Documentos de Académico
Documentos de Profesional
Documentos de Cultura
236 PDF
236 PDF
Construyendo modelos
Introducción
2
La simulación por ordenador requiere dos tipos de actividad diferentes. La primera
de ellas es la construcción del modelo, se trata de la fase de modelado. La segunda tarea
consiste en la introducción del modelo en el ordenador y en la explotación del mismo de
acuerdo con los objetivos que indicaron su construcción. Se trata de la fase de
simulación propiamente dicha. Aunque ambas fases estén siempre presentes en todo
proceso de simulación por ordenador, deseamos destacar una importante diferencia
relativa al énfasis, a la importancia que se le asigna a cada una de estas dos fases, en
función de los intereses concretos del investigador que recurre a la simulación por
ordenador.
Por el contrario, el modelador que trabaja con Dinámica de Sistemas tiene para
con los modelos que produce una relación diametralmente opuesta. Es obvio que
construye modelos para ser simulados por ordenador, pero esto no es lo más importante
o, al menos, no es lo único importante. El modelador se encuentra con un problema
perteneciente a un dominio poco estructurado. No existen leyes universalmente
aceptadas sobre como funciona el sistema en el que se encuadra el problema en estudio.
No se sabe con seguridad siquiera cuáles son los elementos de interés ni como están
relacionados entre sí. Para poder avanzar reúne expertos en el tema y trata de unificar
criterios, trata de llegar a hipótesis consensuadas con las que construir el modelo. A
continuación introduce el modelo en el ordenador y éste establece las consecuencias
dinámicas de las hipótesis utilizadas. Esto es nada más, y tampoco nada menos lo que
muestra una ejecución de simulación. Muestra el resultado de unas hipótesis, las
consecuencias dinámicas de las opiniones de expertos en el sistema bajo estudio. La
mente humana es buena para establecer relaciones estructurales pero lo es menos para
seguir las implicaciones dinámicas de tales relaciones. Así, constantemente podemos
observar como expertos en una determinada materia, coincidiendo en las hipótesis de
partida no están de acuerdo en las consecuencias de dichas hipótesis. El ordenador es
bueno en esta tarea, determina las consecuencias de unas hipótesis de partida con
unicidad.
3
modelos. Una vez construido el modelo, al simularlo en el ordenador, no se estará
interesado en una respuesta cuantitativa precisa. La búsqueda de valores precisos de las
variables no sería consistente ni con la realidad de los sistemas con los que
habitualmente se trabaja ni con la filosofía general subyacente en la construcción del
modelo. La información que se busca es más bien de tipo cualitativo tal como
tendencias al crecimiento o decrecimiento, al equilibrio o la fluctuación y,
especialmente, si cabe esperar y de qué pueden depender modificaciones radicales de
estas tendencias.
El acuerdo entre expertos que es necesario para construir un modelo posee otra
dimensión de gran dificultad. La vida es infinitamente rica en interacciones, detalles y
matizaciones que confluyen en una determinada situación conflictiva. Un modelo de
Dinámica de Sistemas se construye para arrojar alguna luz sobre los motivos de un
comportamiento anómalo o simplemente, no siendo anómalo, sobre el que desearíamos
actuar o comprender. De la multitud potencialmente infinita de implicaciones que
pueden confluir sobre nuestro problema debemos seleccionar un conjunto que sea
manejable y que sea responsable en lo fundamental del comportamiento en cuestión. O
dicho en otras palabras, debemos extender nuestro consenso no solo a las hipótesis
introducidas sino también a la suficiencia de las mismas, teniendo presente que
necesariamente infinidad de posibles implicaciones deberán quedar fuera de nuestro
modelo. Este es uno de los trabajos más delicados que debe realizar el modelador y
significa que debe abordarse con gran tiento la tarea de definir el propósito del modelo y
la frontera del mismo. A menudo se critican modelos porque no pueden dar cuenta de
aspectos para los que no fueron construidos. No estará de más insistir en que no se
puede evaluar un modelo mas que con referencia al propósito para el que ha sido
construido. No podemos simplemente en abstracto decir que un modelo es bueno o es
malo. La tarea más importante del modelador es definir con precisión el problema que
pretende ser abordado por el modelo. En palabras de Forrester:
Diagramas causales
4
variación en el tiempo del valor cuantitativo atribuido a cada elemento (variable), las
influencias buscadas son las que su manifestación consista en que una variable aumente
o disminuya en función de que otra, de la cual depende, experimente algún tipo de
variación. Una forma natural de representar elementos y relaciones es mediante un grafo
orientado. A veces, cuando el sentido de la influencia es conocido, se suele incluir un
signo más o un signo menos que hace alusión a una influencia del mismo sentido o de
sentido opuesto según el caso. Por ejemplo, si la densidad de coches aumenta o
disminuye cabe esperar que el numero de accidentes también aumente o disminuya
respectivamente. Existe, por tanto, una influencia en el mismo sentido. Por el contrario,
las ventas de coches seguramente dependerán del precio de los mismos pero la
influencia será esta vez de sentido opuesto.
+ Accidentes
Densidad de coches
Ventas de coches
Precio -
Lazos realimentados
5
los que una variación en un elemento se ve reforzada por las influencias mutuas entre
los elementos. Por el contrario, en los lazos negativos una variación en cualquiera de sus
elementos tiende a ser contrarrestada por las influencias en sentido contrario que se
generan en el lazo. La figura 2 muestra un ejemplo de ambos tipos de lazo.
Población
Población
+
-
+
+
nacimientos
muertes
Tipos de variables
Los niveles suponen la acumulación en el tiempo de una cierta magnitud. Son las
variables de estado del sistema, en cuanto que los valores que toman determinan la
situación en la que se encuentra el mismo.
Los flujos expresan de manera explicita la variación por unidad de tiempo de los
niveles. No es siempre inmediato decidir cuál de los tres tipos será el apropiado para
representar a un elemento determinado del sistema real en estudio. Pensar en un cierto
nivel de agua y en un grifo que lo abastece es una buena metáfora para mejor
comprender los significados respectivos de estos dos tipos de variable.
6
Organización de las variables y parámetros. Representación gráfica
Toda variable de nivel va unida a una o más variables de flujo las cuales son
responsables de la variación de la primera. De hecho, un nivel sólo cambia en cuanto se
llena o vacía por los flujos que le afectan. Dejaremos que sean las figuras las que
muestren al lector la representación gráfica de los componentes de un diagrama de flujo.
Nivel Profesores
Flujo Contratación
Tiempo de
Parámetro 2 Auxiliar contratación Diferencia
Parámetro 1 Profesores
necesarios
7
manera que documentan en forma comprensible cada paso en el tratamiento de la
información que determina la definición de la variable de flujo.
La figura 4 muestra cuatro diagramas, tres de ellos incorrectos, con los que se
pretende ilustrar las ideas comentadas.
8
Nivel
Flujo
Parámetro 2 Auxiliar
Parámetro 1
(a)
Nivel
Flujo
Parámetro
(b)
Nivel Auxiliar
Flujo 2
Flujo 1
(c)
9
Auxiliar1
Auxiliar 2
(d)
Auxiliar 3
Subsistemas conservativos
En un modelo hay que atribuir dimensiones a sus variables de manera que todas
ellas se midan en unas determinadas unidades de medida. Si los niveles se miden en
unas ciertas unidades, sus flujos asociados deberán medirse en esas mismas unidades
partido tiempo.
Una organización típica es aquella en la que un flujo está ligado a dos niveles de
manera que actúa como una válvula de paso entre los mismos. Lo que sale de uno de
ellos entra en el otro. Pues bien, una regla fundamental de construcción de diagramas de
flujo exige que no puedan mezclarse distintas unidades. De esta manera los niveles se
asocian entre sí en cascada o en paralelo formando estructuras por las que solo circula el
mismo tipo de unidades bajo el control de flujos que se miden en esas mismas unidades
por unidad de tiempo. Esas estructuras son conservativas en el sentido de que si
incluimos en el balance los sumideros y las fuentes la cantidad total de la magnitud
acumulada en las mismas se conserva. La figura 5 muestra un par de subsistemas
conservativos. Nótese que los subsistemas conservativos están por su propia naturaleza
aislados unos de otros. La única conexión posible entre ellos, y, además, necesaria, es a
través de líneas de información que conecten niveles de un subsistema con flujos del
otro.
10
( personas/mes)
Contratación
( unidades/persona*mes)
Productividad
( personas) Personal en Material
formación bruto ( unidades)
Aprendizaje ( personas/mes)
producción
( unidades/mes)
( personas) Personal
produciendo
Material
elaborado
Despidos ( personas/mes) ( unidades)
Ecuaciones
Todas las relaciones entre las variables deben ser explícitamente cuantificadas. La
forma más frecuente de establecer la relación entre dos variables es mediante una
expresión analítica que proporciona la función que relaciona ambas variables. Poco más
puede decirse en abstracto a cerca de las ecuaciones por cuanto dependerán muy
específicamente de cada situación particular. Conviene, no obstante, hacer un mínimo
comentario referente a cada tipo de variable.
Población
euskaldun Porcentaje
Relación uso
población 11 euskara
euskaldún
Población total
Graph Lookup - Tabla con los valores
100
0
0 1
De esta manera, una vez establecidas todas las relaciones, si especificamos los
valores que inicialmente tienen los niveles y atribuimos valores a los parámetros
dispondremos de un conjunto de ecuaciones que el ordenador integrará numéricamente
para proporcionarnos la evolución temporal de las variables. Dicho conjunto de
ecuaciones es el modelo matemático propiamente dicho. Existen compiladores de
simulación específicos de Dinámica de Sistemas.
12
Resumen
Bibliografía
Business Dynamics
John D. Sterman, MacGraw-Hill, 2000.
13
Introduction to computer simulation: a system dynamics modelling approach
N. Roberts et al., Addison Wesley, 1983.
Dinámica de Sistemas
J. Aracil y A. Gordillo, Alianza Universidad, 1997.
World Dynamics
J.W. Forrester-Mit Press, 1974.
14
Construyendo modelos
Ejercicio 1
a) precio
+
+
cambio en el precio
+
tasa de inflación
b) temperatura habitación
temperatura café
-
- +
diferencia de temperaturas
+
cambio temperatura
+
constante café
15
alimento normal per cápita
c) tasa de mortalidad
- -
+
disponibilidad de alimento
muertes
+
+
+
nacimientos
+
tasa de nacimiento
Ejercicio 2
16
Ejercicio 3
Se pide:
17
Ejercicio 3. Ballenas
Densidad de referencia
nacimientosfun muertesfun
Densidad relativa
Extension Densidad
Tasa de nacimientos
Tasa de muertes
activador pesca
123 12
3M 3
3 3 3 3 3 3 3 3
3
1 2
2 3
2M 2 2 2
1
1
1M 1
2 2 2 2 2
1
1
0 1 1 1 1
1850 1880 1910 1940 1970 2000
Time (años)
activador pesca=
STEP(1,1870)
Units: **undefined**
Ballenas = INTEG(+Nacimientos-Muertes-Pesca,Ballenasini)
18
Units: ballenas
Ballenasini=
3.1821e+006
Units: ballenas
Catastrofe=
(1/TIME STEP)*PULSE(1940,TIME STEP)
Units: ballenas/año
Constante de pesca=
0.03
Units: uno/año
Densidad=
Ballenas/Extension
Units: ballenas/(kmetro*kmetro)
Densidad de referencia=
0.01
Units: ballenas/(kmetro*kmetro)
Densidad relativa=
Densidad/Densidad de referencia
Units: adimensional
Extension=
1e+008
Units: kmetro*kmetro
Muertes=
Ballenas*Tasa de muertes+0.4*Ballenas*Catastrofe
Units: ballenas/año
muertesfun(
[(0,0)-
(4,5)],(0,1),(0.5,1),(1,1),(2,1),(2.22356,1.09649),(2.41692,1.25),(
2.54985,1.42544),(4,5))
Units: adimensional
nacimientosfun(
[(0,0)-
(4,2)],(0,0.5),(0.108761,0.719298),(0.217523,0.877193),(0.338369,0.964
912
19
),(0.5,1),(2,1),(2.18731,0.982456),(2.3565,0.938596),(2.53776,0.868421
),(2.70695
,0.798246),(4,0.25))
Units: adimensional
Pesca
Units: **undefined**
SAVEPER = 1
Units: años
0 0
0 4 0 4
20
Ejercicio 4
21
Se pide:
Introducción de un producto en el
mercado.
Vendedores Eficacia
-
+
+ +
Pedidos
Lazo positivo Lazo negativo de
de vendedores eficacia
+ +
Presupuesto Retraso entrega
22
Tiempo de ajuste de vendedores
vendedoresini
Pedidos
Vendedores indicados
Presupuesto
Pedidos entrantes
Eficacia tabla
Pedidos
Plazo conocido
Pendientes
Pedidos salientes
Flujo percepción
Velocidad de entrega
Tiempo de reconocimiento
Plazo de entrega
Entrega tabla
Límite pendientes
23
50 pedidos/(persona*mes)
150 personas
4,000 pedidos/mes
1 1 1 1 1 3
1
2
2
3
2
30 pedidos/(persona*mes) 2
75 personas 3 3
1
2,000 pedidos/mes 3
2 3
3
2
3 1
2 1
10 pedidos/(persona*mes) 3 2
0 personas 2
0 pedidos/mes
0 16 32 48 64
Time (meses)
50 pedidos/(persona*mes)
150 personas
4,000 pedidos/mes 3
2
2
3 2
1 1 1 2
3
1 3
30 pedidos/(persona*mes) 2
2
75 personas
2,000 pedidos/mes 2 1
3 3
3
1
1
2 3
3
10 pedidos/(persona*mes)
0 personas 2 1
0 pedidos/mes
1
0 16 32 48 64
Time (meses)
24
15
11.25 2
2
1 1
2
2 2 12
7.5 Control Paramaters
Simulation 1
1
1 2
FINAL TIME = 72
1 2 1
Units: meses
1
2
INITIAL 2
3.75 TIME = 0
Units: meses 2 1
SAVEPER = 0.0625
12 12 12 12 1
Units: meses
0
TIME STEP = 0.0625
Units:0meses 12 24 36 48 60 72
Time (meses)
********************************
.eficacia
Plazo conocido : ajustevende 10
********************************
1 1 1 1 1 1 meses
Plazo de entrega : ajustevende 10 2 2 2 2 2 2 meses
Eficacia en las ventas = LOOKUP EXTRAPOLATE ( Eficacia tabla , Plazo conocido
/ Plazo normal )
Units: pedidos/(persona*mes)
Units: meses/mes
25
Plazo de entrega = Pedidos Pendientes / Velocidad de entrega
Units: meses
Plazo normal = 2
Units: meses
Tiempo de reconocimiento = 6
Units: meses
********************************
.Vendedor
********************************
Contratación = ( Vendedores indicados - Vendedores ) / Tiempo de ajuste de vendedores
Units: personas/mes
vendedoresini = 10
Units: personas
26
Ejercicio 5. Meseta Kaibab
La meseta Kaibab tiene una extensión de unos 727000 acres y está situada en la parte
norte del Gran Cañón en Arizona. Con anterioridad a 1907 existía un rebaño de ciervos
de aproximadamente 4000 individuos. En 1907 se estableció una recompensa por la caza
de pumas, lobos y coyotes, todos ellos predadores naturales de ciervos. En un periodo de
unos 15 ó 20 años hubo una aniquilación considerable de estos predadores y,
consecuentemente un inmediato incremento en la población de ciervos.
Para 1918 la población de ciervos había aumentado más de 10 veces. El evidente exceso
de animales en la zona dio lugar a la primera de una serie de advertencias, que
investigadores competentes realizaron, en el sentido de una necesidad urgente de
cambiar la política de recompensas, o de llevar a cabo un rápido proceso de reducción de
ciervos, sacándolos de la región.
En ausencia de predación por sus predadores naturales, o por el hombre como cazador, el
rebaño alcanzó 100000 individuos en 1924. Debido a la falta de comida suficiente el 60%
del rebaño murió en dos inviernos sucesivos. La destrucción de tanta vegetación, debida
al exceso de pastoreo, impidió la recuperación de la reserva de alimentos hasta el punto
de que la muerte de nuevos animales y la reducción de la tasa de natalidad condujo a una
población de la mitad de la que teóricamente podía haber sido mantenida.
27
Se pide:
a) Meditar sobre el tipo de estructura que puede ser responsable del comportamiento
histórico observado.
28
Modelo Kaibab
Tiempo recuperación +
<Predadores>
Ciervos
Predación <Ciervos matados>
<Hierba>
Ciervos
Crecimiento ciervos
Alimento per cápita
Tasa ciervos
Alimento necesario
f tasa ciervo
Disponibilidad alimento
29
Predadores
Densidad ciervos
f tasa predadores
Ciervos matados
Predadores
f ciervos matados
<Disponibilidad alimento>
Capacidad hierba
f tiempo creci Salud terreno
Hierba comida ciervo
Tiempo crecimiento
f hierba comida
Pastoreo
Hierba
Crecimiento hierba
f heladas
<Time> Hierba
********************************
.Ciervos
********************************
Alimento necesario = 3
30
Caza = Predadores * Tasa caza * STEP ( 1, 1907)
Extensión = 800000
f heladas ( [(1900,0)-(1950,1)],(1900,1),(1931.57,1),(1931.57,0.3),(1934,0.3)
,(1934,0.5),(1934,0.5),(1935,1) )
31
Tasa predadores = f tasa predadores ( Ciervos matados )
********************************
.Control
********************************
0
0 1
Tiempo de crecimiento de la hierba en función de la salud del terreno (Hierba/ Capacidad hierba).
0
Hierba comida por ciervo en función
0 de la disponibilidad de alimento.
4
32
Graph Lookup - f tasa ciervo
0.4
-1
0 4
-1
0 15
0
0 0.1
Ciervos matados por predador en función de la densidad de ciervos.
33
100,000 1
100 3 3 3 3
600,000 2 3
3
60 4 1
1
50,000 3
50
300,000 4
1
30 3
2 1
4
0 1
3
0 2 4 1
1
0 1 3
1 2 4 3 3
0 1 1 2 2 4
2 4 2 4 2 4 2 4 2 4 2
1905 1915 1925 1935
Time (años)
Ciervos : Current 1 1 1 1 1 1 1 1 1
Predadores : Current 2 2 2 2 2 2 2 2 2
Hierba : Current 3 3 3 3 3 3 3 3 3 3
Disponibilidad alimento : Current 4 4 4 4 4 4 4
34
Ejercicio 6
Cortes en el suministro de heroína aumentan la delincuencia
El Diario Donostiarra
24/Enero/2001
Donostia- La próxima vez que oiga que ha habido una redada policial y que una
cantidad considerable de heroína ha sido aprehendida no crea que las calles de la
ciudad, su coche o su piso van a estar por ello más seguros. De hecho, un estudio
reciente del tráfico de heroína en San Sebastián demuestra que cuanto más se controla el
mercado de heroína resulta más probable que usted sea robado o que su casa sea
desvalijada por un adicto necesitado de su dosis.
La Comisión para el estudio de las drogas admite que "una comunidad que tuviera
éxito en eliminar o virtualmente eliminar, su suministro de heroína podría solucionar
su problema de drogo delincuencia en no mucho tiempo". No obstante, esto no se ha
conseguido en ningún sitio y la policía lo que consigue es capturar grandes alijos de
droga que reducen tan sólo temporalmente el suministro de heroína.
35
Basándote en la descripción anterior se desea que:
a) Definas el objetivo del modelo que vas a construir estableciendo los dos modos
de referencia descritos en la ficción anterior en los que se muestre la evolución temporal
de las variables que consideres de interés.
36
Modelo
Consumo de heroína
Activador2
Consumo
<Time>Activador 1 promedio
Aprehensión
Presión policial
Heroina
<Adictos>
Efecto precio en entrada Relación Consumo por adicto
f precio en entrada
Disponibilidad f consumo
<Relación precio> Demanda
Relación normal
37
Precio de la heroína
Relación precio
<Disponibilidad> Precio
percibido
Precio normal
Efecto disponibilidad en precio
Precio
f disponibilidad en precio
Adictos y delitos
<Precio>
<Dosis normal>
Heroina
promedio
Frecuencia de delitos
Capacidad soportable
<Heroina>
<Relación normal>
Cambio adictos
Delitos
Adictos
<Disponibilidad>
Tiempo ajuste
f ajuste
38
Ecuaciones
********************************
Adictos y Delitos
********************************
f ajuste ( [(0,0)-
(1,26)],(0,2),(0.0592784,6.77465),(0.113402,10.4366),(0.185567,15.0141),
(0.273196,18.8592),(0.360825,21.9718),(0.443299,23.8028),(0.518041,24.6268),(0.713
918,25.3592)
,(1,26) )
Units: semanas
Tabla que da el tiempo de ajuste de drogadictos en función de la disponibilidad.
39
Heroína promedio = SMOOTH ( Heroína , 52)
Units: Gramos
Promedio a largo plazo de la heroína disponible en el mercado.
********************************
Consumo de Heroína
********************************
Activador 1 = 0
Units: adimensional
Activa (1) o desactiva (0) la presión policial a largo plazo.
Activador2 = 0
Units: adimensional
Activa (1) o desactiva (0) la aprehensión policial puntual.
40
Entrada de heroína = Consumo promedio * Efecto precio en entrada * ( 1 - Presión
policial )
Units: Gramos/semana
f consumo ( [(0,0)-
(4,4)],(0,0),(0.103093,1.30986),(0.154639,1.77465),(0.247423,2.29577),(0.340206,2.66
197)
,(0.402062,2.85915),(0.463918,3.05634),(0.556701,3.23944),(0.680412,3.38028),(0.82
4742,3.4507)
,(1,3.5),(2,3.5),(3,3.5),(4,3.5) )
Units: Gramos/(semana*adicto)
Tabla de consumo per cápita en función de la disponibilidad
f policia ( [(0,0)-
(250,1)],(0,0),(53.4794,0),(75.3866,0.0246479),(89.5619,0.0598592),(106.314,0.14436
6)
,(117.268,0.323944),(125,0.5),(125.644,0.75),(247.423,0.75) )
Units: adimensional
,(1,1),(1.29897,1.25),(1.79381,1.74296),(2.33505,2.25352),(2.87629,2.65845),(3.44845,
3.02817)
,(4.05155,3.23944),(4.62371,3.32746),(5.01031,3.39789),(5.98454,3.4331) )
Units: adimensional
Efecto del precio en la entrada de heroína. Un precio elevado indica
simultáneamente un déficit de la misma y un mercado atractivo por lo que se
incrementará el flujo de entrada.
Relación normal = 4
Units: semanas
El tiempo que se prevé como deseable para aguantar sin nuevo suministro. Por
debajo de la cantidad de heroína que permite aguantar ese tiempo el mercado empieza a
alarmarse y a considerar que la heroína comienza a escasear.
********************************
41
.Precio de la heroína
********************************
********************************
.Control
********************************
42
Simulation Control Paramaters
INITIAL TIME = 0
Units: semanas
The initial time for the simulation.
SAVEPER = 0.1
Units: semanas
The frequency with which output is stored.
0
0 1
43
Graph Lookup - f disponibilidad en precio
5
Efecto de la disponibilidad en el
precio de la heroína. El mercado
no suele descender el precio
cuando la disponibilidad aumenta,
sí al revés.
0
0 4
0
0 4
44
Una aprehensión aislada de heroína en t=2
40,000 Gramos 2
2 2
20,000 Pesetas/gramo
2
6,000 Delitos/semana 2
2
2
2
2 3 3 2
2 2 3 3 2 2 2 2 2 2
30,000 Gramos 3
3
15,000 Pesetas/gramo 3 3
3
4,000 Delitos/semana 3 1 1
3 3 1
31 31 3 1 3 3
1 1 1 1
1
1
1
1
1
20,000 Gramos 1
1
1
10,000 Pesetas/gramo
2,000 Delitos/semana
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Time (semanas)
4 4 4 4 4 4
40,000 Gramos 2 2 2
4 2
60,000 Pesetas/gramo 2
20,000 Delitos/semana 2
2,000 Adictos 4
1 1 1 1 1
1
20,000 Gramos
4
30,000 Pesetas/gramo
10,000 Delitos/semana 1 3
1,000 Adictos 2 4
3
2 3
2 3 4
2 2 2 2
0 Gramos 3 3 4
3 3 3 3 3
0 Pesetas/gramo 3 4
0 Delitos/semana 1 3
1
0 Adictos 1 1 1 1
0 25 50 75 100 125 150 175 200 225 250
Time (semanas)
45