TECNOLÓGICO DE ESTUDIOS SUPERIORES DE SAN FELIPE

DEL PROGRESO

UNIDAD II: “MODELOS DINÁMICOS DE SISTEMAS”

EDER YAIR CATARINO DOMÍNGUEZ

SERGIO MATEOS GARCIA

SAUL PEREZ MONTOYA

I.Q WILBERTH NAVARRETE CELESTINO

INSTRUMENTACIÓN Y CONTROL

I.Q 801

CARRERA: INGENIERÍA QUÍMICA

Fecha de entrega: 27 de marzo de 2020

1
ÍNDICE

ÍNDICE .............................................................................................................................................2
INTRODUCCIÓN............................................................................................................................3
2.0 MODELOS DINÁMICOS DE SISTEMAS ..............................................................................4
2.1 Definiciones .............................................................................................................................4
2.2 Modelos de procesos químicos ...............................................................................................5
2.3 Lineación de sistemas ...........................................................................................................11
2.4 Sistema de primer orden ......................................................................................................13
2.5 Sistema de segundo orden ....................................................................................................16
2.6 Sistema de orden superior ...................................................................................................17
CONCLUSIONES ..........................................................................................................................20
REFERENCIAS .............................................................................................................................21

2
INTRODUCCIÓN

La Dinámica de Sistemas es una herramienta de construcción de modelos de simulación (por

ejemplo con Vensim ) radicalmente diferente al de otras técnicas aplicadas el estudio de
sistemas socioeconómicos, como la econometría. Las técnicas econométricas, basadas en un
enfoque conductista, emplean los datos empíricos como base de los cálculos estadísticos para
determinar el sentido y la correlación existente entre los diferentes factores. La evolución del
sistema analizado se realiza sobre la base de los datos históricos de las variables denominadas
independientes, y se aplica la estadística para determinar los parámetros del sistema de
ecuaciones que las relacionan con las otras denominadas dependientes. Estas técnicas
pretenden determinar el comportamiento del sistema sin entrar en el conocimiento de sus
mecanismos internos. Así existen asesores para invertir en Bolsa denominados “chartistas”
que utilizan modelos que analizan las montañas y valles que describen las cotizaciones de
una acción, los ciclos alcistas y bajistas, y diseñan estrategias para minimizar el riesgo de
pérdidas.

No pretenden "conocer" porqué la cotización de una empresa sube o baja en función de sus
nuevos productos o nuevos competidores, sino pronosticar la evolución de una cotización
para recomendar comprar, mantener o vender una determinada acción. En cambio, el objetivo
básico de la Dinámica de Sistemas es llegar a comprender las causas estructurales que
provocan el comportamiento del sistema. Esto implica aumentar el conocimiento sobre el
papel de cada elemento del sistema, y ver como diferentes acciones, efectuadas sobre partes
del sistema, acentúan o atenúan las tendencias de comportamiento implícitas en el mismo.
Para ello podemos usar un software específico como Vensim

Como características diferenciadoras de otras metodologías puede decirse que no se pretende

predecir detalladamente el comportamiento futuro

3
2.0 MODELOS DINÁMICOS DE SISTEMAS
2.1 Definiciones
Planta: Es el sistema dinámico que deseamos analizar o modelar.

Proceso: Es una operación natural, progresivamente continua o desarrollo marcado por una
serie de cambios graduales consecutivos de una manera establecida hacia la consecución de
un objetivo o resultado particular.

Sistema: Es la combinación de componentes que actúan juntos en un objetivo o dinámica

común.

Un sistema es un conjunto de componentes o módulos que interactúan entre sí a partir de

intercambio de energía o información. La definición de sistema es importante para reconocer
la integridad del mismo y sus componentes.

Controlabilidad: Es una propiedad de los sistemas de poder manipular su comportamiento a

partir de sus parámetros de entrada. Con estos parámetros de entrada podemos manipular la
salida a algún valor deseado.

Observabilidad: Es una propiedad de los sistemas de poder conocer parámetros internos del
mismo a partir de medir parámetros de salida.

Estabilidad: Es la propiedad del sistema de llegar a su estado estacionario cuando no hay

energía externa que sea introducida al mismo.

Inestabilidad: Se refiere a un estado en los sistemas en donde la energía interna tiene al

infinito cuando no hay energía que sea introducida al mismo.

Perturbación: Es una señal que tiende a afectar de manera adversa la salida del sistema. La
perturbación puede ser Interna o Externa al sistema.

4
Modelo: es una representación aproximada de un sistema dinámico. Dicha representación o
abstracción incluye propiedades y parámetros internos del sistema, así como una definición
de entradas y salidas del mismo.

Disposición: define la Estructura del Sistema.

Delimitación: las acciones del resto del universo sobre el sistema se reemplazan por entradas.

Entidades interactuantes: son los componentes del sistema: procesos, elementos,

subsistemas, etc.

Variables fundamentales: tiempo (t) y espacio (x, y, z). Son independientes de la evolución
del sistema.

Entradas: representan la acción del resto del universo sobre el sistema. Son independientes
de la evolución del mismo.

Variables dependientes: representan las magnitudes que cambian en función de la evolución

del sistema.

Salidas: Son variables dependientes que nos interesan y que podemos observar.

Estado de un modelo matemático es un conjunto de variables dependientes cuyo

conocimiento en un instante de tiempo, asumiendo conocidos los valores de las entradas,
permite calcular el valor de cualquier otra variable dependiente en dicho instante.

2.2 Modelos de procesos químicos

El modelado de procesos implica la construcción de un modelo matemático mediante la
descripción de sus relaciones físicas y químicas fundamentales.

¿Cómo obtener modelos?

 Mediante razonamientos, usando leyes físicas, químicas, etc.

 Mediante experimentación y análisis de datos

Dependiendo del proceso al que sirven, existen diferentes y muy variados tipos de modelos.
Básicamente, un modelo es: “La representación matemática de un fenómeno o conjunto de
5
ellos”. Dependiendo del conocimiento de las interacciones causa-efecto, los modelos
pueden ser clasificados como:

Modelos estructurales.

La relación estructural (topológica) entre las variables no concierne la relación funcional.

Figura 1: Evaporador doble efecto

𝑪𝟏 = 𝒇𝟏 (𝑪𝟏 , 𝒉𝟏 , 𝑭, 𝑪𝑭 )

𝑪𝟐 = 𝒇𝟐 (𝑪𝟏 , 𝑪𝟐 , 𝒉𝟏 , 𝑩𝟏 )

𝒉𝟏 = 𝒇𝟑 (𝑪𝟏 , 𝒉𝟏 , 𝑭, 𝑻𝑭 , 𝑺𝟏 )

𝑪𝟏 = 𝑪𝒐𝒏𝒄𝒆𝒏𝒕𝒓𝒂𝒄𝒊𝒐𝒏 𝒆𝒏 𝒆𝒍 𝒑𝒓𝒊𝒎𝒆𝒓 𝒆𝒇𝒆𝒄𝒕𝒐

𝑪𝟐 = 𝑪𝒐𝒏𝒄𝒆𝒏𝒕𝒓𝒂𝒄𝒊𝒐𝒏 𝒆𝒏 𝒆𝒍 𝒔𝒆𝒈𝒖𝒏𝒅𝒐 𝒆𝒇𝒆𝒄𝒕𝒐

𝒉𝟏 = 𝑬𝒏𝒕𝒂𝒍𝒑𝒊𝒂 𝒆𝒏 𝒆𝒍 𝒔𝒆𝒈𝒖𝒏𝒅𝒐 𝒆𝒇𝒆𝒄𝒕𝒐

6
𝑭 = 𝑨𝒍𝒊𝒎𝒆𝒏𝒕𝒐

𝑪𝑭 = 𝑪𝒐𝒏𝒄𝒆𝒏𝒕𝒓𝒂𝒄𝒊𝒐𝒏 𝒆𝒏 𝒆𝒍 𝒂𝒍𝒊𝒎𝒆𝒏𝒕𝒐

𝑻𝑭 = 𝑻𝒆𝒎𝒑𝒆𝒓𝒂𝒕𝒖𝒓𝒂 𝒅𝒆𝒍 𝒂𝒍𝒊𝒎𝒆𝒏𝒕𝒐

𝑺 = 𝑭𝒍𝒖𝒋𝒐 𝒅𝒆 𝒗𝒂𝒑𝒐𝒓

𝑩𝟏.𝟐 = 𝑭𝒍𝒖𝒋𝒐 𝒅𝒆 𝒔𝒂𝒍𝒊𝒅𝒂 𝒆𝒏 𝒆𝒍 𝒑𝒓𝒊𝒎𝒆𝒓𝒐 𝒚 𝒆𝒏 𝒆𝒍 𝒔𝒆𝒈𝒖𝒏𝒅𝒐 𝒆𝒇𝒆𝒄𝒕𝒐

Grafica 1: Resultante del evaporador doble efecto

7
La matriz estructural en la grafica directa indica si una variable afecta a otravariable. El
modelado estructural no puede ser usado para diseño cuantitativo,solo para decisiones
estructurales y topológicas.

Modelos determinísticos.

Un modelo se define como determinístico cuando siempre que se someta a un mismo

estimulo, reacciona de la misma manera.

Los sistemas que representan los modelos deterministas carecen de incertidumbre, es decir,
todos los cambios de estado del sistema se pueden predecir con certeza, y su comportamiento
se evalúa con medidas de efectividad o eficiencia tales como: Costos, tiempo y utilidades.

Generalmente si en el modelo se han tomado en cuenta todas las variables y relaciones

importantes, este se vuelve tan complejo de modelos matemáticos necesarios. Por tanto se
deben utilizar modelos parciales teniendo claro que las soluciones obtenidas no son óptimas,
y que el modelo que se está usando.

Si un modelo garantiza encontrar la solución óptima, el proceso de solución para dicho

modelo se llamará algoritmo de optimización.

Se define como algoritmo a una serie de instrucciones en una cierta secuencia lógica,
necesarias para describir las operaciones que llevan a la solución de un problema. No siempre
los algoritmos conducen a soluciones optimas, Sin embargo en investigación de operaciones
se hacen todos los esfuerzos posibles para encontrar algoritmos de optimización. Este tipo de
algoritmos son exclusivos de los modelos deterministas

Basados en las leyes físicas conocidas a través de:

o Balances de energía, masa y momento

o Equilibrio termodinámico
o Velocidades cinéticas.

8
 o Parámetros completamente conocidos (cualitativamente).

Básicamente existen 3 tipos de modelos determinísticos.

o Ecuaciones diferenciales ordinarias (EDO).

o Ecuaciones diferenciales parciales (EDP).-
o Ecuaciones integro-diferenciales.

Dependiendo de la naturaleza cambiante o no de los “estados” de un sistema podemos

hablar de:- Modelos dinámicos (dx/dt ≠ 0, ∂x/ ∂t ≠ 0)

Modelos empíricos.

Los modelos empíricos son aquellos que predicen cómo una variable afecta una respuesta y
no por qué la afecta, por lo que no se logra entender la totalidad de un sistema, además de
que puede tener menor capacidad predictiva. Son modelos que se basan en aproximaciones
empíricas producto de la observación o experimentación y se pueden considerar como un
conjunto de ecuaciones heurísticas (gr. Heurisko, hallar, experiencia); cada una de esas
ecuaciones es usualmente la descripción estática de una relación entre el proceso considerado
y las condiciones ambientales. Estos modelos representan un regreso al concepto de análisis
de regresión, aunque en un nuevo nivel cualitativo; los modelos empíricos no son versátiles
y pueden requerir mucho tiempo para identificar los parámetros de cada cultivo. Con ellos
nunca se tendrá la certeza de que el modelo desarrollado será útil para describir a otro cultivo
expuesto a diferente suelo y clima; la ventaja esencial es que estos modelos están disponibles
y pueden usarse con éxito en la toma de decisiones agrícolas, lo cual no tienen los modelos
teóricos.

Los modelos empíricos se determinan a través de técnicas de regresión, y establecen la

relación entre el rendimiento de cultivos y los factores que lo afectan; este tipo de modelos
han sido usado en productividad de cultivos.

9
Dentro del enfoque empírico puede considerarse que la especificación de un modelo debería
de basarse en la observación de la forma de la relación entre una variable de respuesta y los
factores que la afectan.

Modelos aleatorios.

En este modelo se asume que las k muestras son muestras aleatorias de k situaciones distintas
y aleatorias. De modo que un valor aislado Yij se puede escribir como:

donde m es la media global, eij son variables (una para cada muestra) distribuidas
normalmente, con media 0 y varianza s2 (como en el modelo I) y Ai es una variable

distribuida normalmente, independiente de las eij, con media 0 y varianza

La diferencia con respecto al modelo I es que en lugar de los efectos fijos ai ahora se
consideran efectos aleatorios Ai.

Igual que en el modelo I se encuentra que MSE no se modifica en la H1 y que al valor

esperado de MSA se le añade el término de componente añadida (que aquí es una verdadera
varianza ya que Ai es una variable aleatoria):

Para llegar a este resultado se utiliza la asunción de independencia entre Ai y eij y es, por
tanto, muy importante en el modelo y conviene verificar si es correcta en cada caso. En
el ejemplo de las cobayas significaría que las variaciones de grasa en el hígado de cada
cobaya son independientes de las variaciones entre cobayas. Esta asunción se violaría si, por

10
ejemplo, en el animalario existieran 2 cepas genéticas tales que en una de ellas la
concentración de grasa en las células hepáticas fuera mayor y más variable que en la otra.

Por tanto, en H0 tanto MSA como MSE estiman s2, mientras que en H1, MSE sigue

estimando s2 y MSA estima . La existencia de esta componente añadida se

contrasta con F= MSA/MSE y en caso afirmativo, la varianza de Ai se estima como:

2.3 Lineación de sistemas

Sistemas lineales. Muchos sistemas en la naturaleza se comportan de forma
aproximadamente lineal, existen métodos eficientes para trabajar con sistemas lineales:
Transformada de Laplace y análisis en el dominio de la frecuencia.

Sistemas no lineales. También muchos sistemas son no lineales ejemplo: el depósito,

demostrar que el depósito es un sistema lineal y que los ejemplos de la masa y del sistema de
amortiguación son lineales. Para sistemas no lineales no son aplicables muchos de los
métodos de análisis y modelado

Figura 1.- Procedimiento de linealización

Desde un punto de vista general, muy pocos sistemas reales son estrictamente lineales; sin
embargo, en el modelado de sistemas se sacrifica la descripción de la ecuación diferencial,

11
que define un determinado proceso físico, para representarlo a manera de una ecuación
diferencial ordinaria.

Sin embargo, en la práctica de la ingeniería de control es posible linealizar estos sistemas

alrededor de un punto de operación conocido. Por lo que el comportamiento del sistema no
lineal puede considerarse lineal para pequeñas variaciones alrededor de este punto de
operación. Considere un sistema no lineal cuya entrada es x(t) y cuya salida es y(t). La
relación entre y(t) y x(t) se obtiene mediante:

y = f(x)

Figura 2.- Relación gráfica de la relación y = f(x)

Si el punto de operación o trabajo elegido corresponde a y como esta curva es continua, se

puede obtener una representación de y = f(x) mediante su expansión en serie de Taylor
alrededor de este punto de operación. La serie de Taylor establece que cualquier función
analítica puede representarse como una serie infinita de la forma:

ECU.(1)

Si la variación es pequeña, es posible no considerar los términos de orden superior en (x-Ẋ).

Con esta consideración la ecuación (1) se escribe como:

12
 ECU (2)

Si hace un cambio en las variables en:

ECU (3)

ECU (4)

La ecuación (2) puede reescribirse como:

ECU (5)

La ecuación (5) representa una línea recta de la forma, es decir da un modelo matemático
lineal para el sistema no lineal obtenido mediante la ecuación (1) cerca del punto de operación
y como se expresó anteriormente, será válida sólo para pequeñas variaciones

De la misma manera puede linealizarse sistemas no lineales cuando la función f depende de

más de una variable (modelación variaciones). Ahora considere un sistema no lineal cuya
salida (y) es una función de dos entradas, es decir:

y=f(x1,x2) ECU (6)

También en este caso si las variaciones alrededor del punto de trabajo con pequeñas, se puede
obtener una relación lineal dada por:

Δy=aΔX1+bΔX2 ECU (7)

2.4 Sistema de primer orden

Clasificación de los sistemas de primer orden

La función de transferencia de un sistema de primer orden se caracteriza por tener el

polinomio del denominador de primer grado. En función de cómo sea el numerador, se
consideran tres tipos de sistemas de primer orden:

13
1. Sistema de primer orden sin cero: tiene una constante como numerador.
G(s) = Y (s) / U(s) = K/ 1+τ s
Los parámetros que aparecen en la función de transferencia son la ganancia K, que
coincide con la ganancia estática G(0), y la constante de tiempo τ. La ganancia
estática K puede tener cualquier signo, sin embargo para que este sistema sea estable
se debe cumplir que τ > 0. Teniendo en cuenta esta restricción, no se incluye el caso
particular del integrador G(s) =1 s
2. Sistema de primer orden con cero nulo o derivador filtrado.
G(s) = Y (s) /U(s) = Ks/ 1+τ s
Los parámetros que aparecen en la función de transferencia son la ganancia K, que
en este caso no coincide con la ganancia estática G(0) que es igual a 0, y la constante
de tiempo τ. La ganancia K puede tener cualquier signo, mientras que τ debe ser
positivo para que el sistema sea estable.
3. Sistema de primer orden con cero no nulo.
G(s) = Y (s)/ U(s) = K(1+ Ts) / 1+τ s
En este último caso, los parámetros son la ganancia K, que vuelve a coincidir con la
ganancia estática G(0) como en el sistema de primer sin cero, la constante de tiempo
T asociada al cero y la constante de tiempo τ asociada al polo o constante de tiempo
del sistema. La ganancia K y la constante de tiempo T pueden tener cualquier signo,
mientras que τ debe ser positivo para que el sistema sea estable.

14
 Figura 2. Circuito electrónico correspondiente a un sistema de primer orden sin cero.

Figura 3. Circuito electrónico correspondiente a un sistema de primer orden con cero nulo o derivador filtrado.

15
 Figura 4. Circuito electrónico correspondiente a un sistema de primer orden con cero no nulo.

2.5 Sistema de segundo orden

La identificación de un sistema consiste en la determinación de la función de transferencia
de la misma o de sus parámetros fundamentales, a partir de mediciones experimentales. En
particular, este trabajo desarrolla una metodología de identificación de sistemas de segundo
orden, basada en las características de la respuesta en el tiempo Y(t) a la excitación de un
salto escalón de entrada X(t), tal como lo indica la figura 5

Figura 5. Segundo orden

Se ha elegido este método de identificación porque presenta las siguientes características:

a) Obtención de rápidos resultados aproximados.

b) Simplicidad para analizar y entender.

c) La respuesta en el tiempo a un salto escalón es posiblemente una de las más fáciles de

obtener en un sistema cualquiera.

d) Muchas veces en una planta, a pesar de que su función de transferencia tenga más de dos
polos, la respuesta al salto escalón de entrada puede ser representada en forma aproximada
por la respuesta de un sistema de segundo orden. Ello es posible porque frecuentemente los
otros polos adicionales están ubicados más lejos del eje imaginario que estos polos
dominantes y por ende la influencia de los mismos en la X(t) Y(t) Sistema de segundo orden
3 respuesta en el tiempo resulta menor. (En particular ello se cumple significativamente
cuando la relación entre las partes reales de los otros polos y las partes reales de los polos

16
dominantes es mayor de 5 y no hay ceros cercanos) Por ello, se la puede representar
aproximadamente por un sistema de segundo orden conocido como de modos dominantes

2.6 Sistema de orden superior

Como sistemas de grado superior se entenderá como todo polinomio característico de grado
mayor a 2, el cual podrá estar compuesto únicamente por polos y/o polos y ceros; esto último
siempre y cuando permita que la función de transferencia resultante sea propia, esto es, que
prevalezca una mayoría de polos con respecto a ceros.

A los sistemas de grado superior también es posible asociarles parámetros como tiempo pico,
máximo pico de sobre impulso, tiempo de elevación y tiempo de asentamiento. Sin embargo,
en vez de desarrollar ecuaciones para determinar tales características, se prefiere aproximar
polinomios de segundo grado que se comporten de manera aproximada a los polinomios de
grado superior mediante el concepto de polos dominantes.

El polo o los polos dominantes de un sistema son los elementos que, por su cercanía con el
origen del plano s, ejercen mayor efecto sobre el comportamiento transitorio del sistema, de
tal manera que mientras los polos restantes de la configuración respectiva estén cada vez más
alejados hacia la izquierda de los polos dominantes, su efecto tendrá cada vez menor
influencia sobre el comportamiento transitorio del sistema. Por lo anterior, se supondrá que
si los polos restantes que componen un sistema de grado superior están cuando menos seis
veces alejados de los polos dominantes del sistema, su efecto será insignificante.

Figura 7 Representación en el plano de un sistema de grado cinco

17
Su comportamiento se aproxima a un sistema de segundo grado debido a la presencia de los
polos dominantes complejos

EJEMPLO

Para los siguientes sistemas de grado superior, si es posible, determine la validez de una
aproximación analítica de segundo grado.

56.16
T (s)  , y(∞ )  0.3332.
(s2  9 s  84.25)(s2  s  2)

4
b) T (s)  , y(∞ )  0.5714.
(s  2.8)(s2  3 s  2.5)

a) Los polos de los polinomios característicos son:

Para s2  s  2  0: p1,2  0.5000  1.3229j

Para s2  9s  84.25  0: p3,4  4.5000  8.0000j

A partir de lo anterior, se observa que la parte real del primer polinomio se localiza en el eje
real del plano s en -0.5, mientras que la parte real del polo asociado al segundo polinomio se
ubica en -4.5, por lo que existe una separación entre polos mayor a la sugerida. En
consecuencia, T(s) puede aproximarse como una función de transferencia de segundo grado:

0.6664
T’1 (s)=

s2 + s + 2

18
 T 2 (s)  28.0721

s2 + 9s + 84.25

Grafica 1.- Respuesta al escalón del sistema original y aproximado

b) b) Los polos dominantes de la ecuación característica correspondiente son p1, 2

1.5 0.5j, cuya parte real es muy cercana (mucho menor al límite propuesto) al
tercer polo p3 2.8. Por lo tanto, la aproximación a segundo grado no es posible.

19
CONCLUSIONES
Se concluye que la utilización de la Dinámica de Sistemas en la enseñanza de conceptos
ambientales, actúa como pauta que conecta diferentes campos del conocimiento requeridos
para la comprensión de la situación ambiental actual del planeta, convirtiéndose así en una
herramienta para la transdisciplinariedad.

Estos modelos desarrollados en el marco de una actividad académica, aportan y procuran el

mejoramiento de la calidad de la educación ambiental en diferentes áreas, ya que estos
recrean y simulan comportamientos de interés en el desarrollo curricular de las ingenierías,
buscando darle una mayor rigurosidad en términos de conocimiento al componente ambiental
que debe ser interdisciplinar.

A partir de la Dinámica de Sistemas, se recrean diversos escenarios que permiten al

estudiante tener una percepción sistémica del mundo real y visualizar su dinámica. Dado que
el medio ambiente es un sistema complejo, la utilización de la Dinámica de Sistemas favorece
la identificación de relaciones no lineales entre los atributos ambientales, la modelización y
la extensión a otras técnicas de comprensión como lo es la teoría matemática de los sistemas
dinámicos, favoreciendo así la inclusión de lo ambiental de forma transversal en el currículo,
pero, además, permitiendo la apropiación de elementos indispensables en el ejercicio
profesional de un ingeniero.

20
REFERENCIAS
[1] Sánchez, J. A. (2013). Instrumentación y control básico de procesos. Ediciones Díaz de
Santos.

[2] Enríquez, G. (2000). El ABC de la instrumentación en el control de procesos industriales.

Editorial Limusa.

[3] de Prada, C., & EII, S. M. (1997). Instrumentación y control de procesos. Los manuales
de Ingeniería Química, Valladolid.

[4] Acedo Sánchez, J. (2006). Instrumentación y control avanzado de procesos. Barcelona:

Díaz de Santos.

[5] Guativa, J. A. V., Velásquez, J. A. L., & Cárdenas, L. C. (2014). Sistema de

instrumentación y control para tanques de almacenamiento de agua potable. Revista
Ingeniare, (17), 69-85.

[6] Solé, A. C. (2012). Instrumentación industrial. Marcombo.

21
 TECNOLÓGICO DE ESTUDIOS SUPERIORES DE SAN FELIPE DEL PROGRESO

SUBDIRECCIÓN ACADÉMICA

DIVISIÓN DE CARRERA DE INGENIERÍA QUÍMICA

Instrumentación didáctica para la Formación y Desarrollo de Competencias

Edición: 2
Código: FO-205BE10101-03-02
31 de Julio de 2018

NOMBRE DEL ALUMNO:

______________________________________________________

No. CONTROL: ________________

Instrucciones para el evaluador: Marque con una “√” en la columna SI, cuando el(los)
alumno(s) muestre las evidencias de los apartados correspondientes y en la columna NO
cuando no muestre las evidencias señaladas.

Lista de cotejo Trabajo No.1 Investigación Tema: FUNDAMENTOS DE LA

CALIDAD

No. Valor Cumple Calificación

Aspecto a evaluar
SI No obtenida
1 Entrega del trabajo en la fecha acordada con orden y 5
limpieza.
2 Portada con datos completos(nombre de la escuela, título del
trabajo, nombre del alumno, nombre del docente, nombre de 10
la asignatura, grupo, carrera).
Debe contener un índice escribo correctamente y que 5
coincida la numeración con las páginas.
3 Introducción debe tener una extensión de una cuartilla. 10
4 Organización (los conceptos deben de estar escritos de forma 5
coherente y sin errores de ortografía).
5 Uso de ayudas visuales (tablas, gráficas y/o figuras deberán
tener título en tamaño 9, el cual deberá ir en la parte inferior 5
y centrado).

22
6 La información deberá tener un mínimo de 3 cuartillas. 20
7 Conclusiones (el alumno redactara su conclusión en media 15
cuartilla, la cual deberá tener buena redacción).
8 La bibliografía o cibergrafía deberá estar en formato APA, 10
deben tener un mínimo de 6 fuentes de información).
9 Todo el trabajo no deberá tener errores de ortografía o 15
tecleado, debe tener un interlineado 1.5 con tipo de letra
Times New Roman y Justificado, Tamaño 12, títulos 16,
subtítulos 14 estos deben estar remarcados en negritas.

23