1

CAPÍTULO 8

EL CONCEPTO DE DEMORAS
ESTRUCTURAS BÁSICAS

8.0 Introducción. Un aspecto que causa comportamientos complejos difíciles de prever con el
simple uso de la razón es la existencia de lazos de retroalimentación estudiados en los capítulos
anteriores. La otra característica de la complejidad es la presencia de demoras en el sistema. Si ante
una acción la respuesta o reacción fuera inmediata, el control (la predicción) sería relativamente
sencillo. En cambio, si existe una demora, tal control presenta dificultades. Parte de este capítulo se
dedicará a tan importante tema.
Por otra parte profundizaremos un poco más en el modelado utilizando la dinámica de sistemas.
Modelaremos un termostato y estudiaremos la dinámica de los recursos no renovables y de los
recursos renovables. Analizaremos un modelo de “Predador-presa” que genera un sistema
oscilatorio. También estudiaremos el arquetipo: “Límite del crecimiento”.
8.1 Demoras (retrasos). En general, las demoras son parte fundamental de cualquier sistema
dinámico. Existen demoras tanto en los flujos como en la información. Una demora o retardo se
presenta cuando existe un intervalo de tiempo entre una acción y el efecto que de ella esperamos.
Por ejemplo, queremos llenar una piscina, mas no podemos hacerlo en forma instantánea; el
proceso toma un tiempo. Leemos un texto y no siempre comprendemos inmediatamente todo su
contenido; nos toma un tiempo madurar las ideas allí expresadas.
Las demoras son, pues, naturales en los sistemas. D.H. Meadows (2008) resalta el hecho de que a
un nivel le toma tiempo cambiar, porque a los flujos les toma tiempo fluir, concepto fundamental
para comprender el comportamiento de los sistemas. Los niveles cambian lentamente. Ellos
“representan demoras, brechas, tapones, lastres, o fuentes de un sistema” como se dijo en el
capítulo sexto. Cuando un nivel tiene un valor considerado grande para la dinámica del sistema, el
tiempo de respuesta es muy lento, independientemente de los cambios, abruptos o no, de los flujos
de entrada o salida.
Una población no crece o decrece en poco tiempo, un bosque no se desarrolla instantáneamente,
una mina no se explota en un día. Un país, por más rico que sea, no puede construir autopistas,
industrias o carreteras de la noche a la mañana. Igual ocurre con la contaminación. Aumentar o
disminuir un nivel no puede hacerse en tiempos cortos, con respecto al tiempo normal de la
dinámica del sistema.
Esto puede ser una molestia, pero también es la garantía de estabilidad. Así como tomó tiempo la
formación de un bosque, también tardará tiempo en extinguirse ante la erosión de su suelo; la
erosión se toma su tiempo. Normalmente los flujos de entrada y de salida obran
independientemente, lo que evita que sean iguales. El flujo de crecimiento de los árboles es
diferente al flujo de tala de los mismos; de la forma en que se manejen, tendremos su permanencia
o colapso. Tales comportamientos dependen de los lazos de retroalimentación de las entradas y de
las salidas del sistema. Esto en cuanto a los flujos.
 2

En cuanto a la información, en general la que llega al flujo desde el nivel no es instantánea; puede
estar distorsionada (errores en el código de información, mala intención) o demorada (a través de
documentos escritos, solicitudes etc).
Tenemos, pues, dos tipos de demoras: en los flujos y en la información.
8.1.1 Demoras en los flujos. De acuerdo con lo anterior prácticamente en todos los canales de
flujo existen demoras. Sin embargo, las que deben tenerse en cuenta son las representativas, es
decir, aquellas que producen efectos importantes: nos referimos a las que, con respecto a otras, son
notorias en cuanto a su duración e impacto. Como lo expresa Forrester [Dinámica Industrial, 1972,
p.85]:
Siempre se utilizarán dos tipos de simplificaciones con el objeto de reducir la cantidad de puntos en
que las demoras deben tener entrada para la formulación del modelo. En primer lugar, muchas demoras
del sistema se considerarán cortas, por lo cual su efecto es descartable comparado con el de otras más
largas o más significativamente ubicadas que deben incorporarse. En segundo lugar, las demoras
surgidas de procesos separados y reales, escalonados uno después del otro, a menudo pueden
combinarse en una sola representación de demora. Además, las demoras de las ramas paralelas que
entran en un canal común, habitualmente pueden combinarse mediante su traslado a dicho canal.

Las demoras en los flujos tienen una duración conocida. Reflejan el tiempo que tarda el flujo en
“atravesar” el “tubo” que lo conduce. Es el tiempo que tarda una casa en ser construida, un pedido
en ser entregado. Las tasas de entrada y las de salida están separadas por un nivel. Una tasa de
salida es una tasa de entrada demorada en un intervalo de tiempo. Si un flujo de entrada es de 10
litros por segundo, y el de salida de 6 litros por segundo, hay un “retraso”, una “demora” de 4 litros
por segundo. En cada segundo que transcurra, el nivel “retendrá” (demorará) 4 litros. Esta demora
puede ser fija, como en este ejemplo, o variable, como ocurre cuando el flujo de salida varía; tal es
el caso del flujo de consumo de agua en la represa modelada en el capítulo 1. En Vensim (y en
cualquier otro tipo de software) existen funciones para modelar estas demoras como lo veremos en
lo que sigue.
Ejemplo 8.1 Un nivel, inicialmente con un valor de cero unidades, tiene un flujo de entrada de 40
unidades/min. Simule el sistema con flujos de salida de valor 1 y 2 min de tiempo promedio,
respectivamente. Nótese que en este ejemplo el flujo de salida está controlado por el nivel. El
diagrama de Forrester se ilustra en la figura 8.2.

T. promedio

NIVEL
F. entrada F. salida

Efecto del tiempo promedio en la salida.

Fig. 8.2
 3

Utilizando Syntesim obtenemos los resultados indicados en la figura 8.3. Se escogió como variable
a graficar el “F. salida” y la opción “Causes strip”.

Time NIVEL (T NIVEL (T "F. salida" T. "F. salida" T.

(min) prom. =1) prom. =2) prom.=1) prom.=2)
0,00 0,000 0,000 0,000 0,000
0,25 10,000 10,000 10,000 5,000
0,50 17,500 18,750 17,500 9,375
0,75 23,125 26,406 23,125 13,203
1,00 27,344 33,105 27,344 16,553
… … … … …
14,75 40,000 79,970 40,000 39,985
15,00 40,000 79,973 40,000 39,987

Efecto del tiempo promedio en los flujos de salida

Fig. 8.3
Consideremos el siguiente análisis. El flujo de entrada es el mismo para las dos corridas: 40
un/min. La gráfica superior muestra el impacto de la variación del tiempo promedio cuando pasa de
1 minuto (gráfica punteada) a 2 minutos (gráfica continua). Nótese que para ambos tiempos el
sistema se estabiliza cuando el flujo de salida se iguala con el flujo de entrada: F. entrada = F.
salida = 40 un/min.
La gráfica inferior muestra que cuando el tiempo promedio de flujo de salida es de 1 minuto el
tanque tiende a llenarse con un valor de 40 litros. Para el caso de un tiempo promedio de 2 minutos
(línea punteada), el nivel del tanque llega a 80 litros. Esta observación es de gran importancia. El
tiempo promedio genera una demora en la dinámica del sistema: hay más demora con un tiempo
promedio de 2 que con un tiempo promedio de 1, como era de esperarse.
 4

Obsérvese que la estabilización del sistema depende directamente del valor del tiempo promedio
(no debemos confundir este tiemplo con Dt que es el intervalo de tiempo para realizar los cálculos).
Además, la cantidad en tránsito durante este tiempo, es decir, el valor del nivel, es igual al producto
del flujo de salida, por dicho tiempo promedio. En otras palabras, el tiempo promedio es el tiempo
que gasta cada unidad en el nivel.
8.1.1.1 Demoras en los flujos: demoras de primer orden. Estas demoras corresponden a una
función exponencial negativa. El orden de una demora se refiere al número de niveles necesarios
para expresarla. Por lo tanto, la de primer orden se simula con un nivel y un flujo de salida.
Ejemplo 8.2 Una empresa debe entregar 200 unidades. El tiempo promedio en la entrega es de 6
días. Simule Ud. la forma como las entregas serían hechas si se siguieran demoras de primer orden.
Simule con a) Dt = 1, b) Dt = 0.5. ¿Qué conclusiones saca Ud.?
El diagrama es el siguiente. Se ha identificado al nivel, al flujo y al tiempo promedio con un guion
y el número 1 (“-1”) con el fin de resaltar que se trata de una demora de primer orden.

T. I-1

NIVEL I-1
F. salida I-1
Diagrama para una demora de primer orden.
Fig. 8.4

Sabemos que:
Valor inicial del nivel: NIVEL I-1 = 200, T I-1 = 6 y F. salida I-1 = NIVEL I-1/T I-1.
Propondremos un valor de Dt = 1, lo cual da resultados menos exactos (desde el punto de vista
matemático, como ya lo sabemos), pero nos facilita el análisis.
La gráfica correspondiente se muestra en la figura 8.5. Como puede observarse, tanto el flujo como
el nivel siguen un patrón exponencial similar.
Selected Variables
40 unid/día
200 unid

20 unid/día
100 unid

0 unid/día
0 unid
0 4 8 12 16 20 24 28 32 36 40
Time (día)
"F.salida I-1" : Current unid/día
"NIVEL I-1" : Current unid
Demora exponencial (orden 1).
Fig. 8.5
 5

La siguiente tabla muestra algunos de los cálculos correspondientes a las gráficas de la figura 8.5.
Tiempo
"F. salida I-1" "NIVEL I-1"
(días)
0 33.3333 200
1 27.7778 166.667
2 23.1481 138.889
3 19.2901 115.741
… … …
24 0.419304 2.51582
25 0.34942 2.09652
26 0.291183 1.7471
27 0.242653 1.45592
28 0.202211 1.21326
29 0.168509 1.01105
30 0.140424 0.842544
Resultados de la simulación del diagrama de la figura 8.4
Fig. 8.6
Recordemos que los flujos de salida son entre períodos. Así, el flujo 33.33 corresponde al rango
[0,1], que es el primer día.
De los datos podemos concluir que el primer día, se despachan 33 (33.33) artículos quedando 167
(166.67) por entregar; el segundo, 28, es decir, un total de 61, quedando pendientes de entregar 138
(138.889); el tercer día salen 23 artículos (23.15), y así sucesivamente.
Si la simulación hubiera sido con Dt = 0,25, el flujo correspondiente al intervalo [0, 0.25] sería
también 33.33. El número de artículos despachados en este intervalo serían 0.25*33.33 = 8
unidades. Los cálculos para el primer día serían: 0.25*(33.3333+31.9444+30.6134+29.3379) =
31.3, es decir, 31 unidades. La diferencia con el valor de 33 se debe al cambio de precisión que
introduce Dt=0.25 en lugar de Dt=1.
Este comportamiento es muy similar a la forma como algunos gastan el sueldo cuando lo reciben:
el pago de deudas acumuladas fuerza a que inicialmente se consuma gran parte del dinero recibido.
8.1.1.2 Demoras en los flujos: demoras de segundo y tercer orden. El comportamiento
anterior no es lo común. Generalmente existe una respuesta inicial baja que se intensifica en el
tiempo y luego se va amortiguando hasta cubrir lo solicitado. La curva de la dinámica respectiva
tiene una forma acampanada.
Para simular este tipo de demoras, la Dinámica de Sistemas define dos tipos de diagramas. El uno,
para demoras de orden 2, y otro, de orden tres. La figura 8.7 los ilustra. La demora a la que se hace
referencia es el comportamiento mostrado por el tiempo promedio que demora cada unidad en el
nivel-II o en el nivel-III según sea el caso.
 6

Ejemplo 8.3 Simule Ud. el ejemplo 8.2 como una demora de orden 2 y de orden 3 respectivamente.
Dt = 1.

T I-2 T II-2

NIVEL I-2 NIVEL II-2

F. salida I-2 F. salida II-2

NIVEL I-3 NIVEL II-3 NIVEL III-3

F. salida I-3 F. salida II-3 F. salida III-3

T I-3 T II-3 T III-3

Demora de segundo y tercer orden.

Fig. 8.7
El tiempo de demora total es de 6. En el caso de segundo orden, se subdivide en dos demoras
parciales cada una de valor 3. En el de tercer orden, los tiempos de demora asignados a cada flujo
son de 2.
Las ecuaciones para las Demoras segundo orden son:

NIVEL I-2 = 200

F. salida I-2 = NIVEL I-2/T1-2
T1-2 = 3
NIVEL II-2 = 0
F. salida II-2 = NIVEL II-2/T2-2
T2-2 = 3.
Para las de tercer orden:
NIVEL I-30 = 200
F. salida I-3 = NIVEL I-3/T1-3
T1-3 = 2
NIVEL II-30 = 0
F. salida II-3 = NIVEL II-3/T2-3
T2-3 = 2
NIVEL III-30 = 0
F. salida III-3 = NIVEL III-3/T3-3
T3-3 = 2.
 7

En la tabla de la figura 8.8 se indican algunos resultados numéricos.

Tiempo
"NIVEL I-2" "F. sal. I-2" "NIVEL II-2" "F. sal. II-2"
(mes)
0 200 66,66666 0 0
1 133,33334 44,44445 66,66666 22,22222
2 88,8889 29,62963 88,88889 29,62963
3 59,25927 19,75309 88,88889 29,62963
… … … … …
17 0,20299 0,06766 1,72543 0,57514
18 0,13533 0,04511 1,21795 0,40598
19 0,09022 0,03007 0,85708 0,28569
20 0,06015 0,02005 0,60146 0,20049

Datos numéricos de los modelos de la figura8.7.

Fig. 8.8

Las gráficas correspondientes se muestran en la figura 8.9.

Observe los quiebres que se forman en la gráfica en la parte superior. Esto se debe a que Euler no
es muy preciso como se indicó en el capítulo 5. Por otra parte el valor de Dt ayuda a esta
imprecisión.

Selected Variables
90
80

45
40

0
0
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
Time (Month)
"NIVEL II-2" : Current
"NIVEL III-3" : Current

Demoras de orden 2 y 3, en forma de campana.

Fig. 8.9
Cambie la opción “Euler” por “RK-4 auto” (Model Setting). Aparece un mensaje advirtiendo sobre
un error en el proceso de integración. Aún con un valor de Dt = 0.5 el error subsiste.
Cambie el valor de Dt a 0.25, utilizando Ruge-Kutta. La gráfica toma una forma más suave.
Incluso, con este mismo valor de Dt y usando Euler la gráfica toma una forma más cercana a la
realidad.
 8

8.1.2 Información: demoras de primer orden.

En un sentido general la información es un conjunto de datos, que procesados y organizados
constituyen un mensaje. Este mensaje afecta al sistema que lo recibe. Para el caso de la dinámica
de sistemas, la información es la manera como los niveles afectan a los flujos. Como se explicó en
el capítulo anterior, mientras que en el flujo lo que circula es materia y energía, entre niveles y
flujos sólo puede fluir información. Como ya se dijo, en general esta influencia puede sufrir
retardos, es decir, no ser instantánea.
En términos de Forrester [1972, p. 15]:
El sistema de realimentación de información existe cuando el medio conduce a un acto decisivo cuyo
resultado es una acción que influye en el medio y, por lo tanto, en las decisiones futuras.
Esta definición abarca todas las decisiones conscientes y subconscientes tomadas por un individuo.
Incluye también las decisiones mecánicas adoptadas por aparatos llamados servomecanismos.

Como se indicó en el capítulo anterior, las demoras en la información son un “nivel aparente”. Para
analizarlas se utiliza el concepto de ajuste de datos. De estos se destacan dos: los promedios
móviles y los ajustes exponenciales. Como veremos, su expresión matemática tiene la misma
estructura que las demoras generadas en los flujos.
Consideremos la siguiente situación. Para definir la producción bien sea diaria, semanal o mensual,
es común utilizar datos anteriores de ventas, si no se dispone de algún mecanismo que permita
predecir, con cierta certeza, cuál será el movimiento del ciclo siguiente.
Una propuesta, conocida como promedios móviles, consiste en tomar períodos de tiempo anteriores
(tres, cuatro, cinco) y promediarlos; el resultado es la “predicción” de lo que se debe producir en el
período siguiente: es la venta que se considera, va a ocurrir. Una vez transcurrido el período, las
ventas reales se incorporan al modelo. Se promedian ahora las ventas reales de este día con los dos,
tres, cuatro valores de las ventas reales inmediatamente anteriores y de nuevo se calcula el
promedio. Esto implica que la información que el nivel le envía al flujo está retardada y
distorsionada.
La tabla de la figura 8.10 muestra las ventas diarias de un producto.

t Ventas xi P.M.
1 100,0
2 115,0
3 96,0
4 94,0 103,7
5 106,0 101,7
6 101,0 98,7
7 89,0 100,3
8 95,0 98,7
9 102,0 95,0
10 104,0 95,3

Promedios móviles para calcular las ventas de un producto.

 9

Fig. 8.10
Aunque la tabla anterior contiene las ventas de los primeros diez días, debemos considerar que
cada día que se considere sólo posee los datos de los días anteriores, ya que lo que se desea es
predecir las ventas del día en consideración. La columna del tiempo (t) indica los días del mes.
Vamos a calcular los promedios con tres datos. El primer día se vendieron 100 unidades, el
segundo, 115 y el tercero 96. Los primeros tres días no tendrán cálculo posible. Para predecir las
ventas del cuarto día, (recuerden que sólo se conocen los tres días anteriores, el valor de 94
artículos vendidos sólo se conocerá al final del día), calcularemos el valor de (96+115+100)/3 =
103.7. Por lo tanto, para el día 4 la producción propuesta es de 104 artículos. Lo que realmente se
vendió fue 94. Las predicciones para el día 5 se harán con base en el valor de (94+96+115)/3 =
101.7. La producción será de 102. Las ventas reales fueron 106. Esta será la producción
programada para ese día. Recuerden que, del día anterior había un sobrante de nueve unidades.
Sin embargo este cálculo le da igual peso a los valores anteriores considerados. Una idea más
cercana a la realidad es darle más peso al cálculo más reciente y así sucesivamente. Esto genera lo
que se conoce como un promedio exponencial.
La ecuación que permite calcular los promedios exponenciales es:

PEi+1=PE i + ( T1 )(x −PE )

i i (8-1)

La variable xi es el valor real del día anterior.

En otras palabras, el promedio exponencial de hoy es igual al promedio exponencial de ayer más la
diferencia entre las ventas de ayer y el promedio de ayer, divididos por T.
La fórmula (8.1) es estructuralmente igual a la ecuación de un sistema que busca una meta
ajustando su flujo: ecuación (6-4) que genera un retardo exponencial.
Tomando la tabla de la figura 8.10, los promedios exponenciales correspondientes, serían, si
tomamos 3 datos anteriores (figura 8.11):
En t = 1 se toma el valor del dato del primer día, por no tenerse promedio exponencial calculado.

Para t = 2: PE2 = PE1 + 1/3 (x1  PE1) = 100 + 1/3 (100-100) = 100.
En t = 3 tenemos: PE3 = PE2 + 1/3 (x2  PE2) = 100 + 1/3 (115 – 100) = 105.

De forma similar se calcular los otros valores.

Recuerde. La tabla de la figura 8.10 indica promedios móviles. La de la 8.11 promedios
exponenciales.

t Datos Exp.
1 100 100,00
2 115 100,00
3 96 105,00
4 94 102,00
 10

5 106 99,33
6 101 101,56
7 89 101,37
8 95 97,25
9 102 96,50
10 104 98,33
Promedios exponenciales para calcular las ventas de un producto.
Fig. 8.11
Las gráficas relativas a ambos tipos de promedio, se indican en la figura 8.12.
150
100
50
0
0 1 2 3 4 5 6 7 8 9 10
Promedios exponenciales

Continua: promedios móviles. Trazos: promedios

exponenciales
Fig. 8.12
Ejemplo 8.4 Utilice la teoría anterior para calcular, con la dinámica de sistemas, los promedios
exponenciales de la tabla 8.11.
A partir de la ecuación (8-1) podemos escribir:
150
100 PROM. EXPt+1 = PROM. EXPt + Dt (Flujo de ajuste)
Flujo de ajuste = Diferencia/T
50
Diferencia = (Dato – PROM. EXPt)
0
0 1 2 3 4 5 6 7 8 9 10 Como podemos observar, esta ecuación queda expresada en
Promedios móviles términos de niveles y flujos. El siguiente diagrama de
Forrester ilustra lo indicado.
T

PROMEDIO
F. ajuste

<Time>
Diferencia
Dato
 11

Diagrama de demoras exponenciales en la información.

Fig. 8.13
Las ecuaciones, en Vensim, son:
Dato = WITH LOOKUP (Time,([(1,80)-(10,120)], (1,100), (2,115), (3,96), (4,94),
(5,106),(6,101),(7,89),(8,95),(9,102),(10,104) ))
Diferencia=Dato-PROMEDIO
"F. ajuste"=Diferencia/T
FINAL TIME = 10
INITIAL TIME = 1
PROMEDIO= INTEG ("F. ajuste",100)
T=3
TIME STEP = 1
Al correr el modelo obtenemos los mismos valores que aparecen en la tabla de la figura 8.11.
8.1.3 Cálculo de las demoras en Vensim.
En Vensim existen varias funciones que llevan a cabo los cálculos aquí mencionados. En el caso de
las demoras en los flujos veamos las siguientes.
1) DELAY1, DELAY1I. La función se define: DELAY1(input, delay time). Es la demora
exponencial. El valor inicial es el valor de la entrada (input) al iniciar la simulación. Existe
también la función DELAY1I(input, delay time, initial value) que es una demora exponencial
con condición inicial. Ambas generan una demora exponencial del valor de entrada (input). Las
unidades de estas funciones serán en las unidades de la entrada (input), retrasadas el tiempo
especificado como “delay time”.
Ejemplo 8.5 Simule el ejemplo 8.2 pero en lugar de iniciar con un nivel de 200 unidades,
considere que su valor es cero y proponga un flujo de entrada que, instantáneamente eleve el
valor del nivel a 200 unidades. Dt = 1.

El modelo respectivo se ilustra en la figura 8.14.

Demora de primer orden usando la función DELAY1

Fig. 8.14

Las ecuaciones son:

"Delay1(200, 6)"=DELAY1( "F. entrada" , 6 ) Units: **undefined**
"F. entrada"=200*PULSE( 0 , TIME STEP) Units: Dmnl
 12

FINAL TIME = 40 Units: día

INITIAL TIME = 0 Units: día
TIME STEP = 1 Units: día
Observe que el nivel ha desaparecido del Sistema. Si este nivel fuera necesario debería
replantearse el modelo como en el caso del ejemplo 8.2. Los resultados son iguales a la
columna del Nivel I-1 del ejemplo 8.2.
DELAY3, DELAY 3I. De forma similar al caso anterior, las funciones de estos tipos de
demoras son: DELAY3(input, delay time) y DELAY3I(input, delay time, initial value).
Ejemplo 8.6 Utilice las funciones DELAY3 y DELAY3I para obtener los resultados del
ejemplo 8.3. Recordemos que se trata de distribuir 200 unidades en un período de 6 días.
Si se corre el modelo con las mismas condiciones que el ejemplo 8.5 (Dt=1) obtendremos una
gráfica oscilatoria, alejada del comportamiento que queremos reproducir. Esto se debe a que los
retardos de orden superior a uno exigen mayor precisión en los cálculos. Al modificar y fijar a
Dt = 0.25, utilizando Euler, obtendremos los resultados indicados en la gráfica de la figura
8.15. La misma figura muestra el modelo en Vensim.
Las ecuaciones de las funciones son:
"Delay3(200, 6)"=DELAY3I("F. entrada", 6 , 200) Units: ud/día
"F. entrada"=200*PULSE( 0 , 0) Units: ud/día
FINAL TIME = 40 Units: día
INITIAL TIME = 0 Units: día
TIME STEP = 0.25 Units: día

Demoras de orden 3
Fig. 8.15
2) Las funciones de demora anteriores reparten, en el tiempo, el efecto del valor de una
entrada. La función DELAY FIXED que se expresa mediante la ecuación: DELAY
FIXED (input, delay time, initial value) genera una salida igual a la entrada, pero desplazada
 13

(demorada) un tiempo igual al valor de la variable “delay time”. El valor más pequeño de este
retardo es el asignado a Dt. El sufijo FIXED se refiere a que la duración de la demora es fija,
no se reparte en el tiempo. El aspecto dimensional sigue la siguiente norma: input: unidad;
delay: tiempo; initial value: unidad. En otras palabras, la entrada debe ser de unidades, la
demora, en tiempo y el valor inicial, unidades. La salida será en unidades retrasadas el tiempo
escogido.
Ejemplo 8.7 Simule, utilizando la función DELAY FIXED, una demora en la cual, una entrada
sigue el patrón de la función STEP(2, 5) y queremos que haga efecto 4 minutos después de que
ha sido calculada. El nivel inicialmente es igual a cero. Dt=0.25.
El diagrama en Vensim que cumple con lo pedido, así como la gráfica de la dinámica del
sistema se muestra en l figura 8.16.
Las ecuaciones son:
Demora fija=DELAY FIXED("F. entrada", 4 , "F. entrada" ) Units: ud
"F. entrada"=STEP(2, 5) Units: ud
FINAL TIME = 20 Units: min
INITIAL TIME = 0 Units: min
TIME STEP = 0.25 Units: min [0,?]

Función DELAY FIXED

Fig. 8.16
3) SMOOTH, SMOOTHI.
Esta función genera promedios exponenciales con respecto al tiempo. SMOOTH se define:
SMOOTH(input, delay time). El resultado es una suavización exponencial.
SMOOTHI se define: SMOOTH(input, delay time, initial value). Da una suavización
exponencial con condición inicial.
Existen otras variantes de esta función pero no serán vistas aquí.
 14

Ejemplo 8.8 Para darnos una idea de cómo opera la función SMOOTH (figura tabla 8.18),
consideremos de nuevo la tabla de la figura 8.11, que incluye tres datos retrasados.

t Datos Exp.
1 100 100,00
2 115 100,00
3 96 105,00
4 94 102,00
5 106 99,33
6 101 101,56
7 89 101,37
8 95 97,25
9 102 96,50
10 104 98,33
Función SMOOTH
Fig. 8.17
El diagrama en Vensim es el siguiente:
<Time>

Ventas

Suavizac.
exponencial
Función SMOOTH
Fig. 8.18
Ejemplo 8.9 Queremos llenar un tanque que tiene una capacidad de 2000 litros. El tanque tiene
inicialmente 200 litros. El surtidor envía los 2000 litros por minuto pero está conectado
mediante una manguera por lo que cualquier cambio de flujo demora 1 minuto de tiempo en
hacerse efectiva.
Utilice un Dt = 0.25. El diagrama en Vensim y el resultado de la simulación se indican en la
figura 8.19.
Cuando se define el tiempo instantáneo como 0, Vensim de todas formas hace los cálculos con
el valor de Dt asignado (0.25 en nuestro caso).

Demora Cap. máx.

TANQUE
F. surtidor
 15

Uso de la función DELAY FIXED

Fig. 8.19
Las ecuaciones respectivas son:
"Cap. máx."=2000 Units: lt
Demora=1 Units: min
"F. surtidor"=DELAY FIXED("Cap. máx."-TANQUE, Demora , 0) Units: lt/min
FINAL TIME = 30 Units: min
INITIAL TIME = 0 Units: min
TANQUE= INTEG ("F. surtidor", 200) Units: lt
TIME STEP = 0.25 Units: min
El sistema oscila, tendiendo a un estado estable.
Para comprender este comportamiento realicemos algunos cálculos manualmente. Para facilitar los
cálculos hagamos Dt = 1. En la siguiente tabla (figura 8.20) se analizan los primeros 12 segundos
del proceso, cuando hay un retardo de 1 segundo en el flujo.

t TANQUE F. surtidor
0 200 0
1 200 + 1×0 = 200 (2000 ‒ 200)/1 = 1800
2 200 + 1×1800 = 2000 (2000 – 200)/1 = 1800
3 2000 + 1×1800 = 3800 (2000 – 2000)/1 = 0
4 3800 + 1×0 = 3800 (2000 – 3800)/1 = ‒1800
5 3800 + 1× (‒1800) = 2000 (2000 – 3800)/1 = ‒1800
6 2000 + 1× (‒1800) = 200 (2000 – 2000)/1 = 0
7 200 + 1× 0 = 200 (2000 – 200)/1 = 1800
8 200 + 1×1800 = 2000 (2000 – 200)/1 = 1800
9 2000 + 1×1800 = 3800 (2000 – 2000)/1 = 0
10 3800 + 1×0 = 3800 (2000 – 3800)/1 = ‒1800
11 3800 + 1×(‒1800) = 2000 (2000 – 3800)/1 = ‒1800
12 2000 + 1×(‒1800) = 200 (2000 – 2000)/1 = 0
Cálculo del ejemplo con Dt = 1.
Fig. 8.20
La figura 8.21 muestra las diferentes corridas en forma simultánea.
 16

Resultado del modelado utilizando Syntesim: Demora = 0, 1 y 2.

Fig. 8.21

Cuando se usa Synthesim es útil definir las condiciones iniciales como variables asignándoles el
valor inicial y las respectivas unidades. En los niveles respectivos se modifica el dato de la
condición inicial y se reemplaza por el nombre de la variable. Para evitar problemas de escritura, el
nombre de esta variable se extrae de la pestaña de “variables” que aparece en el recuadro de los
niveles (ver figura 8.22). En este ejemplo podemos proponer el siguiente modelo. Se ilustra,
además, parte del recuadro respectivo del nivel.

Condiciones iniciales dadas a partir de una variable

Fig. 8.22
En otras palabras, el flujo que afecta al nivel en el tiempo t es el flujo calculado en el instante t ‒ 1.
Por esta razón, cuando t <=1 el flujo será igual a 0. A partir de t > 1 será igual a:

(Capacidad - TANQUE)/Demora
Tanque C.I = 0 [lt]
Los fenómenos oscilatorios se presentan debido a que existen lazos de retroalimentación negativa
combinados con demoras.
 17

Ejemplo 8.10 Repita el ejemplo anterior pero asignando tiempos de demora iguales a 0, 1 y 2.
Interprete los resultados. Use Syntesim para resolver este ejemplo.
Observe el comportamiento oscilatorio debido al cambio en el valor de la demora.
8.2 El termostato1. Un termostato es un buen ejemplo para comprender cómo un sistema tiende a
autorregularse, manteniendo una temperatura estable alrededor de ciertos valores. Un aire
acondicionado genera viento frío cuando el cuarto está, por ejemplo, a más de 22ºC, o cesa de
enfriar el cuarto con este alcanza 10ºC, ambos valores fijados por el interesado. O, en tiempo frío,
un equipo puede generar calor cuando la temperatura del cuarto esté por debajo de los 14ºC y cesar
de hacerlo cuando esta llegue a niveles superiores a los 20ºC. Dos lazos de equilibrio logran este
cometido bajo ciertas circunstancias: el del flujo de entrada, que tiende a alcanzar una temperatura
deseada y el de salida que tiende a mantener dicha temperatura cuando intenta salirse de los límites
establecidos.
Es importante aclarar que lo que fluye, cuando de cuerpos con diferentes temperaturas se trata, es
el calor. Es una forma de energía que sólo se manifiesta cuando está en movimiento, es decir,
cuando se transfiere de un cuerpo más caliente a uno más frío. Para el caso actual utilizaremos las
temperaturas como medidas del calor que entra, del que sale y la que el sistema de calefacción debe
mantener. Pero las temperaturas no fluyen, es el calor, del cual podemos obtener su temperatura.
Ejemplo 8.11. Para facilitar el ejemplo, consideremos que la temperatura deseada, para el caso de
un sistema de calefacción, es de 20ºC. La temperatura externa es de 5ºC. El tiempo que tarda el
calor en alcanzar la temperatura prefijada es de 5 minutos. El tiempo que tarda el calor almacenado
en fluir al exterior es de 10 minutos. El cuarto se haya, al inicio del proceso a 5ºC de temperatura.
Un diagrama de Forrester que permite modelar este sistema se muestra en la figura 8.23.

Termostato. Un proceso de
calefacción.
Fig. 8.23
Las ecuaciones son:
CUARTO= INTEG ("F. calefacción"-"F. enfriamiento", 5) Units: gc

1
Basado en Meadows (2008).
 18

"Discrepancia entre cuarto y temp. exterior"=CUARTO-"Temp. exterior" Units: gc

"Discrepancia entre temp. deseada y cuarto"="Temp. deseada"-CUARTO Units: gc
"F. calefacción"="Discrepancia entre temp. deseada y cuarto"/"T. calefac." Units: gc/min
"F. enfriamiento"="Discrepancia entre cuarto y temp. exterior"/"T. enfriam." Units: gc/min
FINAL TIME = 30 Units: min
INITIAL TIME = 0 Units: min
"T. calefac."= 5 Units: min
"T. enfriam."=10 Units: min
"Temp. deseada"=20 Units: gc
"Temp. exterior"=5 Units: gc
TIME STEP = 0.25 Units: min
CUARTO= INTEG ("F. calefacción"-"F. enfriamiento", 5) Units: gc
"Discrepancia entre cuarto y temp. exterior"= CUARTO-"Temp. exterior" Units: gc
"Discrepancia entre temp. deseada y cuarto"="Temp. deseada"-CUARTO Units: gc
"F. calefacción"="Discrepancia entre temp. deseada y cuarto"/"T. calefac." Units: gc/min
"F. enfriamiento"="Discrepancia entre cuarto y temp. exterior"/"T. enfriam." Units=gc/min
La figura 8.24 muestra la dinámica del proceso de calentamiento.

Sistema estabilizado.
Fig. 8.24
Alrededor de los 12 minutos el cuarto ha alcanzado una temperatura estable, que no es la deseada.
Esto es típico en estos procesos ya que el equilibrio se alcanza en valores inferiores. Recordemos el
ejemplo 5.16.
En efecto, el sistema se estabiliza cuando los flujos de entrada son iguales a los de salida. Por lo
tanto:
 19

F. calor = F. enfriamiento
Discrepancia entre temp. deseada y cuarto/T. calef =
Discrepancia entre Temp. cuarto y exterior/T. enfr.
(20ºC  Sist. de calefacción)/5 = (Sist. de calefacción5ºC)/10 → Sist. Calefacción =
45 ºC/3 = 15°C.
Si se desea una temperatura mayor, entoces se debe fijar una meta superior para lograr alcanzarla, o
acelerar el tiempo de calefacción o retardar el tiempo de enfriamiento.

Si el sistema de calefacción se empezara a dañar, entonces la temperatura de equilibrio bajaría.

Para nuestro ejemplo, esto lo podríamos simular con un tiempo de calefacción = 9 min. La
dinámica se indica en la figura 8.25. La temperatura de equilibrio ha descendido alrededor de los
13ºC.

Efecto de un daño parcial en el sistema de calentamiento.

Fig. 8.25
Ante esta situación, se ha decidido aislar térmicamente el cuarto. La consecuencia es que el tiempo
de enfriamiento se aumenta. El resultado es el de la figura 8.26.
El sistema tiende a un valor de 14°C.
 20

Resultado al aislar el cuarto

Fig. 8.26

Como se puede concluir, el nivel se controla afectando uno de los dos lazos, o ambos.
8.3 Recursos no renovables.
En los recursos no renovables se presenta el fenómeno de una explotación que siempre decrece el
recurso, ya que este no puede renovarse. Puede ser tan evidente como la extracción de petróleo, o
más sutil como el uso de la tierra en forma indiscriminada y poco técnica. Aparentemente la tierra
se puede renovar, desde el punto de vista de los cultivos, mediante abonos o descansos periódicos
de no siembra. Pero lo que observamos en muchos casos es una sobreexplotación que puede exigir
períodos de tiempo muy largos (más de 50 años) para que la tierra se reponga, de tal manera que,
para efectos prácticos, el recurso se considera como no renovable durante tal período.
El siguiente ejemplo nos ilustra el caso de una explotación petrolera 2.
Ejemplo 8.12. Una empresa extractora de petróleo tiene un pozo a su disposición, el cual tiene
15×109 barriles en la actualidad. La empresa posee cien millones en bienes de capital, de los cuales
destina, como meta de crecimiento anual un 10% de ellos para la explotación del pozo, si los
beneficios superan dicho valor; de lo contrario invertirá sólo el 10% de los beneficios. El promedio
de consumo anual se estima en 135×10 6 barriles por lo que se espera que el pozo tenga una
duración de unos 110 años.
El rendimiento por unidad de capital depende de la cantidad de petróleo que el pozo tenga en cada
momento. A mayor cantidad, el costo de extracción será menor por lo que el rendimiento de capital
será mayor, pero a medida que el pozo se vaya agotando, este rendimiento irá disminuyendo hasta
alcanzar un valor real equivalente a cero: ya no es rentable extraer el combustible. Se mide en
barriles/($×año). En otras palabras, es la relación entre el beneficio neto después de
impuestos/Capitales propios (o el patrimonio neto = Activo – pasivo exigible).
El precio del recurso varía de acuerdo con la disponibilidad que permite el flujo de extracción. En
otras palabras, depende del rendimiento por unidad de capital, el cual, a su vez depende del recurso
disponible. La tabla de la figura 8.27 muestra estas relaciones.
Recurso Rend./unid. Capital Rend./unid. Precio
(barriles) (Barriles/($-año) Capital ($/Barril)
0,00 0,00 0,00 160,00
250.000.000,00 0,05 0,25 70,00
500.000.000,00 0,20 0,50 35,00
750.000.000,00 0,60 0,75 18,00
1.000.000.000,00 0,85 1,00 10,00

2
Basado en Meadows (2008).
 21

1.250.000.000,00 0,95
15.000.000.000,00 1,00
Variaciones del rendimiento del capital, de los recursos disponibles y del precio
Fig. 8.27
El flujo de extracción se calcula multiplicando el capital por el rendimiento de capital. El beneficio
será igual al precio multiplicado por el flujo de extracción.
El tiempo promedio de depreciación del capital es de 20 años.
Un diagrama causal nos facilitará la comprensión de las interrelaciones.

Capital- () +
Depreciación
+

Flujo de
inversión + Flujo de
+ extracción
()
Beneficio +
+

Rendimiento por () -
unidad de capital Recurso
+ disponible

Diagrama causal del ejemplo 8.9

Fig. 8.28
Un diagrama de Forrester para este ejemplo puede ser el indicado en la figura 8.29.

Explotación de un pozo petrolero

Fig. 8.29
Las ecuaciones son:
 22

CAPITAL= INTEG ( "F. inversión"-"F. Depreciac.", 100*10^6) Units: $

Beneficios=Precio*"F. extracción" Units: $/año
"F. depreciación"=CAPITAL/"T. depreciación" Units: $/año
"F. extracción"="Rend./unid. capital"*CAPITAL Units: bar/año
"F. inversión"=Meta crecimiento Units: $/año
FINAL TIME = 120 Units: año
INITIAL TIME = 0 Units: año
Meta crecimiento=MIN(Beneficios, CAPITAL )*"Porc. inv." Units: $/año
PETRÓLEO= INTEG (-"F. extracción",45*10^9) Units: bar
"Porc. inv."=0.1 Units: 1/año
Precio = WITH LOOKUP ( "Rend./unid. capital",([(0,0)-(1,200)],(0,160),(0.25,70),
(0.5,35),(0.75,18),(1,10) )) Units: $/bar
"Rend./unid. capital" = WITH LOOKUP (PETRÓLEO, ([(0,0)-(1.5e+10,1)],(0,0),
(2.5e+08,0.05),(5e+08,0.2),(7.5e+08,0.6),(1e+09,0.85),(1.25e+09,0.95),(1.5e+10,1)))
Units: bar/($*año)
"T. depreciación"=20 Units: año
TIME STEP = 0.25 Units: año
Observemos la dinámica del proceso de extracción y la forma como las variables interrelacionadas
con ella, se comportan (ver figura 8.30).

Impacto del flujo de extracción en el capital y en el rendimiento de capital

Fig. 8.30
 23

Alrededor de los primeros 60 años, la extracción crece exponencialmente, con un tope de 2.1
billones (109) de barriles por año. El rendimiento de capital se mantiene prácticamente constante
durante esos 60 años en su valor máximo. Sin embargo, el pozo está siendo explotado a gran
velocidad. En los primeros 45 años ha sido explotado cerca de un 50%. Los costos de extracción
empiezan a aumentar, pero de todas maneras el negocio sigue siendo rentable. El capital sigue
creciendo. Alrededor de los 70 años ha alcanzado un tope de unos 2900 millones. Debido a que el
rendimiento de capital es prácticamente nulo, pues la extracción es cada vez más difícil y el pozo
está prácticamente vacío, el capital comienza a descender vertiginosamente. Pozo y compañía, han
cesado de existir. La población que dependía de este recurso pierde sus beneficios en un lapso
corto de tiempo. Los 110 años de bonanza han quedado reducidos prácticamente a 70 años., sin
posibilidad de tomar decisiones que amortigüen el proceso, pues el descenso es exponencial.
Disminuir los costos de extracción o descubrir que el pozo tenía el doble o el triple del recurso
inicial, tiene poco efecto en el resultado final. La siguiente figura muestra lo que ocurriría con un
recurso tres veces superior al analizado.
La simulación muestra que, durante más tiempo inicial, se tiene mayor cantidad de petróleo
extraído, pero debido a la explotación exponencial la caída vertiginosa lleva a una duración del
pozo ligeramente superior a la anterior (figura 8.31).

Pozo petrolero con tres veces más de recurso

Fig. 8.31
8.4 Recursos renovables3. Este ejemplo nos permitirá contrastar la dinámica de los recursos
renovables con respecto a los no renovables.
Ejemplo 8.13 Partiendo del ejemplo del petróleo, supongamos ahora que se trata de un banco de
peces. En este caso, el banco puede ser renovado debido a la tasa de crecimiento de los peces. El
3
Cf. Meadows Op. Cit.
 24

resto de la estructura es similar si asimilamos el flujo de extracción, a un flujo de pesca, y el capital

activo serán los barcos de la flota pesquera. La figura 8.32 ilustra el modelo causal y el de
Forrester.

Diagramas causal y de Forrester de un modelo de pesca

Fig. 8.32
Meadows destaca que en los casos en los cuales el recurso es el sol, el viento o el agua de un río,
también se trata de recursos renovables no vivos que se regeneran, no a través de lazos
reforzadores, sino mediante un flujo de entrada constante independiente del estado del nivel que
alimenten. Ocurre el mismo tipo de análisis con las epidemias virales.
Como en el ejemplo anterior la vida promedio del capital es de 20 meses ¿?. La industria crecerá,
si es posible, a un 10% por mes. A medida que el recurso escasea (número de peces) el costo de la
pesca aumenta. Se necesitan barcos más grandes, con recursos técnicos más avanzados (sonar,
redes especiales, sistemas de refrigeración más potentes…) para poder ir mar adentro y localizar
nuevos bancos de peces que explotar y traer el pescado fresco para procesarlo, lo cual requiere más
capital.
El capital inicial es 10, y el número de peces de 1000.
La relación entre la cantidad de peces disponible y el precio se hace a través de la variable
“Rendimiento por unidad de capital” que se muestra en la tabla 8.33.
10.0
8.0
6.0 Rend./unid. de Precio
Precio

4.0 capital ($/pez)

2.0
0.0
0.00.10.20.30.40.50.60.70.80.91.0
Rendim. De capital
 25

(pez/mes)
$/(pez*mes)
0,0 10,0
0,2 8.4
0,4 2.6
0,6 1,9
0,8 1,4
1 1.0
Relación rendimiento de capital y precio
Fig. 8.33

En la figura (8.34) s0.02e indica la relación de peces y el rendimiento de capital en una pesca de
tipo artesanal.

Pezca Rend./unid.
(Peces) de cap.
(tradición.)
0,0 0,00
166,7 0,02
333,3 0,08
500,0 0,19
666,7 0,47
833,4 0,81
1000,0 1.00

1.00
Rend./unid. De cap. trad. Relación peces-rend. de capital y pesca artesanal
0.80 Fig. 8.34
0.60 La figura (8.35) muestra las variaciones de los
0.40 porcentajes de nacimiento de acuerdo con la población
0.20 existen.
0.00
0 200 400
La tasa de reproducción de los peces no es constante. Si
600 800 1000
hay muchos peces, la comida escasea y esta tasa
desciende. Por otra parte, si son pocos, la opción de
aparearse es menor, bien sea por la dificultad de
encontrar una pareja o porque otra especie está ocupando el mismo lugar, por lo que dicha tasa
también será baja. La tabla 8.35 provee los datos correspondientes.

0.60
0.50 Tasa de
Recursos
Tasa regeneración

regeneración
0.40
0,0 0,00
0.30 83,3 0,02
0.20 166,7 0,08
0.10
0.00
0 200 400 600 800 1000
Recursos (peces)
 26

250,0 0,30
333,3 0,45
416,7 0,52
500,0 0,54
583,3 0,52
666,7 0,45
750,0 0,30
833,3 0,08
916,7 0,02
1000,0 0,00

Relación recursos-tasa de regeneración

Fig. 8.35
Las ecuaciones son las siguientes:
CAPITAL= INTEG ("F. invers."-"F. deprec.",10) Units: $
Beneficio=Precio*"F. pesca" Units: $/mes
"F. deprec."= CAPITAL/"Prom. vida capital" Units: $/mes
"F. invers."=Met inversión Units: $/mes
"F. regenerac."=Tasa regeneración*PECES Units: pez/mes
“F. pesca” = CAPITAL*"Rend. por unid. de capital" Units: pez/mes
FINAL TIME = 150 Units: mes
INITIAL TIME = 0 Units: mes
Met inversión="Porc. invers."*MIN(Beneficio, CAPITAL ) Units: $/mes
PECES= INTEG ("F. regenerac."-"F. pesca",1000) Units: pez
"Porc. invers."=0.1 Units: 1/mes
Precio = WITH LOOKUP ( "Rend. por unidad de capital",([(0,0)-(1,10)],(0,10),
(0.2,5.8),(0.4,3.3),(0.6,1.9),(0.8,1.5),(1,1.2) )) Units: $/pez
"Prom. vida capital"=20 Units: mes
"Rend. por unidad de capital" = WITH LOOKUP (PECES,([(0,0)-(1000,1)],(0,0),
(166.7,0.02),(333.3,0.08),(500,0.19),(666.7,0.47),(833.4,0.81),(1000,1) )) Units: $/mes
Tasa regeneración = WITH LOOKUP ( PECES, ([(0,0)-(1000,0.6)],(0,0),(83.3,0.02),
(167.7,0.08),(250,0.3),(333.3,0.45),(416.7,0.52),(500,0.54),(583.3,0.52),
(666.7,0.45),(750,0.3),(833.3,0.08),(916.7,0.02),(1000,0) )) Units: 1/mes
TIME STEP = 0.25 Units: mes
Los resultados de la simulación, usando tecnología artesanal, son los siguientes:
 27

Dinámica del “Banco de peces”

Fig. 8.36

El negocio es rentable. El crecimiento del capital es de tipo exponencial. Por su parte la población
de peces decrece, pero se estabiliza alrededor del mes 180.
Ejemplo 8.14 La flota pesquera del ejemplo anterior decide, gracias a sus buenos ingresos, utilizar
nueva tecnología. La tabla que relaciona ahora los rendimientos de capital con la cantidad de peces
disponibles se muestra en la figura 8.37. Veamos la opción de tecnología avanzada.

Tecnologías
Trad. Interm. Avanz.
R./un R./un R./un
Peces
cap. cap. cap.
0.0 0.00 0.00 0.00
166.7 0.02 0.03 0.06
333.3 0.08 0.15 0.22
500.0 0.19 0.35 0.55
666.7 0.47 0.70 0.85
833.4 0.81 0.92 0.95
1000.0 1.00 1.00 1.00
Mejora de la tecnología en el proceso de pesca
Fig. 8.37
Modificamos la tabla que relaciona “Peces” con “R./un. Capital” (la tercera columna).
El resultado es el siguiente:
 28

Modelo y dinámica de pesca con tecnología avanzada

Fig. 8.38

Vemos el efecto desastroso de este tipo de tecnología para nuestro caso. La población de peces es
extinguida. Además, la flota pesquera también desaparece. De hecho, alrededor del mes 160 deben
cerrar la explotación para evitar una quiebra total. De acuerdo con los datos debido a la supresión
de la pesca los peces se recuperan, fenómeno que ha sido observado en varias ocasiones
especialmente con respecto a la pesca de sardinas.
8.5 Oscilaciones. En el capítulo 5, ejemplo 5.12, vimos la forma como el modelo anfitrión-huésped
mantenía su estabilidad mediante un proceso oscilatorio de ambas poblaciones. El comportamiento
oscilatorio surge cuando dos niveles interactúan a través de sus flujos de entrada y salida.
Ejemplo 8.15 Considere una especie que es atacada por un solo tipo de parásito. Durante la
infestación, el parásito mata al anfitrión. Es evidente que si mueren muchos anfitriones porque la
población de parásitos es abundante, entonces el número de parásitos deberá descender por falta de
alimento. A medida que los parásitos descienden, los anfitriones empezarán a aumentar su
población y, si se logra un equilibrio, la oscilación será el distintivo de la dinámica de este sistema.
Sea X el número de anfitriones en un momento dado y Y el de parásitos. La tasa efectiva de
crecimiento será dX/dt = TX X y la de muerte será función del cruce potencial entre las dos
especies, lo que se expresa mediante la ecuación KXY. Por lo tanto, el crecimiento neto de la
población X será:

X´ = TX X  KXY (8-2)
Supongamos ahora que por cada anfitrión muerto nace un parásito que es la única forma en que
puede crecer esta población. Si la tasa de mortalidad es TY, la ecuación que describe a la población
de parásitos es:

Y´= KXY  TYY (8-3)

Sea una población inicial de anfitriones de 10000 individuos, de parásitos de 2000, con una tasa de
crecimiento de la población de X del 1% anual (TX), una tasa de muerte de los parásitos del 4%
anual (Ty), y una constante K igual a 0.000005. Utilice Vensim para estudiar el comportamiento de
este sistema.
Tenemos un sistema de ecuaciones diferenciales:
X´= TX X – K1 XY
Y´= K2 XY – TY Y
 29

Con K 1 = K 2 = K. La diferencia son las dimensiones. K 1 = [1/indvy*año], K2 =

[1/indvx*año]. En este caso, a cada ecuación se le aplica un análisis independiente, creando dos
subsistemas: X, Y. La teoría respectiva se indicará al final del capítulo.
En términos de niveles y flujos, el nivel X tiene como entrada un flujo que es afectado por el valor
de TX y el valor del nivel X y un flujo de salida afectado por el valor de K y por los niveles X y Y.
En forma similar el nivel Y tiene un flujo de entrada que es afectado por el valor de K y el de los
niveles X y Y, y un flujo de salida producto del valor del nivel Y por el valor de TY.
El diagrama correspondiente y la gráfica de la dinámica se indican en las figura 8.39.

Modelo predador-presa
Fig. 8.39
Las ecuaciones respectivas son:
F muerte X=K1*X*Y Units: indivx/año
F muerte Y=Ty*Y Units: indivy/año
F nac X=Tx*X Units: indivx/año
F nac Y=K2*X*Y Units: indivy/año
FINAL TIME = 500 Units: año
INITIAL TIME = 0 Units: año
K1=5e-006 Units: 1/(indivy*año)
K2=5e-006 Units: 1/(indivx*año)
TIME STEP = 0.25 Units: año
Tx= 0.01 Units: 1/año
Ty= 0.04 Units: 1/año
X= INTEG (F nac X-F muerte X,10000) Units: indivx
Y= INTEG (F nac Y-F muerte Y,2000) Units: indivy
b) La figura (8.40) ilustra otra manera de obtener un comportamiento oscilatorio.
En este modelo se supuso que la salida_1 y la entrada_2 son constantes. Los otros dos flujos varían
con los niveles.
 30

Para el caso de VENSIM es conveniente escoger un procedimiento de Runge-Kutta para poder

simular esta estructura. ¿Qué ocurre si utiliza Euler?
Observe como el comportamiento del nivel 2 acumula lo que viene del nivel 1, y el efecto se
produce mediante un retardo. Igual pasa con el nivel 3. La estabilidad del nivel 3 se alcanza
después que lo ha alcanzado el nivel 2 y a su vez este alcanza su estabilidad después de que el nivel
1 lo alcanza.

Selected Variables
5000

NIVEL 1
F entrada 1 F salida 1
2500

unid
0
Conversión 1 Conversión 2
-2500

NIVEL 2 -5000
F entrada 2 F salida 2 0 4 8 12 16 20 24 28 32 36 40
Time (tiempo)
NIVEL 1 : Current NIVEL 2 : Current

Comportamiento oscilatorio
Fig. 8.40

Las ecuaciones son:

Conversión 1=0.8 Units: 1/tiempo
Conversión 2=0.2 Units: 1/tiempo
F entrada 1=Conversión 1*NIVEL 2 Units: unid/tiempo
F entrada 2=4 Units: unid/tiempo
F salida 1=2 Units: unid/tiempo
F salida 2=Conversión 2*NIVEL 1 Units: unid/tiempo
FINAL TIME = 40 Units: tiempo
INITIAL TIME = 0 Units: tiempo
NIVEL 1= INTEG (F entrada 1-F salida 1, 25) Units: unid
NIVEL 2= INTEG (F entrada 2-F salida 2,2000) Units: unid
TIME STEP = 1 Units : tiempo
8.6 Arquetipos sistémicos4. En la elaboración de los modelos mediante la dinámica de sistemas y
particularmente en la construcción de los diagramas causales existen ciertas estructuras que
facilitan enormemente la tarea del modelado.
A menudo nos hallamos ante situaciones que parecen conocidas, hechos que aparentemente son
repeticiones de situaciones anteriores. El cerebro humano tiene la capacidad de recordar patrones
generales pero, a largo plazo, olvida los detalles. A estos patrones se les denomina “arquetipos
sistémicos”.

4
La teoría aquí expuesta se fundamenta, básicamente, en el libro de P. Senge: La quinta disciplina.
 31

Con respecto a los lazos de retroalimentación y a las demoras se dice que son los equivalentes a los
sustantivos y los verbos del pensamiento sistémico; por su parte los arquetipos sistémicos son las
oraciones simples o las narraciones sencillas que se repiten continuamente. Agrega Senge 5:
Los arquetipos sistémicos revelan que una elegante simplicidad subyace a la complejidad de los problemas
administrativos. A medida que aprendemos a reconocer estos arquetipos, vemos cada vez más sitios donde
es posible aplicar el apalancamiento para enfrentar desafíos dificultosos, y para explicar estas
oportunidades a otros.

El apalancamiento se refiere al punto clave en el cual es necesario concentrar esfuerzos para

mejorar las situaciones conflictivas.
En lo que sigue estudiaremos un arquetipo sistémico ampliamente conocido: el límite del
crecimiento.
8.6.1 Límites del crecimiento (limits to growth). Es común encontrar situaciones en las
cuales cierto fenómeno crece aparentemente en forma exponencial (crecimiento sin límite). Sin
embargo después de cierto tiempo su tasa de crecimiento empieza a disminuir y puede llegar, en
casos extremos, a ser negativa. Es muy posible que estemos, entonces, ante un caso de “límite de
crecimiento”. Es un arquetipo compuesto por dos lazos de retroalimentación: uno positivo (que
crece) y otro negativo que ejerce una acción compensadora sobre aquel.
La forma general de este arquetipo es la indicada en la figura 8.41.

CONDICIÓN
LIMITATIVA

ACCIÓN (+) () ACCIÓN

CRECIENTE CONDICIÓN
DECRECIENTE

Desempeño real que se puede Acción correctiva (normalmente una

medir u observar en su restricción en el desempeño real)
crecimiento
Diagrama causal del límite del crecimiento.
fig. 8.41

El lazo negativo incluye siempre una demora en alguna de las interrelaciones. Por esta razón, al
comienzo el que comanda el comportamiento del sistema es el lazo positivo. Poco a poco el lazo
negativo empieza a influir sobre el positivo hasta llegar a dominarlo. El crecimiento ha llegada a un
límite, en el mejor de los casos, pues puede llegar a que tal límite no se alcance y el sistema,
colapse.
Para ilustrarlo utilizaremos como ejemplo el caso de una empresa que inicia su desarrollo de
manera exitosa con respecto a la ventas de su producto. Estos son de buena calidad y además los
tiempos de entrega son favorables para sus clientes. A medida que pasa el tiempo, las ventas crecen
5
Ibíd. p. 123.
 32

así como los beneficios, lo que permite contratar más vendedores. Este progreso continuá hasta que
las ventas comienzan a decrecer. La gerencia culpa a los vendedores por lo que despide a los
menos eficientes para contratar mejores vendedores. Sin embargo la situación continua hasta que la
empresa queda con una gran cantidad de producto terminado que no es vendido. La quiebra es
inminete.
Aparte de culpar a los vendedores, la alta adiminstración argumenta que la competencia desleal y el
contrabando han sido la causa de la situación en que se encuentra la compañía.
Un estudio más detallado nos mostrará que esto no es así. El arquetipo “límite del crecimiento”
como su nombre lo indica, nos dice que existe un límite a partir del cual el crecimiento produce
como efecto, un decrecimiento en el comportamiento del sistema.
Ejemplo 8.16 Nuestra empresa inicia su proceso de producción y ventas con 4 vendedores. Las
ventas dependerán de la eficiencia en la entrega como se analizará más adelante. Cada unidad
produce una ganancia de $100 $/unid. La variable la llamaremos: "Benef/unid."
La contratación (o despido) de vendedores, mensualmente (“F. contratac”, “F. despido”), dependen
del “ingreso semanal de ventas”. Estas son iguales al producto del “ingreso semanal de ventas” por
el “Benef./unid.” por el número de “VENDEDORES”.
Si las ventas mejoran las ganancias semanalmente, se contratarán más vendedores. Estas ganancias
dependen de la cantidad de pedidos que estén por despachar. Si estos pedidos (“PED. PEND.”)
aumentan continuamente, los clientes empezarán a retirarse pues los tiempos de entrega se hacen
más demorados cada vez. Como consecuencia lógica los beneficios empezarán a disminuir y como
efecto directo, el despido de vendedores será cada vez mayor.
La capacidad máxima de despacho de esta empresa es de 2000 unidades semanales. El Flujo de
despacho (“F. despacho”) dependerá de los pedidos pendientes, del Tiempo de despacho (“T.
despacho”) y de los flujos de ventas (“F. ventas”). Este tiempo se calcula mediante la relación:
“T. despacho” = "PED. PEND."/"Cap. desp." (8-
Evidentemente entre más pedidos pendientes existan, mayor será el tiempo de despacho. Pero los
compradores no censan esta situación inmediatamente sino después de un período de 6 semanas. A
este tiempo lo denominamos “T. despacho sentido”. Este tiempo afecta las ventas de los
vendedores: “Venta/vendedor”.
Un diagrama causal puede ser el siguiente:

Demora
sentida +
  Demora en
+ ─   la entrega Capac.
Vendedores  Ventas despacho
(+) (─) +
 
+ +  
+ + Despachos
Pedidos  +
Beneficios pendientes
 
 33

Diagrama causal de las ventas exitosas de una empresa

Fig. 8.42
El diagrama de Forrester para este modelo se muestra en la figura 8.43.
El porcentaje de flujo de despido y las ventas por vendedor, se calculan mediante los datos de las
dos tablas indicadas en la figura 8.44.
Las ecuaciones son:
"Benef/unid."=100 [ $/unid]
"Cap. desp."=2000 [unid/sem]
"Costo sem. por vendedor"=400000 [$/vend]
"Costo sem. vendedores"="Costo sem. por vendedor"*VENDEDORES [$]
"F. contratac."=Ingreso semanal ventas/"Costo sem. por vendedor" [vend/sem]

Diagrama de
Fig. 8.43

Pedidos Porc. flujo de

pendientes desp.
0 0.00
1000 0.00 Tiempo desp. Ventas por
2000 0.05 sentido vendedor
3000 0.35 0 200
4000 0.80 0.5 150
5000 0.95 1.0 90
6000 1.00 1.5 60
34
 35

2.0 40
2.5 25
3.0 15
3.5 9
4.0 0
4.5 0
5.0 0

Cálculo de porcentaje de flujo de despacho y ventas por vendedor

Fig. 8.44
"F. despacho"=IF THEN ELSE( (1/"T. despacho")*"PED. PEND.">
"Venta/vend."*VENDEDORES , "Venta/vend."*VENDEDORES ,
(1/"T. despacho")*"PED. PEND." ) [unid/sem]
"F. despido"="Porc. flujo despido"*VENDEDORES [vend/sem]
"F. ventas"="Venta/vend."*VENDEDORES [unid/sem]
FINAL TIME = 100 [sem]
Ingreso semanal ventas="Benef/unid."*"Venta/vend."*VENDEDORES [$/sem]
"PED. PEND."= INTEG ("F. ventas"-"F. despacho",100) [unid]
"Porc. flujo despido" = WITH LOOKUP ("PED. PEND.", ([(0,0)-(6000,1)],
(0,0),(1000,0),(2000,0.05),(3000,0.35),(4000,0.8),(5000,0.95),(6000,1)))
[vend/sem]
"T. despacho sentido"=SMOOTH3("T. despacho", 6 ) [sem]
"T. despacho"="PED. PEND."/"Cap. desp." [sem]
TIME STEP = 0.25 [sem]
VENDEDORES= INTEG ("F. contratac."-"F. despido",4) [vend]
"Venta/vend." = WITH LOOKUP ("T. despacho sentido", ([(0,0)-(5,200)],
(0,200),(0.5,150),(1,90),(1.5,60),(2,40),(2.5,25),(3,15),(3.5,9),(4,0),(4.5,0),(5,0) ))
[unid/(vend*sem)]
 36

Ventas=”Venta/vend.”*VENDEDORES [unid/sem]
La dinámica de este sistema se muestra en la figura 8.44a

Dinámica del modelo de vendedores-ventas

Fig. 8.44a
Como puede observarse en la gráfica, las ventas (trazos discontinuos) aumentan exponencialmente
pero, en un lapso de tiempo corto caen totalmente. Los pedidos pendientes se estabilizan en un
valor alrededor de 2500 unidades. Esto significa que la empresa, debido a su éxito en las ventas
antes del colapso se quedó con un inventario costoso del cual no puede liberarse salvo rematando
sus unidades a precios muy bajos. La quiebra de la empresa es total.

EJERCICIOS CAPÍTULO 8

Se recomienda que, en lo posible, antes de resolver cada ejercicio se prediga el

comportamiento general que tendrá la solución: estable, creciente, decreciente, ascendente-
descendente, oscilatorio etc.
 37

1) Se desea vaciar parcialmente un tanque de 100 litros mediante una válvula controlada que se
cierra a medida que el tanque disminuye en su contenido. Al final del proceso deben quedar en
el tanque 20 litros. Si la válvula de salida no variara su flujo, el tiempo que tardaría este tanque
en desocuparse totalmente sería de 20 minutos.
a) Elabore el diagrama de Forrester respectivo.
b) Escriba las ecuaciones.
c) Realice dos iteraciones manualmente.
2) Una empresa contrata personal que debe pasar por diferentes fases de entrenamiento. Cada año
la empresa contrata el número necesario para compensar los despidos, las renuncias o los
ascensos que se dan una vez terminado el proceso de formación, el cual dura tres años. En la
actualidad hay 10 personas en entrenamiento.
Para facilitar el modelo, supondremos que no hay despidos ni renuncias y que el promedio de
tiempo que una persona entrenada permanece en la empresa es de 15 años, sin contar los tres
gastados en entrenamiento.
a) Elabore el diagrama de Forrester respectivo.
b) Escriba las ecuaciones.
c) Realice cuatro iteraciones manualmente.
3) Utilice VENSIM para resolver la siguiente ecuación diferencial utilizando Euler y R-K-4.
Compare con las soluciones halladas en el ejercicio 3 b) del capítulo 5.
y´= 1/t (y2 + y), 1 t  3, y(1) = 2, h = 0,1.
4) Una población tiene un porcentaje de nacimientos del 1.9% y una tasa de defunción del 1.4%
(anuales). La población en el momento actual tiene 250.000 habitantes. En el año 5 de la
simulación, debido a un proceso de desplazamiento, la ciudad se ve obligada a admitir 10000
personas adicionales. Muestre Ud. el impacto en la dinámica poblacional que esto origina.
a) Suponga que esta población entra súbitamente.
b) Suponga que esta población tarda en promedio un año en ocupar la ciudad.
Compare ambos comportamientos. Falta resolver.
5) Un pozo petrolero alimenta una refinería. El pozo contiene 10 9 litros. La refinería produce
gasolina con un coeficiente de conversión de 0.1 (un litro de gasolina por cada 100 de petróleo)
mensualmente. Las ventas del combustible son del orden de 1000 litros por mes siguiendo una
distribución N(1000, 25).
a) Simule Ud. el comportamiento del pozo.
b) Compras nerviosas hacen que durante seis meses el consumo se duplique. ¿Cuál es el
impacto con respecto al estado normal, (literal a))?
6) El problema 4) del capítulo 4 decía:
Una especie en extinción pierde sus individuos en una proporción del 1.5% al año, del
total de la población existente en ese momento. Actualmente hay 1000 individuos. Si no
se hace nada, ¿en cuánto tiempo estará extinta la mitad de la población? ¿En cuánto
tiempo se habrá extinguido el 90%?
Resuelva este problema utilizando la dinámica de sistemas.
 38

7) En el capítulo 4 propusimos, también, el siguiente problema:

No es común encontrar en la naturaleza crecimientos sin límite. El ambiente siempre
ejerce una función reguladora. Aún en las especies invasoras, a partir de cierto momento
el crecimiento exponencial es frenado. Una forma de expresar este amortiguamiento es
indicando que la tasa de crecimiento aumenta con la población pero disminuye a medida
que se acerca a un límite que denominaremos L.
La ecuación diferencial que modela este caso es:
dxt/dt = k(L-xt)
Utilice la dinámica de sistemas para resolver el ejercicio 5) utilizando esta ecuación
diferencial, con L=35.000.000, X0 =17.484.510 y una tasa de nacimiento de 2.5%.
8) Del mismo capítulo es también el siguiente problema:
La curva de crecimiento en S (ó sigmoide) es otra forma de describir los modelos que no
crecen ilimitadamente.
Aquí se supone que la tasa de reproducción es proporcional a la población en ese
momento, pero tiene un límite que llamaremos L. Si X t representa la población en el
instante t, la ecuación diferencial que describe este proceso es:
dXt/dt = kXt( L  Xt )
en donde k es la tasa de reproducción.
Analice el ejercicio 6) si suponemos que L=35.000.000 de habitantes. Use la dinámica de
sistemas.

9) Para un estudio especial se ha dividido la población de una ciudad en niños (entre 0 y menores
de 18 años), jóvenes (mayores de 18 hasta 30 años), adultos (mayores de 30, menores de 55) y
adultos mayores (mayores de 55).
Considere una población inicial de 70000 niños, 105000 jóvenes, 122500 adultos y 52500
ancianos. La tasa de nacimiento es del 1.9% anual y la vida promedio de esta población es de
80 años. La posibilidad de reproducción se estima que es a partir de los 18 años y hasta los 54.
Desarrolle un modelo de Dinámica de Sistemas y muestre cómo evolucionarían estas
poblaciones en los próximos 200 años. Proponga las variables que considere necesarias.
a) Grafique cada una de las poblaciones y la población total.
b) Analice los resultados.
11) La población de una ciudad crece tanto por la reproducción natural de la misma como por la
inmigración. En el primer caso se considera que el porcentaje promedio de nacimientos es del
2.1% anual (“Porc nac”). En cuanto a la inmigración esta es causada por dos factores: el
empleo y la opción de vivienda. Para esta parte del modelo sólo tendremos en cuenta la opción
de la disponibilidad o no de empleo; según los expertos este factor es más determinante que el
factor vivienda. Para el cálculo del flujo de inmigración y de emigración causados por el
desempleo tendremos en cuenta los datos de la tabla de la figura 8.48. El porcentaje de muerte
es del 0.8% anual.

Ind. Empl Factor inmig. Factor emig.

 39

Empl. Empl.
0.00 0.0 4.0
0.20 0.0 3.8
0.40 0.0 3.0
0.60 0.0 2.0
0.80 0.1 1.5
1.00 1.0 1.0
1.20 1.3 1.0
1.40 1.5 1.0
1.60 1.7 1.0
1.80 1.9 1.0
2.00 2.0 1.0

Efectos del índice de empleo en las migraciones poblacionales.

Fig. 8.48

El 20% (“porc. activo”) de la población es la clase trabajadora “Poblac activa”. Esta población
activa determina el número de empleos solicitados. Inicialmente hay 250.000 habitantes.
Cada industria y servicio genera, en promedio 40 empleos: “Empl. Por ind.-serv.”. Se calcula
entonces un “Índice de empleo” el cual afecta directamente a las tasas de inmigración y
emigración. Este índice se define como:
Índice de empleo = Empl. Disponibles/Empl. solicitados.
Si es >1 hay pleno empleo. <=1, hay desempleo.
Los empleos disponibles (“Empl. disponibles”) son el producto de las Industrias y servicios
existentes en el momento (nivel “IND. Y SERV”) multiplicado por el parámetro “Empl. Por
ind.-serv.”. Para este modelo vamos a suponer que existen 1300 entidades de este tipo. Su flujo
de crecimiento depende de la población. Esta relación se hará a través del índice de empleo: si
este índice está por encima de 1, se construirán más empresas. De lo contrario se creará una
recesión hasta que el sistema vuelva a un estado estable.
La tabla de la figura 8.49 muestra esta relación.

Porc. crec. Industria y

Ind. Empl.
servicios
0 0
0.5 0
1.0 0
1.1 0.005
1.2 0.01
1.3 0.02
1.4 0.03
1.5 0.035

Efecto del índice de empleo en la construcc. de Industrias y Servicios

 40

Fig. 8.49

a) Elabore un diagrama de Forrester para observar la dinámica poblacional.

b) Simule 70 años. ¿Qué conclusión saca Ud.?
12) Partiendo del modelo anterior, considere que entre conocer el índice de empleo y los efectos
que este produce sobre la inmigración se genera una demora de 1 año; recordemos que en este
tiempo queda incluido el proceso de cambio de ciudad. Por su parte, los efectos del empleo
sobre la emigración tienen un retardo de 1.5 años.
Por su parte las industrias y los servicios reaccionan con 2 años de retardo para decidir sobre
nuevas inversiones (nuevas construcciones).
¿Qué efecto tiene estas demoras en la dinámica del sistema?
13) La demanda de vivienda es otro factor importante relacionado con el desarrollo de una ciudad.
Al modelo del ejercicio 11) agregue Ud. el subsistema de vivienda.
Supondremos un promedio de edificios de apartamentos (“EDIF_APT”) de cinco pisos y cuatro
apartamentos por piso con un área de 70 m 2 cada uno. Además se requiere un 10% para áreas
internas y un 20% para áreas libres externas. Esto da un promedio de 364 m 2 por edificio, es
decir 0.0364 hectáreas por edificio de apartamentos (1 edificio de apartamentos=20 familias).
La vida promedio (“T_vida_apt”) es de 50 años pasados los cuales, es demolido. Inicialmente
hay 3800 edificios de apartamentos.
El tiempo de construcción (“T constr. Edifapt”) de este tipo de edificios es de 14 meses. Para la
construcción de vivienda se puede utilizar como máximo el 40% de la tierra disponible
(“porc_tierra_edifapt”). Inicialmente hay 50 de estos edificios de apartamentos. Una familia
promedio consta de 5 personas.
La tierra no utilizada (35%) se reserva para la construcción de vías de comunicación y edificios
de servicios (hospitales, bomberos, colegios…) así como para zonas verdes de recreo y
conservación. El modelo, en esta fase inicial, no ha incluido estas variables, pero se descuenta
esta tierra de la tierra disponible: 20.000 has.
Sabemos que del total de tierra útil, el 40% como máximo es para la construcción de edificios
de apartamentos (“porc_tierra_edifapt”). La demanda de apartamentos
(“Demanda_real_edifapt”) se calcula a partir del “Total_familias” (Población/5) y de los
edificios existentes.
Demanda_real_edifapt = MAX(Total_familias-EDIF_APT,0)
El flujo de construcción de estos edificios (“F_constr_apt”) está condicionado a la demanda de
edificios generada por la población y al máximo permisible debido a las limitaciones del uso
del terreno. Existe una demora de 15 meses entre la demanda de apartamentos y la decisión de
construirlos.
a) ¿Cuál es la dinámica de la población, de la construcción de apartamentos, del desarrollo de
las industrias y servicios?
b) ¿Cómo cambian las migraciones en este nuevo modelo?
Podríamos preguntarnos por qué no se han incluido demoras en el modelo. Evidentemente
existe una demora entre conocer la opción de un empleo y el hecho de desplazarse hacia la
 41

ciudad, para aquellos que no viven en ella. Estos tiempos son de alrededor de un año, y esta es
la unidad base de nuestro estudio. Por lo tanto su efecto no es importante. Análisis similar
puede hacerse con respecto a la disponibilidad de un empleo (población activa) y el hecho de
conseguir dicho trabajo (empleos solicitados).
14) Incluyamos ahora el submodelo correspondiente al desarrollo de la industria.