinarse el crecimiento exponencial asociado a un bucle de realimentación
positiva (recuérdese la Figura 3.8), con un comportamiento asintótico, el cual
corresponde a un bucle de realimentación negativa (Figura 3.5), en la fase final. En
la Figura 3.11 se muestra la combinación de estos dos modos de comportamiento,
que da lugar a la conocida curva de crecimiento sigmoidal. El número de procesos a
los que se puede aplicar esta estructura de dos bucles es muy amplio y comprende
desde el fenómeno poblacional en el mundo (con una fase inicial de crecimiento,
con los nacimientos, y una fase final de saturación y estabilización a través de las
muertes) hasta situaciones sociales como la inflación de un país que al inicio tiende
a crecer exponencialmente y luego mediante la intervención del gobierno y otros
factores logra estabilizarse. La estructura de la Figura 3.10 permite dar una
interpretación estructural del comportamiento que aparece en la Figura 3.11. De este
modo vamos viendo cómo es posible asociar estructura y comportamiento, que ya
hemos dicho que es el objetivo fundamental de la Dinámica de Sistemas.
P1 P2
Figura 3.11 Comportamiento Sigmoidal presente en bucles que combinan

ciclos de realimentación positiva y negativa
La estructura que se ha representado en la Figura 3.10 constituye un ejemplo de lo
que se conoce como arquetipos sistémicos o patrones estructurales. Se trata de
situaciones representativas que aparecen en problemas muy variados, pero que
repiten la misma descripción básica desde un punto de vista sistémico. Aquí hemos
presentado una de las más sencillas, pero en la literatura se encuentra un gran
44
número de ellas. Una presentación más completa de los arquetipos sistémicos

puede verse en el libro de Senge, La quinta disciplina.
La Dinámica de Sistemas clásica solo considera algunos patrones básicos como son
los de realimentación. Ello es debido a que se trabaja con un alto grado de
acoplamiento y se prescinde normalmente de la estructura exterior al sistema en
estudio. Cuando esto no es así, e interesa analizar la organización y su ambiente,
entonces ya no es suficiente considerar solo las estructuras de realimentación. Hay
que recurrir a otra estructura, que es la de reacción-difusión, que permite dar cuenta
de cómo se produce la ordenación espacial en el seno de un sistema.
1. Tomar de referencia la Figura 3.10 y explicar el comportamiento, considerando

las respectivas polaridades.
Se tiene dos existencias, gente saludable y gente enferma. La probabilidad de
una persona saludable de estar en contacto con una persona enferma es
proporcional al número total de gente enferma en la población. Por lo tanto,
mientras más gente enferma exista en la población hay mayor oportunidad de
estar en contacto con una. También existe una posibilidad de contraer la
enfermedad cuando estas en contacto con una persona enferma. Esto es un
valor constante. Otro valor que afecta, si una persona se enferma o no, es el
número total de interacciones o contactos que cualquier persona tiene con otra
en la población por unidad de tiempo. El ritmo al cual la gente saludable se
enferma se basa en la probabilidad de enfermarse cuando el contacto es
efectuado, el número de interacciones que cada persona tiene con otros en la
población y la probabilidad de que la interacción sea con una persona enferma.
Otro factor que afecta el número de personas enfermas y saludables es el ritmo
en el cual la gente enferma se recupera de su enfermedad y regresa a las
existencias de gente saludable, asumiendo que la enfermedad no proporciona
inmunidad permanente.
Desarrolle el respectivo diagrama causal.
45
Hemos visto los modelos de realimentación, los cuales emplean dos tipos variables
para evitar ecuaciones simultáneas: niveles que representan el estado de alguna
parte del sistema y los de flujo que definen cuánto cambiarán los niveles durante el
próximo intervalo de tiempo. Los comportamientos globales pueden ser positivos, lo
cual conduce a un crecimiento exponencial o un colapso; o negativos, lo cual en el
transcurso del tiempo conduce al equilibrio.
Modelar bajo la vista de la Dinámica de Sistemas, involucra un proceso secuencial e
iterativo. Todo empieza con una descripción verbal, que luego es llevada a un
diagrama causal, en donde se debe considerar las polaridades para cada una de las
relaciones incluidas. El modelo se somete a crítica, se revisa, se critica de nuevo y
así sucesivamente, en un proceso iterativo que continúa mientras siga siendo útil. El
uso de gráficos, tal como se usan en los diagramas causales facilitan hacer una
declaración conceptual sobre un problema complejo, en la que se identifica su
estructura, elementos e interacciones.
Javier Aracil; “Introducción a la Dinámica de Sistemas”; Segunda Edición, Editorial

Alianza, Sevilla,España, 1977.
Forrester, J. W, Market Growth as Influenced by Capital Investment, Collected
Papers of Jay W. Forrester, Wright-AIlen Press, Inc., Cambridge, Massachusetts,
1975.
http://dinamica-sistemas.mty.itesm.mx/
Hemos realizado modelados de forma eminentemente cualitativa. En la próxima

unidad, Diagrama de Forrester y Modelos Matemáticos, veremos cómo
efectivamente se pueden obtener los comportamientos, como expresar nuestros
bucles con variables cuantitativas para emplear finalmente modelos matemáticos.
46
Análisis de Sistemas de Realimentación – Unidad Nº 3

Desarrolle el siguiente caso:
1. Este es el enunciado correspondiente a la interacción, que ocurre en el mar,
entre tiburones y pequeños peces que pertenecen a la dieta de los tiburones. El
área se supone acotada de tal manera que el cruce migratorio no es posible, al
menos no tiene ningún efecto mayor.
Se asume que los pescadores se abstienen de pescar a los peces (que se
alimentan de plancton) por un par de años entonces se debiera esperar que esta
población de peces crezca en tamaño. Una vez que haya crecido, los tiburones
deberían tener suficiente alimento para sostener una gran población de
tiburones. Entonces la población de tiburones debería aumentar, y en un tiempo
corto plantear un severo trato a los peces. Eventualmente la población de peces
debería disminuir. Una vez que la población de peces haya disminuido en
número, los tiburones no podrán sostener su gran población y deberá disminuir
su población. Esto permitirá a su vez que la población de peces vuelva al tamaño
de la población original. Es posible que este proceso continúe indefinidamente,
en cuyo caso el ecosistema consistirá en una población de variación periódica.
Desarrolle el respectivo diagrama causal, defina el tipo de bucles que se
presentan en este caso.
47
DIAGRAMA DE FORRESTER Y MODELOS MATEMÁTICOS

En la unidad anterior se ha presentado un lenguaje sistémico que aporta los
elementos básicos para una descripción esquemática de un sistema. De acuerdo
con esta descripción, un sistema se reduce a un conjunto de variables o de
elementos interrelacionados, los cuales influyen unos sobre otros. Podría
asemejarse a un grafo dirigido en donde los nodos representarían las variables y las
aristas las relaciones.
Se pudo observar el comportamiento asociado a ciertas estructuras. Sabemos que
un bucle de realimentación positiva presenta una tendencia creciente (exponencial);
sabemos también que un bucle de realimentación negativa presenta
comportamientos equilibrantes.
En esta unidad vamos a presentar instrumentos adicionales que nos van a permitir
reelaborar los diagramas causales y convertirlos en diagramas de Forrester,
seguidamente asociar, a las variables, las ecuaciones matemáticas adecuadas que
expliquen su comportamiento en forma cuantitativa, para que puedan ser
denominados sistemas dinámicos y que finalmente con la ayuda del computador
puedan ser programados y simulados, para definir trayectorias en el comportamiento
de los sistemas que se están analizando.
1. Encuentra la correspondencia entre los diagramas causales y los de Forrester.

2. Clasifica de forma adecuada a las variables propuestas en el modelo.
3. Desarrolla ecuaciones matemáticas para las variables del sistema analizado.
COMO INICIAR LA CONSTRUCCIÓN DE UN DIAGRAMA DE

FORRESTER
La estructura de un sistema representado mediante los diagramas causales, tal
como se ha presentado en la unidad anterior, puede aparentar tener un
comportamiento esencialmente estático. Ahora cabe preguntarse cómo relacionar
dicho modelo a un comportamiento dinámico. A ello vamos a dedicar esta sección.
48
Se ha observado la presencia de los distintos elementos en los nodos del diagrama

causal, algunos representan variaciones con respecto al tiempo de otras magnitudes
consideradas en ese mismo diagrama. Por ejemplo, en el diagrama de la Figura 3.2
la variable flujo de agua representa la variación con respecto al tiempo del nivel
alcanzado por el chorreado en el vaso. Recordando esa figura se tiene:
FLUJO  NIVEL
Esta influencia es un caso particular de otra más general que podemos expresar de
la forma:
dx
 X (Ec. 4.1)
dt
Aquí dx/dt indica la variación con respecto al tiempo de la magnitud X. Esta

expresión representa una relación redundante: “la variación con respecto al tiempo
de X influye en el crecimiento de la propia variable X”. Sin embargo, lo que importa
por el momento es resaltar la presencia, en el diagrama causal, de variables que
representan variaciones con respecto al tiempo de otras. En este sencillo suceso, se
basa el que podamos decir que en la estructura está implícito el comportamiento del
sistema. La variable X es producto de la acumulación del cambio contenido en la
variable dx/dt. Por tanto, siempre que aparezca una variable como la dx/dt
aparecerá una X, y entre ambas se establecerá una relación como la dada en la Ec
4.1. Por equivalencia con el ejemplo de la Figura 3.2, la variable X se denomina
variable de nivel y la variable dx/dt variable de flujo. En la literatura matemática a la
variable de nivel se la conoce también como variable de estado.
CLASIFICACIÓN DE VARIABLES
Los anteriores argumentos nos llevan a postular una clasificación, de las distintas
variables que aparecen en un diagrama de Forrester, en tres grupos: variables de
nivel o estado, variables de flujo y variables auxiliares.
1. Niveles
Los niveles son conocidos también como acumulaciones o variables de estado.
Los niveles varían a través de un período de tiempo. Lo niveles cambian en
función de los flujos o válvulas y en algunas ocasiones por variables auxiliares
Símbolo
49
N(t+dt)
Representación Matemática
N(t+dt) =No+dt[(Fe(t)]
2. Flujos
Los flujos o válvula, como también se les conoce, son variables que están
conectadas a una tubería y son las que hacen que un nivel aumente o disminuya
su valor. Los flujos se utilizan cuando los niveles están incrementándose (o
disminuyendo) en partículas reales o concretas, es decir “algo” está siendo
acumulado en dicho nivel.
Símbolo
Fe(t) =N(t)*K
3. Auxiliares
Una variable auxiliar es aquella que realiza cálculos auxiliares. Las variables
auxiliares se introducen al modelo para dar una mayor claridad de los pasos que
se llevan a cabo para hacer los cálculos que dan como resultado cambios en las
variables de nivel. En muchas ocasiones las variables auxiliares determinan el
valor de una variable de flujo y la variable de flujo es la que determina como se
comporta una variable de nivel. De vez en cuando, las variables auxiliares llevan
a cabo cálculos que determinan directamente el comportamiento de un nivel, en
estos casos es cuando no tiene mucho sentido la utilización de flujos,
especialmente cuando cambian los flujos de información.
Símbolo
50
PS(t)= PT-PE(t)
Si somos capaces de realizar esta clasificación vamos a poder dar un paso muy
significativo en la descripción del sistema, más formalmente. Como en muchos
casos, un ejemplo nos permitirá ilustrar lo que estamos diciendo. Supongamos que
tenemos un lago de volumen constante (V), de manera que los flujos de entrada y
salida son constantes (I), Supongamos también, que el lago ya se encuentra
contaminado, de manera que por el flujo de entrada solo fluye agua limpia, y es por
el flujo de salida que sale agua contaminada. Vamos a suponer también, que la
contaminación está distribuida homogéneamente por todo el lago, esto significa que
todo punto del lago tiene la misma concentración de contaminante. Ahora bien, se
desea estudiar la evolución dinámica de la concentración de contaminante en el lago
con las hipótesis anteriores.
La descripción del proceso, en lenguaje ordinario, se puede reducir a los cinco
enunciados siguientes:
E1: cuanto mayor es el flujo de salida del contaminante, menor es la contaminación;
E2: a su vez, cuanto mayor es la contaminación, mayor es la concentración
(volumen de polución),
E3: cerrando el ciclo, cuanto mayor sea la concentración, mayor será la salida del
flujo contaminante,
E4: por otro lado, el flujo de contaminante que sale del lago será proporcional al flujo
de salida, y el factor de proporción es justamente la concentración de polución;
E5: finalmente, cuanto mayor sea el volumen del lago, menor será la concentración
(volumen de polución)
Estos enunciados, que constituyen la descripción básica del proceso, se pueden
convertir en relaciones de influencia entre las diferentes variables con las que se
puede describir el proceso. Para esto, definamos las siguientes variables,
V = volumen del lago (metros cúbicos)
I = Flujo de entrada y salida del lago (metro cúbico por segundo)
C(t) = Concentración {Volumen de polución en el tiempo t (metro cúbico)}
FSC(t) = Flujo de Salida del contaminante {C(t) / V(t) = concentración de polución
(adimensional)}
CT = Contaminación {Volumen del contaminante (metro cúbico}
51
Entre estas variables, de acuerdo con los anteriores enunciados, se pueden

establecer las relaciones de influencia:
R1 : FSC - CT
R2 : CT + C
R3 : C + FSC
R4 : I + FSC
R5 : V - C
Al integrar todas estas relaciones en un solo bloque, logramos obtener el diagrama
causal de todo el sistema de contaminación que se muestra en la Figura 4.1. En este
diagrama se pone de manifiesto que el proceso posee una estructura con un bucle
de realimentación negativo. En la unidad anterior hemos considerado estructuras de
este tipo. De momento, sin embargo, lo que interesa es resaltar cómo los
enunciados básicos del proceso han conducido a un diagrama de influencias. Estos
enunciados básicos, en un caso real de modelado, corresponderían al conocimiento
disponible con relación al proceso que se trata de modelar, y normalmente será
facilitado por los especialistas en ese tipo de procesos. En la literatura clásica de
dinámica de sistemas es frecuente referirse a este conjunto de enunciados como
“modelo mental” de los correspondientes especialistas.
CONTAMINACION
- I
+ +
CONCENTRACION FLUJO DE SALIDA
DEL CONTAMINANTE
- +
VOLUMEN
DEL LAGO
52
Figura 4.1 Diagrama Causal del Modelo de contaminación del lago

Atañe ahora clasificar los distintos elementos que aparecen en el diagrama de la
Figura 4.1 en los tres tipos de variables propuestos: niveles, flujos y auxiliares. Para
ello, en primer lugar, deben identificarse las variables de nivel del proceso en
cuestión. En este caso es fácil ver que existe una única variable de nivel que
corresponde a la contaminación CT. La salida del contaminante es una variable de
flujo, ya que su significado es precisamente el de la variación del volumen de
contaminación con respecto al tiempo. Es decir la influencia
SALIDA DEL CONTAMINANTE - CONTAMINACIÓN
La forma coincide con la ecuación 4.1 y por tanto al volumen de contaminación CT le
corresponde el carácter de variable de nivel X y a la salida del contaminante FSC el
de flujo dx/dt. Algunos autores proponen realizar un análisis dimensional para llevar
a cabo la identificación de las variables de nivel y de flujo. En efecto, en la Ecuación
4.1 tenemos una relación de influencia en la que el consecuente viene medido en
unas ciertas unidades y el antecedente en esas mismas unidades partidas por
tiempo.
A las variables de nivel y de flujo se asocian unos iconos (gráficos) como los que se
indican en la Figura 4.2, en la que a una variable de nivel se asocia un rectángulo y
a una de flujo un icono que recuerda una válvula, cuya apertura se regula
precisamente mediante el flujo que representa esta variable. Para representar una
variable de flujo también existe otra notación que se vio en el momento de la
clasificación.
NIVEL
FLUJO
Figura 4.2 Representación gráfica de las variables de Flujo y nivel en el

diagrama de Forrester
Las variables auxiliares se representan mediante círculos. El diagrama que se
obtiene a partir de un diagrama de influencias, clasificando sus nodos en variables
de nivel, flujo o auxiliares y asociando a esos nodos los iconos correspondientes
recibe la denominación de diagrama de Forrester o diagrama de Flujo.
En la Figura 4.3 se tiene el diagrama de Forrester del proceso de contaminación de
un lago. Este diagrama se ha obtenido particularizando los elementos que aparecen
53
en el de la Figura 4.1, convirtiendo cada uno de ellos en una variable de estado, de

flujo o auxiliar.
Ya hemos identificado la variable CT como de nivel y la FSC como de flujo. La
restante C es una variable auxiliar, ya que representa un paso intermedio en la
determinación de CT a partir de FSC. Además, en la Figura 4.3 se indican mediante
los símbolos V, y I las constantes que representan al volumen de lago y los flujos de
entrada y salida del lago, respectivamente. Por último, en la misma Figura, aparece,
en el extremo superior derecho, una nube que representa una fuente, o un sumidero,
que no es relevante para la descripción del sistema. Se podría prescindir de él pero
se incluye para dar mayor coherencia al diagrama.
CT FSC
V
C
Figura 4.3 Diagrama de Forrester del Modelo de contaminación del lago
1. Vamos a considerar el proceso de difusión de una infección en una población

inicialmente sana. Esta población sufre el efecto de una epidemia, de modo que,
mediante una tasa de contagio, la enfermedad se va propagando hasta infectar a
toda la población. La descripción del proceso, en lenguaje ordinario, se puede
reducir a los cuatro enunciados siguientes:
E1: cuanto más grande es la tasa de contagio, mayor es la población infectada;
E2: a su vez, cuanto mayor es la población infectada más grande será la tasa de
contagio (la infección se difundirá a mayor
E3: por otra parte, cuanto mayor es la población infectada, menor será la
población aún vulnerable; y,
54
E4: cuanto mayor sea la población vulnerable a la epidemia, mayor será la tasa
de contagio.
A partir de estos enunciados, diseñar el diagrama causal, el diagrama de
Forrester
MODELO MATEMÁTICO
Veamos ahora cómo al diagrama de Forrester se asocian, a su vez, las ecuaciones
funcionales del modelo. Usaremos el mismo ejemplo. En primer lugar, consideremos
la relación entre el flujo de salida del contaminante FSC y la contaminación CT. La
evolución del volumen de la contaminación viene dada por la expresión
CT ( t )  CT ( t   t )   t * FSC Ecuación 4.2
que indica que la contaminación CT en el instante de tiempo t se obtiene restando el
volumen de contaminación en el tiempo t - Δt menos el volumen del contaminante se
han producido en el período de tiempo entre t y t - Δt. La ecuación anterior recibe la
denominación de ecuación de nivel o de estado, e indica cómo evoluciona la variable
de estado CT en función del flujo FSC que determina su variación. Esta ecuación se
puede escribir también, empleando notación diferencial, de forma alternativa:
dCT
 FSC (t ) Ecuación 4.3
dt
El flujo de salida del contaminante FSC se determina con ayuda de la expresión:

FSC ( t ) = C * I {metros cúbicos de contaminante por día) Ecuación 4.4
que establece que el flujo de salida del contaminante se obtiene multiplicando la
concentración (volumen de polución) C, con el Flujo de entrada y salida del lago
(metro cúbico por segundo) I. Esta ecuación es una muestra de lo que se conoce
como una ecuación de flujo. Las ecuaciones de este tipo permiten determinar una
variable de flujo a partir de determinados parámetros del modelo (en este caso I), de
variables auxiliares (como C). El parámetro I toma un valor constante para cada
simulación del modelo.
En el modelo aparece también la variable auxiliar contaminante (volumen de
polución) C, que viene dada por:
C = CT / V Ecuación 4.5
es decir, como la división entre la contaminación (volumen del contaminante) CT y
el volumen del lago V.
55
En la Tabla 1 se reúne el conjunto de las ecuaciones (4.2), (4.4) y (4.5) que

constituyen una descripción matemática del proceso de contaminación del lago.
Cada ecuación se asocia a la relación Ri de la descripción verbal del proceso.
R1 CT ( t )  CT ( t   t )   t * FSC
R3 y R4 FSC ( t ) = C * I
R2 y R5 C = CT / V
TABLA 1 - Relaciones que forman la descripción verbal y ecuaciones del
modelo.
Conviene observar que en el modelo además de la variable de estado CT, el flujo
FSC y la variable auxiliar C también han aparecido unos parámetros I y V. A los
parámetros hay que darles un valor numérico para que el modelo se refiera a una
situación concreta. Ello se hace habitualmente de una de las dos formas siguientes:
1. Bien se atiende al significado concreto de esos parámetros, y se dispone de
información numérica suficiente para conocer sus valores. En este caso, se
requeriría el conocimiento del volumen del lago, que nos daría el parámetro V, y
del flujo de salida y de entrada I. Esta información será suministrada por los
correspondientes especialistas.
2. O bien, en los casos en los que no se disponga de información sobre los valores
de los parámetros, pero sin embargo se disponga de datos con relación a la
evolución de las magnitudes significativas del sistema en un período de tiempo
determinado, se puede emplear técnicas de ajuste de los parámetros. Estas
técnicas consisten, esencialmente, en determinar los valores numéricos de los
parámetros que minimizan algún índice que mida la discrepancia entre los datos
históricos de evolución del proceso y los generados por el sistema dinámico.
Resulta interesante observar que hasta la escritura de las expresiones de la Tabla
4.1, o lo que es lo mismo del diagrama de Forrester, la única información que se ha
considerado es de naturaleza cualitativa. La información cuantitativa se emplea
posteriormente para asignar valores numéricos a los parámetros que intervienen en
esas expresiones.
Con lo visto hasta aquí hemos completado el proceso mediante el cual a partir de un
diagrama causal, que representa la descripción más elemental que podemos hacer
de un sistema, hemos sido capaces de obtener el diagrama de Forrester,
clasificando los distintos elementos que aparecen en el diagrama, a partir del cual
tenemos un objeto matemático muy elaborado, que es un sistema dinámico, el cual
56
puede ser programado en un computador. Para ello se recurre a lenguajes o

entornos informáticos de simulación adecuados. Aunque la programación de un
modelo como el que se tiene en la Tabla 1 puede hacerse en cualquier lenguaje de
alto nivel, resulta más cómodo emplear los que se han sido creados a medida. El
que usaremos aquí será el Stella, ya que es uno de los más empleados en la
cátedra de Dinámica de Sistemas. Con ayuda de este lenguaje, el modelo que
estamos viendo se programaría como sigue:
Si se comparan las líneas de este programa con las de la Tabla 4.1 se verá que
resultan muy fáciles de entender. En cada línea, a la izquierda, aparece un icono
que representa el tipo de variable, rectángulo si es nivel, una cañería si es flujo y un
círculo si es una variable auxiliar. Para indicar los instantes de tiempo se emplea (t).
Por cada ecuación se acompaña un cometario entre llaves {} para especificar su
unidad de medida. Con estas indicaciones es fácil leer el programa del modelo. En la
actualidad se dispone de entornos de simulación muy flexibles que permiten
construir un modelo de forma gráfica, en la pantalla del ordenador, empleando
iconos, de modo que, combinando éstos, se llega al diagrama de Forrester de forma
directa. Estos entornos, una vez construido el diagrama en la pantalla, generan
automáticamente las ecuaciones. Una vez programado el computador generara las
trayectorias del sistema, que muestran la evolución de las variables
correspondientes, especialmente de los niveles (Figura 4.4).
Por lo que respecta a nuestro modelo, se observa que la variables de estado CT
(volumen de contaminante), ha ido disminuyendo a través del tiempo en virtud de
que el lago ya está contaminado y que la contaminación fluirá por el flujo de salida
mostrando un decrecimiento. Ello no debe extrañarnos, después de lo que habíamos
visto en la unidad anterior. En efecto, vimos allí cómo un sistema cuya estructura
presenta un bucle de realimentación positiva, mostraba un comportamiento
decreciente (creciente).
57
1: C
1: 0
1: 0
1
1
1: 0
0 15 30 45 60
Page 1 dias 09:59 a.m. Lun, 25 de Ago de 1997
CONTAMINACION
Figura 4.4 Trayectoria del modelo de contaminación del lago

El ejemplo que acabamos de ver constituye una muestra sencilla de las
posibilidades que posee el lenguaje que estamos presentando. Se trata de un
sistema con una variable de nivel y cuyo comportamiento se muestra en la Figura
4.4. En sistemas más elaborados, con estructuras más complejas, podemos tener
comportamientos con otras pautas. Por ejemplo, si en un mismo bucle de
realimentación hay dos o más variables de nivel, entonces pueden presentarse
fenómenos oscilatorios.
1. Bajo el mismo ejemplo propuesto en la actividad 4.1, formule las ecuaciones para
cada una de las variables que ha propuesto en su modelo.
Como resumen de todo lo anterior, hemos sido capaces de establecer un nexo entre
la estructura de un sistema (su diagrama causal) y su comportamiento (las
trayectorias que describen las magnitudes asociadas a él) a la que se alude en el
título de esta unidad. A ello es a lo que nos referimos cuando decimos que mediante
la dinámica de sistemas estamos tratando de relacionar estructura y
comportamiento; de modo que en una descripción como la Tabla 4.1 están implícitas
las dos caras de una misma moneda.
58
Wolstenholme, E. F., A Systematic Approach to Model Creation, Modeling For

Learning Organizations, ed. by J. Morecroft and J. Steman, Productivity Press,
Portland, Oregon, 1994.
Drew, D. R., System Dynamics: Modeling and Applications, Virginia Tech,
Blacksburg, VA.
http://ar.geocities.com/alas_pies/Libro/Libro_Prefacio.PDF
www.itson.mx/dii/elagarda/apagina2001/Dinamica/powerpoint/diapositiva-
sesion1.PPT
Es verdad que se a cumplido con las fases de modelado y propuesta de relaciones

analíticas de las variables consideradas en el modelo; pero necesitamos llevar este
modelo a la fase de simulación, por ello la siguiente unidad nos permitirá conocer el
manejo de un software de simulación (STELLA®) para poder realizar pruebas con
diferentes valores.
Diagrama de Forrester y modelos matemáticos – Unidad Nº 4

En base a los casos presentados en la actividad 3.1, la actividad 3.2 (los dos casos)
y la Auto Evaluación Formativa de la unidad 3. Realice los diagramas de Forrester
respectivos, para c/u; proponga también las ecuaciones matemáticas subyacentes a
todas las variables propuestas en cada uno de los modelos.
59
USO DEL SOFTWARE DE SIMULACIÓN

Como hemos podido ver, la Dinámica de Sistemas se basa en un lenguaje formal
bastante simple, y en la que inicialmente podemos reconocer tres tipos de
elementos: variable de nivel, variable de flujo y variable auxiliar. Es necesario hacer
la respectiva clasificación de variables en el proceso de modelado de un sistema, ya
que esto representa un punto importante para iniciar correctamente el proyecto. En
seguida debemos identificar las relaciones existentes entre las diferentes variables
propuestas, asignarles la respectiva polaridad y definir el tipo de comportamiento
que cada bucle presenta, dentro de nuestro modelo; luego, traducir todo esto en un
diagrama causal y hacer su correspondiente en un diagrama de Forrester. Una vez
obtenido esto, es hora de plantear las ecuaciones que gobiernan a las variables.
Concluidos todos esos procesos, plasmaremos nuestro diagrama de Forrester en el
software simulador, también introduciremos las ecuaciones ya formuladas, de tal
manera que sea el programa el encargado de compilar y entregarnos los resultados
y trayectorias que sigue el comportamiento del sistema analizado.
En esta unidad nos encargaremos de dar a conocer a detalle el manejo del software
simulador; se ha elegido al STELLA®, en su versión 8.0, ya que presenta una
interfaz sencilla y bastante comprensible. STELLA®, nos permitirá proseguir con la
secuencia de la metodología y obtener resultados que nos dirijan al propósito
general de la Dinámica de Sistemas, un soporte a la toma de decisiones.
1. Maneja de forma adecuada el software de simulación Stella®

2. Realiza la simulación de los casos previamente visto
3. Presenta resultados a través del programa
PASEANDO POR EL STELLA

La Figura 5.1, nos presenta la ventana principal del STELLA®, como se puede
observar, presenta una barra de herramientas, un espacio de trabajo en donde se
diagrama el modelo. En la barra de herramientas, fácilmente podemos identificar los
60
símbolos correspondientes a las variables de flujo, nivel y auxiliares; adicionalmente

se presentan herramientas que apoyan a la edición y presentación de resultados,
como lo son los gráficos, tablas entre otros.
La creación de un proyecto en STELLA®, es sencilla, todos los procedimientos son
como en cualquier otro programa, vamos a explicar el funcionamiento de STELLA®,
a través de un ejemplo, ya que esta será la forma más simple y rápida de conocer el
potencial que ofrece este software.
DECISIÓN TABLA
VARIABLE
AUXILIAR
VARIABLE
DE FLUJO CONECTOR
GRAFICO
VARIABLE
DE NIVEL
Figura 5.1 Ventana principal del STELLA®
UN EJEMPLO PARA APRENDER A MANEJAR STELLA®

Vamos a dar el enunciado del ejemplo que nos permitirá conocer las funcionalidades
del software. Consideremos el proceso de población de nuestro país, vamos a
considerar solo algunas variables para darle simplicidad al modelo, ya que la
intención es aprender el manejo del aplicativo. Esta población presenta dos flujos,
61
uno de entrada (Nacimientos) y uno de salida (Muertes). La descripción del proceso,

en lenguaje ordinario, se puede reducir a los cuatro enunciados siguientes:
E1: cuantos más nacimientos existen, mayor es la población;
E2: a su vez, cuanto mayor es la población, mayor es la cantidad de nacimientos;
E3: por otra parte, cuanto mayor es la cantidad de muertes, menor será la
población; y,
E4: cuanto mayor sea la población, mayor será la cantidad de muertes.
A partir de estos enunciados, construiremos en papel el diagrama Causa –
Efecto, que se muestra en la Figura 5.2.
+ -
NACIMIENTOS + POBLACIÓN - MUERTES
+
+
Figura 5.2 Diagrama Causal del proceso de población

Es momento de clasificar las variables, evidentemente Población será nuestra
variable de nivel, Nacimientos y Muertes serán las variables de flujo. Vamos a
dibujar esta relaciones en Stella®, comenzaremos por dibujar la variable de nivel
Población (Figura 5.3).
Figura 5.3 Dibujando la variable de nivel POBLACIÓN
62
Ahora bien, vamos a dibujar el flujo de entrada hacía la Población. Nos dirigimos a
nuestro mouse hacia el icono de la variable de flujo, pinchamos haciendo un clic con
el botón izquierdo, arrastramos la figura de manera conveniente, a la altura del lado
izquierdo de Población, una vez elegido el sitio desde donde va a empezar a
dibujarse la variable de flujo, presionamos el botón izquierdo (sin soltarlo) a la vez
que arrastramos la figura dirigiéndola hacia población (Figura 5.4), y toda vez que la
variable de flujo llegue de manera adecuada este avisará con un leve cambio de
color gris, en ese momento dejamos de presionar el botón izquierdo y soltamos.
Figura 5.4 Conectando la variable de flujo a la de nivel

La situación final debería lucir como lo indica la Figura 5.5, toda vez que conectemos
las dos variables de flujo al de nivel; la de Nacimientos como flujo de entrada y la
de Muertes como flujo de salida (partiendo del nivel).
Figura 5.5 Variables de flujo conectadas a la variable de nivel
63
Este sencillo dibujo, nos muestra que la variación de la Población a través del
tiempo (años) será causada por los flujos de entrada (Nacimientos) y salida
(Muertes). Ahora bien, supongamos que los Nacimientos obedecen a una Tasa de
Natalidad y que las Muertes obedecen a una Tasa de Mortalidad, entonces con el
mouse sobre el icono hacemos un clic, para coger la figura, y la posicionamos en
un lugar adecuado nombrando esta figura con el nombre de Tasa de Natalidad;
repetimos el mismo procedimiento para definir el convertidor Tasa de Mortalidad; lo
que toca a continuación es conectar las variables auxiliares a sus correspondientes
variables de flujo. El resultado final debería lucir como lo indica la Figura 5.6
Figura 5.6 Variables auxiliares conectadas a sus correspondientes variables de

flujo
Continuamos con nuestro modelado, observando el diagrama causal (Figura 5.1),
vemos que también la variable Población incide en los flujos que lo originan,
entonces debemos conectar la Población a Nacimientos y Muertes (Figura 5.7); con
esto habremos terminado la construcción del diagrama en el STELLA®, faltando aun
la asignación de las ecuaciones.
64
Figura 5.7 Diagrama completo
RELACIONES ANALÍTICAS
Una vez que hemos “dibujado” nuestro sistema-población, vamos a entregar las
relaciones analíticas establecidas entre las variables que están unidas por el
conector. Observemos atentamente el sector izquierdo de nuestro dibujo anterior,
donde aparece el icono . Si ubicamos el mouse sobre ese icono, y hacemos click
con el botón izquierdo, tendremos la siguiente situación indicada en la Figura 5.8.
Figura 5.8 Mapa de definición de relaciones analíticas
65
Los signos de interrogación que aparecen sobre las variables de nuestro modelo
están indicando que sobre ellas hay que definir su relación analítica cuando
corresponda, o entregar el valor que tienen. Vamos a fijar nuestra atención en la
variable de flujo Nacimientos. Recordemos que ella está definida extensivamente
como “Los Nacimientos están en relación a la Tasa de Natalidad, que deriva de la
Población”. Bien, hagamos doble click sobre la variable de flujo Nacimientos, debe
aparecer la siguiente caja de diálogo como se puede observar en la Figura 5.9,
1
4
Figura 5.9 Ventana de asignación de relaciones analíticas

Sobre esta caja de diálogo (Figura 5.9) haremos algunas precisiones. Hemos
marcado cuatro sectores con rotulador de sendos 1,2,3,4, como lo indica la Figura
5.9, que nos servirá para las precisiones.
La zona 1 nos indica que la variable de flujo, por defecto y conforme está activado el
rótulo UNIFLOW, es un flujo unidireccional, esto es tiene la propiedad de que fluye
“material” sobre la variable de estado (Población en nuestro caso) y que no tiene
opción de “inhalar” material desde la variable de estado, en términos hidráulicos esta
variable de flujo no puede bombear para extraer agua, solo puede depositar agua. El
caso es que nuestra variable Nacimientos solamente transmite personas hacia la
Población
La zona 2 indica lo que ya hemos establecido, que sea la forma analítica que tenga
nuestra variable de flujo Nacimientos, ella debe requerir para su definición las
variables de Población y Tasa de Natalidad.
66
La zona 3 está indicando la función analítica con la que quedará definida nuestra
variable de flujo, y es en el lugar marcado por el video reverso donde dice “Place
right hand side...” donde se debe poner la fórmula.
Finalmente la zona 4 entrega una lista de funciones que posee en su estructura el
software STELLA, en que eventualmente podamos necesitar.
Vamos ahora a definir la variable de flujo. La expresión “Los Nacimientos están en
relación a la Tasa de Natalidad, que deriva de la Población” es equivalente
matemáticamente a lo que indica la Figura 5.10
Figura 5.10 Asignando ecuación a la variable Nacimientos

Una vez entregada esta instrucción, y convenciéndonos que es la adecuada para
definir el comportamiento creciente de la Población, hacemos click en la opción OK.
Deberá aparecer el diagrama indicado en la figura 5.8, dónde ha desaparecido el
signo de interrogación sobre la variable de flujo Nacimientos.
Ahora vamos a definir la variable de flujo (de salida) Muertes, haciendo doble click
en esta variable, aparecerá una caja de diálogo similar al de la figura 5.9, y se indica
en la figura 5.11.
67
Figura 5.11 Asignando ecuación a la variable Muertes

Ahora vamos a definir las constantes Tasa de Natalidad y Tasa de Mortalidad,
quedando lo indicado en la Figura 5.12 y 5.13.
Figura 5.12 Asignando valor a la constante Tasa de Natalidad
Figura 5.13 Asignando valor a la constante Tasa de Mortalidad

Bien, ¿qué hemos hecho? La verdad es que hemos realizado un programa
computacional. En efecto, observe el icono de la Figura 5.8, y hagamos un click
en la flecha inferior, obtendremos el siguiente código computacional (figura 5.14)
68
Figura 5.14 Modelo matemático subyacente

A este nivel, hemos realizado un programa computacional que nos permitirá hacer
una simulación sobre el comportamiento de la Población. Observemos
cuidadosamente estas ecuaciones para convencernos que efectivamente
corresponden a un sistema de ecuaciones dinámicas que mostrarán la evolución a
través del tiempo del sistema dinámico que estamos modelando.
5.1.
1. En la figura 5.9, en la zona 1, observamos que una variable de flujo puede ser
Uniflow o Biflow; explique cuando se utilizaría el tipo Biflow, menciones dos
ejemplos.
2. En la Figura 5.14, se presenta el modelo matemático del caso visto, realce una
interpretación de la siguiente relación analítica:
POBLACION(t) = POBLACION(t - dt) + (NACIMIENTOS + MUERTES) * dt
SIMULANDO CON EL SOFTWARE STELLA

Vamos a enseñar como realizar simulación para el modelo que hemos realizado.
Para esto, fijémonos en el sector izquierdo de la pantalla, aparece el icono . Si
ubicamos el mouse sobre ese icono, y hacemos click con el botón izquierdo,
sobresale una ventana pequeña, en donde definiremos algunos valores necesarios
para la simulación, esto se indicada en la Figura 5.15
69
Figura 5.15 Interfaz para la simulación

Vamos a enseñar como realizar simulación para el modelo que hemos realizado.
Para esto, hacemos clic en Specs elegimos la opción “Time Specs...”, como se ve en
la figura 5.15. En esta opción vamos a determinar que el tiempo es discreto, toda
vez que la evolución de este sistema es en tiempo discreto, en rigor la unidad de
tiempo en “años”, de modo que al hacer un click en la caja de diálogo que aparece lo
completamos de la forma que lo indica la figura 5.16.
Figura 5.16 Ventana de dialogo para especificar la longitud de la simulación
70
Como se puede observar, hemos determinado un periodo entre el año 1995 y 2050,
de manera arbitraria, con un DT igual a 1, y hemos elegido la unidad de tiempo
“Years” (años). Una vez realizado esto hacemos un click en OK. Con esto volvemos
a nuestro diagrama original. Ahora bien, vamos a ver la evolución de la variable
Población mediante una gráfica, para esto hacemos un clic en el icono
arrastrándolo a un sitio conveniente, al fijarla aparecerá la siguiente caja de diálogo
que indica la Figura 5.17,
Figura 5.17 Ventana de dialogo para la gráfica del tiempo de simulación

Como podemos ver, solo en el eje vertical aparece la dimensión tiempo que hemos
indicado anteriormente al definir la “longitud de la simulación”. Para poder definir la
variable Población que queremos graficar hacemos doble click en cualquier parte
gris de este plano cartesiano. Deberá aparecer la siguiente caja de diálogo.
Figura 5.18 Ventana de dialogo para la especificación del tiempo de simulación
71
Como podemos observar, hay dos cajas principales, una que dice “Allowable”
(Accesibles), y otra titulada “Selected” (Seleccionada). Como nuestro interés es
graficar la evolución de la variable Población, es que seleccionamos esta variable
haciendo doble click a Población en la caja “Allowable”, con esto logramos entonces
que Población pase a la columna “Selected”. De momento solo elijamos esa opción
y el resto de los botones, que están por defecto lo dejamos tal cual se ve en la figura
4. Una vez realizado esto hacemos un click en OK, aquí podemos observar que el
eje Y está tabulado con la variable Población. Nuevamente nos vamos a Specs y
elegimos la opción RUN , debería aparecer una gráfica como la que indica la
Figura 5.19.
Figura 5.19 Grafica que representa la trayectoria de la Población

Finalmente si queremos ver una tabulación de los valores de una, o alguna, o todas
las variables involucradas en nuestro modelo podemos utilizar el icono , cuyo uso
es análogo al de . Trate usted de llegar al siguiente resultado en tabla como lo
indica la Figura 5.20.
72
Figura 5.20 Tabla de valores para las variables del modelo
5.2.
1. Investigar la existencia de otros programas de simulación para la Dinámica de
Sistemas y realizar un cuadro de comparación técnica de dichos programas.
Como hemos podido observar, los modelos provenientes de la Dinámica de

Sistemas representan una etapa que inmediatamente permite a los analistas
experimentar sus supuestos acerca del sistema, para ello usan la simulación por
computadora, en esta unidad se a considera los aspectos básicos mínimos para
poder realizar dichas simulaciones; sin embargo es necesario tener presente que, la
simulación por computadora, no garantiza buenas respuestas; esto es, si el modelo
esta mal concebido, por inercia la simulación nos llevara a resultados erróneos.
También necesitamos saber que con la simulación no termina todo el proceso de la
Dinámica de Sistemas, es necesario aun realizar el análisis de los resultados, para
finalmente proponer cambios en el sistema.
73
http://virtualmoodle.umanizales.edu.co/moodle/mod/resource/view.php?id=4053
http://www.uantof.cl/facultades/csbasicas/Matematicas/academicos/emartinez/Dinam
ica/manualstella/manual.html
Ya conocemos una herramienta que nos permitirá llevar a cabo la simulación, pero
aun existen temas mas avanzados en cuanto al modelado de los sistemas
dinámicos. En la siguiente unidad vamos a considerar los retrasos en los sistemas,
estera será un punto adicional que permitirá enriquecer nuestro modelado.
Uso del software de simulación – Unidad Nº 5

Usted ha sido contratado para desempeñarse como Ingeniero de Sistemas en
"AduranNet", una importante organización que se dedica a la prestación de
servicios de acceso a Internet. El Gerente General está preocupado por los
efectos de los virus en la cantidad de usuarios actuales y en las expectativas de
los futuros clientes de AduranNet
En el mundo aparecen unos doscientos nuevos virus mensuales los cuales se
difunden rápidamente a través de Internet, causando enormes daños a los
equipos, pérdidas de tiempo y dinero a las personas y a las empresas. Al menos
un nuevo virus de alta peligrosidad aparece cada mes, hasta ahora los virus han
aparecido regularmente en la primera, segunda, tercera o cuarta semana de ese
mes.
La mayoría de estos virus se distribuyen a través de la lista de correo del Outlook
Express (el gestor de correo desarrollado, y proporcionado por Microsoft. Si no lo
74
conoces, averigua un poco acerca de él), de manera que si en el mundo existen

unos 500 millones de usuarios de Internet y si consideramos que cada uno de
ellos tiene unas 40 direcciones registradas, el proceso de infección es
exponencial. La tasa de crecimiento de los usuarios de Internet es de un 12%
anual. De los nuevos usuarios, el 10% está consciente de la necesidad de utilizar
antivirus. El 90% por ciento restante debe aprender, a veces previa amarga
experiencia de pérdida de datos, que los virus y antivirus existen. Ese 90% de
usuarios tarda en promedio unos dos meses, después de hacerse usuario, en
obtener un antivirus.
Los antivirus se pueden producir muy rápidamente, una vez detectado el nuevo
virus, unas 48 horas después es liberado el antivirus por las empresas
(Symantec, Panda, McAffe, etc.). Los usuarios registrados pueden entonces
obtener la versión actualizada de la base de datos del antivirus y proteger su
equipo. La capacidad de atención para ofrecer las actualizaciones a través de
Internet alcanza a 10.000 usuarios por minuto.
Se estima que la tercera parte de los usuarios de antivirus lo actualiza
semanalmente, la otra tercera parte cada quince días y la tercera parte restante
lo actualiza cada seis semanas. De manera que el proceso de difusión, en
muchos casos depende también de que el usuario abra o no el archivo infectado
que recibe, lo que ocurre en seis de cada diez correos infectados que llegan a los
usuarios sin antivirus, o con él no actualizado. Esto depende de la formación del
usuario y del conocimiento que tenga acerca del virus y sus características, las
cuales son difundidas por servicios de alerta (ver: www.alerta-antivirus.es) y
medios de comunicación unos cinco días después de la aparición del virus. Cada
usuario le dice a 10 personas en promedio de la existencia del nuevo virus de
manera que la difusión de la existencia del virus es exponencial.
El gerente general de AduranNet estima que los virus afectan la imagen de
Internet como negocio y disminuye el atractivo para los usuarios, así que le pide
que le ayude a identificar posibles acciones que permitan a los suscriptores de
AduranNet disminuir las infecciones y las pérdidas de dinero y tiempo.
Usted comprende que el problema no es la falta de datos o de información, sino
que el problema es la complejidad dinámica del sistema y por lo tanto, es
necesario desarrollar un modelo para ilustrar la situación y conocer los efectos de
las decisiones antes de actuar en el mundo real.
Entonces, usted, reunido con el gerente general y con el conocimiento que él
posee de la situación:
75
 En primer lugar, realiza el diagrama causal.

 A partir del diagrama causal, desarrolla el diagrama Forrester.
 Luego, realiza las ecuaciones correspondientes.
 Realizar la simulación en el Stella®.

Gracias a su intervención, luego de probar el modelo y realizar simulaciones el
gerente sabe que hacer. Ahora él, y usted, tienen trabajo seguro el próximo año.
Sugerencias:
No olvide identificar e incluir en la concepción del sistema, las costumbres,
puntos de vista, modelos mentales o hábitos de las personas que pueden afectar
la dinámica del sistema.
76
77
RETRASOS EN LOS SISTEMAS

Una característica muy significativa, en la cual se debe reflexionar, en el estudio de
sistemas dinámicos son los retrasos que se originan en la transmisión de
información o de materiales a lo largo de las relaciones. Al diseñar el diagrama
causa - efecto de un sistema se debe considerar que al unir dos variables, dicha
relación puede involucrar la transmisión de información o material el cual se da en
un lapso de tiempo (retraso). Un retraso es conocido también por retardo o demora.
Para formarse una idea sobre la situación de cierto problema es necesario que
trascurra cierto tiempo antes de tomar una decisión, y una vez tomada está, debe
transcurrir algún tiempo hasta que se observen los efectos en la misma.
Los retrasos están presentes en muchos procesos. Por ejemplo, en la construcción
de departamentos, dicha construcción se llevara en un periodo de tiempo
relativamente largo y no de forma inmediata como se podría traducir al ver el
diagrama causal; por ello es necesario incluir retrasos en el modelado de algunos
sistemas.
Los retrasos pueden tener una enorme influencia en el comportamiento de un
sistema. En los bucles de realimentación positiva determinan que el crecimiento no
se produzca de forma tan rápida como cabría esperar. En los de realimentación
negativa su efecto es más patente. Su presencia puede determinar que ante la
lentitud de los resultados se tomen decisiones drásticas que conduzcan a una
oscilación del sistema.
1. Conoce el significado de los retrasos en el comportamiento de los sistemas

2. Introduce retrasos en el modelado de los sistemas dinámicos.
3. Valora el uso de retrasos y realiza análisis en base a su incorporación en los
modelos
78
RETRASOS EN LA TRANSMISIÓN DE MATERIAL

Los retrasos de materiales se originan cuando coexisten componentes en el sistema
que acumulan el material que fluye por el mismo. En la Figura 6.1, se muestra el
diagrama causal que representa un retraso de material de primer orden. El orden
viene dado por el número de niveles necesarios para la simulación del mismo. El
retraso es producido a través de la acción combinada del nivel y el flujo como se
observa en el recuadro de la Figura 6.1.
FLUJO DE
ENTRADA
- +
FLUJO DE
SALIDA MATERIAL EN
RETRASO
Figura 6.1 Diagrama Causal que representa un retraso de primer orden

Su correspondiente en el Stella se muestra en la Figura 6.2
Figura 6.2 Diagrama Forrester que representa un retraso de primer orden
79
Aquí observamos como el flujo de entrada se almacena en la variable de nivel

Material en Transito y el flujo de salida es equivalente a lo acumulado dentro del
nivel dividido por un tiempo promedio de retraso que precisamente es el encargado
de ajustar a la variable de nivel.
En el software de simulación Stella®, se cuenta con una función que permite
simplificar el diagrama presentado en la Figura 6.1. En esta nueva propuesta (Figura
6.3), la ecuación que rige el comportamiento del flujo de salida es:
flujo de salida = SMTH1 (flujo de entrada, tiempo promedio de retraso)
Figura 6.3 Diagrama Forrester simplificado

El comportamiento que generan en el sistema es el que se observa en la Figura 6.4,
6.5 y 6.6
Figura 6.4 Comportamiento de la variable de nivel
80
El
Figura 6.5 Comportamiento de la variable de flujo de entrada
Figura 6.6 Comportamiento de la variable de flujo de salida

Ejemplo 6.1: Proceso de construcción de departamentos
El modelo para la construcción de departamentos, asume que el número deseado de
apartamentos es desde 8000 a 12000. Cada año se inicia la construcción de
apartamentos y este tiene un tiempo de culminación de 4 años.
El diagrama causal inicial para este modelo se muestra en la Figura 6.7
81
+ CANTIDAD DE
DEPARTAMENTOS
DEPARTAMENTOS
DESEADOS
- +
CONSTRUCCIÓN DISCREPANCIA
Figura 6.7 Diagrama causal del proceso de construcción de departamentos

El modelado de este caso en Stella® se muestra en la Figura 6.8. Este modelo es
presentado si considerar los retrasos, por que es evidente que lo existe, desde el
inicio de la construcción del departamento, hasta que el departamento esta
concluido; es decir, el tiempo de construcción del departamento:
Figura 6.8 Diagrama de Forrester del proceso de construcción de

departamentos sin retrasos
82
Vamos a mejorar la propuesta anterior, para ello, añadimos el retraso que produce el
tiempo de construcción (figura 6.9).
Figura 6.9 Diagrama de Forrester del proceso de construcción de

departamentos con retrasos
Las ecuaciones que gobiernan este modelo se observan el la Figura 6.10
Figura 6.10 Ecuaciones para el proceso de construcción de departamentos
83
En las ecuaciones definimos Departamentos con el valor inicial de 8000. La función

STEP es utilizada para incrementar los apartamentos deseados de 8000 a 12000,
que ocurrirá en un medio año (0.5).
El gráfico de la simulación siguiente (Figura 6.11) muestra como el sistema genera
un comportamiento oscilatorio, debido al ciclo de realimentación negativo. La
variable de nivel Departamentos oscila alrededor de los 12000 y eventualmente
converge hacia este valor.
El incremento en el número de departamentos de 8000 a 12000 retrasa la demanda
bastante, de manera que el constructor tiende a tener una razón de construcción
máxima cuando la demanda esta descendiendo rápidamente.
Figura 6.11 Comportamiento oscilatorio del proceso de construcción de

departamentos
1. Realice la simulación para el siguiente caso:

SEDAM Huancayo envía los recibos por el servicio de agua potable a sus
clientes, una vez cada mes, tomando cerca de tres días para llegar por medio del
courier. La cantidad de de recibos que en vía es de 15000. La razón de envió
84
esta dado por la siguiente función PULSE (l5000, l, 0). Deberá presentar el
diagrama causal y la simulación en el Stella
RETRASOS EN LA TRANSMISIÓN DE INFORMACIÓN

Este tipo de retrasos resulta de la necesidad de conservar y almacenar información
del sistema antes de tomar una decisión.
Los retrasos en la transmisión de información actúan como filtros que son capaces
de aislar los picos que presenta la evolución de una variable (Figura 6.12), tomando
un valor promedio de la misma.
Al promediarse ponderaran los datos disponibles de manera que los más recientes
influyan significativamente en los más antiguos.
ENTRADA
SALIDA
Figura 6.12 Gráfica de filtración de la transmisión de la información
Normalmente la información empleada para tomar decisiones con lleva a

irregularidades debido a errores, comportamientos individuales o de grupo, periodos
no uniformes, intermitencias, etc. Estas irregularidades se deben filtrar para
determinar las variaciones significativas subyacentes. El proceso para lograr esto es
llamado proceso de promedio o aislado. Este proceso elimina el ruido de alta
frecuencia e introduce retrasos en la transmisión de la información. En cualquier
proceso aislado se debe establecer un compromiso entre realizar un aislado intenso
para reducir el ruido significativo, a costa de un retraso importante o de un aislado
menor que arrastrara a un cierto ruido, pero con un tiempo de retraso mucho menor
Veamos un ejemplo de sistemas en donde se presentan retrasos de información, el
proceso en este sistema consiste en hacer llegar un mensaje a un grupo de
personas, este evento se simulara con la función especial Smth (suavización)
85
La Figura 6.13 muestra el diagrama de Forrester en donde se consideran dos

niveles y tres flujos la variable de flujo FSB será la que considera la función especial
y esta es igual a SMTH1(llegada, tr1)
Figura 6.13 Retraso en la transmisión de información

La simulación de este evento se presenta en la Figura 6.14 en donde sé vario el
parámetro de tiempo de recepción de 0.8 y 0.5 minutos para que llegara el mensaje
a las personas.
Figura 6.14 Retrasos en la información
86
REGLAS PARA APLICAR RETRASOS

La introducción de retrasos en la dinámica de sistemas sólo esta justificada por la
bondad de los resultados finales que desde un punto de vista práctico se alcanza
con ellos. Para lograr una correcta utilización de los retrasos es necesaria la
utilización de ciertas reglas prácticas basadas en la experiencia.
Estas son:
 Cuando incluir un retraso: Se debe de hacer siempre que el tiempo de ajuste
este comprendido entre 1/20 y 10 veces el horizonte temporal del modelo.
 Selección del orden del sistema: Se debe seleccionar de primer orden si el
retraso responde inmediatamente a un cambio en el flujo de entrada. Por otro
lado si lo que se requiere es un cierto tiempo para que la salida responda, debe
usarse un retraso de hasta tercer orden. Se debe considerar que el orden de un
retraso tiene normalmente poco efecto en el comportamiento del modelo. La
variable más importante que caracteriza a un retraso es el tiempo de ajuste, el
cual es el tiempo medio empleado en un retraso material o de información.
1. En base a la Autoevaluación de la unidad 5, incorpore algunos retrasos y

rediseñe su modelo original, con estos nuevos cambios y haga un cuadro de
comparación técnica que refleja la diferencia entre los dos modelos (con retrasos
y sin retrasos)
Lo importante de esta unidad, se centra en la incorporación y la valides que tiene la

inserción de los retrasos en el modelo dinámico. Se vio la existencia de dos tipos de
retrasos: el de materiales y el de información; cada uno de ellos tienen sus
respectivas aplicaciones, solo queda decir que es necesario un análisis concienzudo
para saber cuando y donde incorporarlos, para ello también se menciono algunas
reglas que ayudaran a realizar este análisis.
87
J. Aracil y F. Gordillo. “Dinámica de sistemas”. Alianza Editorial, 1997.

M. Glick and T. Duhon. “Generic structures: S-shaped growth I”. Massachussets
Institute of Technology, 1994.
J. Martín. “Teoría y ejercicios prácticos de Dinámica de Sistemas”.
http://www.itson.mx/dii/elagarda/apagina2001/Dinamica/retrasos.htm
Incorporado los retrasos en el modelo, viene a la mente un par de preguntas ¿Qué

tan bueno es mi modelo?; ¿Cómo implantar cambios acertados en el sistema que
estoy modelando?, la siguiente unidad se encarga de dar respuesta a estas
interrogantes.
Retrasos en los sistemas – Unidad Nº 6

Dado el siguiente caso:
El proceso de Admisión de la UPLA se vale de la publicidad, para incorporar la
mayor cantidad de postulantes al examen de admisión y de esta manera
mediante la captación de nuevos alumnos. En este proceso se puede observar la
presencia de dos retrasos de información, el primero se produce entre el tiempo
de publicidad y de inscripción de los postulantes, por que los postulantes no se
inscriben inmediatamente luego de haber incrementado la publicidad. Además,
supongamos que necesitamos conocer el promedio de las inscripciones de las
dos últimas semanas, el cual determina el monto a gastar en publicidad,
existiendo otro retraso de información.
Para invertir en publicidad se gastará el 10% de los ingresos. Además se
incrementará las inscripciones en 500/semana para la siguiente semana.
 En primer lugar, realiza el diagrama causal.
 A partir del diagrama causal, desarrolla el diagrama Forrester.
Luego, realiza las ecuaciones correspondientes y presentar la simulación en el Stella
88
89
SIGNIFICANCIA Y ANÁLISIS DE MODELOS DINÁMICOS
¿Y ahora que sigue? Realizada la simulación y antes de analizar los resultados es

necesario validar el modelo, esto implica realizar una revisión del modelo propuesto,
ver si cumple con los parámetros de aceptación, es necesario en esta etapa
nuevamente contar con la opinión de un experto en el tema, de tal manera que el
modelo refleje acertadamente la realidad que esta representando. Si se cuanta con
data histórica, deberíamos probar con dichos valores y lograr darle significancia al
modelo.
Bien, una vez validado el modelo, es hora de implantar políticas, es decir tomar
decisiones para cambiar el comportamiento del sistema real, primero simulando y
viendo posibles resultados y luego trasladando esas pruebas a cuestiones reales.
Esta unidad abarca estos temas de gran relevancia en conclusión del proyecto; el
analista de sistemas, debe entregar las conclusiones y las sugerencias a seguir una
ves concluido el proceso de simulación, vamos a dar pautas que le ayuden a esta
labor tan importante.
1. Comprende la importancia de los modelos de procesos de software.

2. Reconoce a RUP como un marco de trabajo genérico para una gran variedad de
sistemas de software.
SIGNIFICANCIA
La significancia de un modelo va de acorde al propósito para el cual fue creado. Un
modelo es adecuando si el resultado que ofrece es lo que se esperaba de él. Esto
quiere decir que si la significancia del modelo no esta acompañada por el objetivo,
establecido al inicio del modelado, no presenta valides alguna. Significancia es que
el modelo represente a la situación real considerando las variables significativas, es
decir, no tiene que ver la cantidad si no la calidad de las variables, por ejemplo si
90
nuestro modelo presenta 100 variables será difícil buscar puntos (variables) de
apalancamiento para realizar cambios significativos, por eso se debe estudiar y
analizar detenidamente las variables que se incluirán en el modelo.
Vamos a dar a conocer algunos criterios a tomar en cuenta para poder valorar la
utilidad de un modelo dinámico:
 El tiempo de construcción del modelo, se debe evaluar si el tiempo de
construcción y simulación del modelo es adecuado ya que existe una proporción
entre tiempo y costo.
 Posibilidad de obtener arquetipos sistémicos, a partir del modelo creado, esto en
concordancia con uno de los principios de la Teoría General de Sistemas; dichos
arquetipos nos servirán para futuros proyectos que presenten similar
comportamiento.
 La probabilidad de incluir aspectos no lineales en el modelo, incluir retrasos y
variables significativas.
 Que el modelo pueda ser analizado por personas especialistas en el tema y que
estos acrediten la debida significancia al modelo
 Que el modelo pueda ser simulado en diferentes periodos de tiempo
 Que le modelo incorpore la posibilidad de realizar procesos de ingeniería inversa,
de tal manera que al implantar cambios posteriores estos puedan ser reflejados
en los modelos iniciales.
 Que el modelo caracterice el comportamiento que se pretende percibir y que
finalmente permita realizar los respectivos cambios.
 Que el modelo contenga variables de apalancamiento; de tal forma que puedan
modificarse su valor y obtener cambios significativos en todo el modelo
 Que los cambios que se deseen implantar puedan darse de forma rápida.
 Que el modelo pueda ser validado en base a los datos históricos con los que se
cuenta.
 Que al observar el modelo y se compare con la situación real exista un grado de

semejanza alto.
 Que el modelo permita realizar análisis de sensibilidad de forma mecánica así
como de aplicar técnicas de optimización en el espacio de los parámetros.
91
 Que las variables identificadas en el modelo tengan un respaldo cuantitativo y se

pueda encontrar información sobre estas en el mundo real.
ANÁLISIS DE SENSIBILIDAD DEL MODELO DINÁMICO

La realidad a la cual nos enfrentamos al modelar los sistemas, es que, en algunos
casos, estos presentan relaciones y variables de las cuales no disponemos mucha
información. Recordemos que el punto de partida es a través de enunciados que
normalmente dan referencia a parámetros cualitativos y que luego debemos
trasfórmalos a aspectos cuantitativos. Este proceso puede causar serios problemas.
En algún momento inevitablemente encontraremos enunciados que no puedan ser
expresados de forma cuantitativa. El acto de asignar valores numéricos o
ecuaciones matemáticas a una variable, nos lleva a preguntarnos que tan certeros
son esos valores, que pasara si no son los adecuados. Bien, es por ello que el
proceso de análisis de sensibilidad, encargado de hacer frente a esas dificultades,
se aborda en esta sección.
Un motivo adicional que invita a realizar análisis de sensibilidad, es la complejidad
de algunos modelos, ya que su entendimiento podría resultar dificultoso. El análisis
de sensibilidad aportará herramientas que permiten dilucidar cuales son aquellos
puntos de apalancamiento que permitan producir cambios significativos
Mediante el análisis de sensibilidad, vamos a estudiar los cambios que se presentan
en los resultados a partir de los valores que asumen las variables del modelo. Una
forma sencilla de realizar este análisis es modificando los valores de la variable que
nos interesa analizar, para ello incrementamos la variable en un cierto porcentaje y
observamos como varía el comportamiento global del modelo, esto es que
trayectorias se modifican y cuales permaneces inalterables ante dichos cambios.
Efectuándolo sistémicamente para todas las variables, con aumentos y
disminuciones preestablecidas, se puede tener una evaluación completa de los
efectos de las variables sobre el modelo. Con esto, lograremos clasificar a las
variables en significativas y en poco relevantes.
Este tipo de análisis presenta una gran debilidad, ya que examinar las variables de
forma individual relega los efectos de variaciones conjuntas que varios de ellos
presentan (propiedades emergentes). Para superar este inconveniente, tenemos que
valernos de métodos mas elaborados y aquí entra a tallar algunos algoritmos
matemáticos y estocásticos como podría ser el método de Montecarlo, siguiendo
este método, se elije aleatoriamente valores para las variables siguiendo una
distribución que represente adecuadamente su dispersión en base a las variables
normales y con estas especificaciones se da inicio a la simulación. Este proceso es
92
cíclico hasta conseguir un número significativo de iteraciones y que luego son

analizadas estadísticamente para observar la dispersión que presentan. Dicha
dispersión representara un indicador de sensibilidad del modelo.
Cuando hablamos de análisis de sensibilidad no solo nos abocamos al modificar los
valores de las variables, también analizamos las relaciones existentes en el modelo.
Modificar las relaciones resulta mucho más complicado que el cambio de valores en
las variables; no existe un método que aborde esta situación, se debe trabajar según
el caso específico y abordarlo de forma individual cuando la necesidad se presente.
Realizar el análisis de sensibilidad constituye un punto neurálgico dentro de la
evaluación del modelo. Permite dar respuesta a dos tipos de cuestionamiento: por
una parte, en qué medida el modelo es insensible a variaciones en su estructura y,
por tanto, resulta robusto; y, por otra, cuales son los puntos de apalancamiento que
nos indican donde debemos realizar los cambios más significativos.
7.1
1. Nuevamente utilice el ejemplo de la Autoevaluación de la unidad 5, el caso de los
virus en Internet; en vista que el caso ya esta implementado y simulado:
 Realice una evaluación del modelo en base a los criterios de significancia.
 Realice un análisis de sensibilidad con le método mas sencillo expuesto en
líneas anteriores y determine cuales son las variables que podrían
comportarse como puntos de apalancamiento.
IMPLANTACIÓN DE POLÍTICAS EN EL SISTEMA

Una vez modelado y simulado el sistema, es momento de valernos del conocimiento
de la estructura y las reglas que guían su comportamiento. En este punto,
necesitamos conocer quien y como se toman las decisiones, una técnica que nos
ayudara serán las entrevistas. Las afirmaciones que sustentan las razones que
conllevan a la toma de decisiones representan las políticas que rigen ciertas
acciones. Un modelo dinámico esta constituido por estructuras de políticas en
constante interacción. Las políticas decretan las decisiones del día a día, son la
origen de las acciones.
Cuando entrevistemos a las personas, debemos tener en cuenta que estas serán
muy largas y detalladas, orientadas a muchos individuos, el objetivo detrás de estas,
93
es buscar los intereses particulares y los focos de poder; debemos captar todo
aquello que se realiza para resolver los problemas en los que esta inmersa la
organización.
A través de la interacción con los gerentes, podemos hallar las reglas explicitas que
gobiernan las decisiones. Afortunadamente con las entrevistas sale a relucir el
comportamiento de las personas cuando estas toman decisiones, se da una
apreciación sobre como los demás enfrentan esta situación. Encontramos similitudes
en la descripción de las políticas que rigen la organización.
Resumido todo esto en un informe, es momento de representar estas descripciones
en el modelo de simulación. Este modelo permitirá representar el papel de cada
punto de decisión presente en el sistema. Entra a tallar en este momento el análisis
de sensibilidad en cada punto de decisión y la aplicación de las diferentes técnicas
que el análisis encierra.
Ahora bien, la naturaleza compleja de los sistemas dinámicos se traslada al modelo,
de tal forma que el modelo reproduce las mismas dificultades que experimenta el
sistema real. Estas dificultades son las consecuencias secundarias que acarrean la
implantación de políticas, agravando incluso el problema y llegando a tener un
comportamiento en espiral descendente.
Mediante el modelado, podemos descubrir ciertos comportamientos repetitivos
presentes en casi todos los sistemas. Por mencionar algunos:
 La mayor parte de los problemas presentes en los sistemas son de origen interno
y se dedican la mayor cantidad de recursos a los problemas externos.
 Al tratar de resolver los problemas, normalmente se atacan las situaciones
sintomáticas y esto en muchos casos agrava el problema raíz.
 La abundante información que se dispone en nuestros tiempos, garantiza el éxito

del modelado, o por lo menos un buen respaldo.
Predicciones y estrategias
Es evidente que una de las funciones principales de la Dinámica de Sistemas es
proporcionar conocimientos a los que toman decisiones, referentes a las
consecuencias de líneas de acción o inacción. Las decisiones racionales se basan
en proyecciones y trayectorias. El analista debería poder prever la dirección de las
consecuencias de los cambios en las variables de nivel, de flujo y el tiempo de
demora promedio entre la aplicación y las consecuencias. También sería muy
esperado saber algo acerca de la magnitud de las consecuencias
94
Las proyecciones obtenidas de un modelo simulado en el computador están

basadas en el conocimiento de las relaciones existentes entre las variables,
obtenidas de la praxis pasada y presente. El enfoque es sistemático y esta en
constante aprendizaje, expone hipótesis basados en las relaciones de las variables,
y las confronta con nuevas experiencias. Sólo el modelo nos ofrece la posibilidad de
probar varias hipótesis sin causar daños en el sistema real. El modelo de simulación
por ordenador ofrece la oportunidad de poner a prueba cuestiones relativas a las
estructuras y la organización, la estrategia y las tácticas, y la política y los
procedimientos.
Promesa del enfoque sistémico
Hemos llegado finalmente a la desagradable conclusión que la civilización mundial
es un sistema que está siendo frenado por su propia ineficacia. El sistema funciona
a través de un conjunto de instituciones que eran bastante adecuadas en una era
más tranquila. Pero ahora sus tiempos de respuesta ya no se corresponden a la
frecuencia de las perturbaciones, y nuestros sistemas a todos los niveles de
gobierno están diseñados en realidad para producir salidas desechables.
Cuando el desarrollo, el control de nuestro destino, se considera en términos de
sistemas, desaparece parte de la complejidad sorprendente de nuestro mundo,
ciudades y regiones. Los objetivos amplios y subjetívos de nuestro desarrollo
parecen encontrar significado con el concepto de entropía. Mientras que el
desarrollo en este contexto es la maximización de la entropía negativa, esto no es
una aplicación de una ley física, sino simplemente un método de razonamiento que
nos ayuda a conocer fo que debe hacerse. Debemos diseñar de nuevo nuestras
instituciones, porque los distintos conocimientos que se necesitan para gobernar el
mundo, una nación, o incluso una gran ciudad, no los posee ningún individuo, ya sea
primer ministro, presidente, secretario de partido, gobernador, alcaide, diputado,
economista, ingeniero o sacerdote.
Mientras que es posible que los expertos comprendan bastante bien partes de los
sistemas de desarrollo, el establecimiento de algunas de las relaciones mutuas que
hay entre ellos de una manera internamente consistente es imposible sin recurrir a
una técnica formal. Los sistemas de desarrollo están integrados por muchos bucles
de realimentación con retardos, efectos no lineales, y ruido en los canales de
comunicación, por lo que su comportamiento no puede preverse estudiando
porciones aisladas de forma secuencial. Estas dificultades se multiplican cuando es
preciso considerar la formulación de las políticas y sus impactos.
95
Si hemos de relacionar entre sí e interpretar nuestras observaciones del proceso de

desarrollo, necesitaremos una estructura integradora. En la actualidad, la técnica
política óptima se puede describir como una mezcla de fragmentos de
observaciones hechas por expertos muy especializados que no se comunican entre
sí, y por las intuiciones políticas convencionales de los burócratas. Nuestra hipótesis
es que la ingeniería de sistemas puede hacer lo mismo para los problemas de
desarrollo que lo que ha hecho para los sistemas industriales: elaborar una teoría de
sistemas tan general y tan equilibrada como para tener una amplia aplicación en el
proceso. Si se acepta esta hipótesis, entonces
la dinámica del desarrollo proporcionará un marco conceptual muy deseable para
llevar a cabo lo siguiente: (1) superar las barreras artificiales que separan los
distintos sectores del desarrollo, transporte, agricultura, industria, etc.; (2) tratar los
problemas que van desde el nivel hombre-máquina, hasta el nivel del sistema
SaTEP (socialtecnológico-económico-político); y (3) transmitir a los profesionales,
educadores y estudiantes una mayor capacidad de comunicación interdisciplinar La
premisa es que existe un núcleo común de elementos, principios, variables
controladas, variables sin controlar, objetivos y estrategias que están presentes en
todos los problemas que son independientes de geografía, cultura, economía y
dogma.
Con nuestros conocimientos, es perfectamente posible mejorar nuestros modelos
mentales para análisis y planificación. Quizá el obstáculo mayor para la aplicación
del enfoque sistémico a la gestión del futuro es la enajenación actual que existe
contra la ciencia y la tecnología. Ningún sistema físico para guiar el destino de miles
de personas, y con un costo de miles de millones de dólares, se debería diseñar sin
desarrollar primero un modelo del mismo. No obstante, se planifican, diseñan y
operan sistemas de desarrollo continuamente, sin que se lleven a cabo pruebas de
sus posibles consecuencias.
Deben establecerse instituciones experimentales para realizar pruebas de
decisiones políticas, las cuales pueden considerarse como software, del mismo
modo que tenemos laboratorios para llevar a cabo ensayos del hardware. Para esto
sólo se precisa un equipo reducido y ninguna clase de burocracia.
96
7.2
1. En vista que ya valido y analizó el modelo de “Virus en Internet”; sugiera 5
medidas que cambien el estado crítico por el cual esta pasando “AduranNet”;
sustente sus respuesta tomado en cuenta al modelo plantado.
El ingeniero de sistemas sabe que su labor no es predecir el futuro, sino hacerlo

posible. El desarrollo de escenarios en los que se usan diagramas causales y
modelos matemáticos no consiste en predecir el futuro, sino en describir el presente
con una comprensión tal que podamos: (1) describir el futuro que deseamos a partir
de todos los otros objetivos del desarrollo; y (2) decidir como lo lograremos (el
proceso de desarrollo).
El enfoque sistémico aplicable al desarrollo sostenido es un método experimental.
Implica experimentar con distintas políticas, antes de que sean puestas en práctica,
en vez de experimentarlas sobre una nación y descubrir al cabo de veinte años que
eran políticas equivocadas. El uso del enfoque sistémico para representar los
problemas del desarrollo tiene una consecuencia importante. Supone el fin de la
inocencia, ya que un modelo formal y lógico es más fácil de criticar que algo más
difuso como pueda ser un programa político.
Halloran ME. Concept of Infectious Disease in Epidemiology (ch. 27). In: Rothman
KJ, Greenland S. (eds). Modern Epidemiology. Philadelphia: Lippincott-Raven. 1998.
Anderson R, Nokes DJ. Mathematical models of transmission and control (ch.6.14).
In: Detels R, McEwen J, Beaglehole R and Tanaka H.(eds). Oxford Textbook of
Public Health. New York: Oxford University Press. Fourth edition Volume 2. 2002.
97
Significancia y análisis de modelos dinámicos – Unidad Nº 7

1. Recordando el caso presentado en la Autoevaluacion de la unidad 3:
La interacción, que ocurre en el mar, entre tiburones y pequeños peces que
pertenecen a la dieta de los tiburones. El área se supone acotada de tal manera
que el cruce migratorio no es posible, al menos no tiene ningún efecto mayor.
Se asume que los pescadores se abstienen de pescar a los peces (que se
alimentan de plancton) por un par de años entonces se debiera esperar que esta
población de peces crezca en tamaño. Una vez que haya crecido, los tiburones
deberían tener suficiente alimento para sostener una gran población de
tiburones. Entonces la población de tiburones debería aumentar, y en un tiempo
corto plantear un severo trato a los peces. Eventualmente la población de peces
debería disminuir. Una vez que la población de peces haya disminuido en
número, los tiburones no podrán sostener su gran población y deberá disminuir
su población. Esto permitirá a su vez que la población de peces vuelva al tamaño
de la población original. Es posible que este proceso continúe indefinidamente,
en cuyo caso el ecosistema consistirá en una población de variación periódica.
 Realice la respectiva simulación;
 Valide y realice análisis de sensibilidad al modelo

 Finalmente sugiera políticas a aplicar para mejorar la situación presente.
98
99
TÓPICOS AVANZADOS Y DESARROLLO DE CASOS

Es evidente que hemos completado el proceso básico sugerido por la Dinámica de
Sistemas, para le tratamiento de sistemas complejos, sin embargo aun quedan
temas que por su complejidad, tamaño y variedad, no han sido mencionados aun.
En esta ultima unidad abordaremos de forma breve pero clara estos conceptos
avanzados de tal forma que queden referencias, he inviten a los señores estudiante
a investigar y ampliar horizontes
En el desarrollo de las unidades previas, dejamos inconclusos algunos ejemplos, en
esta unidad completaremos su modelado, de tal forma que se tenga casos
completos de referencia
Identifica los procesos de negocio y quienes participan

1. describe el flujo de trabajo mediante diagramas de actividades
2. Usa el CASE Racional rose para la implementación de su modelado
REALIMENTACIÓN NEGATIVA DE SEGUNDO ORDEN

Tanto los bucles de realimentación positiva, como los de realimentación negativa de
primer orden, generan una respuesta en el tiempo de forma exponencial. En cambio
los bucles de realimentación negativa de segundo orden o de mayor, pueden
generar un comportamiento sinusoidal.
Inicialmente, examinaremos el comportamiento de un sistema de realimentación
negativa de segundo orden mediante un ejemplo:
Ejemplo 8.1: Modelo del Tren Gravitacional Tubular
Con el logro de velocidades más elevadas en los sistemas de transporte terrestre,
aumentan los problemas de seguridad, de contaminación medioambiental y de
obtención de derechos de paso. Estos problemas podrían solventarse con el
concepto del Tren Gravitacional Tubular, en el que una cápsula viajaría por un tubo
muy por debajo de la superficie de la Tierra. La gravedad aceleraría o desaceleraría
100
la cápsula. Para ilustrar el concepto, supongamos que Lima y Huancayo están

conectados por un tubo dentro de un túnel construido sobre una cuerda a través de
la Tierra. Las ecuaciones de movimiento escritas en Stella para el sistema con la
cápsula inicialmente en Lima están en la Figura 8.1(c). El diagrama causal
correspondiente está representado en la Figura 8.1(a), y el correspondiente
diagrama de Forrester en la Figura 8.1(c).
+
CAMBIO POSICIÓN DE
DE LA CAPSULA
Ó
+
-
VELOCIDAD DE ACELERACIÓN
LA CAPSULA DE LA
+ - +
RADIO ACELERACIÓN
TERRESTRE DE
Figura 8.1(a) Diagrama Causal del modelo del tren gravitacional tubular
Figura 8.1(b) Diagrama de Forrester del modelo del tren gravitacional tubular
101
Figura 8.1(c) Ecuaciones del modelo dinámico del tren gravitacional tubular
En este modelo, es evidente que los valores de equilibrio de las variables de nivel (la
posición y velocidad de la cápsula) son iguales a cero, y que ambas variables
pueden tomar valores positivos y negativos si no están en equilibrio. Esta es una
característica que raramente existe fuera del ámbito de los sistemas mecánicos. En
la mayoría de los sistemas del mundo real, es mucho más frecuente que los valores
de equilibrio de los niveles tengan valores positivos con fluctuaciones que nunca
caen por debajo de cero. Para lograr este tipo de comportamiento, un sistema de
realimentación negativa de segundo orden debe tener un “rate-out” (tasa de salida)
referente a uno de los niveles.
REALIMENTACIÓN POSITIVA DE SEGUNDO ORDEN

Como vimos en los ciclos de realimentación positiva de primer orden (unidad 3); las
variables que interactúan se realimentan entre si y causan el comportamiento
exponencial creciente o decreciente. Cada variable estimula la respuesta de la otra.
En la historia humana siempre ha estado latente el debate constante sobre las
causas de la guerra. Una teoría atribuye las guerras al armamento. Otra teoría
opuesta dice que el armamento sólo es un síntoma del conflicto de ambiciones e
ideales. Vamos a ver el comportamiento de un ciclo de realimentación positiva de
segundo orden mediante el planteamiento de la siguiente hipótesis militar.
102
Ejemplo 8.2: Modelo del proceso de guerra entre dos países

Este ejemplo, basa su discusión en parte de la historia de nuestro país (aun que
todo es hipotético) desde el momento del conflicto hasta el combate, a una “guerra
caliente”. El ejército peruano, que tiene 10000 soldados, está a punto de atacar al
ejército chileno, que sólo tiene 5000 soldados. Sin embargo el ejercito chileno tiene
un equipo militar superior, lo que hace que cada soldado Chile sea 1,5 veces más
efectivo que un soldado peruano. La Figura 8.2(a) contiene el modelo visual, la
figura 8.2 (b) el modelo matemático y la Figura 8.2 (c) el comportamiento simulado
del modelo. Vemos que nuestro Modelo de Batalla es de realimentación positiva de
segundo orden, nuestro modelo genera decrecimiento exponencial de las dos
variables de nivel. Este modelo de realimentación positiva de segundo orden
contiene «rates-out» (tasas de salida) en vez de «rates-in» (tasas de entrada), se
llama modelo de atrición.
Figura 8.2(a) Diagrama de Forrester del modelo del proceso de guerra
103
Figura 8.2 (b) Modelo matemático del proceso de guerra
Figura 8.2 (c) Comportamiento simulado del proceso de guerra
104
8.1.
1. Consideremos el Modelo de Oferta-Demanda. El índice de Producción, PR,
aumenta el Inventario, 1, y el índice de Consumo, CR, lo disminuye. El índice de
Producción es una fracción de la Capacidad de Producción, PC. El índice de
Cambio de Capacidad, CCR, aumenta (o disminuye) la Capacidad de
Producción. El índice de Cambio de Capacidad es una respuesta a la diferencia
entre el Inventario Deseado, DI, y el Inventario real, 1. Vamos a suponer que la
capacidad de producción se determina por el número de trabajadores
multiplicado por la producción por trabajador Las fluctuaciones en la capacidad
de producción corresponden a la contratación y despido de trabajadores, o a las
horas extras seguidas por un recorte de horas.
Para el planteamiento de los valores iniciales del modelo, realice investigación de
valores dados en el mercado peruano y haga referencia a sus fuentes.
Realice todos los pasos que sugiere la dinámica de sistemas, incluido análisis de
sensibilidad y validación
DESARROLLO DE CASOS
Ejemplo 8.3: Modelo de control de almacenamiento de agua.
Vamos a considerar un depósito como los que pueden ser utilizados en una ciudad
pequeña. El depósito se llena mediante cañerías que provienen de una estación de
bombeo, y a su vez da agua a la ciudad a través de una red de distribución. El
tanque del depósito tiene un área de 750 metros cuadrados y una altura de 9
metros, con una capacidad de almacenamiento de 6750 metros cúbicos. Se
considera que una altura de agua de 7.5 metros es conveniente para el
almacenamiento de emergencia y para garantizar una presión adecuada en las
redes de distribución. El depósito está provisto de un sistema automático de control
para regular el flujo de entrada, de forma que la discrepancia entre la altura real y la
deseada estaría conectada a una constante de tiempo igual a diez minutos. Se
supone que el ritmo de salida es una constante igual a 500 metros cúbicos por
minuto. Inicialmente el depósito tiene una altura de dos metros. (Referencia Unidad
3; Ejemplo 3.1).
105
Figura 8.3 (a) Diagrama de Forrester del modelo de control de almacenamiento

de agua
Figura 8.3 (b) Modelo matemático del proceso de control de almacenamiento

de agua
106
Figura 8.3 (c) Comportamiento simulado DEL proceso de control de

almacenamiento de agua
Ejemplo 8.4: El Modelo de Crecimiento de Autopistas.
Aunque el crecimiento del transporte por autopista es un fenómeno mundial, es de
especial interés en los Estados Unidos porque es el resultado lógico de la creación
de un fondo reservado para autopistas, en el que todos los ingresos de las
autopistas deben ser utilizados para el mantenimiento y construcción de éstas.
Considérese la siguiente descripción verbal del modelo:
Las Autopistas, son incrementadas por la Construcción de Autopistas y reducidas
por el Abandono de Autopistas. Dicho abandono esta dado por una constante C,
pero la Construcción de Autopistas se incrementa cuando aumentan los Ingresos
que provienen de las Autopistas y baja cuando aumenta los Costes de Construcción
CC. El Ingreso varía directamente con la cantidad de Autopistas, con los Ingresos
Generados por Vehículo/Milla y con el Volumen Anual de Tráfico. (Referencia
Unidad 3; Ejemplo 3.2).
107
Figura 8.4 (a) Diagrama de Forrester del Modelo de Crecimiento de Autopistas
Figura 8.4 (b) Modelo matemático del proceso de Crecimiento de Autopistas
108
Figura 8.4 (c) Comportamiento simulado del proceso de Crecimiento de

Autopistas
1. Desarrollados los ejemplos 8.1, 8.2, 8.3 y 8.4, sugiera soluciones a esos casos;
sustente sus respuestas tomado en cuenta al modelo plantado.
Esta última unidad ha tenido la intención de mostrar temas que denotan mayor
complejidad, evidentemente quedan pendientes algunos detalles que serna parte de
las investigaciones propias de la labor universitaria; se ha incluido ciclos de
realimentación que presentan grados mas complejos; por ello implican mas análisis
y tiempo en su desarrollo.
También se ha querido dar solución completa a los problemas planteados en
unidades anteriores, tal y como se había convenido, de tal forma que los estudiantes
puedan hacer un seguimiento completo a los casos.
109
Drew, D. R. and C. Hsieh, A Systems View of Development:

Methodology of Systems Engineering and Management, Cheng Yang Publishing Co.,
Taipei, 1984.
Drew, D. R., The Growth Shapers: infrastructure induced Qevelopment, Systems
Modeis for Decision Making Chapter 5, ed. by N. Sharif and R Abulbhan, Asian
institute of Technology, Bangkok, May 1978.
UML – Unidad Nº 8
1. Para le caso de Madres Adolescentes que se vive en el Perú; desarrolle un
110

Dinamica de Sistemas PDF

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

Dinamica de Sistemas PDF

Cargado por

Copyright:

Formatos disponibles

Excelencia Académica

ANÁLISIS DE SISTEMAS DE REALIMENTACIÓN

DIAGRAMA DE FORRESTER Y MODELOS MATEMÁTICOS

USO DEL SOFTWARE DE SIMULACIÓN

RETRASOS EN LOS SISTEMAS

SIGNIFICANCIA Y ANÁLISIS DE MODELOS DINÁMICOS

TÓPICOS AVANZADOS Y DESARROLLO DE CASOS

UNIDAD TEMÁTICA N° 01:

INTRODUCCIÓN ALA DINÁMICA DE SISTEMAS 9

UNIDAD TEMÁTICA N° 02:

UNIDAD TEMÁTICA N° 03:

ANÁLISIS DE SISTEMAS DE REALIMENTACIÓN

Diagrama de Forrester y Modelos Matemáticos

Uso del Software de Simulación

Paseando por el Stella 59

Simulando con el Software Stella 60

Retrasos en los Sistemas

Retrasos en la Transmisión de Material 75

Significancia y Análisis de Modelos Dinámicos

Tópicos Avanzados y Desarrollo de Casos

Realimentación Negativa de Segundo Orden 99

INTRODUCCIÓN ALA DINÁMICA DE SISTEMAS

Al terminar el estudio de la presente unidad, el estudiante:

 Describe las características y elementos de los sistemas

 Conoce la historia y precedentes de la Dinámica de Sistemas.

 Entiende el concepto de Dinámica de Sistemas

 El concepto de partes formando un todo global.

 La presencia del exterior influenciando en el sistema.

 El surgimiento de nuevas propiedades, resultado de las interrelaciones de las

Figura 1.1. Visión sistémica

CARACTERÍSTICAS DE LOS SISTEMAS

2. Entropía.- Predisposición que tienen los sistemas al deterioro o desintegración,

CLASIFICACIÓN DE LOS SISTEMAS

 Sistemas cerrados: Se caracteriza porque no tiene capacidad de cambio por si

 Sistemas temporales: Duran cierto periodo de tiempo y posteriormente

 Sistemas no estables: No siempre es constante y cambia o se ajusta al tiempo

 Sistemas adaptativos: Reaccionan con su ambiente, mejora su funcionamiento,

 Sistemas determinísticos: Interactúan en forma predecible.

 Sistemas probabilísticos: Presentan incertidumbre.

 Subsistemas: Sistemas más pequeños incorporados al sistema original.

 Supersistemas: Sistemas extremadamente grandes y complejos, que pueden

1. En sus propias palabras defina lo que es un sistema.

¿QUÉ ES UN SISTEMA DINÁMICO?

Tipos de sistemas dinámicos

, donde t denota los pasos discretos del tiempo y x es la

, donde x es la variable que cambia con el tiempo t. La variable

Sistemas lineales y no lineales

Si se conocen dos soluciones para un sistema lineal, la suma de ellas es también

COMO NACE LA DINÁMICA DE SISTEMAS

Forrester nació en 1918 en Nebraska, EUA, y después de haber obtenido el título de

Figura 1.2. Jay W. Forrester

disponga de informaciones cuantitativas de la evolución del sistema real en el

1. Cuales son las características de un Sistema Dinámico.

En esta primera unidad, hemos recordado lo que es un sistema, llegando a la

Forrester, J. W., Principies of Systems, Wright-AIIen Press, Inc., Cambridge,

La siguiente unidad se encarga de abordar aspectos del modelado de los sistemas,

Introducción ala Dinámica de Sistemas – Unidad Nº 1

1. Entiende la importancia de planificar, plasmar y desarrollar modelos de sistemas.

EL DESARROLLO DE MODELOS DE SISTEMAS

Los modelos matemáticos son “simbólicos”, ya que para describir un sistema

Figura 2.1 Modelos Mentales

DESARROLLO DE DIAGRAMAS CAUSALES

relaciones causa-efecto. Una herramienta importante para mostrar interacciones