Javier Aracil - Francisco Gordillo - Dinámica de Sistemas

Javier Aracil y
Francisco Gordillo
Dinámica de sistemas
I
/
.,,.
/
-!{
......
--~
;,,,
I
I ',
---
_.,,.
,,, -...(.)...
'
.....,). / 1
TNCE ,' 1 VME
\
1
\ ' ' ......
\
'' ---- ......

'
_....... . . 1 - E 1 ...... ____ ..... ;
s
\
•4
SPE
t .. .
liaqza
Jniversidad Textos
;
Reservados todos los derechos. E:.1 contenido de esta obra está protegido por la Ley, que establece pena~
de prisión y/o multas. además de las correspondientes indemnizaciones por daños y perjuicios. para quie-
nes reprodujeren, plagiaren, distribuyeren o comunicasen públicamente, en todo o en parle, una obra lite-
raria, artística o cienlffica, o su lransformación. interprelación o ejecución artística fijada en cualquier tipo
de soporte o comunicada a través de cualquier medio, sin la preceptiva autorización.
© Javier Aracil y Francisco Gordillo

© Alianza Editorial, S. A., Madrid, 1997
Juan Ignacio Luca de Tena, 15; teléf. 393 88 88; 28027 Madrid
ISBN: 84-206-8168-7
Depósito legal: M. 41.275-1997
Fotocomposición: EFCA, s. A.
Parque Industrial «Las Monjas»
Torrejón de Ardoz - 28850 Madrid
Impreso en Anzos, S. L. - Fuenlabrada (Madrid)
Printcd in Spain
.
CA.P ÍTULO l. Moo LOS DE SIMULACIÓN 1 · FORMÁTI A DEL corvtP(JRTA~tfENTO ... 11

1. 1. Introducción ........................................................................... ,............................................. 11
1.1.1. Concepto de si tema ................... u., ..... u........................................... u.... 11
1.1.2. La estructura de reaUmentación ,,nu, ................................ . . u ...... u........ 14
1.1.3. Dináinica y comportamiento ............. .......................... h • • , , . . .. . . . . . . . . . . . . . . . . . . . 15
1.2. Concepto de modelo .................. º................................................................
u 11 +u .. 17
1.3.. Simulación del comportamiento ................... u................................................ 19
1. 4.. Elementos básico,s del método sistémico ....................... 11H11 •n •.• n.. ..... . . . .. . . •• . 19
1.5. Campos de aplicación de La dinámica de si temas .................... u , ...... ""' ..... .,,... 21
CAPÍTULO 2, EL J\.1 _NTQS BÁSICOS DE LJ . L · GUAJE SISTÉMJCÜu1u+•11H11•n .. ••• .. ••""" 25

2 . 1. Atributos y sistemas .................................................................. 01 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . 25
2. 2. E tructuras de realimentación simple ............ H. 1 ...................... n• .. u . . . . . . . . "" 11 . . 29
2.2.1. Bucle de realim ntación negativa uu•n•····························••uH01 . +111n 29
2.2.2. Forn1ulación matemática de un bucle elemental de realimenta-
ción negativa ................................................ ,..................................................... . 31
2.2.3. Bueles de realimentación positiva ................. .,.,. ............. u 11na;111 l!U •• .,.. 33
2.2 . 4. Formulación matemática de un bucle elemental de realimenta-
· ~ pos1nv.
ClOD . . a ................. ,. ............................................ ,. ...... ,. .................... ........... . 3·4
2.2 . 5. Retrasos .............. ., .............................. ~·························· . ., ......................... ~·········· 38
2.3. Estructuras complejas de realimentación . u ... u ..... u ....... ._. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.1. Arquetipo del crecimiento si.gmoidal .............................. ~· ... :,~ _. .u··

2.3.2. Formulación matemática de un crecilniento sigmoida.1.-.~.-~.. ~_. t .. . ,~.·
2.3.3. .A rquetipo de la adicción .................. ~ :t...:.~·:j~~., ·~;· · t:.-4·:5
11 . . . ............ u ...............
~ ':X: .,
2.3.4. Arquetipo del crecimiento con inversión insuficien e; 4•• ~• .:-i''tl. ..~·.·¡·R
.,.~':
~·,..7~ ·. .!;)
4 1 ! ,-
ci'..
~ •";':í
7
8 Índice
CAPÍTULO 3. MODELADO MEDIANTE DfNÁMICA DE SISTEMAS................................. 55

3.1. Introducción ...... ............. ............................................................................... 55
3.2. De la estructura del comportamiento......................................................... 56
3.3. Diagramas de Forrester ............................................................................... 58
3.3.1. Variables de estado.......................................................................... 61
3.3.2. Variables de tlujo ....................................................................... ...... 62
3.3.3. Variables auxiliares.......................................................................... 64
3.3.4. Otros símbolos empleados en los diagramas ................................ 65
3.4. Retrasos ......................................................................................................... 66
3.4.1. Retrasos en las transmisiones de material..................................... 69
3.4.2. Retrasos en la transmisión de información................................... 74
3.5. Programación del modelo en el computador............................................ 75
3.5.1. Los datos del modelo....................................................................... 77
3.6. Dinámica de sistemas y sistemas dinámicos .............................................. 78
CAPÍTULO 4. EJEMPLOS ELEMENTALES DE MODELOS............................................... 83

4.1. Introducción.................................................................................................. 83
4.2. Bucle de realimentación negativa............................................................... 83
4.3. Bu~l~ d.e reali~ent~ción positiva................................................................ 88
4.4. Crec1m1ento s1gmo1dal.................................................................................. 91
4.5. Oscilaciones................................................................................................... 93
4.6. Adicción......................................................................................................... 99
4.7. Inversión insuficiente................................................................................... 103
CAPITU LO 5. CONSTRUCCIÓN DE MODELOS NO ELEMENTALES EN DINÁMICA DE

SISTEMAS................................................................................................................... 107
5.1. Introducción.................................................................................................. 107
5.2. Las fases en la construcción de un modelo................................................ 108
5.2.1. Fase de conceptualización............................................................... 109
5.2.2. Fase de formulación. ........................................................................ 109
5.2.3. Fase de evaluación ........................................................................... 109
5.3. Estudio de una aplicacíón de la dinámica de sistemas ............................. 110
5.3.1. Fase de conceptualización............................................................... 110
5.3.2. Fase de formulación......................................................................... 111
5.3.3. Fase de evaluación........................................................................... 114
5.4. Descripción de un modelo de demanda eléctrica: MEREA3 ................. 116
CAPÍTULO 6. MÉTODOS AUXILIARES DE LA DINÁJ\IUCA DE SISTEMAS...................... 121

6.1. Introducción .................................................................................................. 121
6.2. Linealización de sistemas no lineales: método de las perturbaciones.... 121
6.2.1. Linealización de funciones sin memoria........................................ 122
"'
Jndíce 9
6.2.2 . . Ejemplo: linealización del modelo de desarroijo de un área in-

dt1s.trial ........................ ~ .. ~., ...................................................... ~............................... 123
6.3~ Análi is de sensibilidad .................... u.. u.... u... n... u.........·................ u............... 126
6.3.1. Análisis de sen. ib,ilidad por linealización ......... u.11H11uu1u11n•••n•••H 127
6.3.2. Ejemplo: análisis de sen ibilidad del modelo de crecimiento de
.,
un area . d ustna
1n . l ....... ·~ ......... ,,.-w. iai• ............ ............ . .. l ..... !!I! .... • 11 • • • • • • • • • • • • • • • • • • • • • ~ . 129
6.4. Estin1ació11 de parán1etros en modelos dinámicos .. ~ .... u,u, ....... n ............... . 132
6.4.1. Ejemplo: estimación de l os parámetros del 111odelo de creci- 1
miento de un área industrial .................................................................. . 135

CAPÍTULO 7. BIF .R A IONES Y ANÁLISIS CUi\Ll ATIV(l EN DINÁ"Pv1!CA DE SIS-
TE J\tlA S .. íi • • • • ii fl • • • 4 • • • • • • • • ., • , • " • • • • • • • • • • • • • • • • • • • • • • • • • • • i • 91 • • i i • • • • • • Ji • • • 4 • • • ,ti • • • • • • • • • • • • • • , • • • • • • 91 • • • • • • • • • • • • • • • • • • • • • • 139
7·. 1. An a, l 1s1
"' .s·. cu a lit
· a t.1vo de sist emas di , .
. nanucos +
u ................................................ . 139
7 . . 1. j el os 1ími.te ........ ~ ~ ~ ,¡ • 1 . . . . . ¡; . . . 1 .. • 1 • .. 1 . . . . 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ., . . . . 1 • • 1 1 .... 1 1 1 • ,. . . . . . . . 1 1 • ,. 42
7.1.2.. Comportamientos extraños de un sistema determinista ............... 143
7 .2. Bifurcaciones en sistema dinámicos ................ *" ....... u ••• u •• u . . . . . . . . . . . . . . . . . . . . . . . ... 146
7 .2.1 ~ Análisis cualitativo ,d el n1odelo de un .á rea industrial ......... •n . . . . . . 49
CAPÍTU o 8. STST JvfAS CO~IPLEJOS .... u111u11u111u1nu1n .............................................. u.. 153

8.1. Estructuras jerarquizadas ..................................................... *........................... 153
8. 1.1. Sist mas dinámicos con dos escala de ti mpo ......................... u..... 154
8.2. La estructura de reacción-difusión y la morfogénesis ...... .º....................... 159
8.2.1. Tvlecanismo morfogenético de Turing ....................... ............ u.. ,u......... 161
8.2.2. Aplicación al mode]o ,d e un área industrial..................................... 166
8.2.3.. Orden 1nediante fluctuaciones .................... ,u,, ............ u,,,~, •• u........... 167
6-
CAPÍTULO 9. EXPLOTACJÓN D LOS rvlODELOS ................ ¡o . . . . . . . . . . . . . . . u....... u....................... 171
9.1. lntroducció·n ........... ~ .............. ,. ..............................~-···································4··........... 71
9.2. El modelo en un proceso de actuación racional.......................................... 171
9.3. U so de n1odelos para búsqueda de actuaciones racionales ... u................ 17 4
9.3.1. Optimización estátican,, ... ,,n·,u······································ ... ·· .. ··· ... ··~u,, 74
9 .3 .2~ Control óptimo ........................................ ··~ ... ,.. ... ..... .... ...... ..... .... ..... ..... .. 175
9.3.3. Control óptimo en bucle cerrado n•• · .. •••••••••• .. •••• ••u11u111UIOUIIU ........ 181
9.3.4. Ejemp los ..................:........................................,.................................. ~·····~·····..
1
182
9~3.5. Otras consideraciones .................... ,u~,................................................. 188
9.4. Principio de racionalidad acotada .......................... ,u ...................... ~·· · n .. ··••··•• 189
9.5. El principio de racionalidad acotada y la dinámica de sisten1a .. 4..... u , .... 191
l. l. INTRODUCCIÓN
Este libro está dedicado al estudio de la dinámica de sistemas. Con esa lo~ución se alude
a un método para el estudio del con1portamiento de sistemas mediante la construcción de un
n1odelo de simulación infonT1áf ca que ponga de n1anifiesto las relaciones entre la estructura
del sisteina y su comportamiento~ En esta introducción vamos a analizar los diferentes términos
que aparecen en la anterior caracterización. Así, en primer lugar,. explicaremos el concepto de
sisteina en el sentido usado aquí. Después trataremos de precisar qué entendemos por cor1porta-
miento de un siste1na, y de esbozar la relación existente entre ese co1nportamiento y la eslructura
del sistemaN lo que nos llevará a considerar la dinámica de un sistema. Nos detendremos en
una estructura particularmente interesante . como es la e~tructura de rea]in1entación1 que nos
pennitirá tener un primer ejen1plo de una propiedad propiamente sistémica, en la que el modo
de con1portamiento depende de la estructura. Con ello ya estaremos en disposición de analizar
qué entenderemos por un mod lo y en particular de un modelo de simulación infon11ática. Con
todo tendremos un primer esbozo de la dinámica de sisten1as que considerar,en1os como un
método concreto para el estudio de sistemas dentro del campo disciplinario de más amplias
pretensiones que es la sistén1ica" Cerraremos el capítulo con una rápida revisión de los carnpos
de aplicación de este método de estudio de siste1nas.
1.1.1. Concepto de sistema

El término sistem.a posee varias acepciones en su uso ordinario~ Por eje nplo, dccimo que
\
tenemos un siste1na o rnétodo pru·a resol ver una cierta situación proble1nática. No es ése el senti -
do que nos interesa aquí. Para nosotros un siste111a es un objeto formado por un conjunto de.
partes entre las que se establece alguna forma de relación que las arlicula en la unidad que es
1
precisamente el sisten1a. Un sistema se nos n1anifiesla con10 un aspecto de la realidad dotado~de.. 0

cierta complejidad prech,amente. por e-star fom1ado por partes en interacción. Esta ip~rácc~Q. _:; .(.,j~ ~:.. ,:
,~!' . '¡¡ · ~ #;
11 '\e~l~OTEc
. . ry
'.;.--:!
12 Dinámica de sistemas
U ! WitiRl9ftPl'it1i
coordina a las partes dotando al conjunto de una entidad propia. Las partes y la interacción
entre ellas son los elementos básicos en esta concepción de sistema. Un sistema se percibe
como algo que posee una entidad que lo distingue de su entorno, aunque mantiene interacción
con él. Esta identidad permanece a lo largo del tiempo y bajo entornos cambiantes.
Esta acepción del término sistema se aplica en múltiples campos. Por ejemplo, hablamos
del sistema planetario formado por los planetas ligados por las fuerzas gravitatorias que se
ejercen entre ellos y el Sol. Hablamos también de un sistema ecológico formado por diferentes
poblaciones entre las que se establecen relaciones de cooperación o de predación, formándose
en este último caso cadenas alimentarias. Asimismo aludimos a un sistema económico formado
por los diferentes agentes entre los que se pTOducen relaciones de intercambio de bienes y
prestación de servicios. Análogamente decimos de una empresa que es un sistema en el que se
coordinan sus distintos departamentos para, por una parte, producir el producto o servicio que
justifica su existencia y, por otra, asegurar la adecuada retribución del trabajo y del capital en
ella involucrados. La lista de ejemplos es interminable, ya que de casi todo lo que nos rodea
se puede decir que es un sistema. Incluso en física fundamental el propio concepto de átomo
con el que soñaba Demócrito ha sido desbancado por un enjambre de partículas elementales
coordinadas.
FIGURA l. l. Grafo que representa un sistema.
Por tanto, para nosotros, un sistema es un cierto aspecto de la realidad al que podemos
adscribir una descripción en la que básicamente se enuncien una serie de partes componentes y
una forma de interacción entre el las que suministre un vínculo que las organice en la unidad que
es el sistema. La descripción más elemental que podemos hacer de un sistema es sencillamente
enunciar el conjunto C de sus partes y la relación R que establece la vinculación que se produce
entre ellas. Es decir, un sistema es el objeto que admite al menos una descripción mínima según
la cual está formada por un conjunto C y una relación R entre los elementos ele C. En esta
anterior definición los elementos básicos son e l par (C, R). A esta descripción podemos asociar
la imagen gráfica de un grafo como el que se muestra en la figura l. l, cuyos nodos denotan
esas partes y cuyas aristas representan las in.fluencias que se producen entre ellas. Este grafo
aporta una desctipción de naturaleza estructural del sistema y por ello se dice que representa
su estructura. Un ~jemplo más concreto de grafo de un sistema aparece en la figura 1.2 que
muestra el grafo de un sistema demográfico.
Las partes de un sistema se caracterizan mediante sus atributos, de modo que las influencias
entre las partes se convierten en relaciones entre los atributos característicos. En el capítulo 2
estudiaremos con detalle estructuras elementales de sistemas.
Modelos de simulación informática del comportamiento 13
que aumentan la que hacen distninujr la

-....___
Nacimientos Población Muertes

l t
1'1 ,,"
1 1
hace que aun1enten los

\\ pero tarnbícn aun1entan las ./
I
\\ a n1enos
que hace \
disn1inuir los"~
Recursos
FIGURA 1.2. Grafo de un. siste111a de,nográficn.
En todos los ejemplos de sistemas que he1nos considerado anteriormente se trataba de cosas
naturales o sociales pero siempre materiales o concretas. A estos sisten1as aluclin1.os corrien-
ten1entc diciendo que forman parte de] n1undo externo o extralingüístico que nos afecta con sus
solicitaciones. Por otra parte~ existen los sistemas fo1111alcs., formados por objetos abstractos
(símbolos y re aciones) que aportan los útiles con los que representar a esos sistemas concretos
que forman nuestro entorno. El objetivo del constructor de. un modelo de dinámica de sistemas
será precisamente el producir esos objetos for111a1es con los que representar sistemas del inundo
real, de forma análoga a como un mapa representa un átnbito geográfico.
( n e~e sentido conviene precisar los dos usos habjtuales del término siste,na. Por una par-
te, se emplea para designar un aspecto del mundo, con10 en los ejen1plos más arriba 1nen~
cionados de síste1nas ecológicos o sociales. Por otra, para reierirse al objeto absu·acto mediante
~I el cual se describen sos sisten1as reales. Esta distinción no es exclusivainent tenninológica,
sino que subyace en ella ]a distinción ntre e objeto S del mundo real que . trata de estudiar. y
su representación media_nt,e un objeto maten1ático adecuado (C~ R)~ al que nos referir,e mos co-
n10 un 111odelo )\.,-1 . Sin embargo., no es extraño que se confundan las dos acepcion s~ lo que
conduce a identificar la representación con lo representado. Los que defienden que e ,a identifi -
cación no es grave dirán que precisamente se construye el modelo para poder hacerla, para tener
una representación que sea réplica exacta de lo representado. Sin embargo, esta afinnación hay
que ton1ar1a con las oportunas reservas~ ya que nunca pode1nos agotar un cierto aspecto de la
realidad con su representación.
Conviene observar que en todos los ejemplos mencionados má.s arriba e1 término sistema
aparece adjetivado: sistema planetarioi sistema ecológico~ sistema econó1nico ... Esta necesi-
dad de adjetivación sugiere que algunas de sus propiedades están subsumidas bajo el adjetivo,
1
mientras que otras lo están bajo el propio término sistema. El adjetivo describe lo que es paiti-
cular de la clase de sistemas que se están considerando, mientras que. siste1na alude a aqu llas
propiedades que so independientes de la naturaleza concreta del sistema en cuestión. En todo
sistema S cabe considerar, por una parte" propiedades que dependen de la naturaleza de las
partes C que lo forman; es decir, propiedades de las parles que se manifiestan en el sistema. P.or, 1: '='i 9-
otra, S posee propiedades ligadas a la forma de organizarse las partes en el sistema, propjfillaile _.. ~h· •,. !
que cabe asociar. en la descripción del sistema con la que lo conceplualizamos, a la relal\;fiiÍll . ,· ·~ 'ft_'· ?" .ff¡
.- ~· ·,~·. . ~'/ -
i101tt
...... "'
Estas propiedades son las propiamente sistémicas y de ellas emana la noción de sistemicidad.
Vamos a ver en el concepto de realimentación una propiedad de esta naturaleza.
1.1.2. La estructura de realimentación
Una estructura básica en el estudio del comportamiento de un sistema es la estructura de

realimentación, por lo que conviene dedicarle algún espacio en esta introducción. Para ilustrarla
su pongamos un proceso mu y sencillo de la vid a ordinaria como es eJ llenar un vaso ( figura 1.3).
En este caso, el grifo, el vaso y la persona que lo llena son las partes del sistema. El proceso
de llenar un vaso de agua presupone que el que lo realiza abre el grifo, observa cómo aumenta
el nivel del agua en el vaso y lo cierra cuando estima que el ruvel alcanzado es el deseado.
Podemos describir lo que sucede diciendo que el que llena el vaso compara el nivel alcanzado
con el ruvel deseado y actúa sobre el grifo en función de esta discrepancia, de modo que según
disminuya la diferencia de niveles irá cerrando e) grifo basta hacerlo defirutivamente cuando
la discrepancia se anule.
FIGURA 1.3. Proceso de llenar un vaso.
En la figura 1.4 se ha superpuesto al dfüujo de la figura 1.3 un diagrama en el que de fonna

esquemática se indican las influencias implícitas en la anterior descripción del proceso. Este
diagrama básico se muestra de foima aislada en la figura l .4b. En el diagrama se han indicado
mediante flechas las influencias que se producen entre los distintos elementos que intervienen
en la descripción del proceso. Así, se indica mediante una flecha que el flujo de agua influye
sobre el nivel alcanzado en el vaso. Además, mediante un signo+ se indica que la influencia es
positiva, lo que quiere decir que a mayor flujo de agua, mayor nivel alcanzado. Análogamente
· al crecer el nivel disminuye la discrepancia, lo que se 1ndica mediante una flecha a la que se
asocia un signo - . Por último, la discrepancia se determina a partir del nivel deseado y del
n~canzadQ,
Este ejemplo constituye una muestra de cómo se puede analizar un sistema, descomponerlo
en sus elementos esenciales y relacionar estos elementos mediante un bosquejo de cómo se
producen las influencias entre ellos. Se tiene así la descripción más elemental que podemos
tener de ese sistema, que se limita a establecer sus elementos componentes básicos y las
influencias entre ellos. En este ejemplo concreto se ilustra también lo que se conoce como un
Modelos de simuiación informática del comportamiento 1,5
...
1
llu.jo
( ct··
81!!\l :1
..
.
·•· (1isc~ Ei•e?
(a l (bJ
FIGURA 1.4. Diagrama básico del proceso de llenar un vaso de agua: (a) con un grafo
orientado; (b) con. un grafo signado. ·
bucle de realimentación, ya que n .él se produce una transmisión qe información circular de .

forma continua+
Esta estructura cau5al circular aparece. n múltiples situa9iones y está en el origen de com- ·
portantientos complejos, como vere1nos a lo largo de este Hbro. Existe una n1etáfora que de
forma gráfica ilustra ese hecho. Se supone que alguien stá inmerso entre do. tipos de proble-
n1as que se ilustran n1ediante losas co1no hace la figura 1 . 5a~ AJ tratar de liberarse de una de
eUas, empujándola para apartarla se produce el fenómeno que Le ilustra en la figura .1:5b~
La causalidad circular implícita en el proceso de realimentación hace que aparentes solúcio.:.
nes a unos problemas producen deterioros importantes en otros. Existen 1nuchos ejemplos de
estructuras de realimentación en los sistemas en los que estamos inmersos~
~
1
..
1 •
'
•
(h
• >
-
'. lGURA 1.5. Ilustración de los problemas asociados a lcq estructuras.de realimentación.
1.1.3. Dinámica y comportamiento -

. .
n la locución dinámi a de siste,nas, junt~ con el término sis,e1na aparece el de dinámic~ ~ ,,, '-
un nivel superficial, el término dinámit~a lo empleamos por oposición al de estática, y qqer~p1os' ; ,. .~ !
expresar con él el carácter cambiante de aqueUo que adjetiva1nos con ese término. A·íJJgo aue~ · · ~
FLGURA 1.6. Trayectoria que describe el comportamiento de una magnitud x.
cambia con el tiempo asociamos una imagen como el de la figura 1.6 en la que se muestra la
trayectoria de una magnitud.
El concepto de trayectoria es algo con lo que estamos familiarizados. En principio, evoca la
imagen de un proyectil que se desplaza por el espacio. Pero también podemos emplearlo para
referimos a la evolución de un indicador económico (la figura que muestran los periódicos de
la evolución de la Bolsa, por ejemplo) o, en general, de cualquier magnitud que cambie con el
tiempo. La representación gráfica de las trayectorias muestra el comportamiento del sistema
al que se asocian esas magnitudes, ya que es una imagen geométrica de ese comportamiento.
Se emplea aquí comportamiento en un sentido preciso: entenderemos por comportamiento la
evolución a lo largo del tiempo de las magnitudes que se consideran relevantes para caracterizar
los objetos considerados.
Cuando hablamos de esludiar su comportamiento, estamos asumiendo que los sistemas
cambian con el tiempo (es decir, que los atributos asociados a ellos sufren variaciones; por
eso registramos sus trayectorias) y que nos interesa dar razón de esos cambios (buscamos una
descripción racional del comportamiento). Resulta especialmente importante el caso en que
esos cambios se generen endógenamente; es decir, resulten básicamente de las tensiopes que
se producen en el seno del sistema, mediante las relaciones entre las partes que lo forman. Ello
no excluye la posibilidad de considerar la acción de eventuales factores externos, pero para
nosotros lo más significativo en la descripción del comportamiento serán las propias tensiones
internas. Estas tensiones vienen deterrnfoadas por las interacciones ehtre las partes del siste-
ma, que suministran, a su vez, el vínculo que articula a esas partes en la entidad que es el
sistema. En este sentido hay que resaltar que el término dinámico tiene una connotación no
sólo de cambio, sino de la fuerza (del dinamismo) que lo engendra.
El conjunto de las trayectorias de las magnitudes asociadás a un sistema dan cuenta de su
comportamiento durante un periodo de tiempo determinado. Muestran una imagen gráfica de
qué ha hecho el· sistema durante ese periodo. En esas trayectorias se ponen de manifiesto los
cambios que se hao producido en los atributos asociados a S. Si queremos profundizar en el
conocimiento del sistema interesa conocer a qué pautas responden esos cambios (en el caso de
que no sean enteramente arbitrarios o caprichosos). En ello reside la pretensión de un análisis
racional del comportamiento de un sistema.
Modelos da simulación informática del comportamiento 17
En algunos ·casos es posible dar razón de esas pautas a partir de la esnuctura del sistema:
es decir, es posible asociar modos de comportamiento a deten11inadas formas de organizar las
influencias entre las partes d un sistema. En el capítulo 2 se tratarán eje1nplos de estos casos.
Para el estudio del comportamjento de los sistemas disponemos de un objeto n1atemático
especialmente adecuado: el sistema dinámico . .Formaln1ente un sistema_diná ·e es .el objeto
1natemático formado por un espacio de estados~ LI.n! regla que prescribe como varían estos
a
estados fu largo del
tiempo. sta reg.la se ' uede ex --- "ieten1 fa mas,.pe O ª~nosgtros-
nos i~resará fun.dame 1J!..!'!2.ent la si.gui~pte:
- dx ( .
dt==fx)
en dond .Ja función f expresa p t e c i s a ~ l a-QMe ri
en
- -~ ---
el estado X E X.
1 concepto de siste,na d.inámico se origina en la n1ecánica clásica para describír cómo
se produce la variación de la posición y la velocidad de las partículas materiales en función
de las fuerzas que se producen entr·e ellas. El uso de este conoeplo se puede generalizar al caso en
que en lugar de posiciones y velocidades de un sistema mecánico se consideren los distintos
atributos asociados a las partes de un sistema~ y en vez de las fuerzas que interactúan entre
1
partículas se consjderen las relaciones de influencia enrn · _.Jlas que suministran la trabazón que
articula las partes del sistema. De este rnodo el concepto de sistema dint11níco aporta el lenguaje
para la descripción del comportamiento de un sistema. Veremos có1no la dinámica de sistemas
sunlinistra un método para transcribir la descripción elemental d un siste1na en un sistema
dinátnico. De este modo para e) estudio de un sistema c-oncreto construiremos un objeto forn1al.
qu - será un sjstema dinámico en el sentido matemático del término, y con el que tenen1os un
modelo de es aspecto de la realidad que tratamos de ,estu.diar.
1.2. CONC PTO DE MODELO
Otro concepto que conviene revisar es el de modelo. Como sucede con sisten1~ el término
01odelo se emplea con n1últiples sentidos. De estos usos ordinarios hay dos claran1ente contra-
puestos que conviene recordar para precjsar el que a nosotros nos interesa. Por una parte del
que posa para un pintor o para un fotógrafo d . cin1os que es su modelo. En este ca os · atiende
por modelo el referente de lo representado. Por el contrario, ta1nbién hablamos de modelo
1
al referirnos a una maqueta que pretende reproducir un determinado aspecto de la realidadw

En este segundo caso ...
hablamos de n1odelo co1no representación. El modelo es un objeto que
representa a otrow Este es el sentido de] ténnino n1odelo que nos interesa aqut. as1 uernos
que para un observador CJ un objeto M es un modelo de un objeto ,S (lln sisten1a), si O se
puede servir de J\..1 para responder a cuestiones que le importan con relación a S 2 . Es decir,. un
~En este libro se . utilizan indistinlruncntc.: las notaciones d:r / dt y x para representar a la derivada de. laz ·t~J ';:'
vanabJc x respecto 1tlel hempo t. . . ·. . Ji~ c.::·••
2 M. Minsky~ !968. "'Mattcr, n1ind and rnodcls,.'. en Senuuuic l,lfonnatio11 Processing, M. .vlin ·y C . : !ij
pp. 425-432. Toe r.i;HT Prcss. t_)~
modelo M es un instrumento que ayuda a O a responder preguntas acerca de un aspecto de la

realidad al que convenimos en considerar un sistema concreto S. Conviene resaltar el carác1er
de insrrumento del modelo. Es un medjo para algo (habitualmente una ayuda a la toma de
decisiones, en un sentido amplio) y no un fin en sí. Sirve, aquí y ahora, para ayudar a resolver
un problema concreto, que ha motivado su construcción. Normalmente no tiene un carácter
definjtivo.
En esta definición de modelo, la presencia del observador O es básica, ya que toda des-
cripción (y, en consecuencia, todo modelo M) llcva asociada un observador O. El modelo lo es
para él, y para aquellos con los que compaite un lenguaje con el que describir una deterrninada
forma de ver un cierto aspecto de su entorno. El modelo no es - al menos no Liene por qué
serlo-- una copia (de aquel aspecto) que tenga un valor descriptivo independiente de cómo
se realiza, sino que está asociada a una interpretación de la realidad construida con los útiles
aportados por un lenguaje de modelado.
Con un modelo se pretende describir un cierto fenómeno o proceso S. Por tanto, recogerá
sólo aquellos aspe<:tos que -en opinión de su constructor, y según su buen saber y entender-
resulten relevantes con relación a S. Presupone, por tanto, la adopción de un criterio de re-
levancia con respecto a aquello que se va a incluir en el modelo. No existen descripciones
neutrales.
El proceso mediante el cual O construye M recibe la denominación de proceso de mode-
lado. Con su concurso se procede a la construcción de un objeto artificial: el modelo M. En
todo proceso de modelado se pueden distingujr, al menos, tres aspectos~
• Una problemática concreta con relación a S. Como ya hemos ap~ntado, un modelo
nunca puede pretender agotar la realidad de S, sino que sólo atiende a determinados
aspectos suscitados por un problema concreto. Este problema ~s el que ha detem1inado
la decisión de construir el modelo (normalmente se trata de decidjr ~obre unas acciones
a realizar con respecto a S para alcanzar ciertas metas concretas).
• La experiencia previa relativa a otros S , análogos a S. Esta experiencia puede ser propia
o ajena; puede, a su vez, constituir un cuerpo de doctrina organizado o ser simplemente
un conjunto de opiniones. Pero, en todo caso, se trata de la información de que se dispone
con relación a S.
• Un medio de expresión que permita a O realizar M, al que podemos denominar lenguaje
de modelado, que suministra los módulos básicos (conceptos y símbolos) a partir de los
cuales se construye el modelo. Estos útiles suministran un marco desde el cual-ver y, a
panir de esa visión, rep¡esentar a S. Combinando esos módulos se tiene un reperto(io de
posibilidades de representación entre las que hay que buscar aquella que mejor se ajtíste
al S concreto objeto de modelado.
Un modelo se dice, en la terminología habitual del modelista, que se construye, en el
sentido de que se edifica; es decir, que se ensamblan módulos básicos para dar lugar ,al objeto
artificial que es el modelo. Este aspecto de construcción, a lo largo del proceso de modelado,
no debe ser subvalorado y, en consecuencia, cabe considerar a ese proceso como artesanal, en
el sentido de arte de organizar los elementos básicos que suministra la técnica de modelado
empleada de fonna adecuada para conseguir el objetivo propuesto: una imagen aceptable, para
un determinado propósito, de un cierto aspecto del mundo real.
Modelos de simula.ci6n informática del comportamiento 19
1
1.3. IMULACIÓN DEL COMPORTAMIENTO
El co1nputador u ordenador es un instrumento de considerable universalidad que puede con-

v -rtirse, adecuadamente progran1ado, en una aparente réplica. -en lo que al comportamiento
se refiere- de objetos o procesos del n1undo de los que se disponga de una descripción con-
venientemente formalizada. Se dice entonces que sünula a] objeto con cuya descripción se ha
programado. Ta1nbíén se dice que se tiene un simulador del objeto o proceso considerado.
En este libro nos vamos a ocupar de la simulación del co1nportamiento de sisten1as. Ya
hemos visto que el comportamiento de un sist ma se representaba n1.ediante las trayectorias
de las diferentes magnitudes que se le asocian. Nuestro objetivo será construir un mode-
lo mat,en1ático n1ediante un siste1na dinámico, que_, programado en un computador, permita
generar las trayecto1ias que ilustren su con1portan1iento.
Los modelos. M qu aquí consideramos (modelos de shnulación inforrnática de1 compor-
tamiento) no son una representación pasiva de S (al 1nodo de un plano o 1napa), sino que son
de tal naturaleza que su programación en un computador pennite que éste genere un con1por-
tamiento que es una réplica . empleando cierta convención, del de S. Mediante la conjunción~
de técnica inforn1átícas y maten1áticas, es posible pasar de la descripción de un cierto sistema,

en un lenguaje ad cuado, a la generación del co1nportamiento correspondiente.
Con Jo visto hasta aquí ya estamos en condic"ones de vislumbrar cómo se pueden ligar
estructura y comportan ~ento. Por una parte, la estructura de un sistema viene dada por la trama
de relacion s de influencia, de n1odo que se puede escribir
estructura -: ]> trama de relaciones
Por otra, su con1portamiento se manifiesta mediante las trayectorias,. por lo que se puede
decir que:
con1portamiento . ,;,. .-:-> trayectorias
Por tanto! si a partir de la trama de relaciones se pudiesen obtener las trayectorias, se

tendrían relacionadas estructura y comportamiento. Veremos cómo mediante la d.inán,ica de
siste111as somos cap,aces de llevar a cabo esta relación.
,. "' ,,
ELEM NTOS BASICOS DEL NIETODO SISTEJv.lICO
n las secciones anteriores se han presentado, de for111a somera, los elen1entos básicos so re
los que trata Ja dinánlica de siste111as, a ia que cabe considerar como un método concreto para.
el estudio de los sisl 1nas que forman nuestro entorno. Este r 1étodo se puede considerar co1no
una r.nanifestacíón particular de lo que se ha venido a deno1ninar 1netodolog{a de sisten1as, o
conjunto de métodos mediante los cuales abordar los problemas en los que la presencia de
sistemas es dornioar te.
La 1netodología sistémica forma parte de Jo que podemos denominar de for1na genérica
movitniento sisténlico, que incluye todas las aportaciones, de naturaleza muy variada --desde
filosóficas a metodológicas- relacionadas con el estudio de los objeLos dotados de una cierta
complejidad a los que hemos venido en denominar sistemas. Como ya hemos visto, para
los sisternistas, un sistema es un objeto complejo -natural o artificial- susceptible de ser
analizado---dividido- en partes, pero cuya entidad resulta precisamente de cómo esas partes
se integran en la unidad sustantiva que es el propio sistema.
Entre el sistema -el todo- y sus partes, se establece una relación dialéctica que fue
precursoramente apuntada por Pascal cuando dijo que era imposible entender el todo --el
sistema, diríamos aquí- sin conocer las partes, así como e l entender las partes sin conocer
el todo. El movimiento sistémico trata precisamente de desarrollar útiles conceptuales y ope-
rativos específicos con los que llevar a cabo el programa así esbozado de estudio de sistemas
complejos. Los resultados alcanzados por este movimiento pretenden articularse en torno a
una teoría de sistemas o sistémica.
Esta teoría dista mucho de presentarse como algo unitario y claramente estructurado. Por
el contrarío, en la aclualidad es más bien un punto de confluencia de estudiosos y especialistas
de diferenle procedencia, cada uno de los cuales comparece en el foro de la sistémica con su
bagaje metodológico y los sesgos propios de la disciplina de la que procede. A todos les une
una llamada común: sus objetos de estudio tienen la característica genérica de ser sistemas; de
ser objetos complejos formados por múltiples partes en interacción, dotados de alguna forma
de organización, y de tal naturaleza que existe la presunción de que su comportamiento (el del
sistema, el del conjunto) se debe más a la forma de producirse las interacciones entre las partes
que a las propiedades de las partes tomadas aisladamente.
La ciencia clásica ha sido fundamentalmente reduccionista, en el sentido de asumir como
axioma metodológico básico el que para estudiar un objeto lo que había que hacer era reducirlo
a sus partes y estudiarlas aisladamente. Una vez conocidas las propiedades de las partes, las
propiedades del sistema se desprenden por sf solas. Se trataba, por tanto, ele reducir el estudio de
un sistema a su análisis, a su disección. Este principio analítico ba sido enormemente fecundo,
en particular en física. Sin embargo, desde las disciplinas que se ocupan del estudio de objetos
de una cierta complejidad pronto se empezó a presentir su insuficiencia. Tan importante como
la disección y el análisis es la integración y la síntesis.
La teoría de sistemas pretende no subordinar en el sistema e l todo a las partes, pero
tampoco las partes al todo. El sistemista cuando analiza un sistema, lo disecciona en sus
partes, pero sin perder de vista la unidad del sistema; las partes sólo tienen sentido en tanto
que partes del sistema, y no como objetos aislados desvinculados de él. Por el contrarío,
cuando estudia el sistema como una unidad. no olvida las partes. Esta forma peculiar de
integrar el análisis y la síntesis ha sido asumida lúcidamente por Simon al decir: "frente a la
complejidad [de un sistema] un reduccionista convencido puede ser al mismo tiempo un holísta
pragmático''3 . Análisis y síntesis se dan en una peculiar conjunción que constituye la esencia de
la metodología sistémica. Sin embargo, estas ideas, por sugestivas que parezcan, pueden pecar
de excesivamente abstractas y vagas. ¿Cómo articular el análisis y la síntesis en un método que
permita estudiar sistemas concretos? Una respuesta a esta pregunta la aportan las técnicas de
modelado y simulación informática y muy en especial la conocida como dinámica de sistemas,
a la que se dedica este libro.
Veremos cómo la dinámica de sistemas es un método en el que se combinan el análisis y
3 11. Simon, 1981. Tire sciencev of rhe arrifida/, MIT. Cambridge. Ma5~achusctts.
Modelos de simulación ü1formá.tica del comportamiento 21
l
la síntesis, sumini trando un ejemplo concreto de una metodología sistémica. La dinámica de
sistemas uministra un lenguaje que permit expresar las relaciones que se producen en el seno
de un sistema,. y explicar cón10 se genera su comportamiento. De e~te modo nos va a p 1mitir
poner de 1nanifiesto cómo están relacionadas la estructura de un sisten1a (la trama de relaciones
que articulan sus partes~ recuérd se Ja figura l. l) y su comportamiento (los crunbios que se
producen en sus atributos, representados por sus trayeciorias, según se vio en la figura 1.6).
Su objetivo es conciliar estructura y compolitamiento, de 1nodo que aparezcan como las dos
caras de una misma moneda.
La construccjón de un 1nodelo para si1nulación informática requiere el análisis del sistema
que se va a modelar~ parad cidir~ en prin1er lugar, qué parles son relevantes para tener una
descripción significativa. Una vez decididas la~ partes relevantes hay qu establecer los meca-
nismos que las jnterrelacionan~ es decir, hay que postular la forma cómo se integran para dar
lugar al sistema~ Mediante el computador es posible generar el comportamiento de esas panes
(rcsu1tado del análisis) articuladas mediante. e11necanismo de integración (consecuencia de la
síntesis)~ se comportamiento deberá aju.slar e al observado en la realidad. De este modo se
tienen metodológicamente articulados análisi , síntesis y contrastación empírica.
Conviene resaltar cómo los 1nodemos estudios sobre sistemas se han visto enormemente
enriquecidos con la. aparición del con1putador. Esta máquina es, en sí mi ·n1a, un sistema
co1nplejo que puede, mediante su adecuada progran1acjón, convertirse en una réplica o mot.ieio
d una a1nplia clase de sistemas concretos. De este modo se dispone de un instrumento mediante
el que desruTollar algo parecido a un trabajo experimentaJ con las modelaciones d los sistemas.
1
La introducción del co1nputador lleva consigo la necesaria for1na1ización de los objetos que se
están estudiando y eso~ para la teoría de is tenias, ha contiibuido a su desarroHo forn1al. Por
todo ellot el computador se ha convertido en un instrurnento esencial para esta disciplina.
1.5~ CAMPOS DE APLICACIÓN DE LA DINÁMICA DE SISTEMAS
La dü1án11ca de sistemas fue conc bida para resolver un problema concreto: el que pre-
sentaba una en1presa de productos electrónicos que teniendo pocos clientes, y todos ellos con
unos p didos 1nuy estables y previsibles, sin embargo registraba considerables oscilaciones
en la línea de producción. La situación era desconcertante. El entorno en el que actuaba la
en1presa era 1nuy estable y sin embargo en su . eno se producían oscilaciones. Del análisis del
problema se ] legó a la conclusión de que estas osci1ac ·ones eran generadas endógenan1ente
por la empresa. Más aún. eran debidas a la combinación de estructuras de realimentación y
de retrasos en la transmisión de información a lo largo de estas estructuras~ Para llevar a cabo
este análisis lay W. Forrester sentó las bases del método que hoy conoce1nos como dinámica
de sisten1as.
Originaln1ente el 1nétodo se deno1ninó dinámica industria], por el tipo de aplicación que
había suscitado su desarrol lo. Los trabaj:os pioneros se desarrollaron a finales de los años 50.
y durante el decenio posterior e produce su implantación en los 1nedios profesionales. A
n1ediados de los 60 se cornienza a vislumbrar aplicaciones del método más allá del ámbito
industrial. En particular ~e promueve la aplicación de esas técnicas al estudio de áreas urbanas,
dando lugar a lo que se denominó dinámica urbana4 • Una aplicación análoga la constituye la
dinámica regional. Con estas aplicaciones se desarrollan modelos que aportan una herramienta
auxiliar para la planificación urbana y regio_naJ. Estos modelos representan las interacciones
que se producen entre las principales magnitudes socioeconómicas del área correspondiente y
permiten generar, a partir de elJas, las evolu-cio-nes de las magnjtudes consideradas significati-
vas: número de habitantes, indicadores económicos, etcétera, para, a partir de estas evoluciones,
planificar las necesidades de infraestructura y de servicios.
Con todo ello se van consolidando las posibilidades del método para un análisis de las
relaciones entre estructura y comportamiento en sistemas complejos. Por ello no es extraño
que a finales de los 60 el Club de Roma considerase su idoneidad para llevar a cabo su estudio
sobre los límites del crecimiento. Precisamente un modelo de dinámica de sistemas sirvió
de base al primer informe aJ Club de Roma en el que se anali1aba la previsible evolución de
una serie de magnitudes agregadas a nivel mundial como son la población, los recursos y la
contaminación. En el modelo se analizaba la interacción entre estas magnitudes y se ponía de
manifiesto cómo en un sistema de esa complejidad, debido a las fuertes interacciones que se
producen en su seno, la actuación sobre unos elementos, prescindiendo de los otros, conduce a
resultados imprevistos, cuando no insatisfactorios. El informe correspondiente tuvo una gran
incidencia en la opinión pública y ha sido objeto de múltiples debates, tanto favorables como en
contra. Es indudable que todo ello contribuyó enormemente a la difusión del método empleado
en su elaboración. Recientemente se ha publicado una reelaboración de sus conclusiones, a
la vista de los veinte años transcurridos desde el primer informe, en la que prácticamente se
mantienen las recomendaciones de aquel informe pionero5 .
Con este estudio sobre la dinámica mundial se puso de manifiesto que el método empleado
posee una cierta uruversaJidad que va más allá de los campos concretos a los que se aplica. Por
tanto, las denomjnaciones dinámica industrial o dinámica urbana resultaban insuficientes y se
convino en empezar a denominar el método como dinámica de sistemas¡,.
Sus campos de aplicación han resultado ser muy variados durante sus más de treinta años
de existencia. Además de Jos sistemas industriales y socioeconómicos de ámbito urbano o
regional, se ha empleado en sistemas sociológicos en donde se han modelado desde aspectos
teóricos como la dinámica social de Pareto y/o de Marx 7 hasta cuestiones de implantación de
la justicia8 • Otra área en que ha servido para importantes aplicaciones es la de los sistemas
ecológicos y medioambientales, en donde se ha aplicado tanto a problemas de dinámica de
poblacionesº, como de difusión de la contaminación 10 . Otro campo interesante de aplicaciones
es el que suministra los recursos energéticos, en donde se ha empicado para definir estrategias
4 J. W. ForrcMcr. 1969, Urba11 dy11amics, Productivity Prcss.

5 D. H. Mcadm\s. D. L. Mcadows. J. Randcrs. y W. W. Bchrens UJ. 1973, los límite, drl rrecimie1110: i11fom1e
CJI Club de Roma sobre el predic111ne11to de la humanidad. Fondo de Cultura Económica.
6 Esa denominación ha sido cuestionada, ya que aparenta ser excesivamente pretenciosa cuondo. en realidad, se
ocupa de una clu~c limitada de lenguajes de modelado. Recientemente se han , ugerido denominaciones altcmalivas,
como vi11111lacitS11 dinámica o 1i11111lación del co111ponamic1110. Estas denominaciones, , in embargo. han con\eguido
aún menos aceptación. Aquí hcmo, conservado la denominación original.
7 R. A. Hancmman. 1988. Comp111er·aJsis1ecl theory b11ílcli11g. Sagc.
° C. Jacobscn y R. Bron~on, 1985, Si11wla1i11[1 1•iolmors. ORSA.

n L. Gutiérrct y W. Fey, 1980, Ecosys11,111 s11ccessio11, MIT Prcss.
JO D. H. Meadows. D. L. Ñlcadow~. J. Randcrs y W. W. Bchrcns 111, 1973. Tol1'arcl xtobal equilibrium,
Wnght-Allcn Pre,~.
Modelos de simulación informática del comportamiento 23
de utilización de esos recursos. 11 ~ Por tenninar con esta sucinta enumeración de campos de
aplicación, conviene también a]udir que se ha empleado para prob]e1nas de defensa nacional 12 .
La dífusíón de esta técnica de modelado y símulación informática ha sido muy amplia y en
nuestros días se puede decir que constituye una de las herramientas sistémicas más sólidamente
desarro11adas y ,que 111ayor grado de aceptación e implantación ha alcanzado.
Los capítulos de este libro constituyen una introducción a este método. En el capítu.Jo 2 se
exponen los elementos básicos del lenguaje sistémico, haciendo especial énfasis . n cón10 la
estructura de un sistema determína su comportamienlo. El método de la dinámica de sistemas
se expone en el capítulo 3 y se ilustra con ejemplos en el capítulo 4. En el capítulo · se exponen
diversas técnicas co1nplementarias a la dinámica de sistemas que ayudan al análisis de los
mode1os. El capítulo · se dedica íntegramente. a la descripción de una de estas técnicas: e1
análisis cualitativo de sislcmas. La problemática asociada a los siste1nas. complejos se trata en
6.
el capítulo Por último, el capftulo1' se dedica a las técnicas de explotación de los modelos.
11
N. Choucri, l 982 lnternatioruil energy .future .... MTT Pre~s. R_ F. Na iH , 1977 _ J\4anagin¡: the energy
1 fra nsilio n,
Ballingcr.
12 E. \.v~ofaten holn1e. J 990~Sy. rems enquiry, \.\lile y" capít1Jlos 8 y IO.
De estas combinaciones hay algunas particularmente interesantes, a las que se alude como
arquetipos sistémicos.
Los arquetipos sistémicos son determinadas pautas estructurales que se presentan en múl-
tiples situaciones. Se denominan también estructuras genéricas. Suministran "plantiHas" que
nos ayudan a establecer una primera estructura de determinadas situaciones. Sin embargo,
al tratarse de estructuras complejas de realjmentación, la re lación e ntre estructura y compor-
tamiento no es tan clara como en los casos elementales expuestos hasta ahora: aunque el estudio
de los arquetipos clarifica ciertas situaciones, no permite definir totalmente el comportamiento
de estos sistemas.
Los arquetipos sistémicos nos ayudan a reorganizar nuestra percepción, de modo que
seamos capaces de ver las estructuras que se manifiestan en distintas situaciones problemáticas.
En la actualidad se ha publicado una docena de estos arquetipos 1 • En lo que sigue vamos a
considerar dos de ellos, denominados la dinámica del crecimiento sigmoidal y la dinámica de
la adicción, que, a su vez, pueden combinarse dando lugar a un tercer arquetipo: la dinámica
del crecimiento con inversión insuficiente.
2.3.1. Arquetipo del crecimiento sigmoidal
Al considerar el proceso de crecimiento asociado a un bucle de realimentación positiva

se indicó que en realidad todo proceso de crecimiento, más pronto o más tarde, se encuentra
con unos límites. Ello es debido a que la espiral de crecimiento produce, aunque sea de forma
no deseada, efectos secundarios que eventua]mente conducen al agotamiento del proceso de
crecimiento.
Consideremos como ejemplo el crecimiento de una población en un hábitat que es capaz
de sustentarla, pero en el que los recursos son limitados. En la figura 2. 17 se tiene la estructura
elemental de este sistema. Se observan en e lla dos bucles. Por una parte, un bucle de reali-
mentación positiva que liga la población con su crecimiento vegetativo, y que en el diagrama
de la figura 2.17 se muestra en la parte izquierda. Este bucle es el responsable del proceso de
crecimiento.
+
CRECIMIENTO
VEGETATIVO G POBLACIÓN
o RECURSOS
FIGURA 2. 17. Diagrama de un sistema de crecimiento de una poblaci6n.
1 P. Scngc. 1990. Tite Fifrh Di.vcipline, DoubleDay.

Elementos básicos de un lenguaje sistémico 41
Por otra parte, las disponibilidades de recursos (la capacidad de sustentación del hábitat)
limitan el crecimiento de la población 1nediante el bucle de realimentación negativa que se
muestra en la figura 2. 17. De acuerdo con este bucle, el crecimiento de la población hace
disminuir los recursos per cápita disponibles. La influencia de estos recursos sobre el e eci-
n1jento de la población es positiva, por lo que su disn11nución deterntlnará que e.sa población
disminuya su riln10 de crecin1iento., tal con10 se indica en la figura 2.17, cerrándose así la
segunda cadena circular de influ ocias. Este bucle de reali1nentación negativa actúa de acuerdo
con una condición limitadora.
En la figura 2.18 aparece el diagrama g _nérico de un sistema que presenta crecjmiento
sigmoidal.. l proceso de crecimiento sigmoidal e presenta al interactuar los dos bucles. En la
fase inicial del proceso, cuando se desencadena el crecimiento de la población, la lirnitac[ón de
os recursos no es perceptible or lo bucle-d realin1e1Jtacíón osi~_va es el donlinante,
y se ro uce un crec1n11ento casi exponencial d . la población. Aill crecer ésta, la limitación
-- - -
de los recursos empieza a ~~festarsc de modo ( ue la dotninanci;!_ de los bucJes va asando
del os1tivo a] ne ativo. En 1a medida en que se agoten las p sjjf lidad_e.s de cr,ecin1ilento, eJ
bucle de realimentac1on negativa resulta <lon1inante basta que1 al final deJ proce.so, se corta la
~osibilidad de creci1niento. Por tanto, el comportamiento de un sistema con la estructura de
la figura 2.18 prese r In: forn1a que se ilustra en la figura 2.19, y es una combinación de los
con1portamientos representados en las figuras 2.3 y 2.8. Resulta interesante observar que el
crecimiento que resulta de la interacción de los bucl s positivo y neaativo e . el crecimiento
sígmoidat por lo que se tiene una interpretación estructural de ese Lipo de crecimiento.
D
+
G o
IGURA 2. 18. Diagra,na genérico de un isten-za que presenta crecimiento ·igmoidal.
Exist n 1núltiples eje1nplos de procesos con crecimi nto sig1noida}.. como son el proceso de
djfusi1ón de una innovación tecnológica, el de introduc,c ión de un nuevo producto en eJ mercado
o el de difu ión de un rumor en un dete1minado medio social. En todos ellos se tiene una fase
inicial en la que se produce un creci1niento -prácticamente exponencial- de la innovación
tecnológica, del nuevo producto o del ru111or. Sin mbargo, a 1nedida que se alcanzan los lín1ites
de crecimiento, corno consecuencia del carácter finito del medio en el que se desarrollan (el
nuevo producto satura el mercado) se produce una lin1itación que aborta el crecimiento. La
42 Oínámica de sistemas
FIGURA 2.19. Crecimiento sigmoidal.
pauta de comportamiento a lo largo del tiempo presenta en todos estos casos la misma forma
que la de la figura 2.19, y a todos ellos pod emos aplicar la plantilla estrucLUral de la figura 2.18.
Esta interpretación estructural del crecimiento sigmoidal nos ayuda a entender cómo ac-
tuar para tratar de atenuar los efectos negativos que pueda tener la limitación al crecimiento.
Intuitivamente existe una tendencia a tratar de continuar un proceso de crecimiento, cuando
éste parece abortarse, tratando de fomentar el propio crecimiento; es decir, actuando sobre e l
bucle de realimentación positiva. Sin embargo, ese tipo de actuación se manifiesta ineficiente.
Bl modo de actuación adecuado consiste en actuar sobre el bucle de realimentación negativa, y
en particular se debe identificar y cambiar el factor !imitador, que es el verdadero responsable
de los límites al crecimiento, si es que ello es posible. E n otro caso hay que resignarse a aceptar
estos límites.
2.3.2. Formulación matemática de un crecimiento sigmoidal
En la figura 2.20 se muestra la estrucn1ra básica de un sistema en el que coexisten un

bucle de realimentación positiva, a la izquierda del diagrama, con un bucle de realimentación
negativa, a la derecha. Tanto un bucle como otro están formados por los elementos básicos
----
discutidos en las secciones anteriores.
A este diagrama puede asociarse la ecuación
I ( dx
dt = F1 + F2 (2.15)
en donde los flujos F 1 y F2 , en e l caso más simple de una .influencia lineal, vienen ciados por
= klx
= k2D = k2 (.cd - x)
Elementos básjcos de un lenguaje sistémico 43
F ,
+
FrGURA 2.20. Estructura básica de un sistema en el que coexisten dos bucle.'l. ele realimentación.
siendo J1, 1 l flujo asociado al bue.le de reallinentación positiva y F2 el correspondiente a la

negativa. La ecuación que rige la evolución del estado viene dada por
(2.16)
Según l valor relativo de k1 y k2 pueden darse los tres tipos de situaciones qt1e se indican en
la figura 2.21 ~ n el prirner caso, es decir, cuando k 1 > k 2 , el bucle de realime · · ,-.· " , _ ositiva
,es el dominante, m· entra -q e en l~rcer caso os ª~ cuando,k .. s:: k:;,., entonces 1 dominante
J
es el negativo. El caso intermedio k1 = k2 es un caso de transic16n.

os comportamientos asociados a los tres casos representados en la figura 2.21 se muestran
1
n Ja figura 2 .22. Por tanto, en ninguno de ellos se produce el crecimiento sigmoidal.
f' F F
.\'" .r
FIGURA 2+21. Fonnagráficade la relación entre F y x, según losvalores relativos,de k 1 y k 2 .
Un caso en el que el crecin1iento sigmoidal se produce es a,quel n el cual las relacione.s

entre los flujos .F\ y F2 , aunque monótonas crecientes, se coitan entre sí tal como se muestra en
Ja figura 2~23. En tal caso el comportam.iento del sistemaJ quiere una considerac:i6n especial.
El flujo conjunto F = F1 + F 2 será el que se muestra en la figura 2.24, en la que se observa que
.F es creciente con x para val.ores pequeños de esta variable, hasta aic.anzar un .valor máximo
-
a partir de] cual e1npieza a decr cer hasta anularse y alcanzar valores negativos.
Lo anterior se interpreta clil:icndo que para valores pequeños de x , antes de alcanzar el
máximo de F de la figura 2~24; el bucle de realin1entación positiva don-1ina sobre .el n gativo;
k_. > k,
Titm¡,o Tiempo
FIGURA 2.22. Comportamientos d e x según los valores relativos de k, y k 2 •
FlGURA 2.23. Formas no lineales de las relaciones entre F y x.
_.,
.t
FIGURA 2.24. Relación conjunta entre F y x.

mientras que para valores de x superiores ,a ese n1áxiino sucede lo contrario,. el bucle de rea'Jimen-
tación negativa domina sobre el positivo~El sistema ticnd _- al punto xe tal que F(x e) == O. En
consecuencia el comportamiento resultante, tal como se indica en la figura 2.25, será el re-
sultado de la co1nbinación de estos dos coinportarn.ientos~ En la fase inic·¡aJ del proceso el
bucle dominante será el positivo, mientras que en la final será el negativo. El comportan1iento
inicial será un crecimiento exponencial -cuando l bucle dominante sea el de reaillimenta.ción
positiva- para continuar con un con1portamiento del tipo asintótico, cuando lo sea el negativo.
La ,combinación de. los dos comporta1nientos da lugar al sigtnoidal.
G A 2.25. Comportamiento sigmoidal con especificación de la dominancia relativa de

lo· bucles.
2.3.3. Arquetipo de la adicción
Un tipo de . ituaciones con el que frecu nten1ente nos encontramos es aquel en el que s
manifiesta un síntoma problemático que requiere atención. Este sínton1a está producido por un
problerna subyacente que resulta difícil de tratar, bien sea porque no se conoce bien, o porque
resulte costoso el afrontarlo. En es tipo de situaciones es frecuente que se trat . ;f:
sin resolver el problema fundamental Con esas actuaciones es posible que se obtengan éxitos
~------ .....
a corto plazo sobre el síntoma; pero se mantiene inalterado el problema fundamental. Es más,
posiblemente se vaya atrofiando la propia capactdad deafroñtarlo.
Un ejemplo de ese tipo de situaciones lo presenta el problema del estrés que produce el
exceso de trabajo. Si nuestro trabajo se incrementa más allá de nuestra capacidad de acome-
terlo razonablemente y como consecuencia de ello caemos en una situación de estrés, la única
solución es autolimitarnos con respecto a la aceptación de más trabajo. Tal vez no estemos
dispuestos a ello, ya que podría afectar a nuestra promoción profesional. Por e llo puede que
tratemos de aliviar el estrés mediante actuaciones duras, como el alcohol o los fármacos, o
mediante formas más suaves de compensación, como el ejercicio físico. Pero, en todo caso,
estas actuaciones no resuelven el problem a del exceso de trabajo; sólo lo enmascaran tem-
poralmente aliviando el estrés. El problema sigue latente y periódicamente reaparece, con lo
que se incrementa la depe ndencia y se llega, por último, a la adkción. A este proceso, que
se conoce como arquetipo de la adicción, se asocia un diagrama de influencias como el de la
figura 2.26.
F lGlJRA 2.26. Diagrama de influencias del problema del estrés.
Esta figura es un caso particular de la figura 2.27 que muestra la estructura general sub-
yacente en un proceso de este tipo. De acuerdo con esta estructura se tienen dos procesos
de realimentación negativa. Los dos tratan de corregir el mismo síntoma problemático. El
superior representa la intervención si ntomática, mediante la que se persigue una solución rápida
y superficial. Resuelve e l problema con rapidez, pero sólo temporalmente. El bucle inferior
tiene un retraso. Representa una actuación de carácter más básico sobre el problema, cuyos
efectos tardan más tiempo en convertirse en evidentes. Con frecuencia, aunque no siempre, se
presenta un proceso adicional de realimentación positiva generado por los efectos colaterales
de la solución sintomática. Cuando esto sucede, esos efectos secundarios hacen aún más difícil
llegar a la solución fundamental.
Este tipo de estructura permite explicar una amplia variedad de comportamientos en los que
soluciones bien intencionadas a corto plazo empeoran las cosos a largo plazo. Al solucionar
exclusivamente los síntomas se reduce la percepción de la necesidad de buscar soluciones de
carácter fundamental. Con el tiempo, se confía más y más en la solución sintomática, que acaba
por parecer la única solución posible. Con ello, sin embargo, se hacen crónicas situaciones de
dependencia o adicción.
f
SL'ITOMA e EFECTO
COLATERAL
~
o
SOLUCIÓN
FUf'l.'DAl\·IhNTAL
FIGURA 2.27. Diagrama de influencias del arquetipo de la adicción.
Situaciones como las que se acaban de describir surgen en problemas de otra naturalezat
como el representado en la figura 2 . 28, en la que se interpreta la dependencia energética como
una forma de adicción al petróleo.
o
+
f:'I ADICCIÓN A LA
ESCASEZ: - ~ l~VIPORTACIÓN
- DE.ENERGIA~ -
AHORRO
Y DÉSAROU()
DE ENERG1A PROPIA
FIG RA 2.28. Diagra,na de influencias del arquetipo de la dependencia energética.
También se interpretan con esa estructura situaciones en Jas que se desplaza la responsabi-
lidad de resolver un problema a la intervención exterior a la propia organización (por ejemplo,
el proble1na de la ayuda a países subdesarrollados -y de los subsidios~ en general- si no
1
conduce a un desarrollo de los propios recursos, acaba por crear situaciones de dependencia a
largo plazo).
Un caso especial del arquetipo de la _adicción se resenta cuando se produce un J?TOceso
o
de ,erast1'nae metas. uan _ existe una discre ancía entre nues
,______
Tierno. alcanzado
, _ eun r
abje.tilr estaag que
el:lrr11 lfoit' podemos tratar. de anul .ar1a 1nediant~ . do~ tinos ,e a.ctua-
~
ciones: o bien se mejora nuestra situación (con relación a esos objetivos) o bien se modifican,
·~aja,-les-pr.alli9s objetivos. En la figura 2.29 se tiene la estructura correspondiente.
ACCIONES PARA
-( !11001HCAR ME íAS +
METAS
o
\ DISCMtl'A:-.ClA ~
í
1:0~ o
~ ACCIONES PARA
ALCANZAR Mt l'AS
+
FIGURA 2.29. Diagrama de influencias del arquetipo de la erosión de metas.
Para tratar con eficacia los procesos del arquetipo de la adicción se requiere u®. com-
,binación de ac~nesqüe Tortalczcanla respuesta-Tundamental y debiliten la respuesta
sintomática. Para fortalecer la respuesta Íundamental se precisa una orientación a largo.plazo
en las actuaciones. En cuanto a la necesiclad de soluciones sintomáticas, éstas son necesarias en
muchas s~ioñes, pero'síempre que se reconozcan como tales se combinen con estrategias
~l]lllLan r ar a capac1 a ~s~ probler~!-~!1dar~tal.
2.3.4. Arquetipo del crecimiento con inversión insuficiente

En esta sección se va a analizar un arquetipo que resulta de la combinación de los anteriores.
Con este arquetipo se contempla un tipo de situación que se da con frecuencia y que se ilustr.u·á
con lo sucedido a una empresa que, en determinado momento, desarrolla un nuevo t1po de
producto, de gran éxito inicial2 • Hay una gran demanda para su producción y no existen apa-
rentemente problemas de financiación.
Durante sus tres primeros años las ventas se duplican anualmente. Sin embargo, la cartera
de pedidos pendientes empieza a crecer de forma peligrosa a mediados del segundo año.
La demanda crece tan rápidamente que e l suministro de los pedidos comienza a retrasarse
Ligeramente. Inicialmente, se sirven las máquinas en apr9x imadamcnte ocho semanas, pero
este periodo empieza a ampliarse considerablemente.
Se requiere aumentar la capacidad de producción. Sin embargo, la oportuna toma de deci-
siones se retrasa de modo que, cuando se toman medidas, el mercado ya ha acusado los efectos
de los retrasos excesivos en el suministro de las máquinas, y las ventas han iniciado una cierta
recesión (figura 2.30).
2 J . W. Forrcslcr, 1975. Collecied Papers, Produc1i11i1y Press. capí1ulo 7.

Elementos básicos de un lenguaje. siS'témico 49
Vcnws,
FrGL1RA 2.30. EPolución de la.ft ventas en los tres ¡Jrimeros afios.
Se realizan entonces int ntos para que las ventas aumenten, mediante incentivos y campañas
pubticitarias, y así sucede en principio. Pero de nuevo la cartera de pedidos pendientes vuelve a
incre1nentarset los r ttasos en el servicio cr cen de nuevo, y se plantea nuevamente la necesidad
· de ampliación de la capacidad de producción.
En la figura 2,31 se muestra el cornportamiento de las ventas de esa en1presa, en el que se
pone de manifiesto la intermitencia de periodos de crecj1niento y crisis. Fina]n1ente se produce
la bancarTota y la e1npresa no pu d adaptarse a un mercado potencial que'! en condiciones
adecuadas, le hubiese permitido un crecimiento sostenido y un éxito a largo plazo.
Vcnlus
2 5 6 7 8 10 A,,os
FlGURA 2. 31 . Evolución de las ven tas durante los diez a,los de existencia de la ernpresa.
Vean1os cómo se puede analizar lo sucedido ayuda de los arquetipos

a esta empresa con
sisténi.icos. Eu primer lug,u· tenemos un proceso de crecüniento. Sabemos que un proceso de
esta natui;aJeza se asocia a un bucle de rea1i1nentaci6n positiva. En el caso que nos ocupa, la
empresa cuidó cspeciahneote su departamento de ventas, reinvirtiendo parte de sus beneficios
en i11cren1entar la capacidad de ese departam nto. n la figura 2.32 se muestra el diagrama de
realimentación positiva corr,e spondiente a ese proce o.
Hemos visto ta1nbién que todo proceso de crecimi _nto ]ieva asociado el proceso que lo
li.Jnita. En general, en el caso de la inb·oducción de un nuevo producto en el mercado --con10
PROMOCIÓN VENTAS
FIGURA 2.32. Diagrama de realimentación positiva asociado al proceso de crecimiento

de las ventas.
es e l caso que nos ocupa- la fünitac ión al crecimiento suele venir dada porque el mercado
alcanza sus propios límites. Sin embargo, en el caso de la empresa que estamos considerando,
este crecimiento se vio cercenado --como acabamos de ver- por el incremento de los retrasos
en el suministro de las máquinas. Este hecho puede ser interpretado mediante el diagrama de
la figura 2.33.
-í CAPACIDAD
"oocccoóN
PROMOCIÓN VESTAS
o RETRASOF.N
SUMINISTRO
-+ t
FIGURA 2.33. Estructura de la limitación al crecimiento por el incrememo de los retrasos

en el swniliistro de las máquinas.
Tenemos, por tanto, la combinación de un bucle de realimentación positiva con otro de

realimentación negativa, en la eslructura que hemos denominado de crecimiento sigmoidal.
Al incrementarse la cartera de pedidos pendientes, con relación a la capacidad de producción,
los tiempos de suministro se incrementan. Se produce entonces una reputación de mal servicio
por parte de la empresa, por lo que las nuevas ventas se dificultan. Hemos visto, al analizar
la estructura del crecimiento sigmoidal, que la peor manera de actuar era forzar el bucle de
realimentación positiva. Pero, de hecho, eso es lo que hace la empresa al incentivar las ventas.
Lo que debía hacerse, con suficiente prontitud, es disminuir el retraso en el tfompo de suministro
a los clientes mediante el incremento de la capacidad de producción. La actuación sobre estas
estructuras debe hacerse sobre e l bucle de realimentación negativa.
¡,Por qué no se detecta a tiempo el problema del retraso en los suministros? Posiblemente
l=lementos básicos de un lenguaje sistémico 51
porque los órganos de gestión de la empresa están más interesados en los problemas financieros
(manejan fundan1entalmcnte datos de esta naturaleza) que en un detalle aparentemente sin
importancia co1no son los retrasos en el suministro de las n1áquinas a los clientes. Cuando se
detecta el pr blema ya es difícil actuar. Son víctimas de 1a dificultad, presente en 1núltiples
procesos del aprendizaje. de detectar la causa y el efecto cuando están considcrableinente
separados en el tiempo~
Además,. una vez detectado el problema de que los retrasos en el sum.inistro son debídos
a la insuficiente capacidad de producción, esta última s,_ aborda de forma extren1ada111ente
cautelar. Este hecho lo podemos interpretar inediante el arquetipo de la adicción. En efecto,
~i consideramos el retraso en el suministro con10 el síntoma proble1náticot y Ja ampliación de
la capacidad de producci6n como la solución funda1nental, podemos r,e presentar el proceso
correspondiente mediante el d1agran1a de la figura 2.34. ] bucle superior representa actua-
VE~TAS
o
RE'JR.·\SO EN
SUJ\·11NIS TRO
·.· / SUivll'f l.S Tl{U
O- + I+
l .'IVER 101\"ES
CAPACIDAD
PR()DUCcJÓN
j
FIGtJRA 2.34. Aplicación del arquetipo de la adicción al problema sintomático del retraso en
el suministro de equipos..
ciones directas sobre las ventas, mientras que el bucle inferior representa actuaciones sobre la
capacidad productiva. De nuevo aquí la e1npresa adoptó el mal caminomEn lugar de actuar sobre
el bucle inferior (que es el modo de actuación adecuado a un arquetipo de ]a adicción, como
hemos visto anteriormente) actuó fundamentalmente sobre el superior. Sobre el inferior actúa
tímidamente y con retraso. Con los anteriores esquemas ; e ha construido un n1odelo de simu-
lación qt e n1uestra que el comportainiento insatisfactorio de la ernpresa (representado en la
figura 2.31) se hubiese podido cambiar, con una política adecuada, por el de la figura 2 . 35.
n la figura 2.36 se n1uestra el diagrama de influencias conjunto del proceso. Las dos
estructuras que ~emos ~isto en l~s figuras ~-31 .34 se sobreponen en una s~la al com-rartir
el bucle de reafui1entac1ón negat1va de la. de la figura 2.33, y super1or de la figura
2.34 . Este bucle estabilizador es el responsable de los límites al crecitniento, en el proceso de
crecinriento sigmoidal y, al mismo tiempo, Lo es de la imagen dif\torsionadora según la cual
aumentando las ventas (aun a costa de erosionar los criterios de calidad, co1110 son los tiempos
de suministro), y no incrementando la capacidad de producci.ón, se consigue un crecimiento
sostenido de ]a ·en1presa. Todo sucede co1no si la empresa hubiese acabado siendo víctiina de
V~ntas
2 3 4 s 6 7 8 9 10 Aílos
FIGURA 2.35. Comportamiento satisfactorio de la empresa mediante un modelo de simulación.
FIGURA 2.36. Diagrama de influencias conjunto del proceso de crecimiento con inversión
insuficiente.
Elementos básicos ,de un lenguaje sistémico 53
un proceso de erosión de metas, linlitando su propio crecimiento1 al adoptar unas pautas de

inv rsión inadecuadas por insuficientes.
Para terminar con este capítulo conviene recordar que lo que aquí se ha pretend"do es
mostrar algunas strocturas elementales y los comporlamientos a ellas asociados~ He1nos visto
que con estructuras de un solo bucle el comportamiento del sistema está bien determinado.
Con dos bucles las cosas ya no están tan claras. Y en el últilno ejemplo, ya con tres bucles;, la
esttuctura tal co1no la he.n1os considerado hasta aquí es insuficiente para dar cuenta, de forma
univoca, de] comporta1Tiiento . aunque nos ayuda a comprenderlo.
En la práctica,. sjn embargo, lo frecuente es encontrar sistemas cuya estructura sea mu-
cho más compleja que las anteriores, y esté fonnada por múltiples bucle-s de realimentación
entrelazados entre sí. El lenguaje elen1ental de descripción de sistemas mediante relaciones
d influencia, al que hemos dedicado el capítulo, es insuficiente en estos casos. Se requieren
entonces para d terminar el comportamiento útiles más elaborados que la simple insp cción
de los grafos que representan la estructura. Dispone.mos, como ya hen1os visto, al tratar las
estructuras de realimentación positiva y n,e gativa y la de crecimi,e nto sigrnoidal y-corno gene-
ralizaremos a sistemas más complejos en los capítulos siguientes- de es,q uemas conceptuales
más potentes qu . permiten una descripción rnás rica de la estructura de un sistema, con vistas
a determinar su comportani.iento. En concreto, dispone 11os del concepto de sistema dinámico,
y de un n1étodo - a dinámica de sistemas- qu nos va a per1nitir transcribir la relación de
infl.u ncias en un sistema dinámico. Todo ello lo vamos a ver en el próxin o capítulo.
2.1. ATRIBUTOS Y SISTEMAS
En el capítulo anter1or hemo visto cómo a un sistema e puede asociar una descripción
n1ínima, que se reduce a un par (C, R), y cómo este par se puede representar 1nedjante un grafo
como el de la figura l .1, donde los nodos o vértices del grafo representan los elen1entos del
sistema, y cuyos arcos representan las relaciones de influencia entre ellos. 1 grafo incorpora
una información cualitativa 1nuy elem ntal con respecto al sistema; sin embargo, suministra
1
una visión aloba! de ]a organización d l sistema de indudable interés. Además~ de esa infor-
mación! como veremos, s · pueden obtener indicaciones genéricas respecto a los modos de
comportamiento. Vamos a dedicar este capítulo a analizar las posibilidades de describir un
sistema medjante el lenguaje sisté1nico que aporta la descripción mínnna (C, R) . Para ello
conviene que nos detengamos en analizar los supuestos básicos de este lenguaje.
Al tratar de describir un sistema S, un observador O le asocía un conjunto de atributos o
características { .,(" . 1}. De una manera general se puede decir que un atributo "";, representa una
cualidad perceptible de S, que da logar a una unidad conceptual de representación. Los atribu-
tos son os perceptos 1nediante los cuale ve,nos, entra1nos n relación con un determinado
objeto S. Por tanto, al mundo de S nos asomamos por medio de los atributos {X¡}, que se
asocian a las distjntas partes de S. Así, en el ejemplo del proceso de llenar un vaso de agua, el
nivel que alcanza el agua en el vaso es un atributo del sistema.
En la definición de sistema. está implícita la asunción de que entre las partes se produce
alguna forma de relación. Las partes de un sistema no presentan un comportamiento autónomo
e independiente unas de otras1 sino que los vínculos que las articulan en la unidad del sisten1a se
nranifiestan en que los compo1ta1nientos de cada una de enas present:m fom1as de dependencia
o correlación con los de las otras. Por ello las trayectoria.. de los distintos atributos X .i no
serán independientes entre sí, sino que,. de alguna manera, estarán implícitas relaciones de
de pend nci.a n tre ellas.
El buen especialista ,e n el sistema S posee for1nas de conocilniento (que a veces es posi-
25
ble que no estén completamente estructuradas ni sean explícitas) sobre cómo se manifies-
tan los vínculos entre las partes del sistema; respecto a cómo variaciones de determinado
atributo Xk afectan a las manifestaciones de otro Xj; es decir, sobre cómo se producen las
interacciones en el seno del sistema. Estamos suponiendo, de momento, un conocimiento
-relativamente pobre- que establece únicamente la existencia de alguna forma de influen-
cia entre atributos. Se e mplea a veces el término cualitativo para referirse a la naturaleza de este
conocimiento. Se puede representar formalmen te mediante enunciados de la forma:
xk - x.1 (2.1)
que se leen 'el atributo Xk influye sobre el atributo X J • y que reciben la denominación de
relaciones de influencia entre atributos. Debe notarse que el concepto de relación de influencia
es un concepto primitivo con vistas al establecimiento de la estructura de un sistema.
El concepto de influencia tiene connotaciones con el de causalidad. De hecho, la relación
de influencia, tal como se acaba de e nunciar. se corresponde con enunciados de la forma 'Xk
causa X ; • que son muy comunes e n descripciones informales. La noción de causalidad, en este
sentido laxo, desempeña un papel importante en la descripción de los fenómenos del mundo
real. Existen, sin embargo, importantes diferencias entre este empleo laxo del concepto de
causalidad y el sentido fuerte con el que se emplea en la ciencia, y que ha sido cuestionado
por muchos filósofos. Este sentido fuerte se refiere a la causa total, mientras que la causalidad
que se recoge e n las anteriores relaciones de influencia es una re lación parcial, realizada en
conjunción con otras "causas". Por todo ello aquí se va a evitar hablar de causalidad, en la
relación entre atributos, y se ha preferido emplear el término más débil de influencia.
La relación de influencia aporta un e lemento esencial para la vertebración del sistema. A
las diferentes partes de un sistema se asocian los correspondientes atributos (no se adnúten
partes sín atributos, porque en tal caso no pueden entrar en la descripción). Supongamos que
a la parte A se asocia el atributo X 1 y a La Bel X 2 • Si X 1 ____. X 2 entonces diremos que 'A
actúa sobre B'. De este modo resulta que la articulación entre las partes y la influencia entre
atributos resultan ser sinónimos. Por ello, el concepto de influencia es básico en la formul ación
conceptual de un sistema.
Entre el simple conocimiento de la relación de influencia entre dos atributos, como es-
tablece la expresión (2. l), y la forma matemática precisa de esta influencia, existen formas de
conocimiento intermedias. Supóngase que los valores que toman los atributos pueden ordenar-
se, de modo que tenga significado el decír que el valor tomado por un atributo se incrementa o
se decrementa. En tal caso, una relación de influencia puede tener un signo positivo o negativo.
Así, se dice que X¡, influye positivamente sobre X ; si sucede que un incremento en Xk pro-
duce un incremento en X , , y un decremento en X ,. próduce un decremento en X , . Se escribe
e ntonces:
(2.2)
Análogamente se asigna un signo negativo a la relación si a un incremento de XA se sigue un

decremento en XJ, y a un decremento de Xk un incremento en Xr En este caso se escribe:
(2.3)
Obsérvese que para asociar un incre111ento o un decremento a los atributos no se requiere que
sean magnitudes; basta con que se produzca una relación ordinal entre sus manifestaciones. J\.l
asociar un signo a la relación de influencia se tiene una información más rica sobre cómo se
produce la interacción entre las partes del sistema, pero que continúa conservando el carácter 1
cualitativo.
La relación d influencia puede ser 1nultívoca en sus antecedentes
(2.4)
en cuyo caso se lee 'X 1 ~ X 2 , • ~_ y X']l influyen sobre X k' .

El conocimiento implícito n una relación de influencia puede ser de natur aleza 1nuy
variada, desde leyes científicas (con un nivel d aceptac1ón prácticamente universal) hasta
opiniones de expertos (de menor valor epistemológico), pero que,. en todo caso, ,constiluy _ la
información disponible con re1ación a la clase de sistemas a la que pertenece S ~En todo caso,
la relación de influ ocia constituye el conocimiento de naturaleza estructural n1á~ simple que
posee el especialista en S.
1
ntre los elementos que constituyen el sistcn1a se establece un bosquejo esquernático de
aquel1o que e tán relacionad.os entre sí, lo cual se hace por medio de un diagrama en el cual
los nombres de los cli stintos ele1nentos están unidos entre sí por flechas. El diagrama que así
se ob1iene recibe las denominaciones de .diagrcuna de in.,ffuencias o causal. Aquí se en1pleará
la primera de ellas.
___ ., ___ _
J-
-- - ... - - -.. - - ... - .. --
,
r
------- .... ,_
~
~
., ,. ..
r/1 • r ..r - -
., . --------- ...
, ;
., " ,,. ' ,,.
~
.. ..
. ,,. ' ..
,. ,. ,, '
(
' ...
( .... ...
i'
\
\ \ ...
1
1
'• \ '
1 '1
1
'
1
{ J
~
'\
1
1
,, ' ',
.
I
,.
1
--- ... ____ __ ,,.

1
.
1
1
' I '
' ...
'
'
,,
I
I
' ... ., (
...
-'!loo,_...._ ______ _
-- ... --- -··-·---- --- ----- -- --
FIGURA 2.1. ES'tructura de un sistema complejo.
Mediante est,e diagrama; o lo que es lo mismo un conjunto de enunciados de la forma '(2. 3),
se tiene una descripción del sistema S, que puede servir de base p,a ra construir un modelo. En
este conjunto de enunciados debe haber uno para cada elemento de S, el cual aparecerá en su
consecuenle. A esle conjunto se puede asociar un grafo, como el de la figura 2.1, que suministra
un esbozo de cómo se produce la vertebración del sisLema, y permite tener una perspectiva
global respecto a cómo se articulan las partes en la unidad del sistema: esto se conoce como
estructura del sistema, como ya hemos visto en el capítulo anterior.
La estructura de un sistema recoge lo que podemos llamar sufomra sistémica; es decir, la
forma en que se organizan las partes para dar lugar al sistema, de acuerdo con la descripción
adoptada (es la manera más simple y esquemática de formular la relación R). La forma sisté-
mica es responsable de aquellas propiedades del sistema asociadas a sus manifestaciones como
tal sistema y no relativas a las partes consideradas aisladamente.
Como ya hemos indkado en el capítulo anterior, mediante un modelo se pretende, entre
otras cosas, explicar endógenamente la generación de un comportamiento. Vamos a ver cómo
esta generación endógena eslá asociada a la existencia de bucles de realimentación en la eslruc-
tura del modelo. Estos bucles son cadenas de influencias circulares cerradas, cuya presencia
permite explicar determinadas formas del comportamiento, que son específicas de la propia
estructura, e independientes de las solicitaciones exteriores a las que se ve sometido el sistema.
Con ayuda de estos bucles podemos sentar las bases, aunque sea de forma muy laxa,
de un lenguaje sistémico. Este lenguaje nos va a permitir no sólo reaJizar determinadas des-
cripciones de los sistemas, sino que nos va a suministrar los elementos para realizar una primera
organización de la percepción que tenemos de esos objetos. En cierto sentido, nos va a ayudar
a ver cosas que sin é l no veríamos. De este modo disponemos de un primer instrumento para
iniciarnos en el estudio de las propiedades sistémicas.
TEMPERA TURA
TEMPERATURA REAi,
DE REFERENCIA +
DISCREPANCIA
1
O ERROR
CALEFACTOR
+
....
FIGURA 2.2. Estructura de realimentación de un regulador de temperatura.
Los elementos básicos de ese lenguaje soo los bucles de realimentación positiva y negativa.
Veremos cómo, a partir de ellos, podemos hacer algunas caracterizaciones elementales de los
modos de comportamiento de los sistemas. Sin embargo, estas caracterizaciones pueden pecar
de excesivamente esquemáticas, y resultar insuficientes. Para completarlas necesitamos un
lenguaje más rico, del que nos ocuparemos en capítulos posteriores. Pero ese lenguaje es una
rcelaboración del que vamos a ver en este capítulo que, en cualquier caso, suministra las bases
elementales de un lenguaje sistémko.
Elementos básicos de, un lenguaje sistémico 29
2.2. ESTRUCTURAS DE REALIMENTACIÓN SIMPLE
2.2.1. Bucle de realimentación negativa
En la figura 2.2 se tiene un ejemplo de un bucle de rea.Jimentación neoativa al que ya se

alud' ó en la sección 1.1.2 al analizar el proceso de llenado de un vaso. Ahora se trata de un
si tema de regulación de te111peratura.
El funciona1niento de un sistema de este tipo es extremadamente simple: si la temperatu-
ra se s para d l valor deseado, aparece ·_ error o discrepancia entre los valores de tempe-
ratura real y deseado, qu activa un calefactor (o un refrigerador, ea su caso), el cual, n1ediante
la inyección de calorías ( o frigorías) lleva la temperatura al valor deseado. Se trata, por tanto.,
de un comportanliento en el que el siste1na corrige., de form~ autónoma, las perturbaciones que
tienden a separarlo del con1portan1jento deseado: el n1antenin1iento de la temperatura en un
cierto valor. Este modo de comportamiento se conoce como comportamiento autorregulador.
El sistema por sí solo se regula (éJ mismo arregla lo que la perturbación ha. alterado). En la
figura 2.3 a se tiene la estructura general de un sistema de esta naturaleza.
Veamos con mnás detalle el comportamiento de un sistema con esta estructura. Si suponemos
una vaiiación en alguno de los elementos de la figura 2 .3a, por eje1nplo un incren1ento de A, este
incremento determinará, de acuerdo con el signo de la influencia, un decremento de C, q u.e a su
vez deter1ninará un decre1nento de B. Este último decremento de B producirá un decremen-
to de A4 Es decir, mediante la cadena causal circular. el incremento inicial de A se ha contra-
rrestado. Cualquier rnodificación (increinento o decremento) en cualquiera de los elementos
vuelve a él, a lo largo de la cadena., con una acción de signo contrario. Se cotnprende así
el carácter autorregulador del sistema que posee esta estructura. Por eno es la que incorpo-
ran a sus proyectos los ingenieros de control en el diseño de los sistemas automáticos. Las
A
A
R
\',
e
·,
\ o B
+,
'·
T ii;rnpo
FLGURA 2.3. Grafo genérico de la estructu.ra de realimentación negativa (a) y comporta,niento

correspondiente (b )~
magnitudes tienden a mantenerse constantes, atenuándose los efectos de las perturbaciones

(obsérvese que no se está afirmando que necesariainente los efectos se van a anular, sino que
se atenúan). Suponiendo que en el instante inicial se produce la perturbación que epara a la
magnitud regulada del valor deseado, las trayectorias correspondlentes tienen la forma que se
muestra en la figura 2.3b. Los bucles de realimentación negativa se denominan también bucles
reguladores o estabilizadores.
Se comprende también el porqué de la denominación de realimentación negativa: por una
parte, se tiene una realimentación, ya que la información "circula" por el sistema (se realimenta,
en el sentido de que se vuelve a alimentar) debido a la cadena circular de influencias; y la
realimentación es negativa por la exístencia de una influencia negativa (o de un número impar
de e1las). Sin esta influencia negativa no se tendría el efecto corrector o compensador.
Es claro que el modo de comportamiento autorregulador depende de la estructura del sis-
tema; es decir, de la forma de organizarse los distintos elementos que lo forman en una cadena
de influencias circular. Cualquiera que sea la naturaleza de los componentes, siempre que se
tenga una estn!ftura d..:_reali:e~ta;~negativa. s ~ ~ ~ ~portami ~ au~orr~ ~ulador.
De hecho, así sucede en mu p es mbitos de la realidad, y se tienen procesos autorregulados
tanto en sistemas artificiales (los ya mencionados sistemas de regulación o los servomeca-
nismos) como e1.1 sistemas naturales (como, por ejemplo, los procesos homeostáticos en los
seres vivos por los cuales mantienen sus constantes en los valores que permiten su superviven-
cia, con independencia de los cambios que se produzcan en el entorno). El hecho de que el
comportamiento de un sistema con realimentación negativa dependa de la estructura y no de
la naturaleza de los elementos componentes pone de manifiesto que se trata de un ejemplo
paradigmático de una propiedad sistémica, como ya se indicó en el capítulo anterior.
Este tipo de bucles subyace en los comportamiefltos orientados a un objetivo como son los
ejemplos antes mencionados. En muchas ocasiones los objetivos se encuentran implícitos, por
lo que oo es fácil detectar el bucle de realimentación negativa correspondiente.
Los bucles de realimentación negativa, aunque simples desde un punto de vista conceptual,
pueden generar sorpresas y comportamientos problemáticos si no se detectan. La resistencia
al cambio, tratando de mantener un objetivo implícito, es la principal manifestación del com-
portamiento de un sistema con un bucle de esta naturaleza. Hasta que no se haga explícita
esa estructura los intentos de cambiar el comportamiento del sistema están condenados aJ fra-
caso. En general, siempre que se detecte una resistencia al cambio se debe suponer que existe
"escondido" un proceso (o varios) de realimentación negativa subyacente.
D
F
FIGURA 2.4. Elememos básicos de un bucle de realimentación negativa elemental.

2.2.2. Formulación matemática de un bucle elemental

de realimentación negativa
Vamos a ver ahora una formulación matemática e1ernental de un sistema dotado de un bucle
de realimentación negativa. Con ello dispondremos de una prirnera muestra de cómo asociar un
sistema cliná1nico (en el sentido preciso que tiene en matemáticas esta locución) a u.n sistema
dotado de realimentación negativa y descrito 1nediante un grafo. En la figura 2.4 se tiene un
bucle de realimentación negativa elemental Los elen1entos básicos de este bucle son:
• el estado del sistema x,
• la accjón o flujo F,
• la discrepancia D,.
• el objetivo, n1eta o estado deseado xd.
FIGURA 2.5. Relación entre el flujo F y el estado x.
Con el fin de introducir una hlp6tesis diná1nica en el siste1na, se su . one que el estado
representa la acumu . 'en e accwnes _as~.
Se asume, además,. que la relación entr · e e.s.tado n · la acción F viene dada por una
ecuación de la forma
---- r
dx
- = F (2.5)
-
dt
lo que es consistente con la hipótesis de q uc el estado representa la acumulación de ac ciones 1
-pas as:
- x = 1tFdt
Los otros elementos del bucle vienen dados por las ecuaciones:
D· xd - x·
De estas dos expresiones se desprende que:
F = k(.xd-x) (2.6)
La relación entre el flujo o acción F y e l estado x se representa gráficamente como se hace en

la figura 2.5. Integrando la expresión (2.5), teniendo en cuenta (2.6), se tiene
{2.7)
que se representa gráficamente en la figura 2.6. El único equilibrio del sistema es la meta xd·
Conviene observar que este comportamiento cualitativo, en el cual el estado x tiende al
_g_bjetivo :Cd, lo presentan todos los sistemas en los que la relaciónCñtre el flujo F y el estado x
es una función monótona decreciente, de forma arbitraria, tal como se indica en la figura 2.7,
y no una función lineal como la de la figura 2.5. Se dice entonces que todos los sistemas con
un bucle de realimentación negativa elemental presentan un comportamiento que tiende a un
objetivo, como el que muestra la figura 2.6.
'J - - - - - - - - - - --_::::...::::...:=--"......_ _ _ _ __
x(O)
FIGURA 2.6. Trayectoria de un sistema elemental de realimentación negativa.
Se e ntiende que el comportamiento al que se está aludiendo es el que cualitativamente

aparece en la figura 2.6, y no el que cuantitativamente muestra esta figura, que es e l dado por
la expresión (2.7). En el estudio del comportamiento de sistemas en muchas ocasiones interesa
-
más el aspecto cualilativo de ese comportamiento que el estrictamente cuantitativo.
El comportamiento asintótico de la figura 2 6 lo presentan exclusivamente los sistemas en
los que en el bucle aparece una úñfca variable de estado; es decir, para los que la ecuación
diferencial es de primer orden. Para sistemas de ordeo..superwr, romo veremonnás-adelan-
te, el comportamiento puede ser oscilatorio aunque sÍgue manteruéndose la pauta óe tender
ásmtohcamente a un objetivo.
- Eñ el capítulo siguiente generalizaremos el método e mpleado en esta subsección a un
sistema cuya estructura sea más compleja que la aquí considerada. Veremos entonces cómo
los elementos básicos que nos hao servido para construir el sistema dinámico asociado a un
grafo de influencias se pueden generalizar a sistemas más complejos.
1 Elementos bást'cos de un lenguaje sistémico 33
~
F
.\"
FJGURA 2. 7. Fi,nción monótona decreciente que liga el flujo F y el estado x.
2.2.3. Bucles de realimentación po itiva
Aden1ás del bucle de rea.Un1entación negativa" existe el de realin1entación positiva. En la

figura 2 . 8a se ti ene un bucle de esta naturalezaL n él la perturbación de cualquier elemento
1
tiende a reforzarse a lo largo de la cadena, por lo que, por ejemplo, un incren1ento de A determina
a su vez su propio reforzamiento. D este 1nodo se ti ne un comportamiento autorreforzado
o catalítico. Por ello estos bucles se conocen también como bu les re 'orzt1dores. En la fi-
gura 2.8b .e tiene ·e comportamiento de un sístema cuya estructura es la de la figura 2.8a., El
comportamiento que resulta d un bucle de esta naturaJ.eza consiste en acelerar o bien el creci-
miento, o el declive~El ejemplo n1ás sünple de un jst maque posea esta estructura es e! de una
población que cr,ece sin ninguna limitación~ Cuanto mayor sea el número de jndividuos, mayor
será su descendencia, que incrernentará a su vez el número de individuos, realimentándose
el bue] sin cesar (figura 2.8b). Se tiene; entonces un componainiento explosivo. De nuevo
tenemos un comportamiento que se explica mediante Ia estructura.
Otro eje1nplo de bu.ele de realimentación positiva se tiene en la figura 2.9.
Tiempo
FIGURA 2.8. Grafo genérico de la estructura de realin1entación positiva de un sistema (a) y

comportamiento correspondiente ( b ).
De acuerdo con este diagrama si un producto tiene la calidad adecuada, un incremento en

las ventas implica un incremento de clientes satisfechos, los cuales contribuyen a la difusión
oral del producto, lo que a su vez determina un incremento de las ventas. El bucle de realimen-
tación positiva se asocia a procesos que son comúnmente conocidos como de "bola de nieve"
o de "círculo vicioso o virtuoso".
VENTAS
+
SATISFACCIÓN
CLIENTES OIFCSIÓN
PRODUCTO
l.
+
FIGURA 2.9. Estructura de realimentaci6n positiva de un sistema de incremento de las ventas

de un producto.
En general, los procesos de crecimiento se pueden explicar mediante bucles de realimen-

tación positiva. Por ello, en los procesos de nuestro en tomo eo los que se manifiesta crecimiento
(por ejemplo, en sistemas económicos y sociales), la presencia de estos bucles es dominante.
Sin embargo, es fácil comprender que uo bucle de realimentación positiva tiene"!:!.!} carácter
fuertemente inestabilizador, al contrario de lo que sucede con los de realimentación negativa,
que son, como hemos visto, estabilizadores.
En realidad, los procesos de crecimiento (o de declive) acelerado no se producen en la
naturaleza, o en los sistemas sociales, hasta sus últimas consecuencias, porque todo proceso
de crecimiento tarde o temprano encuentra unos límites. Para representar la aparición de estos
Límites se suele introducir un bucle de realimentación negativa adicional, como veremos en la
sección 2.3. l. ·
Conviene observar que en los bucles de realimentación positiva y negativa se tiene exclu-
sivamente información de la que más arriba hemos dicho que era de tipo cualitativo; es decir,
el simple establecimiento de relaciones de influencia, con un signo determinado. Acabamos
de ver cómo a partir de esa informaci6n se puede ínferir el modo de cornponamiento del sis-
tema, al menos a grandes rasgos; por tanto, en estos casos es posible establecer el modo de
comportamiento de un sistema a partir exclusivamente de infonnación cualitativa.
2.2.4. Formulación matemática de un bucle elemental

de realimentación positiva
Análogamente, como en el caso del bucle de realimentación negativa, es posible tener una
fomulación matemática del bucle de realimentación positiva en su caso más elemental. Los
elementos básicos de esa formulación son:
• el estado x, y
• a acción (o flujo) F
......_.,.._.. ---- -
y se organizan co1no se índica en la figura 2.10.
+
F
FIGURA 2. lO. Elementos básicos de un bucle de realin1entación positiva elemental.
Procedemos de for1na análoga a como se hizo en el caso de un bucle con .realimentación

negativa, y adoptaremos la hipótesis de una. relación entre el estado y la acción de la for1na
dx
(2.8)
dt
es decir,
\I :;; = 1t
r
o Fdt
Si se asunJe que la acción es proporcional al estado
F = kx (2.9)
se tiene que la ecuación que obierna la evolución del estado del sistema viene dada por
- -
dx
I -
( dt
= kx
cuya integración conduce a
x(t) = x(O)e 1d (2.11)
Conviene observar que el único equilibrio del sistema es el origen, que en este caso es
inestable.
FIGURA 2.1 l. Relación que liga el flujo P con el estado x.
De acuerdo con (2.9) la relación gue liga el flujo F con el e~do x se puedc..rep.c:esentar
gráficamente coi:rE se hace <rn Ja fi~a 2. fl. -
El comportamiento del sistema viene dado por la figura 2.12; es decir, que crece exponen-
c ialmente con el tiempo. Se pueden hacer aquí unos comentarios análogos a los que se hicieron
en el caso del bucle de realimentación negaJiva: el comportamiento cualitativo que se muestra
en la figura 2.12 lo presentan también aquellos sistemas no Iineales en los que la relación entre
el flujo y el estado es sencillamente una función monótona creciente, del tipo de la que se
muestra en la figura 2. 13.
x(OJ
FIGURA 2.12. Crecimiento exponencial de un bucle de realimentación positiva.
Detengámonos a analizar el modo de comportamiento que estamos considerando. En la
------
expresión (2.9) ~ onstante k...{epresenta la tasa de crecimiento de x. Significa el tant~ gor
_ r unidaqJ_le x_. Se expresa también en tanto por ciento. Asf, una
uño oe crecimiento de b..[)Q
Elementos básicos de un lenguaje sistémico 37·
FIGURA 2.13~ .Relación entre el flujo y el estadofunci6n monótona creciente~
tasa de crecimien~o del .§J"'..rr.re res,enta ue la magnitud x e ece . .5 x en la UI)idad d~!iem.p,c,.

Por tanto, en as unidades en que se nude k debe indicarse expUcitamente el tiem,po al que se
refiere el crecimiento,. aunque normalmente está ü11plícito y es en la unidad en que se mide t.
Así, si t se mide en años, y se habla de una tasa. de crecü11iento de] 5%,, se entiende que x crece
un 5% en un año. La expresión (2.10) se puede leer diciendo qu la variación dx de x en la 1
unidad de tiempo dt es k veces el valor alcanzado por x.

El com or ~ · to '"epresen~ado en la figura 2.12. recibe la denonlinación de creci,niento
- r - - - Lid -... - - - .,,.
exponencial. Una caracteristjca interesante de este crecin1iento e el denominado t,:empo de

duplfcaéión td, qu~ es el tiempo que tarda en duplicarse x(t); es decir, r - - -
x(trt) = 2x(O) (2.12)
Conviene observar ue el tien1

considere. En efecto,
=w: s::.....-. !s::Z
x(t + td.) = 2.1.:(t)
ya que co1no x(t) == x(O)ek' y x(t + td) = x(O)ektektª, el tiempo de duplicación resulta
ind pendente de) tie1npo inicial. De ahí su interés como parámetro para caracterizar el com-
portamiento exponencial~ En la figura 2.14 se ilustra este proceso.
De las expresiones (2.11) y (2~ 12) es inmediato que
ln2
td == k (2.13)
es decir
0.7 70
td ~
~ k . k' (2.14)
]r(I) - - - - - - - - - - - - - - - - -
•t/J - - - - - - - - - - -
21(0)
.rlOJ
FlGURA 2.14. Tiempo de duplicación de un proceso con un crecimiento e.xponencial.
en donde k está expresada en tanto por uno y k' en tanlo por ciento. Esta expresión tiene un
indudable interés práctico, ya que nos dice que e l tiempo de duplicación de un proceso con
crecimiento exponencial es igual a 70 dividido por la tasa crecimiento (en tanto por ciento).
2.2.5. Retrasos
En todos los sistemas se producen retrasos entre las acciones y sus consecuencias. De hecho
en todos los procesos ele realimentación se produce alguna forma de retraso.
TE~PCRATL'RA
TE~PCRATURA
DE REFERENCIA
~ ÍRGAL~
DISCRE:PANCIA / \
o ERROR
CALEFACTOR
FIGURA 2.15. Bucle estabilizador con un retraso: regulación de la temperatura con retraso
en la información.
Los retrasos, especialmente cuando son importantes,, Queden pr.odncir ineslabilidad..en.sis-

temas con re~ment~ión neg~en..el..proccso de regulacl.gn.de..temperatura
Elementos básicos de un lengua/e sistémico 39
ue se ha vislo anterio intfoduce,..un re.tras.o cgm ha n figura 2.15, es claro

que se producirán oscilaciones n el comportamiento como las _~ ye u: la g.u · :10. .
enon1eno es bien conocido por la persona que regula la ten1peratura del agua preparándola
para una ducha, cuando el calefactor está alejado. Obsérvese que cuanto más agresivo e.s el
com qrtamiento del qu,e actúa sobre la llave o grifo mayore "' serán las osciJaciQnes ];.
producirán antes de alcanzar el equilibrio y, por tanto, mayor será el tiempo que se tardará
en Cat zar ]a tempe(atura pi;seaaa. Ésta es una ae las lecciones que se pueden extraer de los
bu les de realhnentación negativa con retrasos: una acción exc,esivam.ente agre iva a 1nenudo
produce un resultado que es justarnente el opuesto del que se pretendía. Se producen oscila-
ciones e inestabiUdad . en lugar de alcanzar de forrna razonablemente rápida el objetivo c1ue se
pretende.
Tc111p1.!Talu n1
desead.a
T iempo
FIGURA 2~ 16. Evolución lle la ternperatura con retra.~o en la información.
n los problemas en los que se trata de estudiar tendencias a ]argo plazo, los retrasos y
los bucles de reali1nentación resultan de gran importancia. A corto plazo, a veces incluso se
pueden ignorar pues tal vez no tengan consecuencias significativas.
2.3. ESTRUCTURAS COMPLEJAS D REALIMENTACIÓN
Hasta aquí he1no · considerado bucles de realimentación positiva o negativa aisladamente.

En la práctica, sin embargo, es frecuente que la estructura de un sistema presente mt1Uiple.s
bucles de realimentaci6n entrelazados, de n1odo que los bucles aparecen en ,c ombinaci6n. Se
tienen entonces comportamientos que son 1nezcla de los asociados a cada uno de estos bucles.
3.1. INTRODUCCIÓN
En el capítulo anterior h.e1nos visto distintos ejemplos de situaciones susceptibles de ser

modeladas mediante un lenguaje sistémico elemental, formado .esencialmente por diagramas
de influencias, y en el que se ponía especial énfasis en los bucles de realin1entación. H mos
visto tainbién cón10 .Ja generación del comportamiento, a partir de los bucles que formaban
la estructura, sólo era posible en casos especiahnente sencillos, y aun en ellos sólo adntitía
una caracterización esencialmente cualitativa. Para generar las trayectorias se requiere que la
relación entre las partes de un sisten1a posea un contenido matemático más rico que el sin1ple
establecimiento de las relaciones de infl ucncia. El concepto de sisten1a dinámico aporta un
lenguaje más elaborado que permite generar el comportanliento,. cuino h mos visto ya en
a]gunos casos particularmente sencillos dotados de u110 o dos bucles de realimentación.
Cabe, portan~o, preguntarse a qué reelaboración hay que someter en general al diagrama de
influencias para poder obtener un siste1na dinárruco; es decir, qué n1ayor riqueza se requiere en
la descripción de un siste1na para obtener una estructura que permita ser interpretada mediante
un sistema dinámico.
Por otra parte,. la información contenida en un diagrama de influencias se reduce a una
serie de enunciados que establecen vínculos de dependencja enlre los elementos básicos de un
sistema. Estos enunciados se pueden fo1mular median.te el lenguaje ordinario, de n1odo que a
la descripción 1nínima de un sistema, mediante el enunciado de sus elementos y las relaciones
de ínfluencia entre ellost se puede asociar una descripción del sistema en lenguaje ordinario.
Elfo invita a pensar que sea posible concebir una transición de una descripción verbal de
un sistema a un diagra1na de influencias, y de éste a un sistema clinánricot si so1nos capaces
de establecer las condiciones oportunas . Este libro está dedicado a un método, denonlinado
diná,nica de siste,nat!;, que penníte realizar esta transición, en la que partiendo de una descrip-
ci6n en lenguaje ordinario del sistema que se trata de modelar se llega a un sistema din á'mico.
Este último, además de los aspectos estructurales que comparte con la descripción v rbal,
55
incorpora aspectos cuantitativos que no están explícitamente en esa descripción. De hecho,

la dinámica de sistemas se encuentra en una encrucijada entre lo cuantitativo y lo cualita-
tivo: emplea instrumentos cuantitativos, propios de las ciencias físicas, como son los sistemas
dinámicos; pero involucra una forma de conocimiento en los modelos que se construyen con
su concurso, en la que los rasgos cualitativos pueden ser dominantes.
El proceso de modelado mediante dinámica de sistemas tiene un carácter emjnentemente
constructivo en el que después de analizar e l sistema, y partiendo del conocimiento djsponible
respecto a cómo se articulan sus partes -bien sea en forma de leyes ampliamente aceptadas
o bien sencillamente a prutir de opiniones de expertos expresadas en lenguaje ordinario- ,
mediante un proceso de sucesivas reelaboraciones, se llega a un modelo en forma de sistema
dinámico que permite generar su comportamiento y del que, además, se extraen eventualmente
conclusiones cualitativas.
La dinámica de sistemas, introducida, como ya se mencionó en el capitulo 1, por Jay
W. Forrester, permite analizar la estructura del sistema y, a partir de este análisis, construir un
sistema dinámico mediante el cual se pueda generar su comportamiento. Se parte del modelo
mental que se tiene de una cierta situación problemática y se llega a construir un sistema
dinámico que contribuya a explicarla.
El método de Forrester entronca directamente con la teoría de sistemas, en la medida que
suministra un método para estudiar sistemas dotados de una cierta complejidad estructural,
donde el bucle de realimentación es e l bloque básico. Utiliza tanto instrumentos de matemática
aplicada (los grafos y, sobre todo, los sistemas dinámicos) como útiles informáticos, entre los
que se encuentran los entornos DYNAMO, STELLA, lTH JNK, V F.NSI~ y PowERSL,1.
Los modelos construidos mediante la dinámica de sistemas son sistemas dinámicos, por lo
que todo el amplio y rico bagaje de conocimientos matemáticos que se tienen en la teoría de
sistemas dinámicos pueden explotarse en el ámbito de la dinámica de sistemas. Esto es espe-
cialmente interesante si se considera que los modelos de dinámica de sistemas son normalmente
sistemas fuertemente no Lineales, por lo q11e pueden presentar formas de comportamiento muy ·
complejas, para cuyo análisis los recientes resultados de la teoría matemática de sistemas
dinámicos no lineales resultan de un gran interés, como veremos en un capítulo posterior.
3.2. DE LA ESTRUCTURA DEL COMPORTAMIENTO
En el capítulo anterior se ha presentado un lenguaje sistémico que aporta los elementos

básicos para una descripción esquemática de un sistema. Hemos visto también en la subsección
2.2.2 cómo era posible asociar un sistema dinámico elemental a un sistema que poseyera la
estructura de realimentación negativa, y generar, a partir de ese sistema dinámico, el com-
portamiento autorregulador de la figura 2.6. De este modo, a un sistema descrito median-
te un grafo se asociaba otro descrito mediante un sistema dinámico. Lo núsmo se hizo con
los sistemas con realimentación~, en la subsección 2.2.4, y con los de crecimiento
sigmoidal, en la 2.3.2. f>OJI ,v"'
Vamos a tratar de generalizar estos resultados, proponiendo un método que permita asociar
un sistema dinámico a un sistema descrito mediante un grafo. Trataremos con ello de explicar
la generación endógena del comportamiento de un sistema. Partiremos de la observación de
que entre los distintos elementos que aparecen en los nodos de un diagrama de íofluencias,
algunos representan variaciones con respecto al tiempo de otras magnitudes consideradas en
Modelada mediante dinámica de sístemas 57
ese mismo diagrama. Por ej1en1plo, en el d"agrama de la figtJra 2.10 la variable de flujo re-
presenta la variación con respecto al tiempo del valor del esl.ado x. Recordando esa figura se
tiene:
FLUJO ~ ESTADO
sta influencia es un caso particular de o~a más general que podenlos expresar de la forma~
dX
~ ->- X (3.1 )
dt
En la que dX/ dt denota la variación con respecto aI Liempo de la magnitud X. sta
expresión representa una relación trivial: 1a variación con respecto al tiempo de X influy n
el creciiniento de la propia variable X. Sin embargo, Jo que interesa por el 1nomento resaltar es
que la existencia -en el diagrarna de influencias- de variables que representan la variación
con r specro al ti,ernpo de otras~ comporta que estas últimas cambien a lo largo del tjempo ..
En este sencillo hecho se basa e] que podamos afinnar que en la estructura está implícito el
comportamiento del sistema.
Convi ne también observar que s· en1pr,e que exista una variable del tipo dX/ dt, que re-
presenta la variación de una magnitud X con respecto al tiempo, se tendrá una relación de
influencia como la de la expresión (3.1). La variable X resulta de la acu1nulació11 del cat11bio
itnplicito en la variable dX/ dl. Por tanto, siempre que aparezca una variable co1no la dX/ dt
aparecerá otra X, y entre an1bas se establecerá una relación conto la (3.1). La variable X se
denomina variable de estado y J.a dX / dt variable de flujo. A las variables de estado se las
conoce también,. en dinámica d sistema..~,. como variables de nivel por razones que se verán
en la sección siguie:nte.
Las anteriurt!s consideraciones llevaron a Forrester a postular una clasificación de las di -
tintas variables que aparecen en un di agrama de influencias en tres grupos: variables de stado,
variables de ftujo y variables auxiliares. Las variables de estado son normalmente las variables
más importantes y representan las magnitudes cuya evolución es especiahnente significativa.
Asociadas a cada variable de estado se encuentran una o varias variables de flujo, que determinan
su variación a lo largo del tiempo. Por últin10, las variables auxiliares constituyen las restantes
variables que aparecen en el diagrama, y representan pasos intermedios para la determinación
de las variables de flujo a partir de ]as variables de estado. Si se recuerdan las formulaciones
matemáticas de los bucles de realimentación positiva y negaüva., y del crecimiento sigmoidal,
se verá cómo en todos estos casos los modelos matemáticos correspondientes admitían la
anterior clasificación entre sus variables .
La distinción entre variables de estado y variables auxil1ares, a partir del diagrama de
influencias., no siempre está clara y a veces es difícil decidir si una variable debe ser un estado
o una variable auxiliar. Ya se ha indicado que un estado representa un punto de acu1nulación.
Una regla aceptable para decidir ·el carácter de una variable se basa en considerar cómo se
comporta esta variable ante un cambio n l sistema. Las variables de estado varían lentamente
acumulando ]os flujos. Las variables auxiliares varían instantánea1nente en respuesta a los
valores que toman las variables de estado a lo largo del sistema. También puede ayudar en esta
distinción tener en consideración que, si se detiene el proceso que se pretende 1nodelar, los
flujos se anulan mientras que las variables de estado conservan su valor. Puede suceder que
una variable, representada por una variable auxiliar cuando se emplea un horizonte temporal
muy grande, deba ser represenlada como un estado cuando el horizonte temporal sea menor.
3.3. DIAGRAMAS DE FORRESTER
Una vez clasificados los elementos que aparecen en el diagrama de influencias en varia-
bles de estado, flujo y auxiliares estamos en disposición de obtener, a partir del diagrama de
influencias, lo que se conoce como el diagrama de Forrestcr, que es uno de los instrumentos
básicos de la dinámica de sistemas.
''
FIGURA 3. L. Símil hidrodinámico de un sistema de ecuaciones diferenciales de primer orden.
Para ayudar a comprender el significado de las tres clases de variables es conveniente

recurrir a un símil hidrodinámico como el mostrado en la figura 3.1. En esta figura se representan
tres depósitos en los que se acumulan tres niveles X 1 , X 2 y X a. Las variaciones de los niveles
vienen detem1inadas por las actuaciones sobre unas ciertas válvulas que regulan los caudales
que alimentan a cada uno de los depósitos. La decisión sobre la apertura de estas válvulas se
toma teniendo como única información los valores alcanzados por los niveles, en cada uno
Modelado mediante dinárnica deJ. sistemas 59
de los depósitos, en el instante de tie1npo considerado. En la figura 3T l esto se. representa con
ayuda de un observador que teniendo con10 única infonnación el conocinliento de los niveles
en el resto, de lo~ depósitos determina la ap rtura de la válvula correspondiente. Aunque en
la figura sólo aparece el observador en una de las válvulas; debe considerarse que hay uno en
cada una de ellas.
De acuerdo con lo anterior está claro que el valor tomado por la variable de flujo en cada
instante depende exclusiva1nente de los valores alcanzados por los niveles en dicho instante;
de f on11a análoga,. los valores alcanzados por los ni.veles dependen de los valores tomados por
las variables de flujo que aJin1entan a dichos niveles .
Con el símil hidrodinámico se obtiene una forma intuitiva -apropiada para una menta-
lidad que busque imágenes físicas- de representar un sistema de ecuaciones diferenciales
de primer orden. En efecto, se ve de inmediato que haciendo ciertas si111pli ficaci ones, en [a
figura 3.1 no se hace sino representar ~ e forma analógica- un sislema de cuacion s
diferenci alcs tal con10
d(Xi)
(3.2)
dt
<l(X2)
dt
d(X~1)
(3.4)
dt
siendo
(3.5)
Estas funciones f.: pueden ser Jineales o no lineales. La dctemlinación del valor tomado por
una variable de flujo t por ejemplo F 1 , a partir de los estado X 1 , X 2 y X:1 puede que sea
conveniente hacerla en distintas etapas, requiriéndose para ello ,el establecimiento de unas
variables auxiliares~ por ejemplo, la función f 1 puede descomponerse en tres etapas, e1npleando
dos variables auxiliares A 1 , y A 2 , teniendo,
(3.6)
(3.7)
(3.8)
En efecto
(3.9)
(a. 10)
~f1 (X1, X2~ x~) (3.11)

Es decir, tas varia.bles auxiliares representan etae._as jntermedjas en la determjnacj6n deJos

~ partir de los estados y, en último extremo, pueden ser e liminadas.
El símil hidrodinámico de la figura 3. 1 se puede completar con la inclusión de variables
exógenas. Ésta5 suministran información adicional y exterior, que debe considerarse para de-
cidir el valor que toman las variables de flujo¡.~. Es decir, llamando E a una variable exógena,
las expresiones (3.5) se converti rían en
En el símil hldrodinámico se pone c laramente de manifiesto que se pueden concebir dos tipos
esenciales de variable~, los estados y los flujos, y una clase secundaria, las variables auxiliares.
Empleando esta analogía, en dinámica de sistemas, las variables que aparecen en un modelo
se clasifican en variables de estado, variables de flujo y variables auxiliares. De esta manera
se consigue dar una forma intuitiva al proceso de construir un modelo que, en último extremo,
no va a ser sino un sistema de ec;uaciones diferenciales de primer orden.
í
Nivel
í
Nivel
(variable de
esi!do)
'\
(variable de
estado) í
Nivel
(variable de
'
,,
\
1
'' J estado)
' •1 ,
'' 1
I
'' 1
'
' ''
'
' Punto de
decisión
---
1
\
Nivel
(variable de
estado)
FIGURA 3.2. Conexión entre las variables de nivel (de estado) y los puntos de decisión
( variables de flujo).
En la figura 3.2 se tiene un diagrama que muestra, de forma gráfica, Las ideas que se acaban
de exponer. Se emplean en el diagrama los símbolos que se muestran en la figura 3.3 y que se
explicarán posteriormente. Es necesario indicar que estos símbolos son los que inicialmente
propuso Forrester, pero que, en la actualidad, oo son empleados de forma universal, y se
Modelado mediante dinámica de sistemas 61
dibujan estos diagramas con cierta libertad a la hora de escoger los. símbolos. En cualquier
caso el sign:ificado de la figura 3.2 es claro a primera vista. Se observa en la misma cómo las
variaciones de un estado son el resultado de una deci ión tomada a partir de información que
proviene del resto de los estados. E.n lo que sigue se srudiará, de forn1a sistemática y detenida,
este proceso. Para ello se discuten en primer lugar, con detalle las variables de estado de flujo
y auxiliares, así como las interconexiones que se establecen entre ellas.
Variables de estado
Las variables de estado o niveles constituyen aquel conjunto de variables cu.ya evolución es
significat~va para el estudio del sistema. Los estados re~rescntan. ma n · tudes ue acumulan los
resulta.dos de acciones tomadas en el pas~.. sta función de acu1nuJación puede asiinilarse a
la del nivel a]canzado por Un Jíquído en Uil depósito; de ahí prOVl ne }a denomina-CJÓD de nivel
siguiendo el símil hídrodinámico~
La elección de los elementos que se representan por variables de e.stado1 en un modelo de-
terminado, depende del problema específico que se esté considerando4 En la elección de estas
variables desempeña un papel primordial la experiencia del diseñador del modelo. Una carac-
terísiica común a todos .los estados es que cambian lentamente en respuesta a 1as variaciones
de otras variables.
En los diagramas de ·F orrester los niveles se representan por medio de rectángulo · (fi-
gura 3.3) .
~
N••be: 1"Cprc.i.,cnta un.a f"ui;nte o 11.ln pozo~ puede i111 lerprclursc
comu illn nivd que no Licnc iinh:iíés y es pn,c,icume:T1te
!
in.:1:aotabte.
~
-- -
Es tacto .· representa una o.cumulación de llfl flujo .
1 1
Flujn: \'atiw..:ión d~ un nivel; rn,p1-csi:ntn un cñrnbio !;!O e)
D c:::stado d.eJ !i;Lsiema.
Ccc1.11al de malerial: canal de tramnnisión <le lJmA l'lH!l.{U\i(1,.1d físicai que :5,e
- -
con,;;ervi'!i,
- C:anal de itt.ffl rnu,ci 611 : e.anal de lransmi~.ión de una cierta infonnación, que
-- ---- ~ no es necesario q uc s consc:: r.,, e.
o V,w,abl~ aiixilíar:
-
e on.su.mte:
u f'I a canc 1dad coa u 11 d :no significado fí~ico en ei mHndo
,tc(lll y con un tiempo de respuesta instantáneo .
un elemento del incdi:;]c. que no cambia de valor.

e
-~
Retraso; úOJ e-lerne.nto qac ~imula retrasos en fa_ tn1-nsnü siún d!e
i nfo ri nfic i611 o c;le, u1ater' aJ.
1 1 1 1
-
o ~
-
Variable
-
1· '.
,cJ,,t JuJ .· v.ariaible cuya CV(.1ll.lt:iLSn e:. indep ·11rlieJH(:: lk hu; Jd
r~~nn del r;¡isl~ma. ReprcscnLa una at:i;;ión del mccfü"'
sobn: id sh.kn1a.
FIGURA 3.3. Simbolos utilizados originalmente en los diagra,nas de Forreste,:

A cada estado X se le puede asociar un flujo de entrada Pe y uno de salida F.., de modo
que la ecuación que representa su evolución es la siguiente,
X(t) = X(O) + ¡'/'(F. - F. )dt
o lo que es lo mismo
dX
- =F - F
dt e •
3.3.2. Variabl~ de flujo

Las variables de flujo determinan las variaciones en los estados del sistema. Las variables
de flujo caracterizan las acciones que se toman en e l sistema, las cuales quedan acumuladas en
los correspondientes estados; es decir, determinan cómo se convierte la información disponible
en una acción o actuación.
Originalmente se representaban por medio de los símbolos que se indican en la figura 3.3,
aunque hoy en día se utilizan iconos distintos. Estos símbolos están inspirados en el símil
hidrodinámico, según el cual las variables de flujo se pueden asociar a v{llvulas que regulen
los caudales que alimentan deternunados depósitos, cuyos niveles materializan el estado del
sistema.
A las variables de flujo se asocian ecuaciones que definen el comportamiento del sistema. El
bloque representativo de un flu ·o admite, como señal de entrada, la infom1 · ~~
e lOSJ:S~os, o de las variables auxiliares del sistema y suministra corno salida el flu'o ue
alimenta a un es¡ad.9. Por ~jemp o, en a gura . se representa, u izando dos símbolos
alternativos, el bloque que representa el flujo i,: , al que se puede asociar una ecuación de la
forma,
Fa = A x B
D
siendo A, B y D variables de estado o auxiliares. Las ecuaciones asociadas a una variable de
~ibi:ñ ::ra denominacióñcfe~~o funciones de decisión.
-- - ,..
00-- -- ------=
- - -· 4f
FIGURA 3.4. Representaciones alternativas de un flujo en un diagrama de Forrester.
La ecuación de flujo representa la función desarrollada por el observador del símil hidrodi-
námico de la figura 3.1. Es decir, con ayuda de la ecuación de flujo el observador calcula en
Modelado mediante dinámjca de sistemas 63
cada instante la abertura de la válvula, o sea el fluj:o; de ahí la denominación de función de

decisión.,
A todo estl;\dO se asocia una variable de fluio o incluso varias, lo que gráficamente, y
1
en1~do los sín1bolos de la figura 3.3, se puede representar como se hace en la figura 3 5.
F\
... ...
.. ..
.. ...
Tn formacitSn clc~dc lnS, otros

~~hH.lo~ o dt!l exll!1ior
FIGURA 3.5. Conexión de un estado ·,.. a los flujos de entrada F~ y de salida F.
Una forma que toma muy frecuente111ente la ecuación de un Oujo es la que se representa
en la figura 3.6 y que toma la forma
F(t) = Tnlvf(t)X(t)
donde Tn es una. tasa normal y 1Vl es 1o que se denomina un multiplicador de flujo nonnaL Si
1v! (t) = 1 se tiene una situación n ..utral en la que F (t) == TnX (t), es decir, el flujo es una
fracción constante y normal del nivel (por eje1nplo, el número de nacimientos anua]es de un
modelo de población es una tasa normal de natalidad multiplicada por el nivel de la población}.
FTGUl{A 3.6. Representación en el diagrama de Forrester de un flujo F cuyo vulur viene dado
por una tasa nonnal ~, afectada por un multiplicador M·.
Normalmen~e una variable de flujo dependerá no de una, sino de varias variables de acue.rdo
con una expresión d - la forn1a
es decir, eW flujo F es una función de varias variables. Es frecuente que esta dependencia pueda
desco1nponerse multipHcativamente de modo ,que se tenga
Así, en las funciones/, se recoge el efecto de cada una de las variables que influyen sobre F.
Una variable de flu'o vendrá siem re medida or la unidad de tad ue alimenlª'-1?..ar~~
por e tiempo.
v a les de flujo tienen como entradas exclusivamente a estad~ a variables auxi-
_J¿ares. Es dedr, dos variables e UJO noj)úecJenconectarse entre sí. Siguiendo el símil hidro-
dinámico es fácil concebir cómo la decisión respecto a la abertura de la válvula, que alimenta a
un cierto nivel, se toma exclusivamente en función de los valores de los otros estados; y cómo
!!_.na variable de estado no puede influir directamente a otra variable de estado, sino a través del
, flujo gue..pcoporcjonc la primera.
La evolución del sistema en el tiempo comporta variaciones en los distintos estados. Estas
variaciones se deben no .sólo a la acción de factores externos (variables exógenas), sino, y sobre
todo, a decisiones en un sentido amplio, tomadas e n el interior del sistema, que se interpretan
con ayuda de las funciones de decisión asociadas a las variables de flujo. En este sentido es
cómo debe entenderse el que el sistema genere su propio comportamiento.
3.3.3. Variables auxiliares

Las variables auxilia~s re~tm.1an ~sos o etaeas en los que se descompone el cálculo de
una variable de flujo a partir de los v ~ d o s ppr los estados. Se representan por medio
""éfe círculos como los que aparecen en la figura 3.3. or ejemplo, en la figura 3.7 se tiene la
representación, por medio de diagramas, del empleo de variables auxiliares que se indicó en
las expresiones (3.6), (3.7) y (3.8).
D
~ > D
~---d .~----- 1~x,~
FlGURA 3.7. Variables At y A 2 como pasos intermedios en la determinación de F 1 en función
deX1, X 2 yX3
\
Las variables auxiliares unen los canales de información entre variables de est~ de
fl uJo;-en realidad, son earte de las vana s de flujo. S1n embm'go, se d1sfuig~n de ellas en
la medida en que tengan un significado real por sí mismas, o senciUamente porque hacen más
fáci l la comprensión de las ecuaciones de flujo.
--··O,_____º
FIGURA 3.8. Forma simbólica de represemar que la variable B es una función no lineal
o tabla de A.
Las variables auxiliares se

en el sistema.
Si las variabl s A y B están ligadas por una expresión de ]a formna B == f (A)~ en donde
f (A) es una función no lineal, entonces se utiliza un símbolo corno el etnpleado para las
variables auxiliares tal como se indica en ma thzura
...... 3 .8. Estas funciones no Linea]es es habitual
que se den 1.nediante tablas de puntost dle modo que ]a función se completa por interpolación
entre ellos. Por eUo es frecuente referirse a estas funciones denon1inándolas tablas.
3.3.4, Otros sí1nbolos empleados en los diagramas

Un estado se puede alilnentar o · &s..d~otro estado, a través de la corres ondiente
varTab1e de fllujo, o15.1en _e...s - ~ f ente xrerior al sjsten1a. En es e últ,rilo caso si . aden1ás'I •a
fuen[e puede conside~se infinita -es decir~ no [lgolablc - se rcpresenla en los gráficos por
n1edio de una Hnube''. En la figura 3. 3 se tiene este símbolo.
Por otra parte, un estado, al dismin · ued sobre otro estado, a través de la
corres , on 1en te variabl~ de fl u· o'I . sobre_un poza..el(terior aJ .sistema. n ,este úl tilno caso~ y
si se supone que la capacidad del pozo es infinita, s represenla por medio de una " nube". En
la figura 3.9 se representa un estado, junto con las correspondientes variables de ftujo, y las
fuentes y pozo a él asociados.
FIGURA 3.9. Diagra1na de Forrester de un estado X, con lo. fli~jos de entrada F~ y de salida
F/:,, y Tas "•nubes" que representan los pozos y sumideros infinitos.
Las variables de estado y de flujo están ligadas entre sí por inedia de canales. ·n las prin1eras
formulaciones de la dinámica de sistemas se djslinguían enlre dos clases de canales:
• canales n1ateriª1 s~ los cuaJe se representan por un trazo continuo; y,
•7aÍiaJles de información, los cuales se:--:::
re:"':'p"'."re
""".~ Se~n~t=an
:-:-.,""":p:::-::o:-::r~m
::-:::.~e"""I"
· :l""":O~e
~ ~Z~:..O=-::t• SCOntinuo.
.. ~u=n--.r-::::-a
En la actualidad se prescinde de esa disbnción y los modernos entornos informáticos ni

siquiera pern1iten realizarla.
Con los símbo·ios de la figura 3.3 se puede construir un diagra1na que represente el súnil
hidrodinámico de la figura 3.1, el cual a su vez no es sino una interpretación analógica del
sisten1a de ecuaciones diferenciales de primer orden de las expresiones (3.2), (3.3) y (3.4).
Ello es lo que se haoe en la figura 3.10. En ,esta :figura se han considerado exclusivamente las
variables auxiliare definidas en la figura 3ii 7- aunque se hubiesen podido concebir otras rnás.
Un diagrama construido con ayuda de los símbolos de la figura 3.3, tal co1no el de la
figura 3.10, recibe la denominación de diagrama de Forrester1 o diagra1na de flujos-estados. En
J Seen1plea en este libro la denon1inac1ón de dmngrama de Forrester para referirr;;e a Jo que se conoce tmnbién como
diagran~a Dynamo. s~ cunsi<l.i.;ra n,ás adlel'.uada la denon1inación adoptada aquí.. ya que la segunda hace reíerencia a un
FIGURA 3. 10. Diagrama de Forrester del símil hidrodinámico de la.figura 3. 1.
estos diagramas se ligan entre sí variables de estado y de fluj o, a través de las correspondientes
variables auxiliares.
Cual uier tra ecto a través del diagrama de un sistema debe ~ ntrar altematjvamente
estados y flujos}'. nunca dos vana es oel mismo ti~o en sucesión (cxceeto ~bles auxiliares).
---R_esumiendo todo lo antenor ca6e hacer dos consideraciones:
• En primer lugar debe considerarse que los procesos fundamentales que tienen lugar en un
sistema pueden ser caracterizados por flujos y por estados (acumulaciones). Por ejemplo,
los nacimientos se acumulan en la población, los flujos de producción se acumulan en
"stocks", el personal contratado se acumula en la plantilla, etc. En este contexto es claro
que integración es sinónimo de acumulación.
• En segundo lugar, aunque el flujo y la integración son inherentes a los sistemas, solamente
se puede observar la integración. Los flujos son instantáneos y sólo pueden ser medidos
como promedios sobre un determinado periodo. Por consiguiente, las integraciones
cobran un interés singular, puesto que son las variables que pueden ser medidas y que
suministran las bases prácticas para la actuación sobre e l sistema.
3.4. RETRASOS
Una característica importante que debe considerarse en el estudio de los sistemas son los
retrasos que se producen en la transmisión de la información o de los bienes materiales en su
lenguaje concre10 de programación denom111ado DYNAMO, del que ~e habl:irá más adelamc. restándole generalidad a
esto~ diagramas. que como ,e pone de manifiesto en lo que sigue. dan lugar a modelos susceptibles de ser programados
en cualquier lenguaje de aho nivel. Por otra pane, está j ustificada la tem1inologfa aquí adoptada ya que en eMos
diagramas se encuentra la aponación más original de Forrcster al modelado de si,temas.
Modelado mediante d;n,árnica de sjstemas 67
- - P1l:'rJ0 <le L~~ t11u.t1L~1t1ll!-t

- - - - - Núnrnro dl' Ltlilli2;ma.~ '1.'r.!ndidlls
..... .. , .. -·
-.... --·
Tit!mpo
FIGURA 3~11. Retraso que se produce en la percepción de la variación del precio de un

producto en el ,nercado.
seno. Al construir el diagran1a de influencias de un sistema hay que tener en cuenta que la
relación de influencia que liga a dos variables puede implicar una lrtmsmisión para la que se
requiera el transcurso de un cierto tiempo. Se está entonces en presencia de un retraso. Se han
propuesto tan1bién la denominaciones de retardo y de demora, aunque aquí se ha adoptado la
de retraso .
De hecho, los retrasos se producen en cualquier descripción del mundo real Por ejemplo,
la gente basa normalmente sus decisiones en la percepción que f ene del mundo, y no en u
estado actual. Se necesita un cierto tie 11po para formarse una idea sobre la situación real de
un determinado prob]ema antes de tomar una decisión con respecto al mismo. Por otra pru1e,
una vez ton1ada una decisión, debe tTanscurrir algún tien1po hasta que se obser ren sus efectos.
Pn:cio de las Núrnc;ro de manzanas

man7..anas vendl J as
FIGl..,.RA 3.12. Símbolo que se emplea ,en los diagran1as para representar un retraso de
trans1nisión.
Supóngase que en un instante detern1inado desciende de forma significativa el precio de un

produc.to del mercado, las manzanas por ejernplo. El número de manzanas vendidas aumentará,
como resu[tado de esta disminución de precio, sin embargo el nün1ero de manzanas vendidas
no responderá de manera instantánea a la variación del precio, sino que más bien sucederá algo
parecido a lo que se indica en la figura 3 . 11. Se justifica la for1na de la curva considerando
que la percepción por parte de los compradores de la disminución del precio de las inanzanas
requiere un cierto tien1.po~que hace que se produzca un retraso entre la disminución del precio
de las manzanas y el aun1ento de sus ventas. Uno de los símbolos que representan un retraso
se muestra en la figura 3~ J2~
Tiempo
FlGURA 3.13. Retraso de un acontecimiento aislado.
Para los microprocesos los retrasos se convierten en pausas. Es decir, para un comprador
aislado en el mercado, el retraso consiste en el tiempo que tarda en llegarle la noticia de la
reducción del precio de las manzanas. Sin embargo, para variables agregadas -que son las
que aquí interesan- los retrasos producen ajustes graduales entre las variables relacionadas.
Por ejemplo, la figura 3.13 muestra el retraso que se presenta en la recepción de una carta
aislada, mientras que en la figura 3.14 se tiene el retraso que se produce en la distribución de
un número elevado de ellas. Se muestra así el efecto de agregación de distintos retrasos, que
da lugar a un retraso global.
SE REMITEN 500 CARTAS
RECEPCIÓN DE LAS <: ARTA S
1íempo
FIGURA 3. 14. Retraso de un acontecimiento agregado.

Modelado mediante dinám;ca de sistemas 69
Un proceso corno el de distribución de las cartas puede ser modelad.o con ayuda de variables
de flujo y dt! estado, tal como se iind1ca en la figura 3. J5. Se tiene así un ej emplo de ]a función
que se denomina retraso en dinámica de s1ste1nas. Los ej emplos anleriores muestran que un
retraso implica siempre una acumulación del 1naterial o de la infor1nacjón que se retrasa; por
ejemplo, las cartas se acumulan en alguna parte entre el instante en que son depositadas en
el buzón de correos y el momento en que llegan a manos del destinatario. Los retrasos, por
consiguiente_ in1plican la aparición de variables de estado adicionales en la construcción de
un 1nodelo. Según se trate de flujos de transmisión de bienes materiale. · o de infonnación, los
retrasos pueden ser tan1bién de materiales o de inforn1acíón.
CARTA S EN
' - - -~ - •- BUZ UJ\ ES
D E C()RIU:.OS
1
1
1 1
1
-ó- ---6---, -o-
Ti t!mpo medíu 'fwm po medio
en buzooi.: s (;n I ro •1l-p t 1rLi: en r~p.ano
FlGURi\ 3 ~ 15 . Eje,nplo de mecanis1no para la generación de retrasos.
3.4.J.. Retrasos en las transmisiones de 1naterial

Los r trasos en la transmisíón de materiales, o sin1ple1nente retrasos de 111ateriales, se
producen cuando xisten elementos en el sjstcma que almacenan el materia] qu _ fluye por el
1nismoproduci ndo con ello el correspondíente retra"-0. Un eje1nplo lo constituye la djstribución
de cartas de correo que se ha considerado más arriba.
La forma 1nás s·e ncilla de obtener una aproximación a un retraso en dinámica de sist mas es
mediante 1o que se conoce como un retraso~ rimer_orden. Este retraso se consigue medianlc
1
una ecuación diferencial de la forma
± == a(u - x}\ (3.12)
f ™ · n.d.o T la constante de tie1n o del sistema. El. comporta.J.rliento de un

sistema q.ue.respo a a esta ecuación puede interpretarse de modo que a sena
_,,,--
de ajustarse a la de enLrada u., con ns an .e e 1empo T"' .
. , , ,. A continuación veremos e mo se interpreta en "1nam1ca ae si sten1as el efecto del retraso
del sistema de distribución de cartas~ Aquí aparece una única va_riable de estado x responsable
de ]a acu111u ación que produce e] retraso~ o que se retrasa .es un t1ujo (el flujo de cartas)
porque se acun1ula en la variable de estado correspondiente, variable qu absorbe la diferencia
entre el flujo d - .. ntrada y el de salida. El flujo de salida ~ depende del njve] alcanzado en -a
variable de estado x y de] tiempo de retraso medio T:.r. (que puede ser constante o variable), de
acuerdo con la expresión
X
F:3 == T
u.
F,
_
..... . -- · • .__ _.
,
,
-<r-
r.
FIGURA 3. 16. Diagrama de Forresrer de un retraso de primer orden.
Un retraso de erímer orden consiste, e_or tanto, en un flujo de entrada Fe que se acumula en
unavariable de estado x ue flu e "retrasado" salida mediañle uñfüíjo ~ diag~a
-
de influencias básico se muestra en la figura 3.17. El correspondiente iagrama-de Forréstcres
el ~a figu_m_l:16. De acuerdo con este diagrama'Ias ccuacionescorrespondleñtcsson:
- - -
dx
-
- -
= F-F = F - -
- -
.e
(3.13)
dt e " ' Ta
---
es decir
F
,- -•c=J~r,1·
IT..
FIG URA 3.17. Diagrama de influencias básico de un retraso de primer orden.
Esta ecuación define la variación de x, variable que representa la acumulación de bienes,

dinero o gente en tránsito. y que sufre el retraso. Si u es la señal que se pretende retrasar se
toma Fe = u/Ta, con lo que la ecuación anterior se convierte en
dx X U
-+-=
dt T
-
T o. 0
por tanto
dx
U= X + Ta dt
y se tiene la expresión (3.12).
La respuesta de este sistema a un escalón unitario de entrada es la que se muestra en la
figura 3.18.
I - -------- ------~-~ ----- - -------------- -
,:.
FIGLTR.~ 3. 18 ~ Respuesta de un retraso de primer orden a un escalón unitario de entrada.
Para obtener una mejor aproximación a un retraso se emplean varios sistemas de prin1er
orden en s,erie. En la figura 3.19 se tiene un retraso de ~(e.e 01.den,-. decir forn1ado por tres
al
'l.ariable d~~tado. De hec o es pareciclo que se encontró más arriba al tratar e~ proble1na
de la distribución de las cartas. Debe observarse ue el tien1 o de a'uste ] ad los
G~spond-iente-al -eonj.un,_ti del retraso Te,.. Las ecuaciones del retraso
son en este caso:
<
-
dz1
(3.14)
dt
dx
a( z1 - x)
dt
donde 1/a = Tu/3.
De manera análoga s,e tiene un retraso de orden n. Cada uno de ]os flujos tendrá un tiempo
de ajuste Tn/·n == 1 / a, en donde T q ,e s el tien1po de ajuste del conjunto .
.. ....
.. ... ...
"" .... ..... ...
o --6-
a
t
1
FlGUiu-\ 3.19. Retraso de tercer orden en la transmisión de ,naterial.

- - - ltnp11l.m t.lt! ~tttrmla

............... Rf'tf'üSfl ,J~ pnmn ,ml"n
~
( ¡- --
~
- - - R(lf'dSO,ft'IC!((t'tOn/clt
Rt•lnHo t/(' onk11 ;,~finito
'J 11
I \. 'l\
I · ·.~·t \
I ¡!:·. . . \_,
I ., ·····~............
1
1 -·--.........
(a)
! /. ,:.._--:,..-: . : : .. - :....................
! / ..
.Jí
. . . ~f - - - E:u·,dótt d<' eum,tla
//~/ ¡i
:,,
...·· ···•• ····· Rnll.J..)(} ,/(· prim,1•1· mrltH
-
-
-
• -
- Rc.tm:w,ktrrr..nm'lfrll
Rl'truso di' ,mJeu w/'imm
(b)
FIGURA 3.20. Evolución en el tiempo de retrasos de primer orden y tercer orden: ( a) respuesta
a un impulso y (b) respuesta a un escalón.
En las figuras 3.20a y 3.20b se representa la respuesta de un retraso de material para distintos
valores den a una entrada en escalón, es decir, a un cambio súbito en el flujo de entrada, y a un
impulso. Se observa cómo al aumentar el orden n del retraso se alcanza una mayor fidelidad
en la reproducción de los impulsos.
Con relación a la inclusión de retrasos en las relaciones de in.fluencia deben tenerse en
c uenta los siguientes efectos:
1. para t -+ oo, x = u, por lo que los equilibrios del sistema no vienen alterados. Es decir,
a largo plazo la entrada se hace igual a la salida con independencia de los retrasos que
se produzcan;
2. por el contrario, durante e l transitorio, el efecto de un retraso puede ser inestabilizador.
Para ilustrar este último punto veamos qué sucede en un sistema de primer orden si se
introduce un retraso en su cadena de realimentación. Sea el sistema de primer orden con
realimentación negativa de la figura 3.21, cuya ecuación es
-dy
dt
= k(r - y)
M.o delado medjante dinámica de sistemas 73
r
}'
j
/
I
\ I
\
' r
j
~-- --
.... "11,,, ;
D]S
\
\
"'r \.
-0-
\ J_
\ I k
\ I
/
- -
FlGURA 3.21. Sisretna de primer orden con realitnentación negativa.
donde y es la variable de salida del siste1na, r la referencia (valor deseado de la salida) y k una
constante. Obsérvese que si se hace k = a. esta ecuación es idéntica a la ecuacjón (3.12). Por
tanto,. e] comportamiento del sistema de p1i1ner orden ante u11a entrada en escalón es el que se
vio en la figura 3.18 y que se vuelve a reproducir en ]a figura 3.22a.
(i.1) (h)
FJGCRA 3.22. Comporta1niento de un sistema de pt imer orden: a) sin retraso; b) con retrasoeo 4
Si se introduce un retraso en la cadena de realimentación se tendrá el siste1na que se n1uestra

-
en la figura 3.23~ y cuyas ecuaciones son: - - - ..
-- .._
-
dy
kx (3.15)
dt
dx
a{tl - x) (3. 16)
dt
r- y (;_t 17)
siendo a == /r. Para valores suficientemente grandes del retraso 1/a. este sistema presenta
oscilaciones con10 se refleja en la figura 3.22b y con10 se puede cnmprobar utilizando técnicas
convencionales de análisis matemático .
En consecuencja, )a íntroducción del retraso puede n1odificar e] comportamiento de un
sistema de primer orden y convertirlo en oscilatorio.
,. /
1
/
I
\
I
I
.. - -
' " ~
l(
1 ' \
-o-
\
I /
\ I r
''
-- ---
FIGURA 3.23. Sistema con retraso en la realimentación.
3.4.2. Retrasos en la transmisión de información
Los retrasos en la transmisión de información resultan de la necesidad de procesar infor-

mación sobre el sistema con el fi n de averiguar las tendencias subyacentes, antes de proceder a
una toma de decisión. Este proceso introduce un retraso en la toma de decisiones, ya que éstas
no se toman hasta que las pautas correspondientes han sido reveladas.
De esta naturaleza es el retraso considerado más arriba en el problema del precio de las
manzanas. De hecho, los retrasos en la transmisión de información actúan como filtros ali-
sadores (smoothi11g) que son capaces de alisar los picos que presenta la evolución de una
variable lomando un valor promedio de la misma, tal como se representa en la figura 3.24. En
el proceso de promediar se ponderan los datos disponibles de manera que los más recientes
influyan en el promedio de forma más significativa que los más antiguos.
La ecuación de un promedio exponencial asociado a un retraso de información es la misma
que la de un retraso de material.
FIGCRA 3.24. Efecto de un.filtro alisador sobre la evoluci6n de una variable.

Modelado m·ediante dinámica de sistemas 75
3.5. PROGRAM:ACIÓN DEL MOD LO EN EL COMPUTADOR
Hasta ahora se han descrito las dos pritneras etapas para el modelado n1ediante Ja dinánlica
de sisten1as: la construcción del diagra111a de influencias y del diagra1na de Fo1Tester. El siguien-
te paso es desarrollar el rnodelo en el computador, es decir. realizar un programa que permita
simularlo. Para e Uo} previarnente es nec sario definir, de forma unívoca,. el si sten1a dinámico
que se pretende simular. Esta definición no se consigue con el diagrama de Fonester, puesto
que en él solrunente están definidas las ecuaciones de .~as vari ab!es de estado. Para el re~to de
las variables nos definen las ecuaciones que rigen su con1portanriento (aunque se especifica
e] conjunto de variables que intervíene en estas _cuaciones). Por tanto,. para continuar con el
proceso de tnodelado es n cesario especificar completamente estas relaciones, es decir., d finir
totalmente el si sten1a dinámico qu · se pretende programar. Así, si en el diagra1na de Forrester
aparee que un cierto flujo F depende de un estado X, es preciso definir esta relación de fonna
que sea posible evaluar F conociendo X (aunque no es necesarjo expresar esta relación de
for1na analítica: bastaría, por ejemplo, con expresarla en forn1a de tabla de valores). Cuando no
se disponga de una inforinación tan detallada se pueden rea]jzar ciertas hipótesís adicionales
para con truir e-1 modelo. Fjnalmcnte se tendrá definido unívocamente un sistema dinámico
(no necesariamente de forma analíhca).
Una vez definidas todas las relaciones entre las variables del 1nodelo, éste ya se puede
programar en un con1putador. Para e]lo se puede utilizar cualqu· er lenguaje de alto nivel
(corno FORTRAN, B.l\src o C) o alguno de los entornos informáticos de simulación que util1zan
lenguajes específicos para la dinánlica de siste1nas (como DYK.~rvio, STE i\ .. PO\VERSIM o
VENSr.v1).
Utilizando un lenguaje de alto nivel el progra1nador se libera de la tarea de aprender un nuevo
entorno d · p.rogran1ación y un nuevo lenguaje, e incluso se ahorrará el coste de adquisición del
nuevo paqu te inforn1ático. Sin e1.nbargo, esta opción lleva consigo bastantes ínconvenientes
que pueden ser definitivos a la hora de elegir, sobre todo cuando se desean realizar modelos de
cierta envergadura. Entre las des ventajas de utilización de un lenguaje de alto niv l se pueden
1
citar las sisruientes:

,¡¡¡¡;
.,.
• Es neces[uio progra1nar n1étodos numéricos de integración de ecuaciones diferenciales .

• El orden con e[ que se escriben las t;CUaciones no es indiferente, por lo que se debe
invertir un cierto tiern_po y esfuerzo en ordenarlas.
• No se dispone de herramientas adicíonales para la gestión de los resultados de las diversas
sin1u]aciones que se realic·e n, de los conjuntos de parán1etros que las definen, etc.
Por el contrario ]o entornos inf01111áticos específicos de dinámica de si sten1as liberan al

programador de i1nple1nentar los algoritmos de integración (incluso, frecu _ntemente, pernli.ten
cambiar de n1.étodo con tan sólo pulsar una tec]a). Tan1bjén realizan la ordenación auton1ática
de las ecuaciones, de 111anera que el progra1nador se puede despr,e ocupar de e.ste problema. Por
úl ti1no, suelen incluir herramientas que faciHtan la rea]ización de sirnulac ·ones y la presentación
de resullados+
La progran1ación de modelos en estos entornos se puede realizar de dos maneras distintas:
• Escribiendo las ecuaciones en un lenguaje determinado, de n1anera sinlilar a como se

hace e 1 un lenguaje de alto niveL con las díferencias reseñadas anterior1nente.
• Utilizando un entorno gráfico con el que se dibuja el diagrama de influencias o el de

Forrester y se escriben después las ecuaciones que definen cada variable.
Algunos entornos de programación permiten elegir entre ambas modalidades, mientras que
otros están limitados a una de ellas.
No es el objetivo de este libro explicar cómo se utiliza alguno de estos entornos jnformáticos.
Tampoco.se va a suponer que el lector conoce ninguno de ellos. Sin embargo, sí es necesario
expresar las ecuaciones de alguna forma determinada en los ejemplos que se van a desarrollar.
Esto no es un inconveniente grave, ya que las relaciones entre las variables se pueden expresar
con notación matemática convencional de manera que sean fácilmente comprensibles. Además,
la traducción de estas expresiones a un lenguaje de simulación suele ser inmediata (en la mayoría
de los casos bastará sustituir el signo del producto x por un asterisco*, y el de la operación de la
potenciación xY por algún símbolo propio del lenguaje que se esté utilizando, por ejemplo, x-y;
también se deberá sustituir la coma decimal por un punto y eliminar los acentos). Una ventaja
adkional de esta adopción es la independencia respecto a cualquier lenguaje de simulación,
con lo que se evita que la notación pueda envejecer al evolucionar los lenguajes.
Una expresión que necesita una atención especial es la que define las variables de estado
o de nivel. Ya se ha comentado que esta ecuación es de la fonna:
ddX = F(t) (3.18)

t
donde F(t) es el flujo que alimenta el estado X(t). Ésta será la notación que se utilizará en
los ejemplos. Para definir totalmente la evolución de X es necesaiio especificar una condición
inicial:
X(t 0 ) = XO
A continuación se va a exponer cómo se expresan estas ecuaciones en algunos de los
lenguajes de simulación más utilizados:
• En DYNAMO:
LX. K =X . J + DT * F . JK
NX=XO
El lector con conocimiento de métodos numéricos de integración de ecuaciones dife-
renciales reconocerá, en la primera de estas ecuaciones, el método de Euler si tiene en
cuenta que, en DYNAMO, la vaiiable DT es el paso de integración y las letras J y K detrás
de un punto hacen referencia a instantes de tiempo. En cualquier caso, la ecuación no
indica la forma en la que se integrará e l sistema: es solamente la expresión en DYNAMO
de la ecuación (3.18).
• La programación en TTHINK y STELLA se hace en entorno gráfico. Los estados se imple-
mentan dibujando el diagrama de la figura 3.25a y especificando que la condición inicial
para X es XO.
Las ecuaciones resultantes, generadas automáticamente, aparecen en la figura 3.25b.
Modelado mediante dínám;ca de sistemas 77
D X(IJ= Xft-dtj + rF>*' dr

u,,rn X = XO
(a>
FrGURA 3.25. Definición de un esta(lo en lTHtNKISTELLA: ( a) diagra,na (b) ecuaciones

resultantes.
• n Po,\VERSií\-t al igual que en el caso anterior, la progrrunación se hace en entorno grá-

fico. El diagran1a que define un estado aparece en la figura 3~26, así como las ecuaciones
generadas auton,áticrunente.
\
1
Dx
J1. v1rlxo
x~ + e#* (FJ
X
F
(b)
FlG "RA 3.26. De_finición de un estado en Po\1i/ERSIM: (a) tlia,?rama, (b) ecuaciones resultantes
• En el entorno V EKS1~1 la programación se puede realizar de forma gráfica o escribiendo

las ecuaciones. Por cualquiera de a1nbos n1étodos la e,cuación resultante para el caso de
un eslado es:
X - INTEG(F~ XO)
Además de estas expresiones que definen las ecuaciones de. las variables de estado, y de las
expresiones anteriormente mencionadas para traducir otro tipo de ecuaciones,. los lenguajes de
simulación ofrecen otras funciones. Algunas de ellas pern1iten utilizar elementos n1ás con1-
plejos de la diná1nica de sistemas - por ejemplo, funciones de etraso-,. mientras que otras
son similares a ciertas funciones de los le.nguajes de propósito general - como la asignaci6n
alternativa IF qu se co1nentará en el próxi1no capítulo. Con todo ello, estos lenguajes son una
herramienta poderosa que pen11itc progra1nar cómodamente los 1nodelos.
3..5.1. Los datos del modelo

Ya se ha indicado que~ para programar infonnática111ente el modelo, es necesa1io especificar
completan1en1e la relación ,entre las distintas variables: es decir. al diagrama de Forrester que
define la estructura del modelo es necesario añadirle más información. Entre esta información
se encuentran lo que podemos denominar datos del modelo y que se pueden clasificar en tres
grupos:
• Constantes o datos estáticos: son parámetros que se corresponden con variables que
no varían en el tiempo y, por tanto. se definen con un solo valor. Normalmente estos
datos se incluyen dentro del modelo con sentencias del tipo A = 1 (o con sintaxis
similares, dependiendo del lenguaje escogido). Los entornos de simulación suelen in-
cluir herramientas para cambiar estos valores en distintas simulaciones sin tener que
cambiar las ecuaciones correspondientes, para facilitar el estudio de la sensibilidad a
estos parámetros.
• Valores numéricos que definen las funciones no lineales: como ya se ha comentado
anteriormente, en dinámica de sistemas es habitual definir las relaciones no Hneales
entre distintas variables por medio de tablas de valores que quedan caracterizadas por
una serie de datos numéricos. Asís i la variable B depende de A por medio de una función
no lineal f (B = f(A)), la función f se puede aproximar por medio de un conjunto de
Nparesdevalores: {(ai,b,),(a2 ,b2 ), ••• ,(a,v,b:v)}.
• Datos dinámicos [x(i 1 ) , x(t 2 ), ••• ]: corresponden a variables x que cambian de valor a
lo largo del tiempo pero que no son calculadas por el modelo, sino que son datos de éste.
Por tanto, para definirlas sería necesario especificar la trayectoria de las mismas. Esto se
hace normalmente indicando los valores de estas variables en ciertos instantes de tiempo
ti, de manera que entre estos instantes la trayectoria será calculada por interpolación.
Normalmente, esto se puede realizar de dos formas distintas:
- Definiendo una tabla en la que la variable independiente es el tiempo. Esto es,

especifi car una función J de tal manera que la variable dinámica D se calcularía
haciendo D = J(t), donde tes e l tiempo.
- Especificando estos datos en un fichero anexo al modelo. De esta manera se pueden
realizar varias simulaciones del modelo con distintos datos cambiando el fichero
de datos.
Estos datos se denominan frecuentemente ,•ariables exógenas ya que son magnitudes
dinámicas que no son calculadas por el modelo.
La bondad del modelo dependerá sobre todo de la exactitud de los datos incluidos en
los dos primeros puntos de esta clasificación, ya que son datos intrínsecos al modelo. Por
el contrario, los datos dinámicos son externos al modelo y, aw1que si partimos de variables
exógenas incorrectas obtendremos resultados erróneos, esto se deberá a la imperfección de los
datos con los que alimentamos el modelo y no a las deficiencias del mismo.
3.6. DINÁMICA DE SISTEMAS Y SISTEMAS DINÁMICOS
En esta sección se va a estudiar la forma del sistema dinámico asociado a un diagrama de

Forrester. Veremos cómo a este diagrama corresponde una clase bastante amplia de sistemas
dinámicos, con la ventaja de aportar una representación gráfica de la estrncrura del sistema
dinán11co. Recordemos que un sis.tema dinámico e11 variables continuas se escribe mediante la
expresión:
dx
-_
dt
= f(x) (3.19)
donde x es un vector de dimensión n.. La ecuación (3.19) es una ecuación vectorial que repre-
senta ri ecuaciones e~ calares de la f o:rma:
dxi
-d .
t'
== Íi. ( X 1, X'.J, ... 'Xn ) i == 1, ... ., n
En esta expresión f ., es una función no lineal de las variables x 1 ~ x 2 , •.. , J; En dinámica. 11

•
de siste1nas se admiten únicainente no-linealidades en funciones de una única variable (corres-

pondientes a Ja influencia de una única variable sobre otra) . Estas funciones no lineales de
una única variable se combinan 1nediante las operaciones aritméticas ele1nentales para for1nar
la función de varias variables. Recuérdense, por ejemplo, las consideraciones realizadas en la
sección 3+3.2 en las que se con1binaban de forma 1nultiplicativa las funcion s no lineales de
una variable para formar la ecuación de las variable de ·fi uj o.
Con .-1fin de conseguir representar las funciones f 1 a partir de funciones de una sola variable
se introducen la variables auxiliares Uh., ... , 'U"'\n, y las funciones auxjliares g 1 , • ~ . , 9tri.
Cada función auxiliar g, puede tener una de las dos forn1as siguienles:
• o bien es una función no linea] de una única variable :x 1 o 1111 ;

• o bien representa una combinación aritn1ética de variables x ¡ o VI,: de modo que entre t
ellas se tienen únjca1nente las op raciones suma, resta. mullipljcación o división.
Entonces f 1 resulta de la aplicación de las cuatro opcracione .. aritméticas elementales a 1as

variables auxiliares u·1: ... , 11,\ n y a las funciones auxiliares g1 , .•• , g.m.
Un ejen1plo aclarará este proceso de descomposición. Sea el si tema dinámico
(3.20)
en donde :__r es la variable cuya evolución se estudia y a 1, a 2 ,. .81 y .82 son pará1netros cuyo valor
1
pennanece constante. S,e pueden definir las variables auxiHares iv 1 , w 2 ., u,1 0 y 'Ln4 ., de acuei·do
con las expresiones
f31x - OJ = 91(x)
'Wl:¿ 0'.2 - /1'2 .7; == 92 (X)
(j ¡ '
u...· ~3 inf 1 = 9:~('ll11 )
'l1)~
2
= Q.1 (lL12)
Con ayuda de estas variables auxiliares, el siste1na (3.20) se puede escribir
d~r
- === 'lD3 'l.n 4 X
dt
Debe observarse que las funciones auxiliares g; están definídas recurrentemente, de modo
que resolviéndolas para las va1iables W; (sencillamente por sustitución) se obtiene de nuevo la
función f.
El proceso de descomposición puede ilustrarse también considerando el grafo que repre-
senta una relación de influencia. Por ejemplo, considérese el grafo de la figura 3.27a en el que
se muestra la relación de influencia de x 1 , x 2 y x 3 sobre dx d clt. A esta relación de influencia
corresponderá una ecuación diferencial de la forma:
Supongamos ahora que descomponemos esta influencia, mediante la introducción de dos

variables auxiljares w 1 y w 2 , lal como se indica en la figura 3.27b. Con ello se quiere decir que
la secuencia de cálculos que se establece es la siguiente:
W¡ <,01(X¡)
'W 2 = <p2(W1, X2)
dx 1
h(X3 , W2)
dt
de modo que se cumplan las condiciones más arriba expuestas; es decir, las dependencias
funcionales lo son de una sola vaiiable excepto cuando se refieren a operaciones arilméticas.
En particular, la funcíón cp 2 será la suma, la resta, la multiplicación o la división de las variables
w 1 y x 2 (resp. la función h de las variables x 3 y w 2 ).
Cuando la función Ji representa una relación de influencia multivaríable (dx;,/clt =
= f ;(x , x , ... , x,.) es habitual que, con la descomposición anterior, se Uegue a una estructu-
1 2
ra en la que los efectos de las distintas variables Xi, x 2 , . . . , x,, se formulen de forma separada
y relacionados entre sí por medio de operaciones de suma o multiplicación (aunque esta
formulación sólo sea una aproximación que permite si mplificar las expresiones). Así se tienen
dos tipos habituales de separaciones: la multiplicativa y la aditiva. De acuerdo con la primera
se escribe:
En donde las f;J son funciones de una única variable. La separación aditiva se escribe
X¡
~ d x1
.(., _., -
- / dt
.r3
(3)
FIG URA 3.27. Grafo de relaciones de influencia.

Modela.do n1ediante dinámica de sistemas 81
En la consrn1cc16n de modelos se emplean habitualn1ente estos dos tipos de separaciones.

La separación aditiva se encuentra en la base de las lineali.z aciones que conducen al e1npleo
de lo sisten1as d.inántlcos lineales. En los n1odelos de dinámica de siste1nas, en los que las
características no lineales se consideran n1uy relevantes, se emplea habituahnente la separación
lnultíplícativa., como y.a se indicó en la sección 3. 3 .2. El1o se debe. a que se considera un supuesto
con1portan1iento nortnal,. y se trata de ver cótno se desvía el comporta1n1ento cuando se perturba
_n torno a ese cotnportamiento nor1nal, conservando los efectos no lineales~
La introducción de las varjables auxiliares y la desco1nposición de la f uncjón f c.onduce a un
aumento considerable del nútnero de vruiables, y puede dar la impresión de que se incrementa
la complejidad del siste1na en términos deJ nún1ero de interconexiones. Sin · mbargo, esto no
es así~ ya que cada relación individua!; que resulta después de la separacíón, es mucho n1ás
·irnple. Además, se puecl asociar un diagrama que permite visualizar la estructura del sistema.
Este hecho posee un considerabl interés n1etodológico. En efecto., el diagrama de Forrester
constituy una reelaboración del diagrama de influencias, el cuat a su vez., es una formalización
de La descripción verbal del n1odelo mental de los especiaJistas ,en S ~Se establece así un con-
tinuo que va desde la descripción en lenguaj,e ordinario del modelo mental al diagrama d
in Auencias, de é te al de Fo1Tester, y de este último a un sistema diná1nico (el cual incorpora
además valores cuantitativos de los parámetros del siste na)~ El diagrama de Fo1iester, por tanto,
es un paso inte1111edio en e1 proceso que va desde la descripción verbal al sistema diná1nico,.
con la ventaja de ser accesible a todos los especialisla que participan en la constn1cción del
1nodelo ..1\1. Con él se ti ene un diagra1na relativamente senci 11.o, que puede ser entend1do
1
incluso por q uíen carezca de fain1li aridad con fil a notación mate1nática, y al que se asocia un
obj to n1ate1nático bastante elaboraJo, con10 un sisten1a dinámico.
Para acabar este capítulo conviene realizar ciertas consideraciones sobre el proceso de
Lnodelado. Pudiera parecer que este proceso consiste en la realización secuencial de tres pasos:
prin1ero se parte del modelo verbal; de él se obtendría el diagran1a de influencias, y, a su vez,
de este último el sistema dinámico, pasando por el diagrama de Forrester. Sin embargo esto no 1
es así de simple, y el proceso de modelado es más complejo y con1porta sucesivas reelabora-

ciones enlre estas diferentes descripciones d I sistema. n realidad en el proceso de 111ode1ado
se puede con ·idcrar que interactúan diferentes lenguaje~ (el ordinario, en la desc1ipción verbal;
el de los grafos, en el djagrarna de influencias~ el de los siscema~ dinámicos; en las ecuac1ones
del tnodelo; así como los datos y registros cuantitativos), y que el 1nodelista emplea ca.da
uno de ellos en cada momento según el proble1na concreto que le ocupa, tratando, en último
extren10, de alcanzar un razonable grado de coherencia in.terna entre las diferentes descrip-
ciones. El modelista es._ en cierta f arma, un traductor entre lenguajes, y sabe que ,en toda
traducción se gana y se pierde. Su arte consiste en preservar el 111ayor contenido descriptivo
entre las diferentes traducciones, tratando de enriquecer el producto fina] .
4.1~ INTRODUCCIÓN
Se va a dedicar este capítulo a desarrollar algunos ejen1plos elementales de aplicación de

la dinánúca de sistemas con el fin de ilustrar los conceptos vertidos anteriormente.
,.
4.2. BUCLE DE R A'LLMENTACION NEGATIVA
Co1no ejen1plo de un bucle de realimentación negativa considérese un sisterna de control

de un inventario. en t:1 que un almacenista trata de 1nante.ner su inventario en un determinado
nivel. Cuando el stock de productos aln1acenados desciende del nivel deseado, entonces realiza
pedidos al distribuidor con el fin de mantener dicho nivel. Si la cantidad de producto almacenado
es superior al nivel deseado, entonces devuelve este exceso de producto al distribuidor. Se
supone, además, que las ventas están deter111inadas con independencia del vendedor (son una
variable exógena).
El tliagra1na de influencias de este sistema aparece en Ja figura 4.1, mientras que en la
figura 4.2 s representa su diagrama de Forrester. Debe observar . e quet de acuerdo con ]as
observaciones hechas ern el párrafo ant rior, eJ flu.j o de pedidos puede ser positivo o negativo.
El flujo de pedidos depende de la diferencia (discrepancia) entre el inventario deseado y el
inventario real. La cuesli6n que inmediatarnente se presenta es la de establecer Ia natural eza
de esta dependencia.. En la figura 4.3 se 1nuestra11 distintas. posibles respuestas a esta cuesüón.
Cuando el inventario real es igual al inventario deseado, entonces el flujo de pedidos es cero~
sin e1nbargo1 cuando esto no ucede así existen distintas 111aneras de acluar que se reflejan en
la figura 4.3.
Cada. una de Jas curvas A; B y C de ]a figura 4 .3 representa distinto. modos de to1nar la
decisión respecto a <1 ué flujo de pedidos realizar cada semana. en función del nivel del inventario
en la n1i sn1 a. Las gráficas A y B son lineales, es decir, eJ flujo de pedidos e-; proporcional a
83
-f VEl\'TAS
INVENTARIO\
INVENTARIO
DESEADO ~
(
DISCREPA:'ICIA o r1:1oos
FIGURA 4. l . Diagrama de influencias del sistema de control de un inventario.
la discrepancia entre los inventarios real y deseado. La recta B representa un flujo de pedidos
más rápido que el de la A. La curva C es no lincaJ.
Obsérvese que, teniendo en cuenta el comportamiento creciente de las curvas de la fi -
gura 4.3, el bucle que aparece en la figura 4. 1 (el que liga las variables INVENTARLO, DlSCRE-
PANCL/\ y PEDIDOS) es un ejemplo de bucle de realimentación negativa, según se explicó en
la sección 2.2. l. Por tanto, este modelo estará dotado de un mecanismo autorregulador (que es
precisamente el que se pretende modelar: e l almacenista desea que el inventario permanezca
en un valor deseado).
PEDIDOS VF.NTAS
''
' .'
é
'
'· . ._o:
-._
DISCREPANCIA
---- .....
'.
-0--
INVENTARIO
DESEADO
FIGURA 4.2. Diagrama de Forrester del sistema de control de un inventario.
Para determinar completamente las ecuaciones del modelo es necesario dar valores numéri-
cos a las distintas constantes y condiciones iniciales del mismo. Supóngase que el sistema
se encuentra inicialmente en equilibrio y con el inventario igual al deseado, el cual es de 100
unidades. Supóngase que las ventas, de repente, varían de Oa 20 unidades/semana en la semana
cero de la simulación. Se supone que las unidades pedidas por semana son proporcionales a la
discrepancia (es decir, la política de pedidos es lineal) con un factor igual a 0,5.
Ejemplos elementales de modelos 85
PEDIDOS
DlSCREPANCI A
FIGURA 4.3. Distintas .Políticas de pedidos en función de !et dist·re¡1ancia del inventario
respecto al dese,ado.
A continuación se van a presentar las ecuaciones defil modelo con l.a nota ión escogida" en
la que se van a utilizar las variables que se describen en la tabla 4.1.
Nombre Significado
INV Inventario
PEO Pedido.s
V N Ventas
DIS Discrepancia
INVD Inventario deseado
FPED Factor para e] cálculo de los pedidos
TABLA 4.1. Significado de las variable del rnodelo de control de un inventario.
Las ecuaciones resultantes son:
d( V)
PEO-VEN
dl
JNV(tu) 100
DIS INVD-INV
PEO FPED x DIS
FPED º~5
VEN 20
INVD 100
La primera de estas ecuaciones define la evolución de la variable de estado INY utilizando

la notación de la expresión (3.18)-cuando se programe esta ecuación utilizando un lenguaje
determinado será necesario traducirla siguiendo las pautas que se indicaron en la sección 3.5.
En este caso el flujo neto que alimenta esta variable es la diferencia entre los pedidos PEO y las
ventas VEN. La siguiente ecuación establece el valor inicial de la variable INY. La siguiente
ecuación detemúna la discrepancia en función del inventario deseado INVO y del inventario
real INV. La ecuación correspondiente a los pedidos PEO define la política con la que se
realizan los mismos. El resto de las ecuaciones define las constantes del modelo.
La evolución de las principales magnitudes que intervienen en el sistema se representa en
la figura 4.4.
100 -
r
75 -+-
1
"' 1 t 1 1 _¡_
!. ...f.....
1
":. J.. ..:.-r---...

º()..--·· [ L
l, -····. .i
2 5 6 7
ln,emario
Pedidos
FIGURA 4.4. Evoluci6n del inventario y del flujo de pedidos.
El resultado de la simulación que se muestra en la fi gura 4.4 puede parecer aparentemente

inesperado 1 • En efecto, se observa que el nivel del inventario se estabiliza en 60 unidades, no
alcanzando nunca el nivel deseado de 100. Ello muestra que una polflica de pedidos basada
exclusivamente en la discrepancia entre los niveles de inventario deseado y real no es adecuada
para cumplir el objetivo de mantener el inventario a un nivel deseado.
Es fácil ver por qué se produce este desajuste. Observando la figura 4.4 se ve cómo entre
las semanas I a 6 el número de unjdades pedidas es inferior a 20. Sin embargo, el número
de unidades vendidas en estas semanas es 20. Prácticamente basta la semana 7 el llujo de
pedido no se estabiliza en 20 unidades, que son precisamente las unidades vendidas en cada
semana, por lo que se habrá producido una merma en el inventario inicial debida precisamente
a los desajustes entre ventas y pedidos entre las semanas l a 6. Además, la política de pedidos
I Este rcsultaJo 110 cxlmiiará al espcciali,ta en regulación auco111füica, que conoce perfectamente que con una
;icción pro1>orcional no :,e corrigen los errores en régimen pcnt1ancn1c tratanJo con ~islcmas de lipo cero.
establecida no consigue recuperar esta dis1ninución, pue~ en ningún caso los pedidos superan
al valor de las ventas. Se concluye. como ya se decía m1ás arriba, que esta política de pedidos
no es saüsfactoria.
En cuaffiquier caso, este resultado no contradice el hecho de que los bucles de reaUmentación
negativa son autorregulados. Esta auto1Tegulacil5n ha de entenderse co1no la propiedad del
sisten1a (que emana de su estructura) de evolucionar hacia valores constantes. De hecho~ la
evolución de las variables de la figura 4.4 se corresponde con la descrita en la sección 2.2 ..~.
Sin mbargo, el valor que se alcanza no tiene que ser igua] al de las variables deseadas o de
referencia que suelen aparecer en este tipo de bucles.
Discrepa ne i a - 50 - 40 - 30 - 20 - 10 o 10 20 30 40 50 60
Pedidos - 12 - ] 1 - 9 - 7 -4 o 8 14 18 21 23 25
TABLA 4~2. Tabla de valores que define un política de pedidos no lineal.
La d"námica de sistemas y los Lenguajes de simulación basados en ella no solamente

contemplan funciones Linea1es como la con·espondiente al flujo de pedidos anterior,. sino que
permiten incorporar otro tipo de funciones como la curva C de Ja figura 4.3. Imagínese,. por
ejemplo que del aná.lisís de un caso real de control de inventario se desprende que la política
de pedidos es una función no lineal y que se puede definir mediante la tabla de valores que
aparece en la tabla 4~2 que definiría una curva del tipo de las que aparecen en la figura 4.3.
--0 -----==---L___ . . . . . __""""'--'--__.____.

50 (-,O
- h\~C: fl PflN(.111
FTGURA 4.5. Política no lineal de pedidos .
Esta función se representa ,en la figura 4.5 y una posible explicación de su fonna es la
s.i guiente (no se debe olvidar que se esta tratando un ejemplo y que, en cualquier caso, esta
información la pruporcionaáa un xperto en el sistema que se pretende n1odelar): por un
lado, la curva no es sjn1étrica y presenta valores mayores para discrepancias positiva.~ que
para negativas) es decir, el al.J11acenisla tiene una 1nayor facilidad para pedir nuevas unídades
(debidas a un inventario deficiente) que para devolverlas (al tener un inventario excesivo); por
otro lado, la pendiente de la curva va disminuyendo en valor absoluto a medida que se aleja del
origen, lo que puede ser el reflejo del temor a pedir o devolver un gran número de unidades.
En los lenguajes de simulación ex_isten sentencias específicas para definir funciones del
tipo de la que se está tratando. Frecuentemente aportan hemmúentas gráficas para que esta
definición sea más cómoda.
El resultado de la simulación correspondiente a este nuevo caso aparece en la figura 4.6.
100
75 ..
50
25
1
- -- ---
+ -'
1
1------- -------1-··-----~-------
1
-t----1
----·--1
1 -
o-~ 1 l
o 2 3 4 5 6 7
Semonas
lnventaóo
Pedidos
FIGURA 4.6. Evolución del inventario y del flujo de pedidos para el caso de política no lineal
de pedidos.
Como colofón de este ejemplo, merece la pena detenerse en un aspecto que quizás haya
extrañado aJ lector. Se trata del hecho de que se está tratando un sistema discreto -es decir,
los pedidos se hacen en distintos instantes de tiempo, separados entre sí y, probablemente,
no podrán ser de cualquier cantidad, sino cantidades enteras- modelándolo como un sistema
continuo. Sin entrar de lleno en este problema se puede decir que esta aproximación será válida
o no dependiendo de las magnitudes de las variables con las que se está tratando. Así, por ejem-
plo, si el tiempo entre pedidos es de un día y se pretenden realizar simulaciones de varios meses,
se puede suponer, como una aproximación, que el tiempo es una variable continua.
4.3. BUCLE DE REALIMENTACIÓN POSITlVA

Para ilustrar un ejemplo de bucle de realimentación positiva se puede acudir al ya men-
cionado de crecimiento de una población que se encuentra en un medio sin ninguna limitación.
En este caso, y asumiendo ciertas hipótesis simplificadoras, se puede suponer que la variación
de la población es proporcional al número d individuos) ya que tanto eJ nún1ero de nacitnien-

tos como el de defunciones serán proporcionales a la población. Si se supone que la tasa de
natalidad supera a la de n1ortalidad se tendrá una tasa de crecimiento positiva y, de acuerdo
con las ideas expresadas anteriormente, se tendrá un cre-eimiento exponencial.
Los diagramas de influencias y de orrester de este sistema se representan en las figuras
4. 7 y 4.8, respectivan1ente~
TASA DE
CRECIMIENTO~ . .
+\ +
CRECl?\-1rE:"'iTO
NETO 0
FlGURA, 4.7. Diagrama de influencias de tln. modelo de1nográfico ele1nental.
POBLACIÚN
CREC I- ,
MIEN ro ¡
NETO I
I
/
~
TASA DE
CR -Ct~HE.NTO
FIGURA 4.8. Diagrama de Forrester de un modelo demográfico ele1nentat
Supóngase que se pretende mode]ar la evoluci6n de la población 1nundial desde el año

1850. Se conoce que este año la población mundial _ra aproxi1nadamente de 14250 111 ·.nones
de personas y se supone que la tasa neta de crecímíento es igual a 0,.009 (que corresponde a
un tiempo de duplicación de 77 años). l\ continuación se exponen las ecuaciones que definen
este modelo. El significado de las variables se n1uestra en la tabla 4.3.
Nombre Significado
CREC Cr cimiento ne.to
TCRE Tasa de crecimiento
POB Población
TABLA 4.3. Signtficado de la variables del modelo de,nográjico elernental.•

d(POB)
dt = CREC
POB(to) = 1250 x 106

CREC = TCRE x POB
TCRE == 0,009
Las dos primeras ecuaciones definen la variable de estado POB. La primera determina su
dinámica diciendo que el flujo que alimenta esta variable es CREC, mientras que la segunda
establece su condición inicial. Estas ecuaciones se deben traducir al lenguaje adoptado siguien-
do las paulas indicadas en la sección 3.5. Las dos últimas ecuaciones defi nen el fluj o CREC
utilizando la tasa de crecimiento TCRE, que es constante.
r
o
IKSO
l_
1870 1890 1910 1930 1950
J1970 1990
Población Miles de millones de pcr-onas
FIGURA 4.9. Evolución de la población.
La evolución de la población según este modelo aparece en la figura 4.9, en la que se observa
el comportamiento explosivo de esta variable. Por supuesto, esta evolución no se co1Tesponde
con la que realmente ha tenido la población mundial. Esto se debe a que en el modelo se
han realizado una serie de hipótesis que lo hacen extremadamente simple, pero lo alejan de
la realidad. En primer lugar se ha supuesto que la tasa de crecimiento TCRE es constante.
En segundo lugar debe recordarse el comentario realizado en la sección 2.2.3, respecto a la
inexistencia de los comportamientos explosivos en la naturaleza. El que aquí aparece se debe a
que no se ha incluido ningún proceso limitador como podría ser el agotamiento de los recursos
naturales (merma de la capacidad de sustentación).
/Ejemplos elementales de modelos 91
4.4. CRECIMIENTO SIGMOIDAL
La propagación de enfer1nedad.es infecciosas puede presentar un crecin1iento sigmoídal. En

este apartado se va a 1nodelar la difusíón de una ,epidemia. Supónganse la. siguientes hipótesis:
1~ La población es constante, es decir, el saldo de nacintientos defunciones y fenó1nenos

rnigratorios es nulo.
2. La enfer1nedad es lo suficienten1ente suave co1no para que los enfern1os no dejen de hacer
una vida normal t y éstos no se curan con1pleta1nente durante el p riodo de la epide1nia;
con ello se evita la reinfección.
3. La población enferma. y la sana se encuentran homogénearnente n1ezcladas.
Este tiipo de circunstancias se dan, por ejemplo, en las epidemias de catarros, gripes,
etcétera.
0
Buc]c
]
+ + ,
coNTAoros ~
+
P~:~;~L~N
o
Bucle
2 ~ POBL/\CION
. r
PO~LAClÓN" ./ TOTAL
SANA~
+
FIGUR,\ 4.10. Diagrama causal ,d el proceso de difusión de una epillemia.
En la figura 4. l O se muestra un diagrama causal del proceso epidé1nico. El flujo (tasa) de

contagío depende a la vez de la población enferma y de la población sana que e.s la diferencia
entre la población total y la pob1ación enferma. El bucle 1 es un bucle de realimentación po-
sitiva~ que corresponde al crecimiento de la población enferma en el seno de la población totaJ.
Si la población total fuese infinita, el crecin1iento de la epidemia sería exponencial. El bucle 2
es un bucle de reali1nentación negativa, d ten11inado por el hecho de que la poblac.ión sea finita .
Al aumentar la población enfer1na, la población sana, que es la única susceptible de enfermar,
disn1inuye; lo cual conduce a una disminución del flujo de contagio. El flujo de contagio
~erá nulo cuando toda la población esté enferma. El diagtama de Forrester de la figura 4.] 1
constituye un modelo simple del proceso epidé1nico. Las cuaciones correspondientes son las
sigt1ientes:
d(PE)
FC
dt
FC CPI x PCD x PS x PE
PS P - PE
En donde PE denota la población enferma, FC el flujo de contagio, PCD el porcentaje de

contactos diarios, CPI los contactos que producen infección por día, PS la población sana y P
la población rotal.
PE
FC
..•
'
'
\~', ......----··· 0s
' '
····.,.
PCD \
~ -0---
CPI p
FIGURA 4.11. Diagrama de Forrester del modelo de un proceso de difusión de una epidemia.
La ecuación de flujo se interpreta de la manera siguiente. El producto de la población

enferma PE por la población sana PS suministra el número total de posibles contactos que
pueden darse. De este número total, por consideraciones estadísticas, se concluye que sólo
se da en la realidad una cierta fracción que viene dada por la constante PCD, porcentaje de
contactos diarios. El producto de los tres términos da el total de contactos que ocurren cada
día. Una fracción de estos contactos dará lugar a la infección; esta fracción está definida por
la constante CPJ (contactos que producen infección por día).
La relación que liga al flujo de contagio FC con la población infectada PE, resulta ser
FC = PCO x CPI x PE x [P - PE]
Esta expresión puede representarse gráficamente como aparece en la figura 4.12. De la obser-
vación de esta relación e ntre el flujo y e l estado se concluye que la difusión de una epidemia
se hace de acuerdo con una curva sigmoidal. En efecto, si se simula el modelo se obtiene el
resultado de la figura 4.13 en la que se observa cómo la población infectada aumenta con un
crecimiento sigmoidal. También se ha representado en esta figura la evolución del ílujo de
contagio.
TC
PE
FIGURA 4.1 2. Relación entre el.flujo y el nivel en el modelo de difusión de una epidemia.
PE
, .. -~
''
f
•'
...
'
1 1
...
,
f
' '~TC
...
.. -
FIGURA 4.13. Evolución de la población. enfenna PE y de la tasa de contagio TC.
En general, los procesos epidémicos y orros similares, co1no la difusión de rumores, que se
inician exponenciahnente y a la vez Hconsumen,, una cierta población, tienen un crecin11ento
sigmoidal tal como el considerado en este ejen1plo.
4.5. OSCILACIONES
Como se con1entó en el capítulo 1,. la motivación de Forrester para estudiar los problemas
de la dinán1ica industrial fue la observación d las oscilaciones que mostraban los peclidos
de una empr sa. Sin en1bargo. en los ejemplos presentarlos hasta ahora no aparece ningím
tipo de oscilación. La explicación es que todos los tnodelos expuestos son de primer orden
(sola1nente tienen una variable de nivel o estado) y ,en este tipo de sistemas, con10 se razonará
a continuación,. no pueden aparecer oscilaciones. Estas sí se presentan en sisten1as de orden
igual o sup rior a 2! aunque éstos también pueden seguir un cotnportamiento similar al de los
sistema. anteriores, sin r ·ngún tipo de oscilación.
Tit!mpo
FIGURA 4. 14. Cornportamiento oscilatorio.
La explicación intuitiva por 1a que en un sisten1a de primer orden, no pued n aparecer

oscilaciones es la siguiente~ Supóngase que en un sistema de prin1er orden la variable de nive]
presenta un comportamiento oscilatorio, tal como aparece en la figura 4.14. Si esto es así, se
tendrían pares de puntos como los P 1 y P2 de la figura 4. 14 en los que el valor de la variable
de estado es idéntico. Sin embargo, en P 1 el flujo neto es positivo, ya que la curva es creciente
-la variable de estado crece con el tiempo-- mientras que en A es negativo. Como los flujos
solamente pueden depender de las variables de estado y, en este caso, solamente existe una de
ellas. el flujo vendrá unívocamente determinado por el valor de la variable de estado. Dado que
Pi y P2 corresponden a.1 mismo valor de esa variable el flujo neto tiene que tomar el mismo
valor en dichos puntos. Por lo tanto, es imposible que se dé la situación de la figura 4, 14 .
FIGURA 4.15. Diagrama de Forrester de un sistema de segundo orden con comportamiento

oscilatorio.
Para ilustrar un ejemplo de un sistema de orden superior a uno con oscilaciones, considérese
un modelo elemental de las interacciones que se producen entre el empleo y el almacén en una
empresa. En la figura 4.15 se representa el diagrama de Forrester de este modelo. El significado
de los nombres de las variables aparece en la tabla 4.4.
Nombre Significado
A Almacén
p Producción
V Ventas
E Empleo
e Con1ratación
PD Producú vi dad
AD Almacén deseado
TAA Tiempo de ajuste del almacén
TAE Tiempo de ajuste del empleo
TABLA 4.4. Significado de las variables del ejemplo de sistema con comportamiento
oscilatorio.
Ejernplos elementales de modelos 95
La variable de estado almacén A representa el nún1ero de bienes alma:cenado por la

empresa~ Este estado se alin1enta por medio de la variable de flujo producción P y se vacía
por la variable de flujo ventas V. La producción P se determina a partir de] etnpleo E y de la
productividad PD; la variable repres,enla ,,. l núinero de empleados de 1a e1npresa y constituye
la segunda variable de estado del modelo. Esta se nutre del flujo contratación C.
La detern1inación de la variable de flujo C, es decir, el establecimiento de la política de
contratación por parte de la empresa~ constituye uno de los puntos cruciales del modelo. Se
pueden considerar distintas alternativas para el estableciiniento de la política de contratación.
Se va a contemplar una especialmente simple que :se basa en suponer que la e1npresa pretende
ajusitar el nivel de bienes en el almacén a un cierto valor que se repr senta por la variable
almacén deseado AD. Se define la discrepancia en el aln1acén como la diferencia entre ~as
var·ables que r pre.sentan el almacén deseado y el almacén realmente existente, es decii_r,
(AD - A). Si se divide la discrepancia del almacén (AD - A) por el tien1po de ajuste del
almacén TAA se obtiene .la producción deseada p·ara corregir la discrepancia del aln1acén.
La corrección de esta discrepancia deternlina. una contratación (o descontratación) que
viene dada por el coc· ente (AD - A) / TAA dividido por la productividad por empleado PD~ Si
se divide el etnpleo necesario para corregir la discrepancia del almacén~ tal con10 se acaba de
calcular, por el tiempo d ajuste del empleo TAE se obtiene el flujo de contratación.
C(t) == AD - A(t) { .1)

. TAE X TAA X PD
El conjunto de las ecuaciones del modelo resultan ser las siguientes:
d(A)
== P-V (1.2)
dt
p ExPD (4.3)
d(E)
e ( .4)
dt
e (AD - A)/(TA_ x TAA x PD) (4.5)

La característica esencial del comportamiento de es.te modelo consist en una serie de
oscilaciones mantenidas con independencia de los valores tomados por las distintas constantes
que aparecen en l 1nodelo tal y con10 se mue ., tra en la figura 4. 16.
Este hecho se puede den1ostrar de fonna. 111uy sencilla recurriendo a c.onsideraciones de
tipo analítico. Aquí se va a prescindir de estas consideraciones y en su lugar se van a hacer
otras de tipo intuitivo y no forinat que si bien son 111ás laboriosas y largas, tienen la ventaja de
contribuir a una mejor comprensión intuitiva del <.;01nporta1niento real del proceso.
Supóngase que el modelo d . interacciones entre el almacén y el en1pleo que se 1nuestra en la
figura 4.17 se encuentra inicialmente en equilibrio; es decir. la producción es igual a las ventas
y el almacén de bienes es justamente e~ deseado. Supóngase ahora que en eJ instante t 1 las
ventas aumentan instantánea.mente a un nuevo valor que se supone que permanece constante.
Al ocurrir este incremento de ventas se producirá un desequilibrio entre las ventas y la
producción, irucialtnente iguales entre sf Como consecuencia de este desequilibrio se producirá
r 1 -
¡-
A lmacén - - - - - - - - - - - - - - - - - - -
Empleo • - - - - - - - - - - • - ••••• • ••••• __ __ _ •• __ ___ •• ___ _ _
FIGURA 4.16. Evolución del almacén y el empleo.
Producción
y
,·emas
Vema.,
: ,, Tiempo
Almacén
Niv.:I de almacén
1--- -- ~· ___ _--- -- _ -t -__ ______~~s_c:~~ ____ _
.
FIGURA 4.17 . Desajuste en la producción y las ventas

una disminución de los bienes almacenados, ya que las ventas exceden a la producción. La
disminución de los bíenes almacenados; es decir, el valor de la variable ¿t...'} por debajo del valor
deseado, es decir, el valor de la variable AD, determinará de acuerdo con la expresión 4.1 una
contratación de nuevos empleados con los que aumentar la producción para llevar de nuevo el
nivel de bi nes almacenados al va]or des,e ado. Por tanto~ el etnpleo y la producción - que es
proporcional al empleo--- crecen gradualmente; en la figura 4. 17 se representa el crecinliento
de la producción~
A pesar del crecimienito de la producción que se acaba de indicar, el nivel de bienes
almacenados continuará decreciendo mientras que la producción se mantenga por debajo de
las ventas. Sin embargo, esta disminución se va atenuando tal como indica la figura 4.17. Es
decir, según la producción se aproxitn·e al nuevo valor de las ventas, la disminución del al1nacén
se hace más lenta. Por el contrario, la contratación, que es proporcional a la discrepancia
entre e1 almacén real y ,el deseado, va aumentando con eI tiempo. Al alcanzar el instant
t 2 , representado en la figura 4.17, la producción se hace igual a las ventas, por lo que el
número de bienes en el aJmacén deja de disminuir. s decir, en la representación gráfica de la
evolución en el tiempo de] aln~acén de la figura 4.17 se alcanza un 1níniino~ sin en1bargo, el
almacén se encuentra en un valor sensiblemente inferior al deseado; existe una discrepancia
entre el ahnacén real y el deseado que determina una política de contratación para aumentar
la producción y llevar et ahnacén al nivel deseado. Resumiendo el párrafo anterior cabe decir
Produce ión
y
vC"nta~
v~n{a1,
,1 r, l, t_,.
1
Ti!.!mpo
FTGURA 4~18. El ajuste no se produce y se inicia una oscilación~

que, como consecuencia de un aumento de las ventas, se ha producido una merma importante
de los bienes almacenados durante e l tiempo necesario para reajustar la producción aJ nuevo
vaJor de las ventas. La superficie sombreada de la figura 4.17 representa la disminución del
almacen entre los instantes t 1 y t 2 • En el instante t 1 se mantiene la política de contratación
de empleados para aumentar la producción de manera que se recupere la pérdida de nivel en
el almacén. Este aumento de la contratación determina que la producción sea superior a las
ventas, y como consecuencia, el nivel del almacén empieza a recuperarse a partir de t 2 , tal como
se indica en la figura 4.18. El nivel del almacén aumenta suavemente cuando la producción es
ligeramente superior a las ventas; pero c uando la producción se hace sensiblemente superior a
las rnismas, el 11ivel del almacén crece rápidamente; por el contrario, según el nivel del almacén
se vaya acercando al valor deseado, el empleo y consecuentemente la producción, crecen más
lentamente; e n la figura 4.18 se representa este proceso. Al aJcanzarse el instante t 3 , el nivel
del almacén alcanza el vaJor deseado; en dicho instante, al aJcanzar la discrepancia entre los
niveles real y deseado del almacén el vaJor nulo, se deja de contratar nuevos empleados y
finaliza el proceso de crecimiento de la producción tal como se indica en la figura 4. 18.
En el instante t 3 el nivel de bienes almacenados es el deseado; sin embargo, la producción
excede sensiblemente a las ventas. La producción ha debido crecer por encima de las ventas
para que e l almacén recuperase el nivel perdido e ntre t 1 y t 2 . Este aumento de la producción
sobre las ventas debe ser tal que el área sombreada entre t 2 y t3 de la figura 4.18 (que representa
el incremento del almacén en este intervalo) sea igual al área sombreada entre t I y t 2 •
Producción
y
Prnducción
\'COl:a\
Ventas
,, • '" Tiempo
Almr,cén
Tiempo
FIGURA 4.19. La oscilaci6n tiende a mantenerse.

A partir del instante t :l, puesto que la producción excede a Jas _ventas, el nivel del ahnacén
tenderá a crecer por encima del valor deseado. AJ crear e un exceso de bienes en el almacén
se tenderá a disnrinuir la producción, lo que en esLe 1nodelo simplificado equivale al despido de
empleados. La p ;·oducción y cJ empleo disminuirán hasta que el nivel de bien _s aln1acenados
sea de nuevo el deseado.
En la figura 4.19 se representa la evolución de la producción hasta el jnstante t 4 , en que
nuevamente la producción y las ventas se equilibra. Puede den1ostrarse que la curva de- pro-
ducción de la fi gura 4.19 entre t 2 y t 3 es si.tnétrica a la de ( 3 a t 1• De este modo se con1p1eta la
ilustración de c61no se genera un comportan1iento oscilatorio.
Las oscilaciones q_ ue han apaiecido en esle sistema se llarnan ·rTJ,an-teni~das porque la mag-
nitud de la an1plitud de las mismas se n1antiene a lo largo deJ tien1po. Sin embargo, éste no es
el único caso ciue se puede dar: en otros siste111as la amplitud puede amortiguarse o cr e, r tal
y co1no aparece en la figura 4.20.
,----,.-------- ..--.. ·-··--·...... ... ·~-· .. ~~ .............---.--------------·· . -~
{ \
' \
,I \
y~ f- --------~-~-- ---
J \
l ~
r ~- ~.... \
,, '
l / ~, 1
\'!
1
\~ "~1
... ,' I '\. r
\ \
... _ - ... I ~ \ '~ _." I
\ I ' ... - .... J
...... ..,. .1_ ' 1 ¡

- - - - - - - - - - - - · -·-· •-.-.:-,~"'1=~' """"""'.............. _ _ __
\ 1 / . . . .___-..--_
\ I
·~________.....____~w.~-~.-1-~~ .,!
Amortiguada
l\.1anLenida - - - - - - - .. liiii .. liiii - - - - - - - - - 9 '!!I!' - - - - - - - - - - - ~ .. ___ _
Crecienh:: - - - - - - - - - - - - - - - - - - - -
FIGURA 4.20~ Tipos de oscilacione.f¡.
4.6~ ADICCIÓN
A continuación retomar 1uos el eje1nplo expuesto en ]a sección 2.3.3 referente al arquetipo 1
de la adicción. 1 ejemplo considera las situaciones en Las que el exceso de Lrabajo con-
duce al estrés y éste puede llevar a la uti iización de fármacos. Se trata ahora de plantear las
ecuaciones que mod lan esta situación y comprobart n1ecliante simulación, que aparecen los
comportamientos comentados anteriormente.
Para ello supondre1nos que se puede medir y expresar mediante nú1neros tanto la cantidad
de trabajo que se
....
realiza TRAB. como la cantidad de fármacos. que se ingiere FARM así corno
el estrés ES TRES .
En primer lugar se tratará el sistema representado mediante el diagrama de influencias de la

figura 4.2 1. En él aparece que el trabajo produce estrés y que éste lleva al uso de fánnacos que
hacen disminuir el estrés. Sin embargo, los fármacos producen un aumento de la percepción
de la capacidad de aceptar más trabajo (capacidad subjetiva de aumento del trabajo CSAT) que
lleva a un aumento del trabajo (que se va a denominar VT, variación del trabajo).
FIGURA 4.21. Diagrama de influencias de un ejemplo de adicción.
Supóngase que la relación de influencias del trabajo y los fármacos sobre el estrés se puede
expresar mediante la ecuación:
ESTRÉS = MAX(TRAB - 5 - 2p5 x FARM, 0) (4.6)
en donde MAX representa la función máximo incorporada en la mayoría de los lenguajes de

simulación:
a sia > b
MAX(a, b) = { b si a C:b
La ecuación (4.6) obliga a que ESTRÉS sea siempre mayor o igual que cero y que éste
aumente al crecer TRAB y decrezca al aumentar FARM. Es fácil comprobar que en esta
ecuación, el valor 5 es el máxjmo trabajo que se puede asumir sin que aparezca estrés (en
ausencia de fármacos). Se han supuesto relaciones lineales aunque podría utilizarse otro tipo
de funciones.
El resto de las ecuaciones que se pueden adoptar es fác il de entender:
d(TRAB)
VT
dt
VT = DELAY(CSAT, 3)
CSAT FARM x 2
FARM KFARM X DELAY(ESTRÉS, 1)
KFARM 0.4
En estas ecuaciones se ha utilizado la función DELAY que representa un retraso de primer

orden y que está incorporada en la mayoría de los 1.enguajes específicos de diná1nica de sistemas
(aunque en éstos se denonlina a veces con otros nombres y se suele djferenciar entre retrasos
de material y de infonnación). El prin1er argumento de la función o LAY aquí utilizada co-
rresponde a la entrada del retraso mientras que el segundo indica el tie1npo de retraso. La
estructura de estas ecuaciones y el valor de los parámetros que en ellas aparecen se obtendrían
estudiando un caso real y planteando nuevas hipótesis1 con el concurso de especialistas .
Dando un valor inicial igual a 1Opara Ja variable de nivel TRAB, e] n1odelo
.,,
queda totalm.ente
definido. En la figura. 4.22 aparece la evolución de las variables ESTRES, TRAB y J\RM. Se
puede observar el aumento continuado del uso de los fármacos y que, tras una leve mejoría del
estrés, éste no hace sino aumentar.
24 ., ----~-------------~---·-----------,,....._--.. ··---------·---__,.....-- ;r
1
,. "
,. ,,.
..
.. ,,. "
,,.
16 · - - - + - ---1--------.--~ . . -... . ,. . ,---. _ _,______ !"'ft._ _ _ _ ; ·

"' ---+----
' -
1_ .....
.. ..
--
--- --~~ ·- -~-- -.. -
~ ...
_.
----- -- --
o
o
. . - -- --~=-~- T - -
1
2 3
_ __.__
4
------ . - ......_...
5
__ __.
6
__ .~-----~~ · - - - '
7 8
ESTRÉ~ ----~ - ----------~- - ~~----~~- -~----~~- -
TRAB -------- ------- --- ---~ -~m -~ •-•• -~------ ~~••••-•- ------~ -----
FAR!\1 - - - - - - - - - ~ - """""""' - - - - - - - -
FlGURA 4.22. Evolución de las variables del .eje,nplo de la adicción.
Con10 se comentó en la sec,cilón 2.3 . 3, el problema es que se pretenden resolver los sínton1as
(el estrés) de un problema de fondo (el exceso de trabajo), sin intentar soslayar es®e últin10 .
Supóngase ahora que, en el instante 8 de la sin1ulación anterior, se decide atacar la raíz del
problema. En este caso el diagrama de influencias se modifica para llegar ar de 1a figura 4.23
...
en el que se ha introducido una nueva influencia: la que va desde ESTRE.S a VT: un aun1ento
del estrés se intentará corregir con una variación negativa del trabajo as u nudo.
Con10 otra medida de corrección de] efecto indeseado se pretende disn1inuir la ingesta de
fármacos disnunuyendo la constante KFARM de OJ4 a 0,2 en t = 8.
Para plantear mas nuevas ecuaciones del modelo, dado que éste varía con el tiempo es con-
veniente einplear dos nuevas funciones que están incorporadas en la n1ayoría de los lenguajes
o)) \
¡FÁRMACOS~
~
y) F,TR&S • 0 CS;T
o!y
+
TRABAJO
FIGURA 4.23. Diagrama de influencias modificado del ejemplo de la adicción.
de simulación: la función IF y la función STEP. Se va a utilizar la función IF con tres parámetros

de manera que, por ejemplo, la expresión a= IF(b > e, d, <') va a significar:
a= { d si b > e
e si b:::; e
La función STEP tiene dos parámetros con el significado siguiente ST8P(a, b) es equivalente
a IF(t ~ b, a, O), siendo t el tiempo.
La sintaxis de estas dos funciones (e incluso el nombre) en los diversos lenguajes de
simulación puede ser distinta a la expuesta.
Con estas dos funciones el modelo resulta:
ESTRÉS MAX(TRAB - 5 - 2, 5 x FARM > 0. 0)

d(TRAB)
VT
dt
VT DELAY(CSAT, 3) - KEST x ESTRÉS
CSAT FARM X 2
FARM KFARM x l)gLAY(ESTRÉS, 1)
KFARM w(t < 8,0, 4,0. 2)
KEST STEP(2,8)
La evolución de las variables aparece en la figura 4.24. Se observa que en el instante en el que se
decide cambiar la polítka se produce un aumento del estrés, consecuencia de la di sminución
de la constante KFARM, y por tanto de los fármacos ingeridos. Sin embargo, a la larga, el
estrés y la ingesta de fármacos disminuyen (y tienden a anularse), y el trabajo asumido tiende
a1 valor máximo admisible.
24 ·-· -----1"·-------···----- ..1 -

r,
/ 1
I I
' 1
I I
,
I I
,, '
;
I ' 1
- - -·r~ ·----,.---------+------~----.,. . .,...

I ~
16 - - .- ~ - - Ft
~/ 1
I ~
I I
L
\
, '\
\
' ' ...

- . .. .....
...
·-- .. _ -. ,. ____·-----
. --- ·· ·r1 .. ........ "l, ""'t.,.,
--·. ··-. . ...
__
---- . . . · -= --""'!!11"
-- ---- --
o~ -
o 5 lü 15 20
- ------- - - - -
..__
- - - - ~--=-t----------~-1
- ~ - ~ --=-=-- -----
ESTRÉS-- - - - -- - - - - -- - - - - - -- -
TRAB ----------= --~----------- ------------ -- -----~ -~---------~
FARtvl - - ~ - - - - - - - - - - - - - - - -
TGlJR.A 4.24. Evolución de la.,;; variables en el eje,nplo de la adicción. motlificado.
4~7. l NVERSIÓN JNSUFICIENTE
En esta sección rea)izaremos un modelo del caso expuesto en la sección 2.3.4, donde se
trataba el problema de la bajada de la demanda de un producto al aumentar el plazo de entrega
del mis1no.
En la figura 4.25 se muestra el diagrama de Fo1Tester de1 sisterna, En él se puede observar
que las órdenes pendientes ORD corresponde a un nivel que se llena con las nuevas órdenes
NUEORD y se vacía con las entregas ·NT. La capacidad de producción Ci\P se alimenta de
las nuevas inversiones INV.. La demanda DEM se llena gracias al marketing MARK y se vacía
con la disipación de la de1nanda DISIP debida al posible descontento con el plazo de entrega.
La d"sipación de la demanda depende del descontento D 'SC producido por tien1pos de ciclo
elevados.
La mayor parte de las ecuaciones de este modelo se fon11u1an inmediatamente a partir del
diagrani.a de Forrester:
d(CAP)
NV
dt
d(ORD)
NUEORD - ENT
dt
d(DEM)
dt
= MARK - DISIP
NUEORD DEM
ENT ~ 1\1IN(CAP, ORD).
az;.: •wwu i!W ¡¡¡
CAP
' INV
'
'
'
V,
',-@
FIGURA 4.25. Diagrama de Forrester del ejemplo de inversión insuficiente.
Para estimar el descontento es preciso evaluar el plazo de entrega. Si en una unidad

de tiempo se suministran ENT unidades de las órdenes (ORD) existentes, el plazo medio de
entrega (PLENT) vendrá dado por la ecuación:
PLENT = ORD
ENT
Supóngase que se conoce una medida del descontento producido por distintos plazos de
entrega, como la que aparece en la figura4.26. Como se ha comentado anteriormente, es posible
incluir este tipo de relaciones en un modelo programado con los lenguajes de simulación más
usuales.
El descontento influirá en la disipación de la demanda. Supóngase una relación lineal
entre estas variables:
DISIP = (O, 01 + DESC) x DEM
Con esta ecuación, además, se supone que existirá una pequeña disipación de la demanda
aunque el descontento sea nulo.
Para acabar de definir el modelo es necesario especificar el comportamiento de los gestores
de la empresa, es decir, definir la política de inversiones y la de marketing. Supóngase que se
opta por una política de marketing que da lugar al bucle de realimentación positiva comentado
en la sección 2.3.4, es decir, una relación entre la demanda y el marketing monótona creciente.
Por ejemplo, se utilizará la de la figura 4.27. Esta curva se puede representar analíticamente
mediante la ecuación:
MARK = 0, 1 + MAX[(DEM - 2)/20, O]

Ejernpfos elementales de modelos ~ 05
LO ,------ - - - -- - -- ---..
n.8
0.6
DESC
0.4
0.2
u.o . . . . . . ____________ _ _ ___,,

o 2 4 6
PLENT
FIGURA 4.26~Relación entre el descontento (DESC) y el plazo de entrega (PLENTJ.
LO
MARK
0.5
o.o i.--- - ---~- -- -16-- . . . . .20. . .

O 4 8 ~2
DEM
FIGLTRA 4.27 ~ Pol(tica de marketing.
Supóngase ahora que se decide no invertir en el au1nento de la capacidad de producción,

es decir, LNV == O. Símulando el modelo se obtiene un comportamiento comno ·e l reflejado en
la figura 4.28, que presenta las oscilac· ones comentadas en a sección 2.3.4. Sin embargo,
en este ejemplo sencillo no llega a producirse el colapso. Si, por el contrario, se opta por
una política de inversiones que intente evitar los plazos de entrega elevados, se conseguirá
un crecimiento sostenido de de1nanda1 como J reflejado en la figura 4.29 obtenida con una
política de inversiones dada por la ecuación:
JNV = IvIA.X(PLENT - 5, O),
que supone que si el plazo de entrega es r11ayor que 5 se debe invertir proporciona1mente a esta
cantidad.
,,
' '
''
'
..... - - .. -, '
º'--~~~~ --'-~ ~~~--'-~ ~~ ~ ~.,__~~ ~---'
o 25 50 75 100
DEM
PLENT
FIGURA 4.28. Comportamienlo en ausencia de inversiones.
150
120
/
90
7
60
/
JO
/
/
~
I~ --- -- -- --- --- .. -- .... -- ------ --"'
ºo 25 50 75 100
OEM
PLENT
F IGURA 4.29. Comportamiento con inversiones suficientes.

5.1. INTRODUCOÓN
Con el materiaJ contenido en los capítulos anteriores el lector se encuentra en disposición de

comprender los elementos básicos que aparecen en un modelo de ctinámica de sistemas, y aún
de construir por sí mismo modelos elementales. Con estos conocí mi en tos se puede abordar con
provecho la lectura de obras dedicadas a describir modelos basados en dinámica de sistemas.
Sin embargo, al interesado no sólo en la lectura de trabajos de otros, sino en la creación de
modelos propios de carácter no elemental, se Je plantean inmediatamente las cuestiones sobre
cuál es la génesis de uno de estos modelos, c"5mo se llega a elegir las variables, a establecer las
relaciones y a decidir todos los aspectos que conducen a un modelo acabado. Es decir, ¿cómo
se consiguen captar los elementos esenciales para la reproducción de un comportamiento real
complejo?
La respuesta a algunas de estas cuestiones ya ha sido insinuada, en forma dispersa, a lo
largo de las páginas anteriores. Por otra parte, no debe perderse de vista que cualquier fase
de construcción de un modelo de la naturaleza de los que aquí se estudian, en los que se trata
de sintetizar en unas pocas variables el funcionamiento de un aspecto sumamente complejo
de la realidad, está presidida, en gran parte, por la experiencia, la intuición y la inspiracipn.
Sin embargo, es posible llegar a una cierta sistematización en las fases de la construcción de
un modelo con ayuda de la dinámica de sistemas. y a ello se va a dedicar la sección 5.2. A
continuación se ilustrarán estas fases por medio de un ejemplo (sección 5.3). El modelo que
se va a uLilizar es muy simple, al igual que los descritos hasta ahora, para no dificulta\- la
exposición. Por supuesto, la aplicación de la dinámica de sislcmas no se reduce a modóJos
elementales, sino que su interés radica en el desarrollo de modelos complejos. En la scccipn
5.4 se describe a grandes rasgos uno de estos modelos.
107
5.2. LAS FASES EN LA CONSTRUCCIÓN DE UN MODELO
De una forma general se puede decir que en el proceso de desarrollo de un modelo se

incluyen tres fases principales:
• conceptua/izaci611, que consiste en la adopción de una perspectiva y en el esbozo de una

comprensión de un cierto fenómeno del mundo real;
• formulaci6n del modelo, que trata de la representación de los elementos intuitivos ela-
borados en la fase de conceptualización por medio de un lenguaje formal;
• evaluación del modelo, consistente en un análisis del mismo, así como su sometimiento
a varios criterios de aceptabilidad.
En la parte izquierda de la figura 5.1 se muestran, de forma esquemática, las tres fases a
las que se acaba de aludir. En la mitad derecha de esta figura se indica el carácter iterativo de
la construcción de un modelo, en virtud del cual no se pasa de una forma progresiva y única
por las tres fases indicadas, sino que se puede ir de una fase a otra, sin ningún orden especial,
cuantas veces sea necesario. A continuación se van a describir con detalle cada una de las fases
enunciadas.
',
.' .'
''
'
'
1
......
'
. .. ---· ' :
.
.... -.. --.. -...... - ;
Conccp1ual1111c1i>n
formulación
MODELO
FORJ1.1AL
E\3luación
Tiempo
~
FIGURA 5.1. Carácter iterativo de las fases de co11strucci6n de un modelo.

Construcción de modelos no elementales en dinámica de sistemas 109
5.2..1. Fase de conceptnalizaci6n
La fase de conceptualización se inicia, norma!hnent , con una fanilliarización con el pro-

blema que se va a estudiar, que incluye el tratami-nln de Ia Jiteratura al respecto opiniones
de expertos, experiencias propias~ etc.; en resumen, se trata de umergirse .en e] proble na en
cuestión .
Tras esta familiarización, hay qu d finir con precisión os aspectos del problema que se
quiere resolver y describirlos en f onna precisa y clara. n toda la fase de conceptllalización
debe intentarse llegar al 111á.Jcin10 de concisión, claridad y precisión.
A partir del coaocjn1jento previo sobre estructura simples de comportan1iento de siste1nas
dinámicos se tratará de particu1arizar el co1nportarniento dinámico relevante del sist n1a bajo
estudio, así como la estructura más simple que pueda generar este con1portamiento.
De esa manera., y de una forn1a progresiva, se van identificando los distintot elen1entos
que formarán el siste.ma,. Jo que conduce de n1odo natural al establecimiento de los línlites de]
sistem y a una descripción primaria de los bucles de realhnentación~ Surge así el diagrama de
influencias del sisten1a, con lo que se puede considerar finalizada la fase de conceptualización.
5.2.2. ase de formulación
Después de construir e] diagrama de influencias e proccd _ a su fom1ulación con ayuda

de un lengua.ie forn1al preci o. En dinámica de sis lemas ello consiste en primer lugar en el
establecimiento d I diagran,a de Fon·ester~ a partir del cu.al se escriben las ecuaciones de I
n1odelo~ éstas pueden expresarse en un lenguaje que pern1 ita su formulación informática.
En esta fase debe procederse a asignar valores a los parámetros que intervienen en el
modelo. Se trata de un punto sumamente delicado importante del que, en rnuchos casos,
dependerá la utilidad que consiga~ Sobre este punto s volverá 111á - adelante al estudiar la
estimación d parámetros. "-..
La fase de formulaciún l:OOcluye cuando se dispone de un n1odelo del sistema bajo e tudio
en for1na de e-cuaciones programadas en un co1nputador.
5.2.3. Fase de evaluación
Una vez construido el modelo se procede a ensayar, por 111edio de si111ulaciones. las hipólesis
sobre las qu.e se ha construidoi así como la consistencia ntre las nlis111as.
Un aspecto muy i1nportante de esta fase es el análisis de sensibilidad d I modelo, en virtud
del cual se estudia la dependencia de las conclusiones que se extraen del modelo . con relación
a posibles variaciones que sufran los valoJ s d ]os parámetros que aparecen en él.
Cuando se consideran satisfactorios los análisis de consistencia de la hipótesis y los
de sensibilidad. se procede a estudiar el con1porta1níento del modelo ante distintas políticas
1
alternativas, con el fin de elaborar unas recon1endaciones respecto a ]a actuación fu tura ~obre
la realidad ~
11 O Dinámica de sistemas
11ttltttftt*H .
5.3. ESTUDJO DE UNA APLICACIÓN DE LA DINÁMICA DE SISTEMAS
Conviene ilustrar las fases de construcción de un modelo con ayuda de la dinámica de

i
sistemas por medio de una aplicación concreta. A ello se va a destinar la presenle sección.
El proceso de construcción de un modelo reviste, en cada aplicación, caracterfsúcas pecu-
liares. Así, la utilización de las indicaciones desarrolladas en las secciones anleriores requiere
uha enorme capacidad de inic.iativa y de imaginación, y en cada caso concreto se hará de forma
dist inta.
La aplicación que se presenta en esta sección pretende tener un carácter fundamentalmenle
ilustrativo y no puede, en ningún caso, mostrar la pauta de construcción de un modelo que
sea Lileralmente transcribible·a cualquier otra aplicación. Sin embargo, se considera de sumo
interés el análisis detenido de este ejemplo del proceso de construcción, puesto que en él se
muestran las líneas generales que lo presiden.
El problema que se trata de analizar consiste en el estudio del crecimiento económico de
un área industrial. Supóngase un proceso de crecjmiento al que se puede asociar una curva de
crecimiento sigmoidal o logístico (sección 2.3.1). Ese tipo de proceso abunda en la realidad y se
presenta cuando nos encontramos en las fases iniciales de un proceso que aparentemente tiende
a crecer de forma ilimitada. Sin embargo, más pronto o más tarde aparecen factores limitativos
que condicionan ese crecimiento (el infinito es una ficción mat.emática: en la práctica todo
crecimiento acaba manifestando alguna forma de saturación). De hecho, la estructura básica
de ese tipo de proceso ya se.vio en la sección 2.3.1. Aquí, para concretar. lo referiremos al
proceso de crecimiento de la actividad económica en un área industrial, mediante la creación de
empresas; aunque igual pudiera haberse tratado del crecimiento de una población en un hábitat,
de la introducción de un nuevo producto en un mercado, de la difusión de un rumor en un grupo
social, de la propagación de una enfermedad contagiosa en una población previamente sana,
etcétera. Este modelo está tomado del libro de Alfeld y Graham 1 , donde se denomina BSNSS3.
5.3.1. Fase de conceptualización
Veamos una descripción elemental del sistema que se pretende modelar. Se supone un
área de superficie limitada en la que se produce un proceso de establecimiento de empresas
(por ejemplo, un polo de promoción industrial). Como consecuencia de ello el número de las
empresas crece. Este crecimiento viene afectado por el g rado de ocupación del área, de modo
que cuando hay todavía pocas empresas es fácil e l establecimiento de nuevas, mientras que
cuando el área está prácticamente ocupada se producen fenómenos de saturación que tienden
a limitar el crecimiento. Por otra parte, se supone que se produce un flujo, relativamente
pequeño, de desaparición de empresas, por obsolescencia, quiebra o razones análogas. De
acuerdo con esta descripción, la estructura básica del modelo está formada por los cinco
enunciados siguientes:
• R 1 : LA creación de empresas influye sobre el número de empresas. Este enunciado es

completamente natural: cuantas más empresas se crean. más empresas habrá.
1
Alfeld y Graham, 1976, /111md11c1io1110 Urban Dy11a111ic.1, Wright-Allcn Prcss.
Construcción dB n1odelos no elementales en dinámica de sistemas 111
• R2: El factor de ocupación del terreno influye sobre la creación de empresas. Este
enunciado es important y, como se ha indicado anteriormente, si e] factor de ocupación
es pequ ño su influencia sobre Ja creación de empresas es creciente; 1nientras que si
es grande es decreciente. Se trata, por tanto, de un enunciado que no tiene un signo
perfectamente definido. Para valores pequeños del factor de ocupación la influencia
imp ícita es positiva, niientras que para valores e1evados es negativa~
• R'j: El nú,ner:o de empresas in.fl,uye Lt:obre el factor de ocupación. Se trata de un enunci-
ado que establece una relación positiva: a mayor número de e1npresas mayor factor de
. ,,.
ocupac1on.
• R4~ El número d-e ernpresas influye sobre :fu eventual desaparición . Se supone que de-
saparece una fracción, en principio muy pequeña, de las empresas establecidas.
• R r, : La desaparición de empresas influye sobre su n(imero. Se trata, como el enuncia-
do R 1 de una re]ación natural, pero de signo negativo.
Esta descripción verbal es la forma más simple que. puede ton1ar el supuesto mod Jo mental
que poseen los especialistas en el sistema que se trata de 1no<;lelar. Si observamos los enunciados
R.;. veremos que en ellos se pueden ctistinguir cuatro variables: el número de empresas EMP~ la
creación de empresas CE, la desaparición de empresas DE y el factor de ocupación de] terreno
FO. Con ayuda de estas variables los anteriores enunciados se pueden reescribir en forma de
relaciones de influencia, recordando la notación de (2;,2) o de (2. 3), como sigue:
R1 CE~EMP
R2 O ±LcE
R3 .• EMP +>FO
R.1 E1'1.P
~
~
n,
Rr:, DE EMP
A la relacjón R 2 se ha asociado + / - para indicar que su signo no está un.ívocan1ente definido.

Estas cinco relaciones de influ _ncia constituyen una primera reelaboraci6n de la descripción
ve,rbal del modelot y su1mnistran un prirner bosquejo cualitatjvo de su estructura. Las relaciones
Ri: se pueden representar mediante un diagra1na de influencias, tal como el que se indica. en
la figura 5.2. Este diagrama posee el considerable interés de su co1nunicabilidad a todos los
impli,cados en el proceso de n1odelado. El paso siguiente en el proceso de 1nodelado, como
vainas a ver, consiste en elaborar estas relaciones hasta convertirlas en relaciones cuantitativas.
S.3-.2. Fase de formulación
Para realizar e]. diagrama de Forrester es necesario clasificar adecuadamente. las distintas
variables en variables de estado., de flujo y auxiliares.
Las variables de estado constituyen, norn1al1nentet aquel con_junto de variables cuya evo-
luc'ión es significativa para el estudio del sisten1a. Representan 1nagnitudes que acun1ulan los
resuffitados de acciones ton1adas en el pasado. Un ligero análisis de la descripción verbal del
modelo conduce a la conclusión de que únicamente la variable empresas EMP es una variable
de estado (acumula las deci iones respecto a la creación y desaparición de empresas). Las
- +
DESAPARJCIÓN CREACIÓN
EMPRESAS
+
/+,_
~ ·
~FACTORDE
OCUPACIÓN
R,
FIGURA 5.2. Diagrama de influencias de un modelo elemental de evolución de las empresas

en un área industrial.
variables creación de empresas CE y desaparición de empresas DE son variables de flujo, que

detem1inan el ritmo de variación de la variable de estado EMP. El resto de las variables son
variables auxiliares, que representan pasos o etapas en que se descompone el cálculo de una
variable de flujo a partir de los valores tomados por las variables de estado.
Con estas consideraciones se puede construir el diagrama de Forrester (figura 5.3) corres-
pondiente al de influencias de la figura 5.2. En este diagrama se han empleado los iconos
habituales para los distintos tipos de variables: rectángulos para las de estado, válvulas para
las de flujo y círculos para las auxiliares.
EMP
CE DE
.... ·-
___ ...
:'~J-.
. .--,,,
-o-
VME
--ó--
TNCE
'@ ' '
--MES __ .... .·' ' ',
\ ',
---4::>-
' s
.
~
SPE
FIGURA 5.3. Diagrama de Forrester del modelo de un área industrial.
En el diagrama de la figura 5.3 se muestra cómo la variable de estado empresas EMP se

nutre de la variable de flujo creación de empresas CE, y se vacía mediante la variable de flujo
desaparición de empresas DE. Al mismo tiempo están los canales de información, que a lo
largo del modelo representan las influencias entre las distintas variables. Se indican, así mismo,
los parámetros del modelo: la tasa normal de creación de empresas TNCE, la superficie edifi-
cable S, la uperficie media por empresa SP y la vida inedia de las empresas VME. En ese
diagrama es patente que las variables de estado y los flujos desen1peñan un papel relevante, de
tal forma que estos diagra1nas se han denominado también diagran1as de flujos y niveles de la
estructura de un sistema.
A partir del diagra1na de Fo:rrester es posible estab]ecer las ecuaciones del modelo. Con~i-
deremos~ ,en priiner lugar, ia evolución de la variable empresas EMP. Su crecimiento a lo largo
del tiempo dependerá de la diferencia entre la creación de empresa~ CE y la de aparición de
empresas DE, de acuerdo con la ecuaci6n:
d(EMP) = CE - DE (5.1)
dt
Esta ecuación subsume las relaciones de influencia R] y R 5 que he.inos visto anteriormente.
La expresión (5. 1) es un ejemplo de lo que se conoce como ecuación de estado o de nivel y
expresa cómo evoluciona una variable de estado, en este caso la variable empresas EMP.
De acuerdo con las hípótesis utilizadas para construir el n1odeio - y que representarían la
1
opinión de los especialistas con cuyo concurso se supone que se ha modelado el área industrial
correspondiente- Ea desaparición de empresas DE se deterrnina con ayuda d _ la expresión:
EMP
DE = VME (5.2)
en donde VME representa la vida media d las empresas; es decir! en un determinado periodo
de tiempo d saparecerán un número de empresas que vendrá determinado por su vida media.
Esta expresión representa La relación R .
La ecuación (5.2) es un ejemplo de lo que se denonrina una ecuación ele flujo, y representa .
cón10 se deterntlna una variable de flujo, en este caso DE. Esta ecuación se puede considerar
como una razonable aproximación al compo1tamiento, en promedio. de una política de des-
aparición de empresas por obsolescencia. Se supone aquí que la vida media de las empresas es
constante. Esta hipótesis podría relajarse, si se estimara conveniente, . n una versión ulterior
del modelo~ Normalmente este efecto será muy pequeño, pero se ha considerado interesante el
incluirlo para reforzar el interés didáctico del modelo.
Para la determinación del flujo creación de empresas CE se supone que el número de ellas
que se establecen en un d t rminado periodo resulta ser una fracción de las ya establecidas. Es
co1no sj el propio éxito en la prom.oción del área atrajese nuevas empresas. Esa fracción viene
afectada por un factor MES - multiplicador de empresas. en función de la superficie edificada-
que depende del factor de ocupación de la superfici del área "ndustrial. La expresión que da
el valor de CE es:
CE == EMP X TNCE X MES
en donde TNCE es la tasa normal de creación tle einpresas. Esta expresión su1ninistra un nuevo
ejemplo de una ecuación de flujo.
A su vez el multiplicador MES, según se ha indicado un poco más arriba, depende del
factor de ocupación de la superficie FO, de acuerdo con la expresión:
MES= f(FO) (5.4)
Esta ecuación es un ejemplo de una ecuación auxiliar, y establece cómo se determina la

variable auxiliar MES. La relacjón funcional que liga al factor de ocupación FO y al multipli-
cador MES se representa gráficamente en la figura 5.4 y representa el efecto que ejerce el factor
de ocupación del área industrial sobre la creación de empresas. De acuerdo con esta gráfica se
observa que para valores pequeños del factor de ocupación FO, el multip.licador MES crece
con FO; sin embargo, una vez alcanzado un determinado valor del factor de ocupación, el
multiplicador MES decrece hasta anularse, cuando toda el área está edificada, es decir, cuando
FO = l. Las expresiones (5.3) y (5.4) representan la relación R 2 de la estructura básica del
modelo. La función f introduce una no-linealidad en el modelo, y constituye un ejemplo de lo
que en dinámica de sistemas se denomina una.función tabla (denominación que alude al hecho
de que La no-linealidad se introduce por puntos, mediante una tabla de valores).
•·-------~----
'
-- -r-------
'
'
--~---- ---
----- ---·---------~---- ----,---

'
-----
' '
---------~------ . -------'
---~-- ------ -
'
'
Ü'--~~-'-~~~'--~~--'-~~~
o
FIGURA 5.4. Tabla del multiplicador MES.
La determinación del factor de ocupación FO se hace mediante la ecuación:
FO= EMP x SPE (5.5)

s
donde SPE representa la superficie por empresa y S la superficie del área industrial. Esta
expresión constituye otra ecuación auxiliar y representa la relación R 3 .
5.3.3. Fase de evaluación

Con la construcción del modelo se cu] mina una desc1ipción racional del proceso que
se está estudiando. A partir de este modelo se genera su comportamiento, reflejado en la
figura 5.5.
Construcción de modelos no elementalBs en dinámica de s;stemas 115
I! • t
2.00 . - - - - -- - - - - - -- - - - - - - - - -
1
1 1
1
I I 11 1
l ()5 - - - - - - -í - 9 ~ - - - - ... - - - - .. - - .. - - - - - - liiil J - liiii ..... - - - - - • - - - - - - - -
I I i 1 1
i I f I
m r I
1 1 1
1
1
•
i -~º - . ---.. - --------,-------
1
~
~
1
1
í
1
~
-¡- -
1
. 1
~ . - - - · - - - - - - - - ... -
1
I
1
- - - - liili -
1
1 1 1
1
1 1
-1- _______ 1___
95 .. - . . . . , ...
1
¡¡¡¡¡;; _____
1
"""! _ l!!"I' !m • ._
1
• - • - •• -
1
1
J 1
60 ' - - - : - - -~ - - - - - - - ~-____,__ ____...____ __,

o 25 50 75 1O() ]25 150
Tic..·rnpo
Empresas
fiGURA 5.5. Compona1niento del modelo de un área industrial.
Si el n1ode1o es correcto, e] con1portEunjento representado en esta figura deberá reproducir,

con un grado de precisfón que se con. idere aceptable, el de la descripción empírica del sistema
modelado~Normalmente, en dinámica de sistemas, se dispone de un m,odo de referencia~ que
constituye la descripción empírica a la que se tratará de ajustar al comportamiento del modelo.
En esle caso, el modo de referencia estará formado por la información de la que se disponga
respecto a la evolución del número de empresas en algún periodo de tie1npo, o en un área de
características análogas a las estudiadas (podría darse el caso de que se careciera d es 1nodo
de referencia~por tratarse de un tipo de situación en La que confluyesen una seri de factores
que previan1ente no se hubiesen dado; ·e n tal caso,. la evaluación del 1nodelo se haría. por parte
de los expertos, en tanto ~e considerase que incorporara rodas las hipótesis que razonable.1nente
se pudíesen hacer con relación a esa situación). Una técnica comp]en1entaria de evaluación del
n1odelo es la del análisis de sensibilidad que se describirá en el capítulo 6.
El con1porta1niento que presenta el modelo (figura 5.5) tiene la forma, indicada n1ás arriba,
de crecin1iento logístico o sigmoidaL En él se observan dos fases perfectamence diferencia-
das. En la prünera, el con1portamiento es de crecimiento aproxünadamente exponencial E11o
es debido a que para valores suficientemente pequeños d la variable einpresas la tabla que
representa el multiplicador MES (recuérdese la figura 5 .4) presenta un crecimiento. por lo
que si se analiza el correspondiente bue.le de reali1nentación, éste resulta ser positivo, y por
tanto e] con1porta1niento es de crecimiento aulorreforzado o exponencial. Por e] contra,io, en
]a segunda fase de crecitniento, la tabla de la fi gura 5~4 n1uestra una pendiente negativa a la que
corresponde una relación negativa, de modo que el bucle de realh11entación pasa de positivo
a negativo, dando lugar a un con1portanuento que tiende a estabilizarse. De este 1nodo, como
ya se vio en la subsección 2.3. l, es posible dar una interpretación estructural al crec.inliento
logístico.
E] modelo que se acaba de ver constiluye una versió11 enor1nen1ente simplificada de lo
que sucede en un área industLial Se ha considerado únican1ente la evolución del número de
~-111Wtti!tt
empresas. Se ha prescindido de factores tales como la evolución de la población o de la disponi-

biUdad de viviendas (en la propia área industrial o en torno a ella, del que potencialmente se
nutra). Además, la evolución del número de empresas se ha considerado de una forma agre-
gada, sin tener en cuenta los distintos tipos de empresas que puedan establecerse. Tampoco
se han tenido en cuenta factores de otra naturaleza, como pueden ser los medioambientales,
que pueden afectar al desarrollo del área industrial en cuestión. Lo que se pretendía, como se
ha indicado al principio de la sección, era sencillamente ilustrar, mediante un caso senc illo, la
posibilidad de construir un modelo (un sistema dinámico) a partir de detenninadas hipótesis
relativas a cómo se produce el crecimiento económico de un área industrial. La metodología
propuesta permite tener en cuenta otros factores, como los que se acaban de mencionar, y
constrnir así modelos de considerable complejidad y detalle (Alfeld y Graham, 1976).
Por último conviene señalar que, por razones pedagógicas, aquí se ha expuesto la cons-
trucción del modelo de una forma secuencial. En realidad, para llegar a las ecuaciones del
modelo normalmente habrá que acudir al proceso iterativo que se mencionó en la sección 5.2
y que se ilustra en la figura 5.1.
5.4. DESCRIPCIÓN DE UN MODELO DE DEMANDA ELÉCTRICA: MEREA3
Esta sección se va a dedicar a describir, a grandes rasgos, un modelo desarrollado mediante

la técnica de dinámica de sistemas: e l modelo MEREA3. El objetivo del modelo es re flejar
el comportamiento de la demanda de e nergía eléctrica en España. El interés del modelo es
el siguiente: el proceso de construcción de centrales eléctricas introduce grandes retrasos, lo
que obliga a predecir la demanda para decidir las inversiones en capacidad de generación
de energía. Además, la propia decisión de inversión aumenta los costes financieros de las
compañías eléctricas, lo que afectará a los precios y, por tanto a la demanda, con lo que la
predjcción que llevó a la decisión de inversión deberá ser revisada. Se observa que existe
una serie de influencias endógenas en e l sistema que hacen que el análisis del problema sea
complejo. Un modelo realizado con la técnica de la dinámica de sistemas puede ayudar e n este
análisis.
En realidad, el modelo ME REA3 no sólo predice la evolución de la demanda de electricidad,
sino también la demanda de energía total y su distribución entre electricidad, gas natural y
otras energías. Los datos del modelo (variables exógenas) son la actividad económica del país
(medida, por ejemplo, mediante el PIB), y los precios de las djstintas energías excepto de
la electricidad. Este precio lo calcula el propio modelo simulando el comportamiento de las
compañías eléctricas, calculando todos los costes asociados a la generación y distribución de
energía eléctrica y simulando el marco legal estable que fija la tarifa eléctrica en función
de los costes de las compañías.
La figura 5.6 presenta la estructura simplificada del modelo. De acuerdo con el diagrama de
esta figura, el Marco Legal Estable determina los precios que influyen sobre la demanda y ésta,
a su vez, influye sobre el Marco Legal Estable. Por otra parte esa demanda de electricidad,
junto con su precio, son considerados por el Sector Eléctrico en su proceso de suministro.
fütc sector genera unos costes que afectan al Marco Legal Estable, con lo que se completa el
d iagrama de la figura 5.6.
A continuación se van a tratar con mayor detalle los bucles del modelo MEREA3. En primer
lugar, en la figura 5. 7, se muestra el bucle de demanda. En él se pone de manifiesto cómo sobre
clectrkiclad
Dcmttnda
Dcm4:mda u~ Precio de la
elt::c-tricídad de...: lri e i dad CompaiHa
cléctrii..:a
~1arco
~SltLb~e
Prcd f'I de l t~
electrkídad
FIGURA 5.6. Estructura simplificatta del modelo MEREA3.
la den1anda de electricidad influyen tanto la activjdad econó1nica como la 1node1nidad, ambos

factores exógenos, y el precio como factor ,endógeno.
Como ya se ha indicado n1ás arriba! el precio viene determinado por el Marco Legal stable,
que lo regula a partir de la demanda de electricidad y de los costes de generaci6n, transporte
y dista bución. Se trata de un bucle de realimentación positiva en el que se tienen dos retrasos
considerables, que se indican en el diagrama medjante dos trazos ~dtuado sobre ia flecha que
representa la influencia correspondliente .
.L\ e ti vidad
económica \ Í+
Dcmam.la clc
eJec tri L::idad
Precio
+~~ !\-turco
estahk
+~ Co~tcs
FJGURA 5.7. Esrructura básica del bucle de cle,nanda.
En la figura 5.8 se observa el bucle de construcción o planificación. A partir de una cierta

demanda de ele-etricidad, en un instante de tie1npo determinado, se hace una previsión de la
capacidad de generación qu se requerirá en el futuro . La comparación entre esta capacidad de
generac1ón en el futuro y la que actuahnente se dispone (corregida con las construcciones ya en
:::....................................................,."""..................................-a.......
curso y los retiros del parque) desencadena la necesidad de una planificación para satisfacer ese
aumento previsible en la demanda futura. Estas interacciones son las que se han representado
en la figw·a 5.8.
Demanda de
electricidad
"'\+
Previsión
c:,pacidad '\+
futura i
Planilicación
o Iniciación
construcción
Capacidad
de generación +
>~
instalada
FIGURA 5.8. Estructura básica del bucle de planificación.
Se trata de un diagrama de realimentación negativa de carácter regulador, que trata de

ajustarse a la previsión de capacidad necesitada en el futuro.
La conexión del bucle de demanda con el de planificación da lugar al diagrama global
del modelo que aparece en la figura 5.9. Conviene observar que la interconexión de los dos
subsistemas introduce un nuevo bucle adicional, que es de realimentación negativa, y, por
tanto, de carácter autorregulador.
i/
Previsión
Ac1iv1dad Modernidad capacidad
económica ~ futun,
Demanda de Pltmilicación
r+> ~ electricidad
Precio 0 o o Iniciación
conslrucci6n
~ Marco Capacidad>
~
estabk de generación +
~
m~rnlada
Cos1e,~
FIGURA 5.9. Acoplamiento de los bucles de demanda y planificación, para formar la estructura
básica del modelo MEREA3.
Construcción de modefos no elementales en dinámjca de sistemas 119
Los diagramas anteriores co1npletan un prilner acercamiento a la fase de conceptu.aliza-

cíón del 1node]o MEREA3~ Como se puede entender fácilmente, el modelo detallado es muy
complejo y es.capa del alcance de este Libro, por lo que nos vamos a detener en este punto sin
avanzar más n Ja descripción del modelo. Con esta son1era de.scripción se ha pretendido ilustrar,
mediante un ejemplo de carácter profesional, que la utilidad de la dinán1ica de sistemas supera
ampHamente el carácter elementa~ y didáctico del resto de los eje1nplos que se han utilizado
hasta ahora.
9.1. INTRODUCCIÓN
En capítulos anteriores nos hemos ocu.pado de los mod los co1no artefacLos que construía-
n1os para representar deten1tlnados aspectos problemáticos de los siste1nas que pueblan nuestro
entorno~ Este capítulo se va a dedicar a la explotación de modelosJ esto es a cómo obtener
1
provecho del modelo de una 1nanera racional, una vez que éste ha sido constn.üdo y verificado.
Se acaba de etnplear el tératlno racionalidad para caracterizar el tipo de actuación que aquí
pretendernos analizar. ste tér1nino, sin en1bargo, posee múltiples acepciones. La. que ahora
nos interesa es aqueUa racionalidad que se predica de actuaciones y co1nportamientos. Para
nosotros, y de forma genérica, una actuación racional es aquella en ]a que el agente actúa con
plena conciencia de cuáles son los fines que trata de alcanzar) d.e 1nodo que sea capaz de adecuar
los n1eclios de que dispone al logro de sus fines y evaluar en qué n1edjda se han alcanzado éstos
para, en su caso, modificar sus pautas de comportanriento. En es sentido decímos que la gente
que actúa de ese modo puede dar razones de lo que hace; en cuyo caso calificarnos de racional
su comporta1niento. Para caracterizar un proceso de actuación racíonaJ vrunos a auxiliarnos
del diagrama de la figura 9.1.
,
9.2. EL MODELO N UN PROCESO D ACTUACION RACIONAL
La figura 9.1 1nuestra un diagrama que representa una for1na esquemática de un proceso
de actuación racional. Se supone que el que hasta ahora era un observador pasivo CJ que cons-
truía un modeJo M de S, es ahora un agente, al que seguiremos denominando O. Este agente
O pretende acruar sobre S,. de modo que el co1nportamiento de S se aj uste a determinadas metas.
1
Para actuar sobre S,. el agente O dispone de ciertos instrumentos de actuación, que se concre-
tan en el conjunto de variables [l . En el caso de una n1áquina, la acluaci,ón sobre S se realiza
171
SISTEMAS
u Y.
METAS ·10DELO M
FIGURA 9.1. Esquema de un proceso de actuación racional.
mediante mandos de actuación (botones, manivelas, teclados, palancas, ... ). En el caso de sis-
temas de otra naturaleza, se hace mediante la asignación de valores a lo Largo del tiempo a
parámetros que representan polJticas de actuación sobre el sistema (por ejemplo, decisiones
sobre el precio que un fabricante asigna a un determinado producto, o sobre el nivel de con-
tratación de empleados; decisiones del gobierno sobre el tipo de redescuento bancario, u otro
parámetro de política económica ...). En todo caso O decide los valores que tomarán las U, a
las que se denomina (recuérdese la figura 9.1) señales de entrada, o sencillamente, entradas
al sistema S. Por la función que desempeñan se denominan también señales de control o de
mando.
El agente O obtiene información de S registrando las señales Y, denominadas señales de
salida o salidas del sistema. Los registros de las señales Y le permiten conocer el compor-
tamiento de S. Por tanto, la interacción de O con S se realiza mediante las señales U e Y,
que forman el conjunto de atrfüutos asociados al sistema (recuérdese lo dicho en el capí-
tulo 2). El esquema de la figura 9.1 presenta la tantas veces mencionada estructura de reali-
mentación. El agente O va tomando decisiones respecto a los valores que asigna a las señales
U teniendo en cuenta las lecturas de los valores Y que, en cierta medida, son resultado de las
acciones U que ha tomado previamente. Es decir, se realimenta (en el sentido concreto de "se
vuelve a" alimenlar) información sobre los resultados de acciones pasadas para decidir las
acciones poste1iores que se van tomando.
En el diagrama de la figura 9.1, además de O y S, aparecen el modelo M de S y las
metas que O persigue de S. El modelo M es un elemento esencial en la actuación de O. El
agente pretende un cierto comportamiento de S. Este comportamiento deseado lo podemos
concretar en que la señal de salida y(t) tome un valor determinado y*(t) (para O < t < T;
de aquí en adelante, si no se dice lo contrario, se entenderá que toda señal está referida a
este intervalo genérico de tiempo). Esta trayectoria deseada para y(l) se obtendrá cuando se
aplique una señal de control u· ( t) adecuada. El agente O, para saber qué u(t) debe aplicar, debe
conocer -al menos de forma virtual- todos los pares posibles { u( t), y( t)} que se pueden
Explotacjón de los modelos 173
asociar al sisten1a S; es decir, el agente debe ser capaz de prever có1no se co1nportará el sistema
S ante cualquier actuación [l que él pu da reruizar (gobernar es prev r) para, a partir de esa
información,. decidir cuá] de las u(t) aplicará para alcanzar la meta que pcrsjga. Esa informa-
ción que liga a las dif rentes actuaciones u (t) con los resultados y ( t) se ta aporta el n1odel o M ~
El tn.o delo M, en la medida que es una representación adecuada de S, constituye un sumario
abstracto de los pare-s {'l¿( l), y( t) }; o, lo que es lo mis1no, una expresión formal que permite
generarlos. En consecuencia, O necesita l. n1odelo M para poder decidir su actuación
sobre S.
El papel del modelo .A4 en la conc,eptualización de una actuación racional es, por :tanto
básico. Este hecho no ha sido, sin e1nbargo, suficientcn1ente resaltado en la literatura. La
acn1ación se ha vinculado tradicional1nente a los objetivos que s trata de alcanzar, y no a
la representación que se disponga de] objeto sobre el que se actúa. Estamos viendo có1no
en una actuación racional el agente trata de adecuar sus 1nedios a los fines que persigue.
El 1nodelo .1Vf le permite precisamente realizar esta adecuación. Le indica cuál, entre sus
posibilidades de actuación representadas por las diferentes po]íticas 'u(t) que puede decidir
adoptar, s la adecuada para ]os fines que persigue. De est,e n1odo se pone de manifiesto la
importancia del modelo en toda actuación racional.
Conviene recordar que todas las decisiones habituales, tanto individuales como sociales,
se ton1a11 en relación a algún 1nodelo, al que genéricamente se alude como modelo mental, y
que stá fonnado por el conocimiento, n1ás o 1nenos fiable y estructurado, que el agente posee
sobre el aspecto de la realidad sobre el que actúa. Este modelo mental se puede convertir en
un útil de una potencia con.siderablemente mayor, por lo que respecta a la ayuda · n la toma de
decisiones~ si somos capaces de fortnalizarlo~ Es lo que podemos hacer como he1no~ vi. to en
los capítulos anteriores., con ayuda de n1étodos de modelado con.10 la dinámica de sistema.e;;.
Un n1odelo f or:inalizado posee cie11as caracteñsticas que lo hacen particulannente intere-
sant,e en el proceso de toma de decisjones:
• contiene un considerable grado de precisión;

• es explícito y transparente y, en consecuencia, puede ser objeto de un análisis crítico;
• procede desde los supuestos (l ~pótes·so asunciones) a las conclusiones de una manera
lógica y reconstruible;
• puede ser fáciln1e-nte alterado para representar hipótesis diferentes o políticas alternati-
vas, y
• es comprehensiv()~ es decjr, interrelaciona muchos factores simultáneamenre.
El otro elemento que aparece en Ja figura 9.1 junto con el modelo M cs,á constituido por las
1
nietas que se persigu n con ]a actuación. L.as metas o fines son lo que pretendemos con nuestras
actuaciones. los objetivos que ,c onscientemente deseamos. En la figura 9.1 se asume un procceso
de actuación teLológica, en el sentido de que está orientada a la consecución de unas metas
1
que posee el que desencadena la acción. Estas metas, en algunos casos podrán describirse con
precis·ión, e. incluso podrán ser objeto de una cuantificación 1nediante una función objetivo que
1nida de forma cuantitativa su grado de consecución. En otros casos . esto no será posible, pero
el número de casos en que sí lo es resulta ser suficientemente itnportante como pttra que nos
ocupernos detenidamenl:e de él. Es lo que vamos a hacer en )as secciones siguientes.
9.3. USO DE MODELOS PARA BÚSQUEDA DE ACTUACIONES RACIONALES
En la sección anterior se ha analizado el empleo de modelos como instrumento en la

búsqueda de actuaciones racionales. Sin embargo, no se ha descrito la manera de llevar a
cabo esta búsqueda. Es éste un problema abierto que no tiene una solución definitiva. Existen
diversos procedimientos que pueden ayudar en esta tarea. pero para los que no está garantizada
su aplicabilidad en todos los casos. En esta sección se estudiarán estos procedimientos.
En el planteamiento original de FoITester, para la búsqueda de actuaciones racionales uti-
lizando modelos de dinámica de sistemas no se deben utilizar procedimientos automáticos,
sino que el proceso debe ser realizado por la persona que dispone del modelo. Así, mediante
un procedimiento de prueba y e1Tor se llevaría a cabo la búsqueda: ejecutando el modelo,
obervando los resultados obtenidos y decidjendo los cambios a realizar para una nueva simu-
lación. Repitiendo este proceso una y otra vez se puede observar el efecto de cada una de las
actuaciones ensayadas y decidir cuál es la mejor.
Evidentemente, este proceso requiere un conocimiento profundo del sistema que se pretende
controlar, y quizás grandes dosis de intuición para poder orientar la búsqueda adecuadamente,
sobre todo si el modelo es relativamente complejo. Pero. además, e l número de pruebas nece-
sarias puede hacer que la tarea sea muy tediosa o incluso inabordable en modelos grandes,
en los que el tiempo necesario para realizar una simulación puede ser relativamente alto y la
complejidad del sistema obligará a un número elevado de pruebas.
Sin embargo, y dado que los modelos de dinámka de sistemas se implantan en un com-
putador, podría plantearse la posibilidad de programar un algoiitmo informático que, de forma
automática, realice esta búsqueda. Las siguientes subsecciones se van a dedicar al estudio de
diversos algoritmos que pueden ser de utilidad para conseguir este objetivo.
9.3.1. Optimización estática

En primer lugar, se podría pensar en utilizar diversos procedimientos de optimización de
parámetros relativamente sencillos, como la búsqueda de máximos y mínimos de funciones, o
la programación Lineal. Con estos métodos, se pueden obtener los valores de ciertas variables
que optimizan una función.
De esta forma sería posible resolver dos tipos distintos de problemas:
l. En primer lugar, se pueden considerar aquellos problemas en los que la bondad de una
actuación se define en función de la evolución del sistema a lo Largo de un intervalo
de tiempo (y por tanto, no se puede tener una medida de esta bondad hasta finalizar
una simulación del sistema en ese intervalo de tiempo). El objetivo sería determinar
los parámetros que maximizan esta bondad. Por ejemplo, se podría calcular el precio
de venta de un producto, de manera que se maximicen los beneficios obtenidos en el
intervalo de tiempo. Obsérvese que los valores obtenidos de las variables de control o
actuación (el precio de venta en este ejemplo) han de mantenerse constantes durante
toda la simulación.
Algunos de los entornos informáticos de simulación tienen heITarnientas que permiten
resolver este tipo de problemas. De hecho, este problema es prácticamente el mismo que
el de ajuste de parámetros que se expuso en la sección 6.4. La única diferencia estriba en
Explotación de los modefos 175
la función objetivo: en el caso de ajuste de parámetros se desea minimizar la diferencia

entre dos s ñales (la de refer,encia y la sin1ulada); en el caso que nos ocupa ahora se tiene
más llbertad en cuanto a la fom1a de la función que se desea 1ninin1izar (o maxhnizar).
2. En otros casos s,e puede p'Jantear u ll p ~oblen1a de opti.ntlzación en cada instante de lie1npo.,
con una función de bondad que dependa de los datos conocidos hasta ese instante. De
esta forrna se obtendría una evo]ución de las variables de control que cambiaría con
e t ·e111po. in en1bargo, este procedim1ento no tiene en cuenta el carácter diná1nico
de] probJen1a, ya que la optiniización planteada depende del estad.o del isterna en el
instant actual, y no tendrá en cuenta los estados futuros a los que se llegará con la eñal
de control aplicada. A ·í se puede obtener el precio de venta de un producto que 1naximice
el beneficio en el instante considerado, pero no se podr{m Lener en cuenta los efectos de
la decisión ton1ada en las gananc·as futuras porque para ello habría que continuar con la
simulación d l modelo, cosa que no se puede hacer hasta que no se resuelva el proble1na
de opti1nización planteado.
En cua1.qui r caso este tipo de optiinización no suele estar incorporado de una forma
general ,en los paquetes informáticos de simulación. Sin en1bargot sí se puede programar
en un lenguaje d.e propósito general e incluirlo en lenguaje de simulación en aquellos
entornos que permilan la inclusión de funciones escritas en otros Jenguajes.
Como es fácil de.ducir, ninguno de estos enfoques per1nite consideraJ el problema en su

globalidad. El prin1ero de el los tiene en cuenta el carácter d inánúco del sisten1a; pero obliga
a señales de control constantes~ por el contrario, el s gundo Lipo de problemas per1nite la
variación de las señales de control, pero no tiene en cuenta. el carácter ílinámi co del sistema.
Seria conven· ente disponer de un método que calcule las señales de control como variables
e.n el ti~mpu y conten1ple e] efecto diná111ico de estas decisiones, es decir, que tenga en cuenta
"'
tanto el efecto inmediato de las mi~mas como el efecto a más largo plazo. Este es precisainente
el caso que se trata en el proble1na del control óptilno.
9.3.2. Control óptimo

Planteamiento del problerna
El cálculo variaciona1 y su ap,licación al control de sistemas pern'lite llegar a un algoritJno
automático que, aJ menos en principio, resuelve el problema de la búsqueda de deci iones
racionales.
Supongamos que disponemos de un modelo M del comportamiento de S mediante un
sistema dinámico~
dx .
dt = f (X, 'lt) (9.1 )
Este f onnal i sn10 hace explícitas las señales 'tt mediante las que se actúa sobre el siste111a S y
es el habitualmente en1pleado en la forn1tilación del proble1na del control óptimo.
Por otra parte, suponga1nos también que existe una función de la forma
.T
J = f L(x 1 u)dt (9.2)
Jo
176 Dínámíca de sistemas
de modo que se pretende que el comportamiento de S optimice (minimice o maximice) el

valor tomado por J. Este valor es un índke del comportamjento del sistema, ya que depende
del conjunto de valores tomados por las trayectorias en el intervalo (O, T) de interés. La
elección de este índice es determinante para que la solución que se obtenga sea adecuada:
este índice es la única medida que se va a utilizar para discriminar Jas acciones racionales
de las que no lo son o, mejor, define una relación de orden entre las distintas evoluciones
del sistema, de manera que valores menores del índice corresponden a trayectorias mejores
(en el caso de minimización).
Mediante el control óptimo se trata de determinar la señal de actuación 'u• (t), y la corres-
pondiente trayectoria para el estado x• (t), de modo que la expresión (9.2) alcance su valor
óptimo.
El formalismo (9.1-9.2) se presenta en múltiples aplicaciones técnicas en las que se trata
de optimizar un determinado índke asociado al funcionamiento de un sistema; por ejemplo,
el consumo de energía en un periodo de tiempo, el tiempo en el que se trata de alcanzar una
meta, etc. En ciencias sociales también se encuentran problemas que se pueden abordar con
este formalismo. Así, por ejemplo, se ha aplicado a problemas de optimización financiera, pro-
ducción e inventarios óptimos, planificación de la producción, políticas óptimas de promoc.ión
de productos, explotación óptima de recursos naturales, problemas de transporte, etc. 1 •
Una vez formulado el problema mediante las expresiones (9.1) y (9.2) sabemos, en general,
cómo detenninar la señal de control u • (t) que optimice J. Para ello formamos la denominada
función de Hamilton del proceso, o Hamiltoniana, que viene dada por:
H(x, tL, A) = L(x, u) + Af(x, 'u) (9.3)
en donde las variables). representan las variables adjuntas o de coestado del sistema, de acuerdo
con la teoría del control óptimo. A partir de (9 .3) podemos proceder a una resolución progresiva
del problema. Para ello, en primer lugar, se determina el mínimo de H con relación a u. Ello,
en el caso más simple, conduce a resolver en u la ecuación:
&H =0 (9.4)
ou
lo que permite obtener u•(x, A). Este valor de u se lleva a la función de Harnilton H(x, u, A),
y con la función H(x , A) que resulta de esta sustitución se fonna el sistema de ecuaciones
diferenciales de Hamilton:
dA (9.5)
dt
dx (9.6)
dt =
cuya integración permite obtener las trayectorias x•(t) y ).*(t). Estas trayectorias se llevan a
ti* (x, A), con lo que se tiene la señal de mando óptima u • (t).
Para la integración de las ecuaciones (9.5) y (9.6) es necesario disponer de condiciones de
contorno. En el caso de la variable de estado x, éstas son claramente las referidas al instante
I M. l. Kamicn y N. Schwam: Lou, 1995. Dy,wmic oprimizarion: rhe ca/c:ulus of variarions wul optima/ co111ro/
in eco110111ics t111(/ 111(/)1ageme111. Norrh-Holland
.Explotación de los modelos 177
inicial x(O) == xn. Las condiciones d. contorno para las variables de coestado A se obtienen de
la llatnada condición de transversalidacl. Esta condición escapa del carácter generalista con el
que s está exponiendo aquí e te tetna. Baste decir que con la condición de transversalidad se
obtienen cond'ciones de contorno en el instante final A(T) == AT.
La resolución de las anteriores ecuaciones no es tri vial. a resolución analítica está res-
tringida a sist,en1ai-; de pequeña dimensión, en Ja n1ayoría de ]os casos lineales. Para sisternas de
gran dimensión~ con no-linealidades, es preciso acudir a la ayuda de la informática n1ediante
la utilización de algoritinos nun1éricos o incluso heurísticos para resolver el probl ma. A
continuación se exponen las ideas fundamentales sobre estos algoritmos.
Algoritrnos nurnéricos
Las ecuaciones (9.4), ('9.5) y (9.6) fon11an un sisten1a d ecuaciones diferenciales con
condiciones de contorno. Aunque aparee menos frecuentemente que los proble1nas con con-
diciones iniciales, su resolución num ~rica está suficientemente estudiada. Es e proble1ua es
bastant 1nás difícil de resolver que los problemas con condiciones iniciales. Las dificultades,
como se puede intuir, aparecen po.rque si se desea aplicar un rnétodo de integración usual
(como el método de Euler o de Runge-Kutta) ,es necesario partir de unas condicione iniciales,
las cuales no se conocen para todas las variables en un probiem~ de este tipo (en concreto no 1
se conocen los valores de ,\ en t == O., o, si se desease integrar hacia atrás, no se dispondría de

los valores de. x para t = T).
A continuación se va a esbozar un 1nétodo nun1érico que se puede utilizar para integrar
numérican1ente el anterior sístema de ecuaciones difer nciaies~ basado en el método de la
relajación:
l. Se discretiza . 1 tien1po en ·nl instantes e11 los que se van a calcular los valor -s de tt( t).
En el íncerior de los intervaJos así formados los valor s que ton1a tt( t) se caJculan por
interpolación. Los intervalos de di ser ti zación deben ser 01ayores o iguales que los
de integración en las integraciones de los pasos posteriores (nonnaltnen.te el paso de
discreti:zacíón es un múltiplo del paso de inlegració11 ).
2. Se postula una solución inicial para las señales de control 1¿(t) en los instantes de
discretización. Dado que se han ton1ado nt instantes y existen riu variable de control
es necesario postuJar n..~ x ri.,, valores.
3. Puesto que la ecuación (9.6) no depende de ..\ es posjble realizar fila integración de ésta.
con lo que se puede calcular la evolución de las trayectorias x(t). Las derivadas parciales
8H/8}.. se pueden calcular por n1 '"todos. nun1éricos. Los valores de x calculados "e deben
almacenar para utilizarlos en lo que sigue. Obsérvese que es prec·so almacenar n x ·n ;
valores, siendo 'll¡ .1 nún1ero de pasos de integración (nor1na]111ente 1nucbo ·mayor que
n,,). ste altnacenamiento iinpo11e una fuerte exige.ne· a de memoria que se justifica por
la mayor velocidad de este método frente a otro que no necesitaran tanta men1oria.
4. Ur a vez tennjnada esta integración hacia adelante se puede integrar hacia atrás la
ecuación de coc tado (9.5), partiendo d las condicíone finales .X(T). Para ello es
necesario utílizar los valores de x ( t) calculado~ en el paso a11terjor~
5. Al ll gar a cada instante tk de discretización del üempo donde se defh1en los valore~
de u se in1pone la condición (9.4 ). Para ello se detennina el valor de 118H/ 8v.ll t,.-_ Si
este valor es más pequeño que una tolerancia prefijada se continúa con la integración
hacia atrás. En caso contrario se modifican los valores u,(td; i = i .. . . , n., buscando
la minimización de 118H/8ull,;. Éste es un problema de minimización de una función
escalar que depende den., parámetros (obsérvese que se ha huido de una minimización
de funciones de n, x n .. parámetros que son las incógnitas del problema). Para esta
minimización se puede uti lizar cualquier método numérico, siendo preferibles los que
no necesitan calcular derivadas.
Una vez calculados los valores óptimos de u(tk) se continúa con la integración hacia
atrás.
6. Al finalizar la integración hacia atrás se habrán calculado los nuevos valores de n(t ) que
permiten que se cumpla (9.4). Como, por otro lado, también se cumplen (9.5) y (9.6),
podría pensarse que el problema ya está resuelto. Sin embargo, esto no es cierto, ya
que se han ido variando los valores de u(t) en la integración hacia atrás, por lo que los
valores de J'( t) almacenados dejan de ser válidos. A pesar de ello. los nuevos valores de
u(t) previsiblemente estarán más cerca de la solución buscada. En este paso se calcula
una medida de la diferencia entre la nueva u(t) y la anterior.
7. Si los nuevos valores de tt(t) no divergen de los que se tenían antcriom1ente más que
una tolerancia fijada de antemano, se da por finalizado e l proceso y u(l) se considera
solución. En caso contrario se vuelve a 3.
Con este algoritmo se obtienen buenos resultados con sistemas de mediana dimensión, pero
no resuelve el problema cuando se tratan sistemas de muy gran dimensión. En concreto, el
algoritmo puede que no converja al no cumplirse nunca la condición de finalización.
Algoritmos heurísticos
En los últimos tiempos, dado el aumento en potencia de cálcu lo de los computadores, se

tiende a utiliLarlos intensivamente de manera que problemas complejos puedan ser resueltos
aproximadamente, sin necesidad de teorías específicas (como sería la utilización de las ecua-
ciones de Hamilton en el caso que nos ocupa). Para ellos existen diversos métodos o algoritmos
que se pueden englobar bajo la calificación de heurísticos. Estos algoritmos rc!>uelven proble-
mas de optimización paramétrica, en el sentido en el que la solución de estos problemas es
un conjunto de parámetros y no un conjunto de funciones (temporales, en el caso del control
óptimo). Sin embargo, ya con los algoritmos numéricos se trata de resolver el problema del
control óptimo discretizando las variables continuas, de manera que el problema se reduce a
encontrar ciertos valores puntuales de la solución buscada. Con ello la esencia del problema a
resolver cambia drásticamente: la resolución del problema del control óptimo se reduce a la del
caso de optimización paramétrica. Sin embargo, el problema resullante de esta simplificación
tiene dos características importantes, que hacen que siga siendo complejo: por un lado, y debido
a que el sistema a controlar puede ser de gran dimensión, la evaluación de la función de coste.
para un conjunto dado ele los parámetros, conlleva un tiempo no despreciable de cálculo con
el computador: por orro lado, el número de parámetros que define una posible solución suele
ser baMante alto.
Una característica común de los métodos que se van a exponer es que imponen pocos
requerimientos sobre el problema que se pretende resolver; así no es preciso hacer suposiciones
Explotac;ón de los modelos 179
sobre linealidad. derivabilidad o continuidad de funciones o sus derivada . para poder aplicar
estos algoritmo .,
A continuación se van a describjr somerainente dos de estos 1nétodos: el rnétodo d,e lvlon-
tecarlo y los algorit1nos genéticos. Además, existen otros 1nétodos heurísticos como son l
enfrianuento sin1ulado (' símulated annealing"), la búsqueda tabú, etc+, que aquí no se tratarán.
4
Método de Montecarlo Un prüner algorit1110 heurístico es conocido por el nombr,e de método

de Montecarlo. Con este n1étodo se generan aleatorjamente un conjunto de posíbles soluciones
(o puntos del espacio de las señales tt) y se prueba (se simula el sisten1a para cada tt elegida)
para obtener el valor del índice J asociado a cada una de ellas. La solución que entre las
1
probadas . tenga asociado un n1enor valor del índice se considera una aproximacjón del óptimo
buscado.
videnten1ente. para que este método funcione correctarnente es necesario que el número
de puntos ensayados sea grande y en general, de acuerdo con la co,m plejidad del proble111a (a
mayor con1plejjdad debe corresponder un número rnayor). En el caso, del control óptimo) por
las razones expuestas, el número de parán1et os suele ser grande, lo que lleva a la necesidad de
generar un número excesivamente numeroso de puntos~ ste hecho, unido a que posiblemente
e] tien1po de una simulación sea apreciable, hace que este 1nétodo sea inviable en muchas
ocasiones . por requerir 1nucho tie1npo para la resolución.
Algoriunos genéticos Un segundo grupo de algorit1nos heuríst'cos son los conocidos con el
noinbre de algoritmos genéticos. Estos algoritmos son sen1ejantes al método de Montecarlo
en el sentido que se generan posibles soluciones (trayectorias de ]as señales de control) y se
prueban. Sin embargo el n--iecanis1no de generac"ón de éstas no es ~otalmente aleatorio (aunque
sí tiene algo de aleatoriedad)~ d manera que existe, de alguna fo1ma, una búsqueda dirigida
por Jo que se reduce el nú1nero de sirnulaciones necesaiias.
Las leyes que dirigen [a búsqueda están inspiradas en Lú m cani s1nos de- la selección
natural. De la nlisn1a 1nanera que a lo largo d la evolución de las especies éstas se van
acercando a un ajuste óptirno al 1nedio" así las trayectorias de las señales de control generadas
por el algoritmo se irán acercando a la trayectoria óptima., A continuación se esboza e] algoritmo
genético básico~
Para ello las trayectorias (o, en general, las posib_les soluciones del problema de opti-
inización} se codifican en fo1ma de ,. cadenas'• (por ejen1plo, con10 un conjunto de unos y
ceros). A estas cadenas se les denomina individuos~ 1 aJgoritmo n1aneja una población de in-
dividuos y la hace evolucionar de manera que los individuos de generaciones poste-r iores sean
~·n1ejores' de acuerdo con un cierto criterio. Cada individuo representa una posible solución
del problen1a de optimización que se intenta resolver. Por tanto, el criterio que decide la bondad
relativa de los individuos es la función objetivo de] problemas La pob]ación inicial se escoge
de fom1a aleatoria de inanera que. con ello, se está empleando el método de Montccarlo. Sin
embargo, el t~n1laño de la población ---es decir, el número de individuos- es mucho m nur
que el que se .1nplearía para resolver el 111étodo de Montecarlo~ Por ello lo más probable es
que la inmensa mayoría de los individuos de la población inicial tenga asociado un coste muy
elevado. Además, probabl,emenl el n1ejor individuo no será excesiva1nente "bueno', (su coste
asociado no se aproxi111ará demasiado a] óptüno). El coste asociado a cada individuo, es decir
180 Dínámíca de sistemas
el valor correspondiente del índice de fun c.ionamiento, se denomina ajuste ("fitness") 2 (nótese
que, así definida, esta cantidad en realidad mide lo contrario de Jo que se espera de su nombre:
un individuo es mejor cuanto menor sea el ajuste).
A partir de esta población inicial y por medio de ciertas operaciones algunas de las cuales
se describen más abajo, se van generando poblaciones de individuos descendientes. Las ope-
raciones que generan las generaciones descen dientes son tales que la probabilidad de que
aparezcan en ellas individuos mejores que los ascendientes es relativamente alta. Esto se puede
comprobar empíricamente mediante eje mplos. El hecho de que estas operaciones puedan ser
variadas, y que queden definid as por una serie de parámetros que, a su vez, también pueden
variar, es lo que hace que se hable de algoritmos genéticos, en lugar de un solo algoritmo
genético.
Para el algoritmo genético básico se ha e ncontrado una justificación teórica del hecho
de que en generaciones descendientes es más probable que existan individuos mejores; es el
llamado teorema de los esquemas.
Por tanto, a medida que se van generando poblaciones sucesivas, la media del ajuste de
la población mejora. También lo hace el ajuste del mejor individuo de cada generación. El
algoritmo se detiene tras un número predeterminado de generaciones y se toma al mejor
individuo de la última generación corno una aproximación del óptimo buscado. Al igual que
con el método de Montecarlo, no se garantiza que la so lución encontrada sea verdaderamente
la óptima, ni siquiera se puede saber si esto es así.
Las operaciones básicas para generar sucesivas generaciones son:
• Réplica ("reproduction"fJ: Esta operación simula la reproducción asexual de algunas

especies naturales. Mediante la réplica, se crea un individuo en la generación posterior
como copia exacta de un individuo de la generac ión precedente. El individuo que se
debe copiar se selecciona mediante algún procedimiento de manera que los individuos
"mejores" sean escogidos más fác ilmente.
• Cruce ("crossover''): Mediante esta operación se simula la reproducción sexual, es decir,
e l nuevo individuo (o hijo) hereda caracterfsLicas de dos individuos de una generación
precedente (o progenitores) mientras que otras se p ierden. Los progenitores se seleccio-
nan mediante el mismo procedimiento que en el caso de la réplica. Aquí se describe el
cruce más básico aunque existen operaciones más complicadas basadas en esta idea.
Para realizar el cruce, en primer lugar y de forma aleatoria, se escoge una posición de
la cadena que codifica a los individuos y se separan las cadenas de ambos progenitores
por este punto. A continuación se gene ran dos hijos, el primero de ellos con la cabeza
del primer progenitor y la co la del segundo; el otro hijo está formado con los restantes
elementos: cabeza del segundo progenitor y cola del primero. En la figura 9.2 se re-
presenta gráficamente un ejemplo de este proceso.
Esta operación es la base de los algoritmos genéticos. Como los progenitores se han
escogido entre los mejores, existe cierta probabilidad de que, entre los hijos, aparezca
2 El término inglés '"fi1nc, s'" se suele traducir com o '"aj u, 1c'" en :\mbi10; m at.:m áticos y como '"apti tud" en lm,
hiológicm,. Se ha adoptado aquí la primera traducc ión dado q ue se está rc,o lvicndo un problema de op1i mi,wción (a
pesar de que el algoriun-0 empleado 1enga una ha-e biológica).
3 El término '"rcproduction·· se puede traducir tamb ién como repr'l'>ll11cció11. pero. en eMc cn,o, en ta acepción
de reali:<11· 111w co¡>ia o rép/ia,. Dado que el ténnino puede 111:var a confu~ión con la idc.i de aparcamie nto o cruce .
prcfcrimo, crnplcar el térm ino réplirn.
Explotación de los modelos 181
PADRES
I IIJUS
FIGURA 9.2. Ejemplo de cruce.
un individuo de características mejores que los padres. Por supuesto, esta n1ejora no está
garantizada y n1uy frecuentemente aparecen individuos ''nefastos'"', pero, dado el criterio
de selección que se uti]iza, éstos difícilmente pueden obrevivmr más de una generación.
• Mutación: Mediante la mutación se pretende generar y manteneJ cierta diversidad en
la población de indivíduos9 Supóngase que, por ejemplo, todos los individuos de una
generación tienen idéntico el . ~gen,, (o valor de una posición d _ la cadena) correspon-
diente a una detenninada posición., Esto puede ocurrir o bien porque en la generación
inicial, generada aleatorian1ente, se daba este hecho, o bien como resultado de cruces
en generaciones pr ced ntes. Ante esta situación ni a réplica ni el cruce pueden hacer
que aparezca un nuevo inrnviduo en el que n · s dé esta característica. Esta situación es
indeseable ya que no permite explorar ci rtas r _cgiones del espacio de búsqueda y nada
impide el que el óptimo se encuentre precisam _nte en estas regiones .
Para evit r este fenón1eno se introduce el operador mutación. En cada g neración cada
gen de cada individuo tien una probabilidad. muy pequeña de ser '"mutado". Cuando sto
sucede el gen es cambiado. En el caso binario solan1ente se puede cambiar un ~t 1'" por
un ~ O'" o v·ceversa. Con otros códigos s su l introducir un nuevo elemento aleatorio
t
para generar el nuevo valor del gen.

Evidenlen1ente, ]a p_ robabilidad d.e la mutación debe ser muy pequeña,. ya que es una
operación totahnente aleatoria que no contiene ningún n1ecanismo de selección; por
tanto los indíviduos umutados"' su 1 n presentar a}tlstes bajos. aunque nada impide que
resulten ind "viduos hbueno ~ .
9.3.3. Control óptimo en bucle cerrado

El proble1na de control que se ha recordado en la sección anterior es e~ que se conoce como
[ d la determinación de la señal de control óptima en bucle abi rt . Es decir, se obtiene una
señal de conlTol -u.*(t) qu stá determinada para todo el periodo considerado [O, T]. Existe
un pillanteamie.nto más interesante del probJema del contra[ en e] que e pretende detenninar
la denorninada ley de control óptima que es una ley de la forma v.(x ); es decir, es una ley
que establ,e ce la actuación 'U en función del estado alcanzado por I sisten1a x . Se trata,. por
tanto, de una ley de control en la que la actuación en todo instante depende del estado; es decir,
realimentando e l estado -mediante la ley de control- se determina la actuación óptima sobre
el sistema. Surge así, de forma natural, la estructura de realimentación al poner en práctica la
ley de control. El problema de detennjnar la ley de control óptima es considerablemente más
complejo que el de la señal de mando óptima.
En realidad sólo se dispone de un método general de solución para e l caso en el que el
sistema dinámjco (9. 1) sea lineal en x y en u, y ta función L(.c, u), de la expresión (9.2), sea
cuadrática en x y tt. Es decir, para el caso en que se tenga:
dx
dt =Ax +Bu
L(x, u)= xrQx + ur Ru

Para este caso se demuestra que la ley de control óptima es de la forma
u:(x) = kx
es decir, la señal de control óptima es una función lineal del estado x del sistema. Se obtiene
así, como solución, una ley de control u• (x ), que conduce a un control en bucle cerrado, y no
una señal de la forma u•(t), que daría lugar a un control en bucle abierto. En la figura 9.3 se
ilustra la diferencia entre el control en bucle abierto y en bucle cerrado.
11"(1)
Ca) (b)
FtGURA 9.3. Control óptimo en bucle abierto (a) y en bucle cerrado(b).
9.3.4. Ejemplos
Para ilustrar e l problema del control óptimo se van a exponer tres ejemplos senci llos
aplicados al modelo de crecimiento de un área industrial. En ellos se va a utilizar el conjunto
de valores de los parámetros del modelo utiUzado anteriormente en varias ocasiones. En la
figu ra 5.5 se tenia una muestra gráfica del comportamjento del modelo. Como se ha visto en
ta sección 6.2.2, el número de empresas a las que tiende el modelo depende del valor de los
parámetros n = TNCE, p = SPE/S y m = 1/VME (además del número inicial, de empresas,
Expfotación de los n1odelos 183
que detenninará a cuál de los equilibrios se llegará). Se supondrá que el gestor del área no
puede actuar sobre esto parámetros. e,
Con10 señal de control se con iderará que el gestor puede hacer variar la superficie d 1
área, S, a ]o largo del tiempo (es d cir, no ., e abre toda la superficie desde el instante inicial,,
sino que s.e baria de fon11a progresiva). Por supuesto>se impondrá la restricción de que el área,
que debe ser positiva, no debe ser 1nayor que el área total~ ste tipo de restricciones puede ser
tratado con os métodos anterionnente expuestos,. incluso con los analíticos.
Ejemplo 1
Supóngase que s parte de una situación inicial con un nú1nero de e1npresas igual a 30~
Recordandlo el análisis de sensibilidad por simulaciones intensivas que se reproduce d nuevo
, n la figura 9 .4 se observa que en esle caso el sisten1a ti ende al declive si la superficie del área es
160 - - - - ---..--------.--- - - - -- - ~ - - -
~--·_-:~·-·
140 , ,
-·... ... ~·
~
~
' ... ~ ,p •
,· ,, ·
_,,.· ,... ·
..
I I
, .. • ,;r ,r , ..
,
•
....
J.
,if
... • •
... o11'
.. ..-
,'
120 ,·
,, , .•· .. ··
... • '!' .
.; '
.·" ..· · •'
.. ,,··
. .-· •'
... ..·
.. ,,·
,... .·...... .. •
.-· ..··
,., · .•
-· .•
,... • . ... -· ,
... ....· ... .•
.... . ' .....
..
. -· 1 , · ,, _. ..· -··
_... -- ..
_.., ....
...... • .....,-... ... .
• 1 .-· • • · " • •r'
.,
60 .:•:::::;:::. ,•
". 00 ....
-~~r-· --
•"""~ ..... •
,. __...
'•'
•'.
. .......
, • •
----... .---
_...... --""- . ........ ·"" . . ... . .
__ ... ,-·" """"'"' ....
.... .. .... .. ............ ..... ... ........ , .. .. .,, - .... .. --
4t) .. .................. . 1. . . . . . . . . . . 1 • • • • • • • • • 1 ' . . . . . .. .. .. .... . . ' 1. . . . . . . . . . ' 1 . . . . .. ....
...
• •
, I .. ,. . . . . . . . . .
0
• .. ......... .. . .. 1 1 ---- 11 ' .. .... . . ,.. .. .. ..
- - -.
·~···~
2 () - - .. - - ·- -·-
.... _ -.. . .. ... ·~ ......-· _, -.. - -·-·
_
- - - -·-·-·~· ~-=· -·-·· -·, ..
. . . =-----~~~-------~-~---------....;...;w
- - ·- ·-·-· ~· :·:·: :.:.:.:·:;·:·:: .:.: .::·-:.· : ·. :.::"::.: ·.:;~~~':.-~ ·.:::-::.•,:··:::.~ .-;.·.,•:.•.-:., :.· 11 ,-:..
o----~-.
O
. . . 50 l 00 150 2flü
Tiempo
FIGURA 9.4. Modos de co1nportamiento del rnodelo de un área indu:itrial
constante (igual a 2.000). Esto es debido a que se parte de un factor de ocupación muy pequeño
que no pemi.ite una creación de empresas adecuada. Puesto que, como se está suponiendo ahora,
la superficie es susceptible de variar, se puede hac.er que el factor de ocupación inicial sea más
alto (simpleu1ente disminuyendo la superficje in'icial). Incluso con unos sencil1os. cálculos se
puede llegar al valor ópth110 de la superficie inicial. Sin e1nbargo, no es tan sencillo obtener
el valor óptirno en tos siguientes instantes de tie1npo, para lo cual es necesario resol ver el
problema del control óptimo.
Para ello por ejemplo~ se p uede plantear n1axintlzar el número de en1presas existentes en
el instante t == 150 o lo que es lo mis·n10, n1aximizar la creación neta de en1presas desde el
instante inicial t = O hasta t == 150. Por tanto, el índice de. optinlización es
Si se pretende plantear como un problema de minimización basta escoger
[150
.:J = - Jo (CE - DE)dt (9.7)
El problema es encontrar la forma que debe tener esta evolución de la superficie de manera
que se minimice el índice (9.7).
Las ecuaciones del sistema dinámico son las del modelo de un área industrial. Como
este sistema es no Lineal la resolución analítica de las ecuaciones (9.4), (9.5) y (9.6) no
es en absoluto fácil. Sin embargo, sí se puede aplicar el método de optimización esbozado
en la sección 9.3.2. Para ello, se debe discretizar el tiempo, por ejemplo en siete instantes
{O, 25, 50, 75, 100, 125, 150}, y ejecutar el algoritmo. También se puede aplicar otro tipo de
métodos como el de Montecarlo o los algoritmos genéticos. El resultado numérico aparece en
la tabla 9.1 y se representa gráficamente en la figura 9.5.
2.()(KI - - - - - - - - - - - - - - - - - - - - - ~
1.500
I
..
-- - -----~--- ..
t 1
.
1
• ----- ·•r· ---- --- · ~--- -- ---,·-- ----
1.0()()
.
• ' ' 1
.
~M> -- --- ----~- --- -----~-- -- --···•-- - ------~---------~------·· .
1
.
: • 1
().__
o
___,_~~~---~~~------- -..____
25 50 75 l(X) 125
__.
150
Tiempo
FIGURA 9.5. Evoluci6n de la superficie del área industrial resultante del problema del control
óptimo para el ejemplo l.
La evolución del número de empresas correspondiente a esta política de control aparece

en la figura 9.6. Como se puede observar, se ha evitado el declive y se tiende hacia el punto
de equilibrio superior. Si se representara la curva correspondiente al factor de ocupación se
obtendría un valor constante igual a 0,4 que es el valor óptimo.
t O 25 50 75 100 125 ¡;:()

S(t) 562 692 852 1.049 1.292 1.59 1.958
T ..\BLA. 9.1. Solución del ptoblema del control óptimo para el ejemplo 1~
!~) -- --- --- J----------L- --------~ -- -- ---- ~- ----- ---,--------

I l
1
1
1 .
I I I
50 ~------- ~-~-------- --~ -~••••-••• ¡ ~- - ------~------- m-
o 25 50 75 100 ]25 !50

Tíem[lu
FIGLTRA 9.6. Evoluci6n del número de ernpresas en el ejeniplo J.
Ejemplo 2
Supóngase ahora que el número inicial de e1npresas es iguaJ a 70~ Según la figura 6.2 s
puede 1nantener la superficie el área industrial: igual a u valor máximo desde e] cornienzo sin
que se produzca el decJive. Sin einbargo, sí resuharía viable intentar que el área tuviera éxito lo
antes posible. Por ejemplo, se pu de pretender que en e~ instante t = 50 el número de etnpresas
sea mt in10. n este caso el índice que se desea 111initnizar será:
J = -1·"'r1(CE- DE)dt
En este caso se va a discr tizar el tiempo en cinco instante : {O 12,5~ 25 37. 5, 50}. Re-
solviendo este problema de control óptin10 se obtiene la s ñal de control que aparece en la
tabla 9.2 y en la figura 9.7.
En la figura 9. 8 se compara la evoluci6:n de las empresas en el caso base (superficie constante
igual a 2.000) con la correspondiente a la solución del problen1a de control óptin10 (dado que
esta simulación se xtiende a valores del tiempo más alll á de t -== 50, se ha completado la tabla
9 .2 con el valor 2.000 para t = 60)~ Es evidente en esta figura la 1nejora introducida.
Hr 1 11111 t:WW
t O 12,5 25 37,5 500

S(t) 1.312 1.456 l.6L6 1.793 L.990
TABLA 9.2. Solución del problema del control óptimo para el ejemplo 2.
Al igual que en el ejemplo 1, con la señal de control obtenida el factor de ocupación se

mantiene en e l valor óptimo durante e l horizonte de conJiol (O $ t $ 50), tal y como se observa
en la figuxa 9.9.
2 000 ~ ----.-- -- - , - ------,, - - -- -- - - . , . - - - - - ,
. . ..
..
1.750 - - - - - - - - - .,!_ - - - - - - - - - ~ - - - - - - - - -~ - - • - - - - -
..
...
'
:
1.500
.
~------ ---~------- --r---------~----- ----
.
• ¡
' ..
1 1
1
. 1 1
. t I
1 1 t
..
1.2~0 - .. ---- ... ,. ........... -- ....... , ............... -- r· ............ ........ -,- - --- ..............,.. - -- - - ........ ..
¡
'
1
.
IJKXl ....__ _ _.__ _ _~ -- ~ -- - - -- -~ -- ~

o 8 17 55 42 50
Ticm1x1
FIGURA 9.7. Evolución de la superficie del área industrial resultante del problema del control
óptimo para el ejemplo 2.
Ejemplo 3
Los anteriores ejemplos corresponden a políticas de control en bucle abierto: en el instante

inicial, el gestor calcula la evolución que debe seguir la superficie del área resolviendo eJ
problema del control óptimo y ésta será la que aplicaiá aún en el caso en el que la evolución
del sistema 110 sea exactamente igual a la predicha por el modelo.
Sin embargo, en este ejemplo tan simple se puede caJculax, por procedimientos heurísticos,
la política de control óptima en bucle cerrado (nótese que, a pesar de su sencillez, el modelo es
no lineal, con lo que la obtención analítica de políticas de control en bucle cerTado no es nada
sencilla). Como ya se ha mostrado en los ejemplos antetiores y. además, es fácil de intuir, la
política óptima será aquella que mantenga aJ factor de ocupación en su valor óptimo (igual a
Explotac;ón de los modelos 187
. .
1
1
1 1 •
150 -·-----~------· ••• ••••~••••••• ~ •·ª~ •---~-- - ---- • ------ ~=•••••••~ ······-.------- ¡·· --- --~---· •r~ ; •••~~·• ~•~••5 · ~~~-- -· - ··
..•
1 • • f
:~ .....:.-
I 111 ........-- . -
1 1
__....
-:--
.
.....-
' 1
1 .,..;- , :
.
1 1 f 11! / 1 1 : 1 •
HlO - - - - - - - ~ 11 - - •••• ~ ••••••• ~ ...... - .. ..: ... ~- - -! - ........ ~ .. 1 .......... 1........ ~ ........... - - ..: .. - - - ........ - ~ --
:
1
:
1
:
1
..,...,...: 1
:
•
:
~
:~
1 1 :
:
1 ~ :
K
•
50 -------1----11••1•••••··~
.
'
1
··-··- -._ .......... _.r -· ,-·~-
. .
fl •
..
1 1 1
• 1 t
· ~~···· ~··•••~· ~•••••••"P'- ""'""'""" - •r••• ••••p ••'ll••••~ •••• •A •~• ••5 • .. • -.----• • •- I
• • • 1
• '1
••
•
o
o lO 20 40 50 60 70 90 100 110 120 130 140 ]50
Tiernpo
Cn~o base
' .
Op timo
FlGURA 9.8. Evolución del factor de ocupación en el caso hase .v con la señal de control - -
óptbria.
O.ti --..---...----,.........-------~-=---------.-----T"-____,..____
. 1
_._.. ~ :~
1
1
-.
~.
l
0.4 • • • • • • • : - • • • • - 91 ~e•••••• 7 - ••7: •:..:.. •.,.,. i.. • - - - - - • • +-- - -- - - l'L. .. - • - -.. • • -

..• • • • • • • •• • • • - - • •
.
• • .. - - - t- - !!!! • - !l:"'!I . . . . . . . . . . . . . . . . ~ • li
I y
/ .
.•
;...""'
1
1
1
0,2 ··~···· ········· ~·----~---·--- ~--~-- -~~······· ······~'-· ·----~------- ~--·~ ·~·~······· ....... *·--~- ---~- --·--- ~--·····
1
. 1 1 1 • !
• •
0 --~_._~_._~-'=~ --~---~~..__~_._~....._~--~---~~.__~...._~....-~--~--
0 I O 20 30 40 50 60 70 80 90 100 ] l o 120 130 140 .1 50
Tiempo
Cast.• h·asi.:
Óp1i1110
FIGURA 9.9. Evolución del n.iünero de e1npresas en el caso baje y con la señnl de control
óptüna.
0,4 en el ejemplo). De esta condición se puede extraer la política de control en buc le cerrado:
O, 4 = FO = EMP x SPE ==> S(EMP) = SPE x EMP (9.8)

S 0, 4
Para mostrar la ventaja de este tipo de control vamos a volver al ejemplo 2. Supóngase
que, en el instante l = 20, aparece un factor no contemplado en el modelo que hace que la
tasa normal de creación de empresas TNCE djsminuye a 0,047 (el valor anterior era 0,05).
Evidentemente, la señal de control obteruda e n el ejemplo 2 dejará de ser la óptima para este
caso. Si se simula el modelo para esta nueva situación con la evolución de la superficie obtenida
en el ejemplo 2 y la resultante de la ecuación (9.8) se obtienen las curvas que aparecen en la
figura 9.10. Evidentemente, la política en bucle cerrado se adapta mejor a la nueva situación.
Incluso se podrfa dar el caso (por ejemplo, si TNCE se hace igual a 0,045) en el que la polílica de
control en bucle abierto Uevara al sistema al declive y con la de bucle cerrado el área industrial
tuviera éxito. La evolución de la superficie para los dos casos de la figura 9.10 se refleja en la
figura 9.11.
150,---,-~..--.-~..--.-~..--.-~...--,.~...--,.~...--,.~...--,
11 2.5 ·······: ······

:
¡······: ..····: ...... :······¡
: : : : :
·· · :· · · ·:···-J.·?·r~-~--r-T. . . .
: ~ : : : : :
¡ ~ ¡ ¡ ¡ .l --¡--- j ¡ ~ ~ : .
: : : : : : : : : : : : : :
: : : : : : : : : : : ¡ : :
ºo JO 20 JO 40 50 60 70 80 90 100 110 120 130 140 150
Ticmpu
Bucle ubieno
Bucle cerrado
FIGURA 9.1 O. Evolución del nlÍmero de empresas con control en bucle abierto y bucle cerrado.
9.3.5. Otras consideraciones

Resolviendo el problema del control óptimo se determina la actuación u· que permite
alcanzar e] objetivo propuesto; es decir, optimizar el íodice de funcionamiento J . Obsérvese
que el resultado de la resolución de un problema de control ópümo es un enunciado del
tipo 'hágase i i ·• , sobre el mejor modo de aJcanzar la meta propuesta. Es, por tanto, el caso
parailigmático para La determinación de la acción racional, en un sentido limitado sola.mente
Explotación de Jos modelos 189
2.000 ,--------,.------,~-----:-
, -...,.......--- - - - - - : - - - - - - - ,
:/
~
/ 11
/ 1 1
1 1 1
1 1 / 1 1 1
1.750 - - - - - - - - - ~ - - - - - - - - -;).' - - - - - - - - -:~- - - - - - - - i - - - - - - - - - ~ - - - - & - - - -
1 1 1 1
1 1 1
1 1 1
I 1 1 1 ¡
1.500 ----- - - - t-- - - - - - - - - - -t - - - - - - - - - ~ - - - - - - - - ,....,._ - - - - - - - - _1!9 "9" - - ~ - - - - I'"""
1 1 1 J
1
1
I I I
1 1 1 I I
1.250 -- -. • ._ - • - • • l.. •
1
• • - • - - • • .1 • - -
1
• - • • ._ • !ti- • - • - • • - • ª l.iliil
j 1
a • - • liill - • lilili •
1
1
• .- • • • - a • • &
1 1
1
1
1
).000 _ _ _____.__________ _ _ _ _ _ _ _ _ _ __ .
o 25 50 75 l 00 125 l50
Tii...:1r1po
Bucle abíerw
Bucle cerrado
FIGURA 9.11 . Evolución de la superficie con cont1vl en bucle abierto y bucle cerrado.
por la posibilidad de fortnaJización (aunqu no sea nada desdeñable esta li1nitaci6n, como
vamos a ver).
La aplicación práctica del forinalisrno del control óptimo a situaciones concretas adolece,
sin mbargo -además de las dificultades de resolución antes referidas-, del ünportante
problen,a de que no . iempre se di pone, por la propia naturaleza de los problen1as, de formali-
zaciones como las requeridas por las expresion s (9. 1) y (9 . 2) que posean suficiente precisión .
Es decir, habitualmente · e carece de un modelo ./v1 y de una formulación d los objetivo J
que sean suficienten1ente ricos y precisos. Podría entonces proponerse el obtener a partir de
un modelo {9. 1) y de un íudjce de func1onamiento (9.2)., ambos aproximadost una indicación,
también aproximada, de la señal de actuación conveniente sobre el sistema S. n algunos casos
es lo que se hace., a falta de olra solución. Pero eUo pue.de presentar importantes proble1nas. ya
que el problema del contxol óptimo, tal como se ha desc1ito, es muy sensible a variaciones en
el rnodelo o en el índice. Por ello parece tnás interesante afrontar e1 problema de la imprecisión
en el n1odelo y en el índice de for1na directa, para lo que,. entre otras cosas, podemos recurrir
al principio de racionalidad acotada de Si111on 4 •
9.4~ PRINCJPIO DE RACIONAL1DAD ACOTADA
Ya hemos visto que la racionalidad se refiere a un modo de comportamiento que es apropiado

para el ~ogro de de·t enninadas metas, dentro de los límites irnpuestos por ciertas condiciones
·t H. S1111rn;1. I982. A1odels of Brnauh·d R,ztioncAiry. l\1TT Pres~.

l
y restricciones. Simon ha propuesto distinguir entre lo que llama racionalidad substantfra y

racionalidad procedimental.
De un comportamiento se dice que es substantivamente racional si es e l adecuado al logro
de las metas que lo motivan. Esta forma de racionalidad presupone que el agente es capaz de
conocer exhaustivamente las características objetivas de su entorno y de tenerlas presentes en
el proceso de t0ma de decisión; es decir, se dispone de descripciones ex_haustivas del sistema y
de los objetivos a alcanzar. Se denomina también racionalidad objetiva. El proceso de control
óptimo, que hemos visto en la sección anterior, presupone esta forma de racionalidad. En ese
caso se puede decir con propiedad que la toma de decisiones es racional y consistente.
La racionalidad objetiva o substantiva puede caracterizarse por:
J
1. la existencia de un conjunto de alternativas perfectamente establecidas, entre las que
debe escoger el agente decisor;
2. este agente posee conocimiento e información suficientes para predecir las consecuencias
de cada una de las allernativas, y,
3. existe un criterio que permite decidir e ntre las distintas consecuencias que se puedan
presentar.
Cuando se dan estas circunstancias es patente que la toma de decisiones es simple. La

racionalidad objetiva es la racionalidad ideal, pero requiere un conocimiento exhaustivo, global
y muy integrado. Por ello se da rara vez en la práctica, excepto en casos triviales.
Las posibilidades reales de decisión racional están acotadas por limitaciones en la infor-
mación disponible, tanto en el modelo como en la formalización de los objetivos, y en la
capacidad de procesarla. Estas linútaciones hacen que el comportamiento real se aleje mucho
del considerado óptimo. Se recurre entonces a una racionalidad procedimental o acotada, que
es la que de hecho se aplica cuando, en circunstancias normales, nos encontrarnos con una
información y con una capacidad de procesarla limitadas. Esta forma de racionalidad trata de
encontrar procedimientos eficientes para calcular soluciones efectivas a problemas concretos.
Los términos optimizaci611 y satisfacción han sido propuestos para matizar las diferencias
entre los dos conceptos de racionalidad que estamos considerando. Para las situaciones en las
que la compl~jidad y la falta de una información precisa hacen que un comportamiento de una
racionalidad global no sea practicable, se propone un criterio de satisfacción, mediante el cual se
trata de identificar soluciones accesibles y satisfactorias, mediante el empleo de procedimientos
heurísticos, diferentes de la solución óptima que se determinaría algorítmicamente.
La distinción entre óptimo y satisfactorio puede ilustrarse con ayuda del juego del ajedrez.
El ajedrez es un juego fiilito, puesto que lo son el número de situaciones que pueden darse y e l
de movimientos a partir de cada una de ellas, y, en consecuencia, es concebible la existencia
de un algoritmo para llegar al jaque mate o a las tablas. Para ello habría que trazar el árbol de
decisión para tocias Jas jugadas posibles, que sería inmenso pero finito. Sin embargo. el número
de ramas del árbol alcanzaría tal magnitud que el algoritmo no sería practicable. Un algoritmo,
así concebido, corresponde a lo que hemos denominado racionalidad substantiva con respecto
al juego del ajedrez. Presupone un conocimiento exhaustivo de todas las posibilidades, y una
eventual optimiLación de este conocimiento para alcanzar el fin propuesto: el jaque mate.
Existen, sin embargo, programas informáticos que permiten ganar al ajedrez con un elevado
nivel de fiabilidad , y en unos razonables periodos de tiempo. Estos programas no consideran e l
árbol co1npleto de posibilidadest sino exclusivan1ente unos cuanlos niveles, e incluyen reglas
heurí ticas que p1iman aquellas jugadas que previa1nente han conducjdo a resultados satisfac-
torios. Cou estos programas no exjste garantía de que se conseguirá el jaque mate, sino sólo de
que se jugará correctatnente al ajedr z. Jugando correctamente se gana 1nuchas veces, y en esa
rnedída se dice que el programa es satisfactorio, aunque no 6ptin10 .. En el logro de resultados
satisfactorios desempeñan un papel determinante l tts reglas heurísticas.
En la racionalidad objetiva subyace, más o m nos explícita1nente, la presunción de que
existe· un conocimiento - lilla1nado conocimiento objetivo- con cuya posesión se está en
disposición de decidir cuál será la mejor n1anera de acruar para alcanzar unas dete111únadas
1netas (qt1e a su vez e supone que se pueden estable-eer de manera unívoca). Simon cuestiona
este punto de vista, no sólo porque dude de la posible existencia de ese conocinlie-nto objetivo
de ht rea idad (ese magno .upen11odelo que agolase su conocüniento), sino también porque
considera que, aún en el caso de que c1ristiera1 las propias limitaciones humanas en su manejo
l lo harían poco útil. Deben1os, por tanto, propone Sin1on. partir de una racionalidad acotada
con todas sus consecuencias; establecer estrategias para decidir las reglas de acción buscando
caminos al emativos en los que, desde un principio, se asuman esas liinitaciones (corno en e.l
caso del ajedrez antes mencionado).
La necesidad de este enfoque se hace especialmente patente cuando se trata con lo que de
una manera g nérica se denominan sisten1as complejos. Los sistemas que se.1nodelan mediante
la diná1nica de sistemas pertenecen a esta c]ase~ y, en consecuencia, a ellos (a sus modelos)
se pueden aplicar la~ ideas desarrolladas en torno al concepto de racionaJ idad acotada que
esta1nos con1entando. A eUo vamos a dedicar la siguiente sección.
9.5. E PRINCIPIO DE RACIONALIDAD ACOTADA Y LA DINÁMICA

D . SISTEMAS
Existe una conexión entre el principio de racionalidad acotada de Simon y la dinámica de

sistemas·1 . Como he1nos visto, el principio de racionalidad acotada establece. que la capacidad
de la mente humana para forrnular y resolver problernas complejos es pequeña comparada
con la n1agnirud del proble1na cuya solución se requiere para alcanziu- un co1nporitamiento
objet1van1ente racional, o aún para una razonable aproximación a esa racionaUdad objetiva. La
racionalidad acotada tiene importantes implicaciones en el 1nodelado del con1portamiento de
sistemas en 1os que aparecen agentes hum.anos.
Puesto que .los seres humanos tenemos una capacídad línlitada de procesar información,
ben1os desarrollado una aptitud en virtud de Ja cuatl Ia percepción de i nfonnación no es con1-
prehensi va, sino selectiva. Ante un deter.nrinado prob]e1na sólo consideran10. co1no relevantes
unos pocos factores. AqucUos que la experiencia que se tiene de situaciones análogas a la
que ahora nos ocupa ha decantado corno suficientemente sobresalientes. Al n1isn10 tie1npo, se
rechaza todo aquello que es itnpreciso y re1noto (aunque pudiera er itnportante).
Cuando un cierto si stetna alcanza un e] evado nivel de co1nplejidad hemos vi ·to en e]
capítu~o 8 que se puede recurrir a jerarquizar su estruclura. Es lo que se hace cuando se
D J. D. \.'lorecrflJ'L. r 983. ··systcm Dynal'llics: Porrny ing Buuntled Ratio11al Íly··.. o·,nego. Vol. 1l. J\ o. 2. 13 1- 142 ~J.
D. i\1orccrofL 1985. "Ral1ona 11 i ty in thc Analysi.s or Behavioral Sin1ulation r.,,;]od~ ls,., /Wa1u1geme1u Science., vol urnen
31. No. 7, 900-916.
tiene una organización compleja (grandes empresas, instituciones u otras organizaciones), y

se decide organizarla en unidades menores, cada una de las cuales pueda ser suficientemente
abarcada por los gestores puestos al frente de ellas. De este modo se llega a una estructura
jerarquizada en la que cada subwúdad de la organización tiene asignadas metas concretas. Lo
habitual es que la toma de decisiones en las subunidades se haga mediante reglas heurísticas.
Supongamos ahora que estamos representando esta organización compleja mediante un
modelo de dinánúca de sistemas. Las decisiones tomadas en cada una de las subestructuras
se representan mediante las denominadas funciones de decisión, que no son sino ecuaciones
de flujo, del tipo de las que hemos visto en el capítulo 3 (figura 9.12). Estas funciones de
decisión están basadas normalmente en reglas heurísticas y conducen a decisiones que oo
son óptimas. Esto último pochia invitar a descalificar a los modelos de dinámica de sistemas.
Sin embargo, estos modelos pretenden ser descriptivos y no normativos. Pretenden simular el
comportamiento de un sistema reproduciendo los procesos de toma de decisión en una forma
lo más cercana posible a la real, y no incorporando supuestas decisiones óptimas.
METAS
--Q-
''
' DECISIÓN
,,
I '----- - - - /
I
ACCIÓ:sJ
'
ESTADO
..... -- /
FIGURA 9.12. Las ecuaciones de flujo como funciones de decisión.
¿Cómo juzgar, en ausencia de un criterio óptimo de funcionanúenlo, la validez de una regla

de decisión? Mediante lo que se conoce como racionalidad local. Se dice que una regla de
decisión es localmente racional si da lugar a un comportamiento racional, enjuiciando éste en
el supuesto de que el entorno sea lan simple ,como supone el que toma la decisión; es decir, si
las prenúsas aceptadas por el agente fueran co1Tectas.
Las funciones de decisión que representan los mecanismos de toma de decisión de dife-
rentes agentes pueden ser localmente racionales, pero al considerar el sistema globalmente
pueden producir un comportamiento itTacionaJ (en el sentido de no deseado; por ejemplo, un
comportanúento oscilatorio en torno a la meta que se persigue). Es decir, se puede tener un
comportanúento disfuncional como consecuencia de acciones localmente bien intencionadas.
Se ha realizado un interesante experimento con el fin de ilustrar cómo el comportanúento
localmente racional de los agentes económicos puede conducir a resultados globalmente in-
satisfactorios. Este experimento está basado en un juego ideado hace unos treinta años en la
Atfred Sloan School ofManagement del MTT, para ilustrar cómo la combinación de retardos en
la transmisión de información y la estructura de realimentación negativa producen oscilaciones
en el comportamiento de un sistema.
Expfotacíón de los modelas 193
En ese juego se considera un proceso de distribución de cerveza, desde l fabricante al

consunlidor! mediante las cuatro etapas escalonadas que se indican en la figura 9.13. El fabri-
cante atiende los pedidos d l dj stribuidor- el distribuidor los del mayorista~ este último los del
minorista; y, finahnente,. el n1.inorista los del consumidor. La demanda de los consunlidores se
consjdera qu . inicialn1ente tiene un ci rto valor y que a las pocas jugadas sufre un incremento,
que se rnantiene constante e1 resto del ju ego.
PEDJDOS
-
1
~. ,- --
~
-
F,.\BRJCA
DI~TRIBUiDOR M."\YURISTA Jv11 · ORlSTA CL]ENTE.S
CERVEZA --
- s
-
~
·- -
-
CERVEZ..!\
FrGURA 9.13. Los cuatro módulos del juego de la cerveza.
El juego consiste en que cuatro jugadores tratan de asumir los papeles de fabricante,
distribuidor, mayorista y 111inorista de modo que cada uno de ellos satisface la demanda del
nivel inferior y cursa pedidos aJ superior tratando, al 1nisn10 tiempo, de conseguir que su
inventario se mantenga en un nivel razonable. Se penaliza tanto la acwnulación excesiva con10
la escasez que detemllne que en detenninadas circunstancias no se satisfaga la demanda~ Para
eUo se establecen tanto costes asociados con el mantenjnriento del inventario como costes
correspondiente al no libramiento de perndo (puesto que, en tal caso, se upone que se
cursarían los pedidos a otros sun1inistradores~ y s perdería clientela). Por consiguiente, cada
jugador debe mantener el nivel de inventario al menor nivel compatible con lar stricción de
no quedarse in existencias. Si el inventario empieza a caer por debajo de.l nivel estin1ad.o
como prudente deben cursarse los pedidos adecuados para restablecer el inventario. Sj, por el
contrario, empieza a producir"'e una acurnulación excesiva, por dis1ninución de la demanda,
los pedídos deben reducirse.
El juego consiste en que, en cada ronda, cada jugador decide un pedido, al tie1npo que se
le satisface el que realizó un ci~rto tien1po atrás. Precisamente en la existencia de un retraso de
tiempo entre la realización de un perudo y su cun1plimiento por el nivel superior correspondiente
está el origen de Los desajustes que debe resolver el jugador agente decisor.
Cadajugadorpretende tomar decisiones que sean racionales, en el sentido de que lepenrutan
alcanzar su objetivo: mantener el inventario en el nivel deseado (con lo que disminuye los
costes que penalizan un juego deficiente). Para ello dispone de una información consr tente en
el conocimi nto del nivel de su inv otario y de su cartera d pedidos, de los valores previos
de esas variables) y otra información análoga. Al nris1no tiempo, los participantes conocen el
funcionamienLo global de Ja red de distribución~ A partir de ello ton1an decisiones que resull.an
ser sólo localmente racionales.
La característica más notable de este juego son las oscilaciones que se derivan del com-
portami nto de los jugadores, oscilaciones que crecen en amplitud del minorista al mayorista,
del 1 ayorista al distribuidor y del distribuidor al fabricante. Resulta notable el observar que,
como consecuencia de un incremento en la d manda de los consumidores,. la proc;tucci~n sufre ' :
una an1plificación por un factor que nonnalment _ es mayor que seis. Este fi nómé o tle:_am.pli-
-' ~· , .. _' • : -~ . e
{m "" . - '="'·- . . , .
l~ .
J
ficación está íntimamente asociado con los retrasos que se producen a lo largo de la cadena.
Supóngase que un determinado jugador percibe un incremento considerable en su demanda.
Antes de decidirse a incrementar significativamente sus pedidos, dudará tratando de determinar
el carácter más o menos pc1manente de ese incremento (ya que si se trata de un incremento en
la demanda de corta duración podrá satisfacerla con el inventario disponible; precisamente el
objetivo de un inventario es absorber las componentes de alta frecu encia en las fluctuaciones
de la demanda). Sin embargo, debido a ese titubeo, al que se suman los retrasos en los pedidos
y en los libramientos, la demanda puede hacer que se desborde la capacidad del inventario para
satisfacerla. Por el lo, y para que el inventario vuelva a su nivel deseado, el jugador incrementará
sensiblemente los pedidos a su suministrador, por encima de los pedidos que él recibe. De este
modo se convierte en un factor de amplificación de la fluctuación en la demanda a la que se ha
visto sometido.
Como consecuencia de todo ello, se tiene un comportamiento que dista considerablemente
del óptimo. Los jugadores comprueban que son incapaces de alcanzar un modo de operación
estable para el sistema y que se producen fluctuaciones de gran ampLitud.
Los resultados del experimento muestran que los agentes reales, aunque pretenden com-
portarse racionalmente, lo hacen de modo que su comportamiento está muy alejado del óptimo.
Los agentes son víctimas de una percepción errónea de la realimentación; es decir, no alcanzan
a tener en cuenta los resultados de acciones de control que han sido iniciadas, pero que aún no
ban producido todo su efecto, debido a los retrasos a lo largo del bucle de realimentación. De
este modo aparecen comportamientos oscilatorios, que en algunos casos pueden ser particular-
mente erráticos. Aunque los agentes pretenden comportarse racionalmente lo hacen de modo
que su comportamiento resulta estar muy alejado no ya del óptimo, sino, en muchos casos,
del aceptable. La interacción entre las acciones individuales con la estructura de la red de dis-
tribució n simulada produce una dinámica conjunta que d ifiere significativa y sistemáticamente
del comportamiento óptimo.
Con ello se tiene una ilustración del hecho siguiente. En determinadas situaciones, las
causas de un comportamiento no deseado (por ejemplo, la presencia de oscilaciones) suelen
imputarse a factores externos, cuando en reaLidad está generado por las propias acciones
tomadas en el seno del sistema, que, aunque se pretenden racionales, en realidad son Ja causa
de ese comportamiento no deseado. Todo sucede como si los agentes que toman las decisiones
poseyeran un modelo mental del sistema sobre el que actúan en el que se prescinde del efecto
combinado de las realimentaciones y los retrasos a lo largo de la estructura. Los agentes se
comportan como si asumieran que el comportamiento se generase a partir de actuaciones
exógenas, prescindiendo de la realimentación presente en el sistema. Este modelo menta]
recoge la tendencia a achacar a factores externos la causa del comportamiento, sin percibir
que es en su propia estructura donde residen las causas de ese comportamiento. Es e l propio
modelo mental de Jos agentes, limitado e incorrecto, el responsable de la ineficiencia de sus
acciones.
Se va a dedicar este apéndice a describir las característica prjncipales de Ios entornos
informáticos específicos d ]a dinámica de sistemas. No se pretende con1parar entre sí estos
entomosJ entre otros motivos porque se ·trata de productos que evolucionan continuan1ente, de
manera que constantemenLc salen al 1nercado nuevas versiones con nuevas caracterísiticas que
harían que n1uy pronto la comparación quedara obsoleta.
Existen entornos para diversos tipos de co1nputadores (normalmente PC o Macintosh)~
Entr los más extendidos se encuentran DYNAMu, STELLA, lTH1~K, Po\~iERS1rv1 y V EN lt\-1.
Ya se ha comentado que existen en estos entornos dos fom1as distintas de introducir un
modelo: en algunos el rnodo de trabajar es silnilar al de los lenguajes de prograrnación de
propósito general,. e.s decir,, con un editor de texto se escriben tas instrucciones que definen el
modelo; en otros, sin embargo, fa programación e.s de forma gráfica: se e1npieza dibujando en
el computador el diagrama de inHuencias o el diagrama de Forrester del 1nodelo y después se
con1pleta la ioformac1ón introduciendo 1as ecuaciones o constantes necesarias para cada uno
de los elen1entos. Algunos entornos permiten trabajar con a1nbas n1odalidades.
Los lenguajes de programación que utilizan estos entornos! además de per1nitir escribir ias
ecuaciones de las variable de nivel, de flujo y auxiliares., llevan incorporada.. diversas fun-
ciones para hacer n1ás cón1oda la escritura de un modelo. A.sí . norn1al1nente lienen funciones
para n1odeiar retraso , calcu1ar el núnimo o máximo de dos cantidades, realizar operaciones
t alternativas (con10 la que se denominó IF en la sección 4.6), etc. En el caso de que el progran1a-
dor necesite utilizar una funci6n compleja que no viene incorporada en ,el lenguaje es posible,
a veces, escribir esta función en un lenguaje de propósito general (como el C). Sin e1nbargot
éste es un procedilniento complejo que sola1nente se reconlienda a progran1a9or ,.
_S avanzados.
1
Otra característica de estos lenguaje es la posibilidad de utilizar la no ció "ae vectóres

y matrices. Con ello se consigue evitar escribir ecuaciones muy parecidás bteviá·n~ol~s en
una sola+ Por ejemplo, al escribir un modelo demográfico, con la poblaci .. ~ .s~~ _a ~por
grupos de edades (niño · jóvenes, adultos y ancianos), si alguna ecuacío e · t é. tieá_.:Para
los cuatro grupos se puede resu1nir en una sola ecuación indicando que se de ., ,gJi, ~:cada
195
uno de los grupos. De esta manera se pueden escribir de forma cómoda modelos en los que
el número de grupos es muy grande. Además, suelen existir funciones para el tratamiento de
estas matrices como, por ejemplo, para calcular la suma de todos los elementos.
Respecto al tamaño máximo de los modelos que se pueden construir, los entornos han
evolucionado mucho desde sus orígenes. En un principio, el tamaño máximo venía fijado
por las limitaciones del e ntorno. Hoy en día, con el uso de sistemas operativos con memoria
virtual, este límite no viene impuesto por la herramienta informática, sino por la capacidad del
ordenador que se esté utilizando. Esto permite, en caso de llegar al límite, seguir trabajando
con tan sólo ampliar o cambiar el computador, en lugar de tener que cambiar de lenguaje (con
la consiguiente pérdida de tiempo en traducir el modelo).
Otras características de los entornos informáticos para la dinámica de sistemas son las
relacionadas con la manipulación de los resultados de las simulaciones. Suelen incorporar
funciones de presentación gráfica de estos resultados, incluyendo la posibilidad de comparar
los de varias simulaciones entre sí. También permiten presentar los datos de forma tabular. Otra
alternativa es la posibilidad de exportar los datos para su tratamiento posterior con otro tipo
de entornos, como, por ejemplo, una hoja de cálculo. También se suele permitir la operación
opuesta: importar datos de otro programa para utilizarlos como variables exógenas. Algunos
entornos incorporan también funciones de análisis estadístico de los datos.
Una posibilidad muy interesante que tienen ciertos entornos es la de utilizar funciones
de optimización como ya se comentó en la sección 6.4. De esta manera se pueden ajustar
los parámetros del modelo resolviendo un problema de optimización; o tambié n es posible
encontrar los valores que hacen que el comportamiento del modelo sea óptimo (por ejemplo,
que se maximicen los beneficios de una empresa).
Por último, suele existir la posibilidad de "jugar" con el modelo. Con este término (del
inglés game) se alude a la característica de algunos entornos que permite que, en el transcuso
de una simulación y en determinados instantes de tiempo, el usuario pueda cambiar los valores
de c iertas variables. Estas variables suelen estar relacionadas con magnitudes sobre las que,
en el sistema que se pretende modelar, un agente humano debe tomar decisiones. Estos juegos
pueden tener dos objetivos diferenciados: por un lado, permiten entrenar al usuario para un
posterior enfrentamiento al sistema real; por otro, permiten incluir al agente humano en el
modelo, con lo que se pueden hacer simulaciones sin tener que modelar el proceso de toma de
decisiones del pensamiento humano. En este último caso se suelen hacer experimentos varian-
do la persona que juega con el modelo para, posteriormente, hacer un tratamiento estadístico
de los resultados. En la sección 9.5 se comentó un ejemplo de uno de estos experimentos.
Bibliografía básica
FoRRESTER, J. W. ( 1961): Industrial Dynarnit·s. Productivity Pres s.

FoRRESTER, J. W. (1968): Principies oj'Sysce,ns. Productivjty Press~
MEADOV{S, D. L. ( 1970): Dynamics ofComrnodity Production Cycle.r. Productivíty Press.
ForUtESTER, J. W. ( 1975): Collecied Papets of~Ja)' W Forrester. Productivity Pres s.
MASS, N·. J~ ( 1975): Econotnics Cycles: An Analisis of· Underlying Causel". Producúvity Press.
MARTÍNEZ V1cENTE, S. ( l 986): Diná111ica de siste11las (2 volfun.enes)~ Alianza Editorial.
MARTÍ~EZ VtcENTE, S., y A. R EQUE:"JA (19'88): Si,nulación dinámica por ordenador. Afianza Edi-
toriaL
Cov E, R. G. (1996): System dyna,nil·s 1nodetling: a practical apptvach. Chapn1an and Hall.
Dinámica urbana
t FORRESTER J. W. (1969); Urban Dynamics. Productivity Press.
AL FELD, L~ E+., y A. K. GRAHA\1 ( 1976): lntroduc:.tion to Urban Dyna,nics. Productivity Press.
Modelos g]oba1es
M EADO\VS, D. H. , D. L. MEADO\VS, J. RA~DERS y W. W. B HR ENS 111 (1972): Lns .límites del

crecirniento .. Fondo de Cultura econó.1nica.
FoRRESTER J. W. (1973): World Dynamics (2. º· ed.)~ Productivity Press.
M EADO\VS,. D L., y D. H. ME.A DO\VS ( eds.) ( 197 4 ): To1vard Global EquilibriI,,n: Collected Papers.
4
Productivity Press. .. . t , : ·
MEADO\.VS, º~ - -
H~, D. L;; MEr.\DO\.VS y J.
~
RANDERS ( 1994):
~
Más allá de los /{~(tes. del creciniiento
(3. n. ed.). El País-Aguilar. l-~ · I ··
Aplicaciones en gestión
CoYLE, R. G. ( 1977): Management System Dyruunics. John Wiley & Sons.

RoBERTS, E. B. (ed.) (1978): Manag eriol Applications of s·)stem Dyna1nics. Productivity Press~
LYKEIS, J. M. ( 1980): Corpora1e Plan11i11g and Policy Design. Productivity Press.

SENGE, P. M. (1992): la quinta disciplina. Granica.
MoRECROFl, D. W., y STERMA 'I, John (eds.) ( 1994): Modellingfor leaming organizations. Produc-
tiviLy Press.
Modelos económicos
STERMAN, J. D. (1985): «A Behavioral Model of lhe Economic Long Wave». Joumal o/Economic
Behavior tmd Organiz.atio11 6 (1 ): 17-53.
FoRRESTER, J. W. ( 1989): «Toe System Dynam.ics National Model: Macrobehavior from Mi-
crostructure». En P.M. Milling y E. O. K. Zahn (eds.), Compurer-Based Manageme111 o.f
Complex Systems: lnternatio11a/ Sys1em Dynamics Confere11ce. Springer-Yerlag.
Metodología
LEGAST<>, A. A. Jr., J. W. FoRRCSTER y J. M. LYNEIS (eds.) ( 1980): System Dynamics. TIMS Studies
in 1he Manageme111 Sciences, vol. 14. North-Holland.
RANDERS, J. (ed.) CI 980): Eleme111s o.f the Sysrem Dynamics Me1hod. Productivity Press.
R1cHARDSOI\, G. P. , y A. L. Pl GH, ID (198 1): /n1roduc1io11 to System Dynamics Modeling with
DYNAMO. Productivity Press.
RoBERTS, N., D. F. ANDERSEN, R.M. DEAL, M.S. GRANT y W. A. SHAFFER (1983): b11roduc1io11
10 Co111p11ter Sim11/a1ion: A System Dynamics Modeling Approach. Addison-Wesley.
WoLSTCl>IIOLME, E. F. ( 1990): System E11q11iry - A System Dynamics Approach. John Wiley.
YENNIX, J. A. M. ( 1996): Group model building. Facilitating ream learniflg 11si11g system dynamics.
John Wiley & Sons.

Javier Aracil - Francisco Gordillo - Dinámica de Sistemas

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

Javier Aracil - Francisco Gordillo - Dinámica de Sistemas

Cargado por

Copyright:

Formatos disponibles

Javier Aracil y

'' ---- ......

© Javier Aracil y Francisco Gordillo

CA.P ÍTULO l. Moo LOS DE SIMULACIÓN 1 · FORMÁTI A DEL corvtP(JRTA~tfENTO ... 11

CAPÍTULO 2, EL J\.1 _NTQS BÁSICOS DE LJ . L · GUAJE SISTÉMJCÜu1u+•11H11•n .. ••• .. ••""" 25

2.3.1. Arquetipo del crecimiento si.gmoidal .............................. ~· ... :,~ _. .u··

CAPÍTULO 3. MODELADO MEDIANTE DfNÁMICA DE SISTEMAS................................. 55

CAPÍTULO 4. EJEMPLOS ELEMENTALES DE MODELOS............................................... 83

CAPITU LO 5. CONSTRUCCIÓN DE MODELOS NO ELEMENTALES EN DINÁMICA DE

CAPÍTULO 6. MÉTODOS AUXILIARES DE LA DINÁJ\IUCA DE SISTEMAS...................... 121

6.2.2 . . Ejemplo: linealización del modelo de desarroijo de un área in-

miento de un área industrial .................................................................. . 135

CAPÍTU o 8. STST JvfAS CO~IPLEJOS .... u111u11u111u1nu1n .............................................. u.. 153

1.1.1. Concepto de sistema

precisamente el sisten1a. Un sistema se nos n1anifiesla con10 un aspecto de la realidad dotado~de.. 0

FIGURA l. l. Grafo que representa un sistema.

que aumentan la que hacen distninujr la

Nacimientos Población Muertes

hace que aun1enten los

FIGURA 1.2. Grafo de un. siste111a de,nográficn.

1.1.2. La estructura de realimentación

Una estructura básica en el estudio del comportamiento de un sistema es la estructura de

FIGURA 1.3. Proceso de llenar un vaso.

En la figura 1.4 se ha superpuesto al dfüujo de la figura 1.3 un diagrama en el que de fonna

bucle de realimentación, ya que n .él se produce una transmisión qe información circular de .

1.1.3. Dinámica y comportamiento -

FLGURA 1.6. Trayectoria que describe el comportamiento de una magnitud x.

1.2. CONC PTO DE MODELO

al referirnos a una maqueta que pretende reproducir un determinado aspecto de la realidadw

modelo M es un instrumento que ayuda a O a responder preguntas acerca de un aspecto de la

El co1nputador u ordenador es un instrumento de considerable universalidad que puede con-

de técnica inforn1átícas y maten1áticas, es posible pasar de la descripción de un cierto sistema,

estructura -: ]> trama de relaciones

con1portamiento . ,;,. .-:-> trayectorias

Por tanto! si a partir de la trama de relaciones se pudiesen obtener las trayectorias, se

1.5~ CAMPOS DE APLICACIÓN DE LA DINÁMICA DE SISTEMAS

4 J. W. ForrcMcr. 1969, Urba11 dy11amics, Productivity Prcss.

° C. Jacobscn y R. Bron~on, 1985, Si11wla1i11[1 1•iolmors. ORSA.

2.3.1. Arquetipo del crecimiento sigmoidal

Al considerar el proceso de crecimiento asociado a un bucle de realimentación positiva

FIGURA 2. 17. Diagrama de un sistema de crecimiento de una poblaci6n.

1 P. Scngc. 1990. Tite Fifrh Di.vcipline, DoubleDay.

IGURA 2. 18. Diagra,na genérico de un isten-za que presenta crecimiento ·igmoidal.

FIGURA 2.19. Crecimiento sigmoidal.

2.3.2. Formulación matemática de un crecimiento sigmoidal

En la figura 2.20 se muestra la estrucn1ra básica de un sistema en el que coexisten un

siendo J1, 1 l flujo asociado al bue.le de reallinentación positiva y F2 el correspondiente a la

es el negativo. El caso intermedio k1 = k2 es un caso de transic16n.

n Ja figura 2 .22. Por tanto, en ninguno de ellos se produce el crecimiento sigmoidal.

FIGURA 2+21. Fonnagráficade la relación entre F y x, según losvalores relativos,de k 1 y k 2 .

Un caso en el que el crecin1iento sigmoidal se produce es a,quel n el cual las relacione.s

FIGURA 2.22. Comportamientos d e x según los valores relativos de k, y k 2 •

FlGURA 2.23. Formas no lineales de las relaciones entre F y x.

FIGURA 2.24. Relación conjunta entre F y x.

G A 2.25. Comportamiento sigmoidal con especificación de la dominancia relativa de

2.3.3. Arquetipo de la adicción

F lGlJRA 2.26. Diagrama de influencias del problema del estrés.

FIGURA 2.27. Diagrama de influencias del arquetipo de la adicción.

FIG RA 2.28. Diagra,na de influencias del arquetipo de la dependencia energética.

FIGURA 2.29. Diagrama de influencias del arquetipo de la erosión de metas.

2.3.4. Arquetipo del crecimiento con inversión insuficiente

2 J . W. Forrcslcr, 1975. Collecied Papers, Produc1i11i1y Press. capí1ulo 7.

FrGL1RA 2.30. EPolución de la.ft ventas en los tres ¡Jrimeros afios.

--- ... __ ,,.